基于XGBoost模型的安徽省土壤pH空间建模

土壤pH是土壤的基本属性之一,对土壤环境管理有重要作用.以安徽省为研究区域,选用气候、地形、生物等17个相关环境变量,利用XGBoost和随机森林(random forest,RF)模型建立安徽省土壤pH空间预测模型,对比两模型的预测精度,并估算了两种制图结果的不确定性.结果表明:与随机森林模型相比,XGBoost模型对安徽省土壤pH的预测精度更高.XGBoost模型中eta、max_depth和nrounds对于模型的精度均具有一定的影响,eta的变化对于XGBoost模型精度影响最大.年均降水量(mean annual precipitation,MAP)、纬度(latitude,记为Y)、多尺度谷底平坦度(multiresolution index of valley bottom flatness,MRVBF)、年均温(mean annual temperature,MAT)、多尺度脊顶平坦度(multiresolution index of the ridge top flatness,MRRTF)、增强植被指数(enhanced vegetation index,EVI)对土壤pH建模有较大的影响,在两种模型的变量重要性排序中均重要.空间制图结果表明:两模型的预测结果大体趋势相同,安徽省土壤pH呈"南酸北碱"的趋势,但两者在部分地区的结果仍有区别.