收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于随机森林算法的水土流失影响因子重要性分析

陈妙金  汪小钦  吴思颖  
【摘要】:水土流失是诸多因素综合所致,确定水土流失因子的重要性具有重要意义。本文以福建省为例,利用土壤侵蚀强度等级数据及导致水土流失的年侵蚀降雨量、土壤类型、坡度、坡长、植被覆盖度及土地利用类型等数据,引入随机森林算法,提出通过平均精确率减少值(MDA)和平均不纯度减少值(MDG)归一化相加的方法确定要素重要性,并与MDA和MDG排序赋值相加的方法进行对比。结果表明:随机森林算法适用于水土流失影响因子重要性分析;归一化相加法对因子重要性的表征效果较好,优于排序赋值相加法,不仅能判别因子的相对重要性,还可定量表达因子间差异的显著性;在所分析的六个要素中,植被覆盖度最为重要,地形特征次之,而土壤类型对是否发生水土流失重要性影响较弱,与已有的实验和研究结果吻合,结果合理。在判断无流失与其它流失等级间关系时,植被覆盖度的重要性具有很大的优势,量级上是第二位的2倍以上。

知网文化
【相似文献】
中国期刊全文数据库 前14条
1 陈妙金;汪小钦;吴思颖;;基于随机森林算法的水土流失影响因子重要性分析[J];自然灾害学报;2019年04期
2 许淇;李启亮;Mathilde De Vroey;张吴平;范锦龙;;基于随机森林算法的多作物同步识别[J];山东农业科学;2019年03期
3 王轩慧;郑西来;韩仲志;王轩力;王娟;;混合式随机森林的土壤钾含量高光谱反演[J];光谱学与光谱分析;2018年12期
4 田钰朝;徐明德;;应用随机森林模式识别的土壤肥力评价[J];中北大学学报(自然科学版);2019年05期
5 包青岭;丁建丽;王敬哲;;利用随机森林方法优选光谱特征预测土壤水分含量[J];激光与光电子学进展;2018年11期
6 韩杏杏;陈杰;王海洋;巫振富;程道全;;基于随机森林模型的耕地表层土壤有机质含量空间预测①——以河南省辉县市为例[J];土壤;2019年01期
7 刘振尧;温江北;高洪智;丁海泉;;基于随机森林方法在土壤有机质近红外建模中的研究[J];现代农业装备;2017年06期
8 王全喜;孙鹏举;刘学录;李尚泽;高建存;;基于随机森林算法的耕地面积预测及影响因素重要性分析——以甘肃省庆阳市为例[J];水土保持通报;2018年05期
9 任丽;杨联安;王辉;杨粉莉;陈卫军;张林森;徐瑾昊;;基于随机森林的苹果区土壤有机质空间预测[J];干旱区资源与环境;2018年08期
10 王铭恺;汪天伟;;基于随机森林模型的景观格局动态研究——以合肥市包河区为例[J];工业经济论坛;2018年02期
11 马玥;姜琦刚;孟治国;刘骅欣;;基于RF-GABPSO混合选择算法的黑土有机质含量估测研究[J];光谱学与光谱分析;2018年01期
12 秦倩如;齐雁冰;吴娟;杨玉春;刘梦云;;基于高光谱的土壤游离铁随机森林模型估算研究[J];土壤通报;2018年06期
13 张春兰;杨贵军;李贺丽;汤伏全;刘畅;张丽妍;;基于随机森林算法的冬小麦叶面积指数遥感反演研究[J];中国农业科学;2018年05期
14 卢宏亮;赵明松;刘斌寅;张平;陆龙妹;;基于随机森林模型的安徽省土壤属性空间分布预测[J];土壤;2019年03期
中国硕士学位论文全文数据库 前6条
1 韩杏杏;县域尺度农用地表层土壤有机质含量预测技术对比研究[D];郑州大学;2018年
2 望陈运;基于随机森林算法的土壤图斑分解[D];华中农业大学;2017年
3 张峥;高速公路项目水土流失影响指数应用研究[D];北京林业大学;2014年
4 陈颂超;色季拉山土壤表层有机碳空间分布特征及数字制图研究[D];浙江大学;2016年
5 乔依娜;江津区农田土壤有效态铁、锰、铜、锌的含量预测及其影响因素研究[D];西南大学;2015年
6 谢双扬;九龙坡区土壤重金属空间分布特征及其影响因素研究[D];西南大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978