[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"item-854":3,"related-854":82},{"id":4,"title":5,"url":6,"summary":7,"summary_zh":8,"content":9,"source_name":10,"source_url":8,"published_at":11,"category":12,"cover_url":8,"hotness":13,"is_selected":14,"score":15,"score_detail":16,"sources":23,"tags":25,"primary_topic":33,"secondary_topics":39,"classification":40,"search_phrases":76,"slug":79,"view_count":80,"doi":8,"paper":8,"created_at":81},854,"四川崇州举办蜀州乡见·新农创享交流荟智慧农业专场:天府粮仓空天地一体化数字管控体系、AI水稻辅助决策系统集中亮相","https:\u002F\u002Fdy.163.com\u002Farticle\u002FL4SSP2GI05506BD2.html","8月21日崇州市委人才办主办的蜀州乡见·新农创享交流荟(智慧农业专场)在天府粮仓智能育秧中心举行,50余名新农人代表参加。天府粮仓国家现代农业产业园推介空天地一体化数字管控体系、AI水稻辅助决策系统、智慧育秧、精准农事管理等技术应用。返乡农业职业经理人王伶俐在8000亩地中植入现代化管理理念;90后舒星宇成立崇州市万茂欣欣农机专业合作社,4万亩实现耕田、育秧、插秧、植保、收割和烘干全流程机械化。中化现代农业代表分享从会种地向慧种地转变的数字化落地路径。",null,"为纵深推进省级“新农人”试点建设，搭建“新农人”成果展示、经验互鉴、资源互通的交流赋能平台，8月21日，由崇州市委人才办主办的蜀州乡见·新农创享交流荟（智慧农业专场）在天府粮仓智能育秧中心举行。本次活动现场共计50余名“新农人”代表、入乡返乡青年学生、行业代表参加。\n\n活动伊始，农业职业经理人王梦玲带领参会人员调研崇州长江上游优质粮油中试熟化基地，沿着田埂深入试验示范区，观摩多品类品种“同田竞技”试验场景，认真听取基地在种业创新、校企地协同、科技助农等方面的实践经验，近距离感受天府粮仓建设成效。\n\n崇州市委人才办有关负责同志现场介绍了崇州作为省级“新农人”试点建设情况以及乡村人才引育留用全链条支撑体系，鼓励更多青年人才扎根乡土，投身和美乡村与城乡融合高质量发展建设。\n\n随后天府粮仓国家现代农业产业园有关负责人围绕天府粮仓智慧农业发展情况，推介了“空天地”一体化数字管控体系、AI水稻辅助决策系统、智慧育秧、精准农事管理等技术应用，介绍基地校企地协同创新模式、粮油新品种中试熟化成果以及科创平台建设情况，分享科技赋能粮食稳产增产的实践经验。\n\n在“大咖”面对面交流环节，返乡高级农业职业经理人王伶俐分享其在8000亩地中“植入”现代化管理理念，引进多类“黑科技”，在传统农业的基础上叠加更多新技术、新想法、新模式，通过科技手段实现“智慧种田”，让种田更轻松、产出更高效、发展更优质。\n\n90后小伙舒星宇讲述返乡创业历程，带领团队成立崇州市万茂欣欣农机专业合作社，组建起一支平均年龄不到30岁的青年新农人队伍，种植面积达4万亩，实现了耕田、育秧、插秧、植保、收割和烘干的全流程机械化操作，以现代农机科技赋能粮食生产，带动周边农户降本增收，用青春力量守护天府粮仓。\n\n中化现代农业华南大区副总经理、四川有限公司党支部书记王文彬，讲述了中化与崇州携手共建的合作故事。他围绕粮食产业提质增效、社会化服务体系搭建、数字农业落地应用等内容展开分享，持续推动传统经验型耕作向数据驱动的精准管理升级，加速“会种地”向“慧种地”的深度转变。\n\n互动交流现场，行业代表、高校青年踊跃提问，围绕农业生产降本增效路径、AI数据赋能传统农业、本土实用农技技术转化等话题，三位代表一一解答并展开热烈探讨。\n\n结合自身实践，谈一谈智慧农业如何降低落地门槛，以及普通农业从业者可以从哪些方面优先尝试智慧化改造。\n\n其实智慧农业设备并没有大家想象的成本高、操作复杂。现在有很多像“中化现代”这类企业提供像“MAP智农”的一体化服务，希望普通从业者学会借力借势，减少自主投入和技术压力，更好地去推进智慧农业的融入。","网易 崇州市委人才办 2026年8月21日","2026-08-21T00:00:00Z","报道",10,false,50,{"impact":17,"substance":18,"depth":13,"authority":19,"freshness":20,"relevant":21,"comment":22},12,14,6,8,1,"地方智慧农业活动报道，展示具体技术应用，但信息增量有限，信源权威性一般。",[24],{"name":10,"url":6},[26,27,28,29,30,31,32],"智慧农业","四川","天府粮仓","新农人","崇州","空天地一体化","AI水稻",{"code":34,"slug":35,"name":36,"path":37,"parent_code":38},"A1","rice","水稻","\u002Ftopic\u002Ffield-crops\u002Frice","A",[],{"status":41,"locked":14,"version":42,"method":43,"evidence":44},"classified","2026-10-22.2","rules",{"candidates":45,"agricultural_evidence":48},[46,52,57,64,71],{"code":47,"score":17,"supported":48,"title":49,"abstract":50,"tags":51},"I1",true,[26],[26],[26],{"code":34,"score":53,"supported":48,"title":54,"abstract":55,"tags":56},11,[36],[36],[],{"code":58,"score":19,"supported":48,"title":59,"abstract":60,"tags":63},"F5",[],[61,62],"农机","机械化",[],{"code":65,"score":66,"supported":48,"title":67,"abstract":68,"tags":70},"F4",3,[],[69],"植保",[],{"code":72,"score":21,"supported":14,"title":73,"abstract":74,"tags":75},"G1",[],[],[29],[77,78],"空天地一体化 天府粮仓 智慧农业 新农人","空天地一体化 天府粮仓","空天地一体化天府粮仓智慧农业新农人-854",4,"2026-08-23T00:08:10.346718Z",{"total":19,"page":21,"page_size":19,"items":83},[84,141,179,228,308,388],{"id":85,"title":86,"url":87,"summary":88,"summary_zh":8,"content":89,"source_name":90,"source_url":8,"published_at":91,"category":12,"cover_url":8,"hotness":13,"is_selected":14,"score":92,"score_detail":93,"sources":98,"tags":100,"primary_topic":103,"secondary_topics":104,"classification":111,"search_phrases":135,"slug":138,"view_count":139,"doi":8,"paper":8,"created_at":140},2352,"AI种稻 永丰村300亩稻田'算'出丰收——四川农业大学水稻专属AI大模型试点","https:\u002F\u002Fcountry.scol.com.cn\u002Fshtml\u002Fscncrb\u002F20260910\u002F1089253.html","9月7日四川眉山市东坡区永丰村300亩稻田首次试用水稻专属AI大模型管理。马均团队把几十年栽培专业知识、永丰村大田生产数据'喂养'模型，通过土壤墒情、水位、虫情等传感器回传数据，输出分田块、分时段农事建议。系统联合电子科技大学开展跨学科协作，从永丰到崇州、新都多点试验。","[![Image 1](https:\u002F\u002Fcountry.scol.com.cn\u002Fpaperdata\u002Fscncrb\u002F20260910\u002F427adbfcc1abcc628278a76234ca5b58.jpg)](https:\u002F\u002Fcountry.scol.com.cn\u002Fpaperdata\u002Fscncrb\u002F20260910\u002F427adbfcc1abcc628278a76234ca5b58.jpg) 杨志远在田间巡查（实景与AI种稻意象合成图）。\n\n●永丰村 300 亩试点田首次应用水稻专属AI大模型管理，从“凭经验看田”转向靠数据辅助决策\n\n ●AI测算分析出9月15日为最佳开镰日期，预计亩产量为880—895公斤\n\n ●崇州、新都等地同步探索，“算力守田”在“天府粮仓”多点开花□四川农村日报全媒体 记者 袁宇君 文\u002F图\n\n 9月7日，眉山市东坡区太和镇永丰村里，连片稻田翻着金浪。种粮大户邵国东站在田埂上，望着即将开镰的300亩稻田，满脸笑意。不少游客、研学团队正在田边“打卡”拍照，在他们眼中，这片稻田和别处的高产稻田没有区别。\n\n 没有遍地显眼的机器人，也没有密密麻麻的新设备，很少有人知道，这片看似普通的稻田，是村里首批应用水稻专属AI大模型管理的试点田。\n\n 看不见的北斗卫星在天上定位，传感器埋在田间，AI藏在小程序后台，从插秧、水肥调控到病虫害预警，这一季水稻的田间管理，从“凭经验看田”，转向了靠数据、靠算法辅助决策。丰收在望的稻浪底下，一场“算力守田”的种粮试验，在永丰村落地。\n把栽培知识装进AI大模型\n\n “我以为AI种稻时，田里会摆满新奇设备，到了地头才发现完全不是这么回事。”记者抛出疑问。\n\n 四川农业大学水稻栽培专家马均解释，这恰恰是这套技术的特别之处：北斗在天上、无人机按需出动、AI大模型在云端，肉眼看不见，但农户打开“东坡巡田”小程序就能连上整套系统。\n\n 这片 300 亩试点田，是四川省水稻新品种新技术中试研发平台今年的核心成果展示田，由马均团队主导搭建了水稻专属AI大模型。团队做的第一件事，是把几十年积累的水稻栽培专业知识、永丰村多年的大田生产数据，包括生育期规律、土壤基线、气象历史、水肥方案、农机作业记录、历年产量品质等，一一入库“喂养”模型。\n\n 土壤墒情传感器、水位监测、虫情诱捕设备，加上卫星遥感、无人机巡田、人工下地复核，多渠道持续回传苗情、水情、灾情数据。AI根据实时数据自动判读生育阶段和长势，匹配地块属性、品种特性、天气预报，输出分田块、分时段的补水、追肥、防控农事建议。\n\n “不是替代农民全自动种稻，更像24小时在岗的专业参谋。”邵国东直呼，这一季种得省心。\n\n 不少种业从业者也盯上了这片试点田。浙江勿忘农股份有限公司的张乐乐专程来到田间，300亩试点田里种了好几个他们选育的新品种。“很多好品种潜力强，但配套栽培技术跟不上，优势就发挥不出来，这次相当于给新品种配上了专属的精准栽培体系，是非常难得的试错场景。”张乐乐说。\n\n 值得一提的是，这 300亩试点田的收割最佳时间和预估产量，也是 AI 算出来的。“我们将无人机‘扫田’的数据输入后，AI分析出9月15日是最佳开镰日期，预计亩产量为880—895公斤。”四川农业大学副教授、四川东坡永丰水稻科技小院院长杨志远告诉记者。\n\n永丰村凭什么先“跑”起来\n\n 为什么 AI 种稻首片试点田落在永丰村？答案不仅仅在于算法，更在于这片田多年攒下的“硬底子”。\n\n 作为全省水稻新品种新技术中试研发平台的核心基地、“天府粮仓”建设标杆村，永丰村不是从零起步做AI，前期已经完成了高标准农田建设、全程机械化操作、数字化监测等铺垫工作。