《Environmental and Sustainability Indicators》：Trustworthy AutoML indicators for climate-smart agriculture: A sustainability-governance framework for decision support
自动化机器学习（AutoML）能够加速数据驱动的气候智慧农业（climate-smart agriculture, CSA），但环境与可持续性价值无法仅从基准精度（benchmark accuracy）中推断。灌溉、养分管理、作物胁迫、产量风险及气候适应等决策，要求有证据表明自动化模型搜索（automated model search）是有效的、校准良好的、在跨地域与跨季节条件下稳健的、资源感知的、可解释的且可治理的。本综述将农业AutoML重新界定为一个指标问题：在AutoML赋能的咨询系统被视为气候智慧决策基础设施之前，需要何种可测量且可审计的证据？在方法上，本文采用具有范围界定要素的结构化批判性综合（structured critical synthesis with scoping elements），而非完整的系统综述；本文通过指标开发视角，整合了AutoML、农业机器学习、遥感、可信人工智能（trustworthy AI）、可持续人工智能（sustainable AI）及数字农业治理等领域的文献。研究结果形成了TASC-AutoML，一个将气候智慧目标、农业决策情境、数据生态系统、AutoML流水线（pipeline）、信任门（trust gate）、部署约束及社会结果相联系的指标框架。本文提出了一套最低限度指标集（minimum indicator suite），涵盖决策关联性、数据溯源（data provenance）、防泄漏验证（leakage-aware validation）、不确定性与校准、时空可迁移性、可解释性、资源与生命周期成本、公平性、隐私、人类监督、监测与问责，并配套部署成熟度阶梯（deployment maturity ladder）与报告核查清单。本文将所提框架与NIST AI风险管理框架、欧盟可信AI指南及OECD AI原则进行了基准对标，并通过应用于两项已发表农业AutoML研究的回顾性指标记分卡（retrospective indicator scorecard）加以阐释。该框架不声称提供运行性能估计；而是界定了从模型搜索演示迈向负责任、资源高效且以农民为中心的气候智慧农业所需的证据结构。由于该框架是概念性的且源于文献，其指标集仍需实证验证；本文概述了为检验该框架所需的参与式研究、基准测试研究及专家赋权研究。
- 1.
引言
气候智慧农业（CSA）围绕三个相互关联的目标组织：可持续提高农业生产力和收入、适应气候变化并增强韧性，以及在可能的情况下减少或消除温室气体排放。这些目标日益通过数字农业实现，包括遥感、无人机系统、近地传感器、天气与土壤数据、农场记录，以及用于作物监测、产量预测、胁迫检测和投入管理的机器学习模型。环境管理的挑战不仅在于产生预测，更在于判断这些预测何时足够有效、透明、资源节约且可问责，以指导影响水资源利用、养分损失、作物损失、农民生计和气候韧性的行动。
自动化机器学习（AutoML）在此情境中具有吸引力，因为它可以自动化建模工作流的多个环节，包括预处理、特征构建、模型选择、超参数优化（hyperparameter optimization）、神经架构搜索（neural architecture search）、集成学习（ensembling），以及日益增多的部署感知搜索。农业领域的实例已显示AutoML或邻近的自动化搜索方法被用于无人机工作流、高光谱作物分析、基于遥感和天气数据的作物产量预测以及植物胁迫检测。这些贡献之所以重要，是因为它们降低了农学家、遥感专家、公共机构、合作社和技术提供商的技术门槛，这些主体可能无法持续获得专业机器学习工程师的支持。
然而，AutoML也改变了农业AI的风险特征。搜索空间编码了关于候选模型、指标、采样、计算预算和部署环境的假设。一个优化平均预测误差的系统，仍可能校准不良、在空间或季节漂移下脆弱、在不同农场类型间不公平、运行成本过高，或无法被农民和推广人员质疑。随机训练—测试划分可能在相邻田块或重复季节间泄漏信息；复杂集成可能提升排行榜性能，同时增加延迟、能耗、维护负担和不透明性；依赖云的流水线可能排除低连接性用户。这些问题之所以重要，是因为CSA决策常涉及不确定性、稀缺资源和非对称伤害。虚假干旱警报可能浪费水资源或劳动力，而漏报胁迫警报可能降低产量和收入。忽视氮利用效率的施肥建议可能在维持产量的同时加剧环境损失。
