機械学習回帰クリギングを用いた森林土壌炭素の全国マッピング

DOI

書誌事項

タイトル別名
  • Fine-resolution mapping of soil carbon stock in Japanese forest based on machine-larning regression kriging

抄録

<p>土壌炭素の精緻なマップはグローバルな炭素循環モデルの高度化に不可欠である。近年、土壌生成因子の高空間解像度化を背景にした土壌炭素の空間推定が急速に進展しており、日本の森林における空間分布をより広域かつ詳細に推定できる可能性がある。本研究は、機械学習回帰クリギングを含む複数の空間推定モデルを比較することで、日本の森林における最適な土壌炭素マッピング手法を明らかにすることを目的とした。対象とした空間推定モデルは1)ランダムフォレスト（RF）回帰クリギング、2)サポートベクタマシン（SVM）回帰クリギング、3)RF回帰のみ、4)SVM回帰のみ、および5)従来クリギングであり、交差検証によって各モデルによるマップの再現性を比較した。教師データとして林野庁による第１期森林吸収源インベントリ情報整備事業の全国約2000地点における0-30cmの土壌炭素蓄積量を用い、説明変数としてデジタル標高モデルから算出された地形因子（傾斜、斜面方位等）、地質、気象、植生等を考慮した。その結果、SVM回帰クリギングが誤差、相関係数ともに他のモデルと比べて良好であり、日本の森林土壌炭素マップのための空間推定モデルとして適していると考えられた。</p>

収録刊行物

キーワード

詳細情報 詳細情報について

  • CRID
    1390282680686421376
  • NII論文ID
    130007021362
  • DOI
    10.11519/jfsc.128.0_631
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
    • CiNii Articles
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