\n\n 在永丰村，连片规整的高标准农田宜机化全覆盖，耕种收全流程机械化早已跑通，当地水稻平均亩产稳定在780公斤；田间物联网监测点位数字化覆盖率达到92%，水质、水深、墒情、虫情、气象数据常年积累，再叠加马均团队20多年600多个品种、数十项栽培技术的中试台账，这些凑齐了训练农业AI 最稀缺、最宝贵的高质量田间数据集。\n\n 换而言之，永丰村人早就入局了智慧农业：先修良田、配农机、铺好感知网络、跑通数字化台账，再往上叠加AI决策层。村干部、种植户、农技员早就习惯用手机看田块数据、远程调度，“东坡巡田”小程序有现成的用户基础，农户接受门槛低，天然适合做AI种稻试点。\n\n 也正因此，马均团队选择先控制成本、小范围验证，目前仅完成300亩试点。杨志远透露，专用AI模型“高质量数据‘喂’得越多，模型迭代进化越快，用户用起来越精准”。\n\n “我们的模型现阶段仍处于学习迭代期，难免会给出不合理建议。”杨志远坦言，现阶段模型输出的农事方案必须经过农技人员人工把关校验，“但随着模型的快速迭代，失误率会急速降低，离媲美农艺专家的目标并不遥远。”\n\n迭代训练AI种稻将多点开花\n\n 为了融合作物栽培机理和算法能力，目前四川农业大学团队正联合电子科技大学专家开展跨学科协作，共同训练、打磨这款水稻垂直领域AI大模型：农学团队负责把关农业逻辑、田间试验设计、标签数据质量，电子科大团队负责算法架构、多源数据融合、模型轻量化、成本优化。\n\n “持续‘投喂’数据，模型就最懂这片稻田；以后导入川南、川东、川北等不同稻区的本地化数据，就能适配不同生态区的种稻场景。”杨志远介绍，当前核心目标是优先打磨模型可靠性、降低部署成本，再逐步扩大示范面积。\n\n 放眼全川，永丰村不是四川唯一探索点位，“算力守田”正在“天府粮仓”多点开花。\n\n 成都崇州市已连续举办两届“天府粮仓”人工智能水稻种植挑战赛，AI决策团队和资深种粮“老把式”同田竞技。去年5月，由中国农业科学院都市农业研究所研发的“人工智能水稻种植决策智能体”为4名农户提供AI辅助种植指导，与6名传统种植农户展开了对比试验。\n\n 成都市新都区军屯省级智慧无人示范农场600亩核心区，由省农科院朱从桦团队打造，围绕稻麦轮作、AI作物模型+精准灌溉、无人巡田、高温稳产管控方向建设，走出了一条智慧生产路径。\n\n 今年四川省委一号文件提出，顺应当前新一轮科技革命与产业变革加速发展态势，发展智慧农业，支持有条件的地方建设智慧农业引领区。从永丰村的300亩水稻试点，到崇州的人工智能水稻种植挑战赛，再到新都的无人农场——算力，正成为“天府粮仓”的“新农具”。","四川农村日报 | 2026-09-10","2026-09-10T00:00:00Z",76,{"impact":94,"substance":95,"depth":96,"authority":13,"freshness":19,"relevant":21,"comment":97},22,21,17,"四川农业大学水稻专属AI大模型在永丰村300亩试点落地，含最佳开镰期与亩产预估等实质数据，并串联崇州、新都多点探索，是智慧农业垂直模型应用的省级代表性案例。",[99],{"name":90,"url":87},[26,101,36,28,102],"农业人工智能","AI大模型",{"code":34,"slug":35,"name":36,"path":37,"parent_code":38},[105],{"code":106,"slug":107,"name":108,"path":109,"parent_code":110},"I2","agricultural-ai","农业AI与大模型","\u002Ftopic\u002Fdigital-agriculture\u002Fagricultural-ai","I",{"status":41,"locked":14,"version":42,"method":43,"evidence":112},{"candidates":113,"agricultural_evidence":48},[114,120,125,131],{"code":34,"score":115,"supported":48,"title":116,"abstract":118,"tags":119},23,[36,117],"稻田",[36,117],[36],{"code":106,"score":17,"supported":48,"title":121,"abstract":123,"tags":124},[122],"大模型",[122],[101],{"code":126,"score":66,"supported":48,"title":127,"abstract":128,"tags":130},"H2",[],[129],"土壤",[],{"code":47,"score":21,"supported":14,"title":132,"abstract":133,"tags":134},[],[],[26],[136,137],"农业人工智能 天府粮仓 智慧农业 AI大模型","农业人工智能 天府粮仓","农业人工智能天府粮仓智慧农业AI大模型-2352",2,"2026-09-14T00:06:26.216594Z",{"id":142,"title":143,"url":144,"summary":145,"summary_zh":8,"content":146,"source_name":147,"source_url":8,"published_at":148,"category":12,"cover_url":8,"hotness":13,"is_selected":14,"score":149,"score_detail":150,"sources":155,"tags":157,"primary_topic":158,"secondary_topics":159,"classification":161,"search_phrases":176,"slug":177,"view_count":21,"doi":8,"paper":8,"created_at":178},2260,"眉山市东坡区永丰村300亩稻田应用水稻专属AI大模型管理 AI测算9月15日开镰","https:\u002F\u002Fwww.agri.cn\u002Fzx\u002Fxxlb\u002Fsc\u002F202609\u002Ft20260911_8870726.htm","9月7日,眉山市东坡区太和镇永丰村300亩试点田首次应用水稻专属AI大模型管理,AI测算分析出9月15日为最佳开镰日期,预计亩产量为880-895公斤。由四川农业大学马均团队主导搭建水稻专属AI大模型,北斗在天上、无人机按需出动、AI大模型在云端。","**●永丰村300亩试点田首次应用水稻专属AI大模型管理，从“凭经验看田”转向靠数据辅助决策**\n\n**●AI测算分析出9月15日为最佳开镰日期，预计亩产量为880—895公斤**\n\n**●崇州、新都等地同步探索，“算力守田”在“天府粮仓”多点开花**\n\n9月7日，眉山市东坡区太和镇永丰村里，连片稻田翻着金浪。种粮大户邵国东站在田埂上，望着即将开镰的300亩稻田，满脸笑意。不少游客、研学团队正在田边“打卡”拍照，在他们眼中，这片稻田和别处的高产稻田没有区别。\n\n没有遍地显眼的机器人，也没有密密麻麻的新设备，很少有人知道，这片看似普通的稻田，是村里首批应用水稻专属AI大模型管理的试点田。\n\n看不见的北斗卫星在天上定位，传感器埋在田间，AI藏在小程序后台，从插秧、水肥调控到病虫害预警，这一季水稻的田间管理，从“凭经验看田”，转向了靠数据、靠算法辅助决策。丰收在望的稻浪底下，一场“算力守田”的种粮试验，在永丰村落地。\n\n把栽培知识装进AI大模型\n\n“我以为AI种稻时，田里会摆满新奇设备，到了地头才发现完全不是这么回事。”记者抛出疑问。\n\n四川农业大学水稻栽培专家马均解释，这恰恰是这套技术的特别之处：北斗在天上、无人机按需出动、AI大模型在云端，肉眼看不见，但农户打开“东坡巡田”小程序就能连上整套系统。\n\n这片300亩试点田，是四川省水稻新品种新技术中试研发平台今年的核心成果展示田，由马均团队主导搭建了水稻专属AI大模型。团队做的第一件事，是把几十年积累的水稻栽培专业知识、永丰村多年的大田生产数据，包括生育期规律、土壤基线、气象历史、水肥方案、农机作业记录、历年产量品质等，一一入库“喂养”模型。\n\n土壤墒情传感器、水位监测、虫情诱捕设备，加上卫星遥感、无人机巡田、人工下地复核，多渠道持续回传苗情、水情、灾情数据。AI根据实时数据自动判读生育阶段和长势，匹配地块属性、品种特性、天气预报，输出分田块、分时段的补水、追肥、防控农事建议。\n\n“不是替代农民全自动种稻，更像24小时在岗的专业参谋。”邵国东直呼，这一季种得省心。\n\n不少种业从业者也盯上了这片试点田。浙江勿忘农股份有限公司的张乐乐专程来到田间，300亩试点田里种了好几个他们选育的新品种。“很多好品种潜力强，但配套栽培技术跟不上，优势就发挥不出来，这次相当于给新品种配上了专属的精准栽培体系，是非常难得的试错场景。”张乐乐说。\n\n值得一提的是，这300亩试点田的收割最佳时间和预估产量，也是AI算出来的。“我们将无人机‘扫田’的数据输入后，AI分析出9月15日是最佳开镰日期，预计亩产量为880—895公斤。”四川农业大学副教授、四川东坡永丰水稻科技小院院长杨志远告诉记者。\n\n永丰村凭什么先“跑”起来\n\n为什么AI种稻首片试点田落在永丰村？答案不仅仅在于算法，更在于这片田多年攒下的“硬底子”。\n\n作为全省水稻新品种新技术中试研发平台的核心基地、“天府粮仓”建设标杆村，永丰村不是从零起步做AI，前期已经完成了高标准农田建设、全程机械化操作、数字化监测等铺垫工作。\n\n在永丰村，连片规整的高标准农田宜机化全覆盖，耕种收全流程机械化早已跑通，当地水稻平均亩产稳定在780公斤；田间物联网监测点位数字化覆盖率达到92%，水质、水深、墒情、虫情、气象数据常年积累，再叠加马均团队20多年600多个品种、数十项栽培技术的中试台账，这些凑齐了训练农业AI最稀缺、最宝贵的高质量田间数据集。\n\n换而言之，永丰村人早就入局了智慧农业：先修良田、配农机、铺好感知网络、跑通数字化台账，再往上叠加AI决策层。村干部、种植户、农技员早就习惯用手机看田块数据、远程调度，“东坡巡田”小程序有现成的用户基础，农户接受门槛低，天然适合做AI种稻试点。\n\n也正因此，马均团队选择先控制成本、小范围验证，目前仅完成300亩试点。杨志远透露，专用AI模型“高质量数据‘喂’得越多，模型迭代进化越快，用户用起来越精准”。\n\n“我们的模型现阶段仍处于学习迭代期，难免会给出不合理建议。”杨志远坦言，现阶段模型输出的农事方案必须经过农技人员人工把关校验，“但随着模型的快速迭代，失误率会急速降低，离媲美农艺专家的目标并不遥远。”\n\n迭代训练AI种稻将多点开花\n\n为了融合作物栽培机理和算法能力，目前四川农业大学团队正联合电子科技大学专家开展跨学科协作，共同训练、打磨这款水稻垂直领域AI大模型：农学团队负责把关农业逻辑、田间试验设计、标签数据质量，电子科大团队负责算法架构、多源数据融合、模型轻量化、成本优化。\n\n“持续‘投喂’数据，模型就最懂这片稻田；以后导入川南、川东、川北等不同稻区的本地化数据，就能适配不同生态区的种稻场景。”杨志远介绍，当前核心目标是优先打磨模型可靠性、降低部署成本，再逐步扩大示范面积。\n\n放眼全川，永丰村不是四川唯一探索点位，“算力守田”正在“天府粮仓”多点开花。\n\n成都崇州市已连续举办两届“天府粮仓”人工智能水稻种植挑战赛，AI决策团队和资深种粮“老把式”同田竞技。去年5月，由中国农业科学院都市农业研究所研发的“人工智能水稻种植决策智能体”为4名农户提供AI辅助种植指导，与6名传统种植农户展开了对比试验。\n\n成都市新都区军屯省级智慧无人示范农场600亩核心区，由省农科院朱从桦团队打造，围绕稻麦轮作、AI作物模型+精准灌溉、无人巡田、高温稳产管控方向建设，走出了一条智慧生产路径。\n\n今年四川省委一号文件提出，顺应当前新一轮科技革命与产业变革加速发展态势，发展智慧农业，支持有条件的地方建设智慧农业引领区。从永丰村的300亩水稻试点，到崇州的人工智能水稻种植挑战赛，再到新都的无人农场——算力，正成为“天府粮仓”的“新农具”。