Le problème alimentaire est une préoccupation majeure dans le monde, et la prévision des superficies irriguées peut favoriser la solution du problème alimentaire. Dans cet article, la relation entre le rendement en grain et la superficie irrigable dans le monde est analysée, et un algorithme amélioré de modèle de base de machine de régression forestière aléatoire et de régression d'arbre limite est proposé et appliqué à la prédiction de la superficie irrigable en Chine. Plus précisément, premièrement, la valeur moyenne arithmétique (AMM) de l'erreur quadratique moyenne (MSE) et l'erreur absolue moyenne (MAE) est utilisées comme métrique d'évaluation de la fonction impure améliorée et de l'effet de prédiction de la zone d'irrigation. Deuxièmement, la méthode de recherche en quadrillage est utilisée pour déterminer le nombre optimal d'arbres de décision dans la forêt aléatoire et la régression des arbres limites, de sorte qu'un nouveau modèle de forêt aléatoire amélioré est établi pour prédire la superficie annuelle d'irrigation en Chine. Enfin, le modèle proposé est comparé à d'autres modèles de prédiction, et les résultats de l'expérience de validation croisée 10 fois montrent l'efficacité du modèle proposé. Il devrait être appliqué à la prédiction et à l'analyse factorielle des surfaces irriguées annuelles en Chine.