基于多源環(huán)境變量和隨機(jī)森林模型的江西省耕地土壤pH值空間預(yù)測

鐘驍勇, 李洪義, 郭冬艷, 謝模典, 趙婉如, 胡碧峰

(1.江西財經(jīng)大學(xué)財稅與公共管理學(xué)院,南昌 330013; 2.中國自然資源經(jīng)濟(jì)研究院,北京 101149; 3.江西財經(jīng)大學(xué)旅游與城市管理學(xué)院,南昌 330013; 4.江西財經(jīng)大學(xué)財經(jīng)數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗(yàn)室,南昌 330013)

0 引言

耕地資源是人類賴以生存的重要物質(zhì)基礎(chǔ)和生產(chǎn)資料,土壤pH值作為耕地土壤關(guān)鍵屬性之一,不僅是影響農(nóng)作物生長發(fā)育的重要因素,也是影響土壤養(yǎng)分有效性和土壤重金屬元素遷移轉(zhuǎn)換的關(guān)鍵因子[1]。但是,隨著人類社會工業(yè)化進(jìn)程加快,酸性氣體(SO2)、顆粒污染物排放以及氮肥的大量施用等,使得土壤酸化在許多地方成為一個普遍的趨勢[2-4]。張福鎖院士團(tuán)隊(duì)在Science上發(fā)表的研究結(jié)果表明,從20世紀(jì)80年代—21世紀(jì)初,中國主要農(nóng)作物產(chǎn)區(qū)土壤pH值明顯下降[5]。土壤酸化會增加土壤重金屬的活性,不利于農(nóng)作物健康生長,進(jìn)而威脅中國的糧食生產(chǎn)安全,這一問題在中國南方地區(qū)尤為突出[6-7]。因此,獲得準(zhǔn)確的土壤pH值空間分布信息對于遏制土壤酸化趨勢、保護(hù)土壤環(huán)境質(zhì)量和保障糧食生產(chǎn)安全具有十分重要的意義和價值。

國內(nèi)外許多研究學(xué)者使用地統(tǒng)計學(xué)等空間插值方法用于土壤屬性空間信息的預(yù)測,主要有普通克里格插值法(ordinary Kriging,OK)、反距離權(quán)重插值法(inverse distance weighted,IDW)、普通最小二乘法(ordinary least squares,OLS)、地理加權(quán)回歸(geographically weighted regression,GWR)等[6,8-12]。近年來,隨著計算機(jī)技術(shù)、衛(wèi)星遙感和土壤近地傳感器等技術(shù)的快速發(fā)展,機(jī)器學(xué)習(xí)算法應(yīng)用于數(shù)字土壤制圖(digital soil mapping,DSM)成為一個新的研究熱點(diǎn)[13-21]。張甘霖等[22]指出: DSM未來有從地統(tǒng)計學(xué)走向機(jī)器學(xué)習(xí)為主導(dǎo)模型的趨勢。隨機(jī)森林(random forest,RF)作為一種以數(shù)據(jù)為驅(qū)動的機(jī)器學(xué)習(xí)方法[23],具有訓(xùn)練速度快、對多元線性不敏感、易于處理缺失數(shù)據(jù)等優(yōu)點(diǎn),還可避免對模型的過度擬合[24-26]。RF能夠獲取和表達(dá)土壤屬性空間變化與環(huán)境變量的復(fù)雜非線性關(guān)系,并根據(jù)這種關(guān)系推測土壤屬性空間分布,還能以相對較少的樣本量取得較好的預(yù)測精度[27]。目前已有研究將RF模型用于土壤有機(jī)碳、土壤類型和土壤質(zhì)地等屬性空間預(yù)測和制圖[28-31,26]。但是目前將RF應(yīng)用于土壤pH值空間預(yù)測制圖的研究還較為少見,尤其是國內(nèi)運(yùn)用RF模型開展大尺度耕地pH值空間預(yù)測分析的研究鮮有報道。

