科研之友
微信
新浪微博
Facebook
分享链接
摘要
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， 机器学习技术则为预测这种复杂系统的变化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种粮食作物在SSP126、SSP245和SSP585情景下的产量变化。在经过GCM和变量的筛选后， 利用梅赫季和贝尔格季中5种作物共10个产量数据对直方图梯度提升决策树、极端梯度提升随机森林、轻梯度提升决策树、随机森林、极限树以及K近邻6种机器学习模型进行训练。经过模型评估， 选择表现良好的3个模型并采用线性回归算法进行堆叠， 然后使用模型进行预测。研究结果表明， 埃塞俄比亚在未来30年间， 梅赫季各个作物的产量变化都以增产少于2 t·hm-2为主， 而在SSP126情景下的贝尔格季将出现更明显的产量减少， 这可能是由于温室效应的减缓降低了CO2的施肥效应。随着社会矛盾加剧和人类活动造成的生态环境恶化， 研究区的农业对改变粮食农业结构和重新分配生产力的需求不断增长， 导致农作物生产力向新的适宜地区转移。在SSP126和SSP585情景下， 研究区域将分别因为干旱情况的和温室效应加剧而获得更高的粮食作物生产力。
- 单位
