近日，我院种子科学与工程专业192班陈沛沛同学以共同第一作者在农林科学领域TOP期刊《Computers and Electronics in Agriculture》发表了题为“Improving yield prediction based on spatio-temporal deep learning approaches for winter wheat: A case study in Jiangsu Province, China ”的研究论文，该文以江苏省为研究区开展了基于时空深度学习算法的县域尺度冬小麦产量预测研究。
准确和及时地预测产量和确定其驱动因素对于调整农业干预措施，应对气候变化和确保粮食安全至关重要。中国是世界上最大的小麦生产国，小麦产量占全国粮食总产量的30%，其中冬小麦约占95%。中国冬小麦的安全生产关乎国家粮食安全和世界粮食贸易。江苏省位于长江中下游平原，是我国冬小麦主产省之一，具有雨热同期的适宜气候和平坦开阔的地理条件，为冬小麦生产提供了得天独厚的种植环境。
气象参数、土壤属性、地形特征和遥感数据等多源数据表明江苏省冬小麦物候现象在县级水平上存在明显的时空变化。本研究利用江苏省2005年到2020年的多源数据，构建稳健的长短期记忆模型（LSTM），并与随机森林（RF）、套索回归（LASSO）等传统机器学习算法进行了比较和分析。结果表明，LSTM模型可以解释71%的产量变化，具有处理时间累积效应和高维数据的优异性能，无论在正常年份还是极端气候条件下其结果均优于RF和LASSO模型。
在影响江苏省冬小麦产量的主要环境因素中，气候因素最为重要，其中降水对产量的影响比温度更为显著，而土壤属性的影响较小，地形特征的影响最小。此外，气象因子和植被指数等动态变量为产量预测提供了作物生长的实时信息，进而实现了可靠的冬小麦产中产量预测，能够为产中管理提供信息支撑。
本研究得到了国家重点研发计划课题（2022YFD1900703）、江苏省青蓝工程等项目以及现代作物生产省部共建协同创新中心等平台的资助。本科生陈沛沛，博士生李玥为本论文的共同第一作者，智慧农作创新团队曹强副教授为论文的通讯作者。据悉，本文是继2022年农学193班李昕宇同学在该期刊发表论文后（此论文被评为第十五届全国大学生创新创业年会“优秀学术论文”，为我校首次获得该项奖励），智慧农作创新团队指导的又一篇以本科生为第一作者的高水平论文，且本文完全基于陈沛沛同学的本科毕业论文工作撰写而成，是我院新农科拔尖创新型本科人才培养的又一重要成果。