因此,本文以土壤酸化現(xiàn)象顯著的江西省為例,使用RF算法和環(huán)境協(xié)變量信息開展耕地土壤pH值的預(yù)測研究。同時將預(yù)測結(jié)果與使用OK方法插值結(jié)果進(jìn)行對比,驗(yàn)證使用RF算法開展大尺度耕地土壤pH值預(yù)測研究的可行性和可靠性,為江西省土壤酸化問題的治理和農(nóng)業(yè)生產(chǎn)管理提供數(shù)據(jù)基礎(chǔ)和依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

江西省位于中國東南部,長江中下游南岸,位于E113°34′36″～118°28′58″,N24°29′14″～30°04′41″之間(圖1),屬于亞熱帶季風(fēng)性濕潤氣候,是我國重要的糧食、油料、棉花、蔬菜和水果生產(chǎn)基地。江西地貌類型以山地、丘陵為主,山地占全省面積的36%,丘陵占42%,平原占12%,水域占10%。主要土壤類型為偏酸性的紅壤,面積達(dá)93 111.32 km2,約占全省總面積的56%,具有較為明顯的地帶性和地域分布規(guī)律。

圖1 研究區(qū)土壤采樣點(diǎn)分布

1.2 數(shù)據(jù)源及預(yù)處理

采集土壤樣點(diǎn)16 582個,同時選取樣點(diǎn)的土壤屬性以及植被指數(shù)、地形變量、氣候變量和耕地利用條件作為耕地土壤pH值空間預(yù)測的環(huán)境變量。其中土壤屬性包括土壤類型、有機(jī)質(zhì)、有效磷、速效鉀、全氮、全磷、全鉀、陽離子交換量、成土母質(zhì)和耕層質(zhì)地,數(shù)據(jù)來源于2018年江西省耕地質(zhì)量等別數(shù)據(jù)庫、1980年和2010年江西省農(nóng)業(yè)測土配方項(xiàng)目數(shù)據(jù)。歸一化植被指數(shù)、地形變量的地貌類型和高程以及氣象因子的年均氣溫和年降水量均通過資源環(huán)境科學(xué)數(shù)據(jù)中心(http: //www.resdc.cn/)網(wǎng)站下載獲取,影像空間分辨率均為30 m。為了更好地反映出江西省地形條件對土壤屬性變化的影響,選擇高程、坡度、坡向、剖面曲率、平面曲率、溝谷深度、地形濕度指數(shù)、垂直到溝谷距離和多分辨率谷底平坦度等地形因子,分別借助ArcGIS 10.2和SAGA 7.6.2軟件從數(shù)字高程模型(digital elevation model,DEM)數(shù)據(jù)中提取。耕地利用條件包括灌溉保證率、排水條件、氮肥用量、磷肥P2O5用量、鉀肥K2O用量、秸稈還田比例和秸稈還田量,數(shù)據(jù)來源于2018年江西省耕地質(zhì)量等別數(shù)據(jù)庫(表1)。

表1 土壤pH值空間預(yù)測的環(huán)境變量及數(shù)據(jù)來源

2 研究方法

2.1 環(huán)境變量的組合和篩選

為全面分析土壤pH值空間變異規(guī)律以及探索不同環(huán)境變量對模型預(yù)測精度的貢獻(xiàn)程度,將表1中30個環(huán)境變量分成2種不同的組合: ①以地形變量、氣候變量和植被指數(shù)等遙感數(shù)據(jù)為基礎(chǔ),增加土壤屬性和耕地利用條件等實(shí)測數(shù)據(jù)進(jìn)行模型訓(xùn)練(RF-A); ②采用傳統(tǒng)的地形變量、氣候變量和植被指數(shù)等遙感數(shù)據(jù)訓(xùn)練模型(RF-B)。

