《Frontiers in Plant Science》：Deployment-oriented evaluation of stage-specific information for rice yield prediction across years, sites and site-year environments in southern China
编辑推荐：
摘要
背景：可靠的水稻产量预测要求机器学习模型的输入与预期决策节点相匹配，且评估方案能够反映目标部署环境。随机记录级交叉验证在作物产量机器学习中仍然常见，但当模型被迁移至未来季节、新地点或新的地点-年份环境时，该方法可能高估模型性能。
方法：研究人员利用来自中
摘要
背景：可靠的水稻产量预测要求机器学习模型的输入与预期决策节点相匹配，且评估方案能够反映目标部署环境。随机记录级交叉验证在作物产量机器学习中仍然常见，但当模型被迁移至未来季节、新地点或新的地点-年份环境时，该方法可能高估模型性能。
方法：研究人员利用来自中国南方10个地点、7年、67个地点-年份环境下168个品种的3,204条产量记录，开发了一种场景感知的机器学习框架。研究在随机五折交叉验证、留一年验证、前向年份预测、留一地点验证和留一地点-年份验证中比较了五组建模特征集。这些特征集分别代表全季天气、阶段特异性气候信息、防泄漏的品种产量最佳线性无偏预测（BLUP）、田间调查性状和抽穗期更新信息。
结果：随机五折交叉验证产生了最高的表观精度，最优的田间调查增强模型达到R2 = 0.844，均方根误差（RMSE）为340.59 kg ha?1。面向部署的性能较低。相同信息场景在前向年份预测中的宏平均R2为0.359，留一地点验证中为0.290，留一地点-年份验证中为0.131。阶段特异性气候信息和防泄漏的品种潜力在田间调查性状可用之前改善了预测，而田间调查性状在后期阶段提供了最强的精度。训练规模缩减降低了精度并增加了未见过品种的负担。气候风险环境表现出风险特异性误差偏移，而非统一的模型失效。
结论：本研究为水稻产量预测提供了面向部署的框架支持，而非提出普适性样本外改进的笼统主张。其核心价值在于揭示当验证设计与实际的时间、空间及地点-年份部署场景相对齐时，预测能力、特征效用和模型解释将如何发生变化。
**论文解读：面向部署的南方水稻产量预测——从随机交叉验证到真实场景泛化评估**
**一、研究背景与问题**
作物产量预测在品种评价、生产规划和农业风险管理中具有重要作用。水稻是世界上最主要的口粮作物之一，其产量由品种特性、环境条件和作物发育动态之间的复杂互作决定。近年来，机器学习、深度学习和可解释人工智能技术的快速发展极大拓展了作物产量建模的工具箱，包括多模态神经网络方法、可解释遥感产量模型以及AI驱动的环境型（envirotyping）多环境预测框架等。然而，尽管方法学进展迅速，一个悬而未决的关键问题在于：当验证集划分方式与实际育种项目面临的部署任务相匹配时，模型报告的精度是否仍然可靠？
现有作物产量机器学习研究中一个普遍存在的局限是模型评估与真实部署场景之间的错位。随机划分田间试验记录为训练集和测试集，可能导致相同品种、地点或相似环境同时出现在两端。这种设计适用于内部模型比较，但当操作目标是对未来季节进行预测或推广至新地点时，随机划分会高估预测性能。本研究针对真实多品种水稻试验数据，将这一疑问扩展至空间和地点-年份外推测试，系统比较了随机划分与时间、空间和地点-年份外推验证的性能差异。
另一个挑战来自信息可用时间的差异。全季天气汇总对回顾性分析有用，但在早期季节预测中不可用。田间调查性状可在接近成熟时提高精度，但需要季内观测，因此代表较晚的决策节点。历史品种表现提供了另一类预测信息，多环境试验积累的品种表现证据可用于产量预测。然而，当品种历史用作预测因子时，必须避免信息泄漏。
**二、研究目标与实验设计**
研究人员开发了一个面向部署的机器学习框架，使用来自中国南方水稻产区国家品种区域试验的3,204条产量记录，涵盖168个标准化品种、10个试验地点、7个生长季（2016-2022年）和67个地点-年份环境。研究构建了六个特征集以代表不同应用场景：F0为简单基线，F1为全季天气基线，F2为18个阶段特异性气候变量（播种至抽穗、抽穗至成熟两个时段各9个指标），F3在F2基础上加入防泄漏的品种产量BLUP，F4在F3基础上加入10个田间调查农艺性状，F5为利用抽穗期实际观测的季中更新场景。五种验证方案被用于评估：随机五折交叉验证、留一年验证、前向年份预测（只用往年数据训练预测未来年份）、留一地点验证和留一地点-年份验证。
