《Archives of Agronomy and Soil Science》：Machine Learning-Based Prediction of Soil Fertility Parameters in Olive Groves
编辑推荐：
本研究评估了利用机器学习方法从选定的土壤肥力参数预测土壤pH值的可行性。研究使用了从土耳其马尼萨省橄榄园采集的684份土壤样本数据集，以总盐度（total salinity）、有效磷（available phosphorus）和有效钾（available po
本研究评估了利用机器学习方法从选定的土壤肥力参数预测土壤pH值的可行性。研究使用了从土耳其马尼萨省橄榄园采集的684份土壤样本数据集，以总盐度（total salinity）、有效磷（available phosphorus）和有效钾（available potassium）作为输入特征，土壤pH值作为目标变量。数据集被划分为训练集（90%，n=615）和独立测试集（10%，n=69）。为防止信息泄露，仅在训练数据上进行特征标准化处理。研究人员将包含两个隐藏层（每层16个神经元）的前馈神经网络（feedforward neural network）与线性回归（linear regression）、随机森林（random forest）、支持向量回归（support vector regression）和梯度提升（gradient boosting）进行了比较。模型性能通过均方根误差（RMSE）、平均绝对误差（MAE）和取整值一致率进行评估。在独立测试集上，神经网络取得了RMSE为0.1806、MAE为0.1351、取整值一致率为98.55%的结果。支持向量回归同样达到了98.55%的一致率，而线性回归获得了最低的RMSE（0.1653）和MAE（0.1247）。盐度与土壤pH值的相关性最强（r=?0.189）。神经网络的预测在观测pH范围的低端和高端表现出均值回归行为。总体而言，选定的肥力参数为土壤pH值估算提供了有用信息，可支持土壤数据分析、缺失值估算和实验室质量控制。
研究背景与问题提出
土壤是经过数千年乃至数百万年地质年代形成的包含矿物成分、有机质和微生物的自然动态平衡体系。在当前全球背景下，防止土壤退化并通过创新方法保护土壤健康至关重要。土壤pH值是决定土壤肥力的关键因素，影响化学、生物和物理土壤过程，因此被视为影响土壤生产力的最重要参数之一。土壤作为植物生长介质及其对微生物的吸引力，取决于其酸性、中性或碱性状态，而这由pH值决定。其他关键的土壤肥力参数包括磷和钾：磷支持根系发育和成熟，钾调节酶活性、光合作用、碳水化合物运输和水分平衡。土壤盐度来源于可溶性盐的积累，尤其在干旱气候条件下蒸发和毛细上升将盐分浓缩于地表，显著影响土壤肥力和植物生长。
尽管直接实验室测量土壤pH值仍是标准方法，但这种分析耗时、需要昂贵的设备和化学试剂，且在偏远或资源有限的农业环境中往往不切实际。过去十年间，随着土壤数据集的扩展和算法的普及，机器学习在土壤科学中的应用日益增多。机器学习方法能够从易于获取的测量数据中快速预测土壤性质，从而支持精准农业和可持续土壤管理。
研究内容与结论
研究人员测定了来自土耳其马尼萨省橄榄园的684份土壤样本中的磷、钾、盐度和pH值水平。主要目标是：(1) 开发一个深度神经网络模型，用于从盐度、磷和钾测量值预测土壤pH值；(2) 将其性能与四种替代机器学习方法（线性回归、随机森林、支持向量回归和梯度提升）进行系统比较；(3) 通过取整值一致率和传统回归指标量化土壤肥力参数与pH值之间的预测关系。
关键技术方法
研究人员采用了以下关键技术方法：首先，数据集按固定随机种子2划分为训练集（90%，n=615）和独立测试集（10%，n=69），并在划分后仅基于训练数据进行特征标准化（StandardScaler）。主要模型为前馈神经网络（feedforward neural network），使用TensorFlow/Keras实现，架构包括3个输入神经元、两个分别含16个神经元的隐藏层（ReLU激活函数）和1个线性输出神经元，采用Adam优化器（学习率0.001）、均方误差损失函数、批量大小10，训练500轮次。对比模型包括线性回归（linear regression）、随机森林（random forest，100棵树，最大深度10）、支持向量回归（SVR，RBF核，正则化参数C=100）和梯度提升（gradient boosting，100个估计器）。所有模型在同一训练集上训练并在同一测试集上评估，评价指标包括均方根误差（RMSE）、平均绝对误差（MAE）和取整值一致率。补充分析包括皮尔逊相关系数和随机森林特征重要性。
研究结果
土壤结果：684份橄榄园土壤样本的分析结果显示，土壤pH值范围为6.4至8.5，呈中性至中度碱性条件。盐度范围为0.012%至0.360%，磷含量为2–25 mg kg?1，钾含量为150–350 mg kg?1。这些结果与U?kun和Aksoy在马尼萨橄榄园的研究报告范围一致。
机器学习模型预测土壤肥力参数的性能：深度学习模型在测试集（n=69）上实现了98.55%的取整值一致率，即预测pH值与观测pH值取整后匹配的比例。平均绝对误差为0.1351 pH单位，均方根误差为0.1806 pH单位。五种机器学习方法的系统比较显示，神经网络和支持向量回归取得了最高的取整值一致率（98.55%），线性回归和随机森林为97.10%，梯度提升为95.65%。然而，线性回归产生了最低的RMSE和MAE值，其次是随机森林和神经网络。这表明模型排名因评价指标而异，取整值一致率应仅作为RMSE和MAE之外的补充描述性指标。
神经网络预测呈现均值回归效应：预测值集中于中心pH范围，模型倾向于高估较低观测pH值和低估较高观测pH值，表明模型更有效地捕捉了数据集的中心趋势而非极端pH值的变异性。残差诊断显示残差接近零中心分布（均值?0.0023，标准差0.1695），Shapiro-Wilk检验未指示统计显著的偏离正态性（W=0.9676，p=0.0702），但Q-Q图在尾部显示一定偏差。相关性分析揭示盐度与pH值关系最强（r=?0.189），其次为磷（r=?0.134）和钾（r=?0.011）。随机森林特征重要性分析确认盐度为最重要的预测因子。
讨论与结论
本研究表明，所选土壤肥力参数含有用于估算土壤pH值的有用信息。然而，各模型的平均预测误差相对较低，但土壤pH值与所选预测因子（尤其是钾）之间的弱相关性，以及在低端和高端pH范围观察到的均值回归模式，指出了重要局限性。虽然模型捕捉了数据集的中心趋势，但对相对低和高pH值的敏感性有限。因此，这些模型不应被视为直接实验室测量的替代品或独立的农业管理决策工具。其潜在用途更适当地限于辅助应用，如探索性土壤数据分析、缺失值估算、实验室质量控制和识别可能需要进一步检查的记录。
研究结论：在本研究评估的五种机器学习方法中，线性回归取得了最低的RMSE和MAE值，而神经网络和支持向量回归获得了最高的取整值一致率。尽管神经网络产生了相对较低的平均预测误差，但其预测集中在中心pH范围，对较低和较高观测值的敏感性降低。这些发现表明，盐度、有效磷和有效钾含有用于估算土壤pH值的有用信息。然而，所提出的模型不应被视为直接实验室测量的替代品，而是可作为辅助工具用于估算缺失pH值、检查实验室记录的一致性、支持土壤数据质量评估和识别可能需要进一步检查的观测值。本研究的局限性在于模型性能仅通过单一训练-测试划分和相对较小的独立测试集进行评估。未来研究应采用重复交叉验证、独立外部数据集以及额外的土壤和环境变量，以评估所提出方法的稳定性、泛化能力和实用价值。
