《Journal of Asian Earth Sciences: X》：Machine learning and deep learning for classifying source samples in the sediment source fingerprinting research in Central Asia
编辑推荐：
由人类活动（如森林砍伐、过度放牧、土地利用变化等）加速的土壤侵蚀，通过沙尘排放威胁土壤肥力、景观可持续性、生态系统功能、粮食安全和人类健康，其全球速率估计为36 Pg/年（Borrelli et al., 2017; Alewell et al., 2020;
由人类活动（如森林砍伐、过度放牧、土地利用变化等）加速的土壤侵蚀，通过沙尘排放威胁土壤肥力、景观可持续性、生态系统功能、粮食安全和人类健康，其全球速率估计为36 Pg/年（Borrelli et al., 2017; Alewell et al., 2020; Humphrey et al., 2025）。由水和风加速的土壤侵蚀产生的河流和风成沉积物，对陆地生态系统具有多种负面的原位和异位后果（Collins et al., 2020; Mohammadi, 2023; Zhang et al., 2024）。因此，对这些沉积物关键来源的重组和分类，对于使利益相关者、流域管理者和风成地貌学家能够优化最佳实践活动以缓解土壤侵蚀及其关键后果是必要的（Sirjani et al., 2019; Wang et al., 2022; Hunakunti et al., 2025; Li et al., 2025a; Su et al., 2025）。在过去三十年（自1997年以来）发展成熟且最初引入用于识别和量化河流悬移质泥沙负荷贡献来源的最有效技术之一是沉积物源指纹识别（SSF）。在该技术中，一些土壤和沉积物特性，如化学（地球化学元素，包括微量元素、主量元素和稀土元素、同位素比值和元素组成；Zhang et al., 2025; Abbas et al., 2024; Kieta et al., 2024; Wu et al., 2024; Domingo et al., 2023）、物理（如颜色、粒度；Nosrati et al., 2020）和生物（DNA、花粉、有机碳和正构烷烃；Wiltshire et al., 2025; Tang et al., 2025）特征被用作最终示踪剂，以区分潜在的沉积物来源并量化其对沉积物样本的贡献（Walling, 2013）。因此，SSF是一种通过整合示踪剂、数学和定量方程来识别风成和河流沉积物来源的有用技术（Collins et al., 2020）。在传统SSF中，潜在源样本的采集基于不同的源分类方案，这些方案根据空间和个体来源定义，例如子流域或主要支流、地貌景观、岩性单元、土地利用类型、侵蚀景观、土壤单元或其混合物（Gholami et al., 2017, 2020; Lake et al., 2023; Das et al., 2023; Domingo et al., 2023; Qiankun et al., 2023; Acuna-Alonso et al., 2024; Chen et al., 2024a; Golosov et al., 2024; Nosrati et al., 2024）。
在最近十年（2015–2025），SSF方法展现出显著进展，特别是在其数学方程结构方面，该方法已进入不同的建模框架（如贝叶斯模型、蒙特卡洛模拟、Bootstrap和GLUE（广义似然不确定性估计））以量化与河流（河流悬移质泥沙负荷）和风成沉积物（如沙、尘和黄土）源贡献相关的不确定性（Cooper and Krueger, 2017; Behrooz et al., 2019; Nosrati et al., 2021; Acuna-Alonso et al., 2024; Chen et al., 2024b）。SSF技术中的不确定性源于不同来源，如颗粒分选（Dai et al., 2024）、最终示踪剂数量有限和数据减少（Acuna-Alonso et al., 2024）、潜在源样本错误分类（Fathabadi and Jansen, 2022）、示踪剂选择方法（Latorre et al., 2021）、实验室分析（Lake et al., 2023）和样本数量有限（Fatahi et al., 2022）。潜在源样本的分类作为SSF方法的第一步，可以控制SSF建模方法中的不确定性，而源样本的错误分类会增加混合模型估计的源贡献相关的不确定性。自1997年至今，地质学家、土壤学家、水文学家、地貌学家和流域工程师使用各种技术采集和分类源样本，但如今，智能模型已被设计用于分类和聚类目的，其效率已在计算机科学和医学图像中得到证实。
