Exploratory Explainable Machine Learning for Crop-Yield Interpretation: A Comparative Analysis of XGBoost, LightGBM, and CatBoost

可解释的作物产量建模对农业规划和透明决策支持具有重要意义；然而，机器学习解释的预测价值和泛化能力在很大程度上取决于评估方案和数据集质量。本研究评估了一种探索性XAI工作流，该工作流结合了XGBoost、LightGBM、CatBoost、SHAP、工程化特征、泄漏感知特征选择、重复交叉验证、嵌套交叉验证以及跨数据集迁移实验。在使用常见的完整原始加工程化表示的三个模型中，CatBoost取得了最强的数值留出性能，而XGBoost被保留作为TreeSHAP参考模型。嵌套模型选择在全部五个外层折中均选择了CatBoost（平均RMSE为1.0060；平均R²为0.0846）。嵌套SHAP选择略弱（平均RMSE为1.0199；平均R²为0.0586），支持紧凑解释而非普遍更优的子集。跨数据集实验使用了7，509条映射后的玉米和水稻观测数据，仅包含作物、温度和降雨量。所有外部R²值均为负；由于内部产量单位未记录，而外部目标以hg/ha报告，这些结果表明迁移较弱且未进行单位协调，而非确定性的外部验证。总体而言，该工作流适用于透明的探索性解释，尚不适合直接部署用于产量预测。