数据驱动的全球能源作物产量预测模型：整合气候与土壤因子的高分辨率研究

这篇综述创新性地构建了5弧分钟高分辨率模型框架（Random Forest/GB/ET算法），通过整合12项环境预测因子（如黏土含量18.45%、pH值17.84%），首次量化了土壤地形对木质纤维素作物（Miscanthus/Eucalyptus等）产量的调控作用。研究揭示气候模型可能高估产量1-2 t DM ha?1 year?1，并绘制了考虑生产成本的全球"最佳作物"分布图（Switchgrass占37.5%），为生物能源政策提供精准空间规划依据。

　　

1 引言

木质纤维素作物（Miscanthus、桉树、杨树等）作为第二代生物能源原料，在边际土地种植方面具有显著优势。现有综合评估模型（IAMs）仅依赖气候因子预测产量，忽略了土壤深度、坡度等地形参数的关键影响。本研究通过整合全球3963个观测点数据，首次构建包含12项环境变量的高分辨率（5弧分钟）预测框架，填补了土壤异质性对生物量生产影响的认知空白。

2 材料与方法

2.1 数据采集

数据集涵盖1980-2017年31国的田间观测，通过K?ppen-Geiger气候分类和PROBA-V LC100土地覆盖数据验证空间代表性。从17个初始变量中筛选出温度、降雨、黏土含量、pH值等12个低相关性（|r|<0.65）预测因子，并引入167个极端气候区零产量样本作为边界条件。

2.2 机器学习模型

比较7种算法发现：随机森林（RF）在测试集表现最优（RMSE=4.8 t DM ha^?1 year^?1，R²=0.67），其变量重要性排序显示黏土含量（18.45%）和pH值（17.84%）贡献度超过温度（17.21%）。通过两阶段交叉验证剔除异常值后，模型精度提升显著。

3 结果

3.1 全球产量图谱

当前气候条件下，桉树和芒草平均产量最高（约12 t DM ha^?1 year^?1），热带地区呈现明显高产带。整合生产成本后，"最佳作物"分布显示柳枝稷占全球37.5%适宜区，而桉树仅4.1%，颠覆了早期研究的预测格局。

3.2 气候变化响应

SSP5-8.5情景下，高纬度地区产量普遍增加1-3 t DM ha^?1 year^?1，但撒哈拉以南非洲出现5 t ha^?1的减产热点。偏依赖分析揭示降水变化呈单峰响应曲线，适度增雨提升产量而极端变化导致减产。

4 讨论

4.1 土壤因子的约束效应

与Li等（2020）的纯气候模型相比，引入土壤参数使产量预测平均降低1-2 t ha^?1，在拉丁美洲等地局部差异达8 t ha^?1。这证实了土壤质地通过水分保持能力产生的隐性限制。

4.2 模型选择的影响

尽管RF、GB和ET的全局性能相近（R²差值<0.05），但ET因随机分割特性导致空间预测变异系数达50-60%，提示多模型比较的必要性。

5 政策启示

研究建立的5弧分钟分辨率适宜性图谱，可直接指导生物炼厂选址。例如西欧地区应优先发展芒草-柳枝稷混合种植体系，而非单一作物连作，以平衡产量与供应链风险。

6 局限与展望

当前模型未考虑品种特异性（如Miscanthus×giganteus的耐寒阈值）和管理措施差异。未来可融合遥感植被指数（NDVI）实现动态产量监测，并扩充商业种植区的验证数据。这项研究为《巴黎协定》下各国制定基于自然的负排放方案提供了关键科学工具。