基于可解释机器学习的棉花产地溯源：矿物元素指纹与LightGBM模型的精准鉴别策略

本研究针对棉花地理溯源技术缺失问题，创新性地结合矿物元素分析与可解释机器学习算法，系统评估了PCA、PLS-DA、DT、SVM、RF及LightGBM模型在五国产地棉花鉴别中的效能。结果表明LightGBM模型准确率达100%，并通过SHAP技术揭示Pb、Ni、Na等关键判别元素，为棉花质量控制和品牌保护提供了可靠的技术方案。

　　

在全球纺织工业中，棉花作为最重要的天然纤维原料，其产地真实性直接关系到产品质量和市场信誉。然而，棉花产业链的复杂性导致产地溯源缺乏有效技术手段，以次充好、产地欺诈等问题频发，严重制约了行业健康发展。传统鉴别方法如近红外光谱（NIR）和稳定同位素分析虽有一定效果，但存在精度不足、适用范围有限等瓶颈。特别是在多国棉花混合流通的背景下，如何精准区分中国、巴西、澳大利亚、印度和美国等主要产棉国的原料，成为亟待解决的科学难题。

发表于《Journal of Cotton Research》的最新研究突破性地将矿物元素指纹技术与可解释机器学习相结合，成功构建了高精度棉花产地判别模型。研究团队通过分析305份原始棉花样本的19种矿物元素含量，发现不同国家棉花存在显著元素特征差异：中国棉花富含铅（Pb）和砷（As），巴西样本以铝（Al）和锌（Zn）为特征，澳大利亚棉花则呈现锶（Sr）特异性富集。这些元素特征与各产区的土壤环境、农业实践和工业活动密切相关，为地理溯源提供了天然标记物。

研究采用电感耦合等离子体质谱（ICP-MS）和电感耦合等离子体光学发射光谱（ICP-OES）技术定量分析元素含量，结合主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）四种机器学习算法（决策树DT、支持向量机SVM、随机森林RF和轻量梯度提升机LightGBM）进行建模。样本队列包含中国（240份）、巴西（30份）、澳大利亚（15份）、印度（10份）和美国（10份）的原始棉花纤维。

多元素差异揭示产地特征

通过元素含量箱线图可视化（图1）和统计比较发现，钾（K）作为植物生长必需元素，在中国棉花中含量最高（6446.33 mg·kg^-1），而美国样本最低（4605.00 mg·kg^-1）。印度棉花在铁（Fe）、铜（Cu）、钠（Na）含量上显著领先，但锂（Li）和铯（Cs）未检出。巴西样本的锌、锂、铝含量居首，中国棉花则呈现砷、铅特异性富集——其中铅含量达0.702 mg·kg^-1，近乎澳大利亚样本（0.001 mg·kg^-1）的700倍。虽然锰（Mn）元素在中国样本中含量最低（4.12 mg·kg^-1），但其在美国（7.02 mg·kg^-1）和澳大利亚（6.31 mg·kg^-1）样本中的显著高值仍使其成为特定国家组合判别的重要指标。

矿物元素指纹构建溯源基础

PCA模型虽提取三个主成分，累计解释方差（R2X）达42.6%，但预测能力（Q2）仅6.14%，表明其对新区泛化能力有限。得分图显示美国样本分布分散，澳大利亚样本集中于第一二象限，而中国、巴西、印度样本存在明显重叠（图2A-B）。PLS-DA作为监督模型优化了组间区分，在潜在变量（LV）为6时获得最大预测能力（Q2=32.6%）。其得分图显示中国、巴西样本形成独立簇群，但中美样本仍存在重叠（图2C）。通过200次置换验证确认模型未过拟合（图2D）。变量重要性投影（VIP）分析确定钠（Na）、锰（Mn）、钡（Ba）、铷（Rb）、铝（Al）、砷（As）、铅（Pb）七个关键判别变量（图2F）。

机器学习实现精准分类

四种算法在测试集上表现差异显著：SVM模型准确率87%（8个样本误判），DT模型提升至90%（6个误判），RF模型达97%（仅2个误判）。LightGBM模型表现完美，准确率、精确度、召回率均达100%（图3D）。模型评估指标显示（表1），LightGBM在训练集和测试集的宏观F1分数均为100%，显著优于其他算法。

可解释AI揭示决策机制

通过SHAP值分析LightGBM模型输出，发现铅（Pb）、镍（Ni）、钠（Na）、铝（Al）、砷（As）、钡（Ba）、铷（Rb）、铁（Fe）、钾（K）九个元素对模型预测影响最大（图4a）。其中钠、钡、铷、铝、砷、铅六元素与PLS-DA的VIP结果一致，验证了其在溯源中的关键作用。国家特异性分析表明：澳大利亚样本主要受钡、锶、镍影响（图4b）；巴西样本以铝元素为核心特征（图4c）；中国样本中铅、镍、砷、铷、钾呈现正SHAP值（图4d）；印度样本的关键特征为钠、铜、铁（图4e）；美国样本则主要受铅、钠、锑影响（图4f）。

该研究首次建立基于矿物元素指纹与可解释机器学习的棉花产地溯源体系，证实LightGBM模型在多元分类中的卓越性能。研究不仅为棉花质量监管提供了技术支撑，更开创性地应用SHAP值解析模型决策逻辑，使机器学习从"黑箱"走向透明化。关键判别元素的确定为后续溯源机制研究指明方向，特别是铅、砷等元素的地理特异性分布提示其可能成为环境污染指示指标。该方法可扩展至其他农产品溯源领域，对推动全球农产品贸易透明度具有重要意义。