Improving pedotransfer functions for predicting soil mineral associated organic carbon by ensemble machine learning - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement

Documentation
Français (FR)

Anglais (EN)

Article Dans Une Revue Geoderma Année : 2022

Improving pedotransfer functions for predicting soil mineral associated organic carbon by ensemble machine learning

(1, 2) , (2) , (2) , (2) , (2) , (2) , (3) , (4) , (5) , (6) , (7) , (7) , (2) , (1, 2)

1
2
3
4
5
6
7

Yi Xiao

Fonction : Auteur

ZJU-Hangzhou Global Scientific and Technological Innovation Center

Institute of Applied Remote Sensing and Information Technology

Jie Xue

Fonction : Auteur

Institute of Applied Remote Sensing and Information Technology

Xianglin Zhang

Fonction : Auteur

Institute of Applied Remote Sensing and Information Technology

Nan Wang

Fonction : Auteur

Institute of Applied Remote Sensing and Information Technology

Yongsheng Hong

Fonction : Auteur

Institute of Applied Remote Sensing and Information Technology

Yefeng Jiang

Fonction : Auteur

Institute of Applied Remote Sensing and Information Technology

Yin Zhou

Fonction : Auteur

Institute of Land and Urban-Rural Development

Hongfen Teng

Fonction : Auteur

School of Environmental Ecology and Biological Engineering

Bifeng Hu

Fonction : Auteur

Department of Land Resource Management

Emanuele Lugato

Fonction : Auteur

European Commission - Joint Research Centre [Ispra]

Anne Richer-De-Forges

Fonction : Auteur
PersonId : 184995
IdHAL : anne-richer-de-forges
ORCID : 0000-0002-3170-4014
IdRef : 132070049

InfoSol

Dominique Arrouays

Fonction : Auteur
PersonId : 751040
IdHAL : dominique-arrouays
ORCID : 0000-0002-6878-6498
IdRef : 030508223

InfoSol

Zhou Shi

Fonction : Auteur

Institute of Applied Remote Sensing and Information Technology

Songchao Chen

Fonction : Auteur

ZJU-Hangzhou Global Scientific and Technological Innovation Center

Institute of Applied Remote Sensing and Information Technology

Mots clés

algorithm carbon dioxide climate model validation model nitrogen particulate organic carbon pedotransfer function prediction sand soil erosion soil minerals soil organic carbon topsoil Europe

Domaines

Sciences de la Terre Milieux et Changements globaux

Anne Richer-de-Forges : Connectez-vous pour contacter le contributeur

https://hal.inrae.fr/hal-03830619

Soumis le : mercredi 26 octobre 2022-14:24:07

Dernière modification le : vendredi 26 janvier 2024-11:17:26

Dates et versions

hal-03830619 , version 1 (26-10-2022)

Licence

Paternité - Pas d'utilisation commerciale - Pas de modification

Identifiants

HAL Id : hal-03830619 , version 1
DOI : 10.1016/j.geoderma.2022.116208
WOS : 000918743800002

Citer

Yi Xiao, Jie Xue, Xianglin Zhang, Nan Wang, Yongsheng Hong, et al.. Improving pedotransfer functions for predicting soil mineral associated organic carbon by ensemble machine learning. Geoderma, 2022, pp.116208. ⟨10.1016/j.geoderma.2022.116208⟩. ⟨hal-03830619⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

INRAE INFOSOL INRAEVALDELOIRE

17 Consultations

0 Téléchargements

Altmetric

Partager