一种用于将私有高空间分辨率土壤数据整合入欧盟土壤监测基础设施的隐私保护数字土壤制图（Digital Soil Mapping, DSM）框架

《Land》：A Privacy-Preserving Digital Soil Mapping Framework for Integrating Private High-Spatial-Resolution Soil Data into EU Soil Monitoring Infrastructures

　　

由私营部门（如农场主）采集的高空间分辨率土壤数据是欧盟（EU）土壤监测计划中尚未被充分利用的资源。经地理配准的土壤样品亦引发隐私问题，因其采样位置可被关联至个体农场地块及其相应经营活动。本研究提出一种隐私保护数字土壤制图（Privacy-Preserving Digital Soil Mapping, PP-DSM）框架，能够在仅发布聚合空间输出的前提下整合私有地理配准土壤数据集，将个体农场被识别的风险降至最低。该框架由三部分组成：（1）安全土壤数据处理环境（Secure Soil Data Processing Environment, SSDPE），使私有点数据始终处于机构管控之下；（2）分位数回归森林（Quantile Regression Forest, QRF）引擎，生成具空间显式性的预测值及不确定性估计；（3）将栅格输出空间聚合至欧盟LUCAS 2×2 km监测网格，仅发布以网格点为中心的多边形层级匿名统计量。研究人员以希腊北部卡斯托里亚（Kastoria）地区已发表的地理配准土壤有机碳（Soil Organic Carbon, SOC，n=403个表土样品）数据集进行案例验证。聚合预测结果在保留区域土壤分布格局的同时消除了农场层级的身份可识别性。在六个独立验证的LUCAS多边形中，QRF多边形统计量与该独立测试集均值的平均偏差为0.070% SOC，与预期的空间平滑效应一致。本研究表明，在现行监管环境下私有土壤数据集可支持欧盟监测基础设施，助力《土壤监测法》（Soil Monitoring Law, SML）目标及碳清除与碳农作（Carbon Removals and Carbon Farming, CRCF）倡议之实现。

论文解读：一种用于将私有高空间分辨率土壤数据整合入欧盟土壤监测基础设施的隐私保护数字土壤制图（Digital Soil Mapping, DSM）框架

该研究发表于《Land》期刊。当前欧盟土壤监测面临双重困境：一方面，《欧盟土壤监测法》（Soil Monitoring Law, SML）、欧洲绿色新政及碳清除与碳农作认证框架（Carbon Removals and Carbon Farming, CRCF）等战略对农场尺度土壤数据需求迫切，但公费调查的LUCAS-Soil采样密度过低（约每30–40 km2一个样点），难以可靠表征土壤单元变异；另一方面，每年私营部门产生的土壤分析数据量约为公有数据的两个数量级，但因含地理坐标可与地籍数据链接识别出土地所有者，受《通用数据保护条例》（General Data Protection Regulation, GDPR）约束而无法共享。现有文献缺乏能在不泄露私有采样点位置与数值前提下，将高空间分辨率私有土壤数据（High-Spatial-Resolution Soil Data, HSRSD）安全纳入公域监测网格的技术框架。为此，研究人员提出了隐私保护数字土壤制图（Privacy-Preserving Digital Soil Mapping, PP-DSM）框架，通过安全环境建模并仅对外发布LUCAS 2×2 km多边形聚合统计量，在符合GDPR与SML规定的同时提升欧盟土壤监测空间覆盖度与信息深度。案例研究以希腊Kastoria地区403个表土SOC样品验证框架可行性，结果表明聚合输出保留了区域土壤模式且平均偏差仅0.070% SOC，农场级不可回溯，证明私有数据可在现行法规下服务公共利益。

主要关键技术方法如下：研究人员采用希腊北部Kastoria地区已发表数据集（403个0–30 cm表层土壤样品，2012–2019年采集，70%训练/30%独立测试），构建SCORPAN因子框架下的20个环境变量（土壤化学协变量通过普通克里金插值、ASTER GDEM2 30 m分辨率地形衍生因子、Sentinel-2多时相光谱指数NDVI与NDWI），经AIC逐步筛选保留9个显著预测因子。框架核心技术包括：（1）私有数据全周期封闭处理的安全土壤数据处理环境（Secure Soil Data Processing Environment, SSDPE）；（2）分位数回归森林（Quantile Regression Forest, QRF）非线性集成学习引擎估算SOC条件分布并输出15.9、50、84.1百分位栅格及68.2%预测区间宽度U_index=Q_84.1?Q_15.9，空间十折交叉验证评估；（3）将QRF预测栅格按LUCAS主网格中心点生成2×2 km正方形多边形提取分区统计量（均值S_mean、中位数S_median、极值S_max/S_min、上下界S_lower/S_upper、U_index及训练样本数N_training），N_training<5的多边形予以抑制不发布，最终仅输出LUCAS多边形属性表。

