基于多源数据融合与堆叠集成机器学习的可解释田块尺度玉米产量预测

《Field Crops Research》：Interpretable field-scale corn yield prediction using multi-source data fusion and stacking ensemble machine learning

　　

**摘要**

- 融合多源植被指数（VI）、地形、土壤和气象变量，实现精确的田块级玉米产量预测。
- 相比堆叠回归，单一机器学习算法的可迁移性和泛化能力较差。
- 堆叠回归在验证集上R2 = 0.85，在未见测试集上R2 = 0.81。
- CVI、NDWI、SPI、沙粒含量和饱和土壤含水量被识别为关键产量驱动因子。
- 在一个132公顷的玉米田上的独立验证确认了该框架的可迁移性和稳定性。

**引言**

国家粮食安全和人民生活水平在很大程度上取决于作物产量（Aryal等人，2022；Wang等人，2014）。及时准确的收获前作物产量预估对于制定健全的粮食政策和制定精准农业战略以实现产量优化至关重要（Celis等人，2024；SS等人，2024）。玉米（Zea mays L.）是全球产量最大的粮食作物之一，年产量超过十亿吨，是维护全球粮食安全的关键作物（Leroux等人，2019）。美国2025年玉米产量约为4.32亿公吨，约占全球玉米产量的三分之一（USDA-NASS，2026）。因此，在美国，及时的玉米产量预测以及对影响产量关键因素的农学解释，对于农场级资源规划、国家粮食安全评估和市场计划具有重要意义（Jiang等人，2020；Johnson，2014）。

在田块尺度上，联合收获机搭载的产量监测仪用于产量测量，但这些数据需要仔细校准和质量控制，且由于数据通常由农民或服务提供商私有持有，获取受限，难以将田块级产量信息汇总为可靠的县或区域尺度估算（Gauci等人，2024）。当前的产量预测方法通常包括基于物理和统计的模型，如基于过程的作物生长模型和机器学习（ML）模型，以估算作物产量（Archontoulis等人，2020；Feng等人，2020；Maimaitijiang等人，2020；Zhang等人，2019）。虽然作物生长模型对于表征生理生长、物候和胁迫响应很有用，但其在田块尺度的应用可能受限于管理措施信息不完整，如杂交品种、播种日期、播种密度、施肥制度和灌溉实践（Kephe等人，2021；Li等人，2021；Li等人，2022）。尽管如此，在快速准确地估算作物产量以及表征区域尺度产量变异性方面仍存在显著差距，而这对于农场级管理决策和政策制定都至关重要（Hunt等人，2019）。基于过程的模型侧重于模拟生理生长和环境影响，而数据驱动的机器学习和混合方法因其能够捕获多源数据集中的复杂非线性模式而日益受到重视（Aderele等人，2025）。遥感（RS）技术为此提供了一种潜在的解决方案，通过在大面积范围内以多种空间分辨率实时互补地测量作物和田块状况，已被广泛用于估算与农业相关的参数，包括小麦（Triticum aestivum L.）（Azadbakht等人，2022；Raza等人，2025a）、大麦（Hordeum vulgare L.）（Johnson等人，2016）、玉米（Kumar等人，2025；Yang等人，2021）、水稻（Oryza sativa L.）（Franch等人，2021；Wan等人，2020）、马铃薯（Solanum tuberosum L.）（Tamayo-Vera等人，2025）、棉花（Gossypium L.）（Ashapure等人，2020；Xu等人，2021）以及部分水果作物（Gutiérrez等人，2019）的产量。

