唐山市冬小麦单产空间分布及预测研究

河北省唐山市是我国冬小麦分布东北缘,对其产量变化的分析可以为我国冬小麦次要种植区的生产与预测提供具体的研究实例。利用唐山市199个乡镇19年冬小麦单产与分县气象要素数据进行分析,对唐山市冬小麦单产进行了分区,建立了唐山市冬小麦单产气象预测模型,并根据地面实测产量数据对预测结果进行了验证。结果表明,利用气象数据进行本研究区单产估测,相对误差在3.0%以内,可较好的服务于县级、地区（市）一级的单产估测工作,为基层政府指导粮食生产提供科学合理的支持。     

基于决策树的农业气象灾害等级预测模型

在讨论数据挖掘技术的基本概念、决策树方法的基础上,结合牡丹江地区部分县区风雹灾害数据样本,采用决策树C4.5分类算法,建立了农业气象灾害等级决策树预测模型。通过该预测模型可预测各地直接经济损失程度,为该领域的数据挖掘提供了合理的挖掘模式,并得出了有效的分析结论。     

基于决策树的蔬菜病害静态预警模型

设施蔬菜病害严重影响蔬菜的产量和质量,利用传统的防治措施不能很好地满足社会对食品安全和良好的生活环境的要求,而设施蔬菜病害预警则可兼顾蔬菜生产和社会要求,是一种绿色、有效的病害防治方式。本文采用决策树C4.5算法对蔬菜病害进行预警,构建设施蔬菜病害静态预警模型。为测试模型的可行性和适用性,以黄瓜黑星病为例,对所构建的预警模型进行分析评价。结果表明:运用决策树C4.5算法能够实现对黄瓜黑星病的预警,模型预测具有准确率较高、所需时间短等特点,可以有效地运用于实际生产之中。     

聚类、粗糙集与决策树的组合算法在地力评价中的应用

 【目的】地力评价方法大多数有一定的主观性,较少考虑土壤各属性间的依赖关系。论文旨在采用数据挖掘方法,寻求地力等级划分的新方法。【方法】结合农安县耕地调查数据,应用K-means聚类方法、Johnson粗糙集属性约简算法与C4.5决策树算法相结合的优化算法评价地力等级。【结果】使用K-means聚类方法,得到最佳学习样本数;使用粗糙集属性约简和决策树相结合的方法,去掉了冗余属性7个,决策树模型共有节点317个,其中叶节点个数为159个,生成规则159条,模型准确率为82.08%。与未聚类和未约简的方法相比,决策树结点个数减少41.62%。【结论】使用该组合算法,在保证模型准确率的同时,降低了算法的时间和空间复杂性,提高了挖掘效率。     

基于Adaboost模型的江苏省冬小麦产量预测

农作物产量预测是农业科学的一个重要问题,而气象特征的变化将对农作物的产量产生影响。本文根据1981—2016年江苏省的气象数据,研究影响农作物产量的关键气象特征,并利用机器学习中的Adaboost算法,对江苏省近几年的小麦产量进行预测。结果表明Adaboost模型预测准确率较高,从而为农业生产中的正确决策提供参考。     

基于C4.5决策树算法的农安县农田管理区划分

针对吉林省长春市农安县2012年耕地地力调查数据,使用数据挖掘中的C4.5决策树算法(以下简称C4.5算法)对土壤中速效氮、速效磷和速效钾3种主要养分含量进行分析,并根据各养分间差异划分管理区。结果表明,使用C4.5算法对农安县924、1 840、2 756组土壤速效养分数据进行分析得到的模型精度分别为95.81%、95.59%、95.13%,对测试样本的分类精度分别为88.25%、90.50%、91.57%。使用C4.5算法对农安县进行管理区划分准确度高、效率高、易于推广,是一种指导农安县精细农业实施的有效管理区划分方法。     

福建省粮食产量气象灾害风险评估

利用福建省1978-2004年66个县(区)的粮食单产资料,通过统计处理得到相对气象产量,并以相对气象产量的变化来表征福建粮食产量气象灾害风险程度.采用歉年平均减产率,教年减产率变异系数,相对气象产量低于-5%的保证率3个风险指标作为综合风险评估指标,来评估福建粮食单产气象灾害风险.结果表明全省各县综合风险指数介于0.08～0.73之间,高风险区主要分布在平潭县、泉州和漳州的大部县市、龙岩和三明的西部县市、宁德市东北部和南平的部分县市,这些区域的台风、暴雨、干旱和寒害等灾害对粮食单产的影响较大;低风险区主要分布在福建中部沿海县市及内陆县市,气象灾害对对粮食单产的影响相对小些.     

