《Agricultural and Forest Meteorology》：Delineating hierarchical agro-ecological zones for crop production environments in Kansas
编辑推荐：
本刊推荐：为解决传统农业生态区划(AZs)依赖单步聚类、忽视土壤属性、缺乏独立验证的问题，研究人员开展了针对堪萨斯州的分层AZs研究。该研究利用k-means聚类，先基于长期气候特征划分宏观AZs，再依据土壤物理属性嵌套划分微观AZs，并通过多类别逻辑回归模型（使用作物损失原因和土地覆盖数据）进行验证，宏观和微观AZs的验证准确率分别达到88%和67%。该研究为区域农业规划、作物试验设计及模型推广提供了可扩展的框架。
在广阔的农业地带，如何精准地划分出环境条件相对均一的区域，即农业生态区（Agro-ecological zones, AZs），是优化农业管理、制定区域规划和政策的关键。这些区域应能反映相似的作物生产潜力，从而指导诸如土地利用规划、可持续农作实践确定、最佳播种期选择等重要决策。虽然从全球到区域尺度已有不少AZs的划分方案，但它们往往存在一些局限：许多研究依赖于单一层次的聚类方法，忽略了同样至关重要的土壤属性，或者缺乏使用独立数据集对划分结果进行有效性验证。这就好比试图用一张粗略的地图去指导精细的耕作，其准确性和实用性难免大打折扣。尤其像美国堪萨斯州这样的农业重镇，其东西横跨降水梯度（年降水量400-800毫米），南北纵贯温度变化（年均温10-15°C），土壤类型从粉砂壤土到粉砂粘壤土多样分布，更需要一种能够平衡气候宏观格局与土壤微观变异性的、稳健且可验证的区划方法。正是为了应对这一挑战，Sarah Sexton-Bowser、Kraig Roozeboom和Andres Patrignani在《Agricultural and Forest Meteorology》上发表了他们的研究，旨在为堪萨斯州勾勒出一种分层级的农业生态区划。
为了回答上述问题，研究人员设计了一项结合气候与土壤数据、采用分层聚类分析并进行独立验证的研究。关键技术方法包括：1) 数据准备：收集长期（1991-2020）气候数据（年降水量、年参考蒸散量ETo、年均温）和高分辨率土壤物理属性数据（植物有效水容量PAWC、土壤有机质、有效土壤深度），统一重采样至800米网格并进行标准化；2) 分层聚类：首先应用k-means算法仅基于气候特征划分宏观AZs，随后在每个宏观AZ内部，再次应用k-means算法基于土壤属性划分嵌套的微观AZs，聚类数量通过轮廓系数（Silhouette score）优化确定；3) 独立验证：利用外部数据集——包括美国农业部（USDA）的作物保险损失原因记录（计算损失原因比率LCR）和耕地数据层（计算土地覆盖频率LCF）——构建多类别逻辑回归模型，以AZs标签为因变量，LCR和LCF为自变量，通过十折交叉验证评估区划的预测准确性。
3.1. 农业生态区划的划定
聚类分析结果显示，基于气候特征，堪萨斯州被最优地划分为三个宏观AZs（轮廓系数=0.59）：西北部（AZ-NW）、西南部（AZ-SW）和东部（AZ-E）。这三个区域在降水量、温度和蒸散需求上存在显著差异，例如AZ-E降水量最高（946毫米/年），而AZ-NW温度最低（11.6°C）。随后，在每个宏观AZ内，基于土壤物理属性进一步划分出两个微观AZs。例如，在AZ-NW，土壤深度是主要区分因素；在AZ-E，土壤有机质和深度共同作用，其中AZ-E2对应弗林特丘陵区，土壤较浅；在AZ-SW，土壤有机质和有效水容量是主要区别，AZ-SW2对应阿肯色河流域的沙质土壤，属性值较低。最终形成了六个微观AZs（AZ-E1, AZ-E2, AZ-NW1, AZ-NW2, AZ-SW1, AZ-SW2）的空间格局。
3.2. 农业生态区划的验证
使用独立数据集对AZs进行验证取得了显著成果。对于宏观AZs，多类别逻辑回归模型的精确度、召回率和F1分数的加权平均值均达到88%，表明基于气候的宏观区域能够有效区分不同的作物系统。验证误差主要集中在宏观区域的过渡带。对于结合了气候和土壤信息的宏观-微观AZs，验证准确率降至67%（加权平均F1分数为66%），虽然低于宏观尺度，但仍表明微观区划捕捉到了与作物生产潜力相关的环境变异性。其中，AZ-SW2的召回率最低（32%），部分原因可能是其样本量相对较小。对损失原因比率和土地覆盖频率的分析进一步佐证了不同AZs的独特性，例如AZ-E过量水分导致的损失比例最高，与其大豆种植面积较高、夏季休耕面积最低的特征相符；而AZ-NW干旱导致的损失比例最高，与其玉米、高粱种植和夏季休耕面积较高的水分管理策略一致。
研究结论表明，采用分层聚类方法能够有效地将堪萨斯州划分为具有气候同质性的宏观农业生态区和在此基础上进一步体现土壤差异的微观农业生态区。通过独立的、反映实际农业生产情况（作物损失原因和土地覆盖）的数据集进行验证，证实了这些区划与观测到的作物系统空间分布具有良好的一致性（宏观区划验证准确率88%）。这项研究的重大意义在于它提供了一个可扩展的、稳健的框架，该框架不仅解决了传统区划方法中忽视土壤属性和缺乏验证的问题，而且通过分层结构平衡了区划的简洁性与细节丰富性。产生的AZs可以直接应用于多个方面，例如指导区域农业规划、优化作物品种试验点的布局、辅助点尺度作物模型模拟结果向区域尺度的扩展，以及为未来环境监测站的选址提供科学依据。该方法具有灵活性，可根据特定作物或研究问题调整输入变量，为其他地区的类似研究提供了重要借鉴。同时，研究也指出了局限性，如作物保险数据的分辨率问题、年度气候标准值可能无法完全代表年内变化等，为未来研究指明了方向。
