这项研究调查了气候变化因素和非气候变化因素对尼日利亚农作物产量的影响。 采用了经验研究方法，使用了从信誉良好的来源获得的1980-2013年时间序列年度数据的辅助来源。 错误校正机制用于分析。 研究发现，在短期内，只有降雨对气候变化因素中的农作物产量具有显着的正向影响，但从长期来看，有证据表明所有气候变化因子均对作物产量具有显着影响。 例如，对作物产量进行了温度，二氧化碳排放，碳排放和降雨的显着测试。 此外，非气候变化因素，例如从事经济活动的人口，总资本形成以及可供灌溉的土地面积，对作物产量也具有显着的正向作用。 为了阻止气候变化对作物产量的影响，研究建议政策制定者应制定政策，以帮助农民采取适应农业的做法，从而减轻气候变化的影响。 此外，政府和其他有关机构还应设计方案，以激励群众增加对作物生产的参与。

农业是我们国家的主要生计来源。 当前面临水资源短缺、供需失控的成本以及天气不确定性等挑战，农民必须配备智能农业。 尤其需要解决由于气候变化不确定、灌溉设施差、土壤肥力下降和传统耕作技术而导致作物产量低的问题。 机器学习就是一种用于预测农业作物产量的技术。 各种机器学习技术如预测、分类、回归和聚类被用来预测作物产量。 人工神经网络、支持向量机、线性和逻辑回归、决策树、朴素贝叶斯是一些用于实现预测的算法。 然而，从可用算法池中选择合适的算法给研究人员带来了关于所选作物的挑战。 在本文中，对各种机器学习算法如何用于预测作物产量进行了调查。 已经提出了一种在大数据计算范式中使用机器学习技术预测作物产量的方法。