与作物生长模型不同，机器学习模型并不显式模拟作物生理和生物物理过程。相反，它们建立历史产量结果与其贡献因素之间的经验相关性，从而在没有作物特有生理参数参与的情况下实现准确的产量预测（Wang等人，2020；Zhang等人，2019）。模型解释方法如SHAP（SHapley加性解释）、置换重要性和偏依赖分析可用于识别预测变量的相对重要性和影响方向，并将这些模式与农学过程联系起来（Hussein等人，2024；Yilmaz等人，2025）。机器学习模型在玉米、小麦、大豆和水稻等主要作物的产量预测中表现出强劲性能，在农业管理和决策应用中潜力巨大（Cao等人，2021；Pantazi等人，2016；Schwalbert等人，2020；Shahhosseini等人，2021b；Shahhosseini等人，2021a）。机器学习模型之所以有用，是因为它们能够处理复杂、链式、非线性关系并适应不同类型的变量（Zhou等人，2017）。这些能力推动了它们在包括精准农业在内的多种学科中的广泛应用（Sarker，2021）。

多种机器学习模型已被用于作物产量预测，包括逻辑回归（LR）、K近邻（KNN）、支持向量机（SVM）、决策树（DT）、分类回归树（CART）、随机森林（RF）、多元自适应回归样条（MARS）、最小绝对收缩和选择算子（LASSO）、人工神经网络（ANN）和深度神经网络（DNN）等（Bala，2020；Bian等人，2022；Iniyan等人，2023；Morales和Villalobos，2023；Rashid等人，2021；Reddy和Kumar，2021；Van Klompenburg等人，2020）。不同机器学习（ML）和深度学习（DL）模型在玉米产量预测中的性能已在不同数据源和空间尺度上得到广泛评估。对比研究显示，KNN、SVM、高斯过程回归、随机森林、XGBoost和神经网络等方法表现出强劲性能，尽管表现最优的模型因数据集和应用而异（Aderele等人，2025；Bian等人，2022；Croci等人，2022；Kumar等人，2025；Mupangwa等人，2020）。深度学习（DL）方法，包括多层感知器（MLP）、长短期记忆网络（LSTM）和卷积神经网络（CNN），利用土壤、气象、无人机和卫星遥感数据的组合也展示了令人满意的产量预测性能（Aderele等人，2025；Jiang等人，2020；Kang等人，2020；Khaki和Wang，2019）。总体而言，这些研究表明传统机器学习和深度学习方法在作物产量预测方面具有潜力，同时也表明模型性能在很大程度上取决于数据特征、预测变量来源和应用尺度。

尽管玉米产量预测已显著地从粗略的、县级汇总的或基于调查的数据转向更相关的产量监测仪田块记录，但这些方法仍然难以表征用于现场农业决策所需的亚田块空间异质性（Shahhosseini等人，2021b；Van Klompenburg等人，2020）。玉米产量受多种生理和环境过程影响，如冠层发育、辐射截获、光合作用、作物水分状况、积温、养分吸收和灌浆（Nleya等人，2016）。机器学习技术显著提高了作物产量预测水平，但许多基于机器学习的框架严重依赖光谱植被指数或单一来源输入，这可能无法充分表征作物状况、地形驱动的水分和养分再分配、土壤物理性质以及季节性气象变化对产量形成过程的交互影响（Maimaitijiang等人，2020；Shuai和Basso，2022）。光谱植被指数提供了植物健康和胁迫的间接指标，而土壤和地形特征影响水分和养分动态，季节性气象指标影响植物生长和产量（Ihuoma和Madramootoo，2019；Knight等人，2024）。因此，仍然迫切需要一个田块级预测框架，该框架以高分辨率产量监测数据作为地面真实值，融合多源预测变量（包括植被指数、地形特征、土壤数据和气象指标），同时评估决策支持所需的空间时间泛化性和可解释性。

大多数以往的基于机器学习的作物产量预测研究依赖于单个机器学习算法，当训练数据和测试数据具有相似的特征分布时可能表现良好，但在应用于新田块、新年份或新的农业环境条件时可能会失去鲁棒性（Shawon等人，2025；Van Klompenburg等人，2020）。集成学习如堆叠回归（SReg）通过组合互补的学习器来减少模型特定的偏差和方差，提供了更强大的替代方案。SReg使用多个基模型来学习产量响应的不同组成部分，然后通过元学习器组合它们的预测，这可以超越任何单一模型的泛化能力（Ramesh和Kumaresan，2025；Wolpert，1992）。目前需要利用多源数据融合评估此类集成建模方法在作物产量预测中的应用。

