基于機(jī)器學(xué)習(xí)的植煙區(qū)土壤有機(jī)質(zhì)和全氮含量預(yù)測

張 鑫，楊 超，劉洪斌，武 偉

1. 西南大學(xué)資源環(huán)境學(xué)院，重慶市北碚區(qū)天生路2號 400715

2. 重慶市煙草科學(xué)研究所，重慶市北碚區(qū)天生路2號 400715

3. 西南大學(xué)計算機(jī)與信息科學(xué)學(xué)院，重慶市北碚區(qū)天生路2號 400715

土壤是煙草生長的物質(zhì)基礎(chǔ)。作為土壤性質(zhì)的關(guān)鍵指標(biāo)，土壤有機(jī)質(zhì)（Soil organic matter,SOM）和土壤全氮（Soil total nitrogen,STN）受到母質(zhì)、氣候、植被、地形和人類活動的影響而具有高度的空間異質(zhì)性［1-2］。此外，SOM和STN含量（質(zhì)量分?jǐn)?shù)）對土壤肥力和煙草植株的生長發(fā)育至關(guān)重要［3-8］。因此，明確SOM和STN含量及其空間分布，對煙區(qū)土壤肥力評估和養(yǎng)分管理有重要意義。近年來，隨著信息技術(shù)的快速發(fā)展，機(jī)器學(xué)習(xí)算法如隨機(jī)森林（Random Forest,RF）、梯度提升決策樹（Gradient Boosting Decision Tree,GBDT）和極端梯度提升（Extreme Gradient Boosting,XGBoost）由于模型參數(shù)較少，計算簡單且不容易過擬合而被廣泛應(yīng)用于土壤屬性空間分布預(yù)測與制圖研究中［9-12］。盧宏亮等［13］利用RF模型對安徽省土壤有機(jī)碳、土壤容重和土壤黏粒含量進(jìn)行了空間分布預(yù)測和制圖。郭澎濤等［14］基于多源環(huán)境變量并使用RF算法對海南島橡膠園土壤全氮含量進(jìn)行預(yù)測，預(yù)測值與實(shí)際測定結(jié)果接近。Ottoy等［15］比較了多種機(jī)器學(xué)習(xí)模型對土壤有機(jī)碳含量的預(yù)測性能，發(fā)現(xiàn)GBDT模型預(yù)測精度最佳。Chen等［16］通過使用RF和XGBoost混合模型對全中國表層土壤pH進(jìn)行預(yù)測并取得了較好效果。然而使用機(jī)器學(xué)習(xí)方法在煙區(qū)進(jìn)行SOM和STN含量預(yù)測和制圖還鮮有報道。重慶市巫山縣篤坪鄉(xiāng)是重要的煙葉產(chǎn)區(qū)之一，具備發(fā)展優(yōu)質(zhì)煙葉的氣候和土壤條件。目前，該區(qū)域SOM和STN含量的空間變化情況及主導(dǎo)環(huán)境因子仍不清楚。為此，比較了RF、GBDT和XGBoost模型對SOM和STN含量的預(yù)測性能，并基于最優(yōu)模型進(jìn)行SOM和STN含量預(yù)測和制圖，旨在確定影響SOM和STN含量空間變化的主要環(huán)境因素。

1 材料和方法

1.1 研究區(qū)概況

研究區(qū)位于重慶市巫山縣篤坪鄉(xiāng)，地理坐標(biāo)為110°1′～110°10′E，30°49′～30°59′N，總面積132 km2。地勢西高東低，海拔高度在190～1 891 m之間，平均海拔1 364 m（圖1）。亞熱帶季風(fēng)濕潤氣候，四季分明。年均溫度12℃，年均降雨量1 200 mm。成土母質(zhì)主要是三疊系大冶組灰?guī)r和二疊系梁山組灰?guī)r（圖2）。

圖1 研究區(qū)DEM及樣點(diǎn)分布圖Fig.1 Distribution of DEM and sampling sites in the research area

