Effects of Meteorological Factors on Apple Yield Based on Multilinear Regression Analysis: A Case Study of Yantai Area, China

Abstract

Evaluating the impact of different meteorological conditions on apple yield and predicting the future yield in Yantai City is essential for production. Furthermore, it provides a scientific basis for the increase in apple yield. In this study, first, a grey relational analysis (GRA) was used to determine the quantitative relationship between different meteorological factors and meteorological yield which is defined as affected only by meteorological conditions. Then, the comprehensive meteorological factors extracted by a principal component analysis (PCA) were used as inputs for multiple linear regression (MLR). The apple yield accuracy was compared with the lasso regression prediction. Trend analysis showed that the actual apple yield increased annually, but the meteorological yield decreased annually over a long time. Correlation ranking illustrated that the meteorological yield was significantly correlated with the frost-free period, the annual mean temperature, the accumulated temperature above 10 °C, etc. The good consistency between GRA and MLR–PCA showed that the accumulated temperature above 10 °C, the March–October mean temperature, and the June–August mean temperature are key meteorological factors. In addition, it was found that the principal components F2, F4, and F5 were negatively correlated with meteorological yield, while the principal components F1 and F3 were positively correlated with meteorological yield. Moreover, the MLR–PCA model predicted the apple yield in 2020 as 47.256 t·ha−1 with a 7.089% relative error. This work demonstrates that the principal component regression model can effectively extract information about different meteorological factors and improve the model’s accuracy for analyzing key meteorological factors and predicting apple yield.

Early Stage Diabetes Prediction by Approach Using Machine Learning Techniques

“…The standardization formula employed a mean or average value ('nan') and the normal deviation ('t') for each variable ('V'). The resulting normalized value ('N') provided a consistent framework for further computations, signi cantly improving computational e ciency [32].…”

Ảnh hưởng của yếu tố khí tượng đối với năng suất một số cây ăn quả tỉnh Phú Thọ dựa trên tương quan và hồi qui

“…Một số nghiên cứu ảnh hưởng của yếu tố KT đối với cây trồng dựa trên sử dụng mô hình cây trồng để đánh giá [9][10], hoặc dựa trên ngưỡng sinh học tối ưu theo các giai đoạn sinh trưởng-phát triển và sự hình thành năng suất của cây trồng, hoặc đánh giá tổn thất/thiệt hại của cây trồng do các điều kiện khí tượng cực đoan gây ra [1,11]. Bên cạnh đó, một số nghiên cứu đánh giá dựa trên mối quan hệ giữa của yếu tố KT đối với cây trồng và sử dụng hồi quy tuyến tính để đánh giá tác động của khí hậu toàn cầu đến các đặc trưng khí hậu trên các tiểu vùng khí hậu, hoặc tác động của biến đổi khí hậu đến năng suất cây trồng [1,9,[10][11][12][13][14][15].…”

“…Bên cạnh đó, các yếu tố khí tượng quá thấp hoặc quá cao vượt ra ngoài giới hạn tối ưu của cây sẽ gây ảnh hưởng đến năng suất cây trồng, ví dụ số ngày nắng nóng cao vào thời trổ bông-nở hoa sẽ làm cháy phấn, dẫn đến năng suất cây trồng giảm. Vì vậy, những tác động của các yếu tố thời tiết, khí hậu đến năng suất cây trồng được gọi là năng suất thời tiết, khí hậu (NSTT) [1,[11][12][13]15].…”

“…Tuy nhiên chưa có công trình nghiên cứu nào đánh giá ảnh hưởng của các yếu tố KT đến sản xuất cây ăn quả ở Phú Thọ được công bố. Trong nghiên cứu này chủ yếu khảo sát ảnh hưởng của điều kiện nhiệt, mưa và một số yếu tố khí hậu cực đoan đối với năng suất bưởi và chuối trung bình tỉnh Phú Thọ dựa trên mối tương quan và hồi qui [15]. Kết quả đánh giá nhằm xác định các yếu tố KT ảnh hưởng chủ đạo vào giai đoạn nhạy cảm của bưởi và chuối để có những biện pháp kỹ thuật phù hợp hạn chế ảnh hưởng của chúng.…”

Development of Rice Yield Forecasting Model Using Linear Regression for Imphal West District, Manipur, India

“…Crop yield is mostly affected by technological changes and weather variability [11,12]. It can be assumed that the technological factors will increase yield smoothly through time and therefore, year or other parameters of time can be used to study the overall effect of technology on crop yield [13,14,15]. Weather variables affect the crop differently during different stages of development.…”