Predictive soil mapping using historic bare soil composite imagery and legacy soil survey data
Notice bibliographique
Résumé
There is an increasing need for detailed soil property maps to support land use planning, soil carbon accounting, and precision agriculture. While soil maps exist in Saskatchewan, they are at coarse scales (1:100,000), which are not always suitable for detailed soil management. One emerging technique for predictive soil mapping is the use of bare soil composite imagery derived from multi-temporal satellite imagery. This study focused on using bare soil composite imagery along with legacy soil data (1958–1998) with high location uncertainty to predict soil organic carbon, clay, and cation exchange capacity. The bare soil composite images were created from Landsat 5 imagery (1985 to 1995) using Google Earth Engine. Predictive models were built using a Random Forest model for each parameter and evaluated using a 75–25 train-test split. The soil organic carbon model had an R2 value of 0.55 with a root mean square error (RMSE) of 0.67 percent, with the near infrared and visible light bands being the most important features in the model. The clay predictive model has an R2 of 0.44 and a RMSE of 5.0 percent, with the shortwave infrared bands being most important. The cation exchange capacity model had an R2 of 0.50 with a RMSE of 5.7 meq 100 g−1, with the shortwave and near infrared bands as the most important predictors. Based on these results, bare soil composite imagery represents a valuable covariate for predictive soil mapping in the Canadian Prairies. This work also illustrates that for regions with extensive adoption of conservation farming practices, satellite imagery should be obtained for time periods before these practices were adopted from the months of the year where crop residues have decomposed. By combining historical soil survey data with historical imagery, maps of legacy soil properties can be generated to make comparisons against with modern data for applications such as monitoring soil organic carbon change over time.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».