灰色系统理论在陕西省农作物秸秆可收集量预测中的SAS应用

[目的]在SAS环境下,运用灰色系统理论对陕西省农作物秸秆可收集量进行预测。[方法]以草谷比和可收集系数估算2005—2015年陕西省农作物秸秆可收集量。以农村就业人口、农作物播种面积、农用化肥施用量和农业机械总动力作为影响农作物秸秆可收集量的4个主要因素进行灰色关联度分析。在SAS环境下,利用GM(1,1)灰色模型和基于GM(1,1)的多元回归模型对2016—2020年的陕西农作物秸秆可收集量进行预测,并对模型精度与误差进行分析比较。[结果]基于GM(1,1)的多元回归模型预测精度高于GM(1,1)模型的精度,较准确预测了2016—2020年陕西农作物秸秆的可收集量。[结论]准确预测农作物秸秆可收集量可为政府开展农业面源污染防治、提高秸秆综合利用提供强有力的数据支撑。     

我省主要农作物秸秆利用率达95.6%以上

<正>作为农作物秸秆产出大省,我省近年不断在秸秆综合利用上发力,推动秸秆资源化。2016年我省主要农作物秸秆可收集量为5688万吨,综合利用量为5440万吨,利用率达到95.6%以上。近日,在唐山滦县百信秸秆利用农民专业合作社的库房里,1000吨生物质燃料被一袋袋整齐码放。     

浅谈黑龙江省秸秆综合利用发展方向

正1黑龙江省秸秆资源情况近年来,黑龙江省秸秆资源量呈波动上升的趋势,据统计,2019年资源量达到1.3亿t,可收集量达到1.0亿t,是全国秸秆资源最丰富的省份,占全国总量的1/8。虽然在各种政策、资金的支持下,黑龙江省秸秆综合利用率达到了80%以上,还田利用率55%以上,但是与其他省份相比,秸秆综合利用率和还田利用率仍然较低,尚有2500万t以上的秸秆没有得到有效利用。     

黑龙江省秸秆资源时空分布特征及利用现状

为深入了解黑龙江省秸秆资源时空分布特征及影响因素,以及秸秆综合利用现状,基于《黑龙江省统计年鉴》,对1997—2016年黑龙江省田间秸秆资源量进行了分析,并利用ArcGIS10.2软件,对其时空分布特征进行了描述。结果表明,近20年来,黑龙江省农作物秸秆产量总体呈波动上升的趋势,2016年达到6758万t,农作物单位面积产量为首要影响因素。从空间分布特征来看,黑龙江省中部和南部地区以玉米秸秆为主,北部地区以大豆秸秆为主,东部地区以水稻秸秆为主。     

南阳市小麦秸秆打捆利用浅析

正一、南阳市小麦秸秆打捆与利用现状小麦秸秆打捆是在小麦收割后1～2 d内,对事先沟通或签订收购协议的未粉碎的小麦秸秆田间作业打捆。秸秆打捆减少了储存空间,便于运输,降低了运输成本,秸秆打捆现已成为南阳市夏季小麦秸秆的主流收集方式。2021年,南阳市8个主要产粮县小麦收获面积597.6万hm2,秸秆理论产量504.9万t,秸秆理论可收集量373.3万t,秸秆打捆收集量298.6万t,     

黑龙江省农作物秸秆利用对策及模式研究

为减少秸秆焚烧对环境的污染,提高农作物秸秆利用率,该文估算了黑龙江省2011年的主要农作物秸秆量,通过分析黑龙江省农作物秸秆利用现状及限制农作物秸秆循环利用的原因,提出了促进农户秸秆还田的对策,即玉米连作秸秆还田技术、玉米大豆轮作秸秆还田技术、水稻秸秆还田技术三套机械化秸秆还田模式。     

内江市秸秆综合利用情况调查与研究

通过对内江市主要农作物秸秆产生量、可收集量和综合利用成效进行调查研究,分析全市秸秆综合利用面临的形势与问题,提出提高全市秸秆综合利用的思路与建议。为内江市开展蓝天保卫行动,从源头上解决秸秆焚烧对大气环境造成的影响,改善人居环境、推动环境空气质量达标,为建设"幸福美丽内江"提供保障。     

黑龙江省作物秸秆养分资源时空特征及替代化肥潜力

黑龙江省农作物秸秆资源丰富,明确秸秆资源特征及其养分替代利用潜力,对于黑龙江省养分资源管理、农田土壤培肥和农业可持续发展具有重要意义。本研究以黑龙江省主要农作物玉米、水稻、大豆和小麦为研究对象,基于黑龙江省统计年鉴数据,采用草谷比法和系数法分别估算了秸秆资源量和秸秆养分资源量,分析了黑龙江省秸秆资源演变特征和有效养分量。结果表明:1980年到2018年黑龙江省主要农作物秸秆资源量表现为前期缓、后期快的波动上升趋势。2018年秸秆资源量达到了8 523.0万t,玉米秸秆资源量占到总量的57.5%,水稻占30.9%,大豆为11.1%,小麦为0.5%。黑龙江省农作物秸秆资源存在区域特征:玉米秸秆主要分布在黑龙江省南部和西部,水稻秸秆主要分布在黑龙江南部和东部,大豆秸秆主要分布在黑龙江北部和西部,小麦秸秆主要分布在黑龙江北部。哈尔滨市、齐齐哈尔市、绥化市、佳木斯市和农垦总局的秸秆资源量最高,占比76.0%。2018年秸秆全部还田后的氮(N)、磷(P_2O_5)和钾(K_2O)有效养分资源量分别为27.6、10.0和77.3万t,分别可替代24.8%的氮肥、13.0%的磷肥、135.7%的钾肥。黑龙江省化肥可替代率最高的地区为鸡西市、大兴安岭地区和伊春市,其它地区仍具有较大的提升潜力。因此,黑龙江省秸秆资源丰富,具有较强的化肥替代潜力,合理利用秸秆养分资源是实现黑龙江省肥料减施增效的重要途径。     

