《Environmental Technology & Innovation》:Spatial mapping of soil profile pH in coastal saline-alkali farmland: A novel approach integrating stacking ensemble model with spatial interpretability analyses
精确预测土壤剖面pH的空间异质性对区域生态安全和可持续农业发展具有重要意义。然而,土壤pH与环境因子之间复杂的空间非平稳关系使得单一机器学习模型难以同时实现高预测精度与驱动机制的空间解释。本研究构建了以K近邻算法(KNN)、轻梯度提升机(Light Gradient Boosting Machine, LGBM)、随机森林(Random Forest, RF)、梯度提升决策树(Gradient Boosting Decision Tree, GBDT)和支持向量机回归(Support Vector Machine Regression, SVR)为基学习器、以极端梯度提升(Extreme Gradient Boosting, XGBoost)为元学习器的堆叠集成模型。该构建不仅旨在提高预测精度,还结合全局SHAP(SHapley Additive Interpretation)和空间SHAP以揭示驱动因子的空间分异特征。统计分析表明,研究区土壤呈碱性(pH = 7.29-9.55)。pH随深度增加呈上升趋势,且不同土层pH值之间存在中等强度的正相关(r = 0.27-0.52)。在此基础上,堆叠集成模型取得了良好的预测性能,其中pH40-60cm的R2最高(R2 = 0.75,RMSE = 0.18)。全局SHAP分析表明,从土壤表层到深层,人类活动因子和土壤属性因子占主导地位,且两者之间存在较强的协同效应。气候因子潜在蒸散发(Potential Evapotranspiration, PET)的相对贡献(Relative Contribution, RC)在最深层(pH80-100cm)显著增加(RC = 24.43%),且其与三角植被指数(Triangle Vegetation Index, TVI)的协同作用最强(协同交互值Synergy Interaction Value, SIV = 0.0063)。进一步的空间SHAP分析揭示了驱动因子影响的空间非平稳性。具有强协同效应的因子在高贡献区域具有相似的位置,并呈现同向或反向协同特征。本研究为预测盐碱地土壤剖面pH及其驱动机制分析提供了一种新方法。
土壤pH是表征盐碱土壤酸碱状况的核心参数,直接影响土壤养分有效性和微生物活性,同时调控重金属的迁移转化,是评估盐碱地土壤健康和生态系统功能的关键指标。在土壤剖面尺度上,深层土壤pH通过影响作物根系养分吸收决定农业生产潜力,同时调控土壤剖面内重金属离子的淋溶与沉积,其空间分布为盐碱地分层改良和地下水污染风险评估提供关键数据支持。然而,与表层土壤相比,深层土壤样品采集成本更高且覆盖范围有限,这使得高精度空间预测模型具有更大的实践价值。利用气候、地形、遥感和植被因子推断其空间变异性已成为主流方法,但由于土壤pH的强烈空间异质性及其与环境变量的非线性关系,加之传统统计模型和单一机器学习方法在处理空间非平稳性方面的局限,现有预测模型难以准确捕捉土壤pH的空间分布特征,导致预测精度较低。
