基于可解释机器学习与SHAP的欧洲40种主要作物农业气候驱动因子及适宜性生态位解析

《Ecological Informatics》：Agroclimatic drivers and suitability niches of major European crops revealed by explainable machine learning

　　

结合SHAP的可解释机器学习识别40种欧洲作物的农业气候驱动因子。Matthews相关系数（Matthews Correlation Coefficient, MCC）值0.50–0.89揭示三个不同的作物分类层级。纬度-温度指数（Latitude-Temperature Index, LTI）是40种作物中的主要农业气候驱动因子。SHAP（SHapley Additive exPlanations）揭示作物特异性非线性气候响应。气候驱动因子交互在冷季和暖季作物之间存在差异。

论文主体解读如下。

研究背景与问题：欧洲农业在经济、景观和食物系统中居核心地位，谷物、油籽、水果和蔬菜等多样作物支撑消费与全球市场。欧洲具有共同农业政策（Common Agricultural Policy, CAP）等政策框架和稳定市场，但粮食安全日益受气候变率、极端天气和长期气候变化挑战，影响作物产量、水资源和 production systems 稳定性。理解作物气候需求对农业规划、粮食安全和适应气候变化至关重要。作物分布受温度、降水和派生农业气候条件影响，但标准物种分布模型常用的月尺度温度和降水摘要难以捕捉亚季节和生理意义信号，如休眠打破需冷、热量积累、春化阈值、复合干旱和无霜期时序等。过程作物模型（如APSIM、DSSAT）需大量参数化，广泛作物组合难以获得；统计模型常依赖单峰响应假设且预测因子强共线时不可靠。机器学习（Machine Learning, ML）集成方法预测性能强、抗过拟合并可捕捉非线性阈值响应，但通常被视为“黑箱”。可解释人工智能（Explainable Artificial Intelligence, XAI）技术可克服该限制，其中SHAP具有博弈论基础，TreeSHAP可高效解释树模型；但多数应用仅排序变量重要性，较少量化不确定性、最优范围、阈值响应和气候驱动因子交互。因此研究人员旨在：识别决定欧洲主要作物分布的农业气候因子；刻画每种作物的气候生态位；研究关键农业气候驱动因子如何交互影响作物适宜性。研究结合可解释机器学习、SHAP和k-Shapley交互指数（k-Shapley Interaction Index, k-SII），建立可重复的数据驱动框架。

关键技术与数据来源：CROPGRIDS数据集提供约5 km全球174种作物分布；研究人员筛选欧洲35°N–60°N、?10°E–35°E内作物，剔除面积<0.2%或网格少于15,000者，保留40种作物。气候数据来自CERRA/CERRA-Land再分析，1995–2024年。采用K-means聚类识别作物系统；投票分类器（Voting Classifier, VC）集成随机森林（Random Forest, RF）、CatBoost、XGBoost与LightGBM，以GroupKFold五折3°×3°空间分块预测作物存在/缺失，用Matthews相关系数（Matthews Correlation Coefficient, MCC）评价。用SHAP（SHapley Additive exPlanations）TreeExplainer解释，局部加权散点平滑（locally-weighted scatterplot smoothing, LOWESS）提取最优范围，SHAPIQ的k-Shapley交互指数（k-Shapley Interaction Index, k-SII）量化成对交互。

研究结果：

3.1 欧洲作物概况：基于CROPGRIDS数据集，按栽培面积欧洲前8大作物依次为wheat、barley、maize、sunflower、rapeseed、grape、potato和oats。wheat面积最大，约3.5 × 10⁷ ha，其次barley约1.7 × 10⁷ ha，maize约1.65 × 10⁷ ha，反映冷季和温带-暖季谷物在欧洲农业中的优势。原文还强调olive和grape等地中海多年生作物范围显著。活跃网格数与总面积排序明显分离，barley、apple和vegetablenes网格数最高，超过wheat；plum、tomato、onion和vegfor在相对小面积下出现于高网格数；sunflower和rapeseed在较少网格中占较大总面积。每网格作物面积分布显示olive中位面积最高且分布最广，wheat、barley、maize和triticale每网格分布宽，而cotton、orange和rice为窄且强右偏分布，处于高度受限区。

