Impacts of coarse-resolution soil maps and high-resolution digital-elevation-model-generated attributes on modelling forest soil zinc and copper
Notice bibliographique
Résumé
The depth-specific zinc (Zn) and copper (Cu) maps with high resolution (i.e., ≤10 m) are important for soil and forest management and conservation. The objective of this study was to assess the effects of easily accessible model inputs, i.e., existing coarse-resolution parent material, pH, and soil texture maps with 1:1 800 000–2 800 000 scale and nine digital elevation model (DEM)-generated terrain attributes with 10 m resolution, on modelling Zn and Cu distributions of forest soil over a large area (e.g., thousands of km2). A total of 511 artificial neural network (ANN) models for each depth (20 cm increments to 100 cm) were built and evaluated by a 10-fold cross-validation with 385 soil profiles from the Yunfu forest, South China, about 4915 km2 areas. The results indicated that the optimal models for five depths engaged five to seven DEM-generated attributes together with three coarse-resolution soil attributes as inputs, respectively, and accuracies for estimating Zn and Cu varied with R2 of 0.76–0.85 and relative overall accuracy ±10% of 74%–86%. The produced maps showed that DEM-generated sediment delivery ratio, topographic position index (TPI), and aspect were the most important attributes for predicting Cu, but flow length, TPI, and slope were for Zn, which heavily affected Zn and Cu distributions in detail. Boundaries of three coarse-resolution maps were still visible in the generated maps indicated that the maps affected the distributions of Zn and Cu in large scales. Thus, the modelling method, i.e., developing ANN models with k-fold cross-validation, can be used to map high-resolution Zn and Cu over a large area.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».