Construcción de un modelo de predicción de rendimiento de tabaco curado al fuego de Yunnan integrado por aprendizaje impulsado por datos meteorológicos

La predicción oportuna y precisa del rendimiento del tabaco curado al fuego es crucial para su rendimiento estable y el crecimiento de ingresos. Basado en datos de rendimiento y meteorología de 2003 a 2023 (del banco de datos POWER de la NASA) de la provincia de Yunnan, este estudio construyó un marco acoplado de regresión polinómica y un modelo de conjunto Stacking. Se compararon cuatro métodos de separación de tendencias de rendimiento, seleccionándose la regresión polinómica como la óptima para capturar tendencias a largo plazo. Se construyeron un total de 135 características meteorológicas utilizando datos del período de crecimiento del tabaco curado al fuego, y se filtraron 17 características clave a través del análisis de correlación de Pearson y la Eliminación Recursiva de Características (RFE). Con Random Forest (RF), Perceptrón Multicapa (MLP) y Regresión por Vectores de Soporte (SVR) como modelos base, se desarrolló un meta-modelo de regresión ridge para predecir el rendimiento meteorológico. Los resultados finales se obtuvieron integrando los rendimientos de tendencia y meteorológicos, y se analizaron los factores influyentes clave a través de las Explicaciones Aditivas de SHapley (SHAP). Los resultados mostraron que el modelo Stacking tuvo el mejor rendimiento predictivo, superando significativamente a los modelos individuales; agosto fue el tiempo de adelanto óptimo para la predicción; y la diferencia de temperatura entre el día y la noche en la etapa de madurez de agosto y la radiación solar en la etapa de trasplante de abril fueron factores clave que influyeron en el rendimiento. Este marco proporciona una herramienta práctica de predicción de rendimiento para las áreas de tabaco curado al fuego de Yunnan y ofrece un importante apoyo empírico para explorar las interacciones meteorología-rendimiento en cultivos de mesetas subtropicales.