小麦在摩洛哥的粮食安全、经济稳定和农业社区生计方面发挥着至关重要的作用。评估关键植被指数（作为产量预测指标），同时了解区域和国家尺度上的潜在产量、产量差距以及造成这一差距的主要决定因素，对于改善粮食安全并提高在可变气候条件下的抵御能力至关重要。在干旱和最佳天气条件下分析产量缺口及其原因可以减少作物欠收的风险，提高生产力，特别是在可变雨养生产系统中。2024年5月14日，由国际干旱地区农业研究中心（ICARDA）的Krishna Prasad Devkota及其合作者发表在European Journal of Agronomy期刊上的题为Predicting wheat yield gap and its determinants combining remote sensing,machine learning,and survey approaches in rainfed Mediterranean regions of Morocco的文章以摩洛哥的雨育生产环境为例，结合遥感、机器学习和地面信息，预测小麦产量和产量差距及其潜在原因。结果表明，RVI、GCVI和NDVI植被指数在预测小麦产量方面表现出最高的R²和最低的RMSE。决定产量的关键因素包括土壤湿度、作物生长期的总降雨量、蒸散量、土壤质地和碳含量（图1）。

图1，摩洛哥拉巴特-萨勒-肯尼特拉地区小麦产量预测及产量缺口制图概念框架

试验结果：

1.随机森林模型的校正和验证以及模型的精度

表3显示了六个时间序列植被指数预测小麦产量的准确性，图2显示了观测和估计小麦产量的条件分位数图，展示了模型在2018-2019、2019-2020和2020-2021种植季节的拟合。基于平均误差（ME）、均方根误差（RMSE）、相对均方根误差（RRMSE）和决定系数（R²）的全季光学多光谱成像评价指标显示，2019-2020年各指标的R²均高于0.86,2020-2021年高于0.77,2018-2019年高于0.61。总体而言，RVI对产量的预测精度最高，其次为GCVI、NDVI和OSAVI。尽管各季节模型之间存在边际差异，但模型基于R²值的可预测性排序为：RVI>GCVI>NDVI>OSAVI>EVI2>MSR，相应的RMSE值排列顺序为RVI<GCVI<NDVI<EVI2<OSAVI<MSR。

图2，根据多光谱Sentinel-2图像处理的各种植被指数（模型）预测的2018-2019年(A)、2019-2020年(B)和2020-2021年(C)摩洛哥默奇生长季小麦产量（t ha^-1）的条件分位数图（蓝色直方图）与估算（灰色直方图）。理想模型用对角线蓝色实线表示，预测中位数用红色实线表示，预测百分位数用黄色表示。光谱植被指数包括：无蓝带增强植被指数EVI2、叶绿素植被指数GCVI、主植被比MSR、归一化差植被指数NDVI、优化土壤调整植被指数OSAVI、比例植被指数RVI

2.拉巴特-萨勒-凯尼特拉地区小麦潜在产量

根据所有地块预测的第10个最高产量估算的每个生长季节的小麦潜在产量表明，2018-2019季节的潜在产量最高，为5.99吨/公顷（t ha^-1），其次是2020-2021季节，为4.66吨/公顷（t ha^-1），2019-2020季节最低，为1.53吨/公顷（t ha^-1），如图3（左）所示。

图3，（左）摩洛哥Rabat-Sale-Kenitra地区2018-2019年（A、B）、2019-2020年（C、D）和2020-2021年（E、F）三个生长季节的小麦预测潜在产量（t ha^-1）和（右）预测间隔比（PIR）。在产量预测中，灰色像素表示未用于作物生产的区域，而白色像素表示每个季节连续云层覆盖造成的数据缺失。在不确定性中，红色表示不确定性高，蓝色表示不确定性低

3.摩洛哥拉巴特-萨勒-凯尼特拉地区小麦产量缺口预测图

拉巴特-萨勒-凯尼特拉地区产量缺口图（图4)表明，产量差距每年变化。产量差距最大的年份是2018-2019年（3.38 t ha^-1），最小的年份是2019-2020年（0.73 t ha^-1）。2018-2019年，拉巴特-萨勒-凯尼特拉地区中部的产量差距最大，而南部地区的产量差距较小。

