中国森林火灾发生规律及预测模型研究

量化分析森林火灾发生规律能为预测和防治森林火灾提供科学依据。文中采用四参数Weibull分布描述了我国森林火灾发生次数和火场面积分布规律，运用Spearman相关系数分析承灾主体因子、灾害管理因子、孕灾环境因子与森林火灾发生次数、面积间关系，基于全国森林火灾数据分别建立灰色系统理论模型、BP人工神经网络模型和时间序列ARIMA模型，并采用Markov随机过程改进已建立模型。结果表明，我国森林火灾发生次数分布呈左偏正态分布，火场面积呈倒J型分布，火灾次数和火场面积分布模型拟合决定系数分别为0.63和0.66；承灾主体、孕灾环境和灾害管理对森林火灾次数和火场面积影响程度依次减小，人工林面积、累年年平均气温、年降雨量平均差值、年最低气温平均日数与森林火灾发生具有明显相关性，影响森林火灾的因子与森林火灾发生次数、火场面积间存在指数型关系；不同模型对森林火灾发生次数和火场面积拟合优度次序为BP模型、GM（1，1）-Markov模型、BP-Markov模型、GM（1，1）模型、ARIMA模型、ARIMA-Markov模型，采用Markov过程能显著改进GM（1，1）预测模型对火灾随机性的预测效果，可以更好地反映森林火灾发生规律。     

基于ARIMA模型的我国大豆单产预测分析

在我国大豆单产光合潜力和"农业生态区划"(AEZ)潜力基础上,运用ARIMA(自回归单整移动平均)模型预测了2020年前我国大豆单产。结果表明:我国大豆单产最大潜力为3 400 kg·hm~(-2),而2017、2018、2019和2020年单产将分别为1 899,1 926,1 954和1 982 kg·hm~(-2),分别是最大潜力的55.85%、56.65%、57.47%和58.29%。这意味着:未来提高我国大豆单产尚有较大空间,应保持高产耕地生产力与改良中低产田土并重。研究结果旨在为我国大豆生产提供决策参考信息。     

银杏落叶期叶片NDVI值2种拟合方法比较

【目的】对银杏Ginkgo biloba L.落叶期(9—12月)的叶片进行连续定期定点的高光谱测量,计算出能代表其生长状况和营养信息的高光谱参量NDVI值,通过选用两种不同的曲线拟合方法对其NDVI值进行宏观上的以时间为自变量的曲线拟合,选出最优拟合方法,更好地了解银杏落叶期叶片光谱特征参量NDVI值的变化趋势,从而更有效地对其进行决策和控制,为植被的大尺度遥感动态监测提供方法参考。【方法】利用SVC HR-1024I全波段地物光谱仪,选取三株健康、生长环境相同、长势相近的中龄银杏为叶片采集对象,对其落叶期冠层叶片进行定期定点定方位的高光谱观测。对获取的高光谱原始数据进行数据筛选与预处理后,通过计算得出叶片的NDVI值,分别采用二次函数拟合法和ARIMA时间序列拟合法对落叶期叶片的NDVI值进行曲线拟合,并对两种拟合方法的拟合结果进行比较,选出最适合银杏叶片落叶期NDVI值的拟合方法。【结果】二次函数拟合结果为NDVI=-0.0221T2+0.0547T+0.711,决定系数R2为0.926,但因拟合结果t值不显著,样本结果随机性大,不具广泛性;ARIMA时间序列拟合中ARIMA(2,1,2)模型估测结果与实际情况接近,R2为0.811,拟合效果较好。【结论】ARIMA时间序列拟合方法比二次行数拟合方法更适用于对银杏落叶期叶片的NDVI值进行拟合。     

Optimal forest rotation periods: integrating timber production and carbon sequestration benefits in Pinus tabulaeformis plantations on the Loess Plateau,P.R. China

Determining the optimal rotation period was a crucial component of forest sustainable management strategies, especially under climate change. This paper had two objectives: (1) to determine the economic benefits and optimal rotation periods for timber production when coupled to carbon sequestration, as predicted by time series prediction models for Pinus tabulaeformis plantations in China; and (2) to evaluate how different carbon prices and interest rates affected optimal rotation periods using the forest land expectation value. The results suggested that time series prediction models were valuable for estimating timber volumes and carbon sequestrations based on surveys of different-aged stands. Importantly, since integrating carbon sequestrations into timber production benefits did not increase optimal rotation periods, this should promote P. tabulaeformis plantation management. In the sensitivity analysis, a higher carbon price increased the profitability of carbon sequestration and timber production, but not optimal rotation periods, though they were reduced under higher interest rates. In conclusion, incorporating both timber production and carbon sequestration benefits would sharply increase forest-based revenues, while realizing the carbon sequestration potential of P. tabulaeformis plantations. This approach was clearly useful to the development of reforestation/afforestation projects trying to mitigate climate change and also provided a theoretical basis for sustainable forest management.     