本文将可信AutoML用于CSA重新界定为指标开发问题。环境与可持续性指标之所以有用，是因为它们将复杂系统转化为可指导管理、政策、监测和问责的可测量证据。对农业AutoML而言，相应的问题是：哪些指标应伴随自动化模型搜索，使模型能被评估为决策基础设施而非基准产物？本文提出的答案是TASC-AutoML，一个面向AutoML赋能的农业决策支持的可持续性—治理框架和指标集。该框架连接CSA目标、决策情境、数据生态系统、AutoML流水线、信任要求、部署约束和社会结果。它不是新的AutoML算法，也不是系统综述的流行度估计，而是一种结构化方式，用于规定AutoML输出可信地支持气候智慧环境与农业决策前所需的最低限度证据。
本文所针对的缺口位于四类文献的交汇处，其中任何一类都无法单独解决。AutoML综述和基准研究评估搜索效率、算法设计和预测精度，但不涉及环境决策情境。农业机器学习综述对应用和报告精度进行分类，但很少将验证设计、不确定性、资源成本或治理视为必须报告的证据。可信AI框架提供横向原则和风险管理词汇，但未作为可测量的、农业特定的自动化模型搜索指标加以操作化。最后，环境指标文献为构建决策相关指标集提供了成熟指导，但尚未应用于评估自动化模型搜索作为环境决策基础设施。据我们所知，尚无先前综述将CSA的可信AutoML评估转化为决策关联的、可审计的、多元的指标框架。
针对这一缺口，本综述的贡献有五方面。第一，将农业AutoML评估转化为与环境管理、气候风险评估、自然资源利用和社会技术治理相关的指标域。第二，综合了农业机器学习、AutoML、可信AI、可持续AI和数字农业治理领域的证据缺口。第三，提出了可用于作者、审稿人、资助方、采购方和推广组织的最低指标集和成熟度阶梯。第四，提供了从以基准为中心的演示迈向可审计、资源感知、以农民为中心的CSA决策支持的实现指导。第五，在修订中新增了将框架与既有可信AI工具对标，并通过回顾性指标记分卡应用于两项已发表农业AutoML研究来演示其使用。
- 2.
综述方法与指标开发逻辑
2.1 证据识别与选择
本文采用具有范围界定要素的结构化批判性综合，不声称是完整的系统综述。系统综述需要数据库特定的检索字符串、导出记录、去重、双重筛选、资格标准、全文纳入计数和透明的PRISMA式流程图报告。环境证据综合在适当时也可使用ROSES报告标准。由于本文整合的是一个异质且新兴的领域，因此不报告统计流行度估计、文献计量趋势或合并性能效应。
在这些边界内，证据按如下方式识别。对Scopus、Web of Science和Google Scholar的结构化检索，辅以arXiv和主要机器学习会议论文集以获取AutoML方法，以及FAO、OECD、UNESCO、欧盟委员会和NIST的机构知识库以获取标准与治理文件。检索结合了四个概念块：自动化机器学习、农业与气候智慧农业、模型可信度与可持续性、治理与指标。检索覆盖2012年1月至2026年5月，基础性指标学术成果通过近期综述的引文追踪获得。记录按标题和摘要筛选，判断其与五个证据簇中至少一个的相关性。当全文满足以下条件时予以保留：报告了可迁移至AutoML赋能的农业决策支持的方法、实证证据或治理洞见，且为同行评议出版物、广泛采用的技术报告或官方标准；排除推广性和工具营销材料。来源质量和相关性通过定性评估——同行评议状态和场所、方法透明度、在相应社区中的采用度——而非正式偏倚风险评估，这与批判性综合设计一致。
分析过程从来源到指标分四步进行。第一，将保留来源编码至五个证据簇。第二，从每个簇中提取指标相关主张——可测量量、报告实践、已记录的失败模式和治理要求。第三，将提取的主张对照三个指标开发原则进行检验；无法表达为可报告、可审计证据的主张被重新表述或搁置。第四，将存活的指标域整合为七层架构、最低指标集和定性证据缺口图，作者间的分歧通过讨论解决。
2.2 证据簇及其依据
综合依托五个证据簇。第一簇涵盖基础AutoML和模型搜索方法，包括组合算法选择与超参数优化、贝叶斯和基于bandit的优化、神经架构搜索、集成学习和轻量级AutoML系统。第二簇涵盖农业机器学习、遥感、作物监测、产量预测、胁迫检测和精准农业。第三簇涵盖明确的农业AutoML研究。第四簇涵盖用于可解释性、校准、不确定性、稳健性、文档化和风险管理的可信AI方法。第五簇涵盖数字农业治理、公平性、数据权利、负责任创新和可持续AI。
