基于百年环境大数据与深度学习的县级大豆产量预测研究

《Frontiers in Artificial Intelligence》：A deep learning approach to county-level soybean yield forecasting using large-scale environmental data

　　

引言：农业系统持续受到气候变化的干扰，使得作物产量预测成为实现明智农业规划的关键组成部分。然而，当前的产量预测方法通常缺乏规模性，且在现实场景中难以从农学角度进行解释。为填补这一空白，本研究开发了一个可解释的大豆产量预测框架，利用可量化的县级气候和土壤属性，在收获前数月实现早期、准确的产量预测。 方法：在此，研究人员收集了覆盖美国大陆近百年（约100年）时间跨度的388个气候、土壤和海拔属性。经过预处理后，为每个因子计算了沙普利加法解释（SHAP）值，以增强框架内预测的可解释性。结合这些气候因子，研究人员调整并构建了一个深度学习神经网络，用于在五月、六月、七月和八月生成产量预测。 结果：在一个独立的留出测试集上，这些预测产生了稳健的结果，表明该框架能够可靠地在收获前最多五个月预测产量。该研究还指出了若干环境属性对产量预测的重要性；具体而言，夏末期间的高温天数（DX90, EMXT）被发现对大豆产量有显著的负面贡献，而高温发生的时间也被确定为产量的潜在驱动因素（DYXT）。 讨论：总体而言，这些发现表明，研究人员提出的可解释深度神经网络（DNN）模型能够提供可靠的、季节内的大豆产量预测，最早可从五月开始，为农业利益相关者在收获前调整管理策略提供了一个强大的工具。

论文解读文章

研究背景、问题与意义

受人为气候变化影响，全球农业生产力的增长自1961年以来估计放缓了约21%。与此同时，到2050年，全球粮食需求预计将增加高达56%。在此背景下，提高农业生产力和增强农业的气候韧性变得至关重要。大豆作为重要的主食作物，对气候变化尤为敏感，特别是生殖阶段的热胁迫会导致产量显著下降。传统的产量预测方法依赖于主观且成本高昂的实地调查，而现有的机器学习模型大多基于10至35年的短期数据集，难以捕捉长期气候变化的细微趋势。此外，许多模型虽然引入了卫星遥感数据提升了预测精度，却牺牲了农学上的可解释性。因此，亟需一项大规模、长时序的研究，来稳健地量化特定气候变迁对农业产出的影响，并提供早期、准确且可解释的产量预测工具，以支持农业规划和粮食安全。

研究方法概述

为开展此项研究，研究人员首先整合了覆盖美国大陆2327个县、横跨1927年至2025年近百年的历史气象记录、县级土壤特征及大豆产量数据。数据来源包括美国国家海洋和大气管理局（NOAA）的国家环境信息中心（NCEI）、美国地质调查局（USGS）和美国农业部（USDA）的国家农业统计局（NASS）。在数据预处理阶段，采用了低方差过滤和皮尔逊相关系数分析进行特征筛选，以减少噪声和多重共线性。随后，利用随机森林模型和沙普利加法解释（SHAP）方法评估各环境因子对产量的贡献度，确保模型的可解释性。最终，构建并优化了一个全连接深度神经网络（DNN）用于产量预测，并使用ADAM优化器进行训练。

研究结果

探索性数据分析：通过对372个月度天气属性的分析，揭示了两种不同的季节性趋势：热胁迫和降水相关变量呈钟形分布，峰值出现在年中月份；而冰冻相关变量则呈倒U形分布，在冬季达到最大值。

基于SHAP分析的产量贡献因子识别：通过SHAP分析，研究人员发现预测能力高度集中在夏末的气候属性上。排名前20的变量中，有5个来自八月（如DX90, TMAX, CLDD, EMXT, EMNT），2个来自七月。其中，排名前四的特征均为八月的热胁迫因子。这表明大豆的生殖生长阶段（特别是灌浆和成熟期）对夏末气候条件极为敏感。

进一步分析变量的边际贡献模式显示：

• •
  负向贡献群组：六至九月期间，高温相关因子（如DX90, TMAX, CLDD, EMXT, TAVG）对产量有显著的负面影响，表明生殖和灌浆期的热胁迫会大幅降低最终产量。
• •
  正向贡献群组：六至十月期间，月总降水量（PRCP）及相关指标、最低日最低温度（EMNT）和取暖度日数（HDSD）显示出一致的正向模式，表明充足的水分和适宜的温度范围有利于产量最大化。
• •
  偏依赖分析进一步揭示了阈值效应。例如，八月DX90低于7天与正向产量相关，超过12天则导致产量下降；九月最高气温（TMAX）在22.5°C至28.5°C之间存在一个最佳生理窗口，超出此范围则产生负面影响。

深度神经网络模型的产量预测表现：

• •
  在2024年和2025年的独立留出测试集上，模型的决定系数（R²）分别达到了0.668和0.678，显示出强大的预测精度。
• •
  空间残差分析表明，主产州（如爱荷华州和伊利诺伊州）的预测误差较小，而中大西洋地区（如宾夕法尼亚州）的产量被高估，威斯康星州和田纳西州的产量则被低估。
• •
  季节内预测能力评估显示，随着数据累积，模型预测能力逐步提升。仅使用截至五月的数据时，R²已达0.516；到八月时，R²提升至0.668，接近全年模型的表现（R²=0.678）。这证实了模型最早可在五月提供可靠的季节内产量预测。

讨论与结论总结

在讨论部分，研究人员指出，其基于气候数据的框架在保持与遥感数据模型相当精度的同时，具备三大优势：一是百年级别的数据跨度使其能学习更广泛的气候变异性；二是无需卫星影像，可实现早至五月的提前预测；三是保留了农学可解释性，每个输入变量都有明确的物理意义。

SHAP分析揭示，产量前五大预测因子均与夏季温度动态相关，表明全球变暖正将大豆种植的有利热环境向高纬度地区推移。研究还发现，月度最高温度的发生时间（DYXT）是一个潜在的产量变异指标：六月高温出现越晚对产量越不利，而九月高温出现越晚则与增产相关，暗示了生长季时长和时机的重要性。对于九月最高温度（TMAX）呈现的钟形关系，研究人员将其归因于大豆灌浆期光合作用与呼吸作用的生理平衡。此外，尽管水分是关键决定因素，但土壤有效持水量（AWC）的重要性排在五个温度变量之后，研究人员推测这是因为主产区靠近大湖区水源充沛且现代灌溉技术普及，使得温度成为更不可控的产量限制因素。

研究也指出了局限性，包括模型需要前瞻性验证、数据局限于县级尺度、未纳入施肥和管理等变量、部分县数据缺失以及研究范围仅限于美国本土。未来工作应将模型扩展至巴西等其他主要大豆生产国。

研究结论：总之，本研究引入了一个基于百年气候数据的深度学习框架，能够在县级水平上对美国大豆产量进行稳健的季节内预测。该框架可为农民优化管理策略、为政策制定者改善粮食分配和供应链韧性提供实用工具。其底层架构具有可迁移性，可适用于评估气候变化对其他主粮作物的影响，或推广至全球不同农业区域。最终，这项研究提供了一种数据驱动的方法，以加强粮食安全和减轻现代农业中气候波动带来的风险。