C4.5算法在移动通信行业客户流失分析中的应用

稳定客户和吸引客户是移动通信企业提高竞争力的关键.基于大量实验数据将数据挖掘的决策树方法引入移动通信行业客户流失分析中,通过对数据的预处理,利用C4.5算法创建决策树,通过测试流失的与未流失的客户,平均正确识别率为91.6%.决策树体现的规则与经验基本一致,为移动通信企业建立客户流失的预警机制提供了决策支持.     

C4.5算法在大豆致病性分析中的应用

介绍了一种决策树C4.5算法的构建方法及其步骤,并将决策树应用于大豆致病分析,由Weka系统实现后得到有一定实用价值的决策树.     

基于数据挖掘的决策树算法应用研究

数据挖掘是一种发现大量数据中潜在信息的数据分析方法和技术,已经成为关注的热点。决策树方法因其简单、直观、准确率高等特点,在数据挖掘及数据分析中得到了广泛的应用。本文使用数据挖掘的C4.5算法对UCI数据库中的蘑菇数据构建决策树模型,给出了蘑菇可食用或有毒的决策。     

基于气候适宜度的湖北省棉花相对气象产量丰歉年型探讨

基于1981—2020年湖北省棉花种植区共50个县（市、区）气象资料,选取光照、气温、有效降水量3个气候影响因子计算棉花各生育期气候适宜度,并采用熵权法对各生育期气候适宜度进行加权得到湖北省全生育期综合气候适宜度,构建了基于综合气候适宜度的棉花相对气象产量丰歉年型预报模型。结果表明,1981年以来湖北省棉花气候适宜度呈“降-升-降”波动趋势,棉花花铃期相对其他生育期更适宜棉花生长;播种期、蕾期变异系数较大,分别为21.9%和20.9%;所建立的相对气象产量预报模型历史回代完全一致及较接近的占比达到94.7%,2019年、2020年试报结果与实际丰歉年型完全一致,拟合结果较好,能够基本满足业务服务需要。     

