机器学习在数字土壤制图中建模成分性土壤属性的应用

《CATENA》：Machine learning for modelling compositional soil properties in digital soil mapping

　　

研究人员比较了基于变换和无变换的机器学习模型，用于数字土壤制图（digital soil mapping, DSM）中的成分性土壤属性建模。研究发现，将对数比（log-ratio）预测进行逆变换可能会引入预测偏差。狄利克雷随机森林（Dirichlet Random Forest, DirRF）在土壤质地预测中表现最佳。研究人员利用欧洲LUCAS表土数据评估了这些建模方法，并为成分性数字土壤制图提供了实践指导。

研究背景与问题

在数字土壤制图（digital soil mapping, DSM）中，常规的机器学习回归模型常用于映射土壤属性，包括土壤质地、矿物组成和地球化学元素比例等成分性（compositional）土壤属性。成分性数据具有非负性，通常以总和为常数（如1或100%）的比例或百分比表示。由于组分之和固定，只有k-1个组分可以独立变化，一个组分的增加必然伴随至少另一个组分的减少。因此，成分传达的是相对而非绝对信息，组分间的比值通常是主要关注点。成分性数据分析（compositional data analysis, CoDA）提供了在尊重这些约束及其相对性质的框架下分析此类数据的统计方法。直接将标准统计和机器学习方法应用于单纯形（simplex）中的数据可能导致伪相关和不一致的预测。

尽管CoDA方法可用，且机器学习在DSM中的应用日益增长，但针对成分性响应的实用建模框架仍然零散，缺乏清晰的方法论指导。例如，Amirian-Chakan等人的研究表明，对变换后和未变换的土壤质地组分建模的随机森林（random forest, RF）模型精度相似，但逆变换引入了潜在偏差。此外，最近提出的狄利克雷随机森林（Dirichlet Random Forest, DirRF）方法无需事先进行对数比变换即可直接在单纯形上建模成分性响应，这为DSM实践者提供了一个重要的优势。因此，本研究旨在系统比较基于变换（如ilr-RF）和无变换（如DirRF）的方法，为成分性DSM提供实用的方法论指导。

研究方法

研究人员使用了欧洲LUCAS（Land Use/Cover Area frame Statistical Survey）表土数据集作为案例研究，重点比较了两种主要的建模策略：一种是通过等距对数比（isometric log-ratio, ilr）变换将成分性土壤质地数据转换到实数空间，再用多元随机森林（multivariate random forest, RF）建模后进行逆变换；另一种是直接使用狄利克雷随机森林（DirRF），该方法假设节点内的成分遵循狄利克雷概率分布（Dirichlet probability distribution），并根据狄利克雷似然改进来选择分裂点，从而直接在单纯形上建模完整成分。模型性能通过均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R2）等指标进行评估，同时特别关注了逆变换可能引入的偏差问题。

研究结果

• •
  3.1 模型校准与评估：研究人员通过五折交叉验证评估了不同模型的性能。结果表明，DirRF在预测土壤质地组分（黏粒、砂粒、粉粒）方面整体优于ilr-RF，尤其是在处理成分性数据的闭合约束时表现出更好的稳定性。
• •
  3.2 逆变换偏差分析：研究发现，ilr-RF方法在逆变换过程中引入了系统性偏差，导致预测值偏向平均值，而DirRF由于直接在单纯形上建模，避免了这一偏差问题。这种偏差在极端组分值（如高黏粒含量）时尤为明显。
• •
  3.3 空间预测对比：在空间预测图上，DirRF生成的土壤质地地图更符合实际观测的空间变异模式，而ilr-RF的预测图显示出明显的平滑效应，低估了空间异质性。

讨论与结论

讨论部分指出，虽然对数比变换是处理成分性数据的经典方法，但在机器学习框架中，逆变换的非线性特性会引入统计偏差，影响预测的准确性。DirRF通过直接建模成分性响应，不仅简化了工作流程，还提高了预测的可靠性和物理一致性。研究强调，对于DSM实践者而言，选择无变换的DirRF方法可以有效避免逆变换带来的问题，尤其适用于需要直接输出原始组分比例的制图任务。

研究结论：研究人员通过对欧洲LUCAS表土数据的实证分析，证实了DirRF在土壤质地预测中的优越性，并提供了成分性数字土壤制图的实用指南。研究建议，在未来的成分性DSM研究中，应优先考虑使用DirRF等直接建模方法，以减少因逆变换导致的偏差，提高预测结果的科学性和实用性。