Python 利用随机森林评估农业干旱的动态可预测性与关键因子

---

前言

在 61 年滑动窗口的 73 年时间片中，基于随机森林（Random Forest, RF）模型 计算农业干旱动态可预测性的解释方差（以决定系数 R2乘以 100% 表示，即 R2×100%）。较高的解释方差表明该影响因子对动态可预测性的影响更强。

最终，利用 rfPermute R 包，依据均方误差增量或节点纯度增量，在显著性水平 p<0.1p<0.1（基于 n=100n=100 次随机重排计算）下，确定农业干旱动态可预测性的主导影响因子，这些因子涵盖了气象、陆面状态、陆气反馈以及海陆遥相关等方面。

随机森林的解释方差（R² × 100%）表示模型能解释目标变量的多少百分比方差。
较高的解释方差（如 85%）意味着模型预测能力较强，但仍有 15% 的变化无法被解释。
如果 R2过低（接近 0 或负值），需要优化特征选择、超参数或尝试其他模型。
当 R2=1（100%） 时，模型的预测值完全匹配真实值（理想情况）。
当 R2=0（0%） 时，模型的预测能力与简单使用均值预测无异。
当 R2<0时，模型比简单的均值预测更差（通常说明模型不合适）。

---

一、代码

该代码利用**随机森林（Random Forest, RF）**方法对农业干旱的动态可预测性进行分析，并识别其主导影响因子。首先，代码加载必要的 R 包 randomForest 和 rfPermute，并设定随机种子以保证结果的可复现性。然后，它从指定路径读取数据，并将数据集按 80% 训练集和 20% 测试集进行划分。

接着，代码基于训练数据构建了一个随机森林回归模型，以 pre_24 作为目标变量，并计算模型的解释方差（R²）。随后，使用 rfPermute 进行变量重要性分析，该方法通过随机重排变量来评估各影响因子对目标变量 pre_24 的贡献。最后，代码提取显著性水平 p < 0.1 的变量，识别农业干旱动态可预测性的主导影响因子，并输出这些关键变量。

1.R语言

# 加载必要的 R 包
library(randomForest)
library(rfPermute)

# 设定随机种子以保证结果可复现
set.seed(123)

# 读取数据（假设 data 包含所有影响因子及目标变量 KGE）
# 目标变量 KGE，预测变量包括气象、陆面状态、陆气反馈、海陆遥相关等
# 假设数据格式：data <- data.frame(KGE = ..., var1 = ..., var2 = ..., ..., varN = ...)
data <- read.csv("G:/2024codes/Codes/Importance/data.csv")  # 替换为实际数据路径

# 划分训练集（80%）和测试集（