PDF(1650 KB)
Research on Predictability of Tobacco Leaf Weight Based on Artificial Intelligence Algorithms and Meteorological Data
XIAXiaoling, LIXiang, WUChanghang, LEIKunjiang, WANGXing, WANGJiamin
Chin Agric Sci Bull ›› 2026, Vol. 42 ›› Issue (11) : 186-194.
PDF(1650 KB)
Abbreviation (ISO4): Chin Agric Sci Bull
Editor in chief: Yulong YIN
PDF(1650 KB)
Research on Predictability of Tobacco Leaf Weight Based on Artificial Intelligence Algorithms and Meteorological Data
This study focuses on the impact of meteorological elements on flue-cured tobacco leaf weight and aims to develop a tobacco leaf weight prediction model based on artificial intelligence algorithms. The research covers data from over 50 tobacco-growing areas in Guizhou Province from 2010-2024, including meteorological and actual tobacco leaf weight data. It analyzes the correlation between meteorological factors and tobacco leaf weight, selects significantly correlated factors, and uses various AI algorithms to build prediction models. NuSVR and SVR algorithms show significant advantages in tobacco leaf weight prediction, with low mean squared error, high stability, and adaptability. Prediction errors vary by leaf position, being lowest in lower leaves, moderate in middle leaves, and highest in upper leaves. From April to August, errors show a downward trend, and during April-September, error fluctuations are small for all three positions, indicating sustained meteorological impacts. During 2020-2024, prediction errors decreased yearly, reflecting model optimization. The study shows that combining meteorological data with AI methods enables reliable June predictions of annual tobacco leaf weight with similar accuracy to September data, offering valuable insights for precision production and smart management in the tobacco industry.
tobacco leaf weight / meteorological elements / artificial intelligence algorithms / prediction models / NuSVR / SVR
| [1] |
许吟隆, 赵运成, 翟盘茂. IPCC特别报告SRCCL关于气候变化与粮食安全的新认知与启示[J]. 气候变化研究进展, 2020, 16(1):37-49.
|
| [2] |
付海美, 马巧云, 张春梅, 等. 基于气象数据的东北三省玉米产量预测[J]. 农业展望, 2024, 20(9):40-48.
|
| [3] |
李迎春, 李翔翔, 谢远玉, 等. 基于气象因子的赣南脐橙产量模拟模型构建[J]. 中国农业气象, 2025, 46(11):862-871.
|
| [4] |
刘璐, 曹雯, 张永芹, 等. 1982—2021年气候变化对淮北市夏玉米产量的影响[J]. 安徽农学通报, 2025, 31(15):1-6.
|
| [5] |
普雪可, 李晓珍, 宋素蕊. 河南典型区光热因子变化对玉米、大豆产量的影响[J]. 上海农业学报, 2025, 41(3):30-41.
|
| [6] |
张辉红, 张亚恒, 沈勰, 等. 黔西南州不同烤烟种植区气候特征研究[J]. 中国农学通报, 2023, 39(33):99-106.
本研究旨在为优化贵州中烟黔西南基地种植布局提供参考，通过统计黔西南州6个植烟县/市（兴义市、兴仁县、普安县、贞丰县、安龙县、晴隆县）2010—2021这12 a间烤烟大田期间气象数据，包括降雨量、日照时数、平均气温、有效积温4项气象指标，对不同产地的气候特征及相关性进行分析。结果表明：（1）6个植烟县/市烟草大田生育期降雨量较符合烟株对于水分的需求，兴义市降雨量相对较高。（2）不同植烟县/市大田生育期平均气温和有效积温变化趋势为：贞丰县>兴义市>兴仁县>安龙县>晴隆县>普安县，大部分地区平均气温变化趋势符合优质植烟区的需求。（3）黔西南基地大田生育期日照时数表现为：旺长期和成熟期贞丰县日照时数较高，普安县日照时数整体较低。综合来看，黔西南6个植烟县/市主要气候特征符合烤烟生产需求，兴义市和贞丰县烤烟大田生育期光热条件较好，兴仁县和安龙县雨、光热条件适中，普安县降雨量适中，气温较低，晴隆县降雨量丰富，光热条件适中。不同县/市表现出的气候特征差异也是其烤烟品质差异的生态因子之一，能够为优化烤烟种植区的分布提供理论依据。
|
| [7] |
任恒, 曾繁蕊, 杜世晔, 等. 十堰烟区近30年烤烟大田生长期气候因子变化特征分析[J]. 中国农学通报, 2024, 40(24):92-99.
