使用多种机器学习模型的中国鞘翅目和鳞翅目发生动态与预测

《Insects》：Occurrence Dynamics and Prediction of Coleoptera and Lepidoptera in China Using Multiple Machine Learning Models

　　

森林相关昆虫的时间动态与气候变率密切相关，识别其时间模式和气候关联对于理解昆虫种群动态具有重要意义。本研究选取中国浙江省瑞安市自动记录的鞘翅目（Coleoptera）和鳞翅目（Lepidoptera）作为目标昆虫类群。基于自动昆虫监测和气象数据，分析了记录昆虫丰度的时间特征及其与气候因子的关联。随后开发并比较了五种机器学习模型，包括多元线性回归（Multiple Linear Regression, MLR）、K近邻（K-Nearest Neighbors, KNN）、随机森林（Random Forest, RF）、支持向量回归（Support Vector Regression, SVR）和广义加性模型（Generalized Additive Model, GAM），用于预测记录昆虫丰度。结果表明，鞘翅目表现出周期约为6–20天的周期性波动，而鳞翅目呈现持续的季节性变化。气温、比湿和短波辐射与记录昆虫丰度显著正相关，而风速呈弱负相关。在五种模型中，随机森林取得了最佳预测性能，其平均绝对误差（MAE）、均方根误差（RMSE）和决定系数（R²）在鞘翅目中分别为1.37、4.85和0.82，在鳞翅目中分别为0.57、1.16和0.84。使用2023年数据进行的独立年份验证显示，预测性能较随机验证有所下降，表明在现有观测期内模型的时间泛化能力有限。这些发现表明，将时间特征与气候因子相结合可以支持自动记录昆虫丰度的预测，而需要更长时期的监测数据以进一步评估模型稳健性和时间可迁移性。

论文解读：基于多种机器学习模型的中国鞘翅目与鳞翅目发生动态预测研究

一、研究背景与问题

森林昆虫在森林生态系统中扮演重要角色，但部分种类在种群暴发时可造成严重的生态和经济损失。气候变化与人类活动加剧背景下，重要林业害虫的分布、物候和种群动态发生变化，严重危害可导致树木生长衰退和大规模死亡，削弱森林碳汇功能，破坏区域生态平衡。相比其他自然灾害，森林害虫暴发早期难以察觉，一旦成灾治理成本高昂，因此提升监测预警和精准预测能力成为森林资源管理与生态安全的研究重点。鞘翅目和鳞翅目包含多种重要森林昆虫，其取食习性多样，种群动态和气候响应存在显著差异。以往研究多聚焦于松毛虫（Dendrolimus spp.）、美国白蛾（Hyphantria cunea）等特定害虫，而对自动监测记录到的类群水平上的时间动态与气候关联研究相对不足。传统预测方法如田间监测、经验统计模型和物候模型难以刻画昆虫-环境间的非线性关系。机器学习方法虽已应用于森林昆虫预测，但多数研究仅关注预测精度，缺乏对时间变化特征、气候关联与模型比较的综合分析。随机数据划分可能因时间依赖性导致性能评估过于乐观，因此有必要同时评估预测性能和时间泛化能力。研究人员据此开展本研究，旨在揭示自动记录的鞘翅目和鳞翅目类群的时间动态，量化其与气候因子的关联，并比较五种机器学习模型的预测表现。

二、研究内容与主要结论

研究人员利用中国浙江省瑞安市10个自动灯诱监测站中7个有效站点的数据，监测期为2021年12月1日至2023年9月30日，以日尺度记录鞘翅目和鳞翅目的丰度。气象数据来自中国气象局陆面数据同化系统（CLDAS-V2.0），提取气温、比湿、风速和短波辐射等变量。通过Lomb–Scargle周期图分析时间序列的周期性，采用季节性分解描述季节特征，运用Pearson相关分析探究气候因子与昆虫丰度的关联，并基于随机森林置换重要性评估非线性贡献。研究构建了五种模型：多元线性回归（MLR）、广义加性模型（GAM）、K近邻（KNN）、支持向量回归（SVR）和随机森林（RF），并采用随机划分（80%训练、20%验证）和独立年份验证（2021–2022年训练、2023年验证）两种策略评估性能，指标包括MAE、RMSE和R²。主要结论为：鞘翅目具有约6–20天的主周期波动，夏季集中高发；鳞翅目周期性较弱，但4–10月持续活动；气温、比湿和短波辐射与两类昆虫丰度显著正相关，风速呈弱负相关；随机森林在随机验证下表现最优，鞘翅目R²=0.82，鳞翅目R²=0.84，而独立年份验证性能下降，说明时间泛化仍具挑战。

