基于先验引导环境融合网络的广东省县域水稻产量估算研究

《Agronomy》：County-Level Rice Yield Estimation in Guangdong Province, China, Using a Prior-Guided Environmental Fusion Network

　　

中文翻译（摘要部分） 准确的县域尺度水稻产量估算对于区域生产监测具有重要意义，然而密集的田块尺度观测往往难以获取，且对未见年份的预测仍具挑战性。本研究开发了一种先验引导环境融合网络（prior-guided environmental fusion network，PGEF-Net），用于中国广东省的年度水稻产量估算。PGEF-Net利用随机森林（Random Forest）衍生的特征重要性先验来引导环境注意力，并通过门控融合（gated fusion）机制整合环境特征与通用特征表征。在2020—2024年447个县—年观测样本的留一年验证（leave-one-year-out，LOYO）框架下，PGEF-Net在五种基于学习的模型中取得了最高的合并R2（0.883）和最低的均方根误差（RMSE，0.263 t ha?1），但其相对于训练折县域均值历史参照（0.268 t ha?1）的RMSE优势未达到统计显著水平。在基于学习的模型中，岭回归（Ridge）取得了最低的平均绝对误差（MAE，0.154 t ha?1）和平均绝对百分比误差（MAPE，2.58%）。在环境与遥感预测因子中，热力变量表现出最强的跨方法信号，其中最高气温和GDD10位居前列。消融分析显示，在移除环境注意力或环境分支后，R2出现最大数值下降，RMSE出现最大数值上升。额外的产量异常分析表明，在移除训练折县域均值后，预测性能有限且随年份变化，说明在当前的LOYO设计下，县域间持续存在的产量差异是重要的可预测性来源。

论文主体内容解读

一、研究背景与问题

水稻产量估算对于区域粮食安全评估、灾害损失评价和农业资源配置具有重要意义。省级统计虽能提供整体产量概况，但掩盖了县域间的显著差异；而田块尺度的产量估算则受限于大面积区域内可靠地面实测数据的稀缺性。县域尺度因此成为空间细节与数据可得性之间的实用平衡点。在此尺度上，常规可获取的气象与遥感数据可被整合到统一框架中，用于估算不同环境与生产条件下县域水稻产量的空间及年际变化。

现有建模方法面临三个实际问题：第一，环境变量描述作物所经历的外部条件，而遥感变量描述观测到的冠层状态，将所有变量作为无差别的单一输入可能无法充分利用其互补信息；第二，随机划分训练集与测试集可能高估模型对训练数据中未出现年份的泛化能力；第三，事后特征归因方法虽能解释模型预测，但所得重要性信息并未直接引导训练过程中的特征学习与信息融合。

广东省地处中国南方低纬度地区，是重要的双季稻生产省份，地形与土地利用具有显著空间异质性，降水时空分布不均，形成了低地、沿海、丘陵与山区的对比性水稻生产环境，为评估跨县域、跨年份的年度水稻产量估算提供了理想的研究场景。

二、研究内容与主要结论

研究人员开发了先验引导环境融合网络（PGEF-Net），用于广东省年度县域水稻产量估算。该网络从完整预测因子集学习通用表征，从环境与遥感变量中学习独立的先验引导环境表征，并通过门控融合机制整合两种表征。研究目标包括：构建利用环境与遥感变量重要性引导表征学习、并采用门控多源融合架构的县域水稻产量估算框架；在留一年验证（LOYO）框架下与代表性基准模型进行比较；通过变量重要性分析与消融实验解释环境与遥感变量的作用并评估关键模型组件的贡献。

在2020—2024年447个县—年观测样本的LOYO验证下，PGEF-Net在基于学习的模型中取得了最高合并R²（0.883）和最低RMSE（0.263 t ha^?1），但其相对于训练折县域均值历史参照（0.268 t ha^?1）的RMSE优势不显著。岭回归在基于学习的模型中取得了最低MAE（0.154 t ha^?1）和MAPE（2.58%）。产量异常分析显示，在移除训练折县域均值后，PGEF-Net的合并异常预测R²仅为0.019±0.136，说明县域间持续存在的产量水平差异是当前LOYO设计下重要的可预测性来源，模型更适合作为具有历史观测县域的年度绝对产量估算器，而非稳定的年际产量异常预测器。

