CIDA：一种基于情境信息的解耦方法，利用星载多传感器数据估算土壤微量元素含量

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：CIDA: A context-informed decoupling approach for soil trace element estimation using spaceborne cross-sensor data

　　孙一山|李丹|蒋浩|贾凯|陈水森|王崇阳|陈兴达|张静|陈金月|张晓|傅文林|李伟斌中国杭州311200，西安电子科技大学杭州工程学院摘要数据驱动的土壤制图往往受到小样本限制，这是由于稀疏的实地测量数据与高维光谱特征空间之间的不平衡所导致的。这种不平衡增加了复杂模型过拟合的风险，限制了它们从主导的背景土壤变化中分离出痕量金属信号的能力。为了解决这些限制，我们开发了基于情境的解耦分析（CIDA）框架，该框架旨在将可学习的锌和铜相关光谱结构与主导的背景变化分开，并测试其在不同传感器上的稳定性。我们利用珠海-1号高光谱数据以及匹配的Landsat-8和Sentinel-2影像，将情境变量与广义加性模型以及简约特征选择相结合，以将锌和铜的响应与有机碳和pH值相关的背景变化区分开来。我们还通过随机和空间验证、跨传感器比较、网络分析以及基于MRI的保留热点优先级评估来进一步检验模型的泛化能力。在主要的随机外部折叠验证设置下，CIDA提高了预测精度，并在空间阻塞条件下保留了更多预测信号。在珠海-1号数据上，最优的CIDA模型在随机验证下铜的OOF R2值为0.631，锌的为0.651；而在空间阻塞条件下，铜的组平均保留率（定义为空间R2与随机R2的比值）从9.54%上升至33.93%，锌的则从12.67%上升至41.68%，均高于传统策略。网络分析显示，锌的特征结构更为集中且以相互作用为主，而铜则呈现出更为分散的多变量拓扑结构。在不同传感器之间，珠海-1号数据通常保持最强的预测结构，这进一步表明，当潜在机制具有连贯性时，连续的光谱形状信息可能比更宽的波长覆盖范围更为重要。此外，在空间阻塞的保留评估中，MRI仍能保持有意义的排序和热点识别能力，尤其是对于锌而言。因此，CIDA为在实地数据稀少的地区构建稳健的地理空间模型提供了一种透明且基于机制的框架。引言土壤健康是全球粮食安全和生态系统恢复力的基础，这与可持续发展目标的核心目标相一致（Keesstra等人，2016年）。精准农业作为一种得到政策广泛推广的战略，直接解决了这一需求。它依赖于对土壤属性的精确、细尺度监测，以优化农业投入并减少环境退化（Minasny和McBratney，2025年；Padarian等人，2020年）。重金属污染对土壤质量构成了严重威胁。这些污染物的持久性、生物积累性以及高度的空间异质性使得传统的点状监测方法在大规模评估中缺乏经济可行性（Wang等人，2018年；Alloway，2012年）。锌和铜等元素的双重作用凸显了这一监测挑战。在低浓度时，它们对植物生理至关重要，但一旦超出狭窄的最佳范围，就会产生毒害作用。因此，对其精确的空间量化对于可持续的土地管理至关重要（Kabata-Pendias，2000年；Moreno-Jiménez等人，2019年）。高光谱地球观测是一项用于大规模土壤监测的有前景的技术，能够通过详细的光谱特征来估算表土属性（Nawar等人，2020年；Stenberg等人，2010年）。将机器学习应用于地理空间数据进一步拓展了将光谱测量转化为可行知识的潜力（Song等人，2024年；Reichstein等人，2019年；Bergen等人，2019年）。然而，尽管星载高光谱影像越来越容易获取，但实际土壤应用仍然受到大量遥感数据与相应地面真实样本严重不足之间的根本性不对称性的限制。虽然卫星传感器可以生成大量数据，但在典型的环境研究中，为模型校准收集高质量的地表土壤测量数据仍然需要大量资源且十分有限（Padarian等人，2020年；Piccini等人，2024年）。在如此有限的样本条件下，直接使用高度灵活但数据需求大的建模策略往往难以成立，模型的泛化能力便成为了一个核心问题。除了样本稀缺之外，光谱土壤分析还受到固有的方法学限制。锌和铜等金属的光谱特征较为微弱且间接，其浓度通常是通过土壤成分中的光谱活性替代物来推断的（Su等人，2025a年；TavallaieNejad等人，2025年）。为了解决信噪比低的问题，许多研究致力于特征工程，即对多源地理数据应用数学变换和自动波段选择算法（Sun等人，2023年；Li等人，2025年；Y. Wang等人，2024年）。