圖2 研究區(qū)環(huán)境因子的空間分布Fig.2 Spatial distribution of environmental factors in the research area

1.2 數(shù)據(jù)處理

于2017年煙葉采收后進(jìn)行土壤樣本采集，遵循均勻、具有代表性的原則，每個種植單元（8 hm2）取1個樣品，共采集180個土壤樣品（0～20 cm）。土壤樣品登記編號后帶回實(shí)驗(yàn)室，經(jīng)自然風(fēng)干、去雜、過篩后備測。分別采用重鉻酸鉀氧化容量法和自動定氮儀法測定SOM和STN含量（質(zhì)量分?jǐn)?shù)）［17］。

小尺度范圍內(nèi)土壤性質(zhì)與地形和成土母質(zhì)間關(guān)系密切。基于30 m×30 m的數(shù)字高程模型（Digital Elevation Model,DEM）并運(yùn)用SAGAGIS 2.2.7軟件［18］提取地形因子。為防止自變量共線而影響制圖精度，在SPSS 25軟件中對地形因子進(jìn)行方差膨脹因子檢驗(yàn)（Variance Inflation Factor，VIF），最終選出通過共線性診斷VIF≤10［19］的8個地形因子：海拔（Ele）、坡度（Slp）、坡向（Asp）、地形濕潤指數(shù)（TWI）、山谷深度（VD）、距河網(wǎng)垂直距離（VDCN）、坡高（SlpH）和中坡位（Midslp），見表1。成土母質(zhì)從1∶50 000重慶地質(zhì)圖中提取。

表1 研究區(qū)環(huán)境變量的選取Tab.1 Environmental variables of the research area

1.3 預(yù)測模型及評價

采用RF，GBDT和XGBoost模型對SOM和STN含量的空間分布特征進(jìn)行預(yù)測。其中，3個模型的基本原理參見文獻(xiàn)［20-22］。此外，RF模型有4個重要參數(shù)：樹的數(shù)量（n tree）、分割節(jié)點(diǎn)的預(yù)測變量數(shù)（m try）、樹深（TD）和葉片最小數(shù)量（nodesize）。GBDT模型有3個重要參數(shù)：樹數(shù)（TN）、學(xué)習(xí)率（LR）和樹深（TD）。XGBoost模型也有3個重要參數(shù)：樹數(shù)（TN）、學(xué)習(xí)率（LR）和樹深（TD）。

模型均在Python 3.8環(huán)境下運(yùn)行。為評價模型性能，從原始的180個數(shù)據(jù)集中隨機(jī)抽取20%的數(shù)據(jù)作為驗(yàn)證集。采用平均絕對誤差（Mean Absolute Error,MAE）、均方 根誤 差（Root mean Squared Error,RMSE）和決定系數(shù)（Correlation of Determination,R2）評價模型。其中，MAE和RMSE越小表示預(yù)測精度越高。R2表示模型對預(yù)測變量變異的解釋度。計算公式：

式中：xi表示實(shí)測值；yi表示預(yù)測值；x表示實(shí)測值均值；n表示實(shí)測樣本數(shù)量。

2 結(jié)果與分析

2.1 SOM和STN含量的描述性統(tǒng)計分析

研究區(qū)SOM和STN含量的描述性統(tǒng)計結(jié)果見表2。可以看出，SOM和STN含量平均值分別是32.40 g/kg和2.01 g/kg，變化范圍分別為10.28～77.15 g/kg和0.71～4.93 g/kg。整體來看，驗(yàn)證集的SOM和STN含量平均值高于訓(xùn)練集。另外，SOM和STN含量均為中等程度變異（25%～75%），偏度均大于1，經(jīng)對數(shù)轉(zhuǎn)換后數(shù)據(jù)符合正態(tài)分布。

表2 研究區(qū)采樣點(diǎn)SOM和STN含量的描述性統(tǒng)計分析Tab.2 Descriptive statistics of SOM and STN of sampling sites

