基于机器学习和未来气候变化模式的埃塞俄比亚粮食产量预测

对于以农业产业为支柱的埃塞俄比亚,粮食供应和安全对国家安全和人民的生计尤为重要。由于作物生长和气候因素之间的复杂耦合关系,预测气候变化对农作物产量影响具有较大难度,机器学习技术为这种复杂系统变化的预测提供了一种有效途径。本研究利用37个全球气候模式(GCM)的数据以及土壤数据,基于机器学习模型,预测了埃塞俄比亚2021年至2050年5种主要粮食作物在SSP1-2.6、SSP2-4.5和SSP5-8.5情景下的产量变化。经GCM和变量的筛选后,利用梅赫季和贝尔格季中5种主要粮食作物的10个产量数据对直方图梯度提升决策树、极端梯度提升随机森林、轻梯度提升决策树、随机森林、极限树以及K近邻6种机器学习模型进行训练。经过模型评估,选择表现良好的3个模型,采用线性回归算法进行堆叠,然后使用堆叠模型进行预测。研究结果表明,未来30年埃塞俄比亚梅赫季5种主要粮食作物产量变化以增产<2 t·hm^(-2)为主;SSP126情景下的贝尔格季将出现更明显的减产现象,这可能是由于温室效应的减缓降低了CO_(2)的施肥效应。随着人类活动造成的生态环境恶化,研究区农业生产对粮食结构改变和重新分配生产力的需求不断增长,导致农作物生产力向新的适宜地区转移。研究区在SSP126和SSP585情景下将分别因为干旱缓解和温室效应加剧而获得更高的粮食作物生产力。

针阔树种人工林地表凋落物对土壤呼吸的贡献

了解地表凋落物呼吸对陆地生态系统碳循环研究具有重要意义。为了研究针阔树种地表凋落物对土壤呼吸的贡献,本文在京津风沙源地区选择林龄为10年的油松、杨树人工林,设置去除凋落物（no litter,NL）、覆盖凋落物（cover litter,CL）和自然状态（control,C）3种处理,利用Li-6400-09土壤呼吸测定系统对土壤呼吸速率以及地表5 cm土壤温度、土壤湿度进行观测。结果表明：1）凋落物的去除与覆盖显著改变土壤呼吸速率（P〈0.05）,油松、杨树人工林3种处理土壤呼吸速率年均值（μmol？m？2？s？1）分别为2.28、2.81、2.55和2.13、2.62、2.32,均为CL〉C〉NL（P〈0.05）;2）土壤呼吸对环境因子的响应产生地表凋落物贡献的季节性差异,土壤呼吸速率与地表5 cm土壤温度呈显著指数正相关关系（R2=0.54-0.88,P〈0.05）,但与地表5 cm土壤湿度不存在相关关系,油松和杨树CL、NL、C 3种处理土壤呼吸的温度敏感性指数Q10值分别为1.97、1.90、2.25和2.79、2.61、2.93,大小趋势均为NL。