这五个簇之所以被选择，是因为它们共同覆盖了综述问题所需的从模型到决策的路径，且每个簇至少对指标架构的一个层次是必要的。第一簇提供被评估的自动化搜索方法；第二簇确立这些方法所服务的农业预测任务和数据生态系统；第三簇提供AutoML在农业中使用的直接但规模仍小的证据基础；第四簇为信任门提供测量工具；第五簇将部署和社会结果置于治理、公平和可持续性辩论中。反之，当文献不直接涉及七个层次中任何一个时，被视为超出范围。相邻文献——基于过程的作物建模、农业经济学和农场管理优化、物联网和传感器硬件工程、畜牧、机器人和采后系统——仅在它们与五个簇交汇处被查阅，并在范围边界中予以承认。
2.3 指标开发原则及其张力
指标开发逻辑遵循三个原则。第一，指标应具有决策关联性。指标仅在其映射到决策边界、管理行动、报告需求或治理义务时才有用。第二，指标应可审计。作者应报告足够信息，使独立审阅者或采购方能够理解指标如何测量、使用何种数据及其局限性。第三，指标应多元。没有任何单一分数能确立可持续性、可信度或部署就绪性。需要指标集，因为预测有效性、校准、能耗、公平性、隐私、治理和农民可用性是不同的性能维度。这与强调透明选择、因果框架、相关性以及需要指标集而非孤立指标的指标学术成果一致。
这些原则并非自动兼容，框架管理而非消除其张力。第一，多元性可能与可审计的简洁性冲突：研究报告的指标越多，审阅者和采购方的验证负担越大，冗长清单易诱发打勾式检查而非深入审查。第二，决策关联性可能与可比性冲突：针对一个决策情境调整的指标，如特定灌溉方案的水生产力阈值，可能无法迁移至其他地区或治理设置，从而限制跨研究基准测试。第三，可审计性可能与决策相关性冲突：易于审计的标准化代理指标有偏离实际管理量的风险，这是一种古德哈特式风险，即优化指标取代了其本应服务的目标。TASC-AutoML以三种方式回应：最低指标集约束多元性；指标分层将审计负担与主张强度相匹配；成熟度阶梯仅在决策风险和部署主张上升时要求额外指标。残余张力被标记为开放问题，留待参与式和赋权研究处理。
- 3.
为什么气候智慧农业中的AutoML需要可持续性指标
3.1 指标将预测转化为环境决策证据
在CSA中，同一模型输出在不同决策情境下可能有不同含义。用于探索性巡查的作物胁迫分类图可能要求高召回率和清晰的不确定性标志。农药警报可能要求保守的假阳性控制和人工确认，因为不必要施用会增加成本和环境负担。用于粮食安全规划的产量预测可能要求校准的预测区间和空间适用性限制。灌溉咨询可能要求水生产力和产量风险阈值，而非仅蒸散误差。这些例子表明，AutoML评估必须从任务无关的精度转向决策关联的指标。
指标也使环境和可持续性主张可检验。一个系统不能仅因使用气候数据或预测作物产量就被称为气候智慧。当稿件报告诸如空间迁移性能、异常季节下的校准、水分利用效率、氮利用效率、模型能耗、低连接性条件下的延迟、农民接受度以及跨农场类型的分类性能等指标时，该主张变得更强。此类指标可支持管理和政策，因为它们阐明了系统在何处有用、何处不确定以及产生何种权衡。
3.2 AutoML放大泄漏和优化风险
农业数据在空间、时间、生物和社会层面具有结构。相邻田块共享土壤、天气、管理历史、遥感伪影和市场条件。来自同一农场的重复影像可能同时出现在训练集和测试集中。随机划分因此可能高估实际部署性能。在存在依赖结构处，建议采用空间和时间交叉验证。适用性区域方法有助于识别空间预测在何处外推。更广泛的机器学习证据表明，分布漂移可能降低部署性能。AutoML可加剧这些风险，因为它高效搜索任何能改善验证指标的信号，即使该信号是泄漏伪影。
对指标设计而言，这意味着泄漏控制应位于搜索循环之外，并在模型选择开始前定义。验证指标应指定独立性单元，如田块、农场、区域、季节或传感器平台。还应报告预处理、特征选择、插补、增强和缩放是否仅在训练数据上拟合。没有这些指标，模型搜索性能无法被解释为环境决策证据。
3.3 可信度指标即环境管理指标
可信度有时被视为伦理附加项，但在农业决策支持中，它是环境管理的一部分。未校准的产量预测可能扭曲风险规划。无法解释的胁迫警报可能降低农民信任或鼓励不当化学品使用。在雨养小农户田块上失败的模型可能扩大适应不平等。仅云端的AutoML服务可能增加平台依赖并排除低连接性区域。计算密集的神经架构搜索可能将可持续性成本从人类专业知识转移到能源使用。这些并非边缘问题；它们决定数字工具是否有助于实现CSA目标。
可信AI框架强调人类能动性、稳健性、隐私、透明性、公平性、问责制和社会福祉。农业应用要求这些原则被操作化为指标。实例包括校准误差、预测区间覆盖率、分布外检测、解释稳定性、跨农场规模或农业生态区的分类性能、数据同意状态、模型卡完整性、审计日志、更新规则以及向推广人员的升级路径。
- 4.
