基于土壤测试数据与机器学习算法耦合预测撒哈拉以南非洲作物对磷的响应

《Journal of Soil Science and Plant Nutrition》：Coupling Soil Testing Data with Machine Learning Algorithms to Predict Plant Responses to Phosphorus in Sub-Saharan Africa

　　

优化农业中的磷（phosphorus, P）管理对于粮食安全和可持续发展至关重要。在本研究中，以玉米为模式作物，研究人员提出并验证了一种基于机器学习的框架，该框架整合了土壤测试数据、管理措施和气候变量，以改进对磷肥施用后植物响应的估算。研究人员从文献中收集并整理了数据，训练并验证了机器学习模型（随机森林（random forest, RF）、支持向量回归（support vector regression, SVR）和k近邻（k-nearest neighbors, KNN）），将土壤测试数据与气候和管理变量相结合，以预测撒哈拉以南非洲（Sub-Saharan Africa, SSA）不同环境条件下施用磷肥对植物相对产量的影响。总体而言，所选模型适用于预测SSA不同地区的植物对磷的响应。随机森林在预测玉米相对产量对磷肥响应方面表现出更优的预测能力。通过机器学习将土壤测试数据与气候和管理变量相结合，能够实现对磷肥施用产量响应的预测建模。该方法亦可推广扩展至其他养分、作物和地区。

**研究背景与问题**
磷（phosphorus, P）是植物生长和农业生产的关键限制因子之一，尤其是在撒哈拉以南非洲（Sub-Saharan Africa, SSA）地区，低磷有效性普遍制约着作物生产。全球范围内，磷肥消费量预计将持续上升，而全球磷矿储量的估算存在显著不确定性。与此同时，SSA等低收入地区普遍面临磷预算亏缺，而世界其他地区则因过量施磷引发环境问题。优化磷肥投入面临诸多挑战，因为土壤-植物-大气系统中多种因子、过程及其相互作用共同调控着养分的动态变化。磷在土壤溶液中主要以扩散方式进行短距离运输，植物以正磷酸盐形态（H₂PO₄^-和HPO₄^2-）吸收，土壤pH、水分有效性、土壤密度、根系表面积以及沉淀和吸附等过程均影响土壤磷供应和植物吸收。此外，植物和微生物可通过酸化、分泌羧酸盐和酶等机制活化土壤中难利用态磷，而植物体内磷利用效率亦受植物-环境互作影响。
机理模型虽已不断发展以增强对磷素动态的理解和预测，但其参数化通常需要非常规、费力的数据收集程序，且受限于研究经费和基础设施不足等问题，尤其是在发展中国家。传统土壤分析解释所采用的基于相关性和校准试验的经验方法，则需要建立大型长期试验网络，且存在相当大的不确定性。机器学习已在农业领域日益广泛地应用，但将土壤测试数据与环境和管理变量相结合的机器学习框架用于预测磷驱动的作物籽粒产量在全球范围内仍未得到充分利用。在SSA地区，此类模型有望成为优化肥料施用和提升作物生产力的有力工具。
基于上述背景，研究人员以玉米为试验作物，提出假设：通过机器学习算法整合多变量土壤测试数据与气候和管理变量，可实现对磷肥施用产量响应的预测建模，为改进和增强现有肥料推荐工具提供基础。

**研究内容与结论**
研究人员采用系统综述方法，从Google Scholar、Web of Science和Scopus数据库中检索截至2022年5月的文献，依据PRISMA指南进行文献筛选，最终纳入63篇符合标准的田间试验论文，构建了包含438个观测值的综合数据集，覆盖SSA西部、东部和南部三个次区域。试验地点数据按国家和区域进行划分，其中肯尼亚（116）、尼日利亚（93）、坦桑尼亚（47）和津巴布韦（40）贡献的观测数最多；约50%的数据来自东非，其次为西非（34.93%）和南部非洲（16.21%）。研究提取了土壤特性、气候条件、田间管理和肥料施用等变量，产量数据转换为相对产量，气象缺失数据从NASA POWER数据库获取。
研究将数据集按单个试验随机划分为训练集（80%）和测试集（20%），确保同一试验的全部观测归入同一子集以避免数据泄漏。采用留一试验交叉验证策略评估模型在未见试验数据上的表现。使用随机森林（random forest, RF）、支持向量回归（support vector regression, SVR）和k近邻（k-nearest neighbors, KNN）三种回归算法，基于土壤测试数据、气候变量和管理变量预测玉米相对产量。

