《龙：在存在潜在变量和离散变量的情况下，基于数据的土壤因果发现方法》

《Ecological Informatics》：Dragon: Data-driven causal discovery for soils in the presence of latent and discrete variables

土壤管理中的因果机制研究需要处理复杂数据和潜在变量。本文提出Dragon方法，利用最大祖先图（MAG）和退化高斯（DG）得分，结合MMPC算法优化搜索过程，处理混合数据。实验表明，Dragon在合成数据集上精度达61%，召回率70%，且在真实土壤数据中揭示了从管理实践到土壤功能的层次因果结构。研究证实了因果发现方法在土壤科学中的潜力，需结合实验验证进一步优化。

　　土壤作为地球最复杂的系统之一，其研究在可持续土壤管理中具有重要意义。然而，由于土壤本身及其数据的复杂性，理解土壤中的因果机制仍然面临诸多挑战。传统的方法往往依赖专家知识，或仅能处理特定类型的数据，难以全面揭示土壤中各种过程之间的复杂相互作用。为此，研究团队提出了一种名为Dragon的新方法，旨在通过数据驱动的方式，直接从观测数据中学习因果图，无需依赖专家知识，特别适用于处理土壤数据中常见的潜变量（未观测变量）和离散变量（如管理实践）。

### 方法概述

Dragon是一种基于得分的因果发现方法，能够处理土壤数据中存在潜变量和离散变量的情况。该方法的核心在于使用**最大祖先图（MAGs）**来表示因果结构，从而更好地捕捉潜变量对观测变量之间的潜在干扰。MAGs是对有向无环图（DAGs）的扩展，允许存在双向边（表示潜变量的影响），而DAGs则假设所有潜变量都已被观测。通过引入**退化高斯得分（DG score）**，Dragon能够处理混合数据类型（连续和离散变量），并采用**贪心搜索（greedy search）**来优化得分，以找到最优的因果图结构。

为了提升搜索效率，Dragon有两个变体：Dragon_GSMAG和Dragon_M3HC。其中，Dragon_M3HC结合了MMPC（最大-最小父母和子女）算法，通过预筛选节点对来减少不必要的搜索操作，从而在保持准确性的前提下提高计算效率。这种方法在处理大规模数据集时表现出色，特别是在高维土壤数据中，其性能显著优于其他方法。

### 数据集与实验设置

为了验证Dragon的性能，研究团队在合成数据集和真实土壤数据集上进行了广泛的测试。合成数据集通过随机生成DAGs，并引入潜变量和离散变量来模拟实际土壤数据的复杂性。在实验过程中，研究者调整了变量数量、最大父母数量以及潜变量和离散变量的比例，以评估Dragon在不同条件下的表现。此外，还进行了非线性和非高斯分布的敏感性测试，以验证方法的鲁棒性。

真实土壤数据集来自荷兰的农业土壤样本，包含多种化学、物理和生物特性。样本数量为103个黏土土壤样本和43个沙质土壤样本，共146个样本。研究者通过生态学家的帮助，筛选出30个最相关和最具信息量的变量，涵盖管理实践、化学特性、物理特性、生物特性以及土壤功能等多个方面。通过z-score标准化处理，确保所有连续变量符合算法假设。

### 实验结果

在合成数据集上，Dragon_M3HC在大多数情况下表现最佳，其精确度和召回率分别达到0.61和0.70。相比之下，Dragon_GSMAG虽然在部分指标上表现良好，但整体性能不如Dragon_M3HC。特别是在高变量数量的场景下，Dragon_M3HC在精确度、召回率和结构汉明距离（SHD）等指标上均优于其他方法，表明其在处理高维数据时具有更强的适应性。

在真实土壤数据集中，Dragon方法揭示了清晰的因果图结构，从管理实践到土壤功能，显示出管理实践在因果图中的主导地位。例如，管理类型（如传统农业、有机农业或生物动力农业）对土壤化学特性（如阳离子交换容量（CEC）和某些化学元素的浓度）具有显著影响。此外，肥料类型（如动物源、植物源或无机肥料）对土壤化学和物理特性的影响也得到了验证。研究者还发现，某些生物功能性群落（如基础呼吸和功能细菌群）在土壤功能的因果路径中起到中介作用，表明生物过程在土壤系统中具有重要的调节功能。

值得注意的是，Dragon方法在某些边缘节点上表现出较低的稳定性，这可能是因为数据样本量有限或变量之间的依赖关系不够明确。例如，在黏土土壤的因果图中，某些变量之间的因果关系方向与已知的领域知识不符，这可能反映了数据的局限性或方法的某些假设与实际情况存在偏差。然而，Dragon方法能够识别出大部分已知的因果关系，并提出了一些新的假设，为后续实验验证提供了方向。

### 研究意义与应用前景

Dragon方法的成功应用表明，基于数据驱动的因果发现技术在土壤科学中具有广阔的应用前景。传统的土壤研究方法往往依赖于实验设计，而Dragon能够在不依赖专家知识的情况下，直接从观测数据中提取因果结构，从而为土壤管理提供更直观的解释。这种方法不仅能够帮助研究者理解土壤中复杂的因果机制，还能为制定可持续的土壤管理策略提供科学依据。

在实际应用中，Dragon方法可以帮助农业从业者优化管理实践，例如通过调整施肥策略来改善土壤功能，或通过选择合适的覆盖作物来增强土壤结构和减少侵蚀。此外，该方法还可以用于生态学研究，揭示土壤生态系统中不同变量之间的相互作用，从而支持更全面的土壤保护和修复措施。

### 局限性与未来方向

尽管Dragon方法在多个方面表现出色，但其仍存在一定的局限性。首先，该方法假设变量之间存在线性关系，这在复杂的自然系统中可能不成立。因此，未来的研究可以考虑扩展该方法以处理非线性因果依赖。其次，管理实践之间并非完全独立，而Dragon方法禁止任何指向管理实践的边，这可能限制了对管理策略之间相互作用的建模。最后，Dragon方法基于无反馈的因果图，无法捕捉土壤系统中可能存在的反馈过程。因此，未来的研究可以探索引入反馈机制，以更好地建模动态土壤系统。

此外，Dragon方法在处理分层采样结构（如田块嵌套在农场中）时可能存在局限，因为这种结构可能导致观测值之间的非独立性，从而影响因果关系的稳定性。因此，未来的研究还可以考虑如何处理这种分层结构，以提高方法的适用性和准确性。

### 结论

综上所述，Dragon方法为土壤科学提供了一种新的因果发现工具，能够在存在潜变量和离散变量的情况下，高效且准确地揭示土壤系统的因果结构。该方法不仅适用于合成数据集，还能在真实土壤数据中找到具有解释力和预测性的因果关系。未来的研究可以进一步优化该方法，以处理更复杂的非线性关系和反馈机制，从而更好地支持土壤管理实践和生态系统的可持续发展。