Chargement…
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.1 mars 2026Après 2 467 événements météo passés, Maïs a varié en médiane de +0,1 % sur 5 séances (51 % de hausses ; moitié centrale de -1,5 % à +1,7 %), et de +0,6 % sur 20.
Après 1 964 événements météo passés, Soja (graines) a varié en médiane de +0,1 % sur 5 séances (51 % de hausses ; moitié centrale de -1,7 % à +1,8 %), et de +0,3 % sur 20.
Variations du benchmark de chaque matière depuis la dernière clôture avant l'événement. Les lectures historiques regroupent les événements passés de même nature ; elles décrivent ce qui s'est passé, pas ce qui arrivera. Ceci n'est pas un conseil en investissement.