**主要技术方法**
研究采用的核心技术方法包括：（1）文献系统综述与数据提取——遵循PRISMA指南筛选文献，使用WebPlot Digitizer软件提取图表数据；（2）机器学习建模——应用RF、SVR和KNN三种回归算法在R软件中实现，其中RF通过调整树数量（ntree=100–1000）和预测变量数（mtry=1–14）进行优化；（3）交叉验证策略——采用留一试验交叉验证评估模型泛化能力；（4）特征重要性分析——利用RF模型排列特征贡献度，并采用部分依赖图（partial dependence plots, PDPs）解析关键变量的影响模式；（5）模型性能评估——基于均方根误差（RMSE）和决定系数（R2）以及泰勒图（Taylor diagrams）进行多维度比较。

**研究结果**
**描述性统计。** 训练集中绝对籽粒产量范围为0.24～7.06 t ha^-1，测试集为0.27～7.40 t ha^-1；相对产量在训练集和测试集中分别为10%～100%和14%～100%。西非、东非和南部非洲次区域的平均相对产量在训练集中为74%～78%，测试集中为75%～83%。
**综合数据集的模型性能。** 三种机器学习模型均能较好地预测SSA地区植物对磷肥的响应。交叉验证结果表明RF表现最优，R2范围0.65～0.79，RMSE为13.52～15.45。在测试集上，RF模型同样优于SVR和KNN，获得最高R2（0.57）和最低RMSE（15.74）。在南部和东部次区域，RF保持优越性能，RMSE分别为11.13和13.22，R2分别为0.73和0.69；SVR在南部次区域R2达0.70，KNN在东部次区域R2为0.61。西部次区域RF的RMSE为15.17、R2为0.73。泰勒图分析结果与上述结论一致，确认RF在复合数据及次区域尺度上均表现出最佳预测性能。
**特征重要性与部分依赖分析。** RF模型的特征重要性排序显示，磷肥施用量是预测玉米相对产量最具影响力的特征，其次为磷源、经度、年均降水量和土壤碳含量。在不同次区域中，南部非洲最重要的变量为磷提取剂、年均降水量和土壤pH；东部非洲为温度、土壤磷浓度和碳含量；西部非洲为黏粒含量、碳含量和年均降水量。总体上，土壤有机碳含量、黏粒含量和土壤pH在SSA范围内排名较高。部分依赖图揭示了磷施用量与玉米相对产量之间的正相关关系，并展示了土壤性质、肥料管理和天气条件等变量对玉米磷响应的交互影响。

**讨论与结论**
讨论部分指出，由于作物生理、土壤特性、管理措施和环境条件之间存在非线性关系，预测养分对作物产量的影响具有复杂性。本研究中所有机器学习模型均能较好地预测SSA不同地区玉米对磷肥的相对产量响应，其中RF表现最优，这归因于其在高维数据处理中的稳健性、通过自助聚合缓解过拟合的能力以及有效管理多重共线性的优势。研究还发现，次区域尺度的预测性能优于全域尺度，反映了SSA内部土壤、气候和管理制度的空间异质性。磷肥施用量被确定为最重要的预测变量，与磷缺乏是热带土壤作物生产主要限制因子的认识一致。降水、黏粒含量、土壤碳含量和土壤pH等变量对磷动态具有直接或间接影响，在不同区域的重要性排序存在差异。部分变量（如磷肥施用方式和施肥时间）重要性相对较低，可能反映了数据集中这些管理实践变异性有限，而非其农学影响不显著。研究指出，数据可用性可能制约模型适用性，这反映了SSA地区在获取标准化和高质量数据方面面临更广泛的挑战；解决这一问题需要扩展数据管理网络、改善土壤气候和作物信息系统的获取、统一分析方案并利用数字化数据共享平台。
研究结论部分总结为：本研究以玉米为试验作物，训练并验证了机器学习模型（RF、SVR和KNN）以整合土壤数据与气候及管理变量。机器学习模型表现出良好的预测性能。随机森林模型展现了更优的预测能力，能够捕获SSA多个区域玉米对磷肥施用的响应。该工作凸显了人工智能在优化农业磷利用效率方面的潜力，并提供了一个可扩展的框架，适用于其他养分、作物和农业生态区域。