Efectos de los Factores Meteorológicos en el Rendimiento de Manzanas Basado en un Análisis de Regresión Multilineal: Un Estudio de Caso del Área de Yantai, China
Autores: Han, Xirui; Chang, Longbo; Wang, Nan; Kong, Weifu; Wang, Chengguo
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Efectos de los Factores Meteorológicos en el Rendimiento de Manzanas Basado en un Análisis de Regresión Multilineal: Un Estudio de Caso del Área de Yantai, China
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Condiciones meteorológicas
Rendimiento de manzanas
Análisis relacional gris
Análisis de componentes principales
Regresión lineal múltiple
Predicción de regresión lasso
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
Evaluar el impacto de diferentes condiciones meteorológicas en el rendimiento de manzanas y predecir el rendimiento futuro en la ciudad de Yantai es esencial para la producción. Además, proporciona una base científica para el aumento del rendimiento de manzanas. En este estudio, primero se utilizó un análisis de relación gris (GRA) para determinar la relación cuantitativa entre diferentes factores meteorológicos y el rendimiento meteorológico, que se define como afectado únicamente por condiciones meteorológicas. Luego, los factores meteorológicos integrales extraídos mediante un análisis de componentes principales (PCA) se utilizaron como entradas para la regresión lineal múltiple (MLR). La precisión del rendimiento de manzanas se comparó con la predicción de regresión lasso. El análisis de tendencias mostró que el rendimiento real de manzanas aumentó anualmente, pero el rendimiento meteorológico disminuyó anualmente a lo largo del tiempo. La clasificación de correlación ilustró que el rendimiento meteorológico estaba significativamente correlacionado con el período libre de heladas, la temperatura media anual, la temperatura acumulada por encima de 10 grados Celsius, etc. La buena consistencia entre GRA y MLR-PCA mostró que la temperatura acumulada por encima de 10 grados Celsius, la temperatura media de marzo a octubre y la temperatura media de junio a agosto son factores meteorológicos clave. Además, se encontró que los componentes principales y estaban negativamente correlacionados con el rendimiento meteorológico, mientras que los componentes principales y estaban positivamente correlacionados con el rendimiento meteorológico. Además, el modelo MLR-PCA predijo el rendimiento de manzanas en 2020 como 47.256 t·ha con un error relativo del 7.089%. Este trabajo demuestra que el modelo de regresión de componentes principales puede extraer eficazmente información sobre diferentes factores meteorológicos y mejorar la precisión del modelo para analizar factores meteorológicos clave y predecir el rendimiento de manzanas.
Descripción
Evaluar el impacto de diferentes condiciones meteorológicas en el rendimiento de manzanas y predecir el rendimiento futuro en la ciudad de Yantai es esencial para la producción. Además, proporciona una base científica para el aumento del rendimiento de manzanas. En este estudio, primero se utilizó un análisis de relación gris (GRA) para determinar la relación cuantitativa entre diferentes factores meteorológicos y el rendimiento meteorológico, que se define como afectado únicamente por condiciones meteorológicas. Luego, los factores meteorológicos integrales extraídos mediante un análisis de componentes principales (PCA) se utilizaron como entradas para la regresión lineal múltiple (MLR). La precisión del rendimiento de manzanas se comparó con la predicción de regresión lasso. El análisis de tendencias mostró que el rendimiento real de manzanas aumentó anualmente, pero el rendimiento meteorológico disminuyó anualmente a lo largo del tiempo. La clasificación de correlación ilustró que el rendimiento meteorológico estaba significativamente correlacionado con el período libre de heladas, la temperatura media anual, la temperatura acumulada por encima de 10 grados Celsius, etc. La buena consistencia entre GRA y MLR-PCA mostró que la temperatura acumulada por encima de 10 grados Celsius, la temperatura media de marzo a octubre y la temperatura media de junio a agosto son factores meteorológicos clave. Además, se encontró que los componentes principales y estaban negativamente correlacionados con el rendimiento meteorológico, mientras que los componentes principales y estaban positivamente correlacionados con el rendimiento meteorológico. Además, el modelo MLR-PCA predijo el rendimiento de manzanas en 2020 como 47.256 t·ha con un error relativo del 7.089%. Este trabajo demuestra que el modelo de regresión de componentes principales puede extraer eficazmente información sobre diferentes factores meteorológicos y mejorar la precisión del modelo para analizar factores meteorológicos clave y predecir el rendimiento de manzanas.