基于可解释机器学习的河套平原盐碱农田土壤水分和有机质含量估算

丁启东; 黄华雨; 张俊华; 杨凌彬; 贾科利; 郝凤霞

doi:10.13961/j.cnki.stbctb.2025.04.033

您当前的位置：

首页 >

文章列表页 >

基于可解释机器学习的河套平原盐碱农田土壤水分和有机质含量估算

水保监测与应用技术

- 基于可解释机器学习的河套平原盐碱农田土壤水分和有机质含量估算
- Estimation of soil moisture and organic matter content in saline-alkaline farmland of Hetao Plain based on interpretable machine learning
- 水土保持通报 2025年45卷第4期页码：184-197
- 作者机构：
  
  1.宁夏大学生态环境学院，宁夏银川 750021
  2.宁夏大学地理科学与;规划学院，宁夏银川 750021
  3.宁夏大学化学化工学院，宁夏银川 750021
- 作者简介：
  
  丁启东（1995—），男（汉族），甘肃省天水市人，硕士研究生，研究方向为遥感监测、精准农业与土壤地力提升。Email：2535643120@qq.com。
  张俊华（1977—），女（汉族），宁夏回族自治区中卫市人，博士，研究员，主要从事精准农业与土地质量提升研究。Email：zhangjunhua728@163.com。
  郝凤霞（1978—），女（汉族），宁夏回族自治区中宁人，硕士，副教授，主要从事土壤环境方面的研究工作。Email：hao_fx@nxu.edu.cn。
- 基金信息：
  
  国家重点研发计划项目”河套平原盐碱农田水肥盐精准诊断与地力长效提升关键技术及产品研发”(2021YFD1900602);国家自然科学基金项目“时空谱数据融合的宁蒙引黄灌区土壤盐碱化时空演变与风险评价”(42467036);宁夏科技创新领军人才项目(2022GKLRLX02)
- DOI：10.13961/j.cnki.stbctb.2025.04.033
  中图分类号： S153.6
- CSTR：32312.14.stbctb.2025.04.033.
- 收稿：2025-01-08，
  
  修回：2025-05-18，
  
  纸质出版：2025-08-20
- 稿件说明：
移动端阅览
丁启东, 黄华雨, 张俊华，等.基于可解释机器学习的河套平原盐碱农田土壤水分和有机质含量估算[J].水土保持通报,2025,45(4):184-197.

Ding Qidong, Huang Huayu, Zhang Junhua, et al. Estimation of soil moisture and organic matter content in saline-alkaline farmland of Hetao Plain based on interpretable machine learning [J]. Bulletin of Soil and Water Conservation,2025,45(4):184-197.
丁启东, 黄华雨, 张俊华，等.基于可解释机器学习的河套平原盐碱农田土壤水分和有机质含量估算[J].水土保持通报,2025,45(4):184-197. DOI： 10.13961/j.cnki.stbctb.2025.04.033. CSTR： 32312.14.stbctb.2025.04.033..

Ding Qidong, Huang Huayu, Zhang Junhua, et al. Estimation of soil moisture and organic matter content in saline-alkaline farmland of Hetao Plain based on interpretable machine learning [J]. Bulletin of Soil and Water Conservation,2025,45(4):184-197. DOI： 10.13961/j.cnki.stbctb.2025.04.033. CSTR： 32312.14.stbctb.2025.04.033..

摘要

目的

针对传统方法在盐碱化农田土壤水分（SMC）和有机质含量（SOMC）监测中存在效率低下的问题，探索高光谱数据结合可解释机器学习的估算方法，以期为河套平原盐碱化土壤信息快速获取和土壤质量评价提供理论依据。

方法

以地面高光谱反射率及实测SMC和SOMC为数据源，对光谱数据采用分数阶微分（FOD）变换并构建光谱指数，基于偏最小二乘回归（PLSR）、支持向量机（SVM）和随机森林（RF）算法建模，并引入夏普利加性解释（SHAP）方法解析变量对模型预测结果的相对贡献，提升模型的解释性。