3.2 欧洲作物系统聚类：对全部陆地网格归一化作物组成向量进行K-means聚类，并以余弦相似度>0.95合并，识别出8个空间和功能一致的作物系统。Cluster 1以maize为主，占38.8%；Cluster 2为无主导sunflower-wheat系统；Cluster 3以olive为主，占47.1%；Cluster 4以mixedgrass为主，占17.3%；Cluster 5以wheat为主，占40.8%，是面积最大的空间聚类；Cluster 6以barley为主，占39.0%；Cluster 7以rapeseed为主，占29.0%；Cluster 8以grape为主，占34.8%。这些系统包括冷气候谷物和油籽带、过渡和饲草密集型系统，以及地中海橄榄、葡萄等多年生作物区。

3.3 模型性能：VC分类器及各ML模型对40种欧洲作物总体取得较高判别性能，MCC分为三个层级。MCC>0.80为非常强，包括olive、oilseedfor、orange、ryefor、almond、clover、chickpea、legumenes、grassnes和hazelnut等气候特化且空间一致的作物；0.60
3.4 单作物可解释性：以maize为例，交叉验证MCC为0.63 ± 0.03。顶部预测因子为LTI、干燥指数（Dryness Index, DI）、最冷月最低温（Minimum Temperature of the Coldest Month, BIO6）、等温性（Isothermality, BIO3）、温度季节性（Temperature Seasonality, BIO4）和生长季长度（Growing Season Length, GSL）。LTI在低至中等热负荷约300–700时为正SHAP，峰值约400–500，超过约1000转为强负值，反映maize限于温带-暖大陆环境。DI在约150–200单位出现正尖峰，很高湿度转为负影响。BIO6显示偏好较冷冬季。BIO3随等温性升高单调增加。BIO4呈反向，低温度季节性为正，中高值为负。GSL低于约200天为负，超过约250天为正并趋于平台。交互网络中DI与BIO3、DI与BIO4、BIO4与BIO6以拮抗为主，LTI与GSL、BIO3与BIO6以协同为主。

3.5 预测因子间成对交互：k-SII成对交互分析显示，前8种作物存在两种交互架构。冷季和温带作物（wheat、barley、rapeseed、mixedgrass）以协同网络为主，热量积累、BIO3、季长和水分指数互补增强；暖季作物（maize、sunflower、olive）以拮抗网络为主，热力和水分驱动提供冗余或竞争信息。grape处于中间位置，BIO3、BIO4、BIO6、BIO7等热力大陆性指数间协同，但涉及极端高温TMAX30的边强拮抗。LTI参与所有作物最强交互，在冷季作物中与季长和等温性协同，在暖季作物中与热胁迫和水分驱动拮抗。

3.6 农业气候指数排序：频率加权重要性显示，LTI是唯一出现在全部40种作物顶部预测因子中的指数，占100%；其后为BIO3，85%；BIO7，70%；BIO4，67%；BIO6，60%；BIO15，25%。TMIN17和BIO2各约22–25%作物，其余指数如DI、CHILL_P、BIO5、BIO9、TMAX30、FP、GSL、BEDD和GDH对少于6种作物相关，表明其捕捉生态位特异限制。热图显示暖季地中海作物（cotton、olive、orange、chickpea）高SHAP集中于LTI和BIO6；冷季谷物（wheat、barley、rye、oats、triticale）使用BIO3、BIO4和BIO7更广；mixedgrass独特依赖CHILL_P。

