基于可解释人工智能堆叠集成框架解析西孟加拉邦茄子产量预测

《Journal of Agriculture and Food Research》:Deciphering eggplant yield prediction in West Bengal by an explainable AI-based stacking ensemble framework

【字体: 大 中 小 】 时间:2026年07月28日 来源:Journal of Agriculture and Food Research 7.2

编辑推荐:

  在气候变率日益增强的背景下,准确的产量预测对于保障印度东部可持续蔬菜生产至关重要。茄子(Solanum melongena L.)作为西孟加拉邦重要的茄科作物,对气候波动、土壤异质性与水分胁迫高度敏感,尤其在早期建植与生殖阶段。研究人员开发了一套稳健的多模型机

  
在气候变率日益增强的背景下,准确的产量预测对于保障印度东部可持续蔬菜生产至关重要。茄子(Solanum melongena L.)作为西孟加拉邦重要的茄科作物,对气候波动、土壤异质性与水分胁迫高度敏感,尤其在早期建植与生殖阶段。研究人员开发了一套稳健的多模型机器学习框架,融合气候-土壤与水文气候变量,预测不同农业气候区的区级茄子产量。多种基学习器经训练后通过堆叠集成(stacking ensemble)整合以捕捉预测因子间的非线性交互。在单一模型中,随机森林(rf)表现最佳,而k近邻(knn)与弹性网络(glmnet)表现相对较差。堆叠进一步提升了预测精度,以glmnet为元学习器的glmnet_meta与以随机森林为元学习器的rf_meta均取得较高精度。尽管顶级模型性能相近,基于奥卡姆剃刀原则,glmnet_meta因结构简洁与透明性被选中。模型诊断确认可靠性,残差近似正态且无异方差。基于SHAP的分析表明,土壤属性是产量变异的首要预测贡献者(44.9%),其次为气象变量(29.2%)、水文气候指数(22.1%)与工程化生物物理交互项(3.7%)。土壤持水量(WHC)与氮(N)是最关键决定因子。温度与降雨极端值亦显显著影响,且在各农业气候区存在明显空间变异。此外,空间验证确认模型在时间预测上高度稳定,但受空间边界约束。总体而言,该框架将预测精度与可解释性结合,为西孟加拉邦条件下的产量预测、贡献因子识别及方法学概念验证提供了稳健理解。
研究背景方面,可靠的作物产量估算对农业规划、资源分配与政策制定不可或缺。茄子是印度重要蔬菜,西孟加拉邦为该国主要产区之一,但茄子对气候变异性、土壤因素与水分可用性高度敏感,在农业生态景观多样的本州导致区级产量不稳定。传统统计模型难以表征气象、土壤与作物响应间的复杂非线性交互,基于过程的作物模拟模型则需大量位点与品种校准且难以集成SPI、SPEI等时间水文气候指数。可解释人工智能(XAI)驱动的解释性机器学习可整合多维生物物理变量与 temporal 水文气候指数,但单一机器学习模型常受算法偏差与过拟合限制,堆叠集成能综合多基模型优势。然而该方法在园艺作物如茄子产量预测中应用有限。鉴于西孟加拉邦从湿润冲积平原到水分胁迫红壤高地的显著农业气候多样性,构建可靠的区域特定预测框架兼具科学必要性与操作相关性。研究人员据此开展两项目标:一是基于机器学习堆叠集成开发并评估西孟加拉邦六农业气候区区级茄子产量的预测框架;二是识别州级、区级与农业气候区级的预测贡献因子并解释其机制。论文发表于《Journal of Agriculture and Food Research》。
关键技术方法上,研究人员基于西孟加拉邦18个区12年312条区级-季节茄子产量观测,耦合ERA5再分析气象数据(0.25°分辨率:最高温、最低温、降雨、太阳辐射)与HWSD v2.0土壤数据(0.01°分辨率:砂、粉、黏、有机碳、持水量WHC、pH、氮N),计算标准化降水指数(SPI1-5)与标准化降水蒸散指数(SPEI1-5),并工程化昼夜温差(DTR)、光温商(PTQ)、季末水分、降雨-WHC交互四项特征。预处理采用嵌套于交叉验证折叠内的Z-score标准化以防信息泄漏。验证采用三层嵌套交叉验证:时间层Leave-One-Year-Out(LOYO)、空间-区层Leave-One-District-Out(LODO)、空间-带层Leave-One-Zone-Out(LOZO),每层内嵌10折内部调参。建模为两级堆叠:10个基学习器(lm、glmnet、pls、rpart、rf、xgbTree、knn、svmRadial、nnet、brnn)产出袋外预测,经弹性网络glmnet_meta与随机森林rf_meta两种元学习器整合,依奥卡姆剃刀选glmnet_meta。评估指标含RMSE、MAE、R2、nRMSE、Willmott一致性指数d,配合Taylor图与Shapiro-Wilk、配对t检验、Wilcoxon、置换检验。可解释性通过SHAP值、特征稳定性指数(FSI)与偏依赖图(PDP)在R语言caret/keras/fastshap下实现。