结果

①经1.25阶微分变换后构建的光谱指数与SMC和SOMC间相关性最强，其中，广义差异指数（GDI）和最优光谱指数（OSI）与SMC和SOMC间相关系数最大，分别为0.505 4和0.682 5。②RF模型对SMC和SOMC的估算精度远高于PLSR和SVM；SMC和SOMC-RF模型验证集（

²）、均方根误差（RMSE）和相对分析误差（RPD）分别为0.734，3.28，2.07及0.870，1.53，2.43。③SHAP分析发现，氮平面域指数（NPDI）和比值指数（RI）分别在SMC和SOMC的建模估算中贡献度最大，且NPDI，OSI和差值指数（DI）对SMC的建模贡献度累计达到68.58%；RI，GDI和NPDI对SOMC的建模贡献度累计达到61.86%。

结论

FOD联合光谱指数在高光谱数据的有效利用中具有明显优势，RF模型在土壤属性估算中展现了较高的精度和鲁棒性，SHAP分析有效揭示了不同变量对目标变量的贡献度。NPDI，RI，OSI和DI等光谱指数在盐碱化农田SMC和SOMC的建模估算中贡献显著。

Abstract

Objective

To address the inefficiencies of traditional approaches for monitoring the soil moisture content （SMC） and soil organic matter content （SOMC） in saline-alkaline farmlands， an estimation method that integrates hyperspectral data with interpretable machine learning was investigated. The goal was to establish a theoretical foundation for the rapid acquisition of soil information and quality assessments of the Hetao Plain， China.

Methods

Ground-based hyperspectral reflectance data and field-measured SMC and SOMC were used as the primary data sources. Spectral data were processed using a fractional-order differential （FOD） transformation， and various spectral indices were constructed. The models were developed using partial least squares regression （PLSR）， support vector machines （SVM） and random forest （RF）. To enhance interpretability， the Shapley additive explanations （SHAP） method was employed to evaluate the relative contribution of each variable to model predictions.

Results

① The spectral indices derived from the 1.25-order differential transformation showed the highest correlation with the SMC and SOMC. In particular， the generalized difference index （GDI） and optimal spectral index （OSI） exhibited the strongest correlations， with coefficients of 0.505 4 and 0.682 5， respectively. ② The RF model significantly outperformed the PLSR and SVM models in estimating both the SMC and SOMC. For the validation datasets， the RF models achieved

values of 0.734 and 0.870， root mean square errors of 3.28 and 1.53， and recognition-primed decisions of 2.07 and 2.43 for SMC and SOMC， respectively. ③ The SHAP analysis indicated that the normalized plane domain index （NPDI） and ratio index （RI） were the most influential variables for estimating the SMC and SOMC， respectively. The combined contributions of the NPDI， OSI and difference index （DI） to SMC modeling reached 68.58%， whereas RI， GDI and NPDI collectively contributed 61.86% to SOMC modeling.

Conclusion

The integration of FOD and spectral indices enhanced the utility of hyperspectral data. The RF model demonstrated superior accuracy and robustness in estimating soil properties， whereas the SHAP analysis effectively elucidated the contribution of individual variables. Spectral indices （such as NPDI， RI， OSI and DI） played significant roles in modeling SMC and SOMC in saline-alkaline farmland.

关键词

Keywords

references

陆宝金，田生昌，左忠，等 . 盐渍化土地可持续利用研究综述及展望［J］. 宁夏大学学报（自然科学版）， 2023 ， 44 （ 1 ）： 79 - 88 .

Lu Baojin ， Tian Shengchang ， Zuo Zhong ， et al . Review and prospect on sustainable utilization of salinized land ［J］. Journal of Ningxia University （Natural Science Edition）， 2023 ， 44 （ 1 ）： 79 - 88 .

丁启东，王怡婧，张俊华，等 . 利用CARS算法联合协变量估算盐碱农田土壤水分和有机质含量［J］. 应用生态学报， 2024 ， 35 （ 5 ）： 1321 - 1330 .

Ding Qidong ， Wang Yijing ， Zhang Junhua ， et al . Estimation of soil moisture and organic matter content in saline alkali farmland by using CARS algorithm combined with covariates ［J］. Chinese Journal of Applied Ecology ， 2024 ， 35 （ 5 ）： 1321 - 1330 .

