Нелинейная регрессионная модель частных наименьших квадратов для улучшения прогнозирования мощности почвенного профиля в соответствии с базой данных коренных пород и топографическими характеристиками
ЧЖУ ХЕН ТАК, ЕН СОН ЧОН, ИЛЬ БОМ ЧОН, МЕН ХАК ЧОН, ХЕН У КИМ
Университет имени Ким Ир Сена, Пхеньян, КНДР
jh.tak0810@ryongnamsan.edu.kp
Ключевые слова: глубина почв, цифровой анализ рельефа, нелинейная регрессия, ГИС, цифровая почвенная карта, цифровая топографическая модель
Страницы: 159-169
Аннотация
Глубина почвы играет важную роль в росте растений. Оценка ее с использованием цифрового анализа рельефа может быть проведена не только с меньшими затратами времени и труда, но и без разрушения солюма по сравнению с обычным полевым наблюдением. Целью исследования является повышение точности прогнозирования глубины почвы при цифровом анализе рельефа с использованием набора данных исходного материала и нелинейной частичной регрессии наименьших квадратов. Моделирование глубины почвы было выполнено и сравнено с применением простой частичной регрессии наименьших квадратов (SPLSR), PLSR с исходными материалами (PLSRP) и нелинейной PLSR с исходными материалами (NPLSRP) одновременно. При использовании PLSRP и NPLSRP были построены различные модели, соответствующие исходным материалам в пределах исследуемой области. Подгонка моделей была оценена с помощью коэффициента детерминации калибровки (R2cal), коэффициента детерминации проверки (R2val), среднеквадратической ошибки калибровки (RMSEC) и среднеквадратической ошибки прогнозирования (RMSEP). Применение PLSRP улучшило производительность прогноза на 0,08 для R2val и на 6,2 для RMSEP по сравнению с SPLSR. NPLSRP увеличил R2val на 0,31 и уменьшил RMSEP на 17,1 по сравнению с PLSRP. Результаты показали, что использование NPLSRP сможет значительно улучшить точность прогноза глубины почвы.
DOI: 10.15372/GIPR20250415 |
