一种基于DNDC的机器学习特征提取方法及系统

本发明涉及氮排放预测技术领域，公开了一种基于DNDC的机器学习特征提取方法及系统，首先从农业生态系统数据中提取气候、土壤和农田管理原始特征；基于DNDC计算氮循环相关的中间过程变量；以原始特征训练机器学习基准模型获得基准性能指标值；将每个中间变量分别与原始特征组合构建扩展数据集并训练模型，计算扩展性能指标值；通过比较两个性能指标筛选显著提升预测效果的中间变量形成重要变量集；最终结合原始特征和重要变量集训练机器学习模型得到高精度氮排放预测模型。该方法通过机理模型与机器学习的融合，实现了预测精度和可解释性的双重提升。