通用玉米产量估算框架:整合多维环境特征以缓解对比年间水文热变异的影响

《Agriculture》:A Universal Maize Yield Estimation Framework: Integrating Multi-Dimensional Environmental Features to Mitigate the Impacts of Contrasting Inter-Annual Hydrothermal Variability

【字体: 大 中 小 】 时间:2026年07月01日 来源:Agriculture 4.5

编辑推荐:

  为应对黑土区对比性水文热事件引发的产量不确定性,本研究开发了一种整合多维特征的通用估算框架。该通用产量估算框架利用了东北黑土区友谊农场2024年(洪涝)与2025年(干旱)对比情景下的数据。研究人员融合了包括遥感、土壤和微地形因子在内的多维环境特征,以识别对比

  
为应对黑土区对比性水文热事件引发的产量不确定性,本研究开发了一种整合多维特征的通用估算框架。该通用产量估算框架利用了东北黑土区友谊农场2024年(洪涝)与2025年(干旱)对比情景下的数据。研究人员融合了包括遥感、土壤和微地形因子在内的多维环境特征,以识别对比年间产量驱动机制的“机制转换”。研究人员采用递归特征消除结合交叉验证(RFECV)进行变量优化,评估了四种机器学习算法(随机森林RF、极限梯度提升XGBoost、多层感知机MLP和TabNet)。结果显示:(1)通用随机森林模型实现了卓越的鲁棒性(R2= 0.80),克服了年间波动。(2)机理分析识别出产量驱动因子发生了“机制转换”,从洪涝期间的微地形主导的“排水限制”转变为干旱期间土壤质地主导(砂粒含量SAND)的“线性限制”。(3)动态生育期差分特征成功校正了非对称光谱响应,解决了洪涝期间由“非生产性绿度”驱动的坡向反转和高估问题。(4)时空产量图谱揭示了从2024年地形约束的线性分布向2025年土壤水分驱动的“斑块镶嵌”结构的转变。莫兰指数(Moran's I)从0.21增加至0.45,反映了干旱下产量聚集加剧和空间聚类增强。本研究为气候脆弱密集型农业区的粮食安全监测和精准管理提供了有力工具。
研究背景与意义
在全球气候变化加速的背景下,极端夏季天气事件的频率和强度呈显著上升趋势,这种极端水文热不平衡已成为威胁区域乃至全球粮食安全的主要因素。传统的基于过程的作物生长模型虽然具备坚实的生理基础,但在区域推广中受限于高维参数的本地化困境,难以捕捉复杂环境下微地形和土壤异质性的调节作用。尽管遥感数据同化框架试图缓解这些限制,但在捕捉剧烈气候干扰时仍面临优化瓶颈。因此,研究亟需一种能够克服“观测窗口不对称”、并在对比性灾害中实现跨年度稳健估算的通用框架。本研究以东北黑土区典型的友谊农场为研究对象,针对2024年洪涝与2025年干旱这一极具代表性的“水文热失衡”自然实验,构建了多源信息融合与“环境-生理”双驱动的建模范式,对于保障国家粮食主权具有重要的战略意义。该论文发表在《Agriculture》杂志。
关键技术与方法
研究人员设计了多尺度协同观测体系,结合了“全局随机采样”与“密集样地采样”以评估不同空间粒度下的模型泛化能力。数据处理方面,研究利用Google Earth Engine平台获取Sentinel-2 MSI数据,并采用递归特征消除结合交叉验证(RFECV)策略从35个多维环境特征池中筛选出最优预测子集。建模过程中,比较了随机森林(RF)、极限梯度提升(XGBoost)、多层感知机(MLP)和注意力可解释表格学习(TabNet)四种算法。为了解析复杂的非线性关系,研究引入了SHAP(SHapley Additive exPlanations)可解释性框架进行归因分析,并采用空间自相关分析(包括全局莫兰指数Global Moran's I和局部莫兰指数LISA)来诊断产量的空间关联模式。
