文献类型：会议

作　　者：肖浏骏 罗忠奎

作者单位：浙江大学环境与资源学院浙江省农业遥感与信息技术重点研究实验室

基　　金：国家自然科学基金青年项目(42001105)

会议文献：第二十届中国作物学会学术年会论文摘要集

会议名称：第二十届中国作物学会学术年会

会议日期：20231101

会议地点：中国湖南长沙

出版日期：20231101

语　　种：中文

摘　　要：【研究背景】探索农业绿色发展的农田管理措施在保障粮食安全和环境安全起着重要的作用。基于过程的农业生产模型是评估农田生态系统-气候-管理交互作用的有效工具,但在大尺度、多情景管理优化中存在计算成本高、模型不确定性大和输入数据可用性差的限制;【材料与方法】本研究以华北平原冬小麦/夏玉米轮作系统为例,提出了一种将农业生产模型（APSIM）与机器学习（ML）相结合的方法,基于空间1 km网格尺度,对历史（1981—2014）和未来（2015—2100）不同气候模式、不同农业管理措施情景下的作物生长、土壤有机碳变化和环境影响进行模拟,并对管理措施进行优化。【结果与分析】机器学习模型能够快速、准确仿真APSIM模型的预测结果,其中随机森林的模拟能力最好,能解释90%以上的方差变异,捕捉驱动APSIM预测的主要过程。模型重要度分析结果表明,氮肥和积温是产量形成和N2O排放的重要控制因子,秸秆还田和积温是土壤有机碳变化的主控因子。通过不同情景,对管理措施进行单目标和多目标管理优化,长期实施多目标的综合管理方法可实现粮食不减产的情况下,显著减少氮肥使用20-40%,降低活性有机碳损失20%～30%,NO排放降低50%以上。【结论】本研究提出的作物生长模型与机器学习融合的方法,可以对农田不同管理情景进行快速模拟和高效决策,探索出高生产率和低环境代价的管理措施,为我国农业绿色发展提供有效的数字化手段。

关 键 词：农业生产模型  机器学习  管理优化 农业绿色发展  

分 类 号：S512.11] S513