研究文章
机器学习模型的在斯里兰卡天气和水稻产量之间的关系
|
| Ref。 |
作物 |
国家 |
评估标准 |
天气指数 |
最具影响力的天气指数 |
|
| (6] |
帕迪 |
印度 |
全模型和逐步高 |
水稻面积,天数与最低温度低于22°C,每日平均温度(最大和最小),阳光小时,降雨,太阳辐射 |
太阳辐射 |
| (21] |
玉米 |
美国 |
Kincer的方法 |
降水、温度、阳光、和相对湿度 |
相对湿度 |
| (22] |
作物 |
乌干达 |
高钙 |
降水、温度和有限公司2排放 |
有限公司2排放 |
| (23] |
7作物包括水稻和玉米 |
台湾 |
高钙 |
温度和降水 |
温度和降水 |
| (24] |
帕迪 |
印度 |
高斯过程回归(GPR)和套索回归 |
温度、平均湿度、降水、风速、紫外线指数、太阳小时,压力值 |
降雨 |
| (25] |
小麦 |
中国 |
射频、支持向量机和探地雷达 |
最高温度、最低温度、干旱指数和降水 |
最低温度 |
| (26] |
帕迪 |
韩国 |
随机森林 |
温度(最大和最小值,意思是,)和阳光小时 |
最低温度和阳光小时 |
|
|
