稻-油、稻-麦和稻-蒜轮作是中国西南地区常见的轮作模式,在确保该地区生态和经济效益以及应对全国粮食安全等问题方面发挥了重要的作用,但该地区的此轮作系统的稻谷产量和其他作物产量等比全国平均水平低1.25%-14.7%。利用机器学习构建智能决策系统分析各轮作系统投入产出特征,有利于获得更好的综合效益,但相关研究较少。因此,该研究利用data-intensive approach法,基于机器学习构建智能决策系统,以期为提升西南地区稻-油、稻-麦、稻-蒜轮作的综合效益提供依据。研究结果表明,在稻-蒜系统中,高肥料投入的基础上增加种子投入可提高产量和肥料偏生产力,最终实现最佳综合效益的概率为10%;在稻-油系统中,增加氮肥用量并且减少钾肥用量可以获得更高的产量但易增加温室气体排放,导致该系统仅实现次优效益且概率为8%;在稻-麦系统中,减少氮肥和磷肥的施用可以增加产量和肥料偏生产力,但实现最佳综合效益的概率仅为8%。基于随机森林模型的预测分析,在稻-蒜系统中减少25%的氮肥、增加8%的磷肥和74%的钾肥;在稻-油系统中减少54%和36%的氮肥和钾肥,增加38%的磷肥;在稻-麦系统中减少4%的氮肥并增加65%的磷肥和23%的钾肥,这些措施可以在不同程度上进一步提高轮作系统的综合效益。因此,该研究结果为中国西南地区稻-油、稻-麦和稻-蒜系统中通过优化农业投入以获得更高的综合效益提供了新见解。