基于多源遥感与可解释机器学习的咖啡生产系统制图——以越南得乐省为例的性能、空间泛化与不确定性

《Remote Sensing Applications: Society and Environment》：Interpretable multi-sensor mapping of coffee production systems in Dak Lak, Vietnam: performance, spatial generalization, and uncertainty

　　

在异质性的小农景观中，咖啡生产系统的精确制图仍具挑战性；间作、可变遮荫、复杂地形和季节动态均降低了遥感数据中的类别可分性。这一挑战在越南中央高地尤为关键，因为咖啡支撑着当地农村生计，但又日益受到气候多变性和土地利用变化的影响。在本研究中，研究人员开发了一种可解释的、省级尺度的制图工作流，用于越南得乐省2024制图年度的咖啡生产系统制图。该工作流将多时相Sentinel-2、Landsat 8/9、Sentinel-1和地形预测因子集成于随机森林（Random Forest）框架内，并结合系统性特征选择与基于SHapley Additive exPlanations（SHAP）的解释。空间分块交叉验证（即训练分块与验证分块在地理上相距10–20 km的更严格迁移性检验）所得到的咖啡亚类宏F₁-score仅为0.141–0.374，揭示了三类咖啡系统分类在参考数据所代表景观之外的泛化能力有限。相比之下，在同一景观内进行的分层五折交叉验证取得了显著更高的总体精度（95.90 ± 1.13%）和咖啡亚类宏F₁-score（0.909 ± 0.033），说明了验证设计如何影响咖啡系统制图的表现可靠性。模型解释一致地识别出旱季光学水分、植被–土壤对比度和地形变量为关键驱动因素，而Sentinel-1则提供了互补的结构信息。所得地图估计咖啡面积为227,721公顷，比全省官方统计总数高出6.4%，但区级残差明显更大且符号各异。探索性面积重新加权分析进一步表明，可能存在仅从全省总量中无法显现的较大类别特定差异。多传感器融合为制图咖啡范围和主要土地覆盖类别提供了一种有用的区域筛查方法，但在参考数据所代表区域之外，应谨慎解释生产系统区分；此外，基于坐标的地块独立性分析表明，橡胶以及较小程度上的新植咖啡的样本内可靠性也未被当前样本很好地约束。

Nguyen Trung Duc等研究人员在题为“Interpretable multi-sensor mapping of coffee production systems in Dak Lak, Vietnam: performance, spatial generalization, and uncertainty”的论文中，系统研究了越南得乐省咖啡生产系统的遥感制图及其性能评估问题。咖啡是全球重要的经济作物，而越南是第二大咖啡出口国，得乐省则是其中央高地的主要罗布斯塔产区。气候变化、土地退化及市场驱动的集约化正持续威胁该地区咖啡生产。同时，欧盟零毁林法规（EUDR）将咖啡列为受监管商品，要求提供不毁林且空间明确的地块信息，这使简单森林/非森林分类无法满足需求。然而，在小农主导的异质景观中，咖啡常与多年生作物间作，遮荫程度不一，地形复杂，加上季节动态和两年产量周期等因素，导致遥感类别可分性低。已有研究虽尝试多传感器组合，但缺乏对多时相光学信息、系统特征选择、模型解释和空间泛化能力的综合评估。因此，研究人员旨在开发并评估一个省级尺度、可解释的多传感器工作流，绘制2024年得乐省咖啡生产系统及主要土地覆盖类型图。

研究采用Google Earth Engine（GEE）处理遥感数据，生成干季和湿季Sentinel-2及Landsat 8/9光学合成、Sentinel-1年度雷达指标和SRTM地形变量。参考数据为通过高分辨率影像目视解译得到的3,000个点，共10类（太阳晒咖啡、间作咖啡、新植咖啡、橡胶、部分植被、水稻、其他旱地作物、森林、水体、建设用地），每类300点，并利用2025年11–12月的野外调查校验解译规则。特征选择基于随机森林（Random Forest, RF）变量重要性排序和Pearson相关过滤，最终保留25个预测因子。分类采用RF分类器，并与RBF-SVM和XGBoost进行初步比较。精度评估包括分层五折交叉验证、空间分块交叉验证（10/15/20 km分块）以及混淆矩阵指标；可解释性采用SHapley Additive exPlanations（SHAP）分析；另将成图结果与官方种植面积统计进行区级比较，并进行探索性面积重加权分析。

### 研究结果

#### 3.1 不同预测因子配置下的分类性能（Classification performance across predictor configurations）
研究人员比较了多种传感器组合，发现全模型（Sentinel-1 + Sentinel-2 + Landsat + DEM）获得最高交叉验证性能：总体精度为95.90 ± 1.13%，Kappa系数为0.954 ± 0.013，宏F₁-score为0.959 ± 0.012，咖啡亚类宏F₁-score为0.909 ± 0.033。Landsat季节变量和DEM带来的增益较大，而Sentinel-1的增益相对较小；单一传感器模型性能明显不足。

#### 3.2 类级精度（Class-wise accuracy）
混淆矩阵分析显示，新植咖啡的可分性最高（F₁=0.972），太阳晒咖啡的生产者精度最低（80.0%），间作咖啡的用户精度较低（83.8%）。误差主要集中在成熟咖啡（太阳晒和间作）与结构相似的多年生植被之间，而水稻、水体、建设用地等光谱差异明显的类别精度较高。

#### 3.3 随机森林变量重要性（RF variable importance）
RF变量重要性表明光学预测因子占主导：Sentinel-2贡献52.3%，Landsat 8/9贡献35.9%，DEM和Sentinel-1分别贡献6.1%和5.7%。按功能分组，原始光谱变量占比最大（31.7%），其次为燃烧/土壤对比和水分相关变量（各19.4%），说明模型依赖多维度的光谱、水分和地形信息。

#### 3.4 SHAP解释（SHAP interpretation）
SHAP分析与RF Gini重要性高度一致（Spearman ρ=0.961）。干季光学水分指标、植被–土壤对比度和地形变量是主要驱动因子。类别特异性分析表明，太阳晒咖啡受干季冠层状况和海拔影响较大，间作咖啡与混合冠层和水分变异相关，新植咖啡则与裸露土壤和干季光谱对比密切相关。

#### 3.5 咖啡生产系统的空间分布（Spatial distribution of coffee production systems）
最终制图结果估计咖啡总面积227,721公顷，其中太阳晒咖啡168,127公顷（73.8%），间作咖啡49,379公顷（21.7%），新植咖啡10,215公顷（4.5