扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

一种基于机器学习的空间统计方法,用于模拟尼日利亚东南部沟壑发育的不同阶段

论论资讯 | 2023-04-24 3热度

Ecological Informatics

Explore content

About the journal

Publish with us

A machine learning-based spatial statistical method for modelling different phases of gully development in South-Eastern Nigeria

Raji S.A.; Akintuyi A.O.; Wunude E.O.; Fashoto B.

Published:2023-07-01
DOI:10.1016/j.ecoinf.2023.102101

研究背景

论文探讨了尼日利亚东南部的沟壑侵蚀问题。这是一种环境问题,会导致表层土壤流失和生态破坏。然而,目前很少有研究关注这些因素的空间建模。因此,本文旨在通过机器学习技术来识别尼日利亚东南部沟壑形成过程的影响因素。

研究内容

本文使用机器学习方法建立了一个空间统计模型,以识别尼日利亚东南部沟壑形成过程的影响因素。研究人员创建了一个地理空间数据库,其中包含262个沟壑位置,并将其分为四个类别作为因变量。共计20个预测变量,包括地貌、地形、地质环境因素、接近度和气候等,被合并到一个多项式逻辑回归模型中。在测试多重共线性和空间自相关性后,使用R中的nnet软件包进行了模型拟合。结果表明,研究区域是一个七级排水盆地,易受到沟壑侵蚀的影响。模拟概率最高的是中等沟壑(0.5512-0.7175),其受地形和气候的影响最大。而最低的模拟概率范围是完整沟壑(0.1136-0.4107),其受盆地地貌的影响最大。由气候、接近度和地形因素驱动的土壤蠕变(0.3869-0.5317)和低沟壑(0.1025-0.5107)均表现出中等发生倾向。这些发现可以帮助决策者进行可持续的环境管理,并为全球沟壑活跃的排水盆地提供新的方法。

研究意义

本文的创新点在于使用机器学习技术来识别沟壑形成过程的影响因素,为该领域的研究提供了新的方法。此外,本文的研究结果可以为沟壑循环的可持续环境管理提供决策依据,同时也可以为全球沟壑活跃的排水盆地提供参考。

微信扫码即可查看