基于机器学习-GIS框架的中国集约化平原农业区土壤硝态氮驱动因子解析

本文推荐：研究通过构建机器学习(MLs)-GIS融合框架，结合多源数据（氮肥输入、土壤理化性质等），解析华北平原集约化农区土壤硝态氮(SNN)空间分布及驱动因子。随机森林(RF)模型预测精度最高(R2=0.64)，揭示土壤pH和化学氮肥输入为关键影响因素，为农业面源污染治理提供科学依据。

　　

Highlight

本研究通过机器学习-GIS融合技术，揭示了集约化农业区土壤硝态氮(SNN)的空间分布规律及其核心驱动因子，为精准农业管理提供新范式。

Section snippets

研究区域

南乐县位于华北平原南部，属黄河冲积平原，地势平坦（海拔40-50米）。气候为半湿润大陆性季风气候，年均温13.8°C，年降水599.7毫米。土壤类型主要为潮土和风沙土——这些土壤的形成主要受...

SNN描述性统计与空间分布

土壤硝态氮含量范围0.14-59.14 mg/kg，均值10.01 mg/kg（图2）。变异系数(CV)高达93.9%，显著高于其他土壤总氮研究报道值，表明集约化农区SNN具有极强的空间异质性。

结论

基于RF、XGBoost等机器学习模型的对比分析显示，RF模型预测SNN空间分布效果最优（R²=0.64）。土壤pH和化学氮肥输入被确认为关键调控因子，该框架为农业氮素精准管理提供了创新技术路径。

CRediT作者贡献声明

陈慧：实验设计/初稿撰写；刘建伟：课题构思/论文修订；乔硕：数据分析/可视化；其他作者分别参与资源采集、方法验证等工作。

利益冲突声明

作者声明不存在可能影响研究结果的财务或个人关系。

（注：翻译时采用"冲积平原"、"半湿润"等专业表述，保留²等格式，省略文献标识[23]等标记）