针对气候因子概率分布、周期变换规律对烟叶大田期不同生育阶段均存在不同差异性的现状，利用湖北省十堰烟区7个国家气象站1991—2020年4—9月气候统计资料，首先采用最小二乘法研究烟叶不同生育阶段气候因子年际变化趋势；其次采用核密度估计函数，研究不同生育阶段气候因子概率分布特征；最后采用小波变换算法，研究多时间尺度周期变换差异性。结果表明：烟叶不同生育阶段气候因子均存在一定年代差异性，气温条件较为稳定；日照时数在旺长期均呈递减趋势，其他生育期日照变化较为平稳；降水量方面各生育期存在较大差异；烟叶不同生育阶段气温、降水量概率分布存在较大差异，日照时数概率分布较为集中；不同生育阶段气候因子均存在多时间尺度周期变换规律，烟叶成熟期存在长时间尺度第一主周期变换，对气候因子敏感程度远高于其余阶段。研究结果为优化烟叶种植布局和提高种植效益提供了科学依据。
|
| [8] |
吴平, 陈志厚, 林勇, 等. 南平烤烟大田生长期气候要素时空变化特征[J]. 中国农学通报, 2024, 40(14):90-98.
气候对于烤烟生长发育和烟叶品质有重要影响，为明确南平烟区烤烟大田期气候要素的变化特征，利用南平气象局提供的1971—2019年烟草大田生长期（1月中旬—7月中旬）旬气候资料，采用Mann-Kendall方法进行突变检测，分析了气温、降水量及日照时数等典型气候要素的时间及空间变化特征。结果表明，烤烟大田生长期逐年日照时数趋于减少，气温和降水量趋于增加，时间拐点在1995年。气候突变主要发生在春烟的气温和日照时数要素上，分别发生在1970s中期和2000s前期，降水量要素未发生突变。早春烟和春烟大田生长期气温在北部较低，南部及中部气温较高；降水量北部较高，南部及中部较低；日照时数整体表现为自西向东或东南逐渐增加。随着烤烟生育期进行，大田生长期气温逐渐升高，日照时数自6月下旬快速增加，强降水主要集中在6月，早春烟和春烟各生育期日照时数差异主要在伸根期和成熟期。研究结果对合理利用气候资源、趋利避害、提高烟叶产质量有重要的宏观指导意义。
|
| [9] |
何娜, 范雨娴, 袁小康, 等. 基于关键气象因子的湘西烤烟产量预报模型构建[J]. 中国农学通报, 2023, 39(24):96-102.
构建湘西州主栽烤烟品种的产量预报模型，为烤烟生产决策和管理提供科学依据。基于2019—2021年湘西中海拔地区2个主栽烤烟品种‘云烟87’和‘湘烟7号’的田间实测产量资料和平行气象观测资料，将产量资料与不同生育期气象因子作相关分析，找出影响产量的关键气象因子，再将产量与关键气象因子作逐步回归，最终建立产量预测模型，并用独立资料对模型进行检验。结果表明：影响‘云烟87’烤烟产量的关键气象因子是旺长—成熟期平均相对湿度、成熟期50 d内干旱日数、旺长后51~60 d降水量等，而影响‘湘烟7号’烤烟产量的主要气象因子是成熟期50 d内干旱日数、旺长—成熟期≥13℃有效积温、移栽后61~70 d平均温度等。‘云烟87’产量预报模型的回代检验和预报检验的准确率分别为94.6%、97.5%，‘湘烟7号’产量预报模型的回代检验和预报检验的准确率分别为96.7%、89.6%。
|
| [10] |
林梦凡, 李梦芸, 刘珏. 农业气象条件对烟叶生长周期及产量的影响分析[J]. 江西农业, 2025(10):125-127.
|
| [11] |
杨曼菲. 新安县烟草生长期气象灾害分析及气象服务[J]. 农业基础, 2025(4):52-54.
|
| [12] |
王曦原. 烟叶生产气象服务策略探究[J]. 新农民, 2025(19):45-47.
|
| [13] |
肖艳松, 相雨晴, 姚鸿吉, 等. 不同化肥减施对烟草养分利用率和烟叶产量及品质的影响[J]. 中国烟草科学, 2025, 46(3):55-62.
|
| [14] |
段显朝, 周艳宾, 马建彬, 等. 基肥减氮增钾对烤烟生长及产质量的影响[J]. 贵州农业科学, 2025, 53(7):22-31.
|
| [15] |
孙帅, 李顺澳, 彭冬梅, 等. 基于多种机器学习模型的石河子棉区棉花产量预测研究[J]. 沙漠与绿洲气象, 2024, 18(6):166-172.
|
| [16] |
刘星麟, 刘园, 杨凡, 等. 基于机器学习算法的河南省县级冬小麦产量模拟研究[J]. 河南农业科学, 2025, 54(8):167-180.
|
| [17] |
夏晓玲, 李想, 刘涛, 等. 基于多重气象要素的贵州省西部区域烤烟单叶重模型研究[J]. 西南农业学报, 2024, 37(8):1850-1861.
|
| [18] |
李想, 夏晓玲, 刘艳霞, 等. 基于气象要素的贵州中东部区域烤烟单叶重模型的比较[J]. 中国农业气象, 2024, 45(9):1012-1026.
|
/
| 〈 |
|
〉 |
