AI 驱动的模型准确预测沟壑侵蚀并揭示关键风险因素
快速阅读: 《AZoAI》消息，伊利诺伊大学研究团队开发了一种结合集成堆叠模型和SHAP方法的AI技术，显著提升了沟壑侵蚀预测的准确性至91.6%，并揭示了关键影响因素，为土地管理提供了透明且可操作的决策支持。这项研究发表于《环境管理期刊》。
伊利诺伊大学香槟校区
2025年5月26日
一种突破性的AI方法不仅精准定位了沟壑侵蚀可能发生的位置，还揭示了驱动其发生的环境因素，为土地管理者提供了可操作的洞见，助力更智能、更有针对性的保护工作。
**研究：**
通过集成堆叠模型结合SHapley Additive exPlanations (SHAP) 方法预测沟壑侵蚀敏感性
图片来源：Hanyu Qiu / Shutterstock
沟壑侵蚀是最严重的土壤侵蚀形式，它会严重影响农田，导致泥沙流失和养分流入水道。沟壑可能因单次强降雨事件突然形成，即使使用重型机械也难以修复这些深邃的沟渠。准确预测沟壑侵蚀可能发生的位置，使农业生产者和土地管理者能够有效地集中资源进行保护。
在一项新研究中，伊利诺伊大学香槟校区的研究人员采用了一种新的AI驱动方法，将机器学习与可解释工具相结合，以增强对沟壑形成预测的准确性并加深对这些模型的理解。他们在伊利诺伊州杰斐逊县的土地上测试了该方法。
“我们之前在同一地区进行过一项研究，但当时仅应用了个别机器学习模型来预测沟壑侵蚀敏感性。虽然这项研究提供了初步理解，但其预测准确性有限。此外，我们无法解释模型是如何做出预测的。本研究旨在解决这两个关键问题，”论文第一作者韩正浩（Jeongho Han）说道，他最近刚刚从伊利诺伊大学农业与生物工程系（ABE）获得博士学位，该系隶属于农业、消费者与环境科学学院以及伊利诺伊大学格兰杰工程学院。
杰斐逊县位于通往雷恩湖的大密苏里河流域内。该地区地形起伏，约60%为农业用地，主要用于种植玉米和大豆。研究人员根据2012年和2015年的高程差异制作了研究区域的沟壑侵蚀清单地图，并识别了25个可能影响侵蚀敏感性的环境变量，包括地形、土壤特性、植被特征和降水模式。
复杂的环境过程如地形、土壤、水文和大气力量共同导致沟壑侵蚀，这使得预测和管理沟壑侵蚀极具挑战性。尽管机器学习模型在侵蚀预测中的应用日益增多，但它们的准确性可能会有很大差异。
将多个模型集成堆叠在一起可以提高性能，但仅仅增加模型数量不够；如何组合这些模型至关重要。研究团队评估了44个由单一模型的不同特征组合而成的堆叠模型。
接下来，他们利用表现最佳的集成堆叠模型和四个单独模型生成了沟壑侵蚀敏感性地图。结果显示，最佳集成堆叠模型的预测准确率达到91.6%，而最佳单独模型仅为86%。
相关故事
AI模型绘制隐藏的动物饲养场地图以应对水污染
AI战胜华尔街：符号建模在预测市场趋势方面优于经典金融模型
AI与水下麦克风革新座头鲸保护
研究团队采用了名为SHapley Additive exPlanations (SHAP) 的可解释人工智能技术来增强模型透明度。这一工具阐明了不同变量如何影响模型输出，为深入理解AI系统的决策过程提供了更多见解。
“当你使用AI建模时，你会得到一个结果，但它像黑箱一样。你不知道它是如何得出的，因此没有标准来评估结果。可解释AI提供了指标，帮助你理解不同变量如何影响模型预测以及它们之间的相互作用，”通讯作者乔治·古兹曼（Jorge Guzman）说道，他是ABE的研究助理教授。
“我们将集成堆叠模型与SHAP相结合，并应用于特定的土地区域以展示其工作方式。集成堆叠模型提高了预测准确性，而SHAP帮助解释了AI模型内部发生了什么。”
例如，SHAP分析发现作物年度叶面积指数是所有基础模型中最具有影响力的特征。更大的叶片覆盖减少了降雨对土壤的直接影响，从而降低了侵蚀的严重程度。
所提出的框架使农业生产和土地管理者能够解释AI模型的输出。他们可以利用这些信息决定哪些区域应优先管理以及应采取何种管理措施以减轻土壤侵蚀。
“通过提供透明机制来评估不同特征和模型如何共同作用于最终决策，这种方法可以扩展到更广泛的环境管理和政策制定背景中，促进更加明智和负责的资源配置，”研究人员在论文中总结道。
这篇题为《通过集成堆叠模型结合SHapley Additive exPlanations (SHAP) 方法预测沟壑侵蚀敏感性》的论文发表于《环境管理期刊》。作者为韩正浩（Jeongho Han）、乔治·古兹曼（Jorge Guzman）和玛丽亚·楚（Maria Chu）。该研究得到了美国农业部国家食品与农业研究所（NIFA）项目编号2019-67019-29884的资金支持。
来源：伊利诺伊大学香槟校区
期刊参考：
韩正浩, 乔治·古兹曼, 玛丽亚·楚 (2025). 通过集成堆叠模型结合SHapley Additive exPlanations (SHAP) 方法预测沟壑侵蚀敏感性. *环境管理期刊*, 383, 125478. DOI: 10.1016/j.jenvman.2025.125478,
https://www.sciencedirect.com/science/article/pii/S0301479725014549
(以上内容均由Ai生成)