（四川农村日报全媒体记者袁宇君文\u002F图）","中国农业农村信息网","2026-09-10T16:00:00Z",72,{"impact":151,"substance":152,"depth":96,"authority":13,"freshness":153,"relevant":21,"comment":154},18,20,7,"水稻专属AI大模型首次落地试点，含最佳开镰期与亩产预测等实质数据，多方信源支撑，具行业示范价值。",[156],{"name":147,"url":144},[26,101,36,28,102],{"code":34,"slug":35,"name":36,"path":37,"parent_code":38},[160],{"code":106,"slug":107,"name":108,"path":109,"parent_code":110},{"status":41,"locked":14,"version":42,"method":43,"evidence":162},{"candidates":163,"agricultural_evidence":48},[164,168,172],{"code":34,"score":152,"supported":48,"title":165,"abstract":166,"tags":167},[36,117],[36],[36],{"code":106,"score":17,"supported":48,"title":169,"abstract":170,"tags":171},[122],[122],[101],{"code":47,"score":21,"supported":14,"title":173,"abstract":174,"tags":175},[],[],[26],[136,137],"农业人工智能天府粮仓智慧农业AI大模型-2260","2026-09-13T00:04:03.246936Z",{"id":180,"title":181,"url":182,"summary":183,"summary_zh":8,"content":184,"source_name":185,"source_url":8,"published_at":186,"category":12,"cover_url":8,"hotness":13,"is_selected":14,"score":92,"score_detail":187,"sources":192,"tags":194,"primary_topic":198,"secondary_topics":199,"classification":200,"search_phrases":223,"slug":226,"view_count":139,"doi":8,"paper":8,"created_at":227},1948,"四川省农科院\"天府稻芯一号\"水稻育种液相芯片助力精准育种","http:\u002F\u002Ftuopin.ce.cn\u002Fnews\u002F202609\u002Ft20260904_3193436.shtml","四川省农业科学院研发的\"天府稻芯一号\"水稻育种液相芯片集成5000个水稻种质资源多态性标记，可一次性检测产量、米质、稻瘟病抗性、耐高温等10余个关键性状的功能基因。\"天府稻芯一号\"能精准分辨单株水稻的性状，大幅提高育种效率与精准度；这款专为四川盆地气候与种植环境定制的\"四川芯\"，针对性加入本土特异性基因位点，有效破解了本土种质挖掘不充分等行业痛点。2026年四川夏粮总产量483.9万吨，较上年增加7.6万吨、增长1.6%，连续5年增产超1.5亿斤。","![Image 1](http:\u002F\u002Fm.ce.cn\u002Fimages\u002Fcecn-icon.jpg)\n\n[![Image 2](http:\u002F\u002Fwww.ce.cn\u002Fmaterial\u002Fimages\u002Fmdy2025_waplogo.jpg)](http:\u002F\u002Fm.ce.cn\u002F \"中国经济网\")\n\n[要闻](http:\u002F\u002Fm.ce.cn\u002Fyw\u002F)[产业](http:\u002F\u002Fm.ce.cn\u002Fcy\u002F)[金融](http:\u002F\u002Fm.ce.cn\u002Fcj\u002F)[证券](http:\u002F\u002Fm.ce.cn\u002Fgp\u002F)[评论](http:\u002F\u002Fm.ce.cn\u002Fxpl\u002F)[国际](http:\u002F\u002Fm.ce.cn\u002Fgj\u002F)\n\n[地方](http:\u002F\u002Fm.ce.cn\u002Fdistrict\u002F)[三农](http:\u002F\u002Fm.ce.cn\u002Fvillage\u002F)[生态](http:\u002F\u002Fm.ce.cn\u002Fecology\u002F)[食品](http:\u002F\u002Fm.ce.cn\u002Fxsp\u002F)[汽车](http:\u002F\u002Fm.ce.cn\u002Fqc\u002F)[生活](http:\u002F\u002Fm.ce.cn\u002Flv\u002F)\n\n[首页](http:\u002F\u002Ftuopin.ce.cn\u002F \"首页\")>[滚动资讯](http:\u002F\u002Ftuopin.ce.cn\u002Fnews\u002F \"滚动资讯\")\n## 天府粮仓稳产延链迎丰年\n\n2026-09-04 09:19 来源：中国经济网-《经济日报》□ 记者 丁振乾\n\n金秋九月，天府沃野鎏金。川东北地区稻田翻起层层金浪，收割机轰鸣穿梭于田畴之间，巴蜀大地的秋收大幕正全面拉开。\n\n近年来，四川锚定建设更高水平“天府粮仓”的时代使命，推动粮食生产稳总量、提质量、增效益。国家统计局四川调查总队最新数据显示，2026年四川夏粮总产量483.9万吨，较上年增加7.6万吨、增长1.6%，连续5年增产超1.5亿斤。\n\n**攥紧农业“芯片”**\n\n种业是保障粮食安全的核心支撑，良种是驱动农业稳产提质的关键“芯片”。近年来，四川深入实施种业振兴行动，统筹推进育种技术攻关、种质资源保护与产业化平台建设，为建设更高水平“天府粮仓”夯实种源根基。\n\n成都市温江区万春科创示范园内，科研工作人员分头观测上百亩水稻的生长情况，为后续种质创新与品种选育打下根基。“2012年以来，我们累计培育出134个杂交水稻品种，其中30个品种交由企业开发，年均推广面积200万亩左右。”成都市农林科学院作物研究所所长徐敬洪告诉记者，成都市农林科学院利用分子标记辅助选择与常规育种技术，成功创制米质达国标I级、兼具高异交率特性的“万春A”品种，为西南稻区三系杂交稻升级换代提供支撑。\n\n在种质育种过程中，成都市农林科学院执行严格的淘汰机制，每年有上千份试验材料历经株型、抗性、产量等多轮筛选，综合性状全面达标的株系方能进入试验推广环节。“十四五”以来，该院累计有62个自主育成的水稻新品种通过国家或四川省级审定，优质稻占比超75%。\n\n如果说田间育种是“大浪淘沙”，分子育种技术则为育种工作装上“精准导航”。四川省农业科学院研发的“天府稻芯一号”水稻育种液相芯片，集成5000个水稻种质资源多态性标记，可一次性检测产量、米质、稻瘟病抗性、耐高温等10余个关键性状的功能基因。“‘天府稻芯一号’能精准分辨单株水稻的性状，大幅提高育种的效率与精准度。”四川省农业科学院生物技术核技术研究所副所长王平介绍，这款专为四川盆地气候与种植环境定制的“四川芯”，针对性加入本土特异性基因位点，有效破解了本土种质挖掘不充分等行业痛点。\n\n种质资源保护是种业创新的根基，产业化平台则打通种业成果落地“最后一公里”。作为全国首批、西南唯一的国家级种业园区，邛崃天府现代种业园构建起种质保护、品种测试、繁育生产、市场推广的完整产业生态。园内的四川省种质资源中心库是全国首个省级综合性种质资源库，总库存容量达188.4万份（剂），保存有“巴塘四倍体甲着小麦”“川麦42”等重要种质资源。截至目前，邛崃天府现代种业园已累计培育114个新品种，其中“川种优3607”等品种入选国家超级稻，助力四川巩固全国三大育制种核心基地地位。\n\n**藏粮于地于技**\n\n种子安全是粮食安全的关键，耕地则是粮食安全的命脉与底线。四川坚持“藏粮于地、藏粮于技”战略，协同推进高标准农田建设与智慧农机落地，推动耕地数量、质量与效益同步提升。\n\n位于眉山市东坡区太和镇的永丰村，连片稻田错落有致，稻株挺拔浓绿、长势喜人，孕穗的稻禾顺着田埂与灌渠铺展成绵延青绿。近年来，该村通过土地整治、地力培肥与灌排设施升级，将零散破碎的“巴掌田”“补丁地”改造为田成方、渠如网、路相通的连片丰产田。此外，四川农业大学在永丰村设立了“永丰水稻科技小院”，专家团队把实验室直接搬进田间地头，打通科技成果落地田间的各环节。\n\n“以前种田靠经验，现在种田靠数据。有专家团队为土地把脉问诊，我们不愁作物长不好。”永丰村党委书记李雪平说。在农业专家的悉心指导与当地群众辛勤劳作下，2025年永丰村千亩水稻高产示范片实收亩产达820.8公斤，稻麦周年亩产顺利突破千公斤大关。\n\n针对丘陵山地田块细碎、农机难下田的痛点难点，四川以适地农机破局，挖掘丘陵种粮增量空间。乐山市井研县聚焦丘陵农耕需求，研发推广轻量化履带耕整机、小型收割机等山地智能农机，实现耕种管收全程机械化替代人力劳作。配套的智慧农业管控平台可精准开展水肥施用、病虫防控与农机调度，亩均种粮成本显著下降，一度撂荒的丘陵梯田重新铺满稻禾。\n\n“井研农机的优势在于产业基础厚实，核心零部件本地配套率达70%。”乐山市井研县经信局副局长周强东说，依托30余年的农机制造基础，井研县已集聚106家农机生产及配套企业，形成从零部件加工到整机组装的完整产业集群。\n\n**打造产业高地**\n\n更高水平的“天府粮仓”，不只是产能的坚守，更是产业的跃升。四川跳出“种粮卖原粮”的传统路径，以精深加工延伸产业链、以集群发展提升价值链，推动农业从生产端向消费端延伸。\n\n位于成都市新津区的中粮（成都）粮油工业有限公司，是西南地区规模领先的粮油加工与仓储物流基地。该企业整体仓容量42.6万吨，具备年加工141万吨原粮的能力，承担着区域粮油保供稳价的职能。该企业以订单农业联结四川省内种植基地，依托全自动化生产线，稻谷、菜籽经多道工序转化为品类丰富的粮油产品，形成覆盖高中低端的多元化产品矩阵。“未来，我们计划联合科研院所开展四川特色杂粮的健康食品研发，让四川省内优质原粮发挥更大作用。”中粮（成都）粮油工业有限公司面粉事业部品研部经理张璇说。\n\n永丰村在聚力建设新时代高标准农田的同时，持续探索延长农业产业链的有效路径。依托优质稻米资源，永丰村开发米花糖等衍生产品，同时发展农耕研学、田园观光等农文旅业态，推动单一粮食生产向多元价值转化。2025年该村集体经济收益突破200万元，较2021年增长超15倍。\n\n在筑牢粮食产能根基的基础上，四川同步推动特色农产品产业升级，拓宽农民增收渠道。总投资12亿元的眉山市东坡区水果加工配套综合产业园，通过智能化分拣将果品进行分级销售，品相优良的直供高端市场、品相欠佳用于精深加工，最大限度提升农产品附加值。\n\n据了解，该水果加工配套综合产业园建成投产后，可在产销旺季为周边群众提供1500余个就业岗位。特色产业的稳步发展不仅切实提高了农民收入，也增强了农民群众从事农业生产的信心，为稳住粮食生产基本盘、夯实乡村产业根基提供了有力支撑。（经济日报记者 丁振乾）\n\n(责任编辑：景远)\n\n查看余下全文\n\nX\n\n![Image 3](http:\u002F\u002Ftuopin.ce.cn\u002Fnews\u002F202609\u002Ft20260904_3193436.shtml)\n\n推荐阅读\n\n[![Image 4](http:\u002F\u002Fi.ce.cn\u002Fce\u002Fxwzx\u002Fgnsz\u002Fgdxw\u002F202609\u002FW020260908629607683692_ORIGIN.png)](http:\u002F\u002Fwww.ce.cn\u002Fxwzx\u002Fgnsz\u002Fgdxw\u002F202609\u002Ft20260908_3201086.shtml)\n[【图解】延续快速增长态势 前8个月我国外贸增长17.6%](http:\u002F\u002Fwww.ce.cn\u002Fxwzx\u002Fgnsz\u002Fgdxw\u002F202609\u002Ft20260908_3201086.shtml)\n\n 09-08 \n\n[![Image 5](http:\u002F\u002Fi.ce.cn\u002Fce\u002F360tj\u002Ftjyd\u002F202609\u002FW020260908341809562697_ORIGIN.jpg)](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260908_3200459.shtml)\n[负债人群注意！