Hybrid Observation Source-Bias Analysis Using Explainable Machine Learning and Spatial Validation

2026

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)
DOI 10.3390/computers15080530
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

This study proposes a hybrid computational model for diagnosing such biases using groundwater observation data across Kazakhstan. The analytical dataset included 2402 georeferenced observations, including 492 natural springs from OpenStreetMap (OSM), 109 boreholes from OSM, and 1801 spatially filtered pseudo-absence observations. Springs and boreholes together formed 601 positive groundwater observations, while pseudo-absence samples represented a spatially filtered background level rather than confirmed groundwater absence. Each observation was characterized by 89 environmental predictors extracted from Google Earth Engine. The proposed hybrid observation source bias index (HOSBI) combines a normalized robust effect size based on the median absolute value of the Cliff delta, multivariate distribution divergence quantified using RBF-MMD, and spatially confirmed source distinctiveness. These components were assigned fixed weights of 0.40, 0.35, and 0.25 to emphasize statistical and distributional data while maintaining spatial validation. Spatial cross-validation achieved a balanced accuracy of 0.855 for distinguishing OSM sources from OSM wells and 0.846 for separating positive observations from background pseudo-absences. Climate showed the strongest source-related bias (HOSBI = 0.923), while Sentinel-1 SAR contributed the most to the contrast between positive and background data (HOSBI = 0.923). The proposed framework provides an interpretable and replicable preliminary assessment of source bias in heterogeneous geospatial datasets.