基于机器学习的农田小麦籽粒蛋白质含量与产量协同预测模型研究

本研究针对农田小麦籽粒蛋白质含量(GPC)空间变异性大、传感器普及率低导致的精准管理难题，采用随机森林(Random Forest)算法整合产量数据、农艺参数与公开地理信息数据，构建了澳大利亚新南威尔士州和西澳大利亚州63块田地的GPC与产量预测模型。通过双折交叉验证(2FCV)和留一田块-年份交叉验证(LOFYOCV)证实，融合多源数据的模型能有效填补未采样区域数据（LCCC>0.8），为优化氮肥管理、提升农场经济效益和环境可持续性提供决策支持。

　　

在全球粮食安全与农业可持续发展背景下，小麦籽粒蛋白质含量(GPC)作为决定粮食价格和营养品质的关键指标，其田间空间变异性长期困扰着农业生产者。尽管精准农业技术快速发展，但蛋白质传感器的应用滞后导致农田GPC数据严重缺失，农民难以实施差异化的氮肥管理。这种数据缺口不仅影响农场经济效益——澳大利亚小麦按蛋白质含量分级定价的差价可达每吨100澳元，更阻碍了氮肥使用效率(NUE)的精准评估，可能造成资源浪费和环境污染。

针对这一难题，西澳大利亚大学¹的Mikaela J. Tilse团队联合国际研究人员，在《Precision Agriculture》发表了突破性研究。该团队创新性地将机器学习与多源空间数据融合，收集澳大利亚两大主产区4个生长季(2020-2023)的63组配对产量-GPC地图，构建了首个能同时预测小麦产量和GPC的空间模型。研究巧妙利用农场既有数据（播种/收获日期、品种、轮作历史）和公开地理数据集（数字高程模型DEM、哨兵2号植被指数、伽马辐射数据），通过随机森林算法量化各因素对GPC的影响权重，并开发了适用于不同应用场景的两种验证方法。

关键技术方法包括：1) 使用约翰迪尔HarvestLab 3000?近红外传感器获取高分辨率(1-3秒/点)田间GPC和产量数据；2) 通过dataharvester R包整合多源空间数据（30米分辨率）；3) 采用置换重要性检验的迭代变量选择法优化模型；4) 设计LOFYOCV(外推验证)和2FCV(内插验证)双验证体系；5) 在30米网格和管理分区两种尺度评估模型性能。

模型性能比较

实验1（产量+农艺+公开数据）展现出最佳预测能力，其中西澳农场GPC预测的LCCC达0.85。值得注意的是，2FCV验证（模拟单台蛋白质传感器作业）显著优于LOFYOCV（R²提升0.12-0.15），证实模型能有效填补同一田块内的数据空白。

关键驱动因素

变量重要性分析揭示：1) 西澳地区伽马辐射数据（铀、钍、钾）对GPC预测贡献度达27%，反映土壤母质对蛋白质形成的长期影响；2) NDRE（归一化红边差异指数）与GPC呈负相关(r=-0.37)，印证水肥胁迫后期会推高蛋白质含量；3) 历史轮作数据对GPC的解释力比产量高40%，凸显前茬作物对氮素循环的持续效应。

管理实践价值

将预测结果聚合至3-5个管理分区后，模型对澳大利亚GPC分级（如11.5-13%溢价区间）的预测准确率(κ=0.81)达到"几乎完美"水平（Cohen标准）。研究证实，结合产量地图的GPC预测可实现：1) 田块级氮素收支核算；2) 边际效益空间制图；3) 选择性收获方案优化，为每公顷创造最高达230澳元的附加价值。

这项研究的创新性在于突破了蛋白质传感器普及率低的技术瓶颈，首次证明通过整合农场常规数据和公开地理信息，能实现接近实时监测精度的GPC预测。其建立的"数据融合-机器学习-双尺度验证"框架，不仅适用于小麦，还可扩展至大麦、油菜等作物。随着哨兵卫星星座和数字农业平台的发展，该成果为全球农田蛋白质含量动态监测提供了可推广的技术路径，对实现联合国可持续发展目标(SDGs)中的"零饥饿"和"负责任的消费生产"具有重要实践意义。未来研究可进一步探索：1) 基于气象数据的GPC提前预测；2) 利用可解释机器学习解析蛋白质形成的驱动机制；3) 经济模型与空间预测的耦合优化。