热带作物学报

作者：马艺文, 禹萱, 李振宇, 李海亮

单位： 中国热带农业科学院科技信息研究所/海南省热带作物信息技术应用研究重点实验室， 海南海口 571101, 海南省唐华俊院士工作站， 海南海口 571101, 海南省土地学会， 海南海口 571132

关键词：热带作物,产量预测,机器学习,气象因子,海南

基金：海南省自然科学基金项目(322QN369),中央级公益性科研院所基本科研业务费专项(1630012025503),海南省土地学会开放课题(HNLSSP(2024)-06)

热带作物产量对气候条件高度敏感，精准建模气象驱动机制对于提升热带农业生产效率及气候适应能力具有重要意义。本研究以海南省天然橡胶、芒果、菠萝和香蕉为研究对象，系统比较包括LGBM、随机森林（RF）、极端梯度提升（XGBoost）、自适应增强（AdaBoost）、支持向量机（SVM）与多元线性回归（MLR）6种机器学习模型预测性能，并基于SHAP方法量化气象因子的贡献度与非线性响应特征。结果表明：（1）LGBM模型展现出最优的预测性能，测试集平均决定系数（R2）达0.945（橡胶、芒果、菠萝、香蕉的R2分别为0.942、0.902、0.954、0.983），平均均方根误差（RMSE）和平均绝对误差（MAE）分别为1.436、1.150 t/hm2，显著优于其他模型（RF、XGBoost、AdaBoost、SVM、MLR的R2分别为0.773、0.563、0.589、0.368、0.508）。（2）气象驱动机制呈显著作物差异性。橡胶产量主要受太阳辐射（贡献度为14.7%）和气温因子（月最低温和月最高温贡献度分别为14.4%、11.7%）驱动；芒果对月最高气温（贡献度为19.0%）和蒸汽压亏缺（贡献度为18.5%）高度敏感；菠萝与香蕉则分别受土壤湿度（贡献度为18.9%）和相对湿度（贡献度为23.6%）主导。基于此，提出了作物类型差异化的农艺管理建议。研究表明机器学习结合可解释性方法能有效解析热带作物气候响应机制，为区域农业精准管理提供理论支撑。

来源：2025年第9期

《热带作物学报》期刊编辑部

查看热带作物学报杂志2025年第9期