传统土壤pH预测方法以多元线性回归(Multiple Linear Regression, MLR)和偏最小二乘回归(Partial Least Squares Regression, PLSR)等统计模型为代表,其核心是通过线性假设建立pH与环境协变量之间的关系,但在处理复杂环境关系时存在局限。空间自相关模型以回归克里金(Regression Kriging, RK)和地理加权回归(Geographically Weighted Regression, GWR)为代表,实现了土壤pH空间异质性信息的整合,但仍根本上属于线性模型,无法处理多变量间的复杂交互作用,限制了在复杂场景中的精度。为应对线性模型预测精度低的问题,随机森林(RF)、极端梯度提升(XGBoost)和支持向量机(SVM)等机器学习模型凭借其非线性拟合能力,相较于线性模型在土壤pH预测精度方面取得了一定提升,但整体预测精度仍未达到理想水平,且大多数机器学习模型未能纳入空间权重因素。当前土壤pH空间预测模型存在两大缺陷:第一,单一机器学习模型在土壤剖面预测中的局限性,单一模型缺乏多模型信息互补和误差校正机制,难以充分捕捉土壤pH与环境因子之间的复杂非线性关系,且现有研究多集中于表层土壤pH预测,缺乏对深层土壤pH的预测;第二,传统SHAP方法难以揭示土壤pH驱动机制的空间异质性,传统SH uses均值SHAP值只能反映各因子的全局平均贡献,无法揭示驱动因子贡献的空间异质性。
本研究的研究目标如下:(1)采用轻梯度提升机(LGBM)、梯度提升决策树(GBDT)、K近邻(KNN)、支持向量回归(SVR)和随机森林(RF)五种机器学习算法作为基模型,以极端梯度提升(XGBoost)作为元模型,分别针对0-20 cm、20-40 cm、40-60 cm、60-80 cm和80-100 cm五个土层构建堆叠集成模型,评估这些模型对土壤剖面的预测性能;(2)建立结合全局SHAP和空间SHAP的解释框架,全局SHAP用于识别各土层驱动因子对土壤pH的贡献幅度和方向,空间SHAP.yaml 进一步揭示这些因子驱动效应的空间分异特征;(3)基于堆叠集成模型对各土层的预测结果,绘制五个深度范围土壤pH的空间分布图,揭示土壤pH的剖面分异特征。
本研究主要关键的技术方法包括:基于递归特征消除随机森林(Recursive Feature Elimination with Random Forest, RFE-RF)方法进行建模因子筛选;以KNN、LGBM、RF、GBDT、SVR为基学习器、XGBoost为元学习器构建堆叠集成模型;采用全局SHAP分析量化驱动因子贡献,并进一步通过地理加权回归LGBM模型(GWR-LGBM)在各采样点进行局部训练获取空间SHAP值,经空间插值生成驱动因子贡献的连续空间分布表面;以决定系数(R
2)、均方根误差(RMSE)和相对改善百分比(RIP)作为模型性能评价指标。研究数据来源于中国山东省黄河三角洲地区,共采集0-100 cm深度区间625个土壤样品,按20 cm增量分层为五个土层,每层125个采样点,同时获取气候、植被、纹理特征及人类活动等多类环境因子。
统计与相关性分析表明,研究区土壤呈碱性,pH值范围为7.29-9.55。pH
0-20cm最低(8.35 ± 0.36),至pH
20-40cm显著上升至8.45 ± 0.38,呈突增趋势;pH
40-60cm为8.42 ± 0.35,pH
60-80cm为8.43 ± 0.35,pH
80-100cm为8.48 ± 0.37,后三层逐渐升高,其中pH
80-100cm为所有土层中最高。各层pH值的变异系数较小(CV < 5%)。Pearson相关分析显示各层pH值呈中等强度正相关(0.27 ≤ r ≤ 0.52,p < 0.01),相邻土层相关性尤为突出,pH
0-20cm与pH
20-40cm相关性最强(r = 0.52,p < 0.001),而非相邻土层相关性显著减弱。Mantel检验进一步验证了各土层pH值的正相关性及相邻土层更强的相关性。
基于RFE因子重要性筛选结果显示,当保留7个因子时,各土层因子累积贡献可达50%,能解释土壤pH变异的主要信息。人类活动和土壤属性相关因子在各层广泛入选:道路距离(ROD)入选五层,土壤盐分(SAL)入选四层,国内生产总值(GDP)、河流距离(RID)和粉粒含量(POW)各入选三层。气候因子中仅PET入选pH
