《PLOS Climate》:Climate–yield interactions in West Africa: Machine learning insights for cocoa production in Ghana and C?te d’Ivoire
编辑推荐:
加纳和科特迪瓦的可可生产正受到气候变率与极端事件的威胁,特别是干旱和过量降雨。然而,关于气候变化对可可产量影响的定量证据仍然有限,制约了有效气候智能型适应策略的制定。该研究利用12个全球气候模式(GCMs)在两种情景下重采样(~5 km分辨率)的集合投影数据,
加纳和科特迪瓦的可可生产正受到气候变率与极端事件的威胁,特别是干旱和过量降雨。然而,关于气候变化对可可产量影响的定量证据仍然有限,制约了有效气候智能型适应策略的制定。该研究利用12个全球气候模式(GCMs)在两种情景下重采样(~5 km分辨率)的集合投影数据,评估了未来气候对可可生产的影响。降水和温度数据采用五种方法进行偏差校正:Delta Change、CDFt(Cumulative Distribution Function transform,累积分布函数变换)、SDM(Stochastic Distribution Mapping,随机分布映射)、EQM(Empirical Quantile Mapping,经验分位数映射)和LOCI(Local Intensity Scaling,局部强度缩放)。其中,Delta Change方法最能保持年内气候变率,且温度校正优于降水校正。研究人员基于偏差校正后的气候数据训练随机森林(RF)模型,模拟并预测可可产量,其准确率超过85%,但性能因地区而异。未来变化评估相对于历史基线期(1985–2014)分为近期未来(2026–2055)和远期未来(2056–2085)两个时段。集合投影表明,可可种植区呈现干旱化趋势,高排放情景(SSP5-8.5)下降水减少5–10%,低排放情景(SSP1-2.6)下适度增加(约5%)。同时,所有地区温度均呈上升趋势,高排放情景下到本世纪晚期升温超过3.5°C,中北部地区尤为显著。预计产量响应存在空间异质性。南部和沿海可可种植区预计产量下降约5%,在SSP5-8.5情景下,科特迪瓦Dix-Huit Montagnes等高度脆弱区域在严重干旱条件下损失可达20%。相反,部分北部和中部地区在SSP1-2.6情景下可能维持或略微增加产量。脆弱性由气候、生物物理和社会经济因素共同塑造,科特迪瓦的Sud-Comoé和加纳的Brong Ahafo等地区被识别为高风险区。这些发现突显了制定针对性适应策略以增强西非可可产业韧性的必要性。
可可(Theobroma cacao)是加纳和科特迪瓦经济的重要支柱,对国内生产总值(GDP)和出口收入贡献显著,同时支撑着超过80万加纳小农和近100万科特迪瓦生产者的生计。然而,该产业高度依赖于雨养系统,对气候变化和变率极为敏感。升温、降水变率加剧以及干旱和洪水频率增加,通过减少开花、损害豆荚发育和增加树木死亡率等途径威胁可可生理和产量。此外,病虫害等间接影响也在加剧,黑荚病和可可肿枝病毒(CSSV)造成的损失在科特迪瓦达10–30%,在加纳达30–50%。这些生物物理胁迫叠加灌溉、信贷和气候信息服务等获取受限的社会经济挑战,进一步制约了农民的适应能力。
尽管已有研究利用基于过程的模型(如CASE2)和实证计量经济模型(如translog模型)评估气候变化对可可生产力的影响,但这些方法存在明显局限。基于过程的模型需要大量可可特异性物候参数,而传统统计模型难以捕捉复杂非线性的气候-作物关系。近年来,机器学习模型因其灵活性、可扩展性和预测性能而受到关注,其中随机森林(RF)方法尤为突出,能够处理高维非线性关系且对噪声和缺失值不敏感,特别适用于数据稀缺和空间碎片化的撒哈拉以南非洲地区。然而,机器学习在可可产量研究中的应用仍然有限,尤其是区域气候风险评估方面。该研究旨在填补这一空白,通过整合偏差校正的气候模式比较计划第六阶段(CMIP6)气候投影与机器学习产量模拟,量化区域特异性气候敏感性和未来产量响应。
