Ứng dụng máy học để dự báo thành phần cơ giới đất tại huyện Bố Trạch, tỉnh Quảng Bình

Tóm tắt

Nghiên cứu này áp dụng các mô hình máy học để dự đoán sự phân bố không gian của thành phần cơ học đất, bao gồm cát, limon và sét. Hiệu suất của Random Forest (RF) và Support Vector Machine (SVM) được so sánh trong việc dự đoán tỷ lệ cát, limon và sét trong đất. Một bộ dữ liệu gồm 94 mẫu đất và tám biến môi trường đã được sử dụng để huấn luyện và kiểm tra các mô hình với tỷ lệ 70:30. Kết quả cho thấy sự phân bố không gian của cát, limon và sét trên bản đồ là khác nhau và hiệu suất của RF vượt trội hơn so với SVM. Cụ thể, độ chính xác của RF lần lượt là 0,71, 0,70 và 0,67 cho dự báo hàm lượng cát, limon, và sét. Trong khi, độ chính xác của SVM lần lượt là 0,68, 0,66 và 0,63 cho dự báo hàm lượng cát, limon và sét. Ngoài ra, nghiên cứu này chỉ ra rằng tỷ lệ cát có mối tương quan nghịch với tỷ lệ limon và sét trong đất. Mối tương quan giữa limon và sét là không rõ ràng. Những phát hiện của nghiên cứu này cung cấp những hiểu biết quan trọng về kết cấu đất ở huyện Bố Trạch, tỉnh Quảng Bình, là yếu tố không thể thiếu trong việc ra quyết định quản lý đất đai bền vững. Từ khóa: thành phần cơ giới đất, rừng ngẫu nhiên, máy vector hỗ trợ, Bố Trạch. SUMMARY Application of machine learning to predict soil texture in Bo Trach district, Quang Bình province Nguyen Ngoc Thanh1, Pham Thi Thao Hien1, Duong Quoc Non1, Nguyen Cong Dat2 1University of Agriculture and Forestry, Hue University 2Branch of Land Registration Office in Dong Hoi City, Quang Binh Province