引言
地下水是生活供水、农业灌溉和工业生产的重要水源，其质量与安全性直接关系到人类健康和生态稳定。硝酸盐是常见且具有代表性的地下水污染物，具有溶解度高、迁移性强、来源复杂以及空间异质性显著等特点（Bijay-Singh and Craswell, 2021; Grout et al., 2023; Ward et al., 2018）。长期饮用硝酸盐浓度偏高的地下水可能对人类健康构成潜在风险；因此，地下水硝酸盐污染的识别与预测长期以来一直是地下水环境研究中的重要课题（Grout et al., 2023; Ward et al., 2018）。以往研究表明，地下水硝酸盐污染与农业施肥、畜禽养殖、生活污水排放、土地利用变化以及水文地质条件密切相关（Bijay-Singh and Craswell, 2021; Nakagawa et al., 2021; Rawat et al., 2022; Serio et al., 2018）。在农业活动密集或土地利用变化显著的区域，氮素输入强度与入渗条件的差异会影响硝酸盐向地下水系统中的迁移（Nakagawa et al., 2021; Serio et al., 2018）。由于污染输入、地下水径流条件和水化学环境在空间上存在差异，地下水硝酸盐浓度通常表现出明显的空间分异特征（Aju et al., 2024; Atabati et al., 2022; Nakagawa et al., 2021）。
传统的地下水硝酸盐研究通常采用水化学统计分析、空间插值、空间回归和污染风险评估等方法，这些方法可以揭示硝酸盐浓度的基本分布特征和潜在影响因素（Atabati et al., 2022; Knoll et al., 2019; Rawat et al., 2022）。然而，地下水硝酸盐浓度与多种水化学指标相关联，其中可能存在非线性关系、共线性以及交互作用。因此，单一的线性统计方法或常规空间插值方法往往难以充分刻画这种复杂的变异特征（Knoll et al., 2019; Ouedraogo et al., 2019）。此外，传统插值方法主要依赖于采样点的空间位置和浓度数值，难以充分纳入水化学指标、土地利用和环境变量等多源信息。因此，其在复杂地下水系统中的预测能力仍然有限（Knoll et al., 2019; Liang et al., 2024）。因此，引入能够处理复杂非线性关系并整合多源变量信息的机器学习方法，对地下水硝酸盐的预测与空间识别具有重要意义。
近年来，机器学习方法因其强大的数据挖掘和非线性拟合能力，已被广泛应用于地下水硝酸盐浓度预测、地下水质量评价以及污染风险识别（Haggerty et al., 2023; Ransom et al., 2022）。随机森林（RF）和极限梯度提升（XGB）等集成学习模型能够处理多变量输入，并在复杂环境数据建模中表现出良好的适用性（Band et al., 2020; Bedi et al., 2020）。以往研究已采用RF、XGB、深度神经网络等机器学习方法预测地下水硝酸盐浓度，结果表明机器学习模型能够有效提高预测精度，克服传统统计方法对复杂非线性关系表征不足的问题（Karimanzira et al., 2023; Ransom et al., 2022）。当进一步结合基于GIS的空间数据时，机器学习模型还可支持地下水硝酸盐浓度的空间预测、污染发生概率评估以及潜在高值区识别，从而为地下水污染风险分区提供技术支持（Chen et al., 2024; Gholami and Booij, 2022; Lee et al., 2023; Sajedi-Hosseini et al., 2018）。
从模型机制角度看，尽管RF和XGB同属集成学习模型，但它们控制预测误差的方式不同。RF是一种基于Bagging的并行集成模型，稳定性和抗噪能力较好，但其预测性能对参数设置较为敏感（Probst et al., 2019）。XGB是一种基于Boosting的串行集成模型，通过基于梯度的迭代优化和正则化来增强非线性拟合能力（Chen and Guestrin, 2016）。集成学习可以通过组合不同学习机制的模型来提升预测性能，但也可能增加模型复杂度和过拟合风险（Sagi and Rokach, 2018）。因此，本研究通过Stacking框架将RF和XGB组合起来，其中由一级学习器生成预测结果，随后使用岭回归作为元学习器进行整合。自组织映射（SOM）能够识别复杂水化学数据中的潜在结构和非线性模式，并已应用于地下水水化学特征刻画和硝酸盐源解析（Gao et al., 2024）。Boruta算法将原始变量与影子变量的重要性进行比较，能够识别出对目标变量预测具有稳定贡献的关键特征，也已应用于硝酸盐分布模拟和输入变量优化（Jamei et al., 2022）。本研究并未直接将Boruta应用于全部预测变量集合，而是首先使用SOM刻画水化学变量之间的相似性和潜在冗余，从而为构建缩减后的候选变量集提供结构信息；随后使用Boruta进行基于相关性的特征筛选。因此，SOM和Boruta分别提供了互补的无监督结构探索与有监督特征筛选。此外，重复采样和残差分析可以在单一数据划分之外评估预测的稳健性（Bedi et al., 2020; Jeong et al., 2024）。同时，机器学习模型通常被认为具有一定"黑箱"特性，使得变量之间的内部贡献关系难以直接解释（Haggerty et al., 2023; X. Li et al., 2024b）。对于RF-XGB等耦合模型，其变量响应机制比单模型更为复杂。基于Shapley值概念的SHAP可以量化每个输入变量对模型预测的贡献，并已被广泛应用于环境建模和地下水硝酸盐预测中的可解释性分析（X. Li et al., 2024b; Lundberg et al., 2019; Zhou et al., 2025）。
尽管已有上述进展，但仍很少有地下水硝酸盐研究在同一分析框架内同时考察预测变量冗余、RF-XGB Stacking模型性能与稳健性、基于模型的解释以及GIS空间预测。因此，本研究针对三个问题展开：（1）经过SOM-Boruta顺序特征选择后保留了哪些水化学变量；（2）RF、XGB以及RF-XGB Stacking模型在预测性能和稳健性方面有何差异；（3）保留的变量如何对模型预测产生贡献，预测得到的NO3?-N浓度在空间上如何分布？为回答这些问题，本研究首先使用Spearman相关分析和SOM-Boruta方法刻画变量间关系并筛选预测变量。随后构建RF、XGB以及RF-XGB模型，并通过精度指标、残差分析和重复采样进行评估。接着使用SHAP量化预测变量的贡献，并选取综合性能最优的模型与GIS集成进行空间预测。本研究的技术贡献在于将无监督的预测变量结构探索、基于相关性的特征筛选、Stacking集成预测、稳健性评估、可解释机器学习和空间制图联系起来，同时将所得到的关系解释为统计与预测关联，而非直接的因果证据。
