编辑推荐：
在撒哈拉以南非洲（SSA），准确预测气候变化下的作物产量对农业适应规划至关重要。研究人员整合机器学习（ML）与基于过程的作物模型，对玉米雨养潜在产量进行预测。结果显示，该方法在 95% 的情况下表现稳健，对评估气候变化影响意义重大。
在全球气候变化的大背景下，撒哈拉以南非洲地区的农业正面临着严峻挑战。这片区域的经济严重依赖雨养农业系统，充足的降雨和适宜的温度是农业生产的关键。然而，气候变化使得降雨和温度变得不稳定，给作物产量带来了极大的不确定性。这种不确定性可能导致粮食供应不足，威胁到当地的粮食安全，进而影响整个地区的经济发展和社会稳定。因此，准确预测气候变化对作物产量的影响，并制定相应的农业适应策略，成为了亟待解决的问题。
为了攻克这一难题，来自多个机构的研究人员开展了一项极具意义的研究。他们旨在将机器学习（ML）与基于过程的作物模型相结合，生成地理上连续的网格化作物产量预测，以减少单独使用 ML 或作物生长模型时的不确定性，并以预测气候变化对撒哈拉以南非洲地区玉米雨养潜在产量的影响为例进行研究。该研究成果发表在《Agricultural Systems》上。
在研究过程中，研究人员采用了多种关键技术方法。首先，构建了一个综合系统，将随机森林（RF）和作物模型算法分三步进行整合。在输入数据方面，使用了来自全球产量差距地图集（GYGA）的高质量数据，包括 105 个代表性玉米生产站点的数据，以及来自五个不同通用气候模型（GCMs）的每日偏差校正天气数据等。同时，利用虚拟气象站（VWS）数据进行全区域模拟，并通过与弹性农业证据（ERA）数据集对比进行框架评估。
研究结果主要分为以下几个方面：
- 算法性能：RF1 和 A1 算法在估计播种日期方面表现良好，nRMSE 为 17.1%，能有效估计整个撒哈拉以南非洲地区每年的播种日期。RF2 和 A2 算法对玉米从播种到成熟所需的总热时间预测效果佳，nRMSE 为 10.3%。RF3 模型能准确复制 WOFOST 模型模拟的产量，在至少 95% 的情况下，与高质量输入的 WOFOST 模型模拟结果差异小于 20%。
- 敏感性分析：研究发现土壤深度对产量影响显著，WOFOST 模型和 RF3 模型都能体现这一点。低降雨量是导致 RF3 和 WOFOST 产量差异的主要因素，温度的影响相对较小。
- 气候区和玉米种植面积覆盖：训练数据集中未包含南非部分气候区的数据，但该区域玉米种植面积仅占约 3%。未来，撒哈拉以南非洲地区约 21% 的气候区（按玉米收获面积计算）将面临新的环境条件，这些区域位于北部，结果的不确定性可能更大。
- 模型输出示例：该框架对玉米生长季长度和雨养潜在产量的模拟结果显示，干旱气候地区生长季最短。预计到 2050 年，整个撒哈拉以南非洲地区玉米生长季将缩短 0 - 35 天，部分地区雨养潜在产量可能下降 10% - 20%，但也有部分地区产量可能大幅增加。
在结论和讨论部分，研究人员指出，该研究结合了基于过程的作物模型和机器学习的优势，利用有限的高质量数据，实现了对整个撒哈拉以南非洲地区作物产量的准确预测。尽管存在一些局限性，如算法在某些方面与实际存在差异、部分数据不足等，但该方法在评估气候变化影响、指导适应策略制定、支持作物育种计划和政策制定等方面具有重要意义。它可以用于分析不同作物在气候变化下的表现，为农业适应气候变化提供有力支持，有望帮助撒哈拉以南非洲地区更好地应对气候变化带来的挑战，保障粮食安全，促进农业可持续发展。
