可解释的动态混合融合方法用于高山区遥感与陆面模型数据的土壤水估算

《Journal of Hydrology: Regional Studies》：Explainable dynamic hybrid fusion method of remote sensing and land surface model data for soil water estimation in high mountainous areas

　　

研究区域为黑河上游流域（Heihe River Watershed），位于中国西北部的高山地区。研究重点：研究人员提出了一种可解释的动态混合数据融合方法（Explainable Dynamic Hybrid Data Fusion, XDHDF），该方法利用遥感产品和模型模拟以适应高山区环境，并采用可解释人工智能（Explainable Artificial Intelligence, XAI）来阐明环境因素对土壤水动态的非线性影响。该区域的新水文见解：XDHDF方法实现了相关系数（correlation coefficient, R）为0.983、均方根误差（root mean square error, RMSE）为0.019 m³/m³、克林-古普塔效率（Kling-Gupta efficiency, KGE）为0.982，显著优于高山区现有的数据融合方法。融合后的产品准确捕捉了空间格局和时间持续性，展现出强大的地理外推能力。SHapley Additive exPlanations（SHAP）分析揭示了明显的非线性控制机制。两个关键高程阈值（约2900 m和3700 m）主导了土壤含水量（soil water content, SWC）的变化：低于2900 m时，SWC随高程增加而降低，这是由于蒸腾作用抵消了降水增量；在2900 m至3700 m之间，SWC随高程增加而升高，这是由于净水分积累；高于3700 m时，由于永久冻土和冰川效应，高程的影响减弱。此外，土壤有机碳（soil organic carbon, SOC）与SWC之间存在U形关系，表明在低SOC（<0.6 g/kg）和高SOC（>4.6 g/kg）水平下SWC均较高，突出了SOC作为土壤水力性质综合指标的作用。这些非线性模式无法通过传统的线性相关分析捕捉。

**论文解读：高山区遥感与陆面模型数据可解释动态混合融合方法及其土壤水估算应用**

**研究背景与问题**

土壤水是影响陆地水文循环、生态系统及生物生长发育的关键因素，在驱动水-碳-能量通量中扮演重要角色。随着气候变化，降水减少和温度升高加剧了土壤干旱，尤其在干旱地区。可靠的大尺度、高分辨率土壤水数据对于理解水文循环、管理水资源、改善农业生产和减轻气候风险至关重要。然而，准确估算大尺度土壤水分布，特别是在异质性高的高山区，仍是一项重大挑战。

现有获取大尺度土壤水数据的方法主要包括遥感产品和陆面模型（Land Surface Model, LSM）模拟。遥感提供全球近地表土壤水数据，但受反演算法、景观异质性和射频干扰等不确定性影响；LSM和 hydrological models（HMs）能提供土壤剖面数据，但受模型结构、参数和输入数据集的不确定性影响。为结合两者优势，数据融合（data fusion）成为主要趋势，但现有混合方法常依赖静态集成平均或机器学习（Machine Learning, ML）方法的整合，无法动态适应变化的环境条件，且存在“黑箱”性质，缺乏可解释性。此外，预训练数据融合方法从局部观测数据集向空间外推的能力尚待探索，而环境因素对土壤水的影响多采用传统线性相关分析，难以捕捉非线性效应。

因此，本研究旨在开发一种可解释的动态混合数据融合方法（Explainable Dynamic Hybrid Data Fusion, XDHDF），结合集合卡尔曼滤波（Ensemble Kalman filter, EnKF）、适用的ML方法及可解释人工智能（Explainable Artificial Intelligence, XAI），以提高高山区土壤水估算的准确性、适应性及可解释性，并揭示环境因素的非线性控制作用。

**研究内容与结论**

研究人员以中国西北部黑河上游流域（Heihe River Watershed, HRW）的高山区为研究区域，利用土壤水分主动-被动卫星（Soil Moisture Active Passive, SMAP）的增强型L3产品（SPL3SMP_E）和社区陆面模型5.0（Community Land Model 5.0, CLM5.0）模拟数据，结合35个原位观测站点（来自黑河上游流域原位土壤水分网络UHRWSMN和青藏高原数据中心TPDC）的土壤水观测数据，以及环境因子（包括土壤属性、地形属性和植被指数），构建了XDHDF方法。该方法通过决策树分类器动态选择EnKF或最适ML方法（本研究经比较确定为随机森林Random Forest, RF），并利用SHapley Additive exPlanations（SHAP）框架进行可解释性分析。研究时段为2015年1月1日至2018年12月31日，聚焦生长季（6月至9月）。主要结论包括：XDHDF方法在融合性能上显著优于EnKF、RF、极端梯度提升（Extreme Gradient Boosting, XGBoost）、反向传播人工神经网络（Back-Propagation Artificial Neural Network, BPANN）及平均集成（Averaging Ensemble, ENS）等方法，实现了R=0.983、RMSE=0.019 m³/m³、KGE=0.982，并有效校正了SMAP的干偏差和CLM5.0的系统性高估。该方法展现出强大的地理外推能力，其融合产品准确捕捉了研究区土壤水“东高西低”的空间格局及时间持续性。SHAP分析揭示了高程的两个关键阈值（约2900 m和3700 m）以及SOC与SWC之间的U形非线性关系，这些模式无法通过传统线性相关分析获得。

