《Insects》：A Rule-Based Transparent Machine Learning Approach for Precision Crop Protection: Modeling Orchard Microclimatic Orientations and Cherry Fruit Fly Pupal Habitats
编辑推荐：
简单总结
樱桃实蝇（Rhagoletis cerasi）是一种主要的植食性害虫，导致樱桃园严重产量损失，然而传统的监测方法严重依赖宽泛的气象数据或不可解释的“黑箱”机器学习模型，这些模型对与越冬蛹期相关的林下土壤条件提供的洞察十分有限。为弥补这一空白，研究人员
简单总结
樱桃实蝇（Rhagoletis cerasi）是一种主要的植食性害虫，导致樱桃园严重产量损失，然而传统的监测方法严重依赖宽泛的气象数据或不可解释的“黑箱”机器学习模型，这些模型对与越冬蛹期相关的林下土壤条件提供的洞察十分有限。为弥补这一空白，研究人员开发了一个可解释人工智能（XAI）框架，直接从基于可测量土壤参数（土壤温度、pH、石灰含量、电导率、土壤深度和饱和百分比）和蛹计数的LightGBM分类器中解析并提取透明的、人类可读的“IF-THEN”规则。所提出的基于LightGBM的规则提取引擎与10种基线机器学习算法（共11种模型）进行了基准比较。在实验1中，该框架被用于描述性表征与观测到的CfPC定义的蛹密度类别相关的生物-土壤学特征，而实验2评估了树冠下方的定向生物-土壤学分化。通过将复杂的LightGBM决策树结构转换为明确的、人类可解释的阈值规则，该框架提供了所研究果园内观察到的生物-土壤学模式的透明表示。这些发现可能支持未来精准作物保护应用的发展，尽管在田间操作部署之前仍需进一步的独立验证。
摘要
尽管传统机器学习模型在农业预测场景中表现出高准确性，但其“黑箱”特性使其无法透明地呈现决策机制，并限制了其在综合害虫管理（IPM）过程中的可靠性。本研究以樱桃实蝇（Rhagoletis cerasi）为研究对象，提出了一种基于规则的、可解释人工智能（XAI）框架，用于表征与观测到的樱桃实蝇蛹计数（CfPC）密度水平相关的生物-土壤学特征，并利用可测量的土壤学和生物学参数对微气候朝向（Aspects）进行分类。所开发的分层规则推理引擎解析了LightGBM分类器的决策树，该分类器在与10种基线机器学习算法（共11种模型）的基准比较中取得了最高性能，并提取出专家可直接解读的人类可解释结果。在实验1中，分析表征了与低、中、高蛹密度特征相关的观测CfPC与土壤条件的组合，而实验2评估了从测量的生物-土壤学变量中对树冠朝向的分类。根据推导出的规则，连续生物学计数（CfPC）作为主要生物学参考，而土壤温度、pH、石灰含量和水分饱和百分比等土壤学参数则表征了与观测到的蛹密度特征相关的附加土壤条件。这些综合规则提供了所研究果园内观察到的生物-土壤学模式的可解释表示，并可在独立验证后支持未来精准作物保护策略的开发。
基于规则的透明机器学习框架用于精准作物保护：樱桃实蝇蛹栖息地的可解释建模
一、研究背景与问题
樱桃（Prunus avium L.）作为全球鲜果贸易和农业宏观经济中的高附加值产品，在土耳其、美国、伊朗和意大利等地广泛商业化种植。土耳其凭借其生态优势，在樱桃生产和出口量方面居世界领先地位。然而，可持续生产线正受到生物胁迫因子的威胁，其中最具经济破坏性的植食性物种是樱桃实蝇[Rhagoletis cerasi (L.) (Diptera: Tephritidae)]。该害虫的幼虫直接取食果肉，导致落果和腐烂，若不采取主动防治措施，可造成高达100%的绝对产量损失，并触发国际检疫壁垒。已有研究明确，三龄幼虫脱离果实后钻入树冠下方土壤中，通常在2至5厘米深度化蛹，蛹期以滞育状态在地下度过约10至11个月。文献报道蛹的空间分布集中于树的南向和东南向，这些区域构成最高侵染源。然而，蛹越冬成功率与土壤参数之间的微观关系仍未明确。
