Using Advanced InSAR Techniques and Machine Learning in Google Earth Engine (GEE) to Monitor Regional Black Soil Erosion—A Case Study of Yanshou County, Heilongjiang Province, Northeastern China
Notice bibliographique
Résumé
The black soil region experiences complex erosion due to natural processes and intense human activities, leading to soil degradation and adverse ecological and agricultural impacts. However, the complexities involved in quantifying regional erosion poses remarkable challenges in accurately assessing the current status of regional soil erosion for effective soil conservation. To solve this issue, we proposed a new method for monitoring soil erosion using Interferometric synthetic aperture radar (InSAR) technology and machine learning algorithms within the Google Earth Engine platform. The new method not only enables regional-scale monitoring, but also ensures high accuracy in measurement (millimeter-level). The erosion susceptibility of the study area (Yanshou County, Heilongjiang Province, Northeastern China) was also classified using random forest algorithms to refine the monitored and predicted soil erosion. The results indicate that the five-year (2016–2021) deformation in Yanshou County was −11.08 mm, with a significant mean cumulative deformation of −8.08 mm yr−1 occurring in 2017. The driving factor analysis shows that the region was subject to the compound effect of water and freeze–thaw erosion, closely related to crop phenological stages. The susceptibility analysis indicates that 73.3% of the region was susceptible to erosion, with a higher probability in river areas, at high altitudes, and on steep slopes. However, good vegetation cover can reduce the risk of soil erosion to some extent. This study offers a new perspective on monitoring regional soil erosion in the black soil region of China. The proposed method holds potential for future expansion to monitor soil erosion in a larger areas, thereby guiding the strategies development for protection of the agriculturally important black soil.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,000 | 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 ».