《Remote Sensing》：Digital Mapping of Soil and Water Indicators in Arid Regions Driven by High-Dimensional Environmental Covariates: A Comprehensive Evaluation of Metaheuristic Feature Selection and Hybrid Deep Learning Frameworks
编辑推荐：
高维环境协变量越来越多地可用于数字土壤制图（DSM），但其有效利用取决于特征选择策略和预测模型架构。然而，关于不同元启发式特征选择方法如何与独立及混合学习模型在多个土壤和地下水预测任务中相互作用的系统证据仍然有限。本研究系统评估了10种元启发式特征选择算法与1
高维环境协变量越来越多地可用于数字土壤制图（DSM），但其有效利用取决于特征选择策略和预测模型架构。然而，关于不同元启发式特征选择方法如何与独立及混合学习模型在多个土壤和地下水预测任务中相互作用的系统证据仍然有限。本研究系统评估了10种元启发式特征选择算法与13种预测模型（包括随机森林（RF）、卷积神经网络（CNN）、循环架构、CNN-循环神经网络（RNN）混合、挤压激励（SE）增强混合以及基于iTransformer的混合）在中国新疆的四个预测任务（土壤有机碳（SOC）、土壤-水提取电导率（ECe）、表观电导率（ECa）和地下水水位（GWL））中的相互作用。对于ECe、SOC和ECa，考虑了总共149个候选环境协变量，而对于GWL，考虑了122个候选协变量。结果表明，没有单一特征选择方法在所有四个目标中始终表现最佳；相反，预测性能取决于特征选择策略、预测架构和目标变量之间的相互作用。CNN-RNN混合架构通常比独立模型获得更高的预测性能，尽管其优势因预测目标而异。最佳组合对GWL、SOC、ECe和ECa的确定系数（R2）值分别为0.9826、0.6981、0.8429和0.8085。这些发现表明，在高维DSM中，目标特异性兼容性（而非激进降维或普遍优越的算法）是预测性能的关键决定因素。通过证明特征选择的有效性受模型架构和目标特征共同影响，本研究为在干旱区开发目标特异性数字土壤制图模型提供了方法参考。
**研究背景与问题**：在全球气候变化和粮食安全压力加剧的背景下，精准监测土壤资源的空间分布与动态演变是实现可持续发展的关键前提。数字土壤制图（DSM）通过统计和机器学习模型，利用野外观测与环境协变量间的关系预测土壤属性，但传统方法在处理高维非线性环境系统中的复杂交互作用时存在局限。元启发式算法在特征选择中展现出潜力，而深度学习模型（如CNN、RNN及其混合架构）能够提供更灵活的非线性表征，但以往研究多针对单一目标或有限架构，缺乏对多种特征选择策略与不同学习架构在多个土壤和地下水指标预测任务中相互作用系统的比较。特别是在干旱区，盐渍化、地下水水位（GWL）波动及强烈空间异质性导致环境协变量与目标变量间的关系具有目标特异性，因此亟需系统评估特征选择方法与模型架构间的兼容性，以指导高维DSM中的模型开发。
**研究内容与结论**：研究人员在中国新疆系统地评估了10种元启发式特征选择算法（AVOA、BSLO、HOA、INFO、IVY、KOA、PSO、RIME、SA、SSA）与13种预测模型（包括RF、CNN、LSTM、GRU、BiLSTM、CNN-RNN混合、SE增强混合及iTransformer混合）在四个预测任务（GWL、SOC、ECe、ECa）中的表现。共采用149个候选环境协变量（ECe、SOC、ECa）及122个（GWL）。结果表明，无单一特征选择方法或模型架构在所有目标中表现最佳；预测性能受目标特异性兼容性主导，CNN-RNN混合架构通常优于独立模型，但提升幅度因目标而异。最佳组合为：GWL（IVY-CNN-GRU-SE，R2=0.9826）、SOC（BSLO-CNN-BiLSTM，R2=0.6981）、ECe（KOA-CNN-BiLSTM，R2=0.8429）、ECa（INFO-CNN-LSTM，R2=0.8085）。该研究为干旱区开发目标特异性数字土壤制图模型提供了方法参考，空间预测结果可为新疆区域土壤和水管理提供决策支持信息。论文发表在《Remote Sensing》。
**主要关键技术方法**（不超过250字）：研究人员从新疆北部（北疆）和南部塔里木盆地采样，分别获取709个表层土壤样品（0–30 cm）和474个土壤样品（含EM38-MK2实测ECa）、436个GWL观测数据。环境协变量涵盖植被、雷达、气候、地形及土壤理化共149个（GWL为122个），统一重采样至90 m分辨率。采用10种元启发式算法（种群规模2，迭代50次，RF为适应度评估器）进行特征选择；构建13种预测模型（RF、CNN、LSTM、GRU、BiLSTM、CNN-LSTM、CNN-GRU、CNN-BiLSTM、CNN-LSTM-SE、CNN-GRU-SE、iTransformer-LSTM、iTransformer-GRU、iTransformer-BiLSTM），所有模型超参数基于文献预设，未系统优化。