空间随机森林在环境制图中的应用评估：以地下水硝酸盐浓度预测为例

本研究针对地下水硝酸盐污染空间预测精度不足的问题，系统评估了六种空间随机森林（RF）变体，并与通用克里金（UK）和多元线性回归（MLR）进行对比。结果表明，RF-OOB-OK（基于袋外误差的普通克里金增强RF）在短预测距离内显著提升精度，为环境污染物空间预测提供了高效替代方案。

　　

论文解读

地下水硝酸盐污染是威胁人类健康和生态安全的全球性问题。过量施用化肥导致硝酸盐通过土壤渗入含水层，而传统监测网络稀疏、预测方法精度不足，使得污染风险评估面临挑战。现有空间预测技术如克里金法（Kriging）依赖线性假设，难以捕捉复杂环境关系；随机森林（RF）虽能建模非线性效应，却常忽略空间依赖性。如何开发兼顾计算效率与空间精度的预测模型，成为环境科学领域的迫切需求。

德国联邦环境署（Umweltbundesamt）支持的研究团队在《Environmental Modelling》发表论文，系统评估了六种空间RF变体（包括RF-Co、RF-MEv、RF-OOB-OK等）在德国两大水文地质区的应用效果。研究采用空间留一法交叉验证（LOO-CV）生成预测误差剖面（SPEPs），结合Moran特征向量（MEv）和局部克里金增强策略，对比了模型在短/长预测距离下的性能差异。

关键技术方法

1. 空间特征增强：通过UTM坐标、旋转坐标和Moran特征向量（MEv）构建空间预测变量。
2. 混合建模：将RF与普通克里金（OK）结合，开发RF-OOB-OK（基于袋外误差残差的克里金修正）和OK-RF（距离加权混合模型）。
3. 空间验证框架：采用缓冲区分层抽样评估不同预测距离下的平均绝对误差（MAE）。
4. 计算效率优化：局部克里金仅用200个最近邻点，降低计算负荷。

研究结果

4.1 探索性分析
北德松散岩层区硝酸盐空间异质性强（MLR解释方差仅9%），残差半变异函数显示3.5 km自相关范围；南德断层区MLR解释方差达39%，自相关范围延伸至23 km，揭示区域水文地质特性对建模的显著影响。

4.2 模型评估
RF-OOB-OK在短距离（<3.65 km）预测中MAE降低5%以上，其优势在北德区覆盖52%监测范围。UK在极短距离（≤50 m）表现最优，但随距离增加优势消失。RF-MEv和OK-RF次之，而RFSI因过多空间变量稀释环境因子贡献，性能反降。

4.3 变量重要性
坐标变量重要性随预测距离增加而衰减，验证空间自相关效应。南德区因长自相关范围，OK-RF中坐标重要性持续较高；农业用地比例在上游集水区（UCA）始终是关键预测因子。

4.4 预测图对比
RF-OOB-OK预测图更平滑，北德区超标点位比例从RF的11.9%升至13.8%。负值预测经人工校正，未出现RFsp因高维距离变量导致的计算崩溃问题。

4.5 计算成本
RF-GLS因广义最小二乘节点分割计算复杂，耗时达RF的7,600倍；RF-OOB-OK耗时仅为RF的120倍，平衡性能与效率。

结论与意义

研究证实空间RF变体能有效利用环境变量与空间自相关的协同效应，其中RF-OOB-OK成为兼顾精度与鲁棒性的优选方案。其创新性体现在：

1. 方法学突破：首次系统比较空间RF变体在污染物制图中的距离-精度关系，提出SPEPs评估框架。
2. 应用价值：为欧盟《2020/2184指令》下硝酸盐敏感区划定提供技术支撑，尤其适用于监测网络扩建中的动态预测。
3. 扩展潜力：特征增强策略（如MEv）可迁移至神经网络等模型，推动地理空间机器学习（GeoAI）发展。

局限性包括RF-GLS因计算瓶颈难以大规模应用，且未探索超参数调优对距离特异性性能的影响。未来研究可结合分布式计算与自动化工作流，进一步释放空间机器学习在环境决策中的潜力。