利用地理空间机器学习识别中国主产区水稻产量的空间决定因素

水稻产量对于全球食品安全至关重要，尤其是在日益频繁和严重的气候变化事件下。对水稻产量的空间分析对于地区行动以确保产量并减少气候影响变得更加关键。然而，对水稻产量的地理、气候、土壤和环境因素的空间变异的理解需要改进，这可能导致局部水稻产量预测和对气候变化的响应存在偏差。

拟解决的科学问题

本研究旨在解决以下科学问题：1. 如何利用地理空间机器学习技术，识别中国主要稻米产区稻米产量的空间决定因素？2. 稻米产量与土地利用、气候因素等何种空间因素相关？3. 如何提高对稻米产量空间分布的预测精度？

创新点

本研究的创新之处在于：

1. 运用地理空间机器学习技术深入研究稻米产量的空间决定因素。

2. 结合稻米产量数据和地理空间数据建立精确的空间预测模型。

3. 分析了土地利用、气候因素等空间因素对稻米产量的影响，为稻米生产提供了空间决策支持。

研究方法

本研究采用了基于地理最优区域的异质性（GOZH）模型，用于识别中国主要水稻产区（包括湖北、湖南、安徽和江西省）水稻产量的空间决定因素。GOZH是一种有效的空间机器学习方法，基于空间分层异质性和基于机器学习的空间分层优化，用于识别决定因素的影响力。GOZH模型对水稻产量的空间决定因素探索包括以下步骤。

首先，采用空间全局和局部自相关模型来揭示水稻产量数据内部的空间聚类模式，揭示局部变化并确定潜在的热点和冷点。随后，利用创新的GOZH模型对单个空间变量进行检验，使能够量化单个因素对水稻产量的影响。此外，引入了一种新颖的方法，将多个空间变量和机器学习技术相结合，以识别地理最优区域，揭示因素之间微妙的相互作用和依赖关系。通过将GOZH模型应用于综合因素来评估决定因素的相对影响力和作用力，提供了对其对水稻产量的联合效应的全面理解。

最后，通过将结果与基于最优参数的地理探测器（OPGD）模型进行比较来验证的模型，确保空间因素分析具有稳健性和准确性。通过遵循这种系统方法，旨在推进对中国水稻产量空间决定因素的认识，并为政策制定者、研究人员和从业者提供可操作的见解，优化水稻生产实践，并加强这一重要农业景观的食品安全。

研究结果

本研究结果表明，中国水稻产量受到地理、气候、土壤和植被/环境等因素的复杂相互作用影响。在这些决定因素中，有几个变量特别具有影响力。特别是，日照时数、归一化植被指数（NDVI）、土壤 pH 值、土壤碳含量和温度等因素被认为是影响水稻产量的关键因素。较高的 NDVI 值表示有利于增加水稻产量的健康植被。平衡的土壤 pH 值和适当的土壤有机质含量对于养分的有效性和整体土壤健康至关重要。同时，生长季节内的适宜温度对于最大化产量至关重要。尽管评估的许多变量在农业界已经较为了解，但地理空间机器学习的应用提供了一种新的维度，使能够对这些变量进行组合分析，并在大范围空间尺度上进行评估。这种方法使能够发现以前未曾系统探索的模式和关系，为改善水稻产量管理提供了可行性证据。

我国水稻主产区水稻产量的空间分布与统计

我国主要产区水稻产量潜在因素的空间分布

水稻−主产区水稻产量的空间格局和特征

水稻产量空间集群的统计

水稻产量空间分布的个体决定因素

水稻产量空间分布的地理最优区域

比较由GOZH和OPGD模型得出的单个变量的决定因素的力量

OPGD模型得出的变量相互作用的影响力

讨论

该研究在深入了解中国水稻产量的空间决定因素方面取得了重要贡献，特别是在湖北、湖南、安徽和江西等主要水稻产区。通过采用创新的基于地理最优区域的异质性（GOZH）模型，全面探索了塑造水稻产量结果的多方面因素。研究回应了在一个地理和环境条件多样的国家中解开水稻生产复杂性的迫切需求。通过严格的分析和系统的方法，揭示了水稻产量在不同地理区域和季节之间显著的区域差异，观察到了独特的决定性模式。这些发现强调了将农业策略量身定制到特定的地理和气候背景的必要性，这对于提高中国的粮食安全和可持续水稻生产至关重要。

此外，所开发的空间机器学习方法已经成为一种强大的工具，能够解开影响水稻产量的复杂空间决定因素的错综复杂关系。通过检查单个空间变量，评估它们的集体影响，并将模型与已建立的方法进行验证，我们为推进水稻产量预测、改进农业管理实践以及优化中国多样化水稻种植区域内的资源分配提供了关键见解。由于水稻生产仍然是全球粮食安全的基石，我们的发现对中国和全球水稻栽培最佳实践的制定具有深远的影响。