研究结果
时空特征重要性与作物对对比性水文热胁迫的响应
特征重要性评估显示,主导产量的环境驱动因子存在显著的年际异质性。在2024年洪涝条件下,产量预测高度依赖稳态地理因子(如SAND、CLAY)和数字高程模型(DEM),反映了土壤排水能力和地形微气候是洪涝年产量的决定逻辑。而在2025年干旱背景下,驱动机制发生显著转移,SAND的重要性极化至约0.5,成为产量的绝对限制因子,同时代表动态水分流失的差分指标DIFF_E_S_LSWI的重要性急剧上升。这表明驱动逻辑已从“地理环境主导”转向“水力-生理干预主导”。
全局基线建立与跨情景通用产量估算框架
整合整个数据集建立的通用框架显示,动态生长信号超越了单年主导的静态因子,其中DIFF_E_S_LSWI成为主要全局预测因子。在此框架下,DEM和SAND作为“地理空间背景”保持稳定贡献,而DIFF_S_F_NDVI则捕捉了灾后恢复力。核密度估计(KDE)分析验证了框架的物理有效性,通用模型的曲线准确囊括了2024与2025年的极化概率区间,证明了模型在年际波动中自动调节胁迫响应的能力。
模型估算性能与多尺度验证
研究评估了四种算法在17个RFECV优化特征下的表现。结果显示,2025年的R2显著高于2024年,其中基于树的集成算法(XGBoost R2= 0.82;RF R2= 0.84)在高胁迫条件下领先。通用模型展现了卓越的泛化能力,其通用R2达到0.80。尽管深度学习架构(TabNet和MLP)由于样本量限制存在过拟合风险,但其R2也提升至0.68和0.71,表明通用框架有效内化了胁迫响应强度。
空间产量异质性图谱
通用RF模型有效捕捉了非线性相互作用,保证了高精度制图。2024年过度洪涝期,估计的玉米产量呈现出整体结构均质性,仅局部发生线性崩溃,全局莫兰指数为0.21,严重减产严格局限于微地形排水沟和低洼通道。相比之下,2025年极端干旱引发了强烈的空间异质性,全局莫兰指数跃升至0.45,产量结构从“点线状”微地形损害转变为连续的“面状极化”,呈现出高低产集群并存的高对比度斑块镶嵌结构。
讨论与结论
讨论
研究深入探讨了土壤物理性质和微地形因子作为水分胁迫“环境调节器”的分化调节机制。在2024年洪涝情景中,地形介导的水分积聚是限制产量的物理约束;而在2025年干旱情景中,高砂粒含量的低持水能力使其成为“胁迫放大器”。此外,研究揭示了遥感指数在对比水文条件下的非对称响应机制:2025年干旱下作物产量对水分动态表现出极高的线性敏感性,LSWI能更早捕捉生理脱水信号;而2024年洪涝下则出现了独特的“坡向反转”和生理滞后逻辑,NDVI虽显示后期绿度恢复,但实际边际效应为负,反映了“表观繁茂”现象。通用框架的鲁棒性源于对“宏观环境设定基线,微观生长决定修正”分层机制的深度解构。
结论
(1)通用随机森林模型(R2= 0.80)展现出卓越的跨尺度协同能力,克服了特定年份模型的泛化瓶颈。
(2)机理分析揭示了对比年间产量驱动逻辑的“机制转换”,主导因子从2024年洪涝期的地形介导“排水限制与缺氧胁迫”转变为2025年干旱期的SAND和水分亏缺主导的“线性限制”。
(3)引入动态差分特征有效解决了遥感信号的非对称响应挑战,校正了洪涝期间“非生产性绿度”导致的坡向反转与滞后偏差。
(4)空间图谱直观证实了产量异质性的对比模式,分布从2024年地形约束下的“局部线性崩溃”(Moran's I = 0.21)转变为2025年土壤持水能力差异驱动的“全局平面极化”(Moran's I = 0.45)。
该研究建立的“宏观基线、微观修正”协同机制,为气候变化背景下的区域粮食安全监测提供了可靠的技术支撑。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号