Improved parent material map disaggregation methods in the Saskatchewan prairies using historical bare soil composite imagery
Notice bibliographique
Résumé
The major drivers of soil variation in Saskatchewan at scales finer than the existing soil maps are parent material variance, slope position, and salinity. There is therefore a need to generate finer-scale parent material maps as part of updating soil maps in Saskatchewan. As spatially referenced soil point data are lacking in Saskatchewan, predictive soil mapping methods that disaggregate existing soil parent material maps are required. This study focused on investigating important environmental covariates to use in parent material disaggregation, particularly bare soil composite imagery (BSCI). Synthetic point observations were generated using an area-proportional approach based on existing soil survey polygons and a random forest model was trained with those synthetic observations to predict parent material classes. Including BSCI as environmental covariates increased model accuracy from 0.38 to 0.52 and the model Kappa score from 0.19 to 0.35 compared with models where it was not included. Models that included training points from all locations, regardless of whether BSCI was available, and included BSCI as environmental covariates had similar results to the BSCI model with an accuracy of 0.48 and a Kappa value of 0.30. Based on these results, BSCI is an important covariate for parent material disaggregation in the Saskatchewan Prairies. Future work to disaggregate soil classes based on slope position and salinity, and to combine those methods with parent material disaggregation is needed to generate detailed soil maps for the Canadian Prairies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».