基于机器学习的TNAU农光互补系统产量预测：双面与半透明光伏技术的比较分析

《Smart Agricultural Technology》：Machine Learning-Based Yield Prediction in Agrivoltaic Systems in TNAU: A Comparative Analysis of Bifacial and Semi-Transparent Photovoltaic Technologies

　　

农光互补系统（Agrivoltaic systems）代表了一种可持续土地管理的双重用途策略，同时生产可再生能源和农作物。本研究利用印度泰米尔纳德邦哥印拜陀十年（2014–2024）的实验数据，对农光互补设施中的作物产量预测进行了分析。数据集包含15,840个观测值，涵盖43个变量，包括气象测量、光伏（PV）运行参数、生物量生产以及番茄和花生在双面（bifacial）和半透明（semi-transparent）面板配置下的作物产量。研究人员评估了八种机器学习模型用于产量预测：随机森林（Random Forest, RF）、决策树（Decision Tree, DT）、K近邻（K-Nearest Neighbors, KNN）、支持向量回归（Support Vector Regression, SVR）、极端梯度提升（Extreme Gradient Boosting, XGBoost）、CatBoost、轻量梯度提升机（Light Gradient Boosting Machine, LightGBM）和长短期记忆（Long Short-Term Memory, LSTM）神经网络。结果表明，集成方法，特别是随机森林、XGBoost和LightGBM，实现了卓越的预测精度，R2值接近1.0000，平均绝对误差（MAE）低于0.06 t ha^-1。SHAP（SHapley Additive exPlanations）分析揭示，地上生物量（aboveground biomass）和季节收获指数（seasonal harvest index）是市场产量最具影响力的预测因子，其贡献大于面板几何参数或环境变量。三个生长季节（Kharif、Rabi、夏季）的比较分析表明，半透明面板始终优于双面面板，在Kharif季节番茄产量分别为31–42 t ha^-1和21–34 t ha^-1。这一性能优势归因于增强的能量传输。基于这一比较，本研究提出了一种SHAP引导的堆叠集成–LSTM（SHAP-Guided Stacked Ensemble–LSTM, SG-SEL）混合架构，通过可解释的堆叠元学习器（stacked meta-learner）将集成学习器和递归学习器耦合起来。研究结果提供了证据，表明机器学习模型可以预测作物表现，并指导双用途农业系统中关于面板选择、灌溉策略和种植密度优化的决策。

**论文解读：基于机器学习的农光互补系统产量预测——双面与半透明光伏技术的比较分析**

**研究背景与问题**
全球人口增长、气候变化及能源需求上升加剧了土地资源竞争。至2050年，粮食产量需增加70%，同时需向可再生能源转型，这使农业用地与太阳能基础设施部署之间的矛盾日益突出。农光互补系统（Agrivoltaic systems）通过在同一土地上同时进行作物种植和太阳能发电，为解决这一困境提供了创新方案。然而，该系统设计复杂：光伏（PV）面板产生的部分遮荫改变了微气候，影响光合有效辐射（PAR）、温度、土壤水分和蒸散速率，进而对作物生长产生复杂影响。传统作物生长模型（如DSSAT、APSIM）虽能提供机理理解，但需大量参数化，且难以捕捉农光互补系统中固有的非线性相互作用。因此，研究人员亟需一种数据驱动的方法，以实现精准的产量预测并指导系统优化。

**研究内容与结论**
本研究利用印度泰米尔纳德邦农业大学（TNAU）哥印拜陀站点十年（2014–2024）的实验数据，分析了番茄和花生在双面（bifacial）与半透明（semi-transparent）PV面板配置下的产量表现。数据集包含15,840个日观测值，涵盖43个变量（气象、PV运行参数、作物生理指标等）。研究人员评估了八种机器学习模型（随机森林RF、决策树DT、K近邻KNN、支持向量回归SVR、XGBoost、CatBoost、LightGBM、长短期记忆LSTM），并提出了SHAP引导的堆叠集成–LSTM（SG-SEL）混合架构。结果表明：集成方法（RF、XGBoost、LightGBM）实现了R2接近1.0000、平均绝对误差（MAE）低于0.06 t ha^-1的预测精度；半透明面板在所有三个生长季节（Kharif、Rabi、夏季）中均优于双面面板，番茄产量在Kharif季节分别为31–42 t ha^-1和21–34 t ha^-1；SHAP分析揭示地上生物量（aboveground biomass）和季节收获指数（seasonal harvest index）是市场产量的最重要预测因子。该研究为农光互补系统的面板选择、灌溉策略和种植密度优化提供了数据驱动的决策支持，论文发表于《Smart Agricultural Technology》。