这些“解债捷径”全是骗局！｜明辨是“非”](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260908_3200459.shtml)\n\n 09-08 \n\n[![Image 6](http:\u002F\u002Fi.ce.cn\u002Fviews\u002Fview\u002Fent\u002F202609\u002FW020260908240710425533_ORIGIN.jpg)](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260908_3199173.shtml)\n[漫画丨别让二维码成黑灰产“暗门”](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260908_3199173.shtml)\n\n 09-08 \n\n[![Image 7](http:\u002F\u002Fi.ce.cn\u002Fviews\u002Fview\u002Fent\u002F202609\u002FW020260908232765610517.jpg)](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260908_3199128.shtml)\n[好评中国丨以创新提效能 加“宿”向未来](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260908_3199128.shtml)\n\n 09-08 \n\n[![Image 8](http:\u002F\u002Fi.ce.cn\u002Fviews\u002Fview\u002Fent\u002F202609\u002FW020260907610518759785.jpg)](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260907_3198890.shtml)\n[理响中国·讲好“中国式商量”故事丨江苏南京：打造惠企政策“最优一公里”](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260907_3198890.shtml)\n\n 09-07 \n\n[![Image 9](http:\u002F\u002Fi.ce.cn\u002Fyun\u002Fcen\u002Fgd\u002F202609\u002FW020260907558949163332_ORIGIN.jpg)](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260907_3198712.shtml)\n[中经声量｜徐扬生：AI时代最可怕的事 被短视频慢慢驯化 困在“信息茧房”里](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260907_3198712.shtml)\n\n 09-07 \n\n[![Image 10](http:\u002F\u002Fi.ce.cn\u002Fce\u002F360tj\u002Ftjyd\u002F202609\u002FW020260907528331110914_ORIGIN.jpg)](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260907_3198615.shtml)\n[“喝啤酒也能赚钱？”年化收益1900%，这盘局正在割韭菜｜明辨是“非”](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260907_3198615.shtml)\n\n 09-07 \n\n[![Image 11](http:\u002F\u002Fi.ce.cn\u002Fviews\u002Fview\u002Fent\u002F202609\u002FW020260907403596147264_ORIGIN.jpg)](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260907_3198355.shtml)\n[青春华章丨燃！这就是今天的中国青年](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260907_3198355.shtml)\n\n 09-07 \n\n中国经济网版权所有\n\n[中国经济网新媒体矩阵](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Fjjw\u002Fone\u002F202109\u002F22\u002Ft20210922_36934521.shtml)\n\n网络传播视听节目许可证(0107190) (京ICP备18036557号)\n\n[![Image 12](http:\u002F\u002Fwww.ce.cn\u002Fmaterial\u002Fimages\u002Flogo_ce2025white.jpg)](http:\u002F\u002Fwww.ce.cn\u002F)\n\n*   [时政](http:\u002F\u002Fwww.ce.cn\u002Fxwzx\u002F)\n*   [国际](http:\u002F\u002Fintl.ce.cn\u002F)\n*   [人事](http:\u002F\u002Fdistrict.ce.cn\u002Fzt\u002Frwk\u002Findex.shtml)\n*   [地方](http:\u002F\u002Fdistrict.ce.cn\u002F)\n|*   [产业](http:\u002F\u002Fwww.ce.cn\u002Fcysc\u002F)\n*   [能源](http:\u002F\u002Fwww.ce.cn\u002Fcysc\u002Fny\u002Findex.shtml)\n*   [交通](http:\u002F\u002Fwww.ce.cn\u002Fcysc\u002Fjtys\u002F)\n*   [房产](http:\u002F\u002Fwww.ce.cn\u002Fcysc\u002Ffdc\u002F)\n|*   [食品](http:\u002F\u002Fwww.ce.cn\u002Fcysc\u002Fsp\u002F)\n*   [健康](http:\u002F\u002Fhealth.ce.cn\u002F)\n*   [医药](http:\u002F\u002Fwww.ce.cn\u002Fcysc\u002Fyy\u002F)\n*   [会展](http:\u002F\u002Fexpo.ce.cn\u002F)\n|*   [推荐](http:\u002F\u002Fm.ce.cn\u002Fbwzg\u002F)\n\n*   [评论](http:\u002F\u002Fviews.ce.cn\u002F)\n*   [视频](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002F)\n*   [财经](http:\u002F\u002Ffinance.ce.cn\u002F)\n*   [基金](http:\u002F\u002Ffinance.ce.cn\u002Fjjpd\u002Findex.shtml)\n|*   [科技](http:\u002F\u002Fscitech.ce.cn\u002F)\n*   [三农](http:\u002F\u002Ftuopin.ce.cn\u002F)\n*   [质量](http:\u002F\u002Fwww.ce.cn\u002Fcysc\u002Fzljd\u002Findex.shtml)\n*   [生态](http:\u002F\u002Fwww.ce.cn\u002Fcysc\u002Fstwm\u002F)\n|*   [汽车](http:\u002F\u002Fauto.ce.cn\u002F)\n*   [文化](http:\u002F\u002Fwww.ce.cn\u002Fculture\u002F)\n*   [旅游](http:\u002F\u002Ftravel.ce.cn\u002F)\n*   [城市](http:\u002F\u002Fcity.ce.cn\u002F)\n|*   [English](http:\u002F\u002Fen.ce.cn\u002F)\n\n[首页](http:\u002F\u002Ftuopin.ce.cn\u002F \"首页\")>[滚动资讯](http:\u002F\u002Ftuopin.ce.cn\u002Fnews\u002F \"滚动资讯\")\n\n# 天府粮仓稳产延链迎丰年\n\n2026年09月04日 09:19 来源：中国经济网-《经济日报》□ 记者 丁振乾\n\n[字号 [大](javascript:void();)[中](javascript:void();)[小](javascript:void();)]\n\n金秋九月，天府沃野鎏金。川东北地区稻田翻起层层金浪，收割机轰鸣穿梭于田畴之间，巴蜀大地的秋收大幕正全面拉开。\n\n近年来，四川锚定建设更高水平“天府粮仓”的时代使命，推动粮食生产稳总量、提质量、增效益。国家统计局四川调查总队最新数据显示，2026年四川夏粮总产量483.9万吨，较上年增加7.6万吨、增长1.6%，连续5年增产超1.5亿斤。\n\n**攥紧农业“芯片”**\n\n种业是保障粮食安全的核心支撑，良种是驱动农业稳产提质的关键“芯片”。近年来，四川深入实施种业振兴行动，统筹推进育种技术攻关、种质资源保护与产业化平台建设，为建设更高水平“天府粮仓”夯实种源根基。\n\n成都市温江区万春科创示范园内，科研工作人员分头观测上百亩水稻的生长情况，为后续种质创新与品种选育打下根基。“2012年以来，我们累计培育出134个杂交水稻品种，其中30个品种交由企业开发，年均推广面积200万亩左右。”成都市农林科学院作物研究所所长徐敬洪告诉记者，成都市农林科学院利用分子标记辅助选择与常规育种技术，成功创制米质达国标I级、兼具高异交率特性的“万春A”品种，为西南稻区三系杂交稻升级换代提供支撑。\n\n在种质育种过程中，成都市农林科学院执行严格的淘汰机制，每年有上千份试验材料历经株型、抗性、产量等多轮筛选，综合性状全面达标的株系方能进入试验推广环节。“十四五”以来，该院累计有62个自主育成的水稻新品种通过国家或四川省级审定，优质稻占比超75%。\n\n如果说田间育种是“大浪淘沙”，分子育种技术则为育种工作装上“精准导航”。四川省农业科学院研发的“天府稻芯一号”水稻育种液相芯片，集成5000个水稻种质资源多态性标记，可一次性检测产量、米质、稻瘟病抗性、耐高温等10余个关键性状的功能基因。“‘天府稻芯一号’能精准分辨单株水稻的性状，大幅提高育种的效率与精准度。”四川省农业科学院生物技术核技术研究所副所长王平介绍，这款专为四川盆地气候与种植环境定制的“四川芯”，针对性加入本土特异性基因位点，有效破解了本土种质挖掘不充分等行业痛点。\n\n种质资源保护是种业创新的根基，产业化平台则打通种业成果落地“最后一公里”。作为全国首批、西南唯一的国家级种业园区，邛崃天府现代种业园构建起种质保护、品种测试、繁育生产、市场推广的完整产业生态。园内的四川省种质资源中心库是全国首个省级综合性种质资源库，总库存容量达188.4万份（剂），保存有“巴塘四倍体甲着小麦”“川麦42”等重要种质资源。截至目前，邛崃天府现代种业园已累计培育114个新品种，其中“川种优3607”等品种入选国家超级稻，助力四川巩固全国三大育制种核心基地地位。\n\n**藏粮于地于技**\n\n种子安全是粮食安全的关键，耕地则是粮食安全的命脉与底线。四川坚持“藏粮于地、藏粮于技”战略，协同推进高标准农田建设与智慧农机落地，推动耕地数量、质量与效益同步提升。\n\n位于眉山市东坡区太和镇的永丰村，连片稻田错落有致，稻株挺拔浓绿、长势喜人，孕穗的稻禾顺着田埂与灌渠铺展成绵延青绿。近年来，该村通过土地整治、地力培肥与灌排设施升级，将零散破碎的“巴掌田”“补丁地”改造为田成方、渠如网、路相通的连片丰产田。