Published April 23, 2024
| Version v1
Publication
Open
Securing China's Rice Harvest: Unveiling Dominant Factors in Production Using Multi- Source Data and Hybrid Machine Learning Models
- 1. East China Normal University
- 2. National Authority for Remote Sensing and Space Sciences
- 3. University of Ouargla
- 4. University of Pecs
- 5. Mansoura University
Description
Abstract Ensuring the security of China's rice harvest is imperative for sustainable food production. This study addresses this critical need by employing a comprehensive approach that integrates multi-source data, including climate, remote sensing, soil properties and statistical information. The research evaluates various single and hybrid machine learning models to predict rice production across China, particularly focusing on the main rice cultivation areas. The investigation identifies the hybrid models have performed better than single models, the best scenario was recorded in scenarios 8 (soil variables + SA) and 11 (All variables) based RF-XGB by decreasing the RMSE by 38% and 31% respectively in comparison with the single model (RF). Moreover, the soil properties contribute as the predominant factors influencing rice production, exerting an 87% and 53% impact in east and southeast China, respectively. Additionally, the study explores the implications of temperature and precipitation changes on rice production. Notably, it observes a yearly increase of 0.16°C and 0.19°C in maximum and minimum temperatures, coupled with a 20 mm/year decrease in precipitation. These climatic shifts contribute to a 2.2% annual reduction in rice production on average in southeast China. This research provides valuable insights into the dynamic interplay of environmental factors affecting China's rice yield, informing strategic measures to enhance food security in the face of evolving climatic conditions.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
إن ضمان أمن محصول الأرز في الصين أمر حتمي للإنتاج الغذائي المستدام. تتناول هذه الدراسة هذه الحاجة الماسة من خلال استخدام نهج شامل يدمج البيانات متعددة المصادر، بما في ذلك المناخ والاستشعار عن بعد وخصائص التربة والمعلومات الإحصائية. يقيم البحث العديد من نماذج التعلم الآلي الفردية والهجينة للتنبؤ بإنتاج الأرز في جميع أنحاء الصين، مع التركيز بشكل خاص على مناطق زراعة الأرز الرئيسية. يحدد التحقيق النماذج الهجينة التي حققت أداءً أفضل من النماذج الفردية، وتم تسجيل أفضل سيناريو في السيناريوهات 8 (متغيرات التربة + SA) و 11 (جميع المتغيرات) القائمة على RF - XGB عن طريق تقليل RMSE بنسبة 38 ٪ و 31 ٪ على التوالي مقارنة بالنموذج الفردي (RF). علاوة على ذلك، تساهم خصائص التربة كعوامل سائدة تؤثر على إنتاج الأرز، حيث تمارس تأثيرًا بنسبة 87 ٪ و 53 ٪ في شرق وجنوب شرق الصين، على التوالي. بالإضافة إلى ذلك، تستكشف الدراسة الآثار المترتبة على تغيرات درجة الحرارة وهطول الأمطار على إنتاج الأرز. والجدير بالذكر أنه يلاحظ زيادة سنوية قدرها 0.16 درجة مئوية و 0.19 درجة مئوية في درجات الحرارة القصوى والدنيا، إلى جانب انخفاض 20 مم/سنة في هطول الأمطار. تساهم هذه التحولات المناخية في انخفاض سنوي بنسبة 2.2 ٪ في إنتاج الأرز في المتوسط في جنوب شرق الصين. يقدم هذا البحث رؤى قيمة حول التفاعل الديناميكي للعوامل البيئية التي تؤثر على محصول الأرز في الصين، مما يوجه التدابير الاستراتيجية لتعزيز الأمن الغذائي في مواجهة الظروف المناخية المتغيرة.Translated Description (French)
Résumé Assurer la sécurité de la récolte de riz en Chine est impératif pour une production alimentaire durable. Cette étude répond à ce besoin critique en utilisant une approche globale qui intègre des données multi-sources, y compris le climat, la télédétection, les propriétés des sols et les informations statistiques. La recherche évalue divers modèles d'apprentissage automatique simples et hybrides pour prédire la production de riz en Chine, en se concentrant en particulier sur les principales zones de culture du riz. L'enquête identifie que les modèles hybrides ont mieux fonctionné que les modèles uniques, le meilleur scénario a été enregistré dans les scénarios 8 (variables du sol + SA) et 11 (toutes les variables) basés sur RF-XGB en diminuant le RMSE de 38% et 31% respectivement par rapport au modèle unique (RF). De plus, les propriétés du sol contribuent en tant que facteurs prédominants influençant la production de riz, exerçant un impact de 87 % et 53 % respectivement dans l'est et le sud-est de la Chine. En outre, l'étude explore les implications des changements de température et de précipitations sur la production de riz. Notamment, il observe une augmentation annuelle de 0,16°C et 0,19°C des températures maximales et minimales, couplée à une diminution de 20 mm/an des précipitations. Ces changements climatiques contribuent à une réduction annuelle de 2,2 % de la production de riz en moyenne dans le sud-est de la Chine. Cette recherche fournit des informations précieuses sur l'interaction dynamique des facteurs environnementaux affectant la production de riz en Chine, éclairant les mesures stratégiques visant à améliorer la sécurité alimentaire face à l'évolution des conditions climatiques.Translated Description (Spanish)
