可解释机器学习揭示的亚热带湿润地区耕地生产力空间非平稳性与阈值依赖性驱动因素

《Ecological Indicators》:Spatially non-stationary and threshold-dependent drivers of cropland productivity in humid subtropical China revealed by explainable machine learning

【字体: 大 中 小 】 时间:2026年07月17日 来源:Ecological Indicators 8.7

编辑推荐:

  理解耕地生产力空间异质性控制对于在气候变异性和人为压力增加的情况下改善农业生态系统的可持续性至关重要。然而,生产力与其驱动因素之间的非线性和空间非平稳关系仍难以通过传统方法量化。利用多源遥感及辅助数据集,该研究采用可解释机器学习方法,基于两个代表性时期(201

  
理解耕地生产力空间异质性控制对于在气候变异性和人为压力增加的情况下改善农业生态系统的可持续性至关重要。然而,生产力与其驱动因素之间的非线性和空间非平稳关系仍难以通过传统方法量化。利用多源遥感及辅助数据集,该研究采用可解释机器学习方法,基于两个代表性时期(2010年和2020年)调查了中国亚热带湿润地区耕地净初级生产力(NPP)的空间控制因素。结果表明,研究期间耕地NPP增加了4.7%,但存在显著的空间异质性。气候因子,特别是潜在蒸散量(PET)和年均温(MAT),对NPP的空间变异贡献最大,其贡献模式沿水热梯度表现出显著的空间逆转。土壤pH值在狭窄的最适范围(5.5–6.0)内充当条件调节因子,而氮肥投入和人口密度在超过临界阈值后施加日益增强的负面影响。基于像元级SHAP值的聚类识别出四个功能分区,其特征为主导驱动因子和约束机制的不同组合,将区域生产力增益与局部脆弱性风险联系起来。结果进一步揭示,耕地生产力存在多重交互约束域,生产力响应取决于当地条件是否保持在有效阈值范围内。通过整合遥感观测与可解释机器学习,该研究提供了一个空间显式框架,用于理解生产力与生态环境之间的关系,并支持气候变化下的适应性耕地管理。
**论文解读:基于可解释机器学习揭示亚热带湿润地区耕地生产力的空间非平稳与阈值依赖性驱动因素**

**研究背景与问题**

全球粮食需求增长与土地资源压力加剧,使提升耕地生产力成为粮食安全、气候适应性农业及农业生态系统健康的核心。然而,生产力增益并非空间均匀,区域差异可能加剧农业生产不平等和土地退化风险。亚热带湿润地区作为重要粮经作物产区,其强风化酸性土壤、复杂地形及快速城镇化导致生产力格局高度异质。传统方法(如相关性分析或全局机器学习解释)难以捕捉驱动因素与生产力之间的非线性和空间非平稳关系。因此,有必要厘清气候变化与人类活动共同作用下耕地生产力的主导驱动因素及其空间变异效应,为针对性改良和气候适应提供依据。

**研究内容与结论**

研究人员集成MODIS衍生的耕地净初级生产力(NPP)与气候、土壤、地形及人类活动等多源数据,基于2010年和2020年两个时期,采用XGBoost–GeoSHAP可解释机器学习框架,量化了中国亚热带湿润地区耕地生产力的空间异质性驱动因素。结果表明:区域平均NPP增加了4.7%,但空间异质性显著;气候因子(尤其是潜在蒸散量PET和年均温MAT)对NPP空间变异贡献最大,但其贡献沿水热梯度发生空间逆转;土壤pH在狭窄最适范围(5.5–6.0)内起条件调节作用;氮肥投入和人口密度超过临界阈值后产生日益增强的负面影响;基于像元级SHAP值的聚类识别出四个功能分区,各具不同的主导驱动组合和约束机制。该研究通过将遥感观测与可解释机器学习整合,提供了空间显式的生产力–生态环境关系框架,支持气候变化下的适应性耕地管理。论文发表在《Ecological Indicators》。

**主要技术方法**

研究人员用于开展研究的关键技术方法包括:1)基于随机森林的递归特征消除(RF–RFE)进行特征选择;2)构建XGBoost回归模型模拟耕地NPP,并通过五折交叉验证和空间分块交叉验证评估性能;3)采用SHapley Additive exPlanations(SHAP)量化各驱动因素的贡献,并利用Geo-SHAP将像元级SHAP值投影到地理空间以揭示空间非平稳性;4)基于像元级SHAP值向量进行K-means聚类,根据平均轮廓系数确定最优聚类数(K=4),划分功能分区;5)通过SHAP依赖性分析与局部加权散点平滑(LOWESS)识别非线性响应和生态阈值。样本数据来源于MODIS、国家冰川冻土沙漠科学数据中心、中国农业农村部、SRTM、NASADEM、OpenStreetMap、HydroSHEDS及WorldPop等。