此外，四川农业大学在永丰村设立了“永丰水稻科技小院”，专家团队把实验室直接搬进田间地头，打通科技成果落地田间的各环节。\n\n“以前种田靠经验，现在种田靠数据。有专家团队为土地把脉问诊，我们不愁作物长不好。”永丰村党委书记李雪平说。在农业专家的悉心指导与当地群众辛勤劳作下，2025年永丰村千亩水稻高产示范片实收亩产达820.8公斤，稻麦周年亩产顺利突破千公斤大关。\n\n针对丘陵山地田块细碎、农机难下田的痛点难点，四川以适地农机破局，挖掘丘陵种粮增量空间。乐山市井研县聚焦丘陵农耕需求，研发推广轻量化履带耕整机、小型收割机等山地智能农机，实现耕种管收全程机械化替代人力劳作。配套的智慧农业管控平台可精准开展水肥施用、病虫防控与农机调度，亩均种粮成本显著下降，一度撂荒的丘陵梯田重新铺满稻禾。\n\n“井研农机的优势在于产业基础厚实，核心零部件本地配套率达70%。”乐山市井研县经信局副局长周强东说，依托30余年的农机制造基础，井研县已集聚106家农机生产及配套企业，形成从零部件加工到整机组装的完整产业集群。\n\n**打造产业高地**\n\n更高水平的“天府粮仓”，不只是产能的坚守，更是产业的跃升。四川跳出“种粮卖原粮”的传统路径，以精深加工延伸产业链、以集群发展提升价值链，推动农业从生产端向消费端延伸。\n\n位于成都市新津区的中粮（成都）粮油工业有限公司，是西南地区规模领先的粮油加工与仓储物流基地。该企业整体仓容量42.6万吨，具备年加工141万吨原粮的能力，承担着区域粮油保供稳价的职能。该企业以订单农业联结四川省内种植基地，依托全自动化生产线，稻谷、菜籽经多道工序转化为品类丰富的粮油产品，形成覆盖高中低端的多元化产品矩阵。“未来，我们计划联合科研院所开展四川特色杂粮的健康食品研发，让四川省内优质原粮发挥更大作用。”中粮（成都）粮油工业有限公司面粉事业部品研部经理张璇说。\n\n永丰村在聚力建设新时代高标准农田的同时，持续探索延长农业产业链的有效路径。依托优质稻米资源，永丰村开发米花糖等衍生产品，同时发展农耕研学、田园观光等农文旅业态，推动单一粮食生产向多元价值转化。2025年该村集体经济收益突破200万元，较2021年增长超15倍。\n\n在筑牢粮食产能根基的基础上，四川同步推动特色农产品产业升级，拓宽农民增收渠道。总投资12亿元的眉山市东坡区水果加工配套综合产业园，通过智能化分拣将果品进行分级销售，品相优良的直供高端市场、品相欠佳用于精深加工，最大限度提升农产品附加值。\n\n据了解，该水果加工配套综合产业园建成投产后，可在产销旺季为周边群众提供1500余个就业岗位。特色产业的稳步发展不仅切实提高了农民收入，也增强了农民群众从事农业生产的信心，为稳住粮食生产基本盘、夯实乡村产业根基提供了有力支撑。（经济日报记者 丁振乾）\n\n(责任编辑：景远)\n\n推荐阅读\n\n[![Image 13](http:\u002F\u002Fi.ce.cn\u002Fce\u002Fxwzx\u002Fgnsz\u002Fgdxw\u002F202609\u002FW020260908629607683692_ORIGIN.png)](http:\u002F\u002Fwww.ce.cn\u002Fxwzx\u002Fgnsz\u002Fgdxw\u002F202609\u002Ft20260908_3201086.shtml)\n[【图解】延续快速增长态势 前8个月我国外贸增长17.6%](http:\u002F\u002Fwww.ce.cn\u002Fxwzx\u002Fgnsz\u002Fgdxw\u002F202609\u002Ft20260908_3201086.shtml)\n\n[![Image 14](http:\u002F\u002Fi.ce.cn\u002Fce\u002F360tj\u002Ftjyd\u002F202609\u002FW020260908341809562697_ORIGIN.jpg)](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260908_3200459.shtml)\n[负债人群注意！这些“解债捷径”全是骗局！｜明辨是“非”](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260908_3200459.shtml)\n\n[![Image 15](http:\u002F\u002Fi.ce.cn\u002Fviews\u002Fview\u002Fent\u002F202609\u002FW020260908240710425533_ORIGIN.jpg)](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260908_3199173.shtml)\n[漫画丨别让二维码成黑灰产“暗门”](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260908_3199173.shtml)\n\n[![Image 16](http:\u002F\u002Fi.ce.cn\u002Fviews\u002Fview\u002Fent\u002F202609\u002FW020260908232765610517.jpg)](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260908_3199128.shtml)\n[好评中国丨以创新提效能 加“宿”向未来](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260908_3199128.shtml)\n\n[![Image 17](http:\u002F\u002Fi.ce.cn\u002Fviews\u002Fview\u002Fent\u002F202609\u002FW020260907610518759785.jpg)](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260907_3198890.shtml)\n[理响中国·讲好“中国式商量”故事丨江苏南京：打造惠企政策“最优一公里”](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260907_3198890.shtml)\n\n[![Image 18](http:\u002F\u002Fi.ce.cn\u002Fyun\u002Fcen\u002Fgd\u002F202609\u002FW020260907558949163332_ORIGIN.jpg)](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260907_3198712.shtml)\n[中经声量｜徐扬生：AI时代最可怕的事 被短视频慢慢驯化 困在“信息茧房”里](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260907_3198712.shtml)\n\n[![Image 19](http:\u002F\u002Fi.ce.cn\u002Fce\u002F360tj\u002Ftjyd\u002F202609\u002FW020260907528331110914_ORIGIN.jpg)](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260907_3198615.shtml)\n[“喝啤酒也能赚钱？”年化收益1900%，这盘局正在割韭菜｜明辨是“非”](http:\u002F\u002Fyun.ce.cn\u002Fcen\u002Fgd\u002F202609\u002Ft20260907_3198615.shtml)\n\n[![Image 20](http:\u002F\u002Fi.ce.cn\u002Fviews\u002Fview\u002Fent\u002F202609\u002FW020260907403596147264_ORIGIN.jpg)](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260907_3198355.shtml)\n[青春华章丨燃！这就是今天的中国青年](http:\u002F\u002Fviews.ce.cn\u002Fview\u002Fent\u002F202609\u002Ft20260907_3198355.shtml)\n\n中国经济网版权及免责声明\n\n*   1、凡本网注明 '来源：中国经济网' 或 '来源：经济日报-中国经济网' 的所有作品，版权均属于中国经济网（本网另有声明的除外）；未经本网授权，任何单位及个人不得转载、摘编或以其它方式使用上述作品；已经与本网签署相关授权使用协议的单位及个人，应注意该等作品中是否有相应的授权使用限制声明，不得违反该等限制声明，且在授权范围内使用时应注明 '来源：中国经济网' 或 '来源：经济日报-中国经济网'。违反前述声明者，本网将追究其相关法律责任。\n*   2、本网所有的图片作品中，即使注明'来源：中国经济网'及\u002F或标有'中国经济网(www.ce.cn)'水印，但并不代表本网对该等图片作品享有许可他人使用的权利；已经与本网签署相关授权使用协议的单位及个人，仅有权在授权范围内使用该等图片中明确注明'中国经济网记者XXX摄'或'经济日报社-中国经济网记者XXX摄'的图片作品，否则，一切不利后果自行承担。\n*   3、凡本网注明 '来源：XXX（非中国经济网）' 的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。\n*   4、如因作品内容、版权和其它问题需要同本网联系的，请在30日内进行。\n*   ※ 网站总机:010-81025111有关作品版权事宜请联系:010-81025135 邮箱:![Image 21](http:\u002F\u002Fwww.ce.cn\u002Fmaterial\u002Fimages\u002Fflsm_email.jpg)\n\n[关于经济日报社](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Fjjrb\u002Fgk\u002F201911\u002F26\u002Ft20191126_33703674.shtml) － [报社编委会](http:\u002F\u002Fwww.ce.cn\u002Fztpd\u002Fxwzt\u002Fbsbwh\u002F) － [关于中国经济网](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Fjjw\u002Fone\u002F202506\u002Ft20250617_2329772.shtml) － [网站大事记](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Fjjw\u002Fone\u002F201406\u002F27\u002Ft20140627_3056235.shtml) － [网站诚聘](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Fjjw\u002Fone\u002F202604\u002Ft20260408_2889140.shtml) － [版权声明](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Fjjw\u002Fcontent\u002F201911\u002F26\u002Ft20191126_33703317.shtml) － [互联网视听节目服务自律公约](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Fjjw\u002Fone\u002F202512\u002Ft20251231_2677050.shtml) － [广告服务](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Fjjw\u002Fcontent\u002F201701\u002F03\u002Ft20170103_19343167.shtml) － [友情链接](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Ffriend-link\u002F) － [纠错邮箱](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Fjjw\u002Fone\u002F201905\u002F21\u002Ft20190521_32140997.shtml)\n\n 