关于数据集

🌾 合成小麦产量数据集（智利阿劳卡尼亚）

该数据集是人工合成生成的，用于模拟智利阿劳卡尼亚大区（智利主要农业区之一）的小麦产量。
该数据集基于一个复杂的产量函数，该函数整合了当地气候模式、土壤条件、管理措施和压力因素（病虫害和营养缺乏）。
它旨在用于预测模型、机器学习和精准农业的研究和实验。

---

⚙️ 数据生成

• 生成了50,000 条记录n_datos（可通过 配置）。
• 每一行代表阿劳卡尼亚大区的一个小麦生长季节，具有特定的环境和管理条件。
• 收益率（Rendimiento_kg_ha）通过非线性函数计算得出，其中包括：
  • 降雨和营养物质的饱和效应。
  • 采用高斯响应（特定季节的最佳值）建模的温度。
  • 土壤 pH 值惩罚（最佳值为 6.8）。
  • 因害虫和营养缺乏而受到处罚。
  • 产量的提高取决于耕作类型。
  • 相互作用项（例如，温度×氮、降雨量×日照时数）。
  • 随机噪声（6%）与产量成比例。

📑 变量

气候（阿劳卡尼亚地区）

• 季节："winter"或"spring"，遵循智利南部的主要小麦周期。
• Rainfall_mm：总降雨量（毫米），以阿劳卡尼亚的平均值校准。
• Sunlight_hours：每个季节的累计日照小时数。
• Temp_mean、Temp_max、Temp_min：温度（°C）。

土壤与管理

• N_kg_ha、P_kg_ha、K_kg_ha：营养施用率。
• pH：土壤pH值（范围5.8 – 8.5）。
• 耕作："conventional"或"no-tillage"。
• 害虫："yes"/ "no"（春季发生概率较高）。
• 缺乏："yes"/ "no"（约10％）。

派生特征

• GDD：生长度日数，累积生长温度单位。
• Thermal_range：最高温度和最低温度之间的差异。
• 总肥力：N + P + K。
• Climate_category："optimal"或"stressed"（基于降雨量和温度阈值）。
• pH_category："acidic"，，"optimal"或"alkaline"。

目标变量

• Yield_kg_ha：模拟小麦产量（kg/ha）。
  • 值范围在200 至 10,000 公斤/公顷之间。
  • 根据气候、土壤、管理和压力条件进行调整。

---

✅ 用例

该数据集可用于：

• 训练机器学习回归模型。
• 特征工程和变量选择研究。
• 精准农业场景的模拟。
• 展示数据科学管道。