基于图神经网络的气候相关特征土壤有机碳估算
机器学习
2023-11-28 v1 人工智能
摘要
土壤有机碳（SOC）在全球碳循环中起着关键作用，影响气候动态，并需要准确估算以实现可持续土地和农业管理。传统 SOC 估算方法面临分辨率和精度挑战，而近期技术解决方案利用遥感、机器学习和高分辨率卫星制图。图神经网络（GNN）尤其在与位置编码器结合时，能够捕捉土壤与气候之间的复杂关系。本研究使用 LUCAS 数据库，在位置编码器框架中比较了四种 GNN 算子。结果表明，PESAGE 和 PETransformer 模型在 SOC 估算中优于其他模型，表明它们在捕捉 SOC 与气候特征之间复杂关系方面的潜力。我们的发现证实了 GNN 架构在 SOC 预测中应用的可行性，为未来利用更先进的 GNN 模型探索该主题建立了框架。
引用
@article{arxiv.2311.15979,
title = {Soil Organic Carbon Estimation from Climate-related Features with Graph Neural Network},
author = {Weiying Zhao and Natalia Efremova},
journal= {arXiv preprint arXiv:2311.15979},
year = {2023}
}