By this author

Digital Mapping of the Thickness of Humus Horizon in Soils of the Cis-Salair Plain Using the Random Forest Machine Learning Algorithm

Issue number 11 from 30.06.2025

Представлены результаты цифрового картографирования мощности гумусового горизонта почв Предсалаирья c использованием алгоритма машинного обучения Random Forest, реализованного на облачной онлайн-платформе Google Earth Engine. В процессе картографирования мощности гумусового горизонта почв использовано 92 предиктора, характеризующих факторы почвообразования (климат, рельеф, растительность, пространственное положение, почвенные свойства). Обучающий (n = 718) и валидационный (n = 130) наборы данных созданы по архивным материалам ЗапсибНИИгипрозем (1974–1984 гг.). Получены следующие показатели эффективности моделирования мощности гумусового горизонта алгоритмом RF: коэффициент детерминации по обучающему набору данных R = 0.88; коэффициент детерминации по валидационному набору данных R = 0.12; корень из среднеквадратической ошибки RMSEВНД = 9.7 см; средняя абсолютная процентная ошибка MAPE = 24.3%; средняя абсолютная ошибка MAE = 6.5 см. Точность моделирования, оцененная по средней абсолютной процентной ошибке (MAPE), удовлетворительная. По фактическим данным мощность гумусового горизонта почв варьировала в пределах 3–110 см. Выявлена тенденция уменьшения мощности гумусового горизонта почв исследуемого района с северо-запада на юго-восток. Наименьшее (3 см) среднее значение мощности характерно для солонцов лугово-черноземных корковых (Salic Solonetz), а наибольшее (61 см) – для луговых обычных почв (Haplic Gleysols).

15 0