80-100cm层;纹理特征中仅PC4入选pH
0-20cm和pH
20-40cm层;植被指数中仅三角植被指数(TVI)被筛选出,仅出现在深层土壤(pH
60-80cm和pH
80-100cm)。
堆叠集成模型在五个土壤深度均取得显著的性能提升,R
2介于0.68-0.75,RMSE介于0.17-0.22,整体预测精度显著优于五个基模型(R
2 = 0.21-0.47,RMSE = 0.20-0.35),验证了堆叠集成策略在土壤剖面pH预测中的有效性。模型预测性能随土壤深度波动:从表层至中层表现良好,pH
0-20cm、pH
20-40cm和pH
40-60cm的R
2分别为0.74、0.73和0.75,对应RMSE分别为0.19、0.17和0.18,其中pH
40-60cm的R
2略高于其他四层,pH
20-40cm的RMSE最小;至pH
60-80cm模型精度显著下降(R
2 = 0.68,RMSE = 0.22);随后在pH
80-100cm精度有所恢复(R
2 = 0.72,RMSE = 0.21),但仍低于前三层。与基模型相比,堆叠集成模型R
2提升幅度为54.9%-236.1%,相对KNN模型提升最突出(最大236.1%,pH
20-40cm),相对SVR和RF模型最大提升分别达205.6%(pH
80-100cm)和166.2%(pH
60-80cm)。作为经典空间统计方法的地理加权回归克里金(GWRK)在该数据集上表现极差,各层R
2仅0.02-0.17,显著劣于本研究堆叠集成模型。
基于SHAP的因子贡献和模型权重分析显示,各因子主导地位随土壤深度显著变化。表层pH
0-20cm纹理特征占主导(相对贡献RC = 44.75%,其中PC4贡献最大,RC = 21.71%);随深度增加,人类活动因子在pH
20-40cm(RC = 49.75%)和pH
60-80cm(RC = 50.10%)占主导;土壤属性因子在pH
40-60cm达峰值(RC = 66.69%),为整个土壤剖面中最高;最深层pH
80-100cm人类活动因子仍显示最高贡献(RC = 29.15%)但主导地位减弱,气候因子PET贡献显著增加(RC = 24.43%)。驱动方向上,SAL、POW和SWC等高SHAP值主要集中于负轴,表明负向驱动效应;粘土含量(CLA)驱动方向随深度变化,pH
0-20cm为正向驱动,pH
20-40cm为负向驱动;土壤有机碳(SOC)低SHAP值在正负轴分布相对均衡;土壤砂粒含量(SAN)高SHAP值在正负轴均有分布。人类活动因子中ROD、RID和GDP均表现负向驱动效应。纹理特征中PC3和PC4呈负向驱动,PC5呈正向驱动,PC1驱动效应较弱。植被指数TVI和气候因子PET高SHAP值在正负轴均有分布但主要集中于负轴。
基模型重要性权重方面,LGBM在四个土层获得最高重要性权重(RC > 25.60%);pH
20-40cm层KNN模型重要性超越LGBM成为最高(RC = 32.14%),pH
40-60cm和pH
80-100cm层KNN维持第二高位;RF模型在各层稳定位列第三至第四位(RC > 14.68%),而SVR(RC > 5.79%)和GBDT(RC > 9.54%)贡献相对较低。
土壤剖面pH驱动因子变量交互网络分析表明,因子间协同强度随深度显著变化。上部四层(pH
0-80cm)人类活动因子与土壤属性因子协同较强;最深层(pH
80-100cm)最强协同转移至植被-气候因子对。pH
40-60cm层协同网络最为密集,所有因子对间均存在协同;而pH
0-20cm、pH
20-40cm和pH
60-80cm网络相对稀疏。协同强度方面,最强协同发生在高贡献因子之间:pH
0-20cm为PC4与SAL(SIV = 0.0048),pH
20-40cm为PC4与GDP(SIV = 0.0107),pH
40-60cm为SAN与GDP(SIV = 0.0095),pH
