基于生理引导的多目标机器学习方法：面向年际气候变异的亚洲梨果糖稳健预测

《Computers and Electronics in Agriculture》：Physiology-guided multi-objective machine learning for robust fructose prediction in Asian pear under interannual climate variability

　　

摘要专业翻译 气候变异性对园艺生产构成日益增长的风险，尤其是在开放果园系统中，多年生果树在生长季直接暴露于波动的温度、辐射、大气水分需求和降水之中。这种变异可能改变果实发育和内在品质形成过程，使田间条件下果实品质的稳定预测变得困难。在多年生果树作物中，可靠的内在果实品质预测因此需要理解品质性状在发育过程中的累积方式，而非仅估算最终采收值。可溶性糖是梨果实品质的核心决定因素，因为它们塑造了感知甜度和与成熟度相关的感官属性。在成熟梨的主要可溶性糖中，果糖具有较高的相对甜度，对感知甜度贡献显著，使其成为气候响应型果实品质预测的相关目标。尽管果糖累积具有累积性和阶段依赖性，现有果实品质预测方法往往依赖直接的输入-输出映射，未编码发育累积、气候调节和代谢延续性。研究人员提出假设：在稳健性感知的多目标准则下进行优化时，编码阶段依赖性累积、气候调节和代谢延续性的特征表示，相对于使用气候-物候描述符或无条件原始滞后糖特征的方法，能够降低平均预测误差、最差年份误差和年际变异性。为验证该假设，研究人员开发了一个生理引导的机器学习框架，在特征表示层面而非通过完整过程模拟器编码领域知识。模型开发被重新表述为一个多目标优化问题，同时考虑平均预测误差、最差年份误差和年际变异性。研究人员采用带精英策略的非支配排序遗传算法III（NSGA-III）系统探索预测精度与稳定性之间的权衡，从而识别具有潜在实际应用价值的均衡解。本研究的目的是三重的：（1）通过消融分析量化每个生理引导表示组件的贡献；（2）表征不同优化策略下的精度-稳健性权衡；（3）检验多目标优化如何重塑模型派生表示，以及所得模式是否与既有生理学知识一致。

论文解读文章

一、研究背景与问题

气候变化对园艺生产构成日益严峻的威胁，尤其是在开放果园系统中，多年生果树在整个生长季直接暴露于波动的温度、辐射、大气水分需求和降水条件。这种环境变异可以改变果实发育和内在品质的形成过程，使得田间条件下果实品质的稳定预测变得十分困难。在多年生果树作物中，可靠预测果实内在品质需要理解品质性状在发育过程中的累积方式，而非仅估算最终采收值。

可溶性糖是梨果实品质的核心决定因素，因为它们塑造了感知甜度和成熟度相关的感官属性。在成熟梨的主要可溶性糖中，果糖具有较高的相对甜度，对感知甜度贡献显著，因此成为气候响应型果实品质预测的重要目标。然而，尽管果糖累积具有累积性和阶段依赖性特征，现有果实品质预测方法往往依赖直接的输入-输出映射，未能编码发育累积、气候调节和代谢延续性。近期知识引导机器学习和科学机器学习领域的研究日益强调，领域知识可以通过结构化假设空间而非仅依赖模型复杂度来改善数据驱动模型的泛化能力、科学一致性和可解释性。然而，这些研究均未联合编码物候对齐的发育累积、气候条件化的前体历史调节、滞后代谢状态以及面向田间梨果糖预测的年际稳健性目标。

年际果实糖分累积预测在田间条件下进一步复杂化，因为年际气候变异可能导致模型在不同生长季的表现不一致。即使管理措施相似，基于历史数据训练的模型也可能因环境条件变化而在不同年份表现不稳定。特别是，以平均精度为优化目标的模型可能在特定年份产生不成比例的高预测误差，导致在变化气候条件下的性能不稳定。这一局限性降低了模型预测在实际农业应用中的可靠性，凸显了在平均精度之外考虑预测稳定性和最差情况性能的必要性。

