Bài báo khoa học

Lập bản đồ nhạy cảm xói mòn đất (SESM) là một trong những phương pháp thực tế để quản lý và giảm thiểu xói mòn đất. Nghiên cứu này đã áp dụng bốn mô hình Machine Learning (ML), đó là bộ phân loại Perceptron đa lớp (MLP), AdaBoost, bộ phân loại Ridge và bộ phân loại Tăng cường độ dốc để thực hiện SESM tại một khu vực của tỉnh Nghệ An, Việt Nam. Sự phát triển của các mô hình này kết hợp bảy yếu tố ảnh hưởng đến xói mòn đất: độ dốc, hướng dốc, độ cong, độ cao, Chỉ số thực vật khác biệt chuẩn hóa (NDVI), lượng mưa và loại đất. Những yếu tố này được xác định dựa trên 685 vị trí xói mòn đất được xác định. Theo phân tích SHApley Additive exPlanations (SHAP), loại đất nổi lên như là yếu tố quan trọng nhất ảnh hưởng đến xói mòn đất. Trong số tất cả các mô hình được phát triển, bộ phân loại Tăng cường Độ dốc đã thể hiện khả năng dự đoán cao nhất, tiếp theo là bộ phân loại MLP, bộ phân loại Ridge và AdaBoost, tương ứng. Do đó, trình phân loại Tăng cường Độ dốc cũng được khuyến nghị để có SESM chính xác ở các khu vực khác, có tính đến các yếu tố địa môi trường địa phương.