文献

J-GLOBAL ID：202202288356976546   整理番号：22A0436712

イラン西部における機械学習アプローチと環境共変量の適用による重金属含有量の予測【JST・京大機械翻訳】

Predicting heavy metal contents by applying machine learning approaches and environmental covariates in west of Iran

著者 (5件)： Azizi Kamran (Department of Soil Science, College of Agriculture, Isfahan University of Technology, 84156-83111 Isfahan, Iran) ,  Ayoubi Shamsollah (Department of Soil Science, College of Agriculture, Isfahan University of Technology, 84156-83111 Isfahan, Iran) ,  Nabiollahi Kamal (Department of Soil Science and Engineering, Faculty of Agriculture, University of Kurdistan, Sanandaj, Iran) ,  Garosi Younes (Department of Soil Science, College of Agriculture, Isfahan University of Technology, 84156-83111 Isfahan, Iran) ,  Gislum Rene (Department of Agroecology, Aarhus University, Forsogsvej 1, 4200 Slagelse, Denmark)
資料名： Journal of Geochemical Exploration  (Journal of Geochemical Exploration)
巻： 233  ページ： Null  発行年： 2022年 
JST資料番号： D0290C  ISSN： 0375-6742  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 環境共変量を用いて,イラン西部におけるいくつかの重金属(Ni,Fe,Cu,Mn)の空間分布を予測し,ランダム森林(RF)とCubistから成る2つの機械学習法を適用するために,クーレント研究を行った。この点において,異なる入力環境変数(リモートセンシングデータ,地形属性,主題マップおよび土壌特性)の組合せを,4つのシナリオ(I:リモートセンシングデータ(RS)),II:RS+地形属性が,デジタル標高モデル(DEM),III:RS+地形属性+主題マップ,IV:RS+地形属性+主題マップ+土壌特性から,モデリングにおいて使用した。地質地図と同様に鉱山と道路からのユークリッド距離の地図を主題マップとして使用した。研究した地域の表層(0-20cm深さ)から層別無作為抽出を用いて合計346の土壌サンプルを採取し,実験室において重金属(Ni,Fe,Cu,Mn)と土壌特性を測定した。RFとCubistモデルを用いて,4つのシナリオで土壌重金属を予測した。結果は,すべての入力変数が選択された重金属を予測するために結合されたとき,最良の予測精度が4番目のシナリオ(IV)のために達成されたことを示した。さらに,2つのモデルは種々の金属に対して異なる能力を示した。著者らの結果によると,ランダム森林モデルはNi(R2=0.67)とCu(R2=0.60)の予測において高い精度を有し,対照的にCubistモデルはMn(R2=0.55)の予測においてより高い精度を有した。Feを予測するために,両モデルは類似の精度(R2=0.73)を提供した。本研究は,農業と環境の懸念における持続可能な管理における意思決定に必須な大規模における研究重金属を予測するために,容易に利用可能な環境データを使用するための機械学習法の高い能力を証明した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  鉄 ,  道路 ,  *重金属 ,  層別 ,  鉱山 ,  リモートセンシング ,  地質 ,  無作為抽出 ,  土壌特性 ,  *機械学習
準シソーラス用語： 予測精度 ,  ランダムフォレスト ,  *共変量 ,  リモートセンシングデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： ディジタル土壌マッピング ,  地形属性 ,  リモートセンシング ,  土壌特性 ,  汚染

分類 (5件)： リモートセンシング一般  (AD04000L) ,  測樹学  (FF01040T) ,  自然地理学  (DF01000Z) ,  土壌調査  (FB04080U) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： イラン ,  機械学習 ,  環境 ,  共変量 ,  予測