Geng Jing ， Tan Qiuyuan ， Lv Junwei ， et al . Assessing spatial variations in soil organic carbon and C：N ratio in northeast China’s black soil region：Insights from Landsat-9 satellite and crop growth information ［J］. Soil and Tillage Research ， 2024 ， 235 ： 105897 .

Zhao Mingsong ， Gao Yingfeng ， Lu Yuanyuan ， et al . Hyperspectral modeling of soil organic matter based on characteristic wavelength in East China ［J］. Sustainability ， 2022 ， 14 （ 14 ）： 8455 .

丁启东，王怡婧，张俊华，等 . 基于高光谱信息的宁夏土壤有机质含量估算［J］. 生态学杂志， 2024 ， 43 （ 8 ）： 2531 - 2538 .

Ding Qidong ， Wang Yijing ， Zhang Junhua ， et al . Estimation of soil organic matter content in Ningxia based on hyperspectral information ［J］. Chinese Journal of Ecology ， 2024 ， 43 （ 8 ）： 2531 - 2538 .

李嘉琦，冯宇华，陈署晃，等 . 基于高光谱的土壤有机质及全氮估测［J］. 新疆农业科学， 2024 ， 61 （ 10 ）： 2491 - 2499 .

Li Jiaqi ， Feng Yuhua ， Chen Shuhuang ， et al . Estimation of soil organic matter and total nitrogen based on hyperspectral technology ［J］. Xinjiang Agricultural Sciences ， 2024 ， 61 （ 10 ）： 2491 - 2499 .

丁启东，王怡婧，张俊华，等 . 基于高光谱信息的宁夏引黄灌区中低产田土壤水分和有机质含量估算［J］. 应用生态学报， 2023 ， 34 （ 11 ）： 3011 - 3020 .

Ding Qidong ， Wang Yijing ， Zhang Junhua ， et al . Estimation of soil water and organic matter content in medium and low yield fields of Ningxia Yellow River irrigation area based on hyperspectral information ［J］. Chinese Journal of Applied Ecology ， 2023 ， 34 （ 11 ）： 3011 - 3020 .

尚天浩，陈睿华，张俊华，等 . 基于分数阶微分联合光谱指数估算银川平原土壤有机质含量［J］. 应用生态学报， 2023 ， 34 （ 3 ）： 717 - 725 .

Shang Tianhao ， Chen Ruihua ， Zhang Junhua ， et al . Estimation of soil organic matter content in Yinchuan Plain based on fractional derivative combined with spectral indices ［J］. Chinese Journal of Applied Ecology ， 2023 ， 34 （ 3 ）： 717 - 725 .

王怡婧，陈睿华，张俊华，等 . 基于分数阶微分技术的土壤水盐信息高光谱反演［J］. 应用生态学报， 2023 ， 34 （ 5 ）： 1384 - 1394 .

Wang Yijing ， Chen Ruihua ， Zhang Junhua ， et al . Hyperspectral inversion of soil water and salt information based on fractional order derivative technology ［J］. Chinese Journal of Applied Ecology ， 2023 ， 34 （ 5 ）： 1384 - 1394 .

Ben Abbes A ， Jarray N ， Farah I R . Advances in remote sensing based soil moisture retrieval：Applications， techniques， scales and challenges for combining machine learning and physical models ［J］. Artificial Intelligence Review ， 2024 ， 57 （ 9 ）： 224 .

仇皓雷，王海燕 . 机器学习在土壤性质预测研究中的应用进展［J］. 生态学杂志， 2025 ， 44 （ 1 ）： 283 - 294 .

Qiu Haolei ， Wang Haiyan . Application of machine learning to the prediction of soil properties： A review ［J］. Chinese Journal of Ecology ， 2025 ， 44 （ 1 ）： 283 - 294 .

李天乐，赵泉华，贾淑涵，等 . 土壤有机质含量反演方法：土壤高光谱数据微分-瞬时频率变换［J］. 地球信息科学学报， 2024 ， 26 （ 7 ）： 1733 - 1744 .

Li Tianle ， Zhao Quanhua ， Jia Shuhan ， et al . Soil organic matter content inversion methods： Differential-instantaneous frequency transform of soil hyperspectral data ［J］. Journal of Geo-Information Science ， 2024 ， 26 （ 7 ）： 1733 - 1744 .

