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。
通过2年定位试验研究不同玉米-豆科间套作模式下(玉米-大豆带状套作、玉米-花生带状间作、玉米净作、大豆净作和花生净作)作物氮素吸收与根系分布、豆科结瘤和土壤氮素有效性之间的关系。结果表明:与净作相比,间套作显著降低了单季作物的单位面积吸氮量,但玉米-大豆套作和玉米-花生间作的系统总吸氮量分别增加31.7-45.4%和7.4-12.2%。间套作显著增加了玉米和大豆的单株氮素吸收量,与净作相比分别增加61.6%和31.8%,间作花生的单株吸氮量较净作降低46.6%。间套作系统中玉米和大豆的根系呈现不对称性分布,其根长密度和根表面密度显著高于相应单作。间作花生受竞争抑制,其根表面密度显著低于相应单作。与净作相比,套作大豆的根瘤数量和根瘤鲜重显著增加,间作花生根瘤数和根瘤鲜重则显著降低。间套作显著提高了玉米和大豆的土壤酶活性(蛋白酶、脲酶、硝酸还原酶)和土壤有效氮含量,但降低了花生的土壤酶和土壤有效氮含量。玉米-大豆带状套作系统比玉米-花生带状间作系统更有利于氮素吸收,玉米与豆科间套作可以促进玉米对氮素的吸收,从而降低氮肥用量,提高农业可持续性。