El algoritmo de emisión de isopreno más utilizado, la fórmula G93, estima la emisión instantánea de isopreno a nivel de hoja utilizando el factor de emisión basal y los parámetros de dependencia de luz y temperatura. Se ha sugerido que los parámetros de G93 muestran variación dependiendo de las condiciones meteorológicas pasadas, pero ningún estudio ha examinado de cerca la relación entre los datos meteorológicos pasados y los parámetros del algoritmo. Aquí, para examinar la influencia del clima pasado en estos parámetros, monitoreamos las condiciones meteorológicas, los parámetros de G93, los transcritos de isopreno sintasa y los niveles de proteína, y los metabolitos de la vía MEP en el árbol tropical durante 12 días y analizamos su relación con la temperatura acumulada y la intensidad de luz. Las plantas fueron iluminadas con regímenes de luz variables (ascendentes y descendentes), y se utilizó nuestro método de optimización Ping-Pong previamente desarrollado para parametrizar G93. La temperatura acumulada de los últimos 5 y 7 días se correlacionó positivamente con alpha, respectivamente, mientras que la intensidad de luz acumulada de los últimos 10 días mostró la mayor correlación negativa con alpha. Las concentraciones de metabolitos de la vía MEP y la expresión génica aumentaron con el incremento de la temperatura acumulada. En el mejor de los casos, la temperatura acumulada de los últimos 2 días se correlacionó positivamente con los metabolitos de la vía MEP y la expresión génica, mientras que estos factores mostraron una correlación bipásica positiva y negativa con la intensidad de luz acumulada. La G93 optimizada capturó bien la dependencia de temperatura y luz de la emisión de isopreno al inicio del experimento; sin embargo, su rendimiento disminuyó significativamente en las etapas posteriores de la duración experimental, especialmente en la fase descendente. Esto se mejoró con éxito a través de la optimización separada de las fases ascendente y descendente, enfatizando la importancia de la optimización de los parámetros de la fórmula y la mejora del modelo. Estos resultados tienen importantes implicaciones para la mejora de los algoritmos de emisión de isopreno, particularmente bajo el aumento previsto de las temperaturas globales en el futuro.