2.2 RF模型構(gòu)建

基于采集到的16 582個土壤樣點(diǎn)數(shù)據(jù),按照8∶2,7∶3和6∶4的比例分為訓(xùn)練集和驗(yàn)證集。RF模型采用bootstrap方法對樣本進(jìn)行放回抽樣,沒有被抽取的樣本會自動生成一個對照集,因此不需要進(jìn)行交叉驗(yàn)證。RF模型中2個可調(diào)參數(shù)決策樹數(shù)量ntree和節(jié)點(diǎn)分裂次數(shù)mtry決定了模型的配置。

2.3 精度分析與比較

RF模型精度評價選用皮爾遜相關(guān)系數(shù)r、平均誤差ME、絕對平均誤差MAE和均方根誤差RMSE等4個統(tǒng)計指標(biāo),其計算公式分別為:

,

(1)

,

(2)

,

(3)

,

(4)

3 結(jié)果與分析

3.1 土壤pH值的描述性統(tǒng)計分析

通過江西省耕地土壤pH值描述性統(tǒng)計結(jié)果可知,土壤pH值范圍在4.00～8.30之間,平均值為5.20,中位數(shù)為5.10,標(biāo)準(zhǔn)差為4.91,變異系數(shù)為9.43%,表明江西省耕地土壤pH值呈弱變異。參考通用標(biāo)準(zhǔn)將江西省土壤pH值劃分為7個等級: 極強(qiáng)酸性(pH<4.5)、強(qiáng)酸性[4.5,5.5)、酸性[5.5,6.5)、中性[6.5,7.5)、堿性[7.5,8.5)、強(qiáng)堿性[8.5,9.5)和極強(qiáng)堿性(pH≥9.5)。結(jié)果顯示,江西省耕地土壤pH值樣點(diǎn)中,極強(qiáng)酸性樣本數(shù)67個,占比0.43%; 強(qiáng)酸性樣本數(shù)12 718個,占比76.69%; 酸性樣本數(shù)3 301個,占比19.90%; 中性樣本數(shù)435個,占比2.62%; 堿性樣本數(shù)61個,占比0.36%; 沒有強(qiáng)堿性樣本。綜上可知,江西省耕地土壤總體呈現(xiàn)明顯的酸性特征。

3.2 RF模型最優(yōu)參數(shù)分析

通過逐次試驗(yàn),確定RF模型中mtry和ntree參數(shù)的最優(yōu)值。固定mtry(分別設(shè)為2,4,6和8),逐次調(diào)整ntree(分別設(shè)為300,600,900,1 200和1 500),進(jìn)行4組20次試驗(yàn)。為避免過擬合問題,通過比較訓(xùn)練集和驗(yàn)證集的相關(guān)系數(shù)(r值),根據(jù)兩者最為接近的結(jié)果確定最優(yōu)預(yù)測模型的參數(shù)。結(jié)果表明(表2): 當(dāng)mtry=8,ntree=900時,pH值預(yù)測模型的訓(xùn)練集和驗(yàn)證集r值最為接近,表明此時的模型穩(wěn)定性最佳。

表2 RF模型中節(jié)點(diǎn)分裂次數(shù)和決策樹數(shù)量的篩選

3.3 不同訓(xùn)練集的RF和OK模型預(yù)測精度比較

基于不同訓(xùn)練集運(yùn)行模型所獲得的預(yù)測結(jié)果有所不同(表3)。從相關(guān)系數(shù)r看,不同訓(xùn)練集的RF-A和RF-B模型預(yù)測的土壤pH值與實(shí)測值的r較高(均大于0.96)且差別不大,而OK模型r處于0.65左右,預(yù)測精度明顯低于RF模型; 從誤差看,RF-A模型的ME,MAE和RMSE值最小,而OK模型的誤差明顯更高。3種模型的擬合能力隨訓(xùn)練樣本量呈現(xiàn)不同的變化趨勢?？傮w上看,RF-A模型略微優(yōu)于RF-B模型,OK模型明顯弱于前2個模型,并且訓(xùn)練集和驗(yàn)證集抽樣比在7∶3時RF-A模型精度最佳。在驗(yàn)證數(shù)據(jù)集中,除了抽樣比7∶3時,OK模型比RF-A模型精度高外,其他情況下RF-A模型的r更高。這表明環(huán)境變量增加耕地土壤實(shí)測數(shù)據(jù)有利于提高模型預(yù)測精度。因此在土壤樣點(diǎn)數(shù)據(jù)充足的情況下,應(yīng)優(yōu)先選擇RF-A模型用于土壤pH值的建模預(yù)測制圖。

