却仍需检验能否可靠替代经验模型、以及模型能否跨相邻地块使用。
但其原始概念来自小区尺度,并总体再现主要空间格局,遥感与机器学习可以增强葡萄园侵蚀预测的空间化能力,作者还将模型迁移至邻近葡萄园。

但其可靠性取决于局地训练数据、地表覆盖、协变量分辨率和算法选择,研究没有把高拟合度等同于普适性,避免以单一地块结果外推整个产区,这说明变量体系和算法不应脱离地表覆盖与数据分辨率统一设置,必须将迁移检验纳入常规流程,需要注意的是,面向区域推广时,实践中应将遥感、地形和土壤信息与地块尺度校准结合起来,通过地块之间的迁移测试检验空间泛化能力,因此。

结论二:模型精度受地块特征和算法选择共同影响 模型精度受到算法选择和地块环境特征的共同影响:Ranger和线性XGBoost在表现较好的情形中R可达0.85,机器学习估计的侵蚀速率往往高于USLE参考结果,既检验数据驱动模型能否替代经验模型。
结论三:邻近葡萄园之间的模型迁移仍存在显著限制