尚天浩，贾萍萍，孙媛，等 . 宁夏银北地区盐碱化土壤水分光谱特征及模型拟合精度分析［J］. 水土保持通报， 2020 ， 40 （ 4 ）： 183 - 189 .

Shang Tianhao ， Jia Pingping ， Sun Yuan ， et al . Spectral characteristics of soil moisture in salinized soil and model fitting accuracy in northern Yinchua City， Ningxia Hui Autonomous Region ［J］. Bulletin of Soil and Water Conservation ， 2020 ， 40 （ 4 ）： 183 - 189 .

李武耀，买买提·沙吾提，买合木提·巴拉提 . 基于分数阶微分的土壤有机质含量高光谱反演研究［J］. 激光与光电子学进展， 2023 ， 60 （ 7 ）： 404 - 411 .

Li Wuyao ， Mamat Sawut ， Maihemuti Balati . Fractional differential-based hyperspectral inversion of soil organic matter content ［J］. Laser & Optoelectronics Progress ， 2023 ， 60 （ 7 ）： 404 - 411 .

Rohmer J ， Belbeze S ， Guyonnet D . Insights into the prediction uncertainty of machine-learning-based digital soil mapping through a local attribution approach ［J］. Soil ， 2024 ， 10 （ 2 ）： 679 - 697 .

Pan Mengyao ， Xia Bisheng ， Huang Wenbo ， et al . PM 2.5 concentration prediction model based on random forest and SHAP ［J］. International Journal of Pattern Recognition and Artificial Intelligence ， 2024 ， 38 （ 5 ）： 2452012 .

叶淼，朱琳，刘旭东，等 . 基于连续小波变换、SHAP和XGBoost的土壤有机质含量高光谱反演［J］. 环境科学， 2024 ， 45 （ 4 ）： 2280 - 2291 .

Ye Miao ， Zhu Lin ， Liu Xudong ， et al . Hyperspectral inversion of soil organic matter content based on continuous wavelet transform， SHAP， and XGBoost ［J］. Environmental Science ， 2024 ， 45 （ 4 ）： 2280 - 2291 .

付平凡，杨晓静，苏志诚，等 . 基于集成学习的土壤含水量预测研究：以辽西地区为例［J］. 土壤， 2023 ， 55 （ 3 ）： 671 - 681 .

Fu Pingfan ， Yang Xiaojing ， Su Zhicheng ， et al . Prediction of soil moisture content based on ensemble learning： A case study of western Liaoning Province ［J］. Soils ， 2023 ， 55 （ 3 ）： 671 - 681 .

Lao Congcong ， Chen Junying ， Zhang Zhitao ， et al . Predicting the contents of soil salt and major water-soluble ions with fractional-order derivative spectral indices and variable selection ［J］. Computers and Electronics in Agriculture ， 2021 ， 182 ： 106031 .

Dharumarajan S ， Lalitha M ， Kalaiselvi B ， et al . Remote sensing of soils：Spectral signatures and spectral indices ［M］. Remote Sensing of Soils ， 2024 .

施光耀，杨思琪，张劲松，等 . 基于机器学习算法的高海拔地区臭氧影响因素重要性分析［J］. 宁夏大学学报（自然科学版）， 2024 ， 45 （ 2 ）： 196 - 202 .

Shi Guangyao ， Yang Siqi ， Zhang Jinsong ， et al . Importance analysis of ozone influencing factors in high-altitude regions based on machine learning algorithms ［J］. Journal of Ningxia University （Natural Science Edition）， 2024 ， 45 （ 2 ）： 196 - 202 .

黄华雨，丁启东，张俊华，等 . 基于地面高光谱的宁夏银北地区农田不同土层盐碱化信息反演［J］. 应用生态学报， 2024 ， 35 （ 11 ）： 3073 - 3084 .

Huang Huayu ， Ding Qidong ， Zhang Junhua ， et al . Ground-based hyperspectral inversion of salinization and alkalinization of different soil layers in farmland in Yinbei area， Ningxia， China ［J］. Chinese Journal of Applied Ecology ， 2024 ， 35 （ 11 ）： 3073 - 3084 .