因此，使用高效工具如智能模型对于提高SSF中潜在源样本分类的准确性是必要的，以减轻源于源样本错误分类的不确定性（Sheth et al., 2022）。机器学习（ML）作为人工智能的一种类型，使用不同算法使计算机能够执行智能任务（Ezugwu et al., 2024）。经典ML模型的主要类别包括分类算法（如支持向量机（SVM）、逻辑回归、基于树的模型（随机森林-RF）、决策树等）、回归算法（如最近邻、线性回归、核岭回归等）、聚类模型（如k-means和高斯混合模型）、降维模型（如PCA（主成分分析）、LDA（线性判别分析）和核PCA）、集成算法（如bagging、boosting、stacking、voting等）、异常检测模型（如孤立森林、局部离群因子等）和关联规则学习（如apriori和Eclat算法）（Ezugwu et al., 2024; Faouzi and Colliot, 2023）。机器学习应用作为智能模型，已在不同研究领域报道用于分类和聚类目的（Sheth et al., 2022），如数字土壤制图（Heung et al., 2016）、土壤细菌（Konopka et al., 2025）、震颤和肌阵挛（van den Brandhof et al., 2025）、河流分类（Wang et al., 2025a）、光伏应用（de las Heras et al., 2026）、癫痫发作动力学类型（Wooley et al., 2025）、土壤发生层（de Oliveira et al., 2024）、土壤砷污染（Hu et al., 2024）。其中，深度学习（DL）作为ML模型的子集，是一种利用深度人工神经网络自动分析大型数据集的有前景的计算工具（LeCun et al., 2015; Lamba et al., 2019）。DL模型包括作为多个隐藏层的深度网络，用于从复杂和广泛的数据集中学习各种变量或特征，并探索未知数据集以识别关系。DL专注于开发大型网络架构以做出准确的数据驱动决策（Yaghoubzadeh-Bavandpour et al., 2022）。为克服浅层聚类算法的弱点，DL模型已与聚类算法结合用于数据处理。这些基于DL的聚类模型被称为深度聚类（DC），其整合DL以提取高度代表性的变量（特征）有助于聚类（Wei et al., 2024）。DC通过提取的特征和表示执行聚类，从而产生更准确和广泛适用的聚类结果。DC模型已在各种科学领域成功应用，如能耗预测、空气污染、作物制图、矿物制图、音频情感分类等（Alessio et al., 2025; Chang et al., 2025; Habtemariam et al., 2025; Kassem et al., 2025; Peyghambari and Zhang, 2025; Slade et al., 2025; Wang et al., 2025b）。尽管ML和DC模型在分类和聚类目的方面具有高性能，但其在SSF研究中用于分类和聚类沉积物潜在源样本的应用尚未见报道。
为解决这一研究空白，本研究旨在利用经典ML和DC模型对SSF研究中的潜在源样本进行分类和聚类，然后将其性能与SSF中源样本分类的传统方法进行比较。尽管基于数据的智能模型在分类或聚类目的方面具有高能力，但没有任何报告表明其在沉积物源追踪中用于分类潜在源样本的应用。因此，本研究的主要目标包括：（i）应用传统方法对SSF研究中的潜在源样本进行分类，重点关注中亚伊犁盆地黄土沉积的源样本；（ii）使用三种经典ML模型（如k-means、k-means++和k-medoids）对黄土沉积的潜在源样本进行分类；（iii）应用八种DC模型，包括基于自动编码器的数据聚类（AEC）、深度聚类网络（DCN）、深度嵌入聚类（DEC）、改进的深度嵌入聚类（IDEC）、基于dip的深度嵌入聚类与k估计（DipDECK）、DipEncoder、深度k-means（DKM）和N2D，对黄土沉积物的源样本进行聚类；以及（iv）对传统技术、经典ML和DC模型在分类黄土沉积潜在源样本方面的性能进行相互比较，然后根据正确分类的源样本百分比选择最佳源分类方案。
论文解读
研究背景与问题
