Con el desarrollo de variedades de arroz y tecnología de siembra mecanizada, los métodos confiables y eficientes de diagnóstico y recomendación del estado de nitrógeno y densidad de siembra se han vuelto críticos para el éxito de la gestión precisa del nitrógeno y la densidad de siembra en los cultivos. En este estudio, combinamos la estructura de la población, las características de la forma de la planta, las condiciones ambientales del clima y los datos de información de manejo utilizando un modelo de aprendizaje automático para simular las respuestas del rendimiento y el índice de nutrición de nitrógeno y desarrollamos una estrategia de recomendación de nitrógeno y densidad de siembra basada en un modelo de aprendizaje conjunto para diferentes variedades de arroz. En la tercera etapa, el efecto de predicción del NNI y el rendimiento del modelo de aprendizaje conjunto mejoró significativamente más que en las otras dos etapas. Los resultados del análisis de escenarios muestran que los rendimientos óptimos e índices de nutrición de nitrógeno se obtuvieron con una densidad y cantidad de nitrógeno de 100.1 x 10 plantas/ha y 161.05 kg·ha para la variedad de arroz de tipo espiga grande, 75.08 x 10 plantas/ha y 159.52 kg·ha para la variedad de arroz de tipo intermedio, y 75.08 x 10 plantas/ha y 133.47 kg·ha para la variedad de arroz de tipo número de panícula, respectivamente. Estos resultados proporcionan una base científica para la aplicación de nitrógeno y la densidad de siembra para un alto rendimiento e índice de nutrición de nitrógeno del arroz en el noreste de China.