This paper intends to explore rice yield fluctuations to large-scale atmospheric circulation indices (LACIs) in Bangladesh. The annual dataset of climate-derived yield index (CDYI), estimated using principal component analysis of Aus rice yield data of 23 districts, and five LACIs for the period 1980–2017 were used for this purpose. The key outcomes of the study were as follows: three sub-regions of Bangladesh, northern, northwestern, and northeastern, showed different kinds of CDYI anomalies. The CDYI time series in north and northeastern regions exhibited a substantial 6-year fluctuation, whereas a 2.75- to 3-year fluctuation predominated the northwestern region. Rice yield showed the highest sensitivity of LACIs in the northern region. Indian Ocean dipole (IOD) and East Central Tropical Pacific SST (Nino 3.4) in July and IOD index in March provide the best yield prediction signals for northern, northwestern, and northeastern regions. Wavelet coherence study demonstrated significant in-phase and out-phases coherences between vital climatic variables (KCVs) and CDYI anomalies at various time-frequencies in three sub-regions. The random forest (RF) model revealed the IOD as the crucial contributing factor of rice yield fluctuations in the country. The multifactorial model with different LACIs and year as predictors can predict rice yield, with the mean relative error (MRE) in the range of 4.82 to 5.78% only. The generated knowledge can be used to early assess rice yield and recommend policy directives to ensure food security.

本文旨在探讨孟加拉国大尺度大气环流指数 (LACI) 的水稻产量波动。为此使用了气候衍生产量指数 (CDYI) 的年度数据集，该数据集使用 23 个地区的 Aus 水稻产量数据的主成分分析和 1980-2017 年期间的五个 LACI 进行估计。研究的主要结果如下：孟加拉国北部、西北部和东北部三个子区域显示了不同类型的 CDYI 异常。北部和东北地区的 CDYI 时间序列表现出 6 年的大幅波动，而西北地区则以 2.75 至 3 年的波动为主。水稻产量在北部地区表现出最高的 LACI 敏感性。印度洋偶极子 (IOD) 和中东热带太平洋海温 (Nino 3. 4) 7 月和 3 月 IOD 指数为北部、西北和东北地区提供了最佳的产量预测信号。小波相干性研究表明，在三个子区域的不同时间频率下，重要气候变量 (KCV) 和 CDYI 异常之间存在显着的同相和异相相干性。随机森林 (RF) 模型显示 IOD 是该国水稻产量波动的关键因素。以不同 LACI 和年份为预测因子的多因素模型可以预测水稻产量，平均相对误差 (MRE) 仅在 4.82% 至 5.78% 的范围内。生成的知识可用于早期评估水稻产量并推荐政策指令以确保粮食安全。小波相干性研究表明，在三个子区域的不同时间频率下，重要气候变量 (KCV) 和 CDYI 异常之间存在显着的同相和异相相干性。随机森林 (RF) 模型显示 IOD 是该国水稻产量波动的关键因素。以不同 LACI 和年份为预测因子的多因素模型可以预测水稻产量，平均相对误差 (MRE) 仅在 4.82% 至 5.78% 的范围内。生成的知识可用于早期评估水稻产量并推荐政策指令以确保粮食安全。小波相干性研究表明，在三个子区域的不同时间频率下，重要气候变量 (KCV) 和 CDYI 异常之间存在显着的同相和异相相干性。随机森林 (RF) 模型显示 IOD 是该国水稻产量波动的关键因素。以不同 LACI 和年份为预测因子的多因素模型可以预测水稻产量，平均相对误差 (MRE) 仅在 4.82% 至 5.78% 的范围内。生成的知识可用于早期评估水稻产量并推荐政策指令以确保粮食安全。随机森林 (RF) 模型显示 IOD 是该国水稻产量波动的关键因素。以不同 LACI 和年份为预测因子的多因素模型可以预测水稻产量，平均相对误差 (MRE) 仅在 4.82% 至 5.78% 的范围内。生成的知识可用于早期评估水稻产量并推荐政策指令以确保粮食安全。随机森林 (RF) 模型显示 IOD 是该国水稻产量波动的关键因素。以不同 LACI 和年份为预测因子的多因素模型可以预测水稻产量，平均相对误差 (MRE) 仅在 4.82% 至 5.78% 的范围内。生成的知识可用于早期评估水稻产量并推荐政策指令以确保粮食安全。