《International Journal of Applied Earth Observation and Geoinformation》:Integrating XGBoost and SHAP to uncover feature contributions for river network selection across different patterns
编辑推荐:
研究人员引入一个结合极端梯度提升(eXtreme Gradient Boosting, XGBoost)与SHapley加法解释(SHapley Additive exPlanations, SHAP)的可解释人工智能(Explainable Artifici
研究人员引入一个结合极端梯度提升(eXtreme Gradient Boosting, XGBoost)与SHapley加法解释(SHapley Additive exPlanations, SHAP)的可解释人工智能(Explainable Artificial Intelligence, XAI)框架,旨在揭示不同河网形态下河网选取(River Network Selection)过程的特征贡献。首先,将河段(River Strokes)构建为分析单元,并提取多种几何、拓扑与水文特征。随后,针对平行状与矩形状排水河网,分别训练基于XGBoost的选取模型。最后,在训练好的模型上开展宏观、中观与微观三个层次的SHAP分析。实验结果表明,所考虑的两种形态的河网中,特征可归为三类:通用特征(如上游累积面积、霍顿编码),无论河网形态如何均主导选取决策;模式敏感特征(如汇流角、河段邻近距离),其影响随排水模式变化而变化;以及低贡献特征,其贡献可忽略不计。这些发现阐明了特定河段在不同排水模式下被保留或移除的原因,为支持自动化、模式保持的多尺度河网生成提供可解释性见解。
河网作为水流、沉积物和养分的天然通道,长期以来一直是地球观测(Earth Observation, EO)和地理建模的核心要素。多尺度河网数据集为广泛的EO驱动应用提供了基础地理空间框架,包括水文分析、地形建模和地图可视化。尽管近年来人工智能,特别是深度学习的进展,使得直接从高分辨率遥感影像和数字高程模型(Digital Elevation Models, DEMs)中提取详细河网取得了显著进步,但一个主要挑战依然存在:如何从这些细尺度提取的河网数据中生成高质量的多尺度河网数据,以服务于下游的多级地理空间分析与应用。传统河网选取方法主要基于河段重要性排序,依赖手工定义的特征,如河流长度、上游汇流面积、支流数量和层次河流顺序等。尽管这些方法直观且可解释,但其在多样化的地貌环境中适应性差,且难以编码制图员的精细判断。为克服这些局限性,研究人员探索了基于机器学习(Machine Learning, ML)的选取模型,如支持向量机(Support Vector Machines, SVM)、多层感知机(Multilayer Perceptrons, MLP)、决策树和图卷积网络(Graph Convolutional Networks, GCN),这些模型在联合融入几何与拓扑特征后,表现出优于规则方法的性能。然而,基于机器学习的模型往往难以在具有不同排水模式的河网中实现最佳性能。部分原因在于排水模式代表了一种难以显式编码到机器学习模型中的抽象水文知识;此外,单一机器学习模型也难以在具有异质性几何拓扑特征的异构排水模式中学习一致的选取规则。研究虽聚焦于排水模式识别,旨在为选取过程提供模式相关信息,但这些洞见很少被形式化为可操作的选取规则,主要源于对特定特征如何影响不同模式下河网选取的认知不足。此外,基于机器学习的选取模型通常涉及大量特征,使其内部决策机制难以解释。幸运的是,可解释人工智能(XAI)的进展为此提供了有前景的工具,其中SHAP方法特别能量化每个特征对模型输出的边际贡献。XGBoost与SHAP的结合已成为地理空间分析应用中最通用的特征方法之一。然而,将XAI整合到地图综合中的研究寥寥无几,且大多集中于建筑或道路网络。迄今为止,尚无研究探讨特征如何在不同排水模式下贡献于基于机器学习的河网选取。为解决上述差距,本研究将XGBoost与SHAP可解释性框架相结合,分析不同排水模式下河网选取的特征贡献。主要贡献包括:(i)首次系统揭示了河网选取在不同排水模式下的特征差异,识别出通用特征和关键的模式敏感特征;(ii)通过多性能指标对比验证了XGBoost模型的优越性,并采用宏观、中观和微观的多层次SHAP分析,刻画了选取特征的模式依赖性贡献机制;(iii)本研究不仅有助于自动化地图综合,也对从EO水文数据中生产可解释、模式保持的地理信息图层这一更广泛目标做出了贡献。
