基于本体引导的稀疏加性交互模型（OSAIN）实现小菜蛾种群数量多期提前预测

《Agriculture》：Farmland Transformation Reshapes Ecosystem Services Through Multi-Level Landscape Reconfiguration: Evidence from China’s Songnen Plain

　　

摘要

提前数月预测小菜蛾（Plutella xylostella）的种群数量可以为及时的作物保护提供支持，但监测记录较短使得准确性和可解释性面临挑战。我们探讨了生态结构能否在提高多期预测性能的同时，使其预测证据具备可审计性。我们开发了 OSAIN 模型，这是一种联合本体论引导、预测期条件的稀疏加性交互建模方法，包含独立的害虫记忆和天气路径。预测结果可分解为预测期偏差、害虫记忆、加性天气效应以及受限的生态交互作用。利用广东惠阳和汕头每月的幼虫记录（每 100 株植物的幼虫数），该模型基于过去 12 个月的 137 个气象特征和 1 个害虫历史特征，预测提前 1 至 4 个月的种群数量。在与 15 个基线模型进行时间序列且目标不相交的评估中，OSAIN 在两个站点的十次运行中均取得了最低的均方根误差（RMSE）和平均绝对误差。在惠阳，RMSE 比表现最佳的基线模型低 2.4%，但差异不显著；在汕头，RMSE 低 7.1%（Holm 校正 p = 0.001）。单个组件的预测大约使用了八分之一的特征描述符，且拟合后的门控排序与基于遮挡的依赖性一致程度远高于未训练模型。跨站点迁移在双向过程中均降低了准确性，表明在实际应用前需要进行本地校准和前瞻性评估。