虽然这种方法有时有效，但它往往缺乏明确的物理依据，从而导致模型的可迁移性和可解释性较差。这一问题因使用复杂的非线性算法而变得更加严重，这类算法虽然能够实现较高的预测精度，但往往难以揭示背后的土壤-光谱关系（Minasny等人，2024年）。因此，许多模型本质上只是相关性引擎，难以解释为何特定的光谱区域具有预测性。这些限制背后的一个核心问题是多种相互作用的土壤属性所带来的耦合光谱影响。单一土壤成分的光谱特征往往会被其他成分的特征所掩盖或与之叠加。对于痕量元素来说，这一问题尤为突出，因为它们的微弱光谱信号对有机碳和pH值等主导土壤属性的变化极为敏感（Akhtar等人，2021年；Z. Wang等人，2024年；Sun等人，2024年）。这些限制凸显出一个关键需求：对于锌和铜这类光谱特征较弱的痕量金属，预测建模必须超越单纯基于相关性的预测，找出在何种地球化学条件下金属相关信号能够被光谱检测到，且预测关系在空间上保持稳定。为了解决这个问题，建模策略需要结合领域知识，从基于相关性的预测迈向基于机制的理解。在本研究中，我们开发了基于情境的解耦分析（CIDA）框架。CIDA是一种分析方法，它将地球化学领域的知识与机器学习相结合，从而将金属相关光谱信息与干扰的土壤属性分开。其核心理念是将pH值和有机碳视为调节金属相关光谱信号可观测性的条件变量。这一策略使研究人员能够在构建最终的可解释模型之前，先理清土壤-光谱之间的关系（Taskin等人，2024年；Sun等人，2024年）。按照设计，CIDA在追求统计准确性的同时，也注重物理可解释性。因此，我们应用并评估了CIDA框架，将该框架与基于情境的土壤-光谱关系分析以及基于机制的预测因子构建相结合，从而使最终模型依赖于具有化学可解释性和可经验验证的相互作用。基于这一框架，本研究旨在实现三个目标：确定pH值和有机碳如何影响锌和铜的光谱响应；测试基于情境的相互作用结构是否能在随机和空间阻塞验证条件下提升模型性能；以及研究在不同类型的高光谱和多光谱观测中，性能提升的程度有何差异。通过这种方式，这项研究为在样本受限和空间异质性条件下，评估从地球观测数据中可靠提取的信息提供了基于机制的视角。研究区域与数据获取本研究在中国南部广东省雷州半岛的湛江市开展（见图1）。该地区属于亚热带海洋性季风气候。研究区域的土壤主要是高度风化的富铁红壤（根据美国农业部土壤分类法属于氧化土），形成于玄武岩台地及海蚀阶地之上（Felix-Henningsen等人，1989年）。作为该国重要的农业生产区，该地区的土壤数据量极为丰富。数据集特征与基线关联表土样本的化学性质存在较大差异。表1提供了关键土壤变量的描述性统计数据，包括重金属浓度、有机碳含量和pH值。锌的浓度在27.83毫克/千克到172.20毫克/千克之间（变异系数为47.6%），而铜的浓度则在9.92毫克/千克到92.39毫克/千克之间（变异系数为54.8%）。其他主要土壤属性也存在显著差异，pH值在3.83到7.65之间，有机碳含量则在0.14%到2.31%之间。同样，计算得到的光谱指数也存在差异。控制光谱表达能力的地球化学机制在金属预测过程中，最大的瓶颈在于所获取的信号与决定信号可观测性的潜在土壤物理化学过程之间的弱关联（Z. Wang等人，2024年；Su等人，2025b年；Koldasbayeva等人，2024年；Mai等人，2025年）。这一问题在当前的研究结果中也有直接体现。图4中的基线关联显示，锌和铜之间存在协变关系（相关系数为0.73），并且都与有机碳有关，这说明它们的光谱可检测性受到有机碳的影响。结论本研究探讨了土壤痕量金属遥感面临的挑战，特别是土壤基质如何掩盖目标光谱信号，以及预测关系在地理转移过程中如何减弱。我们开发了一种基于情境的解耦分析框架，并使用不同验证条件和传感器平台上的少量实地表土样本对其性能进行了测试。研究结果表明，CIDA有助于保留与情境相关且与机制相关的信号。CRediT作者贡献说明孙一山：撰写——初稿、方法论、概念构思。李丹：撰写——审阅与编辑、方法论。蒋浩：撰写——初稿、方法论。贾凯：撰写——审阅与编辑、方法论。陈水森：撰写——审阅与编辑、监督、资金获取。王崇阳：撰写——审阅与编辑、方法论。陈兴达：撰写——审阅与编辑、研究工作。张静：撰写——审阅与编辑、方法论。陈金月：撰写——审阅与编辑。资金来源本研究得到了中国广州市的科技计划项目（2025B03J0067）、中国韶关市的“南岭山团计划”（双碳空间大数据项目）、中国国家自然科学基金（62176196）以及中国科学技术协会的博士生特殊人才培养项目（2025年）的支持。利益冲突声明作者声明他们没有已知的、可能影响本文所述工作的财务利益或个人关系。