该研究的主要技术方法包括三个关键步骤。首先,采用五种偏差校正方法(Delta Change、CDFt、EQM、LOCI、SDM)对12个GCMs的降水和温度数据进行重采样和偏差校正,评估指标包括平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)和相关性系数,最终选定Delta Change方法作为最优方案。其次,基于偏差校正后的气候变量,采用随机森林算法构建可可产量预测模型,通过重复K折交叉验证(K=5,重复20次)进行模型训练和验证,并逐步筛选预测因子(从全部变量到前20个,最终确定前10个最优预测因子)。最后,利用构建的模型在两种共享社会经济路径(SSP1-2.6和SSP5-8.5)下预测近期未来(2026–2055)和远期未来(2056–2085)的可可产量变化,并分析干旱(标准化降水指数SPI≤-1)和过量降雨(SPI≥1)条件下的产量响应。研究样本包括加纳6个可可种植区(2014–2022年)和科特迪瓦3个主要产区(1981–2010年)的产量数据,以及CHIRPS降水再分析数据和CHIRTS温度再分析数据。
**偏差校正性能**
研究人员评估了五种偏差校正方法对降水和温度数据的校正效果。结果表明,所有方法均能取得满意结果,但性能存在差异。Delta Change方法在两种变量和气候模式下表现最为一致可靠,被选定用于后续研究;而CDFt方法表现最 weakest。降水相关性系数介于0.8–0.9之间,温度则更高,达0.9–0.95。此外,各方法捕捉年内变率的能力也得到评估,Delta Change方法在保持年内气候变率方面表现最优。
**随机森林模型性能**
模型经过三轮迭代优化,性能逐步提升。第一轮使用全部预测因子(月度和年度尺度),第二轮筛选前20个重要预测因子,第三轮最终确定前10个最优预测因子并结合地理坐标。结果显示,从第一轮到第三轮,相关性逐步提高,误差逐步降低,第三轮表现最佳。科特迪瓦的模型准确率(相关性>0.85)地区差异较大,Haut-Sassandra除外;加纳各地区模型表现一致较高(R2>0.85),但Volta等地区MAPE和RMSE较高。重建产量时间序列与观测数据总体吻合良好,能有效捕捉区域和国家尺度的产量变率,但对极端值的再现能力有限,最高和最低产量年份往往被低估或平滑化。
**加纳和科特迪瓦可可种植区的预测气候与产量响应**
气候模式输出一致显示可可种植区存在明显增温趋势。近期未来(2026–2055)SSP1-2.6情景下升温1.0–2.0°C,SSP5-8.5情景下1.5–2.5°C,中北部高于沿海地区;远期未来(2056–2085)SSP5-8.5情景下多数地区超过3.5°C,部分模拟接近或超过4°C。低排放情景下升温0.5–1.5°C,高排放情景下1.0–3.0°C,沿海地区增幅相对较小。
降水投影不确定性大,模式间、地区和情景间差异显著。约三分之一模式预测更湿,近半数预测更干。集合平均显示尤其SSP5-8.5下的干旱化趋势,中期部分地区减少约5%,2056–2085年扩展至多数地区5–10%;SSP1-2.6情景变化较小,部分地区略增约5%。南部种植区最暴露于干旱风险,北部地区模式间差异更大。
产量响应呈现空间异质性。SSP1-2.6情景下, Already 中心区和北部地区(如Dix-Huit Montagnes、Haut-Sassandra、Marahoué、Lacs、N'zi Comoé)产量稳定或略增(最高15%),南部沿海如Sud-Comoé等略降(<5%);加纳整体略增约5%。SSP5-8.5情景下,科特迪瓦某些北部和西部区域产量增益达10–20%,加纳约5–10%;但Brong-Ahafo地区在两种情景下均面临约5%的减产风险。近期未来(2026–2055)相对于基线期,Agnéby、Bas-Sassandra等地区呈现正负波动(-7.5%至+25%);Dix-Huit Montagnes等区在两种情景下均实现2–30%的持续增长;南部沿海及Brong-Ahafo则显示-0.5%至-4%的平均下降。年代际投影显示,Dix-Huit Montagnes等区SSP1-2.6下中位产量持续增加,而南部沿海SSP5-8.5下增长停滞或下降;加纳响应更弱更不稳定,Volta、Brong-Ahafo、Ashanti在各年代均显示有限或负增长。
**干旱和过量降雨对可可产量的影响**
标准化降水指数(SPI)分析显示,干旱年份(SPI≤-1)Designated近期未来低排放情景下,科特迪瓦北部降水减少5–10%,南部及加纳所有地区减少10–15%, associated整体产量下降约5%,但Marahoué、Lacs和Brong-Ahafo约增5%。高排放情景下,Dix-Huit Montagnes等地区降水减少<5%,Agnéby及加纳多数地区超过20%,导致Dix-Huit Montagnes和Volta产量下降5–10%,大多数地区<5%;Haut-Sassandra、Lagunes和Sud-Comoé未显著减产。过量降雨年份(SPI≥1)低排放情景下,降水增加5–20%,北部地区产量略降<5%,部分南部地区略增;高排放情景下多数地区产量相对增加约5%,仅Sud-Comoé略降<5%。
