土桥250米

soilgrids2500:基于机器学习的全球网格化土壤信息。本文描述了最新和改进版本的SoilGrids系统的技术发展和精度评估(2016年6月更新)。SoilGrids提供了7个标准深度(0、5、15、30、60、100和200 cm)的标准数值土壤性质(有机碳、容重、阳离子交换容量(CEC)、pH值、土壤质地分数和粗碎片)的全球预测,此外,根据世界参考基地(WRB)和美国农业部分类系统(总共约280个光栅层)预测基岩深度和土壤类别分布。预测基于大约150000个用于培训的土壤剖面和158个基于遥感的土壤协变量(主要来自MODIS土地产品、SRTM DEM衍生工具、气候图像以及全球地形和岩性图),分别采用梯度学习和多元线性回归等方法对森林进行分类。10倍交叉验证的结果表明,集合模型解释了56%(粗片段)和83%(pH)之间的变化,总体平均值为61%。考虑到解释的变化量,相对精度的提高与空间分辨率为1km的SoilGrids的前一版本相比在60%到230%之间。改进可归因于:(1)使用机器学习代替线性回归,(2)在准备更精细分辨率的协变量层方面投入了大量资金,以及(3)插入额外的土壤剖面。SOILGRID的进一步发展可包括改进方法以纳入输入不确定性和推导后验概率分布(每像素),并进一步自动化空间建模,以便可以为潜在的数百个土壤变量生成土壤地图。未来研究的另一个领域是开发将土壤脊预测与当地和/或国家网格化土壤产品(例如高达50 m空间分辨率)进行多尺度合并的方法,以便产生越来越准确、完整和一致的全球土壤信息。SoilGrid在开放数据库许可下可用

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换