融合天气持久同调特征与静态土壤信息的Contextualized LSTM-DNN县域玉米产量估算模型

《Smart Agricultural Technology》：Soil-Weather-Yield Dynamics: Contextualized LSTM-DNN Model for County-Level Corn Yield Estimation from Weather and Soil

　　

准确的作物产量预测对农业保险、改进风险管理以及制定高效生产策略至关重要。本研究考察美国印第安纳州天气、土壤和玉米产量的时空变异性，以理解这些因素与玉米产量之间的关系。异质的空间和时间粒度使建模过程复杂化。研究人员提出一种新的机器学习框架用于县域玉米产量预测，该框架整合逐日天气数据、天气衍生持久同调（persistent homology）特征和静态物理土壤信息。长短期记忆（Long Short-Term Memory, LSTM）网络捕获序列天气模式，浅层前馈网络处理年度天气衍生持久同调特征。两个网络输出与土壤数据拼接后输入深度前馈网络，并优化以预测各县每年的玉米产量。对于预定义留出实验，模型使用1,300个县—年观测值开发，并在50个预定义留出观测值上评估。性能与卷积图神经网络（Convolutional Graph Neural Network, CGNN）、Transformer、采用径向基函数的支持向量回归（Support Vector Regression with radial basis function, SVR-RBF）、极端梯度提升（Extreme Gradient Boosting, XGBoost）以及向量自回归与SVR组合（Vector Autoregression with SVR, VAR-SVR）模型进行比较。在预定义的50个县—年留出集上，LSTM-DNN模型达到R²=0.77、RMSE = 0.735 t/ha、MAE = 0.590 t/ha和MAPE = 5.18%。最接近的竞争模型CGNN相应值分别为0.76、0.746 t/ha、0.587 t/ha和5.23%。LSTM-DNN模型在计算上比CGNN模型更简单。加入拓扑特征使留出R²从0.581提高到0.766（绝对增加0.185），并将RMSE从0.980 t/ha降低到0.735 t/ha（降低25%）。在区组验证（blocked validation）下，汇总R²对未见县的迁移为0.565，对未来年份的前向预测为0.255，表明空间泛化强于时间泛化。扰动分析显示，模型对季节性天气表征的变化和天气时序敏感。与1^°F温度或1%降雨扰动相关的约7–8%预测变化，代表通过LSTM天气序列、重新计算的生长度日（Growing Degree Days, GDD）和天气衍生拓扑特征传播的模型敏感性。Contextualized LSTM-DNN模型还对天气整体提前/推迟一周表现出敏感性，平均产量预测降低3.5–4.5%。由于模型的开发和评估仅使用印第安纳州数据，其向具有不同土壤、气候和生产条件地区的可迁移性仍有待评估。

研究背景方面，联合国可持续发展目标强调在促进可持续农业的同时保障全球粮食安全，2019—2050年全球粮食需求预计增加50–60%；温度、降水和极端天气事件变异性增强，使产量估算和气候韧性农业策略更为紧迫。气候对作物的影响具有局地性，区域天气、土壤和环境条件共同塑造产量，但现有县域产量估算多依赖贝叶斯框架或季节均值、累计降雨、GDD总量等聚合统计量，难以保留生长季内天气事件的时序组织、聚类和转换。天气为逐日尺度、土壤空间变异但时间上相对稳定、产量为年度行政尺度，这种时空粒度异质性要求能够同时保留时间结构与空间背景的混合框架。研究人员据此以美国印第安纳州80个县2001—2023年为对象，最终获得1,350个县—年完整观测，构建融合逐日天气、天气持久同调特征和静态土壤的Contextualized LSTM-DNN模型，并与CGNN、Transformer、SVR-RBF、XGBoost、VAR-SVR及无拓扑特征模型比较。研究结论表明，天气、土壤、天气衍生拓扑与玉米产量关系存在显著时空异质性；土壤参数主要关联空间格局，天气及其拓扑特征驱动年际变异；加入TDA特征明显改善模型，且该模型在留出集上精度与CGNN相当但平均预测偏差更低、训练更快、结构更简单。其意义在于从上游环境协变量开展县域产量估算，为农业保险、风险管理和生产策略提供时空建模依据，同时揭示空间泛化优于时间泛化的限制。

