模式相似性学习用于空间自适应土壤有机碳制图

《Journal of Geovisualization and Spatial Analysis》：Pattern Similarity Learning for Spatially Adaptive Soil Organic Carbon Mapping

　　

从稀疏空间观测中预测连续环境变量仍然具有挑战性，因为全局机器学习模型可以捕捉非线性关系，但通常适应局部空间异质性的能力有限，而现有的基于相似性的方法仍主要依赖加权平均预测。本研究提出了模式相似性学习（Pattern Similarity Learning, PSL），该模型利用模式相似性作为空间自适应指标来指导局部非线性预测。PSL首先用三个模式导出指标增强原始环境协变量：地理复杂度（geocomplexity）、正向异常值强度（positive outlier strength）和负向异常值强度（negative outlier strength）。这些指标描述局部异质性和局部异常性，使得每个协变量既能携带其原始值，又能携带其局部空间背景。对于每个目标位置，PSL随后测量协变量空间相似性以识别相关训练样本，并使用模式增强特征拟合相似性加权局部随机森林（Random Forest, RF）。在美国本土（conterminous United States, CONUS）的土壤有机碳（soil organic carbon, SOC）预测案例中，五折空间交叉验证显示，PSL在六个模型中取得了最佳总体汇总性能。与随机森林相比，PSL将R²提高了0.017（7.11%），将均方根误差（RMSE）降低了0.017（1.14%），并将平均绝对误差（MAE）降低了0.012（1.69%）。这些结果表明，利用模式相似性将局部空间背景、样本相关性和非线性学习联系起来，可以改善连续环境预测的空间适应性。

**研究背景与问题**
空间预测面临挑战：稀疏观测数据下，连续环境变量预测需兼顾全局非线性与局部空间异质性。现有方法分三类：经典地统计学（如普通克里金、回归克里金）利用空间自相关，但假设空间依赖稳定且需预设形式；全局机器学习（如随机森林, Random Forest, RF）可捕捉非线性关系，却将训练样本视为独立，难以适应局部环境条件；基于相似性的方法（如相似性加权平均, Geographical Optimal Similarity, GOS）依赖加权平均，无法表示复杂非线性关系。这些方法未能整合空间模式特征、协变量空间相似性搜索与局部非线性集成学习，因此研究人员提出模式相似性学习（Pattern Similarity Learning, PSL），旨在通过模式相似性作为空间自适应指标，引导局部非线性预测，提升空间适应性。该研究发表于《Journal of Geovisualization and Spatial Analysis》。

**研究内容与结论**
研究人员提出PSL模型，将模式相似性、局部空间特征和局部随机森林集成。在美国本土（conterminous United States, CONUS）使用7,940个土壤有机碳（soil organic carbon, SOC）观测点（来自USDA NCSS土壤表征数据库，0–30 cm层），进行五折空间交叉验证，与线性模型（LM）、RF、GOS、相似性地理加权回归（SGWR）和模式相似性加权平均（PS）对比。PSL取得最高总体精度：R²=0.256，RMSE=1.468，MAE=0.699，相比RF提升R² 0.017（7.11%），降低RMSE 0.017（1.14%），降低MAE 0.012（1.69%）。PSL残差空间自相关低于RF等模型，绝对残差中位数和四分位距最小。敏感性分析表明PSL对候选池比例参数（κ）和邻域大小（m）敏感度低，性能稳定。PSL提供了一种空间自适应方法，但计算成本较高。

**主要关键技术方法**（不超过250字）
PSL模型包含三个核心步骤：
1) 空间模式特征构建：对每个原始协变量，基于12近邻计算地理复杂度（geocomplexity, 式1–2）及正/负异常值强度（式3–4），形成4n维模式增强特征向量（n为原始协变量数，本研究中n=10，即40维）。
2) 基于相似性的候选池构建：在原始协变量空间使用乘积高斯核（式6，带宽h=1.0）计算相似性，保留前70%最相似训练样本作为候选池。
3) 相似性加权局部随机森林：对每个预测位置，在候选池上用模式增强特征和相似性权重训练随机森林（100棵树），预测为各树均值。
样本来源：美国农业部（USDA）国家合作土壤调查（NCSS）土壤表征数据库，提取CONUS区域0–30 cm层SOC观测点，共7,940个。

**研究结果**
**交叉验证预测精度**（Cross-Validation Prediction Accuracy）
通过五折空间交叉验证，PSL在六个模型中取得最高R²（0.256）和最低RMSE（1.468）、MAE（0.699）。相比RF，PSL在五折中平均提升R² 0.017、降低RMSE 0.017、降低MAE 0.012，但折叠级差异未达95%置信水平统计显著。LM、SGWR、GOS和PS精度较低，表明简单加权平均不足以捕捉SOC变异。

**空间预测与残差模式**（Spatial Prediction and Residual Patterns）
通过残差空间分布图（图8）和绝对残差分布小提琴图（图9），PSL残差空间分散性更高，中位数绝对残差（0.428）和四分位距（0.612）均为最小，RF次之（中位数0.449，IQR 0.636）。全局莫兰指数（Moran's I）检验显示，SGWR残差自相关最低（0.0734），PSL次之（0.0837），RF为0.1000，表明PSL较RF更有效降低局部偏差。预测SOC空间分布（图10）显示PSL与RF在局部存在差异，但两者均存在范围压缩（低估高值、高估低值）。

**κ和m参数敏感性分析**（Sensitivity Analysis of κ and m Parameters）
通过改变候选池比例κ（0.05–1.00）和邻域大小m（4–52），PSL性能变化小：R²主要在0.224–0.256之间，RMSE和MAE分别在1.470–1.500和0.692–0.702范围内。κ≈0.50–0.80时R²较高，m=12时平衡精度与稳定性，最终选定κ=0.70、m=12。

**讨论与结论**
讨论部分指出，PSL相比PS（R²提升0.190）在于用局部随机森林替代加权平均，相比RF则源于模式特征提供局部空间上下文，以及相似性引导的局部训练减少样本异质性。PSL残差空间分散性表明其部分降低了局部建模偏差。局限性包括：计算成本高（每预测点独立拟合随机森林，复杂度约M{O(Nn)+O(BκNlog(κN))}，M预测点数，N训练样本数，B树数，n协变量数）；SOC变异受缺失协变量、测量不确定性、尺度不匹配等约束，绝对R²不高。未来可通过并行化、减少候选池或加入残差校正（如普通克里金）改进。

**结论**（翻译原文）
本研究提出了模式相似性学习（Pattern Similarity Learning, PSL）用于预测连续空间变量。PSL以地理复杂度、正异常值强度和负异常值强度扩展原始解释变量，并将基于相似性的样本选择与局部随机森林学习相结合。利用7,940个SOC观测点进行五折空间交叉验证，PSL在比较模型中取得了最佳总体性能。然而，其对经过调优的RF基线的改进并不显著，且折叠级未达到统计显著性。PSL还相对于RF及其他几个基线降低了残差空间自相关。总体而言，PSL为连续环境预测提供了一种潜在有用的空间自适应方法，尽管其计算成本仍然较高。未来工作应聚焦于提升效率并引入残差校正或相关扩展。