《Applied Geography》：Plant hardiness zone mapping for the conterminous USA using the Empirical Bayesian Kriging Regression Prediction method
编辑推荐：
本研究采用经验贝叶斯克里金回归预测（EBKRP）方法，以海拔为唯一解释变量，生成2023和2012年美国连续48州植物耐寒性分区图，并通过误差指标、混淆矩阵和空间变化分析验证其精度与实用性。结果显示EBKRP方法准确度高（RMSE<2°C，R2>0.96），与USDA PRISM法结果一致（总体准确率88.2%-87.0%），并揭示2012-2023年间26%国土升温，主要集中于中东南部，仅约2.3%区域变冷。该研究证实EBKRP是一种透明、可复制的PHZ映射方法，为气候变暖下的植物分布研究提供新工具。
作者：丹尼尔·唐科尔（Daniel Donkor）、托比·多格威勒（Toby Dogwiler）、罗军（Jun Luo）、阿西夫·伊斯蒂亚克（Asif Ishtiaque）
美国密苏里州斯普林菲尔德市密苏里州立大学地球、环境与可持续发展学院
摘要
绘制植物耐寒区（PHZ）对于理解和预测植物对气候条件的空间分布至关重要。美国农业部（USDA）基于每年极端最低温度的平均值，使用参数海拔回归独立斜率模型（PRISM）制定了2012年和2023年的植物耐寒区。虽然USDA的2012年和2023年PHZ地图仍然是标准参考，但它们的地理统计透明度有限。本研究应用了经验贝叶斯克里金回归预测（EBKRP）方法，仅以海拔作为解释变量，为美国本土生成了替代的PHZ地图，旨在提高空间预测的准确性并便于方法的可重复性。我们使用EBKRP生成了2012年和2023年的PHZ地图，并通过五个标准指标进行了验证：平均误差、平均标准误差、均方根误差（RMSE）、连续等级概率分数（CRPS）和R2值。结果表明模型精度很高，两年间的RMSE均低于2°C，R2值均高于0.96。混淆矩阵分析显示与USDA的PHZ分类高度一致，总体准确率分别为88.2%（2012年）和87.0%（2023年）。2012年和2023年之间的空间变化分析显示出一个明显的变暖模式：大约80万平方英里（占美国本土的26%）进入了更温暖的PHZ区域，而只有约6.6万平方英里进入了较冷的区域，主要位于美国西部。总体而言，这项研究表明EBKRP提供了一种稳健、空间详细且可重复的PHZ绘制方法，是PRISM的补充。
引言
由于气候变化，从1986年到2016年，美国本土的年平均温度相对于1901-1960年上升了1.2°F（0.7°C）。美国本土的温度极端值发生了显著变化。自20世纪初以来，寒潮的频率有所下降，而热浪的频率自20世纪60年代中期以来有所增加（Vose等人，2017年）。温度极值的上升对植物物种组成、适应性和生存能力产生了影响（Bede-Fazekas & Somodi，2023年）。因此，某些植物物种可能因温度升高而在更北部的地区繁衍，而其他物种可能在其传统栖息地中无法生存，因为这些地区变得过于温暖（Climate，2022年）。为了了解哪些植物物种能在某个地点繁衍，美国农业部（USDA）创建了植物耐寒区地图。植物耐寒区（PHZ）地图是一种众所周知的工具，它将植物、气候和人类联系起来，为园艺师、林业工作者、植物科学家和园艺爱好者提供指导（Gawande & Sarode，2023年；McKenney等人，2014年）。
已经采取了多种方法来创建PHZ地图。在早期的努力中，哈佛大学的两位研究人员Wyman博士和Rehder博士在1927年开发了一个系统，将美国和加拿大南部的温带地区划分为八个区域，每个区域的温度范围为2.8-5°C，这是根据最冷月份的年平均温度确定的（Bowen，2023年；Tredici，2012年）。后来，USDA在1960年创建了第一个全美范围的PHZ地图，定义了每个区域间隔为5.6°C（10°F）（Widrlechner等人，2012年）。这张地图较为粗糙，其发展受到较少的气象站和更高程度插值的限制（McKenney等人，2007年）。1990年，USDA发布了PHZ地图的全面更新，确立了USDA的一致区域划分标准，作为评估美国植物耐寒性的标准（Widrlechner等人，2012年）。2012年，为美国、波多黎各和阿拉斯加创建了一个新的、更新的PHZ地图，具有更高的分辨率数据、更高的准确性和细节，以及一些在1990年PHZ地图中难以包含的关键特征（Daly等人，2012年）。PHZ被划分为13个区域，每个区域间隔为5.6°C（10°F），并进一步细分为每个区域内的2.8°C（5°F）半区域（例如1a、1b）（Davey Institute，2023年）。USDA最新的PHZ地图于2023年向公众发布（USDA，2023年）。
