基于人工智能算法与气象数据的烟草单叶重可预报性研究

doi:10.11924/j.issn.1000-6850.casb2025-0680

中国农学通报 ›› 2026, Vol. 42 ›› Issue (11): 186-194.doi: 10.11924/j.issn.1000-6850.casb2025-0680

基于人工智能算法与气象数据的烟草单叶重可预报性研究

夏晓玲¹^,²(), 李想³(), 吴昌航¹^,⁴, 雷坤江¹^,⁵, 王星¹^,⁶, 王加敏¹

¹ 贵州新气象科技有限责任公司，贵阳 550002
² 贵州省气象服务中心，贵阳 550002
³ 中国烟草总公司贵州公司，贵阳 550005
⁴ 贵州省气象台，贵阳 550002
⁵ 贵州省生态农业气象中心，贵阳 550002，
⁶ 贵州省气候中心，贵阳 550002

收稿日期:2025-08-12 修回日期:2026-03-01 出版日期:2026-06-12 发布日期:2026-06-12
通讯作者:
李想，男，1982年出生，辽宁鞍山人，高级工程师，博士研究生，研究方向：烟草种植生产管理。通信地址：550004 贵州省贵阳市云岩区瑞金北路146号，Tel：0851-86830394，E-mail：18685188016@163.com。
作者简介:
夏晓玲，女，1990年出生，湖北孝感人，高级工程师，硕士研究生，主要从事农业气象服务方面的研究。通信地址：550002 贵州省贵阳市南明区新华路翠微巷9号，Tel：0851-85507680，E-mail：conan.xxl@163.com。
基金资助:
中国烟草公司重点研发项目“基于生态因子数字化的贵州省智慧烟田研究与应用”(2022XM12); 贵州省气象局省市联合科研基金项目“贵州省烤烟气象灾害预警与产量预测模型研究”(黔气科合SS[2023]12号); 贵州省科技计划项目“边界层及低空经济气象贵州省科技创新领军人才工作站”(黔科合平台KXJZ[2024]033); 贵州省科技计划2025 年度“三上”企业研发创新扶持及科技型企业培育项目“面向复杂山地的低空飞行器气象精准预报技术研发”(黔科合支撑(2025)一般186)

Research on Predictability of Tobacco Leaf Weight Based on Artificial Intelligence Algorithms and Meteorological Data

XIA Xiaoling¹^,²(), LI Xiang³(), WU Changhang¹^,⁴, LEI Kunjiang¹^,⁵, WANG Xing¹^,⁶, WANG Jiamin¹

¹ Guizhou New Meteorological Technology Co., Ltd., Guiyang 550002
² Guizhou Provincial Meteorological Service Center, Guiyang 550002
³ China National Tobacco Corporation Guizhou Company, Guiyang 550005
⁴ Guizhou Provincial Meteorological Observatory, Guiyang 550002
⁵ Guizhou Provincial Eco-agricultural Meteorological Center, Guiyang 550002
⁶ Guizhou Provincial Climate Center, Guiyang 550002

Received:2025-08-12 Revised:2026-03-01 Published:2026-06-12 Online:2026-06-12

摘要/Abstract

摘要：

本研究聚焦于气象要素对烟草单叶重的影响，旨在构建基于人工智能算法的烟草单叶重预测模型。研究涵盖2010—2024年贵州省50余个烟区的数据，包括气象数据和烟草单叶重实测数据。通过分析气象要素与烟草单叶重的相关性，筛选出显著相关的气象因子，并运用多种人工智能算法构建预测模型。研究得出，NuSVR和SVR算法在烟草单叶重预测中具有显著优势，其均方误差(MSE)较低，显示出良好的预测稳定性和适应性。不同叶位的预测误差存在差异，下部叶预测误差最低，中部叶次之，上部叶最高。4—8月预测误差整体呈下降趋势，且4—9月期间3个叶位的预报误差变化幅度不大，表明气象条件对烟草单叶重的影响具有持续性和稳定性。2020—2024年期间，各叶位预测误差逐年递减，反映出预报模型的不断优化。本研究发现运用气象数据和人工智能方法结合在6月前后就可以预测当年烟草单叶重，数据误差和9月基本一致，为烟草产业的精准化生产和智能化管理提供了有价值的参考。

关键词: 烟草单叶重, 气象要素, 人工智能算法, 预测模型, NuSVR, SVR

Abstract:

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.

