豆科土壤健康评估框架丨COMPUT ELECTRON AGR：基于可解释机器学习与因果推断的豆科作物轮作农田新型土壤健康评估框架

本研究针对豆科作物轮作体系，开发了一种新型土壤健康评估框架CI-SHAP-NA。研究背景是传统方法在捕捉管理诱导变异性方面存在局限，难以准确评估土壤健康。研究目的是通过整合因果推断、SHAP值和网络分析，构建一个能系统筛选指标、定量评分和多维度整合的评估框架。研究结论表明，该框架识别出的最小数据集（土壤有机碳、有效铁和纤维二糖水解酶）具有卓越解释能力，生成的土壤健康指数区分能力强，与作物产量显著相关，且在不同管理模式下能有效揭示土壤健康梯度差异，显著优于传统PCA和NA方法。