基于机器学习预测模型与SHAP可解释性分析的荔枝（Litchi chinensis Sonn.）成花率关键驱动因素及响应管理研究

《Frontiers in Plant Science》：Understanding the flower rate of litchi (Litchi chinensis Sonn.) through machine learning predictive models

　　

荔枝（Litchi chinensis Sonn.）成花率是决定优质荔枝果实采收的重要指标，其受单株树体固有特征、气候、土壤、肥料及响应管理之间复杂交互作用的影响。利用机器学习（machine learning, ML）算法对成花率进行定量预测具有可行性，从而可确定重要特征并实施适宜的响应管理。本研究基于2009—2020年中国南方地区荔枝成花率，综合收集气候条件、品种类型、树龄、物候阶段和历史开花格局等数据，构建了一组稳健的预测模型。二分类模型（binary classification models）的曲线下面积（area under the curve, AUC）为0.73~0.90，回归模型在基于年度数据的盲测中决定系数（coefficient of determination, R²）为0.64~0.73。SHAP（SHapley Additive exPlanations）分析显示，花诱导（flower induction）过程中花穗白米状物出现日期（date of floral white millet emergence, DOFE）、低于9、10和13 °C的低温累积时数及其年均值、树龄，以及花诱导过程中平均大气相对湿度每小时值是重要特征。通过解析这些特征对花诱导的正向或负向贡献，可经灌溉、修剪和叶面施肥促进“白米状物”及时出现，从而获得实践指导并经专家合理性验证。本研究为改善荔枝成花率提供了可靠指导，可促进面向优质荔枝果实采收的高效响应管理。

本研究围绕荔枝（Litchi chinensis Sonn.）成花率（flower rate）的定量预测与响应管理展开。研究背景在于，成花是果树产量的关键决定因素，而荔枝成花率受树体固有特征、气候、土壤、肥料和管理措施等多因素复杂交互影响；传统统计方法难以解析树体状态、土壤与气候变量之间的高维非线性交互，直接生理监测在大规模果园中又不具可行性。因此，需要数据驱动方法识别影响成花率的关键阈值与重要特征，为精准果园管理提供依据。研究人员基于2009—2020年中国南方地区荔枝成花率数据，整合气候条件、品种类型、树龄、物候阶段和历史开花格局，构建稳健预测模型，并以SHAP（SHapley Additive exPlanations）等方法解析重要特征，进而提出通过灌溉、修剪和叶面施肥促进“白米状物”及时出现等管理指导。研究结论表明，分类模型与回归模型均具预测准确性，RF与SHAP结合可识别成花状态（flower state, Flr.State）的主要决定因素；该研究为改善荔枝成花率、促进优质果实采收的高效响应管理提供了指导。

关键技术方法概述（≤250字）：样本队列来源于华南农业大学五山校区教学科研基地（23.164°N，113.366°E，广州），涉及“Guiwei (GW)”“Nuomici (NMC)”“Huaizhi (HZ)”“Feizixiao (FZX)”四个荔枝品种，树数分别为33、12、20和11株；收集2009—2020年10月至翌年3月每小时空气温湿度及物候、成花数据。经特征工程形成229个特征、418条记录，筛选后用于建模的特征数为20、20、20、19、20和24个。比较随机森林（random forest, RF）、线性判别分析（linear discriminant analysis, LDA）、支持向量机（support vector machine, SVM）、分类与回归树（classification and regression trees, CART）和K近邻（K-nearest neighbors, KNN）；以70%数据训练、30%验证，采用随机重采样和999次重复的5折交叉验证，并在2017年和2020年年度数据盲测；用RF构建回归模型，并以Gini重要性和SHAP值评估特征重要性。