Predicting the Dairy Cow Somatic Cell Number of Ningxia Area Based on ARIMA Model

Through dairy herd improvement (DHI) data analysis to predict somatic cell count (SCC) of Ningxia area in time, which providing a reference for the prevention and treatment of mastitis in dairy cows, making the DHI data more effective and timely in guiding the dairy industry production. Using the difference method to make the average cow somatic cell data form September 2011 to February 2016 stabled, then used the seasonal ARIMA model to analysis, fitting and forecasting data. The auto.arima function of R software had been used to calculate the optimal time series that finally confirmed the model was ARIMA (1,1,0)(1,1,0)_[12], AIC was -3.67. The Acf test showed that the residual had no significant autocorrelation; Ljung-Box test showed that all P-value>0.5, indicating that the residual was white noise, and this model could be used to make predication for the next 24 months. The forecast function of the R software was used to predict the dairy cows SCC from March 2016 to February 2017, and the forecast map was drawn. The predicted results showed that the SCC of the entire Ningxia area were showing a downward trend. The SCC would be the least in January 2017,and the predictive value was about 253 100 per mL. It would be the largest in March 2016, was about 439 600 per mL. The results also showed that the dairy cows SCC in Ningxia was higher than the critical value of 20 million of subclinical mastitis. It suggested that the prevention and treatment of dairy cow mastitis need to be strengthened in Ningxia area. At the same time, if the data of the dairy cows SCC was added in timely, the data model should be updated to make it more close to the true value, which would be more meaningful to the actual instruction.     

一种基于趋势单产和遥感修正模型的混合估产模型

【目的】在分析国内外农作物估产方法的相关研究进展基础上,将传统统计估产方法和遥感估产方法相结合,提出一种新的混合估产模型。【方法】该模型由趋势单产、遥感修正单产和随机误差项三部分组成,其中趋势单产利用历史长时间序列的单产统计数据,通过多项式回归的方法结合ARIMA模型修正得到,遥感修正单产利用3个作物关键生育期NDVI和实测单产多元回归得到。为验证所提出估产方法的可行性和精度,利用2015年冬小麦关键生育期的三景环境卫星遥感影像和冬小麦实测地块单产数据以及近30年(1985—2014年)北京市各区县的冬小麦单产数据,对2015年的北京市的冬小麦单产进行估算,与真实值(2015年单产统计数据)对比。【结果】混合估产模型对北京市的冬小麦单产预测精度达到98.7%,各区县估产精度均超过90%,除房山(90.3%)外,各县单产预测相对精度均超过95%;传统趋势单产模型对北京市的冬小麦单产预测精度达到94.75%,但在区县尺度上,传统估产模型预测精度较低,对房山区的估产精度不足80%;引入ARIMA模型可以提高传统趋势单产模型的精度。修正后的趋势单产模型冬小麦单产预测精度平均提高了1.59%。本文建立的遥感修正模型,利用三景遥感影像修正结果最优,此方法使冬小麦估产精度整体提升3.55%,尤其是房山、平谷等区县,精度明显提升。【结论】该模型在市级尺度和县级尺度上预测冬小麦单产均取得较高精度,充分考虑冬小麦时间尺度和空间尺度上的变化,对农作物估产有一定的指导意义。     

基于PCA-ARIMA模型的高血压发病率预测

目的高血压发病率是政府和相关医学工作者预防和监测高血压的重要依据之一。方法利用主成分分析(principal component analysis,PCA)对因子进行线性筛选,获得保留因子后利用ARIMA进行建模预测,即为PCA-ARIMA多维时间序列组合预测模型。结果高血压发病率的拟合与独立预测结果表明,PCA-ARIMA优于PCA-MLR、ARIMA等参比模型。结论本文提出的基于主成分分析和ARIMA模型(PCA-ARIMA模型)的建模有助于提高模型的预测精度。     

基于传递函数模型的台风中心气压动态预测

[目的]通过ARIMA模型和传递函数模型的预测精度比较找到广东省台风预测中心气压的最好方法。[方法]利用时序图和相关系数对台风的风力、最大风速和中心气压进行相关性分析,得到它们具有很强的相关性。[结果]使用台风风力和最大风速作为输入变量的传递函数模型对样本内数据具有更好的预测效果。[结论]将现代时间序列分析的理论与方法应用于气象预报具有重要的实际意义。     

长江靖江段沿岸似鳊的时间格局及生长特征

为了解长江下游沿岸似鳊（Pseudobrama simoni）的种群变动及生长状况，研究了2002-2009年间在靖江沿岸用定置张网采集的每月2次或3次共237份渔获物样本。结果表明：237份样本共有鱼类73 960尾、409 256.23 g。其中似鳊4 253尾、39 618.05 g，分别占总渔获量的5.75%和9.68%。平均每样本19尾、180.08 g，最高达145尾、1714.6 g。时间格局分析表明，似鳊月渔获重量呈非平稳的随机过程，对2002-2009年的月渔获重量进行ARIMA建模拟合，建立了方程为 (1－0.387B)（1－B¹²）lny_t=（1－0.555B¹²）e_t的ARIMA（1，0，0）（0，1，1）₁₂的预测模型，该模型对2003-2009年的预测精度达83.21 %～93.90%。对2005年采集的全部个体作性别、年龄和生长特征分析，显示似鳊的雌雄性比为1∶2.3。雄性有1～3龄3个年龄组，雌性只有1～2龄2个年龄组，年龄结构明显低于姚江和钱塘江种群。雄性的Von bertalanffy生长方程为：体长L_t=147.17×［1－e^{－0.1648×(t+3.2036)}］，体重W_t=44.36×［1－e^{－0.1648×(t+3.2036)}］^2.785；推算的渐近体长L_∞为147.17 mm，渐近体重W_∞为44.36 g。     

中国城镇居民食物氮消费变化分析

通过分析1981～2007年我国城镇居民家庭人均食物氮年消费量的趋势变化,并进行ARIMA模型时间序列预测分析,以揭示我国城镇化过程中城镇家庭食物氮消费的发展变化规律。结果表明,20世纪80年代后我国城镇居民食物氮年消费量经历了上升—下降—再上升的变化趋势,总体上处于轻微的上升趋势;随着经济快速发展和城市化进程的加快,未来居民食物氮消费量仍然保持持续上升状态,并且具有较大的上升空间。