经济日报报业集团法律顾问：[北京市鑫诺律师事务所](http:\u002F\u002Fwww.sino-law.cn\u002FCN\u002F01.aspx) 中国经济网法律顾问：北京刚平律师事务所\n\n 中国经济网 ![Image 22](http:\u002F\u002Fwww.ce.cn\u002F2021sy\u002Fyqlj\u002Fimages\u002FP020210820607173609972.jpg) 版权所有 [互联网新闻信息服务许可证(10120170008)](http:\u002F\u002Fwww.ce.cn\u002Fabout\u002Fjjw\u002Fone\u002F202310\u002F20\u002Ft20231020_38757422.shtml)[网络传播视听节目许可证(0107190)](http:\u002F\u002Fvr.ce.cn\u002Fvr2017\u002Fnews\u002F202209\u002F02\u002Ft20220902_38080192.shtml)[京ICP备18036557号](http:\u002F\u002Fbeian.miit.gov.cn\u002F)[![Image 23](http:\u002F\u002Fwww.ce.cn\u002F2021sy\u002Fyqlj\u002Fimages\u002FP020210820607213251435.jpg)](http:\u002F\u002Fwww.12377.cn\u002F)[中国互联网举报中心](http:\u002F\u002Fwww.12377.cn\u002F) 举报电话:18510915000 [处置流程](http:\u002F\u002Fwww.ce.cn\u002Fxwzx\u002Fgnsz\u002Fgdxw\u002F201801\u002F18\u002Ft20180118_27795972.shtml)\n\n[![Image 24](http:\u002F\u002Fwww.ce.cn\u002Fimg4\u002Fpolice2021.png) 京公网安备 11010202009785号](http:\u002F\u002Fwww.beian.gov.cn\u002Fportal\u002FregisterSystemInfo?recordcode=11010202009785)\n\n#### [微信扫一扫：分享 ![Image 25](blob:http:\u002F\u002Flocalhost\u002F7be06359c7a8ea6a5d175a35c3bfeee9) 微信里点“发现”，扫一下 二维码便可将本文分享至朋友圈。](javascript:;)\n\n[](http:\u002F\u002Fservice.weibo.com\u002Fshare\u002Fshare.php?url=http%3A%2F%2Ftuopin.ce.cn%2Fnews%2F202609%2Ft20260904_3193436.shtml&title=%E5%A4%A9%E5%BA%9C%E7%B2%AE%E4%BB%93%E7%A8%B3%E4%BA%A7%E5%BB%B6%E9%93%BE%E8%BF%8E%E4%B8%B0%E5%B9%B4_%E4%B8%AD%E5%9B%BD%E7%BB%8F%E6%B5%8E%E7%BD%91%E2%80%94%E2%80%94%E5%9B%BD%E5%AE%B6%E7%BB%8F%E6%B5%8E%E9%97%A8%E6%88%B7&pic=http%3A%2F%2Fm.ce.cn%2Fimages%2Fcecn-icon.jpg&appkey=)\n\n[](javascript:doPrint();)\n\n[](http:\u002F\u002Fwww.ce.cn\u002F)\n\n3193436\n\n天府粮仓稳产延链迎丰年\n\n65893\n\n滚动资讯\n\n经济日报\n\n景远\n\n2026-09-04","中国经济网 乡村振兴 2026-09-04","2026-09-04T00:00:00Z",{"impact":94,"substance":152,"depth":188,"authority":189,"freshness":190,"relevant":21,"comment":191},16,13,5,"报道四川省水稻育种芯片技术突破及天府粮仓建设进展，信息详实，具行业参考价值。",[193],{"name":185,"url":182},[26,195,28,196,197],"种业振兴","水稻育种","液相芯片",{"code":34,"slug":35,"name":36,"path":37,"parent_code":38},[],{"status":41,"locked":14,"version":42,"method":43,"evidence":201},{"candidates":202,"agricultural_evidence":48},[203,207,213,219],{"code":34,"score":17,"supported":48,"title":204,"abstract":205,"tags":206},[36],[36],[196],{"code":208,"score":80,"supported":48,"title":209,"abstract":210,"tags":212},"F1",[],[211],"种质资源",[195],{"code":214,"score":66,"supported":48,"title":215,"abstract":216,"tags":218},"J4",[],[217],"夏粮",[],{"code":47,"score":21,"supported":14,"title":220,"abstract":221,"tags":222},[],[],[26],[224,225],"天府粮仓 智慧农业 水稻育种 液相芯片","天府粮仓 智慧农业","天府粮仓智慧农业水稻育种液相芯片-1948","2026-09-09T00:03:55.370253Z",{"id":229,"title":230,"url":231,"summary":232,"summary_zh":233,"content":8,"source_name":234,"source_url":231,"published_at":235,"category":236,"cover_url":8,"hotness":13,"is_selected":14,"score":237,"score_detail":238,"sources":240,"tags":242,"primary_topic":245,"secondary_topics":246,"classification":252,"search_phrases":286,"slug":289,"view_count":290,"doi":291,"paper":292,"created_at":307},5394,"Rice Yield Prediction Using Multi-Modal Regression Learning with Optimized Ensemble Models","https:\u002F\u002Fdoi.org\u002F10.3390\u002Feng7100572","Accurate rice yield estimation is important for agricultural planning, resource allocation, and food security assessment, but yield depends on interacting climatic, vegetation, remote sensing, seasonal, and crop growth factors. This study presents a Multi-Modal Regression Learning (MMRL) framework for continuous rice yield prediction. The framework integrates rainfall, temperature, humidity, normalized difference vegetation index (NDVI), VH synthetic aperture radar (SAR) backscatter, season, rice cultivation area, and leaf wetness information. Predictor relevance is assessed before model development, and multiple regression learners are trained using a common feature set. Their validation predictions are combined through non-negative ensemble weights constrained to sum to one, thereby producing a single optimized prediction. Experiments were performed on a modeled spatio-temporal agricultural dataset representing Karnataka conditions, with 10,000 observations used for the regression comparison. The proposed MMRL ensemble achieved an R2 of 0.9515, an RMSE of 0.6334 tons\u002Fha, an MAE of 0.5075 tons\u002Fha, and an MAPE of 9.81%, outperforming the evaluated individual regression models. Diagnostic plots further indicated close agreement between predicted and reference yields across most of the evaluated range. The MMRL workflow was also evaluated on a separately reconstructed synthetic dataset generated with fully specified distributions, sampling rules, noise terms, a yield generation equation, and fixed random seeds.","准确的水稻产量估算对农业规划、资源配置和粮食安全评估具有重要意义，但产量取决于气候、植被、遥感、季节和作物生长等多种因素的相互作用。本研究提出了一种用于连续水稻产量预测的多模态回归学习（Multi-Modal Regression Learning，MMRL）框架。该框架整合了降雨量、温度、湿度、归一化植被指数（NDVI）、VH合成孔径雷达（SAR）后向散射、季节、水稻种植面积和叶片湿润信息。在模型开发之前评估预测变量的相关性，并使用共同特征集训练多个回归学习器。其验证预测结果通过约束为和等于1的非负集成权重进行组合，从而生成单一优化预测。实验在代表卡纳塔克邦条件的建模时空农业数据集上进行，使用10,000个观测值进行回归比较。所提出的MMRL集成模型实现了R²为0.9515、RMSE为0.6334吨\u002F公顷、MAE为0.5075吨\u002F公顷、MAPE为9.81%，优于所评估的各个回归模型。诊断图进一步表明，在大多数评估范围内，预测产量与参考产量高度一致。