5.1. Model Performance

研究人员以空间10折交叉验证比较普通克里金（OK, R2=0.127）、外部漂移克里金（KED, R2=0.452）、随机森林（RF, R2=0.538, RMSE=0.308% SOC）与分位数回归森林（QRF, R2=0.532, RMSE=0.318% SOC）。机器学习方法优于地统计方法；QRF与RF精度相当但额外提供空间显式预测区间及U_index不确定性度量，故被选为框架建模引擎。最重要预测因子为黏粒含量、镁及多年NDVI合成物。

5.2. Prediction and Uncertainty Maps

QRF生成30 m分辨率三套分位栅格面（Q_15.9、Q₅₀、Q_84.1）及像素级U_index面。中位SOC面显示湖岸低洼区较高、集约苹果园较低；U_index面在采样稀疏区及研究区边缘变宽。所有栅格产品保留于SSDPE内不对外发布。

5.3. Aggregated LUCAS Polygon Statistics

Kastoria研究区内11个LUCAS 2×2 km多边形中7个含≥5个训练点（N_training=6–82），提取分区统计量。U_index不与N_training单调相关（Polygon 4: N_training=10, U_index=0.71% SOC > Polygon 9: N_training=6, U_index=0.55% SOC），表明协变量代表性独立影响预测置信度。相邻且环境相似的Polygon 10与11产出近 identical统计量（S_mean=0.86% SOC, U_index=0.51% SOC），反映环境同质导致聚合输出趋同。

5.4. Comparison of QRF Polygon Statistics with Direct Point Measurement Statistics

仅用独立测试集（120点中118点落入6个多边形，N_testing=8–37；Polygon 9因N_testing<5排除）比对。QRF S_mean较测试集均值平均绝对偏差0.070% SOC（5.8%），四多边形偏低、两多边形略高，最大偏差?0.13% SOC源于空间预测面对区域内异质性的平滑，属预期行为且无系统扭曲。U_index/2与测试集标准差平均符号差?0.022% SOC，二者概念不同——U_index/2表征模型基于训练集协变量空间密度的置信度，测试集SD反映少数保留点局部空间变异性——故U_index应解读为数据质量治理信号而非多边形内土壤异质性直接预报值。

讨论与结论总结：

研究人员指出PP-DSM可为欧盟土壤监测提供四项用途：校验官方插值产品、异常值触发实地核查、为CRCF提供保守SOC基线（S_lower）及不确定度量（U_index）、引导公共LUCAS采样布设（高U_index指示需补样区）。聚合至LUCAS多边形尺度并施以N_training<5抑制规则，使输出源自平滑预测栅格而非原始样值，聚合函数不可逆，结合典型多边形含多宗农地（k-匿名），在Kastoria背景下消除农场级再识别风险。当前局限含仅用SOC浓度未测土壤容重（Bulk Density, BD）故无法直接转碳储量（需后续纳入BD或传递函数）、缺施肥记录致S_max异常难归因、单区域案例需多区验证、SSDPE未做实操安全审计。未来工作应拓展多土体气候区验证、纳入BD推求碳库指标、评估联邦学习等隐私增强技术。

结论：本研究提出并验证了PP-DSM框架——通过在安全环境内运行QRF数字土壤制图并仅释出LUCAS 2×2 km多边形匿名聚合统计量（含S_mean、S_lower、S_upper、U_index、N_training等），使私有农场尺度土壤数据可在不违反GDPR前提下贡献于欧盟SML土壤单元监测架构与CRCF碳核算。Kastoria案例中S_mean与独立测试集多边形均值平均差0.070% SOC，符合空间聚合平滑预期无系统偏倚；U_index反映基于QRF条件分布之模型不确定性并受协变量覆盖度驱动。该框架为在既有法规环境下大幅扩展欧盟土壤监测空间覆盖提供了可操作的技术路径，前提是建立公私实验室与主管监测机构间的制度性合作安排。