黄淮海平原夏玉米基于作物模型与机器学习的早期产量预测

研究将作物模型与同化算法、极端天气指标和机器学习结合，构建黄淮海平原夏玉米区域尺度产量预测混合模型，随机森林在各预测阶段和验证策略下表现最优。该模型可在成熟前约82天实现可靠预测，精度超过90%、RMSE低于0.75 t ha⁻¹，空间泛化略优于时间泛化。农机动力和作物模型衍生的潜在指标（如PLAI、PADW）是主要正向贡献因子，热害与干旱胁迫强度为主要负向因子，在产量不稳定区尤为明显。