Цель. Продемонстрировать новый подход для оценки предрасположенности территории к развитию овражной эрозии на основе алгоритмов машинного обучения.
Процедура и методы. Ключевыми исследовательскими методами стали: моделирование на основе машинного обучения (с использованием метода сглаженной многоуровневой оценки) и геоинформационное моделирование. Для анализа существующих подходов к оценке предрасположенности территории к развитию овражной эрозии использован анализ литературных источников. Непосредственно для проведения самой оценки авторы применили один из современных методов машинного обучения — CatBoost, который предусматривает создание ансамбля из нескольких моделей машинного обучения (ансамблирование моделей).
Результаты. Предложен новый метод — сглаженной многоуровневой оценки предрасположенности территории к развитию овражной эрозии на примере Воробьёвского района Воронежской области. Рассмотрены сходства и различия предлагаемого подхода с уже существующими методами, базирующимися на идее ансамблирования. Обоснованы 2 новые метрики для оценки точности работы предлагаемого метода — RF1 и NDF. Введены понятия мягкого, жёсткого и взвешенного уровней моделирования, позволившие оценить вклад морфометрии рельефа в развитие овражной эрозии. Установлено, что наибольшее влияние на этот процесс оказывают абсолютные и относительные высоты местности, LS-фактор, водосборная площадь и экспозиция склона. Вместе они объясняют 95% площадей существующей овражной эрозии в регионе. По итогам моделирования на территории Воробьёвского района Воронежской области было выявлено 2 853 га земель с высокой и очень высокой предрасположенностью к развитию овражной эрозии. В ландшафтном отношении им соответствуют остепненные долинно-балочные склоны южных экспозиций, отличающиеся наибольшей протяжённостью, крутизной и высотой, имеющие вогнутый поперечный профиль и значительные водосборные площади.
Теоретическая и/или практическая значимость. Предложен новый подход на основе методов машинного обучения по оценке территории на предмет её предрасположенности к развитию овражной эрозии. С практической точки зрения, предлагаемые в работе идеи и сам методический подход могут быть использованы для получения более надежного результата по сравнению с рядом классических методов и технологий машинного обучения, что особенно актуально при анализе крупных регионов с высокой неравномерностью распределения овражных форм рельефа.
Предпросмотр статьи
Идентификаторы и классификаторы
- SCI
- Науки о Земле
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