土壤侵蚀是全球性的环境问题，其速率估计高达每年36 Pg，对土壤肥力、生态系统功能、粮食安全和人类健康构成严重威胁。河流和风成沉积物作为土壤侵蚀的产物，其来源的准确识别对于制定有效的防治措施至关重要。沉积物源指纹识别（SSF）技术自1997年发展以来，已成为识别和量化河流悬移质泥沙及风成沉积物（如黄土）来源贡献的关键方法。该技术通过分析土壤和沉积物的化学（如地球化学元素、同位素比值）、物理（如颜色、粒度）和生物（如DNA、花粉）特性作为示踪剂，结合数学模型来区分潜在沉积物来源并量化其贡献。
然而，传统SSF方法中，潜在源样本的分类主要依赖基于空间和个体特征（如岩性、土地利用类型、地貌景观、土壤单元等）的先验方案，这种分类方式容易导致源样本的错误分类，从而增加混合模型估计源贡献的不确定性。尽管机器学习（ML）和深度学习（DL）模型在分类和聚类任务中已展现出卓越性能，并在计算机科学、医学图像等领域得到广泛应用，但在SSF研究中，利用这些智能模型对潜在源样本进行分类和聚类的研究尚未见报道。这一研究空白促使研究人员探索将经典ML和深度聚类（DC）模型引入SSF研究，以提高源样本分类的准确性，降低不确定性。
研究内容与结论
本研究以中亚伊犁盆地的黄土沉积为研究对象，旨在评估和比较传统源分类方法、三种经典ML模型（k-means、k-means++和k-medoids）以及八种DC模型（AEC、DCN、DEC、IDEC、DipDECK、DipEncoder、DKM和N2D）在分类潜在源样本方面的性能。研究基于Li et al. (2020)提供的数据集，该数据集包含来自沙漠沙（n=35）、河流冲积物（n=29）和表土（n=68）三种潜在源的样本，共132个样本。所有样本经酸消解后，利用电感耦合等离子体质谱法（ICP-MS）分析了30种地球化学元素（V、Cr、Co、Ni、Cu、Ga、Rb、Y、Zr、Nb、Sn、Cs、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、Hf、Ta、Pb和Th），重复分析的相对标准偏差小于5%。
研究结果表明，DC模型在分类潜在源样本方面整体优于经典ML模型和传统方法。其中，DipDECK和DKM模型被选为最准确的DL模型，可整合到SSF研究中。这些智能模型通过自动提取高代表性特征，有效提高了源样本分类的准确性，从而有望降低SSF建模中的不确定性。
关键技术方法
研究人员主要采用了三类技术方法：传统源分组技术、三种经典机器学习（ML）模型和八种深度聚类（DC）模型。传统源分组技术基于空间和个体特征（如岩性、土地利用类型、地貌景观等）对潜在源样本进行先验分类。经典ML模型包括k-means、k-means++和k-medoids，这些划分式聚类方法通过中心点或代表性对象来表示聚类。DC模型则整合了深度学习（DL）与聚类算法，包括基于自动编码器的数据聚类（AEC）、深度聚类网络（DCN）、深度嵌入聚类（DEC）、改进的深度嵌入聚类（IDEC）、基于dip的深度嵌入聚类与k估计（DipDECK）、DipEncoder、深度k-means（DKM）和N2D，这些模型通过深度神经网络自动提取特征并进行聚类，以提高分类的准确性和适用性。
研究结果
传统源分组技术：基于样本来源（沙漠沙、河流冲积物和表土）的传统分类方案作为基准，用于评估ML和DC模型的性能。
经典ML模型：三种经典ML模型（k-means、k-means++和k-medoids）被应用于分类潜在源样本。这些模型通过迭代优化聚类中心或代表性对象，将样本划分为预设数量的聚类。
深度聚类（DC）模型：八种DC模型（AEC、DCN、DEC、IDEC、DipDECK、DipEncoder、DKM和N2D）被应用于聚类源样本。这些模型利用深度学习网络提取高代表性特征，并结合聚类算法进行更准确的分类。
模型性能比较：通过比较不同方法正确分类的源样本百分比，评估各方法的性能。结果显示，DC模型整体表现优于经典ML模型和传统方法，其中DipDECK和DKM模型在分类准确性方面表现最佳，被选为最合适的DL模型，可整合到SSF研究中。
讨论与结论
讨论部分指出，尽管ML和DC模型在分类和聚类任务中具有高性能，但其在SSF研究中的应用尚属首次。本研究填补了这一空白，证明了智能模型在提高源样本分类准确性方面的潜力。研究结论强调，DipDECK和DKM作为最准确的DL模型，能够有效整合到SSF研究中，有助于降低因源样本错误分类引起的不确定性，为沉积物源追踪研究提供了新的方法和视角。这一研究不仅对黄土研究、地貌学和古气候学具有重要意义，也为全球土壤侵蚀防治和沉积物管理提供了科学依据。
