基于XGBoost回归与空间分块交叉验证的南欧高分辨率土壤质量指数制图及物种适宜性评估

《IEEE Access》：A Double-Task Geospatial Soil Quality Analysis and Plant Recommendation System

　　

摘要：

在覆盖大陆尺度的区域上进行环境指数的高分辨率制图，需要协调异构地理空间数据并传播来源特定的不确定性。本文提出了一条可复现的双任务流程，在空间分块交叉验证下使用XGBoost回归，在葡萄牙、西班牙、法国和意大利的30弧秒网格上绘制加权土壤质量指数（W-SQI），并通过余弦相似度将预测的环境特征向量与物种特异性的农学规范进行匹配，从而生成无季节标签的物种适宜性排名。通过五步协调工作流程，融合了SoilGrids、LUCAS表层土壤、哥白尼气候数据商店以及专家整理的农学规范数据库。W-SQI预测在两种非循环设置下进行评估：协变量模型（设置A）和具有蒙特卡洛不确定性的端到端重建（设置B）。设置A在六个空间分区上的平均R2为0.709±0.040，在共同测试分区上为0.743，而径向基函数插值达到0.686，反距离加权达到0.665。设置B从十一个预测的土壤指标重新计算W-SQI，其平均R2为0.191±0.199，主要受限于磷和钾的回归器，其目标值被分配为LUCAS站点值。九个指标源自SoilGrids，这本身就是一个机器学习产品，因此该图是作为该来源的空间验证重投影，而非独立的实地估计。在同一分区上进行分裂共形重校准，将经验覆盖率从蒙特卡洛基线的0.80恢复到标称的0.90水平。该图重现了预期的南北梯度，其中巴黎盆地和波河谷地的土壤质量最高，而半干旱的伊比利亚内陆土壤质量最低。