Статья: Разработка крупномасштабной цифровой модели автоматизированного почвенно-агроэкологического картографирования на примере представительных ландшафтов Владимирского Ополья

Каппа = 0,63.

Рис. 2. Карта групп структур почвенного покрова, реализованная на основе линейной дискриминантной модели

Низкий процент совпадений наблюдается у группы полугидроморфно-эрозионных, что можно объяснить тесной связью с эрозионными группами и полугидроморфно-зональными, а также невысокой долей ее в обучающей выборке. Этот выбор связан с тем, что на исходной карте группы занимают территории со склонами, расчлененными ложбинной сетью, и с обобщением почвенных условий таких территорий. Поэтому выделялись только отдельные участки, приуроченные к отдельным элементам рельефа, а не к их сочетанию. Приличную корреляцию имеют слабо- и сильноэрозионные, полугидроморфно-зональные, полугидроморфные и пойменные группы ЭПС. Сравнительная оценка недостаточно формализована, но, учитывая неопределенности при составлении исходной карты, такой исход вполне удовлетворительный.

Таблица 4. Матрица совпадений исходной карты и карты, построенной на основе модели линейного дискриминантного анализа

Каппа = 0,28.

Учитывая сложность и многообразие почвенного покрова, формальные статистические подходы к оценке модели необходимо использовать в сочетании с экспертно-визуальной оценкой почвоведа. При экспертном анализе полученной карты можно сказать, что выделенные ареалы распространения групп ЭПС не лишены ландшафтной логики. Так, зональные (З) группы приурочены к выпуклым водоразделам и вершинам холмов, эрозионные структуры (Э 1, Э 2, Э 3) - к склонам различной крутизны, что связано с высокой ролью крутизны (SLP) в данной модели. Хорошо выделены пойменные участки (А), которые совпадают с долинами рек, протекающих на данной территории. Гидроморфные ЭПС заметно коррелируют с замкнутыми понижениями. Хорошо выделены полугидроморфно-зональные группы структур почвенного покрова, которые, ввиду специфики территории, представлены комбинациями автоморфных почв с некоторым участием слабоглееватых, и группа полугидроморфных глееватых, в которых доля глееватых почв возрастает, приуроченных к вогнутым поверхностям с небольшим уклоном и водосборным площадкам оврагов.

В целом карта имеет достаточно плавные переходы между разными группами структур почвенного покрова, а их общее распространение в целом не противоречит разработанной группировке структур почвенного покрова для Владимирского Ополья [15; c. 142-147].

Рассмотрим следующую модель на основе множественной логистической регрессии, разработанной в программном языке R 3.3.3 в оболочке RStudio c использованием пакета nnet.

Для построения модели использовался тот же набор параметров, что и для предыдущей дискриминантной модели, и стандартные настройки модели в пакете nnet.

По формальным признакам модель имеет хорошие показатели: общая точность 80%, а каппа 0,77 дает оценку существенного совпадения с исходными ключевыми ареалами групп ЭПС.

При сравнении же с исходной картой (табл. 5) оценка падает до общей корреляции в 34%, и каппа 0,22 дает удовлетворительное совпадение. При более высокой исходной точности, чем у линейного дискриминантного анализа, корреляция хуже, что, вероятно, свидетельствует о недостаточности этой модели.

Рассмотрим и проведем экспертную оценку визуализации модели множественной логистической регрессии в виде карты (рис. 3).

Полученная карта имеет более неоднородный рисунок распространения групп структур почвенного покрова. Большое распространение получила группа полугидроморфно-эрозионных. Эрозионные структуры имеют несколько другой характер распределения, но также приурочены к склонам: с увеличением крутизны увеличивается и вероятность более эрозионной группы. Пойменные группы смешаны и осложнены, в значительной степени, полугидроморфными глеевыми. Гидроморфные структуры схожи по распределению с картой на основе линейного дискриминантного анализа.

Таблица 5. Матрица корреляции исходной карты и карты, построенной на основе модели множественной логистической регрессии

Каппа = 0,22.

Рис. 3. Карта групп структур почвенного покрова, реализованная на основе множественной логистической регрессионной модели

Общее впечатление от карты неудовлетворительное: группы излишне перемешаны между собой, и ряд их сложно интерпретировать при экспертной оценке почвоведа.

Дальнейшую сравнительную характеристику проведем после рассмотрения всех вариантов моделирования, использованных в данной работе.

Модель на основе метода "случайного леса" разрабатывалась в программном языке R 3.3.3 в оболочке RStudio c использованием пакета randomForest. Для построения модели использовался тот же набор параметров, что и для других моделей при ntree = 500, mtry = 5.

Стоит отметить, что отклик относительной важности параметров рельефа при построении случайных лесов решающих деревьев получился совершенно отличным от дискриминантного анализа (табл. 6). Крутизна получила не приоритетную значимость, а самой низкой отмечены замкнутые понижения.

Таблица 6. Относительная значимость параметров рельефа в модели "случайный лес"

Алгоритм "случайных лесов" достаточно сложен, но дает высокие оценки точности. Случайный лес решающих деревьев позволяет построить модель со 100%-ным исходом, имеет коэффициент каппа 1,0. Такой подход к построению модели, при сравнении с исходной картой, показывает достаточно невысокую состоятельность и резкое снижение формальных оценок точности. Общее совпадение 28%, а каппа в 0,15 дает отклик слабого совпадения.

Рассмотрим полученную карту групп структур почвенного покрова на основе модели "случайного леса" и проведём экспертную оценку (табл. 7).

Таблица 7. Матрица совпадений исходной карты и карты, построенной на основе модели "случайный лес"