观潮 · 模式预报与气象 AI 观察
东非四国玉米估产：时空随机森林 R2=0.9、RMSE 0.428 吨每公顷，8 月 EVI 是头号特征
> 东部非洲的玉米生产以面积不足 5 公顷的小型农户为主，玉米常与大豆间作，混合像元在遥感影像里占比很高，加上生长季与雨季重合、云覆盖持续，是作物识别和估产里最难啃的一类区域。这篇用 MODIS 植被指数时间序列做两级分类（先提农田、再提玉米），再用时空随机森林把遥感、气象、土壤和县级统计产量拼在一起做县级估产：农田分类总体精度 83.27%、F1 0.7684，玉米分类总体精度 83.5%、F1 0.8298，产量模型 R2=0.9、RMSE 0.428 吨每公顷、MAPE 22.5%。特征重要性给出两个明确的业务判断：8 月的 EVI 对产量预测贡献最大，生长季月降雨量是首要限制因子；模型还能借 8 月 EVI 峰值提前 1—3 个月给出产量预估。作者同时交底了三处硬限制——训练样本只取纯像元会系统性高估纯作玉米面积、模型高度依赖气候变量而未考虑品种施肥病虫害、500 条样本撑不起分国家分生态区的建模。
缺的是哪一块
东部非洲的作物估产研究此前卡在三个地方。第一，作物生产对极端天气的反应没有被纳入传统机理模型的考虑范畴，机理模型在这类问题上有限制。第二，分辨率与时效互相牵制：Sentinel-2、Landsat、SPOT 空间分辨率高，但时间重复频率低，满足不了动态监测；而在大范围尺度上使用高分辨率影像，图像购买和计算成本对资金短缺的发展中国家是实打实的负担。第三，热带地区植被类型间光谱差异小，多光谱影像的可分离性本来就差。
中分辨率成像光谱仪（MODIS）因为时间分辨率高，成了热带高云地区作物分布制图的主力数据源。植被指数时间序列能反映不同作物独特的生长模式，通过高频观测缓解云覆盖影响。一个值得注意的实证结论是：Kuchle 等在巴西马托格罗索州的系统测试表明，用经过云掩膜但未经平滑处理的原始 MODIS NDVI 时间序列反而最优——随机森林这类分类器对噪声有容忍度，能从高维特征里学出有效模式，降低了对平滑预处理的绝对依赖。这条结论直接决定了本文的数据策略。
两级分类加一级回归怎么搭
整个流程分三级：先从混合地表里提农田，再从农田里提玉米，最后在玉米种植区上做县级产量回归。
第一级 · 农田提取。 参考谷歌地球高分影像选样，得到有效样本点 2492 个，其中农田 755 个、非农田（林地草地水体建设用地等）1737 个。用 2023 年原始植被指数做输入，80% 训练、20% 独立验证（训练过程完全隔离），随机森林的总体分类精度 83.27%、F1 分数 0.7684，再对 2012—2024 年遥感影像逐像元预测。
第二级 · 玉米种植区提取。 先按各国物候日历提取关键物候参数（生长季开始日期、峰值日期、生长季长度、季节性累积植被指数）构建特征集，再在农田区内每国各选 200 个玉米样本点和 200 个非玉米样本点训练随机森林。玉米类别的总体精度 83.5%、F1 分数 0.8298。四国的生长期差异被显式写进了物候日历：肯尼亚 3—5 月长雨季加 10—12 月短雨季，乌干达 3—5 月加 9—10 月，埃塞俄比亚长雨季在 5—6 月，坦桑尼亚长雨季从 9 月开始。种植区范围与 USDA 2024 年卫星识别加实地抽样的统计数据做了对比验证。
第三级 · 时空随机森林估产。 所有数据重采样到 250 m、月分辨率，以玉米种植区为掩膜，用 GEE 按县计算 2012—2023 年各指标空间均值，得到 2 个遥感植被指数、5 个农业气象指标、14 个土壤理化性质共 22 个基础指标。气象数据用 Terra Climate（约 4 km 逐月，站点观测加 ERA5 再分析加卫星遥感统计降尺度），含月平均最高温、月平均最低温、帕尔默干旱严重指数、月总降水等 5 类；土壤用 HWSD 的容重、碎石体积百分比、黏粒含量等理化参数。为匹配主要长雨季的生长周期，气象与遥感数据统一取 3—11 月。
模型在传统随机森林基础上显式嵌入时空结构：以县质心坐标作空间特征，用双平方核函数加欧氏距离捕获空间依赖；年份作时间特征。剔除部分年份缺失值后共 115 个县、2012—2023 年 500 条有效样本，每条样本扩成 80 个输入特征。调参后取 max_depth=10、n_estimators=50、min_samples_leaf=5、neighbour_count=0.25，评估用 RMSE、MAPE、R2 加时间序列交叉验证。
结果数字
环节 · 指标 · 数值
农田分类 · 总体精度 OA · 83.27%
农田分类 · F1 分数 · 0.7684
玉米分类 · 总体精度 OA · 83.5%