在精准作物保护领域，基于人工智能的成虫种群监测方法近年来取得了显著进展。例如，Salamut等人利用Faster R-CNN和RetinaNet等深度学习架构对黄色粘虫板上的樱桃实蝇成虫进行检测，实现了0.9的平均准确率。Karydas等人通过融合无人机多光谱数据、地形和季末土壤剖面，利用机器学习对樱桃品质进行建模，验证了多源数据融合在精准农业中的潜力。然而，这些方法存在两个根本性缺陷：第一，绝大多数深度学习模型属于“黑箱”架构，其内部决策机制无法被解读，无法向农艺师提供决策依据；第二，现有模型仅关注成虫飞行阶段或采后果实表面物理损伤，完全忽略了树冠下方主导害虫种群密度的越冬机制以及实时土壤变量（土壤温度、pH、碳酸钙和饱和度）。
为解决上述局限，精准农业领域越来越需要从“黑箱”机器学习方法转向更透明的模型。可解释人工智能（XAI）在此背景下应运而生。XAI在复杂建模中通常遵循三种主要范式：事后特征贡献分析、隐式功能/基于注意力的可解释性，以及确定性规则提取。其中，确定性规则提取将复杂的集成结构直接转换为透明的、人类可读的“IF-THEN”规则。对于农业生态和土壤-害虫建模，这种确定性方法至关重要，因为它提供了田间部署和决策所需的清晰、可操作的物理边界（如特定的pH或温度阈值）。
二、研究目标与意义
本研究提出了一种创新的XAI框架，将易于测量的土壤参数应用于分层规则推理架构。与传统黑箱方法不同，该研究将所提出的LightGBM模型与10种基线机器学习算法（共11种模型）在农业数据集（N=160）上进行了基准比较，并在计算架构层面分解了其中预测性能最高的LightGBM分类器的决策树矩阵。合成的规则提取引擎将复杂的梯度权重转换为确定性的IF-THEN决策规则，提供了模型推导的生物-土壤学模式的可解释表示。实验1用于表征观测到的低、中、高蛹密度水平相关的生物-土壤学特征；实验2评估了微气候果园朝向预测场景，模型实现了95.00%的宏平均准确率和加权F1分数。
这项研究的三项关键创新包括：第一，整合越冬期土壤微气候而非宏观气象和成虫中心方法；第二，面向农艺决策的确定性规则提取（XAI）；第三，害虫热点和树冠微气候的双焦点生物-土壤学建模。该研究发表在《Insects》期刊上。
三、主要关键技术方法
本研究在土耳其埃拉泽省Baskil和Harput两个樱桃园中开展。每个地点选择一个果园，每个果园取样20棵樱桃树，共40棵树。对每棵树分别从北、南、东、西四个方位采集土壤样本，构成2个果园×20棵树×4个方向=160个定向土壤样本。每个约1kg的复合样本使用分级筛系统处理，并在Olympus SZX7体视显微镜下人工分离和计数蛹。将连续蛹计数（CfPC）分类为低密度（0-2个蛹）、中密度（3-4个蛹）和高密度（>4个蛹）。采用分层5折交叉验证对所有模型进行训练和评估，使用袋外（OOF）预测生成分类指标。核心方法包括四个步骤：第一步，通过booster_dump_model()接口将LightGBM内部集成结构转储为分层JSON/字典矩阵；第二步，采用递归算法（collect_rules）从根节点到叶节点遍历每棵树，收集所有条件分支；第三步，计算每条路径的样本支持度和规则准确率；第四步，筛选准确率低于75%或样本支持度少于3个样本的规则，合并重复规则并按准确率排序。为防止过拟合，限制最大树深度为3至5，保持较低的叶节点数量，并约束叶节点最小数据点数。LightGBM模型与10种基线算法（随机森林、CatBoost、Extra Trees、SVM、KNN、LDA、决策树、RIPPER、OneR、MLP）在相同交叉验证框架下进行了基准比较。
四、研究结果
3.1 实验1：描述性生物-土壤学规则特征分析结果