关键技术方法（不超过250字）：样本队列为印第安纳州80县2001—2023年，最终1,350个县—年完整观测。关键方法：整合USDA NASS产量、MRCC cli-MATE/Purdue Mesonet天气与SSURGO土壤；天气按完整性阈值筛选、县级平均和时空KNN插补，产量按线性技术趋势校正；计算GDD，并将10月—9月逐日天气构建五维点云，以Vietoris–Rips过滤的持久同调提取NumBar_0/1、DistQ、CosSimQ；LSTM处理153天天气，浅层前馈压缩年度拓扑，再与静态土壤拼接输入DNN；采用预定义留出、县组10折空间交叉验证、前向链式时间验证，并比较CGNN、Transformer、SVR-RBF、XGBoost、VAR-SVR及无拓扑模型，辅以残差、Sobol、SHAP和扰动分析。

研究结果如下。3.1 天气—土壤—产量动态分析：3.1.1 天气与产量，通过空间分布和23年季节分解发现印第安纳南部温度较高，中部和东南部降水较多，温度略呈上升趋势而降水无明显趋势。3.1.2 土壤与产量，通过LISA及线性、二次、GAM和LOWESS分析发现土壤参数与产量多为非线性关系，不同深度有效储水量、土壤有机碳、粉粒和黏粒平均含量与产量关联较强，NCCPI和海拔响应曲线较复杂。3.1.3 天气拓扑与产量，通过LISA和回归/GAM分析发现拓扑特征单独解释的产量变异有限，但GAM拟合优于线性和二次模型，表明存在非线性结构；热点区域与较高温湿条件分布相关。3.1.4 所开发模型，基于特征关系形状不一、天气序列依赖及天气—土壤—拓扑交互，研究人员提出Contextualized LSTM-DNN，并进行模型比较和残差分析。3.1.5 模型性能，在50个县—年预定义留出集上，模型R²=0.77、RMSE=0.735 t/ha、MAPE=5.18%，与CGNN接近；CGNN平均偏差显著（p=0.003），而该模型不显著（p=0.670）；加入拓扑特征使R²由0.581升至0.766，RMSE降低25%。3.2 模型输出评价，通过Breusch-Pagan、Jarque-Bera、Durbin-Watson和Ljung-Box检验发现残差近同方差、近正态且无明显自相关（Durbin-Watson=2.059，最小Ljung-Box p=0.234），CGNN残差则显示偏差和自相关。3.3 Contextualized LSTM-DNN模型的空间与时间泛化性能，通过县组10折空间交叉验证和前向链式时间验证发现，空间汇总R²=0.565、RMSE=1.049 t/ha，时间汇总R²=0.255、RMSE=0.842 t/ha，空间迁移优于未来年份预测；空间校准斜率为0.828，时间校准斜率为0.609。3.4 敏感性分析，通过Sobol、SHAP和单变量扰动发现动态天气特征影响较大，土壤和拓扑特征贡献相对较小；1^°F温度或1%降雨扰动约引起7–8%预测变化，天气序列整体移动一周使平均预测降低3.5–4.5%，6—7月降水扰动尤为敏感。

讨论部分总结认为，土壤相对时间不变、主要解释空间差异，天气及天气衍生拓扑特征解释年际变异，二者的异质粒度需要时空混合建模；TDA特征提升模型表现，Contextualized LSTM-DNN与CGNN精度相当但偏差更低、训练更快、结构更简单；区组验证显示空间泛化尚可而时间泛化仍有限。局限包括未纳入基因型和管理信息、县级聚合可能掩盖县内变异、模型基于2001—2023年印第安纳数据、未来气候/技术/生产系统未必覆盖，以及持久同调特征计算成本；未来需用外州和高分辨率数据及一致的基因型与管理信息评估。研究结论（翻译）为：分析显示天气、土壤、天气衍生拓扑与玉米产量关系存在显著时空异质性；土壤参数相对稳定并显著影响产量空间格局，天气及其拓扑特征成为年际产量变异的重要驱动，因此需同时考虑空间和时间异质性。异构时间变量与天气、土壤、拓扑和产量空间多样性共同要求能捕捉时空变异的建模框架。利用1,350个完整县—年观测，Contextualized LSTM-DNN在预定义随机留出集达到R²=0.766、MAPE=5.18%，与CGNN预测精度相当且平均预测偏差更低；区组验证在未见县迁移时R²=0.565，在未来年份前向预测时R²=0.255，表明时间泛化仍是重要限制。TDA衍生特征较无拓扑特征模型改善表现；该模型与CGNN精度相当但平均偏差更低、训练更快、结构复杂度更低。扰动分析还表明模型对季节性天气表征变化有响应；由于天气序列扰动会通过原始天气、GDD和拓扑特征路径传播，所得预测变化应理解为复合模型敏感性，而不能解释为温度或降水单位变化对产量的直接因果响应。