
Вплив роздільної здатності цифрових моделей рельєфу на якість предикативної симуляції ґрунтового покриву
Author(s) -
Vasyl Cherlinka
Publication year - 2018
Publication title -
gruntoznavstvo
Language(s) - Ukrainian
Resource type - Journals
eISSN - 2310-4341
pISSN - 1684-9094
DOI - 10.15421/041709
Subject(s) - random forest , artificial neural network , computer science , mathematics , forestry , artificial intelligence , geography
Основною метою математичного експерименту було дослідження впливу роздільної здатності ЦМР на якісні характеристики симулятивних ґрунтових карт, які отримуються шляхом моделювання при використанні типового набору матеріалів, які можуть бути потенційно доступними пересічному ґрунтознавцю чи науковцю в сучасних українських реаліях. При цьому показано, що морфометричні параметри рельєфу та його деривати є надійним базисом предикативного моделювання просторового поширення ґрунтових відмін з достатньо високою точністю, а представлена методика має значну перспективу в науково-виробничих задачах. На основі кореляційного аналізу була здійснена оцінка тісноти зв’язку та ролі згаданих параметрів у мінливості ґрунтового покриву, що з залученням аналізу головних компонент дозволило обрати 9 базових предикторів моделі: абсолютні висоти, топографічний індекс вологості, кількість сонячної радіації на одиницю площі, крутизну схилів, поздовжню та максимальну кривизну топографічної поверхні, акумуляцію, довжину та відстань до водних потоків. Зроблено розширену оцінку якості симулятивних ґрунтових карт при різних значеннях роздільної здатності ЦМР. Встановлено відмінності у якості прогнозних ґрунтових карт при використанні 14 основних типів предикативних алгоритмів та рекомендовано найбільш придатні для такого роду задач моделі, зокрема Decіsіon Trees, Random Forests, та виокремлено деякі з них, які потенційно можуть показувати високі результати, зокрема Bugget Trees, K-Nearest Neіghbors, Support Vector Machіnes та Neural Networks.