研究结果部分,3.1节基于LOYO时间验证比较10个基模型与2个元模型,rf以RMSE 1.48±0.25 t/ha、R2 0.67±0.08居基模型之首,knn与glmnet最差;glmnet_meta与rf_meta性能无统计差异(RMSE 1.48±0.28与1.49±0.31,R2 0.69),glmnet_meta因简洁被选。3.2节三层验证显示时间LOYO稳定(RMSE 1.48),但LODO误差翻倍至2.94±2.22,LOZO达4.37±1.90,且LODO误差与训练质心土壤空间距离显著正相关(Spearman ρ=0.47, p=0.050),证实静态土壤导致“区域指纹”与空间外推边界。3.3节配对检验(Shapiro-Wilk p>0.05,t/Wilcoxon/置换p>0.05)确认glmnet_meta、rf_meta、rf性能等价,依简约性选定glmnet_meta。3.4节glmnet_meta预测-实测散点沿1:1线紧密分布,残差Q-Q图中部正态、两端微偏,残差对预测值无模式与异方差,验证可靠。3.5节SHAP基模型贡献图显示树模型(rf、rpart、xgbTree)与浅层正则神经网络(brnn、nnet)SHAP值域宽、贡献大,svmRadial、knn、lm、pls、基glmnet近零被弹性网络收缩抑制。3.6节复合SHAP特征重要性显示土壤组占44.9%(WHC均值|SHAP|=0.856为首席,高于0.0155 m3/10 m3阈值后产量陡降;N为0.692,>1.2 g/kg后增速加快),气象组29.2%(太阳辐射RAD 0.517呈负向,最低温MINT 0.384正向,最高温MAXT 0.290正向,降雨RAIN极端高值SHAP近-4.0),水文气候组22.1%(SPI5 0.219最高),工程交互3.7%;FSI(3.7节)所有前20特征≥0.977,PTQ达0.998。3.8节区级与带级SHAP揭示异质性:北部丘陵带N主导(~1.82)伴RAIN/RAD/雨-WHC交互突出;沿海盐渍带WHC主导(~1.16);红壤带WHC~1.36;恒河冲积带N与WHC并重;Terai带N~0.74;Vindhyan带WHC~0.64。
讨论部分指出,嵌套CV隔离调参避免乐观偏差;rf单模型虽佳但趋中回归低估极值,堆叠通过元学习加权补强;glmnet_meta以正则线性聚合提供基模型透明权重,避免“黑箱套黑箱”,契合XAI。三层CV空间衰减源于HWSD静态土壤使模型锚定本地土壤签名,外推需本地校准。SHAP层级符合茄子生理:高WHC致渍水缺氧、高RAD致光抑制与蒸散超量、低温限花芽、极端降雨致涝害与淋溶,N阈值印证宏量元素限制。FSI高值证伪特征抖动,PTQ/SPI3/SPEI4等工程与中期水文指数最稳。分区异质性与各带土壤母质、降雨、海拔、盐分机理一致,SHAP仅标识预测重要性非因果,但方向与农艺可操纵变量吻合,可指导INM、覆膜、限钙、排盐等分区管理假设。
结论部分翻译:本研究建立了一个稳健且可解释的框架,用于在州级、农业气候带级与区级预测茄子产量并解析预测贡献因子。glmnet_meta集成模型在时间尺度上通过融合气象、土壤与水文气候水分指数展现出高预测效能,有效捕捉支配产量变异与预测的非线性复杂交互。元学习架构从多样的树基、线性与正则神经网络学习器中提炼互补信号,在提升整体稳健性的同时秉持简约原则以保障模型透明。SHAP与FSI分析认定土壤持水量(WHC)、氮(N)与关键气象参数(RAD、MINT、MAXT)为全州结构稳定贡献因子。跨时间-地理三层排除的时空验证揭示这些预测层级存在显著区域异质性,确证模型在时间预测上高度稳定,但受本地土壤剖面施加的空间边界约束,从而明确向新农业气候带扩展预测工具前需本地土壤校准。该发现确立glmnet_meta为基于XAI洞察的产量预测有力工具,通过将先进机器学习与严格空间及稳定性诊断结合,此方法可拓展至其他园艺作物,以改善西孟加拉邦及更广区域的产量预测、农业规划、资源优化与粮食安全。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号