SoilNet: An Attention-based Spatio-temporal Deep Learning Framework for Soil Organic Carbon Prediction with Digital Soil Mapping in Europe

要約

デジタル土壌マッピング (DSM) は、統計モデリングと機械学習 (ML) 手法などの最先端技術を統合して、土壌の特性とその空間分布を正確に描写する高度なアプローチです。
土壌有機炭素 (SOC) は、土壌の健康状態、栄養循環、温室効果ガス排出量、生態系全体の生産性に関する貴重な洞察を提供する重要な土壌特性です。
この研究は、DSM フレームワークにおける時空間深層学習 (DL) 技術の重要性を強調しています。
欧州全体の SOC 予測のために、基本畳み込みニューラル ネットワーク (CNN) モデルと空間注意メカニズムを使用した空間情報と、長短期記憶 (LSTM) ネットワークを使用した気候時間情報を組み込んだ新しいアーキテクチャが提案されています。
このモデルは、Landsat-8 画像、地形、リモート センシング インデックス、気候時系列などの環境特徴の包括的なセットを入力特徴として利用します。
結果は、提案されたフレームワークが DSM で一般的に使用されるランダム フォレストなどの従来の ML アプローチよりも優れており、二乗平均平方根誤差 (RMSE) が低いことを示しています。
このモデルは SOC を予測するための強力なツールであり、他の土壌特性にも適用できるため、DSM 技術の進歩に貢献し、正確な情報に基づいて土地管理と意思決定プロセスを促進します。

要約(オリジナル)

Digital soil mapping (DSM) is an advanced approach that integrates statistical modeling and cutting-edge technologies, including machine learning (ML) methods, to accurately depict soil properties and their spatial distribution. Soil organic carbon (SOC) is a crucial soil attribute providing valuable insights into soil health, nutrient cycling, greenhouse gas emissions, and overall ecosystem productivity. This study highlights the significance of spatial-temporal deep learning (DL) techniques within the DSM framework. A novel architecture is proposed, incorporating spatial information using a base convolutional neural network (CNN) model and spatial attention mechanism, along with climate temporal information using a long short-term memory (LSTM) network, for SOC prediction across Europe. The model utilizes a comprehensive set of environmental features, including Landsat-8 images, topography, remote sensing indices, and climate time series, as input features. Results demonstrate that the proposed framework outperforms conventional ML approaches like random forest commonly used in DSM, yielding lower root mean square error (RMSE). This model is a robust tool for predicting SOC and could be applied to other soil properties, thereby contributing to the advancement of DSM techniques and facilitating land management and decision-making processes based on accurate information.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google