可解释的集成学习方法促进了土壤有效磷的数字制图和驾驶员评估工作

《Computers and Electronics in Agriculture》：Interpretable ensemble learning facilitated digital mapping and driver assessment of soil available phosphorus

　　

郝雷秋|王海燕|雷向东|高子颖

• •
  测试了六种机器学习模型来预测土壤有效磷含量。
• •
  通过堆叠方法，预测准确度在R2指标上提高了33%以上。
• •
  通过自助法（bootstrapping）量化了地图绘制的不确定性，其中偏离研究区域的面积小于15%。
• •
  Shapley值可以解释环境驱动因素的模型及其空间分布模式。
• •
  坡向是预测土壤有效磷含量最重要的变量。