文章信息
Information
文章标题：Impacts of climate change on spatial wheat yield and nutritional values using hybrid machine learning
标题译文：利用机器学习集成分析气候变化对空间小麦产量和营养价值的影响
发表期刊：Environmental Research Letters
在线时间：2024.09.09
通讯作者：Ahmed MS Kheir
作者单位：Institute for Strategies and Technology Assessment, Julius Kühn Institute (JKI)– Federal Research Centre for Cultivated Plants, 14532 Kleinmachnow, Germany
研究背景
Background
全球约20亿人受到微量营养素缺乏的影响，尤其是铁和锌，这不仅影响了作物的产量，还对人类健康构成了威胁。气候变化对作物产量和质量的影响日益显著，但对作物中蛋白质、铁和锌等营养成分的影响研究相对较少，这在制定应对全球粮食安全策略时构成了一个知识空白。本研究通过在不同土壤和气候条件下对三种小麦品种进行多年的田间实验，研究不同铁和锌处理对小麦产量和营养质量的影响。实验数据与国家产量统计数据相结合，用于训练和测试不同的机器学习算法。研究采用了混合机器学习方法，结合了传统的机器学习模型和自动化机器学习技术，以提高预测小麦产量和营养值（特别是谷物中的氮、铁和锌）的准确性。
研究的目标是：(I) 分析不同铁和锌处理对小麦生产和谷物质量的影响；(II) 利用多年的实际谷物产量和土壤特性、气候条件、地形等数据训练和测试混合机器学习技术；(III) 利用训练好的模型预测历史和未来气候变化情景下的小麦产量和营养值。通过这些方法，研究期望能为应对气候变化对粮食和营养安全影响提供科学依据。
主要结果
Results
通过田间控制实验，发现不同处理（EDTA和柠檬酸）与小麦产量和营养价值之间存在显著相关性。实验结果显示，随着生长季节平均温度的升高，谷物产量和氮、铁、锌含量降低，不同品种和处理之间存在变异性。
机器学习模型预测，气候变化将使小麦产量在中世纪（2020-2050年）相对于历史时期（1980-2010年）增加4.5%，蛋白质浓度增加0.8%，但铁浓度预计下降5.5%，锌浓度下降4.5%。
结构方程模型（SEM）分析显示，谷物氮和锌浓度是控制小麦产量的关键因素，随着谷物氮浓度的增加，小麦产量显著增加，而随着谷物锌浓度的增加，小麦产量显著减少。
文章图表
Figures & tables
图1. 流程图总结了探索气候变化对小麦谷物营养（即氮、铁和锌）影响的相应步骤。
图3. 主成分分析（PCA）揭示了不同处理（EDTA和柠檬酸）与小麦产量和营养价值之间的关系。
图4. 使用混合机器学习模型预测的小麦谷物产量（a）、小麦谷物氮含量（b）、小麦谷物铁含量（c）和小麦谷物锌含量（d）。
图5. 结构方程模型（SEM）描述了纬度、最高温度、最低温度、坡度、谷物产量、谷物氮浓度和谷物锌浓度之间的多重关系。
图7. 在不同GCM和SSP情景下，小麦谷物产量、蛋白产量、蛋白浓度、铁浓度和锌浓度在中世纪（2020-2050年）相对于历史时期的变化。
图11. 气候变化对谷物产量与蛋白浓度（a）、谷物产量与铁浓度（b）、谷物产量与锌浓度（c）的影响。
作物生理生态
文献阅读|分享
邮箱：maize2020@126.com
