生态条件对烟叶品质具有重要影响, 物理特性是烟叶品质评价中的重要组成部分。为探究烟叶物理特性与生态因子间的定量关系, 构建物理特性预测模型, 基于云南省玉溪市2019-2020年优质烟叶的物理特性与生态数据 (气象, 土壤和海拔),建立多元线性统计预测模型与BP (back propagation) 神经网络预测模型, 并分析各生态因子对烟叶物理特性的相对贡献率;利用均方根误差 (root mean square error, RMSE) 与归-化均方根误差 (normalized root mean square error, nRMSE) 对两种预测模型模拟效果进行检验分析。结果显示, 气象因子平均相对贡献率明显高于土壤, 海拔的相对贡献率, 气象因子对清香型优质烟叶物理特性尤为重要;统计预测模型的RMSE, nRMSE值均高于神经网络预测模型, 神经网络预测模型预测准确性更高。利用多元线性与神经网络构建物理特性指标预测模型, 可以为不同生态条件下提升烟叶品质, 促进烟叶品质评价智能精准化提供一定的科学理论依据. [ABSTRACT FROM AUTHOR]