为弥补这些不足，本研究旨在开发一种利用多源数据融合的集成机器学习模型用于玉米产量预测。具体目标包括：(1) 通过整合产量监测仪观测与多源预测变量（包括卫星衍生的植被指数、土壤特性、地形特征和季节性气象指标），开发田块级玉米产量预测框架；(2) 比较不同机器学习/深度学习模型的性能，并开发一种用于田块级玉米产量预测的堆叠回归集成模型；(3) 识别关键预测变量组及变量。

**节选片段**

**研究区**

本研究选择了四个雨水灌溉的商业玉米田，分别标记为田1（62.8公顷）、田2（119公顷）、田3（43公顷）和田4（30.8公顷），如图1所示。田1和田3位于美国明尼苏达州特拉弗斯县相邻位置，具有相同的主要土壤类型——0–1%坡度的粉质黏壤土，以及次要土壤类型——0–2%坡度的粉壤土（USDA-NRCS，2022）。统计气候数据显示年均最低和最高……

**SReg与单一ML模型的预测性能**

对九个ML模型进行了系统性交叉验证（图3）。SReg模型表现最优且最为稳定，具有最低的RMSE（1079.97 kg ha?1）、MAE（780.46 kg ha?1）和最高的R2（0.85）。基于集成方法的XGB和ET模型表现出类似的性能，但偏差更大：XGB的RMSE为1087.15 kg ha?1，MAE为788.30 kg ha?1，R2为0.84；ET的RMSE为1100.84 kg ha?1，MAE为792.13 kg ha?1，R2为0.84。它们表现出一定的……

**模型性能与泛化能力**

作物产量预测已使用多种机器学习/深度学习方法进行了研究，包括简单/多元线性回归、复杂集成模型和深度神经网络（Kumar等人，2025；Mupangwa等人，2020；Patil等人，2025；Rashid等人，2021；Tanabe等人，2023；Van Klompenburg等人，2020）。在所评估的模型中，SReg表现出最强的交叉验证性能（图3），而XGB、ET、RF和GB也表现良好。SReg更强的性能以及……

**结论**

本研究通过整合产量监测仪观测与多源农业环境预测变量（包括L8衍生的植被指数、土壤特性、地形特征和季节性气象指标），开发并评估了一个可解释的田块级玉米产量预测框架。在所评估的模型中，集成SReg模型提供了稳健的预测性能，展示了组合互补的集成学习器在异构田块级数据中的价值。

**作者贡献声明（CRediT）**

Aamir Raza：原稿撰写、可视化、验证、方法论、形式化分析、数据整理、概念设计。Yuxin Miao：审阅与编辑、验证、监督、资源、方法论、资金获取、概念设计。Yanbo Huang：审阅与编辑、监督、资源、资金获取、概念设计。Junjun Lu：审阅与编辑、数据整理。Kirk Stueve：审阅与编辑、数据整理。Zhengwei Yang：……

**免责声明**

本文的研究成果和结论均为作者本人观点，不应被视为代表任何美国农业部（USDA）或美国政府官方判定或政策。

**资金支持**

本研究由USDA ARS（非助理合作协议58–6064–4–004）/NASA AIST-21、明尼苏达州农业部/农业肥料研究与教育委员会（AFREC）（R2024–27；R2025-Q）、USDA-NRCS CIG农场试验项目（NR213A750013G005，NR243A750011G014）、USDA国家食品与农业研究所（MIN-25–119；MIN-25–134）以及USDA-ARS国家计划216联邦拨款项目（项目编号：6064–21600–001–000-D）资助。

**利益冲突声明**

作者声明不存在任何已知的竞争性财务利益或个人关系，这些可能被认为会影响本文所报告的工作。

**致谢**

我们衷心感谢参与研究的农民们分享本研究所使用的田块数据。

Aamir Raza | Yuxin Miao | Yanbo Huang | Junjun Lu | Kirk Stueve | Zhengwei Yang | Rajat Bindlish