近日，我校银河yh99阮俊虎教授团队联合香港城市大学 David Jingjun Xu教授团队在管理学TOP期刊（ABS 3星，中科院一区，影响因子为12）《Technological Forecasting & Social Change》上发表题为“Early-season estimation of winter wheat yield: A hybrid machinelearning-enabled approach”的最新研究成果。银河yh99农业管理专硕乔迪为该论文第一作者，我校阮俊虎教授和香港城市大学王天腾博士为共同通讯作者。
准确的作物产量预测可以帮助利益相关者提前采取有效措施，减少粮食供给波动引起的潜在风险。然而，目前的产量预测大多是在作物临近收获时进行的（例如中国冬小麦的产量预测通常在收获前的1-3个月），这使得利益相关者可做出反应、决策和干预的时间相对较短。为了满足政府、企业、农户等对及时、精确的作物产量信息的要求，基于机器学习技术，该研究提出了一种加入中间气候预测过程的作物产量早季智能预测方法。
图 加入中间气候预测过程的作物产量早季智能预测框架
结果表明：（1）在保证预测精度的前提下，该研究提出的方法可将冬小麦的产量预测时间从收获前的1-3个月提前至收获前的8个月（播种月）；（2）该研究设计的中间气候预测过程在不同的机器学习模型组合和对照实验中都可实现稳定、持续的优化效果；（3）当在冬小麦收获前8个月进行产量预测时，该研究可以提升中国黄淮麦区233个种植县中183个县的产量预测结果，具有令人满意的空间稳健性。总的来说，该研究为作物产量早季预测提供了一种有效、稳健的方法，使利益相关者有更多时间采取适当行动，以应对作物产量的波动风险。
该研究受到国家社会科学基金重大项目（23&ZD123）“我国农产品供应链数字化转型的发展战略与实施路径研究”的资助。
原文链接：https://www.sciencedirect.com/science/article/pii/S0040162524000635
