基于机器学习和未来气候变化模式的埃塞俄比亚粮食产量预测

S562%S162.54; 对于以农业产业为支柱的埃塞俄比亚,粮食供应和安全对国家安全和人民的生计尤为重要.由于作物生长和气候因素之间的复杂耦合关系,预测气候变化对农作物产量影响具有较大难度,机器学习技术为这种复杂系统变化的预测提供了一种有效途径.本研究利用37个全球气候模式(GCM)的数据以及土壤数据,基于机器学习模型,预测了埃塞俄比亚2021年至2050年5种主要粮食作物在SSP1-2.6、SSP2-4.5和SSP5-8.5情景下的产量变化.经GCM和变量的筛选后,利用梅赫季和贝尔格季中5种主要粮食作物的10个产量数据对直方图梯度提升决策树、极端梯度提升随机森林、轻梯度提升决策树、随机森林...

Full description

Saved in:
Bibliographic Details
Published in中国生态农业学报（中英文） Vol. 32; no. 3; pp. 490 - 中插2
Main Authors 徐宁, 李发东, 张秋英, 艾治频, 冷佩芳, 舒旺, 田超, 李兆, 陈刚, 乔云峰
Format Journal Article
LanguageChinese
Published 中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室 北京 100101 01.03.2024
中国科学院大学中丹学院 北京 100049%中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室 北京 100101%中国环境科学研究院 北京 100012%美国佛罗里达州立大学 塔拉哈西32306
Subjects
全球气候模式
Global Climate Model
Climate change
埃塞俄比亚
机器学习
Machine learning
气候变化
粮食产量
Crop yield
Ethiopia
Online AccessGet full text
ISSN2096-6237
DOI10.12357/cjea.20230257

Cover

More Information
Summary:S562%S162.54; 对于以农业产业为支柱的埃塞俄比亚,粮食供应和安全对国家安全和人民的生计尤为重要.由于作物生长和气候因素之间的复杂耦合关系,预测气候变化对农作物产量影响具有较大难度,机器学习技术为这种复杂系统变化的预测提供了一种有效途径.本研究利用37个全球气候模式(GCM)的数据以及土壤数据,基于机器学习模型,预测了埃塞俄比亚2021年至2050年5种主要粮食作物在SSP1-2.6、SSP2-4.5和SSP5-8.5情景下的产量变化.经GCM和变量的筛选后,利用梅赫季和贝尔格季中5种主要粮食作物的10个产量数据对直方图梯度提升决策树、极端梯度提升随机森林、轻梯度提升决策树、随机森林、极限树以及K近邻6种机器学习模型进行训练.经过模型评估,选择表现良好的3个模型,采用线性回归算法进行堆叠,然后使用堆叠模型进行预测.研究结果表明,未来30年埃塞俄比亚梅赫季5种主要粮食作物产量变化以增产＜2 t·hm-2为主;SSP126情景下的贝尔格季将出现更明显的减产现象,这可能是由于温室效应的减缓降低了 CO2的施肥效应.随着人类活动造成的生态环境恶化,研究区农业生产对粮食结构改变和重新分配生产力的需求不断增长,导致农作物生产力向新的适宜地区转移.研究区在SSP126和SSP585情景下将分别因为干旱缓解和温室效应加剧而获得更高的粮食作物生产力.
ISSN:2096-6237
DOI:10.12357/cjea.20230257