Lädt…
A Scientific Reports study applies interpretable machine learning to a large yield monitor dataset of 134 US maize and soybean crop-site-years. The models predict yield with R² above 0.87 and use Shapley values to rank the effects of weather, soil and terrain.
The authors aim to inform breeding and precision management.
The study improves understanding of which environmental factors limit yields, which may help future supply forecasting. It has no immediate effect on prices.
nature.comSmith, Harrison W., Heffernan, Christopher J., Ashworth, Amanda J., Nalley, L. Lanier, Bullock, David S.01.03.2026Nach 2.467 vergangenen Wetter-Ereignisse bewegte sich Mais im Median über 5 Handelstage um +0,1 % (51% höher; mittlere Hälfte -1,5 % bis +1,7 %) und über 20 Handelstage um +0,6 %.
Nach 1.964 vergangenen Wetter-Ereignisse bewegte sich Sojabohnen im Median über 5 Handelstage um +0,1 % (51% höher; mittlere Hälfte -1,7 % bis +1,8 %) und über 20 Handelstage um +0,3 %.
Veränderungen des Benchmarks jedes Rohstoffs seit dem letzten Schluss vor dem Ereignis. Historische Werte bündeln frühere Ereignisse derselben Art; sie beschreiben, was passiert ist, nicht was passieren wird. Keine Anlageberatung.
