Geosci. Front. | 土壤水蚀空间变异性：经验方法与智能技术对比研究
Geoscience Frontiers
2025-06-23 09:00
文章摘要
本研究聚焦伊朗北部诺尔罗德河流域，通过对比经验模型（RUSLE）、统计模型（FR）和多种机器学习算法（CNN、SVM、GMDH）及其优化版本（CNN-GWO、SVM-GWO、GMDH-GWO），探讨了土壤水蚀（SWE）的空间变异性。研究发现，地形高程和降雨侵蚀力是影响SWE最显著的因素，而CNN-GWO模型在预测性能上表现最优（AU-ROC=0.85）。研究结果为区域水土保持和土地管理提供了高精度的决策支持数据。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
A snapshot of subduction initiation within a back-arc basin: Insights from Shiquanhe ophiolite, western Tibet
DOI: 10.1016/j.gsf.2025.102088
Pub Date : 2025-06-10
Bentonite mass loss in fractured crystalline rock quantified from CT scans using digital rock physics and machine learning: case study from the Grimsel Test Site (Switzerland)
DOI: 10.1016/j.clay.2025.107915
Pub Date : 2025-06-25
Geoscience Frontiers
全球“地球科学”领域Nature Index前100名研究机构——中国遥遥领先.
2025-06-25
中国地质科学院 | 贵祥镍铋矿——一种含Ni、Bi的硫化物新矿物.
2025-06-23
钟世华, 李三忠等 | 原特提斯和古特提斯碰撞岩浆与斑岩成矿：以东昆仑祁漫塔格地区为例.
2025-06-20
京公网安备 11010802042870号
