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OA北大核心CSTPCD
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…查看全部>>
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
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美国佛罗里达州立大学,塔拉哈西32306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
农业科学
粮食产量机器学习气候变化全球气候模式埃塞俄比亚
《中国生态农业学报（中英文）》 2024 (3)
P.490-504,I0001,I0002,17
国家自然科学基金国际(地区)合作与交流项目(Y88X0100AE)资助。
评论