全球气候变暖对中国种植制度的可能影响 Ⅺ.气候变化背景下中国冬小麦潜在光温适宜种植区变化特征

【目的】气候变化背景下中国农业及粮食安全面临严峻挑战,而小麦是中国三大粮食作物之一,对保障中国粮食安全具有重要作用,研究气候变化背景下中国冬小麦潜在光温适宜种植区的变化特征,为冬小麦合理布局提供重要科学参考。【方法】利用逐级订正法计算中国冬小麦潜在种植区内各站点冬小麦逐年潜在光温产量,综合考虑高产性和稳产性指标,以1981年为时间节点,将1961-2010年划分为两个时段,在分析1981-2010年（时段Ⅱ）较1961-1980年（时段Ⅰ）潜在光温产量高产性和稳产性变化特征的基础上,综合得到气候变化背景下中国冬小麦潜在光温适宜种植区界限的变化及潜在光温适宜种植区分布的变化特征。【结果】与时段Ⅰ相比,时段Ⅱ中国冬小麦潜在光温产量的最高产区和高产区面积增加,占研究区域冬小麦面积的比例分别增加了6.33%和7.42%,而次高产区和低产区面积减少,占研究区域冬小麦面积的比例减少了10.50%和3.24%。时段Ⅱ中国冬小麦潜在光温产量最稳产区面积下降,占研究区域冬小麦面积比例降低了25.76%,而稳产区、次稳产区和低稳产区面积增加,占研究区域冬小麦面积的比例分别增加了12.09%、10.34%和3.31%。中国冬小麦潜在最适宜区、适宜区、次适宜区和可种植区界限在空间上都发生改变。其中,冬小麦潜在最适宜区界限发生了明显的北移西扩,潜在最适宜区南界由安徽省中部北移至山东省西北部,潜在最适宜区西界由山西省西南部西扩至陕西省西北部;冬小麦潜在适宜区界限向东北方向移动,最大移动距离在四川省东部-陕西省西南部,移动距离达835.63 km。冬小麦各等级潜在光温适宜种植区界限变化引起各区域冬小麦面积相应改变。与时段Ⅰ相比,时段Ⅱ中国冬小麦潜在最适宜区和适宜区冬小麦面积下降,占研究区域冬小麦面积比例分别降低了4.49%和4.75%,而次适宜区和可种植区冬小麦面积增加,占研究区域冬小麦面积的比例分别增加了7.17%和2.06%。中国冬小麦各等级潜在光温适宜种植区的单产增加,平均提高513 kg·hm^-2,但最适宜区和适宜区冬小麦面积减少,使得最适宜区和适宜区冬小麦的总产下降,与时段Ⅰ相比占总产的比例分别降低了29.4% （5 108×10⁴ t）和15.1% （5 896×10⁴ t）,从而使冬小麦种植区内冬小麦总产整体下降了1 504×10⁴ t,与时段Ⅰ相比占总产的比例降低了2.07%。【结论】全球气候变暖背景下,中国冬小麦潜在光温产量最高产区和高产区面积增加,最稳产区面积减少,由于稳产性下降引起冬小麦最适宜区和适宜区面积缩小;中国冬小麦潜在光温适宜种植区最适宜区界限北移西扩,适宜区界限向东北方向移动,适宜区界限的变动引起中国冬小麦各等级适宜种植区内的单产增加,有利于冬小麦产量的提高,但最适宜区和适宜区冬小麦面积减少,使中国冬小麦的总产整体下降。实际生产中,冬小麦潜在光温产量适宜性发生改变的区域,应注意结合当地的灌溉条件,以确保冬小麦稳产高产。     

土地评价中关联规则与C4.5规则的应用比较

关联规则和C4.5规则能提高土地评价知识表达的可解释性和土地评价的有效性,克服传统土地评价方法中人为因素多的缺点。为对比关联规则和C4.5规则在应用中的差异,文章基于广东省土地评价数据库,在相同实验条件下进行了关联规则和C4.5规则的挖掘,并结合模糊判决算法分别建立了基于这2种分类规则的模糊分类器进行测试。结果表明,2种算法各有优点。其中关联规则具有更高的准确率,但其计算过程复杂,耗费时间长;C4.5规则准确率略低,但其计算成本低、速度快。     

土地评价中关联规则与C4.5规则的应用比较

关联规则和C4.5规则能提高土地评价知识表达的可解释性和土地评价的有效性,克服传统土地评价方法中人为因素多的缺点。为对比关联规则和C4.5规则在应用中的差异,文章基于广东省土地评价数据库,在相同实验条件下进行了关联规则和C4.5规则的挖掘,并结合模糊判决算法分别建立了基于这2种分类规则的模糊分类器进行测试。结果表明,2种算法各有优缺点。其中关联规则具有更好的可支持排序标准、更客观的冗余规则去除算法以及更高的准确率;但其对数据属性要求比较高,挖掘速度也远不如C4.5规则;C4.5规则准确率略低,但其计算成本低、速度快。     

基于决策树算法的棉花产量预测研究

为深入挖掘土壤养分与棉花产量之间的潜在关系,提供一定的科学理论依据指导农业生产,本文基于Weka挖掘平台、C4.5决策树算法生成预测模型来预测棉花产量。分析得到:①土壤中有机质、碱解氮、速效钾、有效锌与有效硼对棉花产量有重要影响;②有效锌含量过高或有效硼含量过高的土壤不利于棉花增产,相反,有效钾、有效硼含量较低的土壤中棉花产量达到中产及中产以上;③不考虑其他养分含量对棉花的影响,当土壤中有机质与碱解氮含量过低时,不利于棉花产量的提高。本文中利用C4.5决策树算法能够简单直观地分析土壤养分因素与棉花产量的关系进行棉花生产的预测,这对棉花生产能够产生一定的指导意义。     