60-80cm为POW与ROD(SIV = 0.0045),pH
80-100cm为PET与TVI(SIV = 0.0063)。
基于空间SHAP的因子影响空间分异特征分析显示,各因子对土壤pH的贡献强度和驱动方向均表现出显著空间异质性,且该异质性随深度变化。空间分布模式上,ROD高贡献区主要集中于北部和中部,正负驱动效应并存但以正驱动为主;';SAL高贡献区呈深度依赖性:pH
0-40cm集中于北部,pH
40-60cm遍布全区,pH
60-80cm集中于南北部,正负驱动效应均明显。PC4和POW高贡献区主要集中于北部或南部,高贡献区内正负驱动效应并存;夜间灯光指数(NLI)和RID高贡献区相对集中,NLI高贡献区主要在西侧,RID高贡献区在西北和中部区域,两者均主要表现正驱动效应。变量交互网络分析进一步揭示,强协同效应因子对在高贡献区域具有空间相似性,但驱动方向呈现同向或反向特征:pH
0-20cm层PC4和SAL在北部高贡献区重叠且均主要表现为负驱动,形成同向协同;pH
40-60cm层SAL和ROD在北部高贡献区重叠但驱动方向相反,构成反向协同;pH
80-100cm层PET和TVI在整个研究区维持一致高贡献,北部和中部区域以正驱动为主,南部以负驱动为主。
堆叠集成模型空间预测结果揭示了研究区土壤剖面pH的空间分布格局:整体呈碱性,道路和河流附近pH普遍较高;各深度空间分布存在差异,pH
20-40cm波动最大,极差达1.55。pH
0-20cm高值区与PC3和ROD高贡献区空间相似,低值区与SAL高贡献区相似;pH
40-60cm高值区与SAL和RID正驱动效应高贡献区相似,低值区与SAL负驱动效应高贡献区相似;pH
60-80cm高值区与SAL高贡献区相似;pH
80-100cm呈现带状交替模式,北部高值、中部低值、南部再高值、最南端再低值,PET在同位置呈现正驱动-负驱动-正驱动-负驱动的交替模式,该变化模式与气候因子PET对土壤pH的驱动方向高度一致。预测不确定性空间模式亦呈现显著区域分异,高不确定区在pH
0-20cm和pH
60-80cm多出现于相对较低pH区域(7.8-8.1),pH
20-40cm和pH
40-60cm多对应相对较高pH区域(8.4-8.7)。
讨论部分,研究人员首先分析了不同机器学习算法在堆叠集成中的互补性。堆叠集成模型在各土层均显著优于基模型,这源于其能够整合基于不同原理的机器学习算法,通过信息互补和误差校正有效克服单一模型因局部最优或限制性假设导致的有限泛化能力。本研究选取的五种基模型可分为三类:序列提升模型(LGBM、GBDT)、随机集成模型(RF)以及相似性和核基模型(KNN、SVR)。LGBM在堆叠模型中表现最优,与Tang等(2024)报道一致,证实了序列提升算法在堆叠框架内的显著优势。RF的随机采样机制与提升算法的序列残差校正策略形成互补,Zhan等(2025)结合RF与GBDT及深度森林(Deep Forest, DF)的研究结果与此处RF与序列提升模型的协同增强一致UH 一致。KNN和SVR分别从局部样本相似性和全局核函数映射提供互补信息,Saxena等(2024)的混合KNN和SVM研究及本研究均证实了这种局部-全局互补视角在堆叠集成框架内可被元模型有效整合。
模型精度变化机制方面,POW是唯一在40-100 cm三个土层均被持续选入模型的土壤纹理因子,其相对贡献随深度呈非单调变化,与该深度模型预测精度波动趋势密切匹配。一般看来,土壤纹理剖面空间异质性随深度增加而增强,POW在浅层形成相对稳定团聚体结构,而60 cm以下受原生沉积和成土过程控制,变异性显著增强。40-60 cm层POW空间分布相对均一,纹理与pH关系稳定,模型能有效捕捉该模式,故预测性能高;60-80 cm层POW空间异质性显著增加,且该深度可能处于地下水毛细上升波动带,蒸发与淋洗交替导致水盐运移频繁,叠加植物根系通过质子分泌、有机酸释放和阴阳离子吸收失衡持续影响根际pH,三者共同作用下单一变量与pH关系不再稳定,模型难以提取有效模式,导致精度显著下降;80-100 cm层根系密度降低,根系直接干扰减弱,接近或进入浅层地下水稳定影响区,水盐条件更趋稳定,尽管POW变异性达最大,但在稳定水盐背景下纹理效应得以稳定再表达,同时根际干扰减弱使模型重新捕获地表植被通过凋落物输入和蒸腾作用对深层土壤pH的长期累积影响,植被指数相对重要性显著恢复,环境因子与pH关系再次稳定,模型预测精度随之恢复。