玉米分类 · F1 分数 · 0.8298
产量模型 · R2 · 0.9
产量模型 · RMSE · 0.428 吨每公顷
产量模型 · MAPE · 22.5%
2024 年预测产量的空间分布与已知农业生态格局吻合：高产区集中在肯尼亚中西部（裂谷省、西部省，火山土加双峰降雨）和埃塞俄比亚中部高地（阿姆哈拉州、奥罗米亚州部分区域），预测产量 2.01—4 吨每公顷；乌干达大部与坦桑尼亚中部低，不足 1.5 吨每公顷——前者与干旱洪水降雨变化、土壤肥力下降、土地管理不善相关（乌干达约 36% 地区受严重土地退化影响、10% 受非常严重影响），后者（如多多马区）对降雨变化极度敏感，属典型气候脆弱区。
特征重要性给出两条可迁移的判断。其一，8 月 EVI 的贡献明显高于 NDVI：热带非洲生长季中后期植被覆盖度高，EVI 经大气校正和土壤调节，能避开高生物量区的信号饱和，正好对应灌浆期这个生物量积累关键阶段。其二，生长季月降雨量是关键变量——该区玉米主要靠自然降水，水分胁迫是产量形成最首要的限制因子；土壤质地参数 TCLAY 也进入重要变量清单，黏粒与粉粒含量适中有助于提高持水能力、在干旱期延长水分供应。
业务上有价值的一点是预警窗口：双峰降雨区可用 8 月 EVI 峰值信息预测当年短雨季产量，单峰降雨区 8 月 EVI 反映长雨季玉米的灌浆期状况，两条路都能提前 1—3 个月给出预估，为粮食储备调控、进口配额规划和价格稳定留出决策窗口。
原文图
研究区位置与地形：左上为非洲范围内的东非四国（埃塞俄比亚、乌干达、肯尼亚、坦桑尼亚）示意，右侧为研究区高程图，色标给出高程范围 877—3557 m，埃塞俄比亚高原与东非高地呈红褐色高值区。
2012 年研究区农田分布：绿色为随机森林提取的农田像元，埃塞俄比亚中部、肯尼亚西部、乌干达湖区与坦桑尼亚湖区周边已有明显农田聚集。
2024 年研究区农田分布：与 2012 年同尺度对比，农田范围整体扩张，埃塞俄比亚中北部与坦桑尼亚湖区的绿色斑块明显加密。
2023-03-01 至 2024-02-19 四国玉米种植区 NDVI 时间序列（每 16 天合成）：肯尼亚与乌干达呈双峰（3—5 月长雨季与 10—12 月短雨季），埃塞俄比亚峰出现在 5—6 月之后，坦桑尼亚长雨季从 9 月起抬升——这张图是物候日历的直接证据。
2012 年玉米种植区：红色为玉米像元，集中在肯尼亚西部高原、乌干达湖区周边与坦桑尼亚北部—湖区带。
2024 年玉米种植区：玉米像元范围较 2012 年明显扩大，埃塞俄比亚中部高地与坦桑尼亚湖区新增斑块密集。
2024 年玉米种植县预测产量空间分布，按 0—4 吨每公顷分 8 档着色：肯尼亚中西部与埃塞俄比亚中部以蓝绿色（3.01—4 档）为主，乌干达大部与坦桑尼亚中部以红粉色（0—1 档）为主。
作者承认的限制
- 纯像元策略会带来系统性偏差。 为了保证训练数据可靠，所有样本点都经高分影像目视解译，严格选取像元尺度上单一作物主导的纯像元，明显混合像元不予采用。作者自己点破了代价：这会让模型更擅长识别纯作玉米，从而系统性高估纯作玉米种植区面积、低估间作系统中玉米的实际占比——这是中等分辨率影像在破碎化农业景观里做分类的普遍困境。
- MODIS 的 250 m 分辨率本身是折中。 为缓解云覆盖选了高时间分辨率的 MODIS，但在细碎化小农耕作与局部玉米—大豆间作模式下，混合像元问题因此更突出，影响分类纯度与精度。
- RF 的性能不具普适性。 在混合像元占比高的破碎化农业区，RF 可能过拟合，此时 SVM 在线性可分或高维小样本问题上可能泛化更好；在种植结构复杂的区域，LSTM、Transformer 这类对时序依赖建模更强的模型可能表现更优。本文靠引入物候特征做特征工程来补，不宣称 RF 本身更优。
- 估产模型高度依赖气候变量。 未显式考虑品种、施肥水平、病虫害管理等人为管理因素的空间差异，在投入水平变化较大的区域可能出现预估偏差。生长季降雨被识别为首要限制因子这一点成立，但不确定性显著。
- 样本量撑不起更细的分区建模。 东非地面农业统计获取难度大，产量建模只有 500 条有效样本，难以分国家或分生态区建模，影响模型的普适性与局部精度。
- 农田分类精度存在样本依赖。 作者引用 OA 的固有不足：像素类别的微小变化都可能改变百分比，其客观性取决于样本和抽样方法，所以才补了 F1 分数。
一句话判断
在数据稀缺、种植结构复杂的非洲小农区，"物候特征＋随机森林"做分类、"多源数据融合＋时空显式建模"做估产，是一条被 USDA 统计数据交叉验证过的可复制路径；而它最值钱的产出不是那张 0.9 的 R2，是"8 月 EVI 峰值可以提前 1—3 个月报产量"这个可以直接接进粮食调度流程的窗口。