准确预测大豆单产对于农业生产、监测和预警具有重要意义。尽管目前有研究已经使用机器学习算法来基于气象数据预测大豆单产，但尚没有充分探讨如何使用不同的模型来有效地将不同地区的大豆气象单产与大豆单产区分开来。此外，综合利用各种机器学习算法的优势与特点以通过集成学习算法提高大豆预测单产精度的研究也不够深入。通过对中国最主要的两个大豆主产区东北地区和黄淮地区，173个县级行政区域和气象观测站跨度34年的单日气象数据和大豆产量数据进行研究与分析，本文采用K近邻（K-Nearest Neighbors, KNN），随机森林（Random Forest, RF）和支持向量机（Support Vector Machine, SVR）作为3个有效的基模型，建立了基于堆栈集成学习框架的高精度、高可靠性大豆气象单产预测模型。通过5折交叉验证进一步提升了模型泛化能力，并利用主成分分析降维和超参数调优对模型进行了优化。利用173个县的5年滑动预测和4种回归指标进行模型精度评价，表明大豆气象单产堆栈集成学习预测模型具有更高的精度和更强的鲁棒性。基于堆栈集成学习框架对173个县大豆单产的5年滑动估测表明，模型估测效果能够详细反映出大豆单产的时空分布变化情况，MAPE低于5%。大豆气象单产堆栈集成学习预测模型为准确预测大豆单产提供了新的思路。