研究人员开展的研究涉及四个步骤:构建河段并标记选取结果、基于水文层次、几何形态和拓扑连通性提取河段特征、使用标记的河段训练基于XGBoost的模型以预测河网选取结果、以及应用SHAP方法计算SHAP值以实现多层次可解释性分析。研究以美国加利福尼亚州莫哈韦国家保护区附近的平行河网和阿巴拉契亚山脉、田纳西州附近的矩形河网为实验对象,数据来源于美国地质调查局(USGS)HydroDataSet。研究人员首先通过三位具有水文专业知识的地图综合专家确认了所有河网的形态特征(平行状和矩形状)。数据集包括1:24,000和1:50,000两个比例尺的河网,其中1:50,000尺度的选择结果通过结合HydroDataSet标签和三位专家的严格评估确定。在模型训练中,河网“平行1”和“矩形1”被用于模型训练和内部验证,按7:3比例划分;剩余四个河网作为独立的测试集。XGBoost模型使用XGBoost库实现,通过五折交叉验证确定最优超参数配置。模型评估采用精确率(Precision)、F1分数(F1-score)和线要素对应系数(Coefficient of Line Correspondence, CLC)等指标,并与SVM、随机森林(Random Forest, RF)和MLP进行了对比。可解释性分析基于SHAP值,从宏观(使用平均绝对SHAP值量化特征全局重要性)、中观(检查SHAP值如何依赖特征值以识别影响模式)和微观(可视化关键特征在特定河段选取中的实例级作用)三个层面展开。
研究结果包括以下方面:首先,在河段构建方面,基于格式塔心理学感知连续性原则,提出了结合语义一致性、最大长度和方向连续性规则的河段构建算法。为解决局部坐标计算的汇流角与尺度特定视觉感知的矛盾,采用道格拉斯-普克(Douglas-Peucker)算法进行曲线简化,使简化后的角度更符合制图视觉感知。其次,在模型评估方面,视觉和定量评估表明,XGBoost模型有效地保留了主要干流结构和排水模式特征。与SVM、RF和MLP对比,XGBoost在两种模式下均实现了最高的CLC(平行模式平均0.8692,矩形模式平均0.8901)和优异的预测性能,证明了其学习专家决策知识并保持低计算开销的能力。第三,SHAP分析揭示了特征的分类和贡献机制:(1)**通用特征**(如上游累积面积UpArea、霍顿编码Horton、河流长度Length、支流数量NumTri和弯曲度Sinuosity)在不同模式下表现出一致的单调影响趋势,其中UpArea和Horton最为关键,分别代表河流的控制面积和拓扑层次;(2)**模式敏感特征**(如汇流角CAngle、河段邻近距离DisProxi和河流密度Density)的影响随模式变化:在平行河网中,较小的CAngle和DisProxi更受青睐,Density呈U型趋势;在矩形河网中,CAngle接近90度时贡献最大,DisProxi越大越好,Density呈倒U型趋势;(3)**低贡献特征**(所有拓扑中心性特征)与通用特征功能重叠,贡献微弱。这些结果共同阐明了在通用特征近似相等的边缘案例中,模式敏感特征如何作为关键判别依据。
论文的讨论部分总结如下:本研究揭示了平行和矩形排水模式下河网选取中的通用特征、模式敏感特征和低贡献特征。通用特征(如UpArea、Horton)通过全局空间配置主导选取,其作用与现有研究一致。模式敏感特征(如CAngle、DisProxi)通过局部形态特征影响结果,其贡献机制符合不同排水模式的固有几何特性(如平行模式偏好锐角汇流,矩形模式偏好直角汇流)。低贡献特征因与通用特征功能重叠,其独特解释力被削弱。尽管实验在特定比例尺转换上进行,但所用特征本质上尺度无关,且选取原则是地图综合的普遍原理,因此关于通用和模式敏感特征的洞见可为多尺度河网泛化和EO空间分析提供稳健参考。与现有可解释地图综合方法相比,本方法通过全局重要性排序和局部贡献分析,提供了更全面、准确的特征协同影响理解。本研究对应用地球观测的贡献在于,通过可解释机器学习揭示了维持排水模式真实性的特征机制,有助于从EO数据生成可靠的多尺度河网数据集,并推动地球观测与地理信息的下游应用。研究存在局限性,包括实验数据集模式多样性有限、模型在高异质地貌中的泛化能力可能受限、以及SHAP无法完全捕获空间邻接性或高阶结构依赖性。未来工作可纳入环境因素以增强可解释性和迁移性,并探索结合图神经网络的可解释工具。本研究提出的XGBoost–SHAP框架本身是模式无关的,可扩展至其他排水模式。
研究结论部分翻译如下:本研究提出一种结合XGBoost与SHAP方法的可解释性方法,用于量化水文层次、几何形态和拓扑连通性等特征在平行状和矩形状河网选取中的贡献。实验结果表明,基于XGBoost的选取模型优于其他机器学习模型。此外,宏观、中观和微观层次的可解释性分析将这两种模式下的选取特征分为三类:通用特征(如UpArea和Horton),模式敏感特征(如CAngle和DisProxi),以及低贡献特征。通用特征表征了拓扑层次和累积的河流影响,在选取决策中起主导作用。模式敏感特征通过微调局部空间关系来保持特定排水模式,展示了其对不同排水模式的贡献。与现有的地图综合可解释性研究相比,该方法考虑了多个特征间的协同效应,为模型的选取决策提供了更全面、准确的理解。这些洞见将有助于推动从细尺度EO提取数据中自动化生成多尺度空间数据。