**三、关键技术方法**
本研究采用的主要技术方法包括：（1）基于训练分区特异性线性混合模型拟合品种随机截距，通过内五折交叉拟合和外部测试分区独立估计实现防泄漏的品种产量最佳线性无偏预测（BLUP）特征构建；（2）七种机器学习算法对比，涵盖线性回归、岭回归、弹性网络（ElasticNet）、随机森林、XGBoost、LightGBM和CatBoost；（3）五种验证方案的系统比较，其中所有预处理和BLUP估计均在划分后在每个训练分区内独立重复执行；（4）SHAP（Shapley加性解释）值用于模型特征归因解释；（5）嵌套调参敏感性检查和剔除数值年份特征的敏感性分析；（6）基于经验分位数的极端环境审计和训练样本量逐步缩减的鲁棒性实验。
**四、主要研究结果**
**随机五折交叉验证高估了时间泛化能力。** 在随机五折交叉验证下，F4场景的LightGBM模型达到最优内部精度（R2=0.844，RMSE=340.59 kg ha
?1），阶段特异性气候信息（F2）优于全季天气（F1），加入BLUP（F3）进一步提升了精度。但在留一年验证中，最优F4弹性网络模型的平均R2降至0.474；在前向年份预测中进一步降至0.359。随机交叉验证显著高估了未来季节的真实泛化能力。
**前向年份预测面临品种更替的严峻挑战。** 六个目标年份中，62.37%的测试记录属于训练期间未出现的品种，这些记录只能获得训练截距回退的BLUP值。剔除数值年份特征后F4性能未下降（R2从0.359变为0.365），排除了简单时间趋势外推的解释。
**空间和地点-年份外推暴露了明确的部署边界。** 留一地点验证中F4弹性网络模型平均R2为0.290，在10个留出地点中8个获得正R2；F1-F3和F5模型平均R2接近或低于零，表明田间调查性状在模型迁移至新地点时尤为重要。留一地点-年份验证是最困难的设定：宏平均R2为-0.063，但微平均R2为0.523。环境水平R2与环境内产量标准差呈正相关（Spearman ρ=0.41），表明模型估计地点-年份产量水平的能力优于在每个环境内对品种排序的能力。
**训练样本量同时影响精度和品种覆盖度。** 训练池从100%缩减至20%时，F3、F4和F5的最优模型R2分别从0.755、0.833和0.717降至0.546、0.658和0.502。训练数据缩减同时增加了未见品种的外部测试记录数量。
**气候风险环境呈现风险特异性误差偏移。** 在67个地点-年份环境中，24个被标记为满足至少一项抽穗至成熟气候风险标准。正常环境与极端环境的RMSE差异（542.44 vs. 563.59 kg ha
?1）未达统计显著水平。高温环境表现出描述性的RMSE增加（98.92 kg ha
?1），而其他风险类别变化较弱或方向相反。
**模型解释识别了场景特定的信息优先级。** F3场景中品种产量BLUP是首要特征，其次是试验地点和播种至抽穗天气变量。F4场景中田间调查性状占总绝对SHAP归因的55.1%，每穗实粒数、有效穗数、结实率和千粒重显著突出。F5场景中品种产量BLUP再次成为首要特征，播种至抽穗天气和播种时间在各算法间保持一致的重要性。
**五、讨论与结论**
最优算法的身份取决于验证设置：LightGBM在随机交叉验证中表现最佳，而弹性网络在时间外推和空间外推中更优。灵活树模型在训练和测试记录共享相关环境时可利用非线性关系和局部交互作用，而正则化线性模型在外推至新年份或新地点时对分布偏移可能更不敏感。这一模式印证了随机交叉验证可能奖励那些复现训练数据中空间或时间结构的模型，而非能够可靠外推的模型。
品种产量BLUP和田间调查性状的互补关系具有生物学合理性：历史产量潜力在详细田间观测前尤其有用，而田间调查性状更直接地捕获了当前生长季的实现结果。极端环境分析不支持模型在气候风险环境下普遍失效的强主张，但识别了需要额外关注的条件，支持开发不确定性估计和环境相似性诊断工具。
本研究的局限性包括：试验网络仅覆盖华南10个地点和7年，需要更多地区和季节的验证；极端环境阈值基于数据内经验分位数而非普适生理阈值；F4依赖实测农艺性状，代表后期估算而非早期预测。未来应整合遥感、土壤信息、基因组标记和不确定性量化以提升模型可迁移性。
**研究结论**：本研究开发并评估了面向部署的华南水稻产量预测框架。阶段特异性气候信息和防泄漏的品种潜力在详细田间观测可用前提供了有用信息，而田间调查性状在后期估算场景中产生了最强精度。随机交叉验证相较于未来年份、新地点和新地点-年份部署场景大幅高估了模型性能。在实际部署中，该框架支持分层策略：历史品种表现和阶段特异性气候信息可提供初始估计，抽穗期观测可更新预测，产量构成性状的靶向调查可改进收获前估算。新品种、环境内低产量方差和气候风险环境可能削弱排序可靠性。更广泛地，农业机器学习研究应将验证设计、特征时间性和模型解释与所支持的决策场景相对齐。