3.7 欧洲农业气候指数空间格局：六个顶部指数空间结构明显不同。LTI沿南-北梯度，地中海盆地超过1200，斯堪的纳维亚和北纬低于300。BIO3呈西南-东北对比，西北海洋区最高约55–60，东欧大陆内部和地中海最低约30–35。BIO7与BIO3大致反向，在东北欧大陆峰值超过50°C，向大西洋海岸和南地中海下降。BIO4在东欧最高，在大西洋和地中海边缘最低。BIO6显示霜冻排除梯度，从地中海低地高于10°C到东北欧和山区低于?20°C，直接限定霜冻敏感暖季作物。BIO15在南欧和地中海盆地变异最高，夏季干旱集中，西北欧全年降水分布均匀而值低。

3.8 作物特异性农业气候生态位：SHAP推导的气候最适值显示连续梯度而非离散组。LTI范围约200至超过1400，oats、rye和potato最低约200–650，maize、sugarbeet、triticale、greencorn等中间约500–1000，olive、rice、chickpea和cotton最暖约800–1400。BIO3生态位压缩在约38–60%，rye、fornes和oats最低约38–44%，almond、mixedgrain和ryefor最高约55–60%。BIO7范围约15–60°C，cotton、almond和rice限于约15–25°C，vegetablenes、plum和oats耐受约45–60°C。BIO4区分海洋作物（ryefor、oilseedfor，最适约300–450）和大陆多年生作物（hazelnut、grape，约700–1000）。BIO6从约?28°C到+5°C，pea、maize和potato限最暖冬温约0°C至+5°C，oilseedfor、triticale、olive和ryefor延伸至约?20°C至?28°C。BIO15区分地中海关联和atlantic关联作物，pea、rapeseed和triticale最低约40–60，legumenes、rice、chickpea、olive和cotton最高约70–120。

讨论部分总结：研究人员指出，LTI在全部40种作物中最广泛重要，反映中高纬欧洲晚季热量可用性决定可行作物组合；但LTI具有作物特异性最适范围，而非简单阈值。BIO3次重要，代表大陆性-海洋性梯度；BIO7和BIO4进一步强化该轴；BIO6提供霜冻排除信号；CHILL_P仅对mixedgrass独特重要，表明永久草地春化依赖。研究结果与已有关于热量积累、季节性和水分季节性的认识一致，并进一步量化了成对交互的方向。气候变化下，八个作物系统预计空间和组成移动；低LTI作物如oats、rye、barley、rapeseed、饲草和mixedgrass最脆弱，适宜区北移和上移；暖季高LTI作物如olive、cotton、orange和rice可能北扩但受热胁迫限制；wheat处于中间热生态位，响应复杂；水分可用性对barley、rapeseed、sunflower和grape等是重要限制；2022年欧洲干旱影响vineyards、olive groves、sunflower、maize、oats和rapeseed。ML框架可整合进动态作物模型、FAO GAEZ全球农业生态区和K?ppen-Geiger分类，支持作物选择、多样化、区域规划和政策。局限包括CROPGRIDS分类偏差、CERRA网格错位、聚合类别、模型仅基于存在-缺失且不考虑人为偏好或政策、土壤和地形未纳入、成对交互为简化近似、未来交互网络不确定性较高。

研究结论翻译：研究结果揭示热力和水分驱动因子对欧洲农业的层级化和作物依赖作用。热/纬度关系在全部40种评估作物中均为最具影响力的驱动因子。冷季作物更敏感于生长季长度、温度季节性和水分可用性，而暖季作物主要受温度和霜冻阈值限制。日温度波动的重要性进一步表明，大陆性-海洋性梯度是欧洲农业的结构轴。作物特异性生态位呈连续变异而非分类聚类，这可能有助于预测未来气候变化下的作物适宜性。成对交互表明温带和冷季作物网络以协同为主，暖季作物网络以拮抗为主。最后，该集成可解释机器学习框架能够为每种作物寻找最优农业气候生态位，并利用公开数据完全可扩展和可重复，便于未来扩展到其他区域或作物类别，为气候变化下农业适应提供可操作指导。作者贡献者包括：Helder Fraga、Nathalie Guimar?es、Sebastian Candiago、Chenyao Yang、Eduardo Sosa、Roberto Serrano-Notivoli、Nicolas R. Dalezios、Glauco de Souza Rolim、Jo?o A. Santos。