基于气候适宜度的水稻产量动态预报模型

利用1981─2016年江苏省13个市气象观测站的地面气象观测资料和同期的水稻产量资料,结合江苏地区的气候特点和水稻生理特性,构建了适用于江苏地区水稻的温度、日照、降水适宜度模型;根据气候适宜度与水稻气象产量的相关关系,确定了气候适宜指数,进而建立了基于气候适宜指数的江苏各市及全省的水稻产量动态预报模型;对所构建的模型进行历史拟合检验和预报检验,拟合准确率平均为95.05%,预报准确率平均为96.15%,达到了业务工作中准确率95%以上的预报标准。     

冬小麦农业气象保险指数研究 ——以连云港地区为例

利用连云港市近30年冬小麦产量数据以及相关年份气象要素数据,使用5年直线滑动平均方法,分离出气象产量,将气象产量与各种气象因子进行相关性检验,根据研究结果,选取相关性显著的气象因子,设计气象指数产品.结果显示,不同生育期内,冬小麦产量的影响因子不同,因此可以设计出多种农业气象指数产品,对冬小麦气象指数与相对气象产量进行回归分析处理,计算出不同相对气象产量范围内所对应的气象指数临界阈值.根据长时间序列气象指数的数据,计算出连云港市农业气象指数各等级灾损的风险概率,同时建立关于冬小麦产量的灾损模型,并且分别得出不同免赔额下各气象指数的保险纯费率.结果显示,在免赔率为0％时,各农业气象指数产品保险纯费率在2.35％～5.66％之间,研究结果可为连云港市冬小麦开展政策性气象指数保险提供科学依据.     

冬麦北移河西后生长发育及农艺性状比较研究

不同冬小麦品种在北移区(武威)和原种植区(清水)两地生长发育差异比较研究,结果表明,冬麦北移河西后生育期表现为冬前生长期延长,越冬期延长,拔节至抽穗期缩短,抽穗至成熟期也缩短.农艺性状比较结果表明,冬麦北移河西后,株高降低,单株成穗数增多,并且主穗与分蘖穗的差异缩小,千粒重提高,主穗穗粒数减少,单株生物产量、单株籽粒产量和经济系数等均明显提高.若加强北移区小麦生长后期的田间管理,延长灌浆时间,提高粒重,产量可进一步提高.     

基于Spark的WOA-BP水稻产量预测

目的 随着大数据技术和人工智能的快速发展,针对当前水稻产量预测模型精度低、预测区域范围过大、模型优化时间过长等问题,本文提出一种基于Spark的鲸鱼优化算法-反向传播神经网络(Whale optimization algorithm-backpropagation,WOA-BP)水稻产量预测方法。方法 本文以广东省西部地区的县/市/区水稻产量及气象数据作为研究对象,采用WOA对BP网络的权值和偏置值进行优化,并构建水稻产量预测模型,提升预测精度;此外,在Spark框架下,实现WOA-BP算法并行化,减少算法时间开销。结果 模型精度方面,通过对预测结果进行反归一化后比较,经WOA优化后的BP神经网络模型,平均绝对百分比误差 (Mean absolute percentage error) 从8.354%降至7.068%,平均绝对误差 (Mean absolute error) 从31.320 kg降至26.982 kg,均方根误差 (Root mean square error) 从41.008 kg降至33.546 kg;运行时间方面,3节点Spark集群比非Spark模式减少了11 742 s,减少44%的时间开销。结论 基于Spark的WOA-BP水稻产量预测方法,能够较好地预测出广东西部县/市/区的水稻产量,同时可以很好地反映气象因素对广东省西部地区水稻产量的影响情况,对研究广东西部县/市/区乃至整个广东的水稻产量情况具有一定的参考价值。     

江苏涟水地区浅水藕种植气候区划研究

利用江苏省1960--2010年的69个站的气象资料,根据浅水藕生长对气象条件的要求,确定江苏省涟水县浅水藕气候区划指标和等级.在地理信息系统的支持下,利用小网格资源推算法,细化农业气候资源分布.采用专家打分法,将江苏涟水地区浅水藕种植区划分为最佳种植区、适宜种植区,并对各区的气候特点进行评述.