三、主要关键技术方法

研究人员采用了以下关键技术方法：（1）数据来源方面，县域水稻产量数据手工汇编自广东省统计局及各地市、县区统计年鉴与统计公报；气象与陆面变量取自ERA5-Land和CHIRPS数据；遥感反射率数据取自MODIS MCD43A4 V6.1产品；水稻分布图取自CCD-Rice数据集。（2）模型架构方面，PGEF-Net由特征门控模块、稠密表征分支、先验引导环境表征分支和门控融合预测模块组成；环境分支采用一维卷积与注意力机制，并将随机森林特征重要性先验引入注意力权重计算。（3）验证策略方面，采用LOYO验证评估时间泛化能力，基准模型超参数通过嵌套LOYO内部程序选择。（4）解释与敏感性分析方面，综合运用置换重要性、SHAP值、环境注意力权重、消融实验、架构敏感性分析和相关性特征缩减等多种方法。

四、研究结果

4.1 总体模型性能。 通过LOYO合并验证比较PGEF-Net与五种基于学习基准模型及历史参照的性能。PGEF-Net取得最高R²（0.883）和最低RMSE（0.263 t ha^?1），岭回归在基于学习模型中表现最强（R²=0.868，RMSE=0.279 t ha^?1），随机森林表现最弱（R²=0.715）。县域均值历史参照R²为0.879，RMSE为0.268 t ha^?1，PGEF-Net相对其的RMSE差异不显著。

4.2 年际泛化与空间预测格局。 逐年结果显示各模型相对表现随留出年份和评价指标变化。PGEF-Net在2022年和2023年取得最高R²和最低RMSE。移除训练折县域均值后，PGEF-Net合并异常预测R²为0.019±0.136，在2021年和2024年为负值，说明年际异常预测信号不稳定。空间分布上，PGEF-Net基本再现了观测产量的主要高、低产格局和空间梯度。

4.3 变量重要性与注意力模式。 通过SHAP值、置换重要性和PGEF-Net环境注意力的跨方法比较，热力变量构成最强预测信号，最高气温和GDD10位居前列。蓝波段反射率综合排名第三，但应解释为预测信息而非直接生理效应。多个热力变量间存在强相关（如均温与GDD10相关系数为1.000），重要性结果更适合在变量组层面解释。注意力权重随年份变化，但重复运行间排名稳定性有限。

4.4 消融与敏感性分析。 完整模型取得最高R²和最低RMSE。移除环境注意力或环境分支后RMSE增幅最大（均+0.021 t ha^?1），其次为融合门控（+0.016 t ha^?1），但Holm校正后均不显著。将一维卷积替换为共享稠密/多层感知机投影后性能相当，特征顺序置换仅引起适度变化。相关性特征缩减保留10—11个预测因子，导致R²适度下降和RMSE增加，说明相关预测因子并非完全冗余。

五、讨论与结论

讨论部分指出，PGEF-Net的性能优势相对于历史参照是适度的且依赖评价指标；热力变量构成最强跨方法预测信号，但相关热力变量间的归因存在不确定性；注意力模式在不同运行间稳定性有限，应作为探索性权重而非独立的变量重要性估计；消融结果虽显示环境注意力和环境分支贡献最大，但统计检验未提供强证据支持将性能差异归因于单一组件。局限性包括：仅覆盖五年且年度覆盖不均、无法区分早稻和晚稻的季节特异性响应、LOYO验证未测试对未见县域或广东省以外区域的迁移、预测因子间强相关限制个体变量归因。

结论部分表明，PGEF-Net在广东省年度县域水稻产量估算中表现出竞争性性能，在基于学习的模型中取得最高R²（0.883）和最低RMSE（0.263 t ha^?1），但相对于训练折县域均值历史参照的增量预测收益有限且依赖指标。热力变量构成最强预测信号，消融分析显示环境注意力与环境分支贡献最大但未达统计显著。PGEF-Net更适合作为具有历史观测县域的年度绝对产量估算框架，年际异常预测和更广泛的空间泛化仍需进一步评估。