广东
近日，南京农业大学农学院宋浩熙同学以共同第一作者在中科院农林科学领域一区TOP期刊《European Journal of Agronomy》发表了题为“Enhancing winter wheat growth indicator prediction with multi-task learning and multi-source data”的研究论文，该文提出了融合多源信息估测冬小麦生长指标的多任务学习算法框架。
在全球人口持续增长与极端气候频发的双重挑战下，保障粮食安全并缓解气候变化影响的紧迫性愈发显著。作为全球粮食供给的战略性主粮作物，小麦全生育期的生长指标动态反映着作物健康状况与营养积累特征，因此提升其生长指标估测的精度与模型扩展能力已成为破解粮食安全困局的关键突破口。本研究基于河南省新乡市七里营试验基地连续三年田间定位观测数据，创新性地构建了融合光谱特征、水分参数及气象要素的多源信息集成框架，通过系统比较随机森林（RF）、长短期记忆模型（LSTM）与多任务学习模型（MTL）的预测效能，建立了冬小麦生长指标动态监测模型体系。研究发现，MTL模型在多个关键指标上呈现显著优势：其预测精度及运行效率较传统模型明显提升，并通过有效捕各生长指标的关联性，实现了多任务协同优化。特征重要性分析揭示，植被指数（VI）对生长指标的贡献度最大，水分参数以及具有累积效应的气象因子也对特定生长指标产生显著影响。本研究提出的多任务深度学习框架不仅增强了模型可解释性，更通过量化环境因子作用机制为精确管理调控提供了技术支撑。
本研究获国家级大学生创新创业训练计划项目（202310307003Z）资助，项目主持人宋浩熙为论文共同第一作者，项目组成员李雪烨为参与作者，智慧农作创新团队曹强教授为通讯作者。据悉，本研究是智慧农作创新团队持续推进本科生科研创新能力培养的又一重要实践成果。在团队前期指导的农学193班李昕宇（2022年以第一作者在中科院农林科学一区TOP期刊《Computers and Electronics in Agriculture》发表论文，并获评第十五届全国大学生创新创业年会“优秀学术论文”，实现南京农业大学该项奖励零的突破），种子191班陈沛沛（2023年同刊发文并获评2024年江苏省普通高等学校优秀本专科毕业论文（设计）一等奖，为南京农业大学农学院近15年来首篇）基础上，宋浩熙同学依托其主持的国家级SRT项目研究结果撰写而成的本论文，不仅是我院“新农科”拔尖创新型本科人才培养计划的阶段性重要成果，更实证了国家级创新创业训练计划在激发本科生科研潜能方面的平台效能。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
