近日，中国农业科学院农业资源与农业区划研究所农业资源利用与区划团队在作物种植结构优化方面取得重要进展，研究结果以“Evaluating spatial heterogeneity and suitability patterns for soybean cultivation in Heilongjiang: A productivity-oriented approach”为题发表在《Journal of Cleaner Production》上。

在我国连续十年大豆进口占比达80%以上，持续高位的大豆依存度威胁着粮食安全。面对耕地资源有限的现实，在适宜区域扩种大豆被视为提升自给能力的关键途径之一。针对上述问题，本研究聚焦于中国大豆主产区黑龙江省，整合遥感植被指数时序数据，构建了栅格尺度的大豆产量预测模型，系统比较了 LightGBM 与随机森林（RF）的预测性能。结果显示，RF 模型精度更高，将关键物候阶段植被指数（尤其是鼓粒期与成熟期）的趋势斜率纳入后，预测误差（RMSE）较仅使用静态指数指数的模型降低了9.8%，有效提升了产量预测精度。

在产量预测基础上，研究进一步结合空间自相关分析与改进后的 MaxEnt 模型，将高产区视为大豆种植的适宜区，系统识别了大豆生产的适宜性区域，进而估算潜在的碳减排量。结果发现资源禀赋与实际布局间存在错位：2021 年全省仅65.3% 的大豆种植在适宜区内。这意味着，通过引导种植向高适宜区集中，不仅可提高单位面积产量，还可减少农业投入浪费，实现一定的碳排放削减。该研究突破了传统 MaxEnt 模型仅依赖出现点的局限，将生产力作为适宜性的重要依据，充分融合自然环境因子与人类活动特征，构建了更加精准的大豆种植适宜性评价框架。研究成果为我国适宜区域扩种大豆提供了重要的科学依据与技术支撑，对优化作物布局和提升粮食自给能力具有重要意义。

融合产量信息的大豆适宜性评估体系框架

中国农业科学院农业资源与农业区划研究所胡蒙蒙副研究员为本文第一作者，尹昌斌研究员为通讯作者。该研究得到北方干旱半干旱耕地高效利用全国重点实验室、国家自然科学基金、国家重点研发计划、国家社科基金等项目的资助。

原文链接：https://doi.org/10.1016/j.jclepro.2025.147264