**关键技术方法**
1. **数据预处理与样本来源**：采用三层验证协议（范围检查、统计离群筛查、时间一致性检查）对原始数据进行质量控制，缺失值（<0.3%）通过线性插值或前向填充处理。样本来源为印度TNAU哥印拜陀实验站。
2. **季节性聚合与特征工程**：将日数据聚合为季节均值/总和，生成约120个季节观测值，包含30个预测因子（如作物生理变量、水分管理、PV参数等）。基于SHAP特征门控（SHAP-guided feature gating）进行特征选择，保留关键变量。
3. **机器学习模型比较**：涵盖五种学习范式：实例学习（KNN）、单树学习（DT）、集成学习（RF、XGBoost、CatBoost、LightGBM）、核方法（SVR）和深度序列学习（LSTM）。采用5折交叉验证优化超参数，80/20分割训练测试集。
4. **SHAP可解释性分析**：使用TreeExplainer（基于树的模型）和KernelExplainer（LSTM等）计算SHAP值，揭示特征重要性及方向。
5. **SG-SEL混合架构**：结合树集成模型（RF、XGBoost、LightGBM）横截面学习与LSTM时间序列学习，通过注意力加权堆叠元学习器（attention-weighted stacked meta-learner）融合，并嵌入SHAP作为特征门控与统一归因工具。

**研究结果**
（保留原文小标题，简要说明通过什么研究得出什么结论）

**4.1 描述性统计（Descriptive Statistics）**
通过10年数据统计，番茄平均产量31.2 t ha^-1，花生平均2.9 t ha^-1；半透明面板下辐照度（3.8 kWh m^-2 day^-1）高于双面面板（3.1 kWh m^-2 day^-1）；土地当量比（LER）平均1.34，表明双用途系统土地生产力提升34%。

**4.2 季节产量趋势（Seasonal Yield Trends）**
通过时间序列分析（图4–9），半透明面板在Kharif、Rabi、夏季三个季节中番茄和花生产量均持续高于双面面板，尤其在干旱年份（2014、2016、2019）优势更显著（15–35%），表明半透明面板通过改善光传输缓解水分胁迫。

**4.3 相关分析（Correlation Analysis）**
计算皮尔逊相关系数（图10），发现地上生物量（r=0.89）和收获指数（r=0.87）与产量的相关性最强，强于任何环境变量，说明作物生理状态变量是产量更直接的驱动因子。

**4.4 机器学习模型性能（Machine Learning Model Performance）**
通过五项指标（MAE、MSE、RMSE、R2）评估（表I），随机森林表现最优（MAE=0.0361 t ha^-1, R2=1.0000），集成方法整体优于KNN和SVR，LSTM也达到同等精度，表明时间依赖信息可被有效利用。

**4.5 SHAP特征重要性分析（SHAP Feature Importance Analysis）**
通过SHAP值图（图11），所有模型中地上生物量最重要（SHAP值10–13 t ha^-1），其次为季节收获指数和水分生产力；面板几何参数影响较小，环境变量被作物生理变量间接吸收。

**总结与讨论**
讨论部分指出：半透明面板的持续优势归因于50%的透光率在提供充足PAR的同时减轻了热胁迫和蒸散需求；机器学习模型的高精度表明农光互补产量可高度预测，随机森林因鲁棒性成为最佳模型；SHAP分析强调作物生理监测（如生物量、LAI）比环境传感器更具预测价值；与现有文献一致，研究结果支持在印度热带气候下推广农光互补系统，并建议优先选择半透明面板。

**结论（翻译）**
本研究证明，机器学习为预测农光互补系统作物产量及理解双用途农业设施中驱动生产力的因素提供了强大工具。对印度哥印拜陀十年实验数据的分析得出以下关键结论：
- **半透明面板性能**：半透明光伏面板在番茄和花生两种作物及所有三个生长季节中均优于双面面板，产量提高15–35%。这一优势在水受限条件下最为显著，表明改善的光传输有助于作物在胁迫期维持生产力。对于以产量为重点的农光互补设施，半透明面板是更优的技术选择，尽管其单位面积发电量略低。
- **机器学习有效性**：集成树方法，特别是随机森林、XGBoost和LightGBM，实现了优异的预测精度（R2接近1.0000，MAE低于0.06 t ha^-1）。这些模型能够从易测量的环境、生理和管理变量中可靠预测季节产量，从而支持早期季节预报以指导管理决策和市场规划。LSTM神经网络表现相当，表明时间建模方法可有效捕捉农业数据中的序列依赖关系。
- **特征重要性理解**：SHAP分析揭示，作物生理状态变量（尤其是地上生物量和季节收获指数）是市场产量的主导预测因子，其贡献大于环境变量或面板配置参数。水分生产力也排名靠前，强调了在半干旱农光互补系统中高效水分管理的重要性。这些发现表明，投资于作物监测技术（如生物量传感器、LAI测量）可为产量预测和优化带来显著价值。