第七届青年地学论坛

农田管理措施在增加土壤固碳和保障粮食安全起着重要的作用。基于过程的农业生产模型是评估农田生态系统-气候-管理交互作用的有效工具，但在大尺度、多情景管理优化中存在计算成本高、模型不确定性大和输入数据可用性差的限制。本研究以农业生产系统模拟器(APSIM)为例，提出了一种将APSIM与机器学习(ML)相结合的方法，对典型种植区（黄淮海平原冬小麦/夏玉米轮作系统）在各种可能的农业管理条件下的生产力和固碳潜力进行模拟，并对管理措施进行优化。研究表明，基于ML的模型能够准确、快速地再现不同尺度的APSIM预测，解释APSIM预测中90%以上的方差，捕捉驱动APSIM预测的主要过程。同时ML方法可以快速确定最佳氮素管理、秸秆还田和灌溉处理，以实现整个地区的产量稳定和土壤固碳。本研究为全球气候变化背景下优化农业生产与资源配置提供方法参考。

农田管理,作物模型,机器学习,固碳,作物产量