机器学习在土壤性质预测研究中的应用进展

作者：仇皓雷; 王海燕^*

来源：生态学杂志, 2023, 1-15.

• 土壤性质
• 机器学习
• 集成学习
• 深度学习
• 数字土壤制图
• 土壤健康

区别于经典统计学与地统计学方法，近年来机器学习在土壤理化和生物学性质预测研究中的应用日益广泛且效果良好。本文从三个方面展开综述，包括：(1)典型机器学习类型和土壤性质预测中的常用机器学习算法（如随机森林、支持向量机、BP神经网络等）；(2)土壤性质回归预测中常用的模型精度指标；(3)基于机器学习方法的土壤性质预测研究一般流程及近期研究案例。在土壤性质预测研究中，除可以通过集成方法集成多个模型以提高工作效率、追求模型高精度外，还应重视预测的不确定性分析，继续探索模型可解释性、泛性和鲁棒性的提高方法；在选择机器学习算法、进行模型比较时需考虑研究需要和研究内容，同时建议引入多种类型的预测变量以保证预测科学性。

• 单位
  北京林业大学