研究结果如下。3.1 Distribution of flower rates and features（成花率与特征分布）：通过品种间成花率分布和物候、温湿度特征分析，发现“FZX”和“HZ”多数年份成花率接近90%，而“GW”和“NMC”呈约75%和25%的双峰分布；成花率分布显著偏离高斯分布。末次秋梢成熟期（date of final autumn flush maturation, DOFM）在四个品种中近似高斯分布，中位数为292~304 DOY；DOFE在“FZX”较早（-10~38 DOY），在“NMC”较晚（1~55 DOY）；“FZX”花诱导时间跨度最大（38~148 d）；“HZ”“GW”“NMC”的DFI呈三阶段日温变化，峰值约23~28 °C和15 °C，相对湿度多为70%~90%。相关分析显示DOFE与Flr.State及Flr.Rate呈强负相关，Age和Achil.Min.8相关性较低，冷热单位与成花率的线性相关较低，提示成花受多因素影响。3.2 Predictive models（预测模型）：通过算法比较、训练验证、盲测和时间尺度分析，发现RF、LDA和SVM准确率高于0.8、Kappa约0.60；选用RF构建隐式模型、LDA构建显式模型。验证集中RF在Sensitivity、Specificity、Kappa、Accuracy和AUC上优于LDA，二者盲测AUC均高于0.60。1小时时间尺度RF验证AUC为0.83，2017和2020年盲测AUC分别为0.90和0.76；5天时间尺度LDA验证AUC为0.78，盲测AUC分别为0.73和0.77；RF回归验证R²为0.78，盲测R²分别为0.64和0.71。结果表明RF 1小时尺度和LDA 5天尺度预测较优，盲测性能下降但RF泛化较好，且模型倾向预测Flr.Good。3.3 Feature importance and correlation evaluation（特征重要性与相关性评价）：通过RF的%IncMSE、CORRp、CORRsp和SHAP值分析，DOFE为最重要的特征，Achil.10、Age、Mean.Humi、Achil.13、Achil.9和Year.Even等亦重要。DOFE和Mean.Humi与Flr.State负相关，Achil.10、Achil.9、Achil.8和Achil.7正相关；DOFE值较小对应较高SHAP值，早期白米状物出现更可能成花率高，DOFE推迟至15 DOY后可能导致成花率下降。早期DOFE植株可能伴随低于10 °C较高低温累积和较强干旱，从而提高成花率。DOFM在280~304 DOY对模型影响最显著，推迟后重要性下降；低DOFM区域早熟植株经历13~10 °C低温累积较少及280 DOY后低于31 °C热累积较少。

讨论部分总结：4.1 Performance of the models（模型性能）指出，机器学习适合处理阈值响应、非线性交互及品种和年份背景依赖，弱成对相关提示预测信号位于高阶交互；RF可处理高维数据并抗过拟合，LDA为线性判别方法，验证策略和独立盲测支持模型泛化，RF在1小时尺度最稳健，LDA在5天/1天尺度较稳健，盲测准确率下降且RF倾向预测Flr.Good。4.2 Expertized interpretation for importance features（重要特征的专家解读）表明，DOFM反映秋梢充分成熟是花诱导前提，涉及碳水化合物和C/N代谢信号；DOFE过晚与成花差相关；Achil.10、Achil.9、Achil.8、Achil.7正相关，Achil.13和Athrm.31负相关，Mean.Humi负向驱动，干旱与冷胁迫协同增强成花，年际变量亦重要，SHAP局部解释可揭示DOFM等背景依赖效应。4.3 Limitations and potential improvements（局限与改进）指出，未监测单株营养，奇偶年仅作年代变化代理；整合叶片C/N、激素和秋梢碳水化合物可提升模型，便携近红外和高光谱成像具可行性；区域适应（如海南月温超过10 °C）需替换数据集，分类和聚合水平变化可改变特征权重，仍需跨品种、区域和季节验证。5 Conclusions（研究结论翻译）：本研究构建了四个荔枝品种成花状态的稳健预测模型，对成花率高于75%的树体预测准确率达到0.90。重要特征解析显示，荔枝成花率对花穗白米状物出现日期、花诱导过程中低于9、10和13 °C的低温累积时数、高于31 °C的热累积时数等敏感。研究结果表明，分类模型和回归模型均具预测准确性；整合显式和隐式算法可通过降低不确定性提升预测精度。这些模型考虑品种、树龄、年际变化、温湿度变化及时间数据波动。为识别Flr.State的主要决定因素，RF模型可结合SHAP方法。整合荔枝内部状态数据及不同地理区域数据可进一步改进模型。这些认识将帮助种植者制定更精准的管理策略以提高荔枝成花率，例如依据重要气象变量调控秋梢成熟以促进花诱导，并通过灌溉、修剪和叶面施肥刺激“白米状物”及时出现。