通过特征选择和重采样来改进数字土壤制图，以解决类别不平衡问题

《Scientific Reports》：Improving digital soil mapping for imbalanced classes through feature selection and resampling

　　

摘要

在数字土壤制图（DSM）中，对不平衡土壤数据进行准确分类仍然是一个关键挑战。我们提出了一种两步预处理策略，将特征选择与重采样相结合以提高土壤类别预测的准确性。利用来自伊朗Darab地区的140个土壤剖面数据，我们结合了四种特征选择方法（VIF、PCA、Boruta和Expert Viewpoint）与合成少数样本过采样技术（SMOTE），并使用了三种分类器（C5.0、随机森林和XGBoost）进行评估。在所有测试的组合中，VIF + SMOTE与随机森林（RF）模型的性能最佳，其宏观F1分数提高了15.14%，可检测的土壤类别数量从四个增加到五个。这些改进效果因土壤类别而异：SMOTE提高了具有稳定环境特征的类别（例如Haplosalids）的检测效果，但在地质地貌复杂的类别（例如Calciusterts）上效果不佳。这表明仅依靠重采样后的样本量是不够的，协变量的可分性和环境背景是决定性因素。平衡处理还使得地形和地貌预测因子的权重增加，同时减少了了对较弱协变量的依赖。为更好地处理难以区分的类别，我们建议使用边界感知的重采样方法（例如Borderline-SMOTE、SMOTE-ENN、ADASYN）和协变量增强技术（例如地层描述符）。最终得到的土壤地图清晰地显示了那些罕见但具有管理意义的土壤类别的空间差异，从而为更精准和可持续的土地利用决策提供了支持。