2.2 SOM和STN含量與地形因子間的關(guān)系

SOM和STN含量與地形因子間的相關(guān)性見表3。表3結(jié)果表明，SOM和STN含量呈極顯著正相關(guān)。SOM含量與海拔呈正相關(guān)，與其他地形因子均呈負(fù)相關(guān)。STN含量與所有地形因子均呈負(fù)相關(guān)，其中與海拔和坡度呈顯著負(fù)相關(guān)，與坡向呈極顯著負(fù)相關(guān)。

表3 SOM和STN含量與地形因子間的相關(guān)性①Tab.3 Correlations between SOM or STN contents and topographic factors

2.3 不同母質(zhì)SOM和STN含量的均值比較

兩種成土母質(zhì)下SOM和STN含量均值比較見表4。結(jié)果表明，成土母質(zhì)為二疊系梁山組灰?guī)r發(fā)育的土壤SOM（39.95 g/kg）和STN（2.59 g/kg）含量顯著高于三疊系大冶組灰?guī)r發(fā)育土壤。

表4 兩種母質(zhì)SOM和STN含量比較①Tab.4 SOM and STN contents in two parent materials

2.4 模型構(gòu)建及表現(xiàn)

為提高預(yù)測精度，對各模型進(jìn)行參數(shù)調(diào)整與優(yōu)化。經(jīng)多次驗(yàn)證后得到各個模型的參數(shù)。對于RF模型，預(yù)測SOM含量最合適的n tree、m try、TD和nodesize分別是500、2、5和6，預(yù)測STN含量的參數(shù)分別是500、2、5和7。對于GBDT模型，預(yù)測SOM含量的參數(shù)（TN、LR和TD）設(shè)置為120、0.02和3，預(yù)測STN含量的參數(shù)設(shè)置為100、0.04和3。XGBoost模型的參數(shù)在兩種土壤指標(biāo)預(yù)測中均設(shè)置為100、0.05和3。

模型的預(yù)測性能如表5和圖3所示。對于SOM含量的預(yù)測，RF、GBDT和XGBoost在驗(yàn)證集中的R2分別為0.583 7、0.616 7和0.554 3。同時，GBDT模型 的MAE（4.81 g/kg）高于RF（4.7 g/kg）和XGBoost（4.78 g/kg）模型，RMSE（5.94 g/kg）低于RF（6.16 g/kg）和XGBoost（6.41 g/kg）模型。對于STN含量的預(yù)測，GBDT模型的R2（0.746 8）也高于RF（0.722 0）和XGBoost（0.686 1）模型，而MAE（0.25g/kg）和RMSE（0.34 g/kg）均 低 于RF和XGBoost模型。整體上，GBDT模型預(yù)測誤差較小且解釋了SOM和STN含量空間變異的61.67%和74.68%，可作為預(yù)測最佳模型。

表5 不同模型的預(yù)測性能比較①Tab.5 Predictive performances of different models

圖3 基于GBDT模型的SOM（a）和STN（b）含量實(shí)測值和預(yù)測值散點(diǎn)圖Fig.3 Scatter plots of measured and predicted contents of SOM（a）and STN（b）based on GBDT models

2.5 環(huán)境因子重要性排序及空間分布預(yù)測圖

圖4是各個環(huán)境變量的重要性（百分比）排序，重要性大于10%表明該變量在一定程度上影響著SOM和STN含量的空間分布。圖4結(jié)果表明，影響SOM含量的主要環(huán)境因子是Par（22.49%）、Ele（17.86%）、TWI（15.10%）和VD（14.78%），影響STN含量的主要環(huán)境因子是Par（32.71%）、SlpH（17.76%）和Ele（10.32%）?？傮w上來看，成土母質(zhì)和地形因子均在一定程度上影響著SOM和STN含量的空間分布。

圖4 基于GBDT模型的SOM（a）和STN（b）的環(huán)境因子重要性Fig.4 Importance of environmental factors for SOM（a）and STN（b）based on GBDT models