Key words: tobacco leaf weight, meteorological elements, artificial intelligence algorithms, prediction models, NuSVR, SVR

中图分类号:

S572

夏晓玲, 李想, 吴昌航, 雷坤江, 王星, 王加敏. 基于人工智能算法与气象数据的烟草单叶重可预报性研究[J]. 中国农学通报, 2026, 42(11): 186-194.

XIA Xiaoling, LI Xiang, WU Changhang, LEI Kunjiang, WANG Xing, WANG Jiamin. Research on Predictability of Tobacco Leaf Weight Based on Artificial Intelligence Algorithms and Meteorological Data[J]. Chinese Agricultural Science Bulletin, 2026, 42(11): 186-194.

图/表 8

参考文献 18

[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. doi: 10.11924/j.issn.1000-6850.casb2022-0962
[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. doi: 10.11924/j.issn.1000-6850.casb2023-0885
[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. doi: 10.11924/j.issn.1000-6850.casb2023-0486
[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. doi: 10.11924/j.issn.1000-6850.casb2022-0794
[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.

显著性	叶位	平均气温	平均最高气温	平均最低气温	降水量	日照时数	有效积温
0.01	下	5/1、6/1、7/1、7/3、8/1、8/2、	5/1、6/2、7/1、7/3、8/1、8/2、8/3	5/1、6/1、7/1、7/2、7/3、8/1、8/2		4/3、5/2、5/3、6/1、6/2、6/3、7/2、7/3	5/1、6/1、7/1、7/3、8/1、8/2
	中	4/3、5/3、6/1、6/2、6/3、7/1、7/2、7/3、8/1、8/2、8/3	6/1、7/1、7/2、7/3、8/1、8/2、8/3	4/3、5/1、5/3、6/1、6/2、6/3、7/1、7/2、7/3、8/1、8/2、8/3		4/3、5/2、6/2、6/3、7/3、8/2、8/3	5/3、6/1、6/2、6/3、7/1、7/3、8/1、8/2、8/3
	上	5/1、6/2、8/3	4/3、5/1、6/2、8/3	5/1、6/1、8/3	8/2、8/3	4/3、6/1、6/2、7/2、8/2、8/3	5/1、6/2、8/3
0.05	下	5/1、6/1、7/1、7/2、7/3、8/1、8/2、8/3	4/3、5/1、6/2、7/1、7/3、8/1、8/2、8/3	5/1、6/1、6/3、7/1、7/2、7/3、8/1、8/2	6/2、7/1、7/2	4/3、5/2、5/3、6/1、6/2、6/3、7/2、7/3	5/1、6/1、7/1、7/3、8/1、8/2、8/3
	中	4/3、5/1、5/3、6/1、6/2、6/3、7/1、7/2、7/3、8/1、8/2、8/3	5/3、6/1、7/1、7/2、7/3、8/1、8/2、8/3	4/3、5/1、5/2、5/3、6/1、6/2、6/3、7/1、7/2、7/3、8/1、8/2、8/3	6/2、8/2	4/3、5/1、5/2、6/2、6/3、7/3、8/1、8/2、8/3	4/3、5/1、5/3、6/1、6/2、6/3、7/1、7/3、8/1、8/2、8/3
	上	5/1、6/2、7/2、8/3	4/3、5/1、6/2、7/2、8/2、8/3	5/1、6/1、8/3	6/2、7/1、7/2、7/3、8/2、8/3	4/3、6/1、6/2、6/3、7/2、8/2、8/3	4/3、5/1、6/2、8/3

