返回
Data-driven soil salinization mapping: risk prediction and uncertainty quantification based on Bayesian inference
DOI:10.1016/j.geoderma.2025.117344.png)
摘要
En 中文
• 土壤盐渍化风险的量化与比较(INLA-SPDE与克里金方法)
• 超越概率制图并识别土壤盐渍化的高风险区域
• 基于深度学习原理的数据驱动土壤盐渍化建模的灵活性、透明度和可解释性
Keyword:
Soil salinization
Risk prediction
INLA-SPDE approach
PyMC3 probability programming
Uncertainty
期刊
IF:
6.6
论文数:
9.4K
被引数:
4.5W
机构
引用论文
Empirical analysis of influence on economic growth of China by income distribution difference刘戈, 杨剑, 姚荣, 2005. 土壤浸提液化学因素对其电导率及其强度的影响[J]. 土壤学报, 42(2):247-252.
Soil fertility assessment indicators from the perspective of natural resources comprehensive observation裴X., 韩X., 钱J., 陈W., 秦T., 李X., 2020. 基于自然资源综合观测的土壤肥力评价指标, 资源科学, 42(10):1953-1964.
资源科学
IF0