长春市:秸秆综合利用堵疏结合 标本兼治

<正>长春市作为农业大市,农作物播种面积大,秸秆产量高,全市秸秆实际可收集量达到1050万吨,约占全省的1/4。目前,长春市秸秆综合利用率仅为65%,每年剩余的农作物秸秆总量仍高达360万吨。如果将剩余秸秆全部露天焚烧,会给长春周边大气环境造成严重影响。近两年来,长春市政府在秸秆禁烧与综合利用工作中不断摸索,发现单靠堵、靠禁烧措施的工作模式很难推进,不但干部很辛苦,而且农民也不愿意     

浅谈抚顺市秸秆综合利用取得成效

正1秸秆产生和综合利用情况1.1秸秆资源量和可收集量情况根据抚顺市统计局全市粮食作物产量数据,经测算,常年全市秸秆资源产生量约103.76万吨,秸秆可收集量约为87.21万吨。其中,玉米秸秆约78.53万吨,水稻秸秆约7.83万吨,其他作物秸秆约0.85万吨。1.2秸秆综合利用工作情况全市常年年秸秆综合利用量达到74.93万吨,占全市秸秆可利用量的85.91%。其中,肥料化     

灰色双向差分建模在作物产量预测中的应用

本文讨论了灰色系统GM（1，）模型建模方法的不足，并从数学上导出了一种新的灰色建模方案，把它应用到作物产量的预测中，同样取得了良好效果。     

基于多元回归分析和灰色模型的康乐县城乡建设用地预测

结合多元回归分析和GM(1,1)灰色预测模型,以康乐县为研究对象,通过2000年～2008年的城乡建设用地面积数据预测了2015年和2020年的康乐县城乡用地面积.结果表明:通过多元回归分析,灰色预测模型的2015年和2020年康乐县城乡建设用地预测结果分别为4 671.16、4 698.28hm2和4 783.04、4 827.81hm2,与城乡规划指标4 898.25、4 916.63hm2较为相近,预测可行.     

灰色线性回归在冬小麦产量长期预测中的应用

针对农作物产量序列既有线性趋势又有大幅波动的情况,用直线回归残差分离原始序列,构建灰色线性回归组合预测模型。对宿州冬小麦产量的预测结果表明,该模型克服了GM（1,1）模型和线性回归模型的缺陷,具有一定的应用价值。     

宿州市大涝发生年份的中心逼近式GM(1,1)预测模型研究

以Z指数为旱涝指标,确定宿州市大涝年份,应用改变背景值的中心逼近式GM(1,1)模型,通过调整m值提高模型精度,建立了精度较高的宿州市大涝发生年份GM(1,1)预测模型,并对宿州市下一个大涝发生年进行了预测。     

灰色系统理论在预测路面使用性能中的应用

根据灰色系统理论建立GM(1,1)模型预测路面的使用性能,结合实例讨论了具体的预测方法和过程,并与人工神经网络(ANN)预测方法进行比较。预测结果和质量分析表明,灰色系统理论预测效果较优。     

灰色系统理论在预测路面使用性能中的应用

根据灰色系统理论建立 GM(1,1)模型预测路面的使用性能,结合实例讨论了具体的预测方法和过程,并与人工神经网络(ANN)预测方法进行比较。预测结果和质量分析表明,灰色系统理论预测效果较优。     

基于灰色理论的设备状态预测

针对一般GM(1,1)多步预测方法的不足,提出了一种基于代谢递补GM(1,1)的状态预测方法.该方法首先对原始信号进行预处理,再通过递补思想进行多步预测,然后利用更新数据进行代谢预测,最后计算设备状态的预测值与真实值误差,根据预测值的趋势判断设备的未来状态.实例分析结果表明,该方法所需数据样本少且数据训练时间短,后八步的预测精度可满足工程精度,能有效地应用于设备的中长期在线状态预测.     

基于无偏灰色马尔科夫链的稻瘟病预测研究

采用五点滑动法优化原始数据,建立新的灰色马尔科夫预测模型。在分析利用湖北省恩施州1995～2004年稻瘟病历史资料的基础上,分别应用五点滑动优化无偏和无偏GM（1,1）模型预测2005～2010年稻瘟病发生面积。预测结果表明：五点滑动优化无偏GM（1,1）模型预测精度较高,应用于稻瘟病预测切实可行。结合五点滑动优化无偏GM（1,1）模型预测结果,笔者给恩施州2010年稻瘟病的防治提供了政策建议。     

等维灰数递补模型在西安市空气污染物浓度预测中的应用

在分析比较GM（1,1）模型与等维灰数递补模型后,利用准确度较高的等维灰数递补模型对西安市2010～2014年主要污染物SO2、NO2、PM10年均浓度进行预测。结果表明,西安市SO2、PM10浓度逐渐减小,NO2浓度逐渐增加。利用大气污染单项指数和污染物负担率分析,发现西安市空气污染类型由煤烟型污染转为混合型污染。