2025年10月17日上午，地理信息科学与技术全国重点实验室“石坚论坛”第74讲在中国科学院地理资源所A332会议室顺利举行。荷兰瓦赫宁根大学的Gerard Heuvelink教授作了主题为“Can we use data-driven machine learning methods for causal inference?”的报告，葛咏研究员主持该论坛。

Gerard Heuvelink是荷兰瓦赫宁根大学土壤地理与景观研究组的计量土壤学与数字土壤制图特聘教授、ISRIC–World Soil Information的高级研究员。主要研究方向为土壤应用，在地统计学、空间不确定性分析、计量土壤学、数字土壤制图以及农学与土壤科学机器学习领域发表了200余篇SCI论文，被科睿唯安评选为“全球高被引科学家”，其论文在Web of Science上被引用超过17,500次（H指数55）。现任European Journal of Soil Science副主编，并担任Geoderma、Spatial Statistics等期刊编委。2011年至2022年，他担任中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室客座教授。

在本次论坛中，Gerard教授指出当前机器学习在地球科学和环境科学领域的应用显著增加，已成为预测土壤和农学性质的主流方法，并以加纳玉米产量预测为例，展示基于气候、土壤、作物、管理和肥料数据训练的随机森林模型如何解释80%以上的产量变异性，并通过生成肥料-产量响应曲线确定最优施肥量。此外，Gerard教授也提出了一个关键问题：将基于相关性的经验模型当作因果模型使用在科学上是否合理？本次报告通过多个案例引发听众的思考和讨论，其核心议题在于如何实现解释变量之间的无混淆性。最好的解决办法（Gold standard solution）是通过实验设计，或者精心组合观测数据来进行因果推断，并建议从机器学习模型的输出中得出因果关系结论需谨慎。

专家的精彩报告引起了在场几十位老师同学的广泛兴趣和讨论。参会人员就控制实验的不确定性、观测数据和其他特征数据的差异等内容进行了深入交流。此外，面向实验数据过少无法支撑因果推断时，应该怎么做等热点问题，Gerard教授也进行了详细解答。最后，葛咏研究员和王江浩研究员围绕因果推断的数据、方法和应用等方面展开了热烈讨论。本次论坛旨在促进地理信息科学领域学者对机器学习在因果推断中应用的理解，强调在利用数据驱动方法进行科学研究时应注重因果关系的严谨性，为相关领域的研究方法创新提供了参考。

图1葛咏研究员主持论坛

图2 Gerard教授作报告

图3王江浩研究员发言讨论