USDA使用年平均最低温度作为创建PHZ地图的关键变量（Yilmaz & Tolunay，2012年）。选择这个变量的主要原因是极端低温对农业生态系统的重要性。已经证明，年平均低温可以通过超过植物的致死生存阈值来有效限制植物的分布，甚至可能是植被类型的分布（Woodward & Williams，1987年）。Parker和Abatzoglou（2016年）发现，极端最低温度限制了自然和栽培物种的潜在地理范围以及它们在冬季的存活率。此外，Krakauer（2012年）认为，极端最低温度表征了多年生植物的长期生存能力和它们抵御寒冷冬季温度的能力。尽管PHZ地图因其在最低温度-植物相互作用方面的简单性而受到批评（Bede-Fazekas & Somodi，2023年），但由于这种方法的简单性——仅强调一个气候变量——年平均最低温度，它仍然实用且实用（McKenney等人，2007年；Widrlechner等人，2012年）。
USDA的PHZ地图是使用参数海拔回归独立斜率模型（PRISM）创建的，这是一种著名的气候制图技术。PRISM被认为是一个基于知识的系统，模仿了专家气候学家创建气候地图的决策过程。该方法涉及在预测网格（例如海拔、沿海距离）和每个网格单元感兴趣的气候要素之间开发加权线性局部回归函数。PRISM选择了诸如海拔、地形引起的空气团阻塞、沿海距离、温度逆温和冷空气聚集效应等生理相似性变量，并使用它们来为每个局部回归加权附近的气象站（Daly等人，2012年）。然而，由于年平均最低温度已经包含了与海拔的复杂相互作用（例如不同的递减率、冷空气聚集、逆温和沿海效应），因此应用了一种称为气候辅助插值（CAI）的方法来开发2012年的新植物耐寒区地图。CAI使用高质量的气候数据集作为预测网格，而不是数字海拔模型（Daly等人，2012年）。该技术在插值气候变量方面非常有用，特别是在站点数据可能稀疏的情况下（Daly等人，2012年）。尽管PRISM气候制图系统和气候辅助插值（CAI）技术复杂，但在捕捉影响植物耐寒性的全部环境因素方面存在局限性。这些局限性主要源于数据同质化问题、复杂地形中的不确定性以及分析尺度（Daly & National Center for Atmospheric Research，2023年）。CAI从分辨率较低的父产品中插值异常值，可能会简化局部气候变化。尽管PRISM提供了高分辨率网格（30弧秒和2.5弧分），但USDA承认微气候可能在地图上显示不出来（Daly & National Center for Atmospheric Research，2023年）。USDA的植物耐寒区地图没有考虑其他关键因素，如湿度、降水量、隔离度、城市热岛效应或夏季平均最高温度（Daly & National Center for Atmospheric Research，2023年）。
尽管基于PRISM的PHZ地图被广泛使用并得到了很好的验证，但该系统依赖于复杂的专家定义的决策规则和气候辅助插值框架，这些在PRISM建模环境之外难以复制。因此，在这项研究中，我们采用经验贝叶斯克里金回归预测（EBKRP）方法，计划使用一种不那么复杂但更直接、透明和可复制的方法来生成PHZ地图。该方法可以分析表现出显著空间变异性的气候相关变量，确保准确可靠地预测植物耐寒区的变化。它还允许包含16个额外的协变量（ESRI，2023年；Giustini等人，2019年）（例如数字海拔模型、温度逆温、沿海距离和冷空气聚集等），以提高预测准确性。然而，在这项研究中只使用了一个协变量（即海拔），主要是为了保持方法的简单性，减少模型复杂性，并测试EBKRP的基线性能。我们的主要目的是分析经验贝叶斯克里金回归预测（EBKRP）在绘制植物耐寒区（PHZ）方面的稳健性和准确性。我们通过使用EBKRP创建PHZ地图并独立评估其性能，并将其与使用PRISM制图技术生成的USDA PHZ地图进行比较来实现这一目标。我们的次要目的是评估美国本土PHZ的空间和时间变化。总体而言，我们旨在开发一种透明、可复制的工作流程，供研究人员用于类似的制图项目。
基于EBKRP方法的插值验证
交叉验证的结果总结在表2中。我们使用了五个指标来评估预测准确性：平均误差、平均标准误差、均方根误差（RMSE）、连续等级概率分数（CRPS）和R2值。我们的结果显示，2012年和2023年PHZ地图的平均预测误差分别为0.0036（95%置信区间：0.0459至0.0534）和0.0073（95%置信区间：0.0528至0.0669）。接近零的平均误差表示模型预测无偏。此外，较低的RMSE表明
讨论
USDA的PHZ地图是使用PRISM（参数海拔回归独立斜率模型）气候制图技术创建的，该技术被广泛认为是生成气候正常网格的有效方法（Daly等人，2012年）。PRISM利用局部回归模型将气候变量与海拔、地形特征、沿海距离和大气动态（如温度逆温和冷空气聚集）等预测因子相关联。除了PRISM方法外，还有其他插值方法
结论
本研究提供了有力的实证证据，支持使用经验贝叶斯克里金回归预测（EBKRP）作为一种可靠且可复制的方法，用于为美国本土生成高分辨率、统计上严谨的植物耐寒区（PHZ）地图。通过全面的验证——使用交叉验证指标、残差分析、基于混淆矩阵的评估和空间变化检测——我们证明了EBKRP方法能够生成准确的
作者贡献声明
丹尼尔·唐科尔（Daniel Donkor）：撰写——审稿与编辑、撰写——初稿、可视化、验证、方法论、调查、正式分析、数据管理。托比·多格威勒（Toby Dogwiler）：撰写——审稿与编辑、方法论、概念化。罗军（Jun Luo）：撰写——审稿与编辑、方法论。阿西夫·伊斯蒂亚克（Asif Ishtiaque）：撰写——审稿与编辑、撰写——初稿、可视化、验证、监督、方法论、调查、正式分析、概念化。
