《Physics and Chemistry of the Earth, Parts A/B/C》：Generative AI-Enabled Forecasting and Green Supply Chain Sustainability Assessment: Evidence from China's Palm Oil Trade with ASEAN
编辑推荐：
中国棕榈油进口需求预测与印尼可持续供应匹配研究，通过TimeGAN生成对抗网络预测2020-2030年中国进口需求，构建省级绿色供应链可持续性指数（GSCI）评估印尼供应可持续性，发现60%以上进口可由高GSCI省份满足，提出AI驱动的空间可持续评估框架助力碳中和采购。
刘宇涵|邓向正|高云霄
中国科学院大学经济与管理学院，北京，100190，中国
摘要
食品系统和农产品供应链面临着气候变化、贸易波动和环境退化带来的日益增加的压力，而棕榈油处于可持续性讨论的核心位置。作为主要进口国的中国和作为主要生产国的印度尼西亚，在影响跨境棕榈油贸易的环境足迹和韧性方面发挥着关键作用。本研究结合了基于生成式人工智能的需求预测和空间可持续性评估，以评估中国未来棕榈油需求与印度尼西亚符合可持续性标准的供应之间的匹配程度。利用时间序列生成对抗网络（TimeGAN），我们生成了到2030年中国棕榈油进口的情景丰富预测。印度尼西亚的省级绿色供应链可持续性指数（GSCI）涵盖了森林砍伐强度、土地利用效率、零森林砍伐承诺和RSPO认证等内容，支持基于可追溯性的分配。结果显示，超过60%的中国预期进口量可以通过高GSCI值的省份来满足，这表明在不损害供应安全的情况下，实现无森林砍伐采购具有巨大潜力。研究结果表明，人工智能支持的预测结合空间可持续性指标可以为环境负责任的采购策略提供信息，并增强跨境棕榈油供应系统的韧性。
引言
全球农业供应链面临着在需求增长与环境可持续性之间取得平衡的日益增长的压力。食品供应链越来越容易受到气候变化（如极端天气）和贸易中断的影响。棕榈油被广泛用于食品、化妆品和生物燃料领域，是加工食品和餐饮业的关键原料，因此其可持续供应对粮食安全至关重要。作为世界第二大棕榈油进口国，中国依赖国际供应，而印度尼西亚和马来西亚的生产与森林砍伐、泥炭地转换和生物多样性丧失密切相关（Mukherjee & Sovacool, 2014; Teng et al., 2020; Cabernard et al., 2024），这使得棕榈油成为可持续贸易讨论的焦点。
中国的进口模式影响着国内食品产业的稳定性和供应链的长期韧性。近期趋势显示，中国越来越多地参与RSPO认证，企业零森林砍伐承诺正在扩大（Zhou et al., 2023），同时来自欧盟森林砍伐法规（EUDR）等外部监管的压力也在增加（Akhtar et al., 2023）。由于印度尼西亚占东盟棕榈油产量的80%以上，中印贸易实际上决定了中国与东盟农产品供应链的互动方式。包括东盟可持续农业指南、跨境可追溯性试点和新兴的零森林砍伐规范在内的区域倡议，进一步将中国的棕榈油采购纳入了更广泛的东盟监管框架中。因此，考虑这一区域背景对于评估中国的长期采购风险和可持续性匹配至关重要。
人工智能（AI）的最新进展提高了需求预测和环境评估的准确性（Richey Jr et al., 2023）。时间序列生成对抗网络（TimeGAN）能够捕捉复杂的时间依赖关系，并在不确定性条件下模拟多变量未来情景（Yoon et al., 2019），这与供应链韧性理论相一致（Jackson et al., 2024）。在棕榈油可持续性评估中，常见的标准包括森林砍伐强度、温室气体排放、RSPO认证和投入效率（Wang & Zhang, 2025），尽管仍存在一些差距（Nesadurai, 2019; Aljoghaiman & Sundram, 2023）。Trase等平台将次国家级采购与环境结果联系起来（Shigetomi et al., 2020; Zu Ermgassen et al., 2022），而综合指数则提供了结构化的多标准评估。然而，尽管基于AI的需求预测和可持续性评估取得了快速进展，但现有研究很少将预测智能与空间明确的可持续性约束相结合，以评估无森林砍伐的农产品贸易。