MMRL工作流程还在一个单独重建的合成数据集上进行了评估，该数据集使用完全指定的分布、采样规则、噪声项、产量生成方程和固定随机种子生成。","Eng—Advances in Engineering","2026-10-18T00:00:00Z","论文",78,{"impact":151,"substance":94,"depth":151,"authority":17,"freshness":20,"relevant":21,"comment":239},"多模态回归集成方法在水稻估产上取得较高精度，方法新颖、数据规模明确，对农业信息化有参考价值，但属学术论文且数据集为模拟数据，产业影响有限。",[241],{"name":234,"url":231},[26,101,36,243,244],"产量预测","遥感",{"code":34,"slug":35,"name":36,"path":37,"parent_code":38},[247],{"code":248,"slug":249,"name":250,"path":251,"parent_code":110},"I3","remote-sensing","遥感与农情监测","\u002Ftopic\u002Fdigital-agriculture\u002Fremote-sensing",{"status":41,"locked":14,"version":42,"method":43,"evidence":253},{"candidates":254,"agricultural_evidence":48},[255,260,265,272,278,282],{"code":34,"score":256,"supported":48,"title":257,"abstract":258,"tags":259},15,[35],[36,35],[36],{"code":248,"score":20,"supported":48,"title":261,"abstract":262,"tags":264},[],[244,263],"remote sensing",[243,244],{"code":266,"score":19,"supported":48,"title":267,"abstract":268,"tags":271},"A8",[],[269,270],"粮食安全","food security",[],{"code":273,"score":66,"supported":48,"title":274,"abstract":275,"tags":277},"J1",[],[276],"农业规划",[],{"code":47,"score":21,"supported":14,"title":279,"abstract":280,"tags":281},[],[],[26],{"code":106,"score":21,"supported":14,"title":283,"abstract":284,"tags":285},[],[],[101],[287,288],"水稻 产量预测 多模态","NDVI SAR 水稻估产","水稻产量预测多模态-5394",0,"10.3390\u002Feng7100572",{"doi":291,"openalex_id":293,"authors":294,"venue":234,"cited_by_count":290,"oa_url":231,"card":300,"direction":304,"ingested_from":306},"W7222942064",[295,297],{"name":296,"orcid":8},"Nayana Venkatesh",{"name":298,"orcid":299},"Evangelin Geetha Devaraj","https:\u002F\u002Forcid.org\u002F0000-0002-7253-4314",{"tldr":301,"method":302,"finding":303,"direction":304,"opportunity":305},"构建多模态回归学习框架，融合气候、遥感与作物因子，实现水稻产量连续预测。","融合降雨、温度、NDVI、SAR后向散射等多源特征，用非负权重集成多个回归器。","集成模型R²达0.9515，RMSE为0.6334吨\u002F公顷，优于各单一回归模型。","农业遥感与作物表型","可引入真实田间多时相遥感与深度时序模型，验证合成数据结论在真实产区的泛化性。","openalex","2026-10-20T23:30:19.292634Z",{"id":309,"title":310,"url":311,"summary":312,"summary_zh":313,"content":8,"source_name":314,"source_url":311,"published_at":315,"category":236,"cover_url":8,"hotness":13,"is_selected":14,"score":316,"score_detail":317,"sources":320,"tags":322,"primary_topic":325,"secondary_topics":326,"classification":327,"search_phrases":368,"slug":371,"view_count":290,"doi":372,"paper":373,"created_at":387},5388,"A digital twin framework for proactive disease management in paddy cultivation using spatio-temporal graph neural networks","https:\u002F\u002Fdoi.org\u002F10.1080\u002F20421338.2026.2707951","Rice production is highly affected by disease outbreaks, particularly in Asian agricultural systems, resulting in major yield losses and excessive pesticide usage. This study proposes a digital twin framework for paddy cultivation that integrates predictive disease modelling with real-time crop phenology simulation to support proactive disease management. The framework utilizes historical phenological records, IoT-based microclimatic sensor data, irrigation information, and field management records collected from 150 hectares of paddy fields in Maharashtra, India. A Spatio-Temporal Graph Neural Network (ST-GNN), integrating Graph Convolutional Networks (GCNs) and Long Short-Term Memory (LSTM) networks, is employed to model spatial disease propagation and temporal crop dynamics for predicting blast, brown planthopper, and bacterial leaf blight outbreaks up to 14 days in advance. Experimental results demonstrate 87.3% prediction accuracy, 23.7% reduction in pesticide usage, and 31.2% reduction in crop losses, while outperforming traditional Random Forest and SVM models in F1-score performance. The proposed framework enables real-time decision support for sustainable precision agriculture and optimized resource management.","水稻生产极易受到病害暴发的影响，在亚洲农业体系中尤为突出，造成重大产量损失和农药过度使用。本研究提出一个水稻栽培数字孪生（digital twin）框架，将预测性病害建模与实时作物物候模拟相结合，以支持主动式病害管理。该框架利用从印度马哈拉施特拉邦150公顷稻田采集的历史物候记录、基于物联网的微气候传感器数据、灌溉信息及田间管理记录。采用融合图卷积网络（Graph Convolutional Networks, GCN）与长短期记忆网络（Long Short-Term Memory, LSTM）的时空图神经网络（Spatio-Temporal Graph Neural Network, ST-GNN），对病害空间传播与作物时序动态进行建模，以提前14天预测稻瘟病、褐飞虱和白叶枯病的暴发。实验结果表明，预测准确率达87.3%，农药使用量减少23.7%，作物损失减少31.2%，且在F1分数上优于传统随机森林（Random Forest）和支持向量机（SVM）模型。所提框架可为可持续精准农业和优化资源管理提供实时决策支持。","African Journal of Science Technology Innovation and Development","2026-10-19T00:00:00Z",80,{"impact":151,"substance":94,"depth":151,"authority":189,"freshness":318,"relevant":21,"comment":319},9,"方法新颖、数据规模明确且量化效果显著，属智慧农业细分领域实质进展，值得进入每日精选。",[321],{"name":314,"url":311},[26,101,36,323,324],"数字孪生","病虫害预警",{"code":34,"slug":35,"name":36,"path":37,"parent_code":38},[],{"status":41,"locked":14,"version":42,"method":43,"evidence":328},{"candidates":329,"agricultural_evidence":48},[330,338,343,349,356,363],{"code":47,"score":331,"supported":48,"title":332,"abstract":334,"tags":337},19,[333],"digital twin",[335,323,336,333],"精准农业","precision agriculture",[323,26],{"code":34,"score":151,"supported":48,"title":339,"abstract":341,"tags":342},[340],"paddy",[36,117,35,340],[36],{"code":65,"score":19,"supported":48,"title":344,"abstract":345,"tags":348},[],[346,347],"农药","pesticide",[],{"code":350,"score":19,"supported":48,"title":351,"abstract":352,"tags":355},"H3",[],[353,354],"灌溉","irrigation",[],{"code":357,"score":19,"supported":48,"title":358,"abstract":359,"tags":362},"I5",[],[360,361],"物联网","IoT",[],{"code":106,"score":80,"supported":48,"title":364,"abstract":365,"tags":367},[],[366],"decision support",[101],[369,370],"水稻 病害预测 数字孪生","ST-GNN 水稻 病虫害","水稻病害预测数字孪生-5388","10.1080\u002F20421338.2026.2707951",{"doi":372,"openalex_id":374,"authors":375,"venue":314,"cited_by_count":290,"oa_url":8,"card":380,"direction":386,"ingested_from":306},"W7222969403",[376,378],{"name":377,"orcid":8},"Jyoti Rani",{"name":379,"orcid":8},"Dr.  