Poljoprivreda, Vol. 29 No. 2, 2023.
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
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
Datum izdavanja:
19.12.2023.
Posjeta: 250 *