使用分位数回归建模土壤有机碳：解析预测因子对碳储量的影响
应用统计
2017-08-15 v1
摘要
土壤有机碳（SOC）估算对于管理自然和人为生态系统至关重要，并且由于其与温室气体的关系，在2016年《巴黎协定》后受到了密切关注。迄今为止，统计应用在区域尺度的SOC储量制图中占据主导地位。然而，学界几乎从未尝试实施分位数回归（QR）来空间预测SOC分布。在此贡献中，我们测试了QR以使用地形和遥感预测因子，估算高度可变半干旱地区（意大利西西里岛，约25,000 ）农业区域的SOC储量（0-30 深度）。我们还将结果与可用的SOC储量测量结果进行了比较。QR模型产生了稳健的性能，并允许识别相对于所考虑的分位数在预测因子中的主导效应。这一目前缺乏的信息表明，QR能够在每个预测因子的特定子域中辨别其对SOC储量的影响。在这项工作中，在中位数处生成的预测地图显示出低于联合研究中心以及国际土壤参考与信息中心基准的误差。结果表明，可以使用QR作为一种全面有效的方法，利用农态系统中的遗留数据来绘制SOC。本文包含了为此研究编写的用于QR的R代码。
引用
@article{arxiv.1708.03859,
title = {Modeling soil organic carbon with Quantile Regression: Dissecting predictors' effects on carbon stocks},
author = {Luigi Lombardo and Sergio Saia and Calogero Schillaci and P. Martin Mai and Raphaël Huser},
journal= {arXiv preprint arXiv:1708.03859},
year = {2017}
}