实验1中，连续CfPC与土壤变量共同用于表征低、中、高蛹密度类别。由于类别标签直接来源于连续CfPC，因此高分类性能和CfPC的主导重要性在数学上是预期的结果，不应解释为从土壤变量对蛹密度的独立预测。在11种模型的基准比较中，所提出的LightGBM方法实现了100.00%的平均准确率和100.00%的加权F1分数。CatBoost和决策树也达到了相同的性能。OneR达到98.75%准确率，RIPPER和随机森林为98.12%，LDA为96.25%，Extra Trees为94.38%，SVM为88.12%，MLP为81.88%，KNN最低为70.62%。表3中提取的决策规则描述了观测CfPC与土壤理化条件的组合，这些规则被解释为描述性生物-土壤学关联。表4显示，在分层5折交叉验证下，H、L、M三个类别的精确率、召回率和F1分数均为1.0000，总体分类准确率为100.00%。图3的诊断面板显示：混淆矩阵中所有160个观测均被正确分类，三个类别的AUC均为1.00，Brier分数均为0.0000。然而，由于实验1中密度类别由CfPC确定性推导且CfPC保留在输入变量中，这种完美的内部性能不应被解释为仅靠土壤变量就能前瞻性预测蛹密度或具备外部泛化能力的证据。
3.2 实验2：微气候朝向估计结果
实验2将微气候朝向类别（北、南、东、西）作为目标变量，局部生物蛹密度（CfPC）与五种土壤属性作为预测变量。所提出的LightGBM方法实现了95.00%的平均准确率和95.00%的加权F1分数，在11种模型中表现最佳。随机森林为91.88%，决策树和CatBoost为90.00%，Extra Trees为88.12%，SVM为83.12%，KNN为80.62%，RIPPER和LDA为78.75%，MLP为75.62%，OneR最低为63.12%。表5的规则揭示了方向性模式：北向以较低土壤温度（10.20-11.65°C）和较窄的水分饱和度范围（38.10-41.70%）为特征；南向具有较高的饱和度耐受性（最高49.00%）和中等温度特征；西向表现出最高的热量积累，土壤温度高达12.70°C，但在此条件下蛹计数保持较低（CfPC≤1.50），表明高温和蒸发对蛹存活有抑制作用；东向在浅层土壤（0.10-0.17米深度）中具有独特的土壤学边界，伴随较低的石灰含量（1.62-1.82%）。表6显示，四类的宏平均F1分数为0.9497。东向精确率为0.9091、召回率为1.0000，北向精确率为1.0000、召回率为0.8750，南向精确率为0.9744、召回率为0.9500，西向精确率为0.9286、召回率为0.9750。图5的混淆矩阵显示160个观测中152个被正确分类。四个类别的AUC均四舍五入为1.00，Brier分数在0.0175至0.0280之间，但可靠性曲线在某些概率区间偏离理想校准线，因此不应解释为完美概率校准的证据。
五、讨论与结论
在讨论部分，研究人员强调实验1应在描述性分析设计的框架内理解，提取的规则代表位点特异性统计关联而非实验证实的生理机制。实验2被解释为方向性生物-土壤学分化的探索性分析。2026年补充成虫捕获与原始果园水平蛹密度模式的一致性支持了土壤蛹调查的潜在生物学相关性，但由于滞育延长、蛹死亡率、年际气候变异、寄主可用性和成虫迁移等因素，2026年捕获的成虫不能直接归因于两年前记录的蛹。该XAI框架提供了表征观测蛹密度水平相关生物-土壤学特征的可解释方法，但不应被解释为仅凭土壤属性识别未知高风险蛹聚集点的前瞻性工具。
在结论部分，研究人员指出，这项研究弥合了复杂机器学习算法与实际农业应用之间的差距。通过从高性能LightGBM模型中提取高度可靠、人类可读的IF-THEN决策规则，该研究能够详细分析樱桃实蝇（Rhagoletis）栖息地，并可扩展到其他精准农业管理任务。实验结果表明，土壤温度（T）、pH、石灰含量（Lime）和饱和度（SY）等土壤变量与观测到的蛹微栖息地模式密切相关。然而，这些结果不应被解释为对独立外部数据集泛化能力的证据。在将规则用于高风险区域的操作识别或靶向土壤干预之前，需要在更多果园、季节和环境条件下进行独立验证。未来的研究计划将所开发的规则引擎与基于物联网的实时土壤传感器网络集成，实现果园自动风险测绘和即时害虫密度警报，并将该灵活方法推广到建模其他破坏性果园害虫的土壤越冬动态，为精准作物保护创建统一的可解释数字孪生。最终，这项研究表明，预测准确性不必须以模型可解释性为代价，借助LightGBM可解释规则推导的协同效应，为现代农业精准保护提供了一种极其稳健、科学且实用的范式。
