An Interpretable Machine Learning Framework for Next-Day Frost Forecasting in Tea Plantations Using Multi-Source Meteorological Data

Spring frosts pose a major threat to tea production, causing severe damage to tender spring buds and substantial economic losses. To support timely frost protection measures, this study develops an interpretable machine learning framework for next-day frost forecasting in a tea plantation in Danyang...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής

Κύριοι συγγραφείς:	Zhongqiu Zhang, Pingping Li, Jizhang Wang
Μορφή:	Artigo
Γλώσσα:	Inglês
Έκδοση:	MDPI AG 2026-03-01
Σειρά:	Horticulturae
Θέματα:	spring frost forecasting tea plantation machine learning deep learning feature selection XGBoost
Διαθέσιμο Online:	https://www.mdpi.com/2311-7524/12/3/392
Ετικέτες:	Προσθήκη ετικέτας Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!