Resumen Garantizar la seguridad de la cosecha de arroz de China es imperativo para la producción sostenible de alimentos. Este estudio aborda esta necesidad crítica mediante el empleo de un enfoque integral que integra datos de múltiples fuentes, incluidos el clima, la teledetección, las propiedades del suelo y la información estadística. La investigación evalúa varios modelos de aprendizaje automático únicos e híbridos para predecir la producción de arroz en toda China, centrándose particularmente en las principales áreas de cultivo de arroz. La investigación identifica que los modelos híbridos se han desempeñado mejor que los modelos individuales, el mejor escenario se registró en los escenarios 8 (variables del suelo + SA) y 11 (Todas las variables) basados en RF-XGB al disminuir el RMSE en un 38% y 31% respectivamente en comparación con el modelo único (RF). Además, las propiedades del suelo contribuyen como los factores predominantes que influyen en la producción de arroz, ejerciendo un impacto del 87% y 53% en el este y sureste de China, respectivamente. Además, el estudio explora las implicaciones de los cambios de temperatura y precipitación en la producción de arroz. En particular, observa un aumento anual de 0.16°C y 0.19°C en las temperaturas máximas y mínimas, junto con una disminución de 20 mm/año en la precipitación. Estos cambios climáticos contribuyen a una reducción media anual del 2,2% en la producción de arroz en el sureste de China. Esta investigación proporciona información valiosa sobre la interacción dinámica de los factores ambientales que afectan el rendimiento del arroz de China, informando las medidas estratégicas para mejorar la seguridad alimentaria frente a la evolución de las condiciones climáticas.Files
latest.pdf.pdf
Files
(1.2 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:e06200e1ab68dc81f5a9bbd9df4b3716
|
1.2 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تأمين حصاد الأرز في الصين: الكشف عن العوامل المهيمنة في الإنتاج باستخدام البيانات متعددة المصادر ونماذج التعلم الآلي الهجينة
- Translated title (French)
- Sécuriser la récolte du riz en Chine : dévoiler les facteurs dominants de la production à l'aide de données multi-sources et de modèles d'apprentissage automatique hybrides
- Translated title (Spanish)
- Asegurando la cosecha de arroz de China: Desvelando los factores dominantes en la producción utilizando datos de múltiples fuentes y modelos híbridos de aprendizaje automático
Identifiers
- Other
- https://openalex.org/W4395041903
- DOI
- 10.21203/rs.3.rs-4238478/v1
References
- https://openalex.org/W1597083031
- https://openalex.org/W1969587920
- https://openalex.org/W1980477824
- https://openalex.org/W1993512371
- https://openalex.org/W1995784367
- https://openalex.org/W2008541269
- https://openalex.org/W2020263484
- https://openalex.org/W2041800333
- https://openalex.org/W2042653346
- https://openalex.org/W2065324030
- https://openalex.org/W2068914580
- https://openalex.org/W2069475298
- https://openalex.org/W2072802011
- https://openalex.org/W2079095244
- https://openalex.org/W2081038736
- https://openalex.org/W2085111004
- https://openalex.org/W2088761050
- https://openalex.org/W2098000995
- https://openalex.org/W2120174322
- https://openalex.org/W2139582652
- https://openalex.org/W2140263722
- https://openalex.org/W2159642665
- https://openalex.org/W2187283523
- https://openalex.org/W2198448282
- https://openalex.org/W2297751405
- https://openalex.org/W2359393273
- https://openalex.org/W2377138081
- https://openalex.org/W2467866054
- https://openalex.org/W2469353630
- https://openalex.org/W2545358042
- https://openalex.org/W2552446584
- https://openalex.org/W2575944183
- https://openalex.org/W2612890152
- https://openalex.org/W2617701104
- https://openalex.org/W2781193671
- https://openalex.org/W2805674294
- https://openalex.org/W2820732265
- https://openalex.org/W2894129447
- https://openalex.org/W2911964244
- https://openalex.org/W2912778959
- https://openalex.org/W2915492028
- https://openalex.org/W2920641855
- https://openalex.org/W2937245784
- https://openalex.org/W2952570801
- https://openalex.org/W2964121744
- https://openalex.org/W2964335505
- https://openalex.org/W2990480734
- https://openalex.org/W2995431884
- https://openalex.org/W2999658315
- https://openalex.org/W3005619874
- https://openalex.org/W3010047009
- https://openalex.org/W3010986668
- https://openalex.org/W3081241543
- https://openalex.org/W3111174758
- https://openalex.org/W3111700100
- https://openalex.org/W3122289616
- https://openalex.org/W3129759116
- https://openalex.org/W3135743954
- https://openalex.org/W3156959225
- https://openalex.org/W3158208127
- https://openalex.org/W3203605945
- https://openalex.org/W3206941713
- https://openalex.org/W3208557413
- https://openalex.org/W3211647702
- https://openalex.org/W3213952260
- https://openalex.org/W3214254203
- https://openalex.org/W4212871224
- https://openalex.org/W4212986213
- https://openalex.org/W4223556311
- https://openalex.org/W4224300789
- https://openalex.org/W4229443943
- https://openalex.org/W4236436492
- https://openalex.org/W4322773133
- https://openalex.org/W4376879762
- https://openalex.org/W4386385038