Izvorni znanstveni članak

https://doi.org/10.18047/poljo.29.2.7

Evaluacija kombinacije strojnog učenja za geoprostorno predviđanje sadržaja željeza u tlu u Hrvatskoj

Dorijan Radočaj ; Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet agrobiotehničkih znanosti Osijek, Vladimira Preloga 1, 31000 Osijek, Hrvatska *
Nedim Tuno ; Sveučilište u Sarajevu, Građevinski fakultet, Patriotske lige 30, 71000 Sarajevo, Bosna i Hercegovina
Admir Mulahusić ; Sveučilište u Sarajevu, Građevinski fakultet, Patriotske lige 30, 71000 Sarajevo, Bosna i Hercegovina
Mladen Jurišić ; Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet agrobiotehničkih znanosti Osijek, Vladimira Preloga 1, 31000 Osijek, Hrvatska

* Autor za dopisivanje.

Sažetak

Plodnost tla ključna je za produktivnost poljoprivredne proizvodnje, a željezo (Fe) je ključni mikroelement nužan za uspješan razvoj usjeva. Ova studija istražuje potencijal kombinacije metoda strojnoga učenja u geoprostornome predviđanju Fe u tlu u Hrvatskoj. Korištenjem skupa podataka od 686 uzoraka tla, tri pojedinačne metode strojnoga učenja, uključujući extreme gradient boosting (XGB), support vector machine (SVM) i Cubist, kao i njihova kombinacija, evaluirani su za predviđanje Fe u tlu. Metoda kombinacije nadmašila je pojedinačne modele, pokazujući veću točnost predviđanja izraženu koeficijentom determinacije (R2 = 0,578), s nižom srednjom kvadratnom pogreškom (RMSE = 0,837) i srednjom apsolutnom pogreškom (MAE = 0,550). Sadržaj gline u tlu pokazao se najutjecajnijim prediktorom, a slijede ga sadržaj pijeska, pH vrijednosti i odabrane bioklimatske varijable. Rezultati ove studije pokazuju učinkovitost kombinacije strojnoga učenja u točnome predviđanju sadržaja Fe u tlu, čime doprinose informiranomu donošenju odluka u planiranju i upravljanju održivim poljoprivrednim zemljištem. Uključivanjem komplementarnih metoda strojnoga učenja u skup s reprezentativnim ekološkim kovarijatama, geoprostorno predviđanje pomaže pri pouzdanomu razumijevanju svojstava tla i njihove prostorne varijabilnosti.

Ključne riječi

uzorci tla; extreme gradient boosting; support vector machine; Cubist; planiranje korištenja zemljišta

Hrčak ID:

311686

URI

https://hrcak.srce.hr/311686

Datum izdavanja:

19.12.2023.

Podaci na drugim jezicima: engleski

Posjeta: 633 *