文献

J-GLOBAL ID：202202263788103303   整理番号：22A0625952

ランダムフォレスト分類アルゴリズムを用いた土壌テクスチャクラスのデジタルマッピング【JST・京大機械翻訳】

Digital mapping of soil texture classes using Random Forest classification algorithm

著者 (2件)： Dharumarajan Subramanian (ICAR-National Bureau of Soil Survey and Land Use Planning, Regional Centre, Bangalore, India) ,  Hegde Rajendra (ICAR-National Bureau of Soil Survey and Land Use Planning, Regional Centre, Bangalore, India)
資料名： Soil Use and Management  (Soil Use and Management)
巻： 38  号： 1  ページ： 135-149  発行年： 2022年 
JST資料番号： W1705A  ISSN： 0266-0032  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 土壌テクスチャは,保水能力,養分利用性および作物成長を決定する最も重要な土壌物理特性である。地域および国家レベルでのより高い空間分解能における土壌テクスチャの空間分布は,作物計画および管理に不可欠である。本研究では,インド,Andra Pradesh州の16.2M ha地域にわたる土壌テクスチャクラスを,デジタル土壌マッピング法を用いて2m深さまでの250m空間分解能でマッピングした。ランダム森林(RF)分類アルゴリズムを用いて,土壌テクスチャクラスの予測に合計222のプロファイル観察を用いた。6つの標準土壌深度間隔(0-5,5-15,15-30,30-60,60-100および100~200cm)における組織クラスを推定するために,著者らは,異なる組織クラスの平均砂,シルトおよび粘土含有量を用いて,テクスチャ分布の連続的深さ関数を使用した。次に,深さ方向スプライン出力をUSDAテクスチャ分類に従ってテクスチャクラスに変換した。Landsat-8データ,デジタル標高モデル属性および気候変数を含む16の環境変数をモデリングに用いた。モデル構築のために,データの75%が使用され,データの25%が検証に使用された。全体の分類精度指数とカッパ指数を100RFモデルを用いて検証データセットに対して計算した。種々の深さで50%~65%の全精度および35%~47%のカッパ指数を記録した。平均砂,シルトおよび粘土の等面積二次スプラインは,土壌テクスチャクラスの土壌断面深さ調和に有用であり,ランダム森林分類アルゴリズムは,地域レベルでのテクスチャクラスの空間予測のための有望なツールであることを見出した。土壌テクスチャクラスの現在の高分解能(250m)マップは,異なる水文研究と適切な土地利用計画の作成に有用である。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 農作物 ,  粘土 ,  土地利用計画 ,  シルト ,  インド ,  スプライン ,  土壌断面 ,  ディジタル方式 ,  *土壌テクスチャ ,  土壌物理特性 ,  高分解能 ,  数値地形モデル
準シソーラス用語： *分類アルゴリズム ,  *ランダムフォレスト ,  土壌深度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 分類アルゴリズム ,  ディジタル土壌マッピング ,  ランダム森林モデル ,  土壌テクスチャ

分類 (3件)： 土壌管理  (FB04070J) ,  施肥法・肥効  (FB05030Y) ,  飼料作物,草地  (FC03050J)

タイトルに関連する用語 (6件)： ランダムフォレスト ,  分類アルゴリズム ,  土壌テクスチャ ,  クラス ,  デジタル ,  マッピング