基于多源环境变量和随机森林的橡胶园土壤全氮含量预测

土壤全氮与土壤肥力和土壤氮循环紧密相关。掌握土壤全氮详细的空间分布信息对提高土壤肥力管理效率和更好地了解土壤氮循环至关重要。该文以儋州国营橡胶园为研究区域，采集2511个土壤样品，利用随机森林（random forest， RF）、逐步线性回归（stepwise linear regression，SLR）、广义加性混合模型（generalized additive mixed model，GAMM）以及分类回归树（classification and regression tree，CART）结合多源环境变量（成土母质、平均降雨量、平均气温和归一化植被指数）对研究区橡胶园土壤全氮含量进行空间预测，并通过754个独立验证点比较了4种模型的预测精度。结果表明RF对土壤全氮的预测值和实测值的相关系数（0.82）明显高于SLR（0.68）、GAMM（0.70）和CART（0.69），而RF的预测平均绝对误差（0.08836 g/kg）和均方根误差（0.13090 g/kg）均低于SLR、GAMM和CART。此外，RF模型预测结果能反映更为详细的局部土壤全氮含量空间变化信息，与实际情况更为接近。可见，RF模型可作为橡胶园土壤全氮含量空间分布预测的高效方法，为其他土壤属性的空间分布预测提供了一种新的方法。