**主要关键技术方法**

1. **集合卡尔曼滤波（EnKF）**：基于主成分分析（Principal Component Analysis, PCA）降维的环境因子，通过递归更新状态矩阵，实现动态数据融合。
2. **机器学习方法（ML）**：比较了随机森林（RF）、极端梯度提升（XGBoost）和反向传播人工神经网络（BPANN），通过5折交叉验证和排列重要性（Permutation Importance, PI）筛选关键环境因子，确定RF为最优ML方法。
3. **可解释动态混合数据融合（XDHDF）**：集成EnKF、RF和决策树（Decision Tree, DT）分类器，DT根据环境条件动态选择最优方法，实现自适应融合。
4. **SHapley Additive exPlanations（SHAP）**：基于合作博弈论的可解释AI框架，量化环境因子对融合SWC的非线性贡献，识别关键阈值和关系。

**研究结果**

**3.1 数据融合方法的性能评估**

**3.1.1 三种ML方法的比较**：通过对比训练集和测试集指标，RF方法表现最佳（R=0.963, RMSE=0.028 m³/m³, KGE=0.930），优于XGBoost和BPANN，且在不同植被和土壤类型下稳健性最高，因此被选为XDHDF中的ML组件。

**3.1.2 XDHDF方法的性能评估**：XDHDF方法在测试集上达到最优融合效果（R=0.983, RMSE=0.019 m³/m³, KGE=0.982），显著优于单一EnKF、RF及ENS方法。Levene检验和Welch's ANOVA证实差异显著。XDHDF有效校正了SMAP的干偏差和CLM5.0的系统性高估，泰勒图显示其在所有植被和土壤类型下表现最佳且变异性最低。

**3.2 XDHDF方法的地理外推能力**：利用时间稳定性分析（Temporal Stability Analysis, TSA），XDHDF融合产品、SMAP产品和CLM5.0模拟均能捕捉土壤水东高西低的空间格局，但XDHDF融合产品更准确地表征了土壤水幅度和时间持续性，证明其强地理外推能力。

**3.3 XDHDF方法结合SHAP分析的环境影响**：SHAP分析显示，高程是影响融合SWC的最关键环境因子，其次为SOC和PC4（植被与地形因子）。SHAP依赖图揭示了高程的非线性阈值效应：低于2900 m时负贡献（SWC随高程增加而降低），2900-3700 m时正贡献且持续增加（SWC随高程增加而升高），高于3700 m时正贡献但趋势减弱。SOC呈现U形影响：低SOC（<0.6 g/kg）和高SOC（>4.6 g/kg）对应较高SWC，中等SOC对应较低SWC。NDVI影响较弱。

**讨论与结论**

讨论部分指出，XDHDF方法在复杂高山环境下的优异性能归因于其动态集成EnKF和RF的优势，弥补了ML方法在极端水文条件（如极端低SWC和极端高SWC）下的不足，以及EnKF在高植被覆盖极端降水事件中的延迟响应。SHAP分析揭示的非线性驱动因素（高程阈值和SOC的U形关系）挑战了传统线性相关结论，并与区域垂直地带性、植被-蒸散发-降水平衡及土壤水力性质（如饱和导水率Ks和容重BD）的机制相符。研究还分析了观测尺度与方法对输入因子敏感性的影响，指出环境因子的引入是导致与先前研究结果差异的主要原因。尽管存在尺度不匹配、数据量有限及时间聚合等局限性，但通过三重配置分析（Triple Collocation Analysis, TCA）和敏感性实验验证了方法的稳健性。

**研究结论（翻译）**：
1. **XDHDF方法的适用性**：XDHDF方法在高山区实现了最优的土壤水融合性能，显著优于一系列基准方法，包括卡尔曼滤波方法（EnKF）、ML方法（RF、XGBoost、BPANN）以及先前的混合方法（ConvLSTM、ENS）。它实现了R=0.983、RMSE=0.019 m³/m³、KGE=0.982、U95%=0.205 m³/m³，并有效校正了SMAP的干偏差和CLM5.0的系统性高估。数据融合方法的有效性高度依赖于环境条件。在本研究中，ML方法在低植被覆盖下无法捕捉极端SWC值，而EnKF在高海拔稀疏植被区的极端降水事件中表现不佳。通过使用决策树动态选择最优方法，XDHDF整合了EnKF的动态更新和ML的非线性学习，从而稳健地捕捉了典型山区复杂的水文响应。
2. **地理外推能力**：利用TSA，XDHDF方法、SMAP产品和CLM5.0模拟的融合土壤水空间分布可靠地捕捉了土壤水东高西低的空间格局，与研究区降水梯度一致。然而，XDHDF融合产品更准确地表征了土壤水幅度和时间持续性，证明了其强大的地理外推能力以及在无资料高山区应用的潜力。
3. **知识发现**：SHAP分析揭示了高程的显著阈值效应和SOC的U形影响。识别出两个关键高程阈值（约2900 m和3700 m）：低于2900 m时，SWC随高程增加而降低，因为增强的蒸腾作用抵消了降水增益；在2900 m至3700 m之间，SWC随高程增加而升高，由于净水分积累；高于3700 m时，永久冻土和冰川逐渐减弱了高程效应。此外，观察到SOC与SWC之间呈U形关系，在低SOC（<0.6 g/kg）和高SOC（>4.6 g/kg）水平下SWC均较高，而中等SOC对应较低的SWC。这一模式突出了SOC作为土壤水力性质综合指标的作用。

总之，本研究提出了一种新颖的融合框架，用于复杂环境条件下的大尺度土壤水估算，并揭示了高程的阈值效应和SOC对土壤水的U形影响。这些发现为高山区的水文气象建模与分析提供了宝贵的见解和技术支持。