AutoML决策情境与指标需求
4.1 作物监测与遥感
作物监测是AutoML的自然切入点，因为建模选择众多。研究者可能需要比较光谱波段、植被指数、采集日期、空间分辨率、分割方法、特征选择方法和模型族。AutoML可帮助搜索这一空间。然而，可持续性解释取决于决策。用于区域规划的作物类型制图、用于巡查的干旱胁迫检测和田间级病害警报不具有相同的风险特征。因此，有用的指标集不仅应包括分类性能，还应包括空间验证设计、时间迁移、传感器溯源、类别不平衡、不确定性图、假阳性和假阴性后果以及检测模式的专家审查。
4.2 产量预测与气候风险预报
产量预测支持农场管理、作物保险、粮食安全规划、采购和政策。AutoML可自动化跨天气、土壤、遥感、管理和历史产量数据的模型选择和特征搜索。然而，点预测很少足以支持气候风险决策。在气候变化情境下，未来高温、干旱、洪水、病虫害和管理响应可能超出历史训练分布。相关指标因此包括预测区间覆盖率、校准、适当评分规则、异常季节性能、空间迁移，以及模型不会在脆弱区域系统性表现不佳的证据。
4.3 胁迫、病虫害检测
植物胁迫和病害系统可减少损失并支持靶向干预，但易受域漂移影响。图像条件因光照、品种、病害严重度、背景、生长阶段、传感器和农场实践而异。在精选叶片图像上训练的模型可能无法迁移至农民手机图像或混合冠层场景。AutoML可调优架构和增强策略，但部署指标应包括分布外检测、保守弃权、专家验证、升级路径和解释稳定性。假阳性和假阴性应关联环境和治理后果，而非仅作为混淆矩阵条目报告。
4.4 灌溉、养分管理与资源利用效率
灌溉和养分管理将AutoML与水资源、能源和排放相关结果连接。模型可能使用土壤湿度、蒸散估计、天气预报、作物阶段、基础设施约束、施肥历史和农民偏好。指标应包括水生产力、氮利用效率、产量风险阈值、预测不确定性、延迟、离线可用性和农民接受度。对养分咨询，环境相关性包括过量施用风险和氧化亚氮减缓潜力（在可测量处）。预测产量响应但忽略氮损失的无法作为完整可持续性干预评估。
- 5.
TASC-AutoML：一个指标框架
5.1 七层指标架构
本文提出TASC-AutoML，即可持续气候智慧农业可信AutoML，作为七层指标框架。第一层是CSA目标。每项AutoML研究应确定预期贡献涉及生产力、适应、减缓、资源利用效率、公平性还是组合。第二层是决策情境。监测、预测、诊断、优化、咨询支持、保险和政策规划对误差、不确定性和监督要求不同阈值。第三层是数据生态系统。溯源、采样、传感器校准、缺失性、数据权利和代表性决定模型能学习什么以及能在何处部署。第四层是AutoML流水线。搜索空间、调优预算、验证设计、目标指标和部署约束应明确报告。第五层是信任门。该层包含校准、不确定性、可解释性、稳健性、公平性、隐私、可复现性和人类监督指标。第六层是可持续部署。涵盖边缘或云端操作、延迟、内存、能耗、成本、维护、更新协议及与推广服务的集成。第七层是社会结果。期望结果包括产量稳定性、资源效率、风险降低、适应、减缓相关性、农民自主性、公平获取和政策相关性。
框架不要求每个项目成为田间测试系统。相反，它要求作者诚实标注证据水平。基准论文若能清晰报告验证和泄漏指标，可贡献有用方法。田间试点若报告农民反馈、不确定性沟通和监测规则，可贡献决策证据。运行系统则需要更强的审计、问责、更新治理和观测环境结果指标。
5.2 信任门内部：子域指标与充分性标准