Letif M ， Bahar R ， Mezouar N . The use of machine learning models and SHAP interaction values to predict the soil swelling index ［J］. Periodica Polytechnica Civil Engineering ， 2025 ， 69 （ 1 ）： 239 - 250 .

侯化刚，王丹阳，马斯琦，等 . 黄河三角洲不同盐渍度土壤有机质含量的高光谱预测研究［J］. 中国农业科学， 2023 ， 56 （ 10 ）： 1905 - 1919 .

Hou Huagang ， Wang Danyang ， Ma Siqi ， et al . Hyperspectral prediction of organic matter in soils of different salinity levels in the Yellow River delta ［J］. Scientia Agricultura Sinica ， 2023 ， 56 （ 10 ）： 1905 - 1919 .

Hong Yongsheng ， Liu Yaolin ， Chen Yiyun ， et al . Application of fractional-order derivative in the quantitative estimation of soil organic matter content through visible and near-infrared spectroscopy ［J］. Geoderma ， 2019 ， 337 ： 758 - 769 .

Liu Ya ， Zhang Yuewen ， Lu Huizhong ， et al . Application of fractional-order differential and ensemble learning to predict soil organic matter from hyperspectra ［J］. Journal of Soils and Sediments ， 2024 ， 24 （ 1 ）： 361 - 372 .

Ge Xiangyu ， Ding Jianli ， Teng Dexiong ， et al . Exploring the capability of Gaofen-5 hyperspectral data for assessing soil salinity risks ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2022 ， 112 ： 102969 .

Li Wangyang ， Xiang Youzhen ， Liu Xiaochi ， et al . Estimation of soil moisture content based on fractional differential and optimal spectral index ［J］. Agronomy ， 2024 ， 14 （ 1 ）： 184 .

Yuan Jing ， Gao Jichao ， Yu Bo ， et al . Estimation of soil organic matter content based on spectral indices constructed by improved Hapke model ［J］. Geoderma ， 2024 ， 443 ： 116823 .

Wu Dongqing ， Lei Lei ， Xie Meiting ， et al . High-performance metamaterial light absorption from visible to near-infrared assisted by anti-reflection coating ［J］. Photonics ， 2023 ， 10 （ 9 ）： 998 .

Zhang Xinle ， Dong Chang ， Liu Huanjun ， et al . Methodology for regional soil organic matter prediction with spectroscopy： Optimal sample grouping， input variables， and prediction model ［J］. Remote Sensing ， 2024 ， 16 （ 3 ）： 565 .

刘英，范凯旋，裴为豪，等 . 基于PLSR和LSSVM模型的土壤水分高光谱反演［J］. 矿业安全与环保， 2024 ， 51 （ 5 ）： 147 - 153 .

Liu Ying ， Fan Kaixuan ， Pei Weihao ， et al . Hyperspectral inversion of soil moisture based on PLSR and LSSVM models ［J］. Mining Safety & Environmental Protection ， 2024 ， 51 （ 5 ）： 147 - 153 .

陈睿华，尚天浩，张俊华，等 . 不同光谱类型对银川平原土壤含盐量反演精度的影响与校正［J］. 应用生态学报， 2022 ， 33 （ 4 ）： 922 - 930 .

Chen Ruihua ， Shang Tianhao ， Zhang Junhua ， et al . Effects of different spectra types on the accuracy and correction of soil salt content inversion in Yinchuan Plain， China ［J］. Chinese Journal of Applied Ecology ， 2022 ， 33 （ 4 ）： 922 - 930 .

Jia Pingping ， He Wei ， Hu Yi ， et al . Inversion of coastal cultivated soil salt content based on multi-source spectra and environmental variables ［J］. Soil and Tillage Research ， 2024 ， 241 ： 106124 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于超参数优化与SHAP的广西桂林市滑坡灾害易发性评价

基于可解释性机器学习的九寨沟景区滑坡易发性评价及驱动力分析

滨海盐土盐分含量与其光谱特征的关系研究

干旱区典型盐碱土壤含盐量估算的最佳高光谱指数研究

基于高光谱影像分解的土壤含水量反演技术