Narendra S.  Jadhav",{"tldr":381,"method":382,"finding":383,"direction":384,"opportunity":385},"构建水稻数字孪生框架，用时空图神经网络提前14天预测病害。","融合物联网微气候、物候与管理数据，用GCN+LSTM的ST-GNN建模。","预测准确率87.3%，农药减23.7%、损失减31.2%，优于RF与SVM。","农业人工智能与决策模型","可探索多尺度时空图建模与数字孪生闭环决策，并迁移至其他作物与区域。","智慧农业 \u002F 农业物联网","2026-10-20T23:30:12.636299Z",{"id":389,"title":390,"url":391,"summary":392,"summary_zh":393,"content":8,"source_name":394,"source_url":391,"published_at":395,"category":236,"cover_url":8,"hotness":13,"is_selected":14,"score":149,"score_detail":396,"sources":398,"tags":400,"primary_topic":404,"secondary_topics":405,"classification":407,"search_phrases":429,"slug":432,"view_count":21,"doi":433,"paper":434,"created_at":459},4993,"Effects of within-season temporal aggregation of weather variables on performance and interpretability in rice yield machine learning models","https:\u002F\u002Fdoi.org\u002F10.1038\u002Fs41598-026-75646-2","While crop responses are inherently stage-dependent, machine learning yield models often rely on weather variables aggregated over the entire growing season. This study evaluates how within-season temporal aggregation of weather variables affects both predictive performance and interpretability in machine learning-based rice yield modeling. Using CYGMA (Crop Yield Growth Model with Assumptions on Climate and Socioeconomics)-simulated potential yield as a synthetic response variable, we minimized confounding effects from observational noise and management variability, enabling a clearer evaluation of the role of within-season weather aggregation. Daily weather variables were averaged over the rice growing period after dividing each season into multiple equal-length segments, and several machine learning algorithms were trained and evaluated using temporally independent validation. Increasing within-season temporal resolution improved model performance up to a moderate level, after which gains diminished. Interpretation using SHAP (SHapley Additive exPlanations) and response diagnostics consistently indicated that yield sensitivity concentrates in specific windows of the season, with temperature-related effects emerging most strongly early in the season and humidity-related effects later. Finer temporal aggregation sharpened the identification of window-specific nonlinear and threshold-like responses that were obscured under coarse seasonal averages. Overall, moderate within-season aggregation provides a practical balance between predictive skill and mechanistic interpretability, supporting more reliable identification of phenology-relevant meteorological risks for climate-impact assessment and decision support.","尽管作物响应本质上具有阶段依赖性，但机器学习产量模型往往依赖于整个生长季聚合的天气变量。本研究评估了天气变量的季节内时间聚合如何影响基于机器学习的水稻产量建模的预测性能与可解释性。以CYGMA（Crop Yield Growth Model with Assumptions on Climate and Socioeconomics，气候与社会经济假设下的作物产量生长模型）模拟的潜在产量作为合成响应变量，我们最大限度地减少了观测噪声和管理变异性带来的混杂效应，从而能够更清晰地评估季节内天气聚合的作用。将每个生长季划分为多个等长时段后，对水稻生长期内的逐日天气变量进行平均，并采用时间独立验证对多种机器学习算法进行训练和评估。提高季节内时间分辨率可提升模型性能，直至达到中等水平，此后增益递减。利用SHAP（SHapley Additive exPlanations，沙普利加性解释）和响应诊断进行的解释一致表明，产量敏感性集中在季节的特定窗口，温度相关效应在季节早期最为显著，湿度相关效应则在后期出现。更精细的时间聚合增强了对窗口特异性非线性和阈值型响应的识别，而这些响应在粗粒度季节平均下被掩盖。总体而言，中等程度的季节内聚合在预测能力与机制可解释性之间提供了实用平衡，有助于更可靠地识别与物候相关的气象风险，以支持气候影响评估和决策支持。","Scientific Reports","2026-10-13T00:00:00Z",{"impact":17,"substance":152,"depth":151,"authority":18,"freshness":20,"relevant":21,"comment":397},"该研究通过CYGMA模拟数据系统评估了生长季内气象变量时间聚合对水稻产量机器学习模型性能与可解释性的影响，方法新颖、结论可靠，对农业气象风险识别与决策支持有参考价值，但属学术论文，公共影响范围有限。",[399],{"name":394,"url":391},[26,101,401,402,403],"可解释AI","农业气象","水稻产量预测",{"code":34,"slug":35,"name":36,"path":37,"parent_code":38},[406],{"code":106,"slug":107,"name":108,"path":109,"parent_code":110},{"status":41,"locked":14,"version":42,"method":43,"evidence":408},{"candidates":409,"agricultural_evidence":48},[410,416,420,425],{"code":106,"score":331,"supported":48,"title":411,"abstract":413,"tags":415},[412],"machine learning",[414,412,366],"机器学习",[101,401],{"code":34,"score":18,"supported":48,"title":417,"abstract":418,"tags":419},[35],[36,35],[],{"code":421,"score":21,"supported":14,"title":422,"abstract":423,"tags":424},"H7",[],[],[402],{"code":47,"score":21,"supported":14,"title":426,"abstract":427,"tags":428},[],[],[26],[430,431],"水稻产量 机器学习 气象","SHAP 水稻 产量预测","水稻产量机器学习气象-4993","10.1038\u002Fs41598-026-75646-2",{"doi":433,"openalex_id":435,"authors":436,"venue":394,"cited_by_count":290,"oa_url":453,"card":454,"direction":386,"ingested_from":306},"W7221657053",[437,439,441,443,445,447,450],{"name":438,"orcid":8},"Noh-Hyun Lee",{"name":440,"orcid":8},"Wonjae Jeong",{"name":442,"orcid":8},"Hyeon-Ji Yang",{"name":444,"orcid":8},"Hana Cho",{"name":446,"orcid":8},"Hyeon-Yeong Ju",{"name":448,"orcid":449},"Toshichika Iizumi","https:\u002F\u002Forcid.org\u002F0000-0002-0611-4637",{"name":451,"orcid":452},"Ki‐Tae Kim","https:\u002F\u002Forcid.org\u002F0000-0002-8249-5283","https:\u002F\u002Fwww.nature.com\u002Farticles\u002Fs41598-026-75646-2_reference.pdf",{"tldr":455,"method":456,"finding":457,"direction":384,"opportunity":458},"评估生长季内天气变量时间聚合粒度对水稻产量机器学习模型预测与可解释性的影响。","用CYGMA模拟潜在产量作响应变量，按等长时段聚合逐日天气，训练多种机器学习模型","适度提高季内时间分辨率可提升性能，产量敏感性集中在特定窗口，温度效应偏早、湿度效应偏晚。","可探索不同作物与气候区下最优聚合粒度，并将窗口特异性气象风险嵌入气候影响评估与决策支持系统。","2026-10-15T23:30:10.483881Z"]