显著性	叶位	平均气温	平均最高气温	平均最低气温	降水量	日照时数	有效积温
0.01	下	5/1、6/1、7/1、7/3、8/1、8/2、	5/1、6/2、7/1、7/3、8/1、8/2、8/3	5/1、6/1、7/1、7/2、7/3、8/1、8/2		4/3、5/2、5/3、6/1、6/2、6/3、7/2、7/3	5/1、6/1、7/1、7/3、8/1、8/2
	中	4/3、5/3、6/1、6/2、6/3、7/1、7/2、7/3、8/1、8/2、8/3	6/1、7/1、7/2、7/3、8/1、8/2、8/3	4/3、5/1、5/3、6/1、6/2、6/3、7/1、7/2、7/3、8/1、8/2、8/3		4/3、5/2、6/2、6/3、7/3、8/2、8/3	5/3、6/1、6/2、6/3、7/1、7/3、8/1、8/2、8/3
	上	5/1、6/2、8/3	4/3、5/1、6/2、8/3	5/1、6/1、8/3	8/2、8/3	4/3、6/1、6/2、7/2、8/2、8/3	5/1、6/2、8/3
0.05	下	5/1、6/1、7/1、7/2、7/3、8/1、8/2、8/3	4/3、5/1、6/2、7/1、7/3、8/1、8/2、8/3	5/1、6/1、6/3、7/1、7/2、7/3、8/1、8/2	6/2、7/1、7/2	4/3、5/2、5/3、6/1、6/2、6/3、7/2、7/3	5/1、6/1、7/1、7/3、8/1、8/2、8/3
	中	4/3、5/1、5/3、6/1、6/2、6/3、7/1、7/2、7/3、8/1、8/2、8/3	5/3、6/1、7/1、7/2、7/3、8/1、8/2、8/3	4/3、5/1、5/2、5/3、6/1、6/2、6/3、7/1、7/2、7/3、8/1、8/2、8/3	6/2、8/2	4/3、5/1、5/2、6/2、6/3、7/3、8/1、8/2、8/3	4/3、5/1、5/3、6/1、6/2、6/3、7/1、7/3、8/1、8/2、8/3
	上	5/1、6/2、7/2、8/3	4/3、5/1、6/2、7/2、8/2、8/3	5/1、6/1、8/3	6/2、7/1、7/2、7/3、8/2、8/3	4/3、6/1、6/2、6/3、7/2、8/2、8/3	4/3、5/1、6/2、8/3

序号	模型名称	调整R²	R²	运行时间	得分
1	AdaBoostRegressor	0.039	0.055	1.468	5
2	NuSVR	0.029	0.045	1.476	4
3	OrthogonalMatchingPursuit	0.024	0.040	1.480	3
4	SGDRegressor	0.021	0.037	1.482	2
5	PoissonRegressor	0.018	0.035	1.484	1

序号	模型名称	调整R²	R²	运行时间	得分
1	AdaBoostRegressor	0.039	0.055	1.468	5
2	NuSVR	0.029	0.045	1.476	4
3	OrthogonalMatchingPursuit	0.024	0.040	1.480	3
4	SGDRegressor	0.021	0.037	1.482	2
5	PoissonRegressor	0.018	0.035	1.484	1

月	叶位	0.05					0.01
月	叶位	Gamm	NuSV	Extra	SVR	RF	Gamm	NuSV	Extra	SVR	RF
4	上	2.19	2.39	2.73	2.21	2.21	2.22	2.41	2.83	2.22	2.17
5		1.94	1.99	1.91	1.71	1.84	1.99	2.04	1.91	1.73	1.81
6		1.85	1.95	2.03	1.61	1.78	1.91	2.09	2.02	1.67	1.82
7		1.81	1.93	2.08	1.70	1.74	1.88	2.04	2.16	1.67	1.75
8		1.74	1.96	1.79	1.61	1.72	1.79	2.05	1.84	1.64	1.74
4	中	1.17	1.26	1.23	1.14	1.14	1.17	1.25	1.23	1.15	1.14
5		1.15	1.23	1.26	1.01	1.15	1.14	1.25	1.25	1.05	1.14
6		1.08	1.12	1.40	0.90	1.11	1.10	1.12	1.49	0.96	1.11
7		1.05	1.13	1.33	0.93	1.12	1.06	1.15	1.31	1.00	1.11
8		1.00	1.15	1.36	0.97	1.09	1.00	1.13	1.35	1.01	1.08
4	下	0.67	0.77	1.24	0.73	0.69	0.68	0.72	0.89	0.74	0.70
5		0.65	0.74	0.83	0.65	0.65	0.67	0.75	0.76	0.66	0.65
6		0.64	0.65	1.03	0.66	0.71	0.64	0.67	0.92	0.65	0.71
7		0.62	0.70	0.96	0.67	0.71	0.63	0.71	0.93	0.67	0.71
8		0.62	0.70	1.01	0.66	0.71	0.62	0.71	1.02	0.66	0.71

