《Journal of Hydrology: Regional Studies》：High-resolution soil moisture retrieval in heterogeneous terrain: A comparison of ensemble learning approaches using landsat 8/9
编辑推荐：
研究区域位于中国青海省东部天峻县，靠近青海湖，地处青藏高原西北部，面积约40?×?36?km。研究重点：利用从Landsat数据导出的20多个土壤水分相关指数，结合高程信息，研究人员开发了一个30?m分辨率的土壤水分反演框架。四种集成学习模型——随机森林（Ra
研究区域位于中国青海省东部天峻县，靠近青海湖，地处青藏高原西北部，面积约40?×?36?km。研究重点：利用从Landsat数据导出的20多个土壤水分相关指数，结合高程信息，研究人员开发了一个30?m分辨率的土壤水分反演框架。四种集成学习模型——随机森林（Random Forest, RF）、极端随机树（Extremely Randomized Trees, ERT）、极端梯度提升（Extreme Gradient Boosting, XGBoost）和分类提升（Categorical Boosting, CatBoost）——使用QLB-NET原位土壤水分观测数据进行训练和评估，以评估其时空预测性能。新的水文见解：所有模型均表现出相对稳定的性能，其中CatBoost和XGBoost显著优于ERT和RF。CatBoost在多次运行中取得了最佳测试性能，平均值为R2 =?0.79，均方根误差（RMSE）=?0.060?m3?/m3?，偏差（Bias）=?–0.0009，平均绝对误差（MAE）=?0.0457。生成的高分辨率土壤水分图揭示了显著的空间异质性和清晰的逐月变化。SHAP分析表明，高程是土壤水分最具影响力的预测因子，且土壤水分方差在3?km空间尺度上随着地形复杂度的增加而显著增加。这些结果突显了将高分辨率遥感数据与集成学习方法相结合用于复杂山区土壤水分估算的价值。
研究背景：土壤是地球关键带的核心，其水分（Soil Moisture, SM）调控着陆地-大气相互作用、水热交换及生态系统过程，但大范围、连续的原位SM观测难以获取。现有遥感产品在异质性地形下存在显著不确定性，且高分辨率（如30?m）SM数据稀缺。传统物理模型或统计模型难以捕捉SM与地表反射率、土壤属性及气候变量之间的复杂非线性关系。集成学习方法能有效整合多源信息，降低模型方差，在复杂地形中具有优势。本研究旨在利用单一Landsat卫星数据源，结合集成学习模型，提高异质性地形区的SM估计精度，并探讨地形复杂度对SM空间变异的影响。
研究内容：研究人员基于Landsat 8/9表面反射率数据（30?m分辨率）和NASADEM高程数据，计算了21个SM相关指数（如增强型植被指数EVI、地表湿度指数LSWI等），并结合高程、坡度、坡向等地形因子作为输入特征。采用Boruta算法进行特征选择，保留所有显著特征。使用QLB-NET网络（位于青海省天峻县，约40?km×36?km区域，60个原位观测站点，非冻期5?cm深度SM数据）作为训练和验证数据。比较了四种集成学习模型：随机森林（RF）、极端随机树（ERT）、极端梯度提升（XGBoost）和分类提升（CatBoost），采用五折交叉验证，每个算法运行20次，以中位数模型为代表。利用SHAP（SHapley Additive exPlanations）方法解释模型预测，并基于DEM构建地形复杂度指数（Terrain Complexity Index, TCI），分析SM异质性。论文发表在《Journal of Hydrology: Regional Studies》。
主要关键技术方法：使用Landsat 8/9 Level 2表面反射率数据（30?m，16天重访，结合Landsat 8/9可实现8天），NASADEM高程数据（30?m），QLB-NET原位观测网络（60个站点，Campbell CS655传感器，5?cm深度，非冻期2019-2023年数据）。特征工程：计算21个SM相关指数，使用Boruta算法（基于随机森林的Z-score）进行特征选择，所有特征保留。集成学习模型：RF（随机森林）、ERT（极端随机树）、XGBoost（极端梯度提升）、CatBoost（分类提升），采用五折交叉验证和20次重复训练，超参数优化使用RandomizedSearchCV。模型解释：SHAP方法。异质性分析：计算变异系数（CV），基于DEM构建TCI（包括局部起伏、局部标准差、局部总曲率、局部粗糙度，窗口900?m×900?m）。