信任门承载框架中大部分评估权重，其八个子域需要比架构概述更充分的说明。校准子域回答预测概率或区间是否在决策点与观测频率匹配；最小充分证据为泄漏控制划分上的校准指标加可靠性图，在决策相关阈值处报告；部署导向证据为空间和季节漂移下的校准，包括异常季节，并说明再校准策略。不确定性子域回答不确定性估计是否可用且可用于决策；最小证据为不确定性方法说明和留出区域或季节上的经验覆盖率；部署证据为用户测试的不确定性沟通和与升级规则关联的弃权阈值。可解释性子域回答用户能否理解、合理性检查和质疑输出；最小证据为解释方法报告并附稳定性检查和农学合理性审查；部署证据为与农民和推广人员评估的解释及使用限制文档。稳健性子域回答性能是否在现实分布漂移下存续；最小证据为至少一个空间或时间外部测试并报告退化；部署证据为多漂移测试组、适用性区域制图和气候极端性能。公平性子域回答系统为谁表现不佳；最小证据为至少一个公平相关分层的分类，或关于不可行性和相关风险的论证说明；部署证据为多分层分类并附缓解和获取计划。隐私子域回答数据权利、同意和机密性是否受保护；最小证据为涵盖所有权、同意和重用的数据权利声明；部署证据为数据集说明、溯源审计和社区或数据主权安排。可复现性子域回答独立团队能否重跑搜索；最小证据为搜索空间、预算、种子和最终配置披露；部署证据为可执行工件和独立复现或审计。人类监督子域回答人类能否干预、覆盖和反馈；最小证据为指定监督角色和低置信度或分布外案例的升级规则；部署证据为运行中记录的覆盖和质疑路径。
5.3 TASC-AutoML相对于既有可信AI框架的定位
TASC-AutoML设计为与横向可信AI工具一致并位于其下游。信任门操作化了欧盟可信AI伦理指南的七项要求，对应NIST AI风险管理框架的MEASURE功能；第一至三层执行NIST分配给MAP功能的情境框架；监测与问责域对应MANAGE和GOVERN。OECD AI原则和UNESCO建议提供第七层转化为农业结果指标的价值基础——以人为本的价值观、透明性、问责制和可持续发展。
四项新增区分了TASC-AutoML与这些工具。第一，它指定了横向框架未提及的AutoML特定证据，包括搜索空间和调优预算披露以及定义在搜索循环外的泄漏控制。第二，它提供农业和CSA特定指标，从水生产力和氮利用效率到农业生态可迁移性和小农获取。第三，它采用源于环境指标学术成果的指标取向——可测量、可审计、多元——而非原则或过程取向。第四，它增加了针对农业决策基础设施的部署成熟度阶梯，使主张、证据和问责逐级匹配。这些新增不与横向框架竞争；它们使横向框架在一个应用域中可审计。
- 6.
通过指标视角的证据缺口综合
定性证据缺口图总结了结构化综合继承并重新表述为指标就绪度地图的证据缺口。该图不应被解释为文献计量计数或元分析估计，其目的是显示哪些证据簇在指标报告方面相对成熟，哪些仍欠发达。
最强的证据基础涉及预测指标。一般农业机器学习和AutoML研究通常报告精度、误差或类似模型性能指标。然而，这些指标不足以支持CSA决策，因为它们不显示模型在空间漂移、季节极端、传感器变化或低连接性部署下是否可靠。可信AI方法为不确定性、校准、文档化和稳健性提供成熟工具，但这些工具尚未一致嵌入农业AutoML报告。数字农业治理文献在权力、所有权、平台依赖、参与和公平性方面提供强概念洞见，但这些洞见很少转化为可测量的AutoML指标。
三个缺口对环境和可持续性指标尤为重要。第一，校准和不确定性应成为常规可持续性指标，因为CSA决策是风险决策。第二，应报告资源和生命周期指标，因为AutoML可将成本从人工调优转移到计算、能耗、平台依赖和维护。第三，公平性和治理指标应整合到模型报告中，因为农民利益、数据权利和可质疑性决定预测工具是支持还是破坏可持续发展。
- 7.
框架操作化
7.1 从指标域到可审阅证据：分层而非赋权
指标集仅在可操作化时有用。报告结构将指标域转化为可审阅证据，作为最低而非详尽清单。作者可根据决策情境添加作物特定、区域特定或干预特定指标。
为使