关键驱动因子影响机制方面,研究区土壤碱性形成和演化是多过程叠加结果。土壤属性作为基础自然调控因子,研究区温带季风气候蒸发强烈,土壤水分空间差异直接驱动水盐迁移和盐分重分配,调节土壤pH空间格局;土壤脱盐伴随Ca
2+淋失和HCO
3-相对富集导致pH升高,这在滨海盐碱土中尤为突出;有机质分解释放有机酸可降低pH,但在高碱基阳离子缓冲系统下,SOC与pH并非简单线性负相关。人类活动因子亦发挥关键驱动作用,且与土壤属性因子存在一定交互:ROD是交通活动强度的重要指标,道路建设和磨损产生大量富含粉砂的碱性粉尘(混凝土、沥青颗粒),沉积后改变路边表层土壤颗粒组成,降低粘土相对比例,而粘土是交换性酸(H
+和Al
3+)的主要载体,粘土含量降低意味着单位质量土壤总潜在酸减少,同时削弱土壤缓冲能力,在持续碱性粉尘输入下土壤更易维持较高pH;道路建设和粉尘沉积还可能减少路边植被覆盖,从而减弱根系有机酸分泌和凋落物分解等生物酸化过程。RID对土壤pH的影响主要与人类灌溉活动驱动的水盐迁移及河流沉积形成的土壤质地有关,频繁灌溉抬高地下水位,强烈蒸发使地下水和灌溉水中Na
+、Ca
2+等离子通过毛细作用滞留于表层土壤,从而提高土壤pH;黄河冲积平原沉积分选使CLA随河距增加而增加,高粘土含量土壤通常具有更大阳离子交换量(Cation Exchange Capacity, CEC)和更强pH缓冲能力,可缓解土壤酸化。区域GDP水平表征农业集约化程度,高GDP区域农业投入和利用强度更高,过量失衡的氮肥施用促进硝化作用释放大量H
+直接导致土壤酸化,同时高强度种植系统中作物吸收Ca
2+、Mg
2+、K
2+等碱基阳离子过程中释放H
+,作物收获持续移走碱基阳离子,土壤释放H
+维持电荷平衡,共同加剧pH降低。尽管高农业集约化产生局H
2部酸化趋势,但区域尺度上盐碱化驱动因素仍占主导。
局限性方面,本研究采用随机7:3划分训练集和测试集,随机分割无法完全消除空间自相关导致的偏差,可能高估模型精度,且因缺乏深层土壤pH数据未进行严格泛化评估;地下水位因数据获取限制未纳入预测模型,尽管SAL在一定程度上捕获了地下水盐分运移对pH的调控效应,但无法完全替代地下水位的独立作用;特征子集构建采用RFE-RF方法,未来可对比多种选择方法开发更鲁棒的特征组合;基模型选择涵盖三种类型五model,但未包含神经网络和线性模型,未来应进一步探索不同基模型组合的最优配置及堆叠效应的边际效益;空间SHAP分析受采样点数量有限影响,采样密度可能影响局部变异特征捕捉精度。
研究结论部分翻译如下:统计分析结果表明,pH值随深度增加呈上升趋势。不同土层pH值呈中等强度正相关,且变异系数相对较小。本研究构建了预测土壤剖面pH的堆叠集成模型,与单一机器学习模型相比,预测精度提高了54.9%-236.1%,验证了多算法集成在非线性拟合和误差校正方面的优势。全局SHAP分析表明,土壤属性因子和人类活动因子在多个土层占主导地位,是调节土壤pH变异的核心因子。土壤属性因子通过水盐运移和化学缓冲等过程调控pH基线水平;人类活动因子则通过碱性物质输入、灌溉驱动水盐运移和氮循环扰动等路径影响区域酸碱条件。进一步的空间SHAP分析揭示了驱动因子效应的空间非平稳性。这些因子的高贡献区随深度增加发生显著变化,且强协同效应因子在高贡献区位置上具有相似性。本研究可为黄河三角洲盐碱地的精准改良和可持续利用提供科学支撑。