研究结果：
3.1 特征选择分析：Boruta算法显示，所有21个Landsat衍生指数及高程、坡度、坡向均与SM显著相关，Z-score均高于随机阴影特征的最大值，因此全部保留作为输入特征。
3.2 集成学习模型评估：训练阶段，XGBoost表现最佳（R2=0.9937），CatBoost次之（R2=0.9907），RF最差（R2=0.9007）。验证阶段，所有模型精度下降，但CatBoost（R2=0.7925，RMSE=0.0563?m3/m3）和XGBoost（R2=0.7806，RMSE=0.0577?m3/m3）显著优于ERT和RF（R2≈0.74）。测试集上，CatBoost仍最佳（R2=0.7945，RMSE=0.0612?m3/m3），XGBoost次之。20次运行平均值显示CatBoost（平均R2=0.7901，RMSE=0.0596，MAE=0.0457，Bias≈0）表现最优，且所有模型标准差低，稳定性强。生成的高分辨率SM图揭示：北部SM较高，南部较低，中部湿地较高；CatBoost和XGBoost捕捉到更细致的空间纹理和更宽的动态范围。
3.3 特征对SM预测的贡献解释：SHAP分析表明，高程是最重要的预测因子，与SM呈正相关（超过3600?m时贡献增加）；土壤水分含量指数（SWCI）也呈正相关；温度-植被短波红外反射率干燥度指数（TVSDI）与SM呈负相关，在0.6-0.7处有转折点。SHAP热图显示，在低海拔区域，湿地或河流附近SM仍较高，这与高程的负贡献形成对比。
3.4 异质性分析结果：研究区原位SM的变异系数（CV）高达0.56，远高于一般研究的0.3，表明强烈异质性。模型预测的CV值中，CatBoost（0.53）和XGBoost（0.52）最接近实测值，ERT和RF（0.48）压缩程度较大。地形复杂度（TCI）分布显示北高南低，与高程一致但细节不同。SM方差随TCI增加而增加，但在极陡区域（TCI>0.6）SM方差下降，因岩石露头保水能力差。XGBoost在复杂地形区预测的SM方差最高，CatBoost中间，ERT和RF较低。
讨论部分总结：高程是影响SM的最主要因子，但此结论区域特异性强，因高程通过影响温度、降水、蒸散发等间接作用。在高海拔地区，低温、浅层土壤限制水分下渗；在低海拔地区，地形起伏导致水分汇集形成湿地。在极陡区域，岩石露头导致SM方差降低。模型泛化能力受样本量限制，Landsat低时间分辨率（16天）结合云掩膜导致可用场景少，难以捕捉降雨后短期动态。未来应整合多源数据、结合物理模型与数据驱动模型、扩大样本覆盖。
研究结论翻译：本研究整合了Landsat反射率数据和高程信息，在地形复杂的天峻地区反演了高分辨率土壤水分（SM）。共评估了21个Landsat衍生指数（包括植被和水相关指标）与SM估计的相关性。为提高模型性能，加入了高程及其衍生物（坡度、坡向），并使用Boruta算法选择最相关的特征。本研究比较了四种集成学习模型：随机森林（RF）、极端随机树（ERT）、极端梯度提升（XGBoost）和CatBoost。使用R2、RMSE、Bias和MAE评估模型性能，采用五折交叉验证，每个算法运行20次，选择中位数模型作为代表，并计算均值和标准差以评估稳定性。在训练集上，XGBoost表现最佳；但在验证集和测试集上，CatBoost优于其他模型。所有四种模型在验证集和测试集上的评估指标非常接近，表明过拟合风险低。各算法均值和中位数的接近表明模型输出相对随机，而各指标的低标准差表明模型稳定性强。为解释模型，应用了SHAP分析。结果表明，高程是最具影响力的变量，其次是SWCI和TVSDI，这与先前的水文研究一致。这些特征在提高模型精度和可解释性方面发挥了关键作用。在评估SM异质性时，QLB-NET网络表现出高变异系数（CV = 0.56），突显了其相对于典型SM网络的复杂性。使用地形复杂度表征局部异质性，北中部较高，南部较低。异质性越高的位置，置信区间越宽，表明模型不确定性增加。从测试数据集中移除这些高异质性点提高了预测精度，验证了地形驱动的变异性对模型性能的影响。总体而言，遥感指数、高程特征和集成学习模型的整合为异质环境中的精细尺度SM估计提供了一种有前景的方法。这些发现有助于区域SM产品验证，并对高海拔水文、水资源管理和当地气候研究具有广泛意义。