基于GBDT模型的SOM和STN含量在旱地的空間分布預(yù)測結(jié)果見圖5。由圖5可見，SOM預(yù)測值的變化范圍為19.76～66.14 g/kg，STN預(yù)測值的變化范圍為1.04～4.43 g/kg，其空間分布均受到成土母質(zhì)的影響。從同種母質(zhì)的空間分布來看，二疊系梁山組灰?guī)r發(fā)育的土壤SOM和STN含量在高海拔區(qū)較高，低海拔區(qū)較低。三疊系大冶組灰?guī)r發(fā)育的土壤SOM和STN含量整體偏低。

圖5 基于GBDT模型的SOM（a）和STN（b）含量空間分布預(yù)測Fig.5 Spatial distribution predictions on SOM（a）and STN（b）contents based on GBDT models

3 討論

通過對比3種機(jī)器學(xué)習(xí)模型對植煙區(qū)SOM和STN含量的預(yù)測性能發(fā)現(xiàn)，RF和GBDT模型表現(xiàn)出較好的預(yù)測性，而XGBoost模型則在訓(xùn)練集上表現(xiàn)出過擬合。這說明RF和GBDT模型在預(yù)測SOM和STN含量方面較為穩(wěn)定，避免了模型過擬合，這與前人的研究結(jié)果一致［14,23-24］。但相較于RF模型，GBDT模型運(yùn)行速度更快，學(xué)習(xí)效率更高，最終表現(xiàn)出的預(yù)測精度更高且對SOM和STN含量空間變異的解釋能力也更強(qiáng)。說明在小尺度的植煙區(qū)域，GBDT模型對SOM和STN含量的預(yù)測有較好的效果。

本試驗(yàn)中發(fā)現(xiàn)，成土母質(zhì)對SOM和STN含量的預(yù)測最為重要，這與前人的研究結(jié)果基本相符［14,25］。本研究中SOM和STN含量在兩種母質(zhì)中出現(xiàn)較大差異，其空間分布預(yù)測也與研究區(qū)母質(zhì)的空間分布基本一致。是因?yàn)樵搮^(qū)域三疊系地層下的巖石主要是灰?guī)r、白云巖、礫巖和石英砂巖，而二疊系地層下的巖石主要是灰?guī)r、頁巖和硅質(zhì)巖?；?guī)r、頁巖和硅質(zhì)巖受化學(xué)溶解風(fēng)化的影響，形成的土壤顆粒較細(xì)、黏粒含量高，有利于有機(jī)肥等的吸收利用［26-27］。本研究中解釋了SOM和STN含量空間變異的61.67%和74.68%，考慮到制圖的準(zhǔn)確性，需要進(jìn)一步對模型進(jìn)行優(yōu)化，同時考慮在兩種成土母質(zhì)附近采集更多樣點(diǎn)以增強(qiáng)SOM和STN含量空間預(yù)測的準(zhǔn)確性。

4 結(jié)論

基于3種機(jī)器學(xué)習(xí)模型（RF、GBDT和XGBoost）對SOM和STN含量進(jìn)行數(shù)字土壤預(yù)測制圖，通過在重慶典型植煙區(qū)巫山縣篤坪鄉(xiāng)的應(yīng)用結(jié)果表明：①RF、GBDT和XGBoost模型對SOM含量的預(yù)測的R2分別為0.583 7、0.616 7和0.554 3，對STN含量預(yù)測的R2分別為0.722 0、0.746 8和0.686 1。GBDT模型可以解釋SOM和STN含量空間變異的61.67%和74.68%，可作為植煙區(qū)SOM和STN含量預(yù)測的最優(yōu)模型。②環(huán)境因子對SOM含量影響的排序依次為成土母質(zhì)＞海拔＞地形濕度指數(shù)＞山谷深度，對STN含量影響的排序依次為成土母質(zhì)＞坡高＞海拔。成土母質(zhì)均排名首位，顯著影響研究區(qū)SOM和STN含量的空間變異。