**研究结果**

**3.1 耕地NPP时空变化与模型性能评估**:XGBoost模型在随机五折交叉验证下R2为0.70(2010年)和0.73(2020年),空间分块交叉验证平均R2为0.34和0.46。残差空间自相关Moran's I分别为0.34和0.30(P<0.001)。区域平均NPP增加4.7%,高NPP区域(>800 g C m?2 yr?1)集中分布于长江中下游平原、四川盆地低地和华南低纬度地区,低NPP区域主要位于云贵高原、西南丘陵及部分沿海地带。

**3.2 驱动因素全局重要性排序与时期差异**:2010年MAT是最重要因子,其次为PET和坡度(SLOPE);2020年PET跃居首位,坡度次之,MAT降为第三。土壤pH全局重要性下降。人口密度(POP)和氮肥施用量(NFAR)未进入前几,但其SHAP值在样本中普遍为负,指示与NPP的负面关联。

**3.3 驱动因素效应的空间非平稳性与Geo-SHAP聚类**:气候因子贡献沿纬度梯度呈现空间逆转:MAT在低纬南方持续正贡献,中部和北部弱或负贡献;PET在南方和西南部形成正贡献带,中部和北部出现弱负效应。坡度负贡献集中于山地丘陵区,土壤pH贡献正负交替。人口密度在密集区负贡献、稀疏区正贡献。基于像元级SHAP向量聚类将研究区分为四个功能分区。

**3.4 基于Geo-SHAP的耕地生产力驱动分区**:四个分区为:南方沿海水热调控区(PET和MAT强正贡献)、中部过渡综合调控区(PET和坡度正贡献,MAT负贡献)、东部人地冲突调控区(坡度重要,NFAR正贡献,POP和pH负贡献)以及西北地形约束稳定区(坡度为主导限制)。分区格局在2010和2020年基本一致,但各因子贡献幅度和方向存在时序变化。

**3.5 非线性驱动–响应关系与阈值识别**:PET在约890–906 mm以上SHAP值快速上升,超过1222–1407 mm后边际增益下降;MAT呈不对称U形响应;土壤pH最优范围5.37–5.95(2010)和5.50–6.00(2020);坡度在1.67°–24.03°(2010)和3.50°–10.92°(2020)处出现拐点;人口密度负效应阈值在3055人 km?2(2010)和2062人 km?2(2020);NFAR存在两阶段非线性响应,转折点在180和382.5 kg ha?1 yr?1。

**讨论与结论**

讨论部分总结:研究人员发现耕地生产力驱动因素贡献在十年间发生显著变化,从温度主导转向水能耦合主导,气候因子沿水热梯度出现空间逆转,土壤pH作为条件调节因子在窄最优范围内起关键作用,人为压力呈现局部和阈值依赖性约束。Geo-SHAP聚类揭示的功能分区反映了不同的驱动组合机制,为分区管理提供了过程导向的空间单元。基于阈值的分区管理框架建议:在南方沿海区优先维持水热平衡,在中央过渡区实施综合水土保持,在东部平原区优化投入、缓解人地冲突,在西北地形区采取稳定化措施。土壤pH和关键气候范围作为跨区基线指标需要统一管控。局限性包括:人为管理数据代理、多源数据不确定性、两个时间快照无法捕捉累积效应、模型关联性而非因果性。结论部分翻译如下:

**5. 结论**

该研究量化了2010年至2020年间中国亚热带湿润地区MODIS衍生的耕地净初级生产力(NPP)的时空变化。通过可解释机器学习框架(XGBoost耦合SHAP和Geo-SHAP),揭示了耕地NPP的显著空间异质性以及主导驱动因素在2010与2020年间的相对贡献差异,其中PET在2020年显示出更高的相对重要性。

耕地生产力表现出强烈的非线性响应和空间异质性驱动贡献。土壤pH在狭窄范围内与较高预测生产力相关(5.5–6.0),而氮肥施用量呈现两阶段响应,转折点接近180和382.5 kg ha?1 yr?1。较高人口密度区间与更强的负面贡献相关联(年际特定转折点接近2062–3055人 km?2)。基于Geo-SHAP的聚类进一步勾画出具有不同驱动组合和响应结构的功能分区,为气候变化下阈值意识和分区管理提供了空间显式基础。

在研究区之外,该整合了指标归因、非线性阈值识别和SHAP功能分区的分析框架为诊断季风影响耕地的生产力约束提供了可转移的方法。该方法支持从区域平均评估向更具适应性的、基于指标的管理转变。通过识别生产力约束在何地及何种条件下发生空间变异,该框架可为旨在改善农业生态系统可持续性和气候适应性的针对性适应策略提供信息。未来研究应利用时间连续数据集和交互感知解释来拓展该框架,以更好地表征耦合驱动关系及动态阈值变化。
相关新闻
生物通微信公众号
微信
新浪微博

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