数据按6:4随机划分训练/验证集，以R2和RMSE评估性能，并采用SHAP分析解释最佳模型。
**研究结果**：
**4.1 土壤和地下水属性描述性统计**：北疆SOC含量均值8.15 g/kg（0.49–68.76），ECe均值1920.87 μS/cm（37.4–38975）；南疆塔里木河流域GWL深度均值12.25 m（0.79–150.24），ECa均值338.13 mS/m（1.39–1763.94）。
**4.2 基于不同优化算法的特征选择结果**：10种方法对四个数据集的协变量选择数量差异显著。HOA对ECe、ECa和GWL选择了最多协变量（149、149、112），而AVOA对GWL仅选择9个。气候变量在所有方法中均占主导地位；对于SOC和盐度指标，植被遥感指数（如GNDVI、EVI）也频繁入选。
**4.3 不同特征选择方法对模型性能的影响**：无单一方法在四个目标中均最优。INFO在GWL中平均R2最高，KOA的变异系数较低；ECe中IVY和KOA平均R2最高；ECa中INFO和KOA平均R2最高；SOC中AVOA和BSLO平均R2最高。特征选择方法的有效性依赖目标变量和后续模型架构。
**4.4 独立机器学习算法性能比较**：BiLSTM在多数情况下获得最高R2，GWL中RIME-BiLSTM达0.9777，ECe中达0.8169，SOC中达0.6436，ECa中达0.7971。LSTM和GRU在GWL预测中表现突出，R2均超过0.96。
**4.5 不同算法组合的性能比较**：CNN-RNN混合架构在四个任务中普遍表现优异。最佳组合：KOA-CNN-BiLSTM（ECe，R2=0.8429）、BSLO-CNN-BiLSTM（SOC，R2=0.6981）、IVY-CNN-GRU-SE（GWL，R2=0.9826）、INFO-CNN-LSTM（ECa，R2=0.8085）。部分iTransformer混合模型性能下降，如AVOA-iTransformer-LSTM对GWL的R2仅0.7373。
**4.6 模型性能增强比较分析**：以RF为基线，BiLSTM组合在ECe中提升率达42.3%–47.7%；CNN-RNN-SE模型在ECe中提升率超50%。SOC中仅部分模型正提升，但混合模型负值区域减少。GWL中提升幅度较小（多数<8%）。ECa中独立模型出现大量负提升，而混合模型恢复部分性能。
**4.7 基于SHAP的最佳模型解释**：SHAP分析显示，各目标主导环境协变量不同。ECe主要受PH、bio10、prec4等影响；SOC受WB、TWI、bio10等影响；GWL受wind5、NDVIC_Median、NDWI_Median等影响；ECa受TWI、NDWIMax、P3Max等影响。无单一协变量控制所有任务，模型捕捉了非线性及上下文依赖关系。
**4.8 预测值与观测值拟合关系**：GWL的散点图拟合最好（斜率0.926–0.974），ECe和ECa在低值区密集、高值区稀疏，SOC分散度最高。总体而言，特征选择有效性目标依赖，CNN-RNN混合架构通常优于独立模型，但提升幅度因目标而异；最佳组合R2为0.9826（GWL）、0.8429（ECe）、0.6981（SOC）、0.8085（ECa）。GWL的性能增益较小，SOC和ECa变异性较大，表明模型复杂度增加带来的收益取决于目标-协变量关系强度和特征子集与架构的兼容性。
**讨论总结**：研究通过系统评估揭示了模型性能差异源于算法结构、数据内在关系及特征选择方法的协同作用。在GWL等高信噪比场景中，独立模型即可获得强性能，混合模型增益有限；而在ECa和SOC等低信噪比场景中，混合模型带来更大提升。特征选择方法的选择需与模型架构及目标特异性兼容，而非单纯追求降维。SHAP分析进一步支持了环境协变量与目标之间的物理合理性。此外，SE模块和iTransformer的效果因任务而异，表明模型架构改进需考虑任务、数据和结构的动态适应。研究局限性包括：数据来自新疆特定区域，6:4随机划分未考虑空间自相关，特征选择仅运行一次，评估指标限于R2和RMSE，未系统评估计算资源消耗。未来需采用空间块验证、独立测试集、嵌套验证框架，并评估模型跨区域可迁移性。
**研究结论**：本研究系统评估了10种元启发式特征选择方法与13种独立、混合及注意力增强学习架构在新疆预测GWL、SOC、ECe和ECa中的相互作用。没有一种特征选择方法或模型架构在所有四个目标中始终获得最高性能。相反，预测性能具有目标依赖性，并受所选预测子集和模型结构共同影响。最佳组合为：GWL采用IVY-CNN-GRU-SE，SOC采用BSLO-CNN-BiLSTM，ECe采用KOA-CNN-BiLSTM，ECa采用INFO-CNN-LSTM。总体而言，CNN-RNN混合架构通常比独立模型获得更高的预测性能，但其优势因四个目标而异。这些结果表明，特征选择方法不应独立于预测架构进行评估，在高维DSM中模型开发应强调目标特异性兼容性，而非寻找普遍最优算法。这些发现应结合新疆的环境条件、采样设计、预测数据集和模型配置进行解释。其适用性需要进一步评估未来环境下的空间独立验证、外部可迁移性、预测不确定性以及对稀疏极值的建模策略。
