基于可解释决策树模型预测台湾甜瓜气象灾害损害

《Scientific Reports》：Predicting meteorological-disaster-induced damage to melon crops in Taiwan by using decision-tree-based algorithms

　　

摘要

农业气象灾害对甜瓜（Cucumis melo L.）生产构成重大风险。本研究开发了可解释的基于决策树的模型，以预测台风降雨（TIR）、非台风降雨（NTIR）和冷事件造成的作物损害的发生情况和严重程度——这些是影响台湾甜瓜种植的主要灾害。分别采用分类回归树（CART）和M5′回归树模型，基于县市级灾害记录（2003–2022）和气象数据来预测损害发生情况和损害百分比。模型得出的决策规则与台湾的气候特征一致，并基于本数据集确定约22.4°C的平均温度为甜瓜种植的实证阈值。CART模型实现了可靠的分类性能，召回率、精确度、准确率和kappa值分别超过82.46%、88.24%、88.43%和76.65%。M5′模型在预测冷事件损害百分比时显示出最高的准确率，但对TIR和NTIR事件的效果较差。更复杂的模型（随机森林和Cubist）并未带来一致的提升，表明性能限制主要是由关键预测因子的缺失造成的，而非模型复杂度。总体而言，本研究在数据受限条件下，揭示了机器学习在农业风险评估方面的潜力和局限性。