表3 使用不同訓(xùn)練集時RF和OK模型預(yù)測精度比較

3.4 環(huán)境變量重要性分析

使用RF模型定量計算出不同變量對于土壤pH值預(yù)測的重要性(圖2)。由圖2可知,氣候因素如年均氣溫和年降水量是決定土壤pH值的最重要因素,這一結(jié)果與Chen等[32]、盧宏亮等[33]和王世航等[34]的研究結(jié)果基本一致。此外,地形地貌因子如溝谷深度、高程和多分辨率谷底平坦度也是決定土壤pH值的重要因子。說明江西省土壤pH值分布與地形地貌特征高度相關(guān)。土壤理化性質(zhì)對于土壤pH值也有著不可忽視的影響。人為因素如化肥施用量、排水和灌溉條件等也對土壤pH值有較大影響。但是部分因子如土壤類型、秸稈還田比例的重要性低于預(yù)期,需要后續(xù)進(jìn)一步研究加以分析。

圖2 RF-A模型變量相對重要性

3.5 耕地土壤pH值空間預(yù)測制圖

研究區(qū)耕地土壤pH值空間分布如圖3所示,整體上使用OK模型、RF-A和RF-B模型獲得的研究區(qū)土壤pH值空間分布特征大體相同,其中土壤pH低值區(qū)主要分布在江西省中部鄱陽湖平原的南昌市、撫州市和吉安市等地區(qū),高值區(qū)域主要分布于江西省西部和東部山地丘陵區(qū)域,如九江市、鷹潭市、萍鄉(xiāng)市和上饒市等地區(qū)。結(jié)合圖1高程信息可知,這一分布特征與江西省地形地勢較為相似,表明江西省土壤pH值分布與地形地貌因素存在較大的關(guān)聯(lián)性,這一結(jié)果與圖2結(jié)果相互印證。本文預(yù)測結(jié)果與周宏冀[35]采用OK模型、協(xié)同克里格和BP神經(jīng)網(wǎng)絡(luò)所獲得的預(yù)測結(jié)果也基本一致。

(a) RF-A模型預(yù)測結(jié)果 (b) RF-B模型預(yù)測結(jié)果 (c) OK模型預(yù)測結(jié)果

4 討論

4.1 模型精度分析

根據(jù)表3評價結(jié)果所示,當(dāng)訓(xùn)練集和驗(yàn)證集劃分比例為8∶2時,RF-A模型對于pH值的預(yù)測結(jié)果精度最高,其r為0.599,RMSE為0.392,其預(yù)測值與實(shí)測值散點(diǎn)圖見圖4。模型精度略低于齊雁冰等[36]的研究結(jié)果。主要原因可能是江西省地貌類型復(fù)雜,山地丘陵地貌區(qū)所占比重較大,山區(qū)耕地分布面積小而破碎,土壤pH值預(yù)測難度相比地勢平坦、地形地貌類型單一的小區(qū)域難度更大[37]。雖然本文使用RF模型預(yù)測精度仍需進(jìn)一步提高,但是預(yù)測結(jié)果基本符合預(yù)期,仍然可以為江西省耕地資源管理提供寶貴的數(shù)據(jù)基礎(chǔ)。