二、研究内容与结论

针对上述问题，研究人员开发了一个生理引导的机器学习框架，在特征表示层面编码领域知识。该框架将果糖累积视为累积性和阶段依赖性过程，其中前体历史信号受当前发育和环境背景条件调节。这些假设通过气候门控（climate gate）、Richards生长核（growth kernel）和滞后糖特征进行操作化，形成结构化输入表示，XGBoost从中学习参数化变换未捕获的剩余非线性关系。模型开发被重新表述为多目标优化问题，同时考虑平均预测误差、最差年份误差和年际变异性，采用非支配排序遗传算法III（NSGA-III）系统探索精度与稳定性之间的权衡。

研究基于亚洲梨品种‘Niitaka’（Pyrus pyrifolia）的多年田间数据，涵盖六年生长季，以15天间隔在盛花后30至180天（DAFB）进行采样。气象数据包括空气温度、太阳辐射（Rad）、相对湿度、降水、蒸汽压亏缺（VPD）和生长度日（GDD）。糖分测量包括果糖、蔗糖、葡萄糖和山梨醇浓度。评估采用留一年交叉验证（LOYO）策略，以年际稳健性评估为核心。

三、关键技术方法

研究人员主要采用了以下关键技术方法：（1）气候门控函数，一种连续环境加权函数，根据当前发育和环境背景调节前体历史信号；（2）Richards生长核，提供长期累积轨迹的形状约束；（3）滞后糖特征，通过纳入前一个采样点的实测糖状态来表示路径依赖性；（4）固定XGBoost回归器，从生理引导元特征和基础特征中学习剩余非线性关系；（5）Optuna单目标优化与NSGA-III多目标优化两种优化策略的对比；（6）留一年交叉验证（LOYO）评估框架，以年际RMSE的标准差量化性能稳定性，以最大年际RMSE表示最差情况性能。样本来源为同一果园六年间的重复采样，每棵树取五个梨制备混合样本。

四、研究结果

1. 生理引导表示组件的贡献量化

通过消融分析，研究人员系统评估了气候门控和生长核各自及联合的贡献。结果表明，单独加入气候门控（Model C0）或生长核（Model C1）均能改善预测性能，而两者联合（Model C）带来更显著的提升，证实了生理引导表示组件的互补性和协同效应。

2. 精度-稳健性权衡的表征

通过对比单目标优化（Model C）和多目标优化（Model D）策略，研究人员发现多目标优化能够更全面地平衡平均误差、最差年份误差和年际变异性三个目标，而单目标优化在改善平均精度的同时可能在年际稳健性方面表现不足。

3. 多目标优化对模型表示的重塑

研究人员检验了多目标优化如何改变模型派生的表示模式。结果表明，经过NSGA-III优化后的模型（Model D）在保持良好平均精度的同时，显著降低了最差年份误差和年际变异性。选定的模型将合并误差降低了36.1%，年际变异性降低了70.4%，验证了稳健性感知优化策略的有效性。

五、讨论与结论

讨论部分指出，生理引导特征表示通过编码发育累积、气候调节和代谢延续性，有效约束了数据驱动学习的自由度，从而改善了模型的泛化能力和年际稳健性。多目标优化框架将平均精度、最差年份可靠性和年际变异性作为同步设计准则，而非事后诊断指标，这一设计理念对农业机器学习领域具有方法论启示。研究还表明，模型派生的门控和核配置模式与既有生理学知识具有一致性，支持了生理引导表示的科学合理性。

研究结论部分指出，将阶段依赖性累积、气候调节和代谢延续性编码为特征表示，并在稳健性感知多目标准则下优化，相对于使用气候-物候描述符或无条件原始滞后糖特征的基线方法，能够降低平均预测误差、最差年份误差和年际变异性。这一发现发表于《Computers and Electronics in Agriculture》，为田间条件下多年生果树果实品质的稳健预测提供了有效的方法论框架，对气候变化背景下的精准果园管理和品质预测具有重要的实践意义。