基于机器学习与统计降尺度的作物时空动态制图框架：1961-2022年非洲与中国作物类型分布数据集构建

本研究针对全球农业系统面临的粮食安全与环境影响评估需求，开发了融合机器学习与统计降尺度技术的作物面积时空动态制图框架。研究人员通过整合多源空间指标（如气候、土壤、适宜性等26类因子）训练随机森林（RF）模型，结合作物统计数据的空间分配算法，构建了非洲42种作物（1961-2022）和中国14种作物（1980-2022）的10km分辨率年度分布图集。验证表明与SPAM系列产品具有良好一致性（R2达0.42-0.90），为农业系统分析提供了高时空精度的数据基础。该成果发表于《Scientific Data》。

　　

在全球人口持续增长和饮食结构变化的背景下，农业系统正面临前所未有的双重挑战：既要满足不断增长的粮食需求，又要应对由农业生产引发的环境问题。然而，当前全球作物分布数据存在严重的时空不均衡性——发达国家通过遥感监测建立了高精度作物分类体系（如美国CDL产品），但非洲等地区仍主要依赖国家尺度的统计报表，这种数据鸿沟极大限制了农业政策的科学制定和环境影响评估的准确性。更关键的是，现有全球作物分布产品（如SPAM、GAEZ等）多为单一年份的快照，缺乏连续时间序列的时空动态刻画能力。

针对这一科学瓶颈，清华大学地球系统科学系教育部重点实验室的研究团队开发了创新的"作物统计-年度地图"转换框架。该研究通过整合机器学习算法与统计空间分配技术，首次构建了覆盖非洲42种作物（1961-2022）和中国14种作物（1980-2022）的10km分辨率年度作物分布数据集，相关成果发表在《Scientific Data》期刊。这项研究不仅填补了发展中国家长期连续作物分布数据的空白，更为理解农业系统演变与生态环境互馈关系提供了关键数据支撑。

研究团队采用了三个关键技术方法：（1）多源数据整合：收集FAOSTAT等作物统计数据、SPAM2010等基础分布图、FROM-GLC Plus耕地数据及26类空间指标；（2）机器学习建模：使用随机森林（RF）回归基于气候（温度、降水等）、土壤（pH值、质地等）、农业系统（灌溉比例、农田规模等）指标训练作物分布概率模型；（3）统计空间分配：通过概率层调整和最大收获面积约束（MaxHarvArea），将行政单元统计数据精确分配至10km网格。在美国的验证实验中，该方法对玉米、大豆等主粮作物的制图精度R²达0.53-0.78。

研究结果主要体现在四个方面：

1. 数据准备创新：构建了包含气候（ERA5-Land）、土壤（OpenlandMap）、适宜性（GAEZv4.0）等7大类26项指标的时空数据库，其中灌溉面积数据整合了HID和SPAM两个数据集的历史序列。

2. 概率动态层生成：通过随机森林模型证明年度更新的概率层能显著提升精度（如非洲2005年玉米制图R²从0.151提升至0.487），而仅使用基础年（SPAM2010）图层会导致较大误差（RMSE增加45%）。

3. 空间分配优化：开发的约束分配算法成功解决了统计总量与空间最大收获面积（MaxHarvArea=Cropland×CropIntensity）的冲突，在非洲adm0单元和中国adm1单元均实现统计量完全分配（R²>0.8）。

4. 多尺度验证：与独立数据对比显示，非洲10km网格结果与SPAM2005/2020的R²达0.29-0.74；中国adm2单元验证中，小麦（R²=0.90）、烟草（R²=0.84）等作物表现出色，但块根类作物因统计数据不一致性存在偏差。

这项研究的突破性在于建立了首个融合机器学习预测与统计约束分配的作物时空动态制图框架。相比传统方法（如PCAM模型），该框架通过引入年度更新的环境变量和耕地数据，显著提升了时间序列一致性；而创新的空间分配算法（公式1-7）有效解决了统计总量与空间承载力的平衡问题。研究产生的开放数据集（DOI:10.6084/m9.figshare.26028769）将为粮食安全早期预警、农业碳排放核算、生物多样性保护等研究提供关键数据支持。特别是对非洲等数据稀缺地区，这套方法为建立自主可控的农业监测体系提供了技术范式。未来通过融入更多区域高精度作物分类图（如中国10m分辨率产品），有望进一步提升时空分辨率和作物类型覆盖范围。