典型文献
滨海重度盐碱地改良土壤盐渍化动态特征及预测
文献摘要：
试验设置了对照处理(CK)、有机肥(OM)、聚丙烯酰胺+有机肥(PAM+OM)、秸秆覆盖+有机肥(SM+OM)、秸秆深埋+有机肥(BS+OM)和生物菌肥+有机肥(BM+OM)6个处理方式来探讨滨海盐碱地不同改良方式对土壤含盐量、pH、钠吸附比(SAR)和碱化度(ESP)的影响,进而识别影响土壤盐渍化程度的主要因子,并构建多元线性回归模型(Multi-linear Regression,MLR)、BP神经网络模型(BP Artificial Neural Network,BP-ANN)和随机森林模型(Random Forest,RF)对滨海重度盐碱地改良背景下的土壤盐渍化参数进行模拟预测.研究结果表明:各改良措施均能有效地降低表层土壤盐渍化水平,其中SM+OM处理对于土壤含盐量的抑制效果最好,而BM+OM处理则对于土壤碱分的抑制效果最好.改良过程中气象条件和土壤性质均对表层土壤盐渍化水平产生了显著影响.在模型预测中,随机森林模型对土壤含盐量、pH、SAR和ESP的综合预测精度明显优于BP神经网络模型和多元线性回归模型,体现在随机森林模型具有较高决定系数(Coefficient of determination,R2)和纳什系数(Nash-sutcliffe efficiency coefficient,NSE)和较低的均方根误差(Root mean square error,RMSE).
文献关键词：
土壤盐渍化参数;滨海盐碱地;动态预测;随机森林模型;BP人工神经网络模型
中图分类号：
作者姓名：
解雪峰;濮励杰;沈洪运;吴涛;朱明;黄思华
作者机构：
浙江师范大学地理与环境科学学院,浙江金华 321004;自然资源部海岸带开发与保护重点实验室,南京 210023;南京大学地理与海洋科学学院,南京 210023
文献出处：
引用格式：
[1]解雪峰;濮励杰;沈洪运;吴涛;朱明;黄思华-.滨海重度盐碱地改良土壤盐渍化动态特征及预测)[J].土壤学报,2022(06):1504-1516
A类：
PAM+OM,SM+OM,BS+OM,BM+OM,土壤盐渍化参数,sutcliffe
B类：
盐碱地改良,改良土壤,动态特征,有机肥,聚丙烯酰胺,秸秆覆盖,秸秆深埋,生物菌肥,滨海盐碱地,同改,改良方式,土壤含盐量,钠吸附比,SAR,碱化度,ESP,构建多元,多元线性回归模型,Multi,linear,Regression,MLR,Artificial,Neural,Network,ANN,随机森林模型,Random,Forest,RF,模拟预测,改良措施,表层土壤,抑制效果,理则,中气,气象条件,土壤性质,平产,决定系数,Coefficient,determination,纳什系数,Nash,efficiency,coefficient,NSE,Root,mean,square,error,RMSE,动态预测,人工神经网络模型
AB值：
0.313598
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
