木本植物的表型代表其独特的形态特征。种群区分和个体分类对于种群繁殖和遗传多样性保护至关重要。机器学习（ML）算法作为预测表型的有力工具正受到越来越多的关注。本研究利用机器学习算法对石松（Pinus pinea L.）种群的种子和幼苗特征进行聚类和分类的方法。通过收集六个不同自然分布区域的石松种群的种子和幼苗数据，并应用k-均值算法进行聚类分析，发现理想聚类数为2，同时对六种监督学习算法（k-最近邻、朴素贝叶斯、支持向量机、C5.0、分类回归树和随机森林）进行分类性能评估。结果表明，随机森林算法在种子特征分类中表现最佳，而k-最近邻算法（k=18）在幼苗特征分类中表现最优。此外，通过主成分分析揭示了种子和幼苗特征的主要变异维度，并指出锥体重量和芽发育分别在种子和幼苗特征中最为重要。该研究为森林管理中的种群选择、遗传多样性保护和育种计划提供了科学依据。

图1 (a)地中海盆地石松分布图 (b)(修改自Caudullo等人，2021年)横跨Türkiye的6个天然石松林的地理位置(c)KO Kahramanmaras-Onsen，MK Muğla-Katrancı，AK Aydın-Koçarlı，IK İzmir-Kozak，TK Trabzon-Kalenema，CK Çanakkale-Kirazlı。石松的球果从授粉到成熟一般需要三年时间 (d)从石松球果中提取种子 (e)在苗圃中种植了6个不同种群的1年生石松幼苗 (f)Kahramanmaraş(KO)的石松天然林景观

表1 蒂尔基耶六种石松种群自然分布的地理和气候特征。P是年平均降雨量，单位为毫米；M是最热月份最大值的平均值；m是最冷月份最小值的平均值；PE是6、7、8三个月的降雨量之和；ME是1987-2016年6、7、8三个月的最高气温的平均值；S是夏季干旱指标值；Q是湿度类别值。A生物气候区，根据Emberger(Daget et al.1988年)

表2 松树种子和幼苗的形态测量学特征及其测量和单位一览表。A和b分别表示≈的水分含量为20%和10%。第一年没有观察到顶芽

表3六个石松种群间分析性状平均值的统计比较信息。所用缩略语的特点见表2

表4 混淆矩阵。真阳性(TP)：阳性病例正确归类为阳性；假阳性(FP)：阴性病例错误归类为阳性；假阴性(FN)：阳性病例错误归类为阴性；真阴性(TN)：阴性病例正确归类为阴性

图2 分类过程的流程图。应用6种最大似然算法对石松种群进行分类。使用的缩写见表2

图3 石松种群聚集流程图。使用的缩写见表2

表5 研究中使用的最大似然算法的基本特征

表6 石松种子六种型号性能评价结果

RF：随机森林，支持向量机：C5.0：决策树算法，CART：分类和回归树，NB：朴素贝叶斯，k-NN：k-近邻，真正确率(TPR)/召回/命中率/敏感度，假阴性率(FNR)/错失率，假正确率(FPR)/漏失，真阴性率(TNR)/特异性/选择性，正预测值(PPV)/精度，FDR：假发现率，NPV：负预测值，用于：假漏失率

表7六种模型对石松苗木分类性能评价结果

K-NN：K-近邻，支持向量机，C5.0：决策树算法，RF：随机森林，CART：分类和回归树，NB：朴素贝叶斯，真正确率(TPR)/召回/命中率/敏感度，假阴性率(FNR)/错失率，假正确率(FPR)/漏失，真阴性率(TNR)/特异性/选择性，正预测值(PPV)/精度，FDR：假发现率，NPV：负预测值，FOR：假漏率

表8根据分类和回归树(CART)、C5.0和随机森林(RF)算法获得的重要值，石松种子数据集中的属性顺序

表9石松苗木数据集中根据分类和回归树(CART)、C5.0和随机森林(RF)算法获得的重要值的属性顺序

图4石松种子(上)和幼苗(下)的主成分分析(PCA)。使用的缩写见表2

图5 使用石松种子的前两个主成分的主成分分析(PCA)坐标在2D空间中绘制的左种群集群(k-均值算法的k参数为2和6)。利用石松苗木两个主成分的PCA坐标在2D空间中绘制的右种群聚类图(k-Means算法的k参数为6-上；k-Means算法的k-参数为2-下)。采用主成分分析的k-均值算法得到的聚类和苗木数据集中的种群在2维上被可视化。图中的颜色表示k-均值算法显示的聚类，而标注表示观测所属的实际总体

表10关于石松种子/苗木性状的k=2、3、4、5、6的种群在每一类群中的实际分布。粗体值表示每个集群中最主要的人口