基于人工智能算法与气象数据的烟草单叶重可预报性研究

Research on Predictability of Tobacco Leaf Weight Based on Artificial Intelligence Algorithms and Meteorological Data

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 18

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

月	叶位	0.01					0.05
月	叶位	Extra	Gamma	NuSVR	RF	SVR	Extra	Gamma	NuSVR	RF	SVR
4月	上			4
	下
	中			5		4			5		4
5月	上			2	5	3			3	4	2
	下		4	1		5		3	4		2
	中	5		4		1	3		5	2	5
6月	上	2		1	5	3	4		3	5
	下		3	5				5	3
	中			5		4	3		4		4
7月	上	3		1	4	2	4		3	5
	下		5					5
	中			5					5		4
8月	上	5		3	4	2	4		2	3
	下		5					5
	中			4					5
总分		15	17	40	18	24	18	18	42	19	25

[1]	黄永平, 杨青青, 邓艳君, 叶佩. 春季冷空气对小龙虾投苗成活率的影响及预测模型构建[J]. 中国农学通报, 2026, 42(8): 211-218.
[2]	曾佩, 喻宏磊, 李玥康, 刘博懿. 基于Pettitt检验的赣抚平原灌区气象要素突变特征及关联性研究[J]. 中国农学通报, 2026, 42(6): 164-170.
[3]	薛潇, 刘小娟, 张红兵, 杨维俊, 雷俊, 焦润安, 武艳娟. 半干旱区春小麦条锈病发生发展与气象条件关系研究[J]. 中国农学通报, 2026, 42(11): 102-106.
[4]	王越, 费雯丽, 程军, 沈历都, 邹岫明, 阿迪力·阿里木. 沈阳市玉米不同生育阶段气象要素变化趋势及气象产量预测模型[J]. 中国农学通报, 2025, 41(15): 95-101.
[5]	马晓玲, 周焱博, 袁杰, 张建军, 贾立亭. 阳泉市玉米生育期气象要素变化特征及相关性分析[J]. 中国农学通报, 2024, 40(7): 118-122.
[6]	蔡哲, 段里成, 郭瑞鸽, 刘冬梅. 江西省土壤温度变化特征及其与气象要素的关系[J]. 中国农学通报, 2024, 40(4): 118-125.
[7]	樊献政, 王鹏凯, 张娟, 林明华, 杨金玲, 张翠英. 招远地区2023年苹果农业气象条件分析[J]. 中国农学通报, 2024, 40(30): 89-93.
[8]	朱春霞, 秦安振. 基于XGBoost和数值天气预报的黄淮海平原参考作物蒸散量预测模型研究[J]. 中国农学通报, 2024, 40(28): 126-133.
[9]	侯冰清, 王硕立, 张友杰, 曹阳, 时向东, 丁松爽, 刘冰洋, 王以慧. 基于BP神经网络的雪茄原料感官质量预测模型构建[J]. 中国农学通报, 2024, 40(27): 126-133.
[10]	刘娟霞, 任迎萍, 吴海英. 盐池县黄花菜始花期与气象因子的相关分析及预报模型[J]. 中国农学通报, 2024, 40(11): 92-96.
[11]	周显升, 李晓阳, 刘志广, 周小雨, 邱承宇, 庄志麟, 曹建敏. 山东烤烟感官质量与化学成分关系及质量预测模型建立[J]. 中国农学通报, 2024, 40(1): 128-134.
[12]	贾方方, 滕世华, 何琳, 付安旗, 陈淑萍, 赵中原. 基于水分光谱指数的烟草叶片等效水厚度估测[J]. 中国农学通报, 2024, 40(1): 151-156.
[13]	廖珺, 方洪生, 苏有健, 王烨军, 张永利, 孙宇龙, 方雅各. 不同摊放环境下茶鲜叶失水的变化规律[J]. 中国农学通报, 2023, 39(4): 160-164.
[14]	田婷, 张青, 徐雯. 基于无人机多光谱影像的水稻冠层SPAD值预测研究[J]. 中国农学通报, 2023, 39(4): 149-153.
[15]	祁海强, 周冬梅, 江晶, 朱小燕, 马静, 李绵德, 张军. 甘肃省碳排放特征及各地区碳达峰时间预测[J]. 中国农学通报, 2023, 39(30): 61-73.