为了解决这一差距，本研究将基于TimeGAN的中国棕榈油进口预测（直到2030年）与印度尼西亚的省级绿色供应链可持续性指数（GSCI）相结合，后者包括森林砍伐强度、土地利用效率、零森林砍伐承诺和RSPO认证等关键可持续性维度。采用可持续供应匹配（SSM）方法来量化可以通过高可持续性来源满足的预期需求份额（Pendrill et al., 2019; Ostfeld & Reiner, 2024）。基于资源理论和制度理论（Wernerfelt, 1984; Jackson et al., 2024），本研究将可持续性视为影响贸易和采购决策的战略资产。因此，本研究探讨了三个问题：（i）中国未来进口需求的发展趋势以及基于AI的预测的作用；（ii）印度尼西亚各省之间的空间可持续性差异；（iii）预期需求与可持续性差异化供应之间的匹配程度。分析结果为加强国家贸易政策、无森林砍伐采购策略和长期气候适应性供应链治理提供了见解。
本研究有三个贡献：首先，它使用生成式AI模型（TimeGAN）生成了情景丰富、考虑不确定性的中国棕榈油进口需求预测，超越了传统方法；其次，它开发了一个省级GSCI，用于评估印度尼西亚的生产可持续性，解决了全国范围评估的局限性；第三，通过SSM机制整合这些组成部分，量化了中国未来需求可以通过高可持续性来源满足的程度。这种生成式AI、空间可追溯性和基于可持续性的贸易分配的整合为研究中国与东盟供应链的互动提供了一个新的分析工具。
章节摘录
将TimeGAN整合到预测框架中
在波动且数据有限的商品市场中，可靠的需求预测对于建立有韧性的可持续供应链至关重要。传统模型（如ARIMA和指数平滑法）难以捕捉非线性和复杂的时间模式。深度学习方法，特别是长短期记忆（LSTM）网络，在农业、零售和能源领域展示了改进的长期依赖性建模能力。
方法论
本研究采用了一个三阶段的概念框架（图1）：（i）使用TimeGAN预测中国的棕榈油进口需求；（ii）构建印度尼西亚棕榈油的省级绿色供应链可持续性指数（GSCI）；（iii）开发可持续供应匹配（SSM）机制。
在概念层面，该框架将基于AI的预测智能、空间可持续性评估和制度政策反馈整合为一个综合分析结构。
模型训练性能和预测准确性评估
在分析各省棕榈油进口需求的未来趋势之前，我们评估了TimeGAN模型在20个主要省份的训练性能和预测质量。如图2所示，监督损失曲线展示了模型训练过程中的收敛行为。例如，在北京，原始损失值（蓝线）在最初的50次迭代中表现出较高的变异性，反映了模型的适应阶段。随后，平滑后的趋势（红线）稳步下降。
讨论
实证结果表明，人工智能驱动的预测和空间可持续性指标如何影响制度决策和供应链治理（Richey Jr. et al., 2023; Jackson et al., 2024）。结合TimeGAN预测、基于GSCI的评估和供需匹配揭示了三个动态：国家需求的稳定、可持续性合规供应的空间差异以及持续的匹配差距。2024年后进口量稳定在约420万吨左右，表明
结论
本研究结合了基于TimeGAN的预测、省级绿色供应链可持续性指数（GSCI）和可持续供应匹配（SSM）机制，以评估中国棕榈油需求与印度尼西亚可持续性差异化供应之间的匹配程度。结果表明，中国的需求在2024年后可能会趋于稳定，而可持续供应仍集中在少数表现优异的印度尼西亚省份。超过60%的预期进口量可以通过这些省份来满足。
CRediT作者贡献声明
高云霄：撰写——审稿与编辑、验证、监督、软件、数据整理。刘宇涵：撰写——初稿、可视化、软件、资源、方法论、调查、数据整理。邓向正：验证、监督、软件、项目管理、资金获取、概念化
未引用参考文献
Richey Jr et al., 2023; Suksa-ard and Raweewan, 2013.
数据可用性
支持本研究发现的数据可应要求向相应作者索取。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。
致谢
本研究得到了中国国家自然科学基金科学基金的支持（资助编号：72441001）。
