文献

J-GLOBAL ID：202202277989801815   整理番号：22A1057442

BayesTPE最適化による極端な勾配ブースティングを用いた多地域土壌塩類化の適応推定【JST・京大機械翻訳】

Adaptive estimation of multi-regional soil salinization using extreme gradient boosting with Bayesian TPE optimization

著者 (21件)： Chen Baili (State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Chen Baili (Research Center for Ecology and Environment of Central Asia, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Chen Baili (University of Chinese Academy of Sciences, Beijing, People’s Republic of China) ,  Zheng Hongwei (State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Zheng Hongwei (Research Center for Ecology and Environment of Central Asia, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Zheng Hongwei (University of Chinese Academy of Sciences, Beijing, People’s Republic of China) ,  Luo Geping (State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Luo Geping (Research Center for Ecology and Environment of Central Asia, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Luo Geping (University of Chinese Academy of Sciences, Beijing, People’s Republic of China) ,  Chen Chunbo (State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Chen Chunbo (Research Center for Ecology and Environment of Central Asia, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Chen Chunbo (University of Chinese Academy of Sciences, Beijing, People’s Republic of China) ,  Bao Anming (State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Bao Anming (Research Center for Ecology and Environment of Central Asia, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Bao Anming (University of Chinese Academy of Sciences, Beijing, People’s Republic of China) ,  Liu Tie (State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Liu Tie (Research Center for Ecology and Environment of Central Asia, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Liu Tie (University of Chinese Academy of Sciences, Beijing, People’s Republic of China) ,  Chen Xi (State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Chen Xi (Research Center for Ecology and Environment of Central Asia, Chinese Academy of Sciences, Urumqi, People’s Republic of China) ,  Chen Xi (University of Chinese Academy of Sciences, Beijing, People’s Republic of China)
資料名： International Journal of Remote Sensing  (International Journal of Remote Sensing)
巻： 43  号： 3  ページ： 778-811  発行年： 2022年 
JST資料番号： B0645B  ISSN： 0143-1161  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 土壌塩類化は,生態学的農業の開発を危険にさらした。土壌塩類化が地域環境によってしばしば影響を受けるので,適応多地域土壌塩分推定モデルを構築するとき,困難が生じる。本研究では,異なる環境(TPE-XGBoost)を有する4つの研究領域に適用するために,ツリー構造Parzen Estimator(TPE)最適化アルゴリズムに基づく極端勾配ブースティング(XGBoost)モデルを提案した。4つの地域は,Weigan-Kuqaオアシス(Weiku),Sangong川流域(Sgr),および新疆のQitaiオアシス,中国,およびカザフスタンのSyr Darya盆地の中流域と下流域である。ほとんどの以前の土壌塩分研究は,機械学習モデルの性能に対する特徴選択とハイパーパラメータチューニングの影響,および入力特性とハイパーパラメータ間の複雑な依存性と相互作用にあまり注目を払わなかった。土壌塩分推定におけるXGBoostモデルの性能を改良するために,著者らは,特徴選択とハイパーパラメータ調整を同時に最適化するために,TPEアルゴリズムを使用する初めて提案して,それを4つの区域で確かめた。決定係数(R2)と二乗平均平方根誤差(RMSE)を用いてモデル性能を評価した。最初に,Landsatと地形データから55の環境特徴を計算した。次に,TPE-XGBoostモデルの計算複雑性を減らすために,著者らは,表面土壌塩分量(SSC)と特性の間のピアソン相関解析を使用して,最初に,有意に関連していない特徴(P>0.05)をフィルタリングした。最後に,TPEアルゴリズムを用いて,特徴およびハイパーパラメータから成るパラメータ空間を共同最適化した。結果は,(1)TPE共同最適化アルゴリズムがXGBoostモデルの性能を著しく改良して,4つの領域で高精度を達成して,強力な一般化を有することを示した。Weiku Oasis,Qitai Oasis,Sgr盆地,およびSyr盆地の試験セットのR2値は,それぞれ0.95,0.80,および0.81であった。(2)異なる環境における土壌塩分反転に普遍的特徴がない。TPEアルゴリズムは,それぞれ,4つの領域,19,11,25,および15の特徴について,異なるタイプと特徴の数を選択し,著者らは,それぞれ,Weiku Oasis,Qitaiオアシス,Sgr盆地,およびSyr盆地で選択した。これは,最適モデルパラメータは固定パラメータではなく,異なる環境条件に従って局所的に再決定されるべきであることを示した。TPEアルゴリズムは環境差を反映する特徴を捉えることができる。(3)XGBoostモデルは,特徴重要性ランキングを提供して,それは機械学習モデルの解釈性を改良した。重要性分析結果は,特徴が異なる地域で異なる寄与を持つことを示した。本研究で提案したTPE-XGBoostモデルは,多地域土壌塩推定研究において大きな可能性を有する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  相互作用 ,  最適化手法 ,  フィルタリング ,  流域 ,  塩分 ,  計算量 ,  生態学 ,  盆地 ,  機械学習
準シソーラス用語： オアシス ,  *ブースティング ,  モデルパラメータ ,  推定モデル , 【Automatic Indexing@JST】

著者キーワード (6件)： 土壌塩類化 ,  多領域 ,  XGBoost ,  TPE最適化 ,  特徴選択 ,  ハイパーパラメータチューニング

分類 (3件)： 写真測量,空中写真  (RC02040D) ,  気象学一般  (DC05010D) ,  土壌物理  (FB04030R)

タイトルに関連する用語 (5件)： 最適化 ,  勾配ブースティング ,  地域 ,  土壌塩類 ,  適応推定