圖4 RF-A模型預(yù)測值與實(shí)測值散點(diǎn)圖

4.2 pH值空間變異的影響因素分析

通過運(yùn)用R Studio軟件開展pH值空間變異的影響因素分析,結(jié)果顯示江西省耕地土壤pH值與年均氣溫和年降水量關(guān)系密切(圖2),這一結(jié)論與Chen等[32]、盧宏亮等[33]和王世航等[34]的研究結(jié)果基本一致。此外,溝谷深度、多分辨率谷底平坦度、高程、坡度和坡向等地形地貌因子也可以通過影響溫度、光照、水分和熱量的再分配以及母巖形成分布等影響土壤的發(fā)育,從而間接影響土壤pH值[38]。因此,地形因子對于預(yù)測土壤pH值也具有很高的重要性(圖2)。土壤pH值與土壤有機(jī)質(zhì)含量呈現(xiàn)極其顯著負(fù)相關(guān)關(guān)系,而土壤pH值與陽離子交換量呈現(xiàn)極其顯著的正相關(guān)關(guān)系,這一結(jié)果與戴萬宏等[39]、許亞琪[40]、康婷等[41]和王暉等[42]的研究結(jié)果一致。耕層質(zhì)地和土壤類型對于土壤pH值也有明顯的影響,輕壤pH值明顯高于其他耕層質(zhì)地類型,黏土次之,不同土壤類型pH值差異也十分顯著,其中草洲沙泥土、鱔泥棕紅壤和棕色石灰土土壤pH值相對最高,這一結(jié)果與前人研究基本一致[32]。需要注意的是,排水條件和灌溉保證率對于耕地土壤pH值也有不可忽視的影響,本研究結(jié)果表明,耕地排水能力不滿足的情況下耕地土壤pH值最高,在排水能力充分滿足和基本滿足的耕地土壤pH值相對較低。同時灌溉能力不滿足的耕地土壤pH值也高于灌溉能力基本滿足和充分滿足的耕地土壤,這一結(jié)果與朱丹妹等[43]和Ding等[44]的研究結(jié)果較為相符(圖5)。

(a) pH與有機(jī)質(zhì)含量的相關(guān)性 (b) pH與陽離子交換量的相關(guān)性 (c) pH與土壤類型的相關(guān)性

5 結(jié)論

綜合使用地形、氣候、植被指數(shù)、土壤屬性和耕地利用條件等自然環(huán)境協(xié)變量和人為管理因素數(shù)據(jù),基于大量土壤實(shí)測樣點(diǎn),分別訓(xùn)練使用2種不同變量組合、不同模型參數(shù)設(shè)置和不同訓(xùn)練抽樣比數(shù)據(jù)集合的隨機(jī)森林模型,并預(yù)測江西省耕地土壤pH值,再將預(yù)測結(jié)果與普通克里格方法進(jìn)行對比。得到如下結(jié)論:

1)增加土壤屬性和耕地利用條件作為環(huán)境變量的RF-A模型預(yù)測耕地土壤pH值的精度優(yōu)于以地形、氣候、植被屬性作為環(huán)境變量的RF-B模型和普通克里格的預(yù)測結(jié)果。

2)環(huán)境變量重要性分析結(jié)果顯示,氣候因素如年均氣溫和年降水量是決定土壤pH的最重要因素,地形因子、化肥施用量、排水和灌溉條件對土壤pH值變異的影響次之,分析結(jié)果與前人研究基本一致,表明相關(guān)結(jié)論較為可靠,對開展大尺度耕地土壤pH值預(yù)測具有一定的理論借鑒和實(shí)際應(yīng)用價值。

但是,對于土壤pH值空間預(yù)測精度仍有待提高,今后將考慮增加環(huán)境協(xié)變量因子,提高基礎(chǔ)數(shù)據(jù)空間分辨率等,進(jìn)一步提高隨機(jī)森林模型預(yù)測土壤pH值的精度。