基于机器学习的富硒土壤预测模型的构建与比较——以江西省信丰县油山地区为例

作者：杨兰; 王运^*; 邹勇军; 胡宝群; 李满根; 张安; 朱满怀

来源：吉林大学学报(地球科学版), 2024, 1-16.

DOI：10.13278/j.cnki.jjuese.20230139

• 富硒土壤
• 机器学习
• 二元Logistic回归模型
• 多层感知器神经网络模型
• 随机森林模型
• 支持向量机模型

为了利用不含硒的数据能够快速、高效、精准的圈定富硒土壤，需要构建预测富硒土壤的最佳模型。从1277个1:5万表层土壤的地球化学数据中选取502个数据组成数据集，以Zn、K2O、P、Mo、Mn、Cr、pH、D（泥盆系）为自变量，是否富Se为因变量，运用SPSS Modeler 18软件构建预测富硒土壤的二元Logistic回归模型、多层感知器神经网络模型、随机森林模型和支持向量机模型（线性、多项式、径向基、Sigmoid），并利用35组土壤样品的实测数据，进行验证。结果表明，二元Logistic回归模型、多层感知器神经网络模型、随机森林模型和支持向量机模型（线性、多项式、径向基、Sigmoid）预测和验证总体正确率分别为88.8%和94.3%、91.0%和97.1%、96.6%和97.1%、87.9%和97.1%、86.1%和94.3%、86.9%和94.3%、80.3%和91.4%，曲线下面积（AUC）值分别为0.948, 0.950, 0.993, 0.937, 0.945, 0.928和0.873，以多层感知器神经网络模型的正确率和稳定性最好。同时，本次工作发现了清洁富硒土壤及绿色富硒山稻，表明用此方法预测富硒土壤具有可行性，且可进一步拓展到地质找矿及环境监测等方面。

• 单位
  江西省数字国土重点实验室; 东华理工大学