Recommendation of Suitable Planting Locations for Hybrid Maize Varieties Based on Graph Collaborative Filtering
Yanyun Han · Zhongqiang Liu · Aiwen Wang 等 10 人
提出图协同过滤框架，将玉米品种适种区评估转化为排序任务，推荐适宜种植地点。
图协同过滤+MLP编码15个品种性状与24个环境变量，BPR+损失，189地点1
方法优于六个基线约5%，冷启动NDCG超0.8，推荐排名与独立产量证据高度一致。
可拓展至多作物多品种跨区域迁移推荐，并融合气候情景预测未来适种区变化。
提出基于图协同过滤的杂交玉米品种适宜种植区推荐框架，覆盖全国189个地点、1102个品种，冷启动与排序指标均有提升，对品种布局优化有实用价值。
摘要 提高作物品种适应性评价的精度，对于在气候变化背景下最大化产量和保障粮食安全至关重要。依赖专家知识或过程模型的传统方法面临可扩展性挑战，且难以捕捉复杂的品种–环境互作。本研究提出了一种可扩展的基于图协同过滤框架，用于评估杂交玉米品种的适宜种植地点，将适应性评价重新表述为排序任务。该框架融合了两项关键创新：一是多层感知机（MLP）编码模块，利用15个品种性状特征和24个环境变量来缓解冷启动问题，从而能够对未见过的品种进行推荐；二是BPR+损失函数，将不适宜环境与仅未种植环境区分开来，以适应农业试验数据特有的稀疏结构。在中国主要农业生态区189个地点和1，102个杂交玉米品种的数据集上，与六种最先进的基于图的推荐模型进行对比评估，我们的方法始终优于现有方法，相较最强基线提升约5%。MLP模块的冷启动NDCG达到0.8以上，BPR+在Recall@1–4和NDCG@1–5上均带来显著提升。对广泛种植品种ZD958的案例研究，结合国家推广数据（2019–2024年）和40个地点多年田间试验产量数据（2017–2024年）进行验证，证实模型的排序推荐与独立产量证据高度一致：排名靠前的地点既具有最高生产力，也具有最大产量稳定性。该框架为品种布局优化和气候韧性农业提供了基于人工智能的决策支持工具。