图4，摩洛哥拉巴特-萨勒-凯尼特拉地区2018-2019(A)、2019-2020(B)和2020-2021(C)整个生长季小麦预测产量缺口（t ha^-1）。

4.小麦产量缺口的决定因素

图5按重要性顺序说明了决定产量变异性的变量（产量缺口的决定因素）。在2018-2019年，土壤特性，如土壤有机碳（SOC）、沙粒含量、实际蒸散发（ET）和粘土含量成为产量差距的关键预测指标。在2019-2020年，土壤和气候因子（包括温度、土壤湿度、最低和最高温度、降水、实际蒸散量、阳离子交换量和土壤质地（特别是粘土和砂含量））被确定为重要的预测因子。2020-2021年的主要决定因素包括土壤粉砂含量、最高温度、有机碳和含沙量。在所有三个季节中，产量的主要决定因素是土壤湿度、整个生长季节的累积降雨量、实际蒸散量和土壤粉砂含量。在评估2019-2020年季节土壤、气候和管理措施的综合影响时，土壤湿度和气候变量仍然是主要因素，管理措施和土壤属性也发挥了重要作用。

图5，受2018-2019年(A)、2019-2020年(B)、2020-2021年(C)以及2018-2021年综合土壤和气候条件影响的小麦不同季节产量缺口决定因素(D)，以及摩洛哥拉巴特-萨勒-凯尼特拉地区2019-2020年季节产量缺口决定因素，包括土壤特征、气候因素和作物管理实践(E)

5.降雨变率与小麦产量

研究区在三个生长季节的降雨量各不相同，如表5所示。第一年（2018-2019年）降水量占总降水量的82%，而第二年（2019-2020年）同期的降雨量仅为57%。在比较的三个季节中，第一个季节不仅早季和季中降雨比例最高而且2月气温最低，与小麦的抽穗和开花期相吻合。摩洛哥开展了一项为期40年（1981-2021）的综合研究，以评估干旱或降雨变率对摩洛哥小麦产量的影响（图6A）。在此期间，降雨量与小麦产量之间存在很强的相关性。在同一数据集中的进一步分析检查了三种季节性降雨类别（低（<300毫米），中（300-400毫米）和高（100-400毫米））的产量变化（图6B）。这一对比显示，不同降雨类型的产量增量不同，其中低降雨量和高降雨条件下的坡度高于中等降雨量（图6B）。

图6，摩洛哥长期（1981-2021年）粮食产量（t ha-1）和降雨量（mm）(A)，以及产量相对于季节性（11月-5月）降雨量（<300、300-400和>400 mm）的趋势(B)。降雨量数据来自https://www.historique-meteo.net/，而小麦产量数据来自农业、海洋渔业、农村发展和水与森林部（MAPMDREF），可在https://www.agriculture.gov.ma/找到

结论：

研究深入分析了该地区三个生长季节影响旱作小麦产量变异的植被指数和决定因素。在6个植被指数中，RVI的预测精度最高。土壤湿度被确定为影响产量变异的主要因素，进一步确定了实际蒸散量、有机碳和土壤粉砂含量是整个研究季节产量的主要决定因素。研究所使用的方法和获得的见解，包括可扩展的制图方法，对于旨在加强小麦生产战略，弥合产量差距，特别是提高抗旱能力的政策制定者具有相当重要的意义，有助于制定有效的战略，缩小产量差距，确保粮食安全和促进半干旱地区的可持续农业发展。

注：文献解读主要用于个人学习，也欢迎大家交流，解读有误之处或有侵权请指出，公众号及时修改或删除。

往期文章推荐

CHAT-GPT（无需翻墙，无需购买）全程0元购！！！

            

MATLAB | 十大经典算法以及代码实现

Python 数据可视化——基于 Matplotlib 模块