三、主要技术方法

研究采用自动昆虫监测系统获取类群水平丰度数据，通过物联网、高清工业相机和机器学习图像识别实现自动计数。气象数据从CLDAS-V2.0近实时产品中提取，空间分辨率0.0625°×0.0625°，时间分辨率1小时，经栅格化按站点位置提取日值。数据预处理包括使用StandardScaler标准化连续气象变量，One-Hot编码季节信息。模型开发中，MLR采用最小二乘拟合；SVR使用径向基函数核并通过网格搜索优化C和γ；RF通过网格搜索优化树数量、深度等参数，采用10折交叉验证；KNN和GAM分别作为基准模型。置换重要性分析重复50次，以R²下降量衡量预测变量贡献。

四、研究结果

1. 鞘翅目和鳞翅目的时间变化特征

Lomb–Scargle周期图显示，鞘翅目在低频段具有较强信号，功率随频率升高而迅速下降，未出现0.20 cycles d^-1以上的显著峰，表明主要信号来自长期趋势而非短周期。鞘翅目在2022年6–8月出现高发期，多数站点同步达到峰值，部分站点日丰度超过100头，表现出较强的季节性同步。鳞翅目总体丰度较低，周期性较弱，仅在少数站点出现零星低幅峰，但4–10月持续活动，季节分布持续时间更长。

2. 记录昆虫丰度与气候因子的相关性分析

Pearson相关分析显示，鞘翅目和鳞翅目丰度均与气温（TMP）、比湿（SHU）和短波辐射（SSRA）显著正相关（p < 0.01），鳞翅目与气候因子的相关性总体强于鞘翅目。风速（WIN）与两类昆虫丰度均呈弱负相关。气象因子之间也存在相关，其中比湿与气温的相关系数高达0.956，提示存在共线性。

3. 模型预测性能评估

随机验证下，随机森林在两类昆虫中均取得最优表现：鞘翅目MAE=1.37、RMSE=4.85、R²=0.82；鳞翅目MAE=0.57、RMSE=1.16、R²=0.84。配对我们t检验（原文为paired bootstrap comparisons，实际应指配对自助法比较）显示，随机森林的MAE和RMSE显著低于其他四种模型（p < 0.001）。MLR和GAM的R²均低于0.25，SVR的R²接近零，KNN居中。独立年份验证下，所有模型性能下降，R²明显降低，表明随机划分估计的预测能力偏乐观。

4. 随机森林模型的特征重要性

置换重要性分析显示，短波辐射对两类昆虫的随机森林模型贡献最大，其次为比湿和风速（鞘翅目）或风速和比湿（鳞翅目）。季节变量中，秋季和夏季对鞘翅目有一定贡献，而气温和冬季贡献较低。不同类群的特征重要性排序存在差异，表明两种昆虫对气候因子的非线性响应结构不同。

五、讨论与结论

研究结果表明，自动监测的鞘翅目和鳞翅目具有不同时间动态模式，气候因子与两类昆虫丰度显著关联。随机森林凭借集成结构能够捕捉非线性关系和变量交互，因此优于传统线性及加性模型。然而独立年份验证性能下降说明，现有观测期较短，模型应对年际变化的能力有限。研究局限性包括数据时间跨度短、未纳入植被类型和地形等生态变量、气象因子间存在共线性，以及未使用深度学习方法。未来需结合更长期监测数据和先进算法以提升预测鲁棒性。结论部分强调，鞘翅目具有明显的周期和季节变化，鳞翅目呈现持续的季节波动；气温、比湿和短波辐射与昆虫丰度显著正相关；随机森林在随机验证下表现最佳，但时间泛化仍需加强。该研究为森林昆虫自动监测和基于数据驱动的丰度预测提供了实践框架，对林业害虫预警具有参考价值。论文发表于《Insects》。