美國是排名前五的稻米出口國，這使得南部幾個州的稻米生產對世界各地的飲食至關重要。與其他作物相比，水稻的基因組較小。再加上歷史資料和舊品種種子的可用性，使其成為設計預測模型的理想研究系統。【延伸閱讀】- 美國提出透過機器學習演算法之作物預測模型

        研究團隊收集歷史氣溫、降雨等環境數據，以及1970年代以來美國南部水稻種植面積的記錄，對已經絕跡的舊品種水稻進行基因分析，將品種分組並將分組資訊和歷史環境數據輸入機器學習模型，建立預測產量的模型，採用10種不同的機器學習方法組合成集成模型，提高預測準確性。

        研究結果顯示，最終的模型結合了 10 種機器學習方法，建立了一個整合模型，可以透過更多方面的方法處理資訊。在相同的預測變數下，整合模型的輸出提供了更準確的結果。

        此項研究發表在2024年《美國國家科學院院刊》，這項研究不僅提供了一個框架，為具有類似預測因子的其他作物建立模型，透過在預測條件下種植古老和現代水稻品種來進行物理實驗可以作為模型的額外評估，並為導致品種組之間恢復能力差異的遺傳和生理組成提供線索。為後續實驗研究提供了理論基礎，探討品種遺傳與環境之間的相互作用。