干旱严重程度分析揭示,中度干旱(SSP1-2.6)降水减少5–10%,产量约减5%,Moyen-Cavally等地区影响较小;SSP5-8.5下降水减10–20%,Dix-Huit Montagnes和Volta损失达10%。严重干旱(SSP1-2.6)降水减少10–20%以上,产量多降5%,Eastern达10%;SSP5-8.5下降水降15–20%以上,多数地区减产5%,Eastern和Volta达5–10%。极端干旱(两种情景)降水损失超20%,SSP1-2.6下多数地区减产约5%,Dix-Huit Montagnes和Volta达10%;SSP5-8.5下Fromager、Eastern和Volta损失达10%,Bas-Sassandra和Sud-Comoé约5%。
该研究的讨论部分首先分析了偏差校正方法性能。评估表明所有技术均改善了气候投影,温度校正因行为稳定连续而比降水校正更准确。修改后的Delta Change方法表现最一致,尤其在保持年内变率和气候变化信号(CCS)方面;其简洁、稳健和透明的特性使其特别适用于数据稀缺地区,优于可能忽视非平稳性而扭曲极端值的CDFt、LOCI、SDM和EQM等复杂技术。这一发现与已有文献一致,即为热带、数据有限环境中影响建模提供稳定校正。温度校正优于降水校正也与已有理解一致,因温度场时空同质性更高。
其次,随机森林模型经过三轮迭代逐步改进,准确提高、偏差降低,主要归因于信息最丰富预测因子的逐步筛选和模型简约性的增强。但即使最佳模型也未能完全解释产量总变率,科特迪瓦未解释方差10–35%、加纳5–20%,反映了土壤特性、农场管理、树龄和社会经济条件等非气候因子的影响。Volta和Haut-Sassandra等地区投影误差较高,可能因观测数据噪声更大、变率更高。研究人员指出,需整合土壤、树冠结构、授粉动态、病虫害压力以及社会经济条件等多部门数据层,以提高未来可可-气候建模框架的粒度和预测稳健性。
第三,气候变化影响和脆弱性方面,高排放情景下降至多达20%、升温超3.5°C,雨养可可系统面临重大风险,南部和沿海地区潜在减产10–20%;低排放情景下部分北部和中部地区产量稳定或略增。南部科特迪瓦和加纳被识别为长期气候"热点",而北部和中部在低排放情景下的相对稳定性与可可扩展机会一致,但需有效遮荫管理和土壤水分保持措施。干旱条件(SPI≤-1)因降水和水分胁迫加剧而放大产量损失,过量降雨则与部分区域适度产量增益相关,但可可对水分亏缺的敏感性高于过量 moisture。这些结果突显了气候变化影响的位置特异性,以及在南部和沿海生产区制定针对性适应策略的必要性。
最后,研究局限性包括:GCMs固有不确定性、空间分辨率(~5 km)可能忽略土壤和地形等细尺度异质性、降雨投影持续不确定性削弱产量可预测性、随机森林模型依赖的历史数据可能未完全代表未来复合胁迫响应、未显式整合社会经济和技术因素等。未来研究应优先发展整合生物物理和社会经济数据的高分辨率适宜性地图,深入分析管理实践和社会经济驱动因素的影响,评估气候变率对生计和粮食安全的社会经济后果,分离极端事件对产量波动的影响,并进行区域精细化季节生产力评估。
研究结论指出,该研究严格评估了气候投影的偏差校正方法及其在可可产量预测中的应用,发现修改后的Delta Change方法因稳健性和保持气候信号的能力而持续优于更复杂技术,尤其对降水如此。通过整合偏差校正气候数据与随机森林模型,研究实现了改进的可可产量投影,但空间差异突显了考虑土壤、树龄和管理实践等本地因素以细化预测的必要性。气候变化影响在区域和时间上存在显著差异:南部可可种植区干旱趋势预计在高排放情景下至中晚期恶化,降水降幅超20%、温度急剧上升,威胁雨养可可生产;低排放情景下北部和中部地区产量可能稳定或略增,但高排放情景下南部和沿海地区产量急剧下降。干旱加剧这些损失,突显了针对性、区域特定适应策略的必要性。极端气候事件的严重程度对最敏感地区构成额外威胁。为减轻影响,需结合生态、技术和制度措施的适应策略,包括农林复合系统、补充灌溉、气候韧性品种和先进气候信息服务,利用机器学习和物联网技术增强预警系统和适应性管理。长期可持续性方面,未来研究应优先整合生物物理和社会经济因素的高分辨率适宜性制图,深入分析管理实践和社会经济驱动因素,评估气候变化的社会经济影响,分离特定极端天气事件对生产力的影响,并进行区域详细的季节评估,以完善风险建模并指导更有效、公平的适应政策制定。