科研人员报告说，使用机器学习开发了对全球各地表层土壤盐度的40年变化的长期分析。土壤盐度由于诸如干旱等自然事件或者诸如施肥或灌溉等人类活动而随着空间和时间而变化。盐的过度积累可能对植物和微生物过程产生不利影响。Amirhossein Hassani、 Adisa Azapagic和 Nima Shokri把机器学习技术与气候、地形、土壤和遥感数据结合起来，寻求在全球水平上理解这些变量。他们使用1980年到2018年收集的对土壤电导以及交换性钠的大约24万次测量，开发了土壤盐度的预测模型。他们的分析表明，在1980年到2018年之间，1173万平方公里的一个土壤区域受到了盐的影响，这几乎是美国面积的20%以上。在全球范围，与1981年到1999年相比，2000年到2018年再度出现受盐影响的土壤的可能性降低。巴西、秘鲁和苏丹有最高的土壤盐度年增加率。这组作者说，这些结果能够帮助确定一个特定地区土壤受盐影响的可能性，并且在面对气候不确定性的时候为有效的补救策略提供信息。
###
Journal
Proceedings of the National Academy of Sciences
Disclaimer: AAAS and EurekAlert! are not responsible for the accuracy of news releases posted to EurekAlert! by contributing institutions or for the use of any information through the EurekAlert system.
