基于随机森林模型的安徽省土壤属性空间分布预测
【摘要】 为探讨随机森林(randomforest，RF)模型对土壤属性空间预测的精度，本文以安徽省为例，收集140个土壤样本，利用GIS和RS技术，获取相关的地形因子、遥感植被指数及气候数据，利用RF模型分析土壤有机碳(SOC)含量、土壤容重和土壤黏粒含量与地形因子、遥感植被指数及气候数据之间的关系，并进行空间分布预测。研究结果表明:①RF建模预测中，当节点分裂次数(mtry)值为1，决策树数量(ntree)值分别为100、1000和100时，获得的SOC含量、土壤容重和土壤黏粒含量RF模型最优;②高程、归一化植被指数(NDVI)、地貌、多尺度山谷平坦指数(MrVBF)和土壤类型是SOC含量的重要预测因子;地貌、年均降水量(MAP)、MrVBF、高程和土壤类型是土壤容重的重要预测因子;高程、MAP、MrVBF和平面曲率是土壤黏粒含量的重要预测因子;③RF模型可以较好地进行土壤属性空间预测，多源环境变量组合可以分别解释SOC含量、土壤容重和土壤黏粒含量的26%、23%和22%;同时RF模型对于土壤类型和地貌等类型变量的
