基于气候的多季水稻移栽日期估算方法：运用地理随机卷积核变换技术 庄汉臣（Hanchen Zhuang）、 陈一军（Yijun Chen）、 严珍（Zhen Yan）、 张正良（Zhengliang Zhang）、 冯航健（Hangjian Feng）、 吴森森（Sensen Wu）、 高松（Song Gao）、 张晓灿（Xiaocan Zhang）以及 刘仁义（Renyi Liu）

《Agriculture》：Climate-Based Estimation of Multi-Cropping Rice Transplanting Dates Using a Geographical Random Convolutional Kernel Transform Hanchen Zhuang, Yijun Chen, Zhen Yan, Zhengliang Zhang, Hangjian Feng, Sensen Wu, Song Gao, Xiaocan Zhang and Renyi Liu

　　

摘要

准确且可扩展的水稻种植日期估算对于多作物地区的气候适应性管理至关重要，然而大多数模型依赖于静态日历，这些日历无法捕捉到气候变化对作物产量响应的影响。本研究旨在开发一个基于气候驱动因素、具有空间显式性的框架，以模拟季风亚洲地区多种多作物系统中的动态移栽日期。利用2019年至2020年的AgERA5再分析数据和季风亚洲水稻日历（MARC），我们提出了Geo-ROCKET模型。该框架结合了自动K均值聚类算法来划分双峰种植窗口，并采用随机卷积核变换以及自适应的地理邻域分析方法来捕捉局部气候的异质性。通过面积加权平均绝对误差（MAE）进行评估，该模型在六个季节中的预测精度均较高（MAE介于6.53至12.50天之间），优于六种传统的ROCKET模型和集成基线方法，同时保持了空间误差场的平滑性。敏感性实验表明，如果前一次收获日期存在15天的偏差，移栽日期的误差可能会增加至10.8至17.8天，这凸显了数据序列一致性的重要性。通过提供动态的、对气候敏感的输入数据，Geo-ROCKET提高了作物模型在气候影响预测中的准确性。这一框架为研究人类管理决策和评估集约化农业系统中的适应策略提供了灵活的工具。