松嫩平原的粮食生产潜力分析及建议

采用基于积因子位次数据赋值求权重方法改进的层次分析算法对松嫩平原各地区粮食生产潜力和主要影响因素贡献进行分析。研究结果表明:松嫩平原粮食增产潜力最大的地区是哈尔滨、绥化和长春,增产潜力最小的地区是黑河(该市所属的嫩江县、五大连池市和北安市属松嫩平原);各地区粮食生产潜力存在差异的主要原因是各地区的水土资源和气候条件的不同,两者的权重系数均为0.28,其次是科技投入,其权重系数为0.25。在松嫩平原地区,粮食生产潜力影响最大的因素是各市的黑土面积比例,其贡献系数为0.22,这是松嫩平原区别于其它地区的重要特点;其次是作物生长期的平均气温,再次是化肥的是施用量,两者的贡献权重分别为:0.13和0.10。为有效增强松嫩平原地区的农业生产能力,需要重点加强对黑土的保护和对农田水利基础设施建设,加大农业科技的投入和推广,扩大适应气候变暖的高产作物和品种的种植面积。     

基于小波理论的长春市近50年来降水变化特征

利用长春气象站1951-2001年共51a的夏季降水量和年降水量序列资料,采用复Morlet小波方法分析了长春市夏季降水量和年降水量时间-频率的多时间尺度变化特征。结果表明,长春市夏季降水量和年降水量的年代和年代际时间尺度在时域中分布不均,具有明显的局部化特征;夏季降水量序列主要存在5a、15a左右的周期,年降水量序列主要存在5a、8a、16a、22a左右的周期。年降水量与夏季降水量在时间尺度和周期特征方面非常相似。     

吉林省农作物生长季降水资源的时空分布特征

将5—9月作为吉林省农作物的生长季，利用吉林省47个气象站1961—2001年实测月降水数据，采用滑动平均、累计距平、EOF、REOF、Man—Kendall趋势分析和R／S分析等方法，研究生长季降水的时间序列、空间分布以及趋势性、持续性特征。结果表明：41a中，吉林省生长季降水表现为减少趋势（0．969mm／a）；从空间上看，生长季降水存在4个相关性大的次区域；全省大部地区的变化趋势都与过去相同，即未来生长季降水变化趋势仍为减少趋势。     

松嫩平原近50年来生长季降水资源特征分析

松嫩平原是东北三大平原之一,是国家最为重要的商品粮豆基地。文章选择松嫩平原地区45个气象站自建站以来5~9月份月降水资料,将5~9月作为生长季。分析了松嫩平原地区降水的时间序列特征,并利用Mann-Kendall趋势检验法和R/S分析法,研究了松嫩平原地区降水资源的趋势性特征和持续性特征。结果表明,整个松嫩平原地区生长季降水量呈现出减少趋势,减少量为0.88mm/a。降水资源的变化趋势与过去51年的变化趋势一致,即将来降水资源仍然表现为减少趋势。     

辽河流域水资源演化趋势分析

系统探讨了辽河流域的水环境问题,针对水土流失、水污染加剧,旱涝灾害频繁,水资源短缺矛盾加剧等环境问题,在分析流域降水量、地表径流时空演化基础上,探讨了辽河断流的可能性,并提出了水资源可持续利用的对策与建议。     

几种方法在粮食总产量预测中的对比

根据吉林省1978~2007年的农业数据,选定了14个影响农业生产的因素作为研究对象,分别采用了主成分分析法、BP神经网络法、灰色预测法和逐步回归分析法4种分析预测方法,通过SPSS和Matlab工具将原始数据进行处理,得到4种不同的预测模型,进而基于这4种模型对吉林省的粮食产量进行预测,并将各种预测产量和实际产量进行拟合分析。研究结果表明,拟合性最好的是BP神经网络法,其拟合确定性系数为0.899;其次是主成分分析法(拟合确定性系数为0.834)和逐步回归法(拟合确定性系数为0.787);拟合效果最差的是灰色预测法(确定性系数为0.744)。粮食总产量估算精度最高的是BP神经网络法,达到93.67%;其次是主成分分析法,为90.45%。     

组合预测模型在东北地区粮食产量预测中的应用

采用最优加权方法,建立了基于灰色预测模型、灰色马尔科夫预测模型及逻辑斯蒂预测模型的组合模型;并根据东北地区1949-2008年粮食产量资料,利用组合模型预测了该地区未来10年的粮食产量.结果得到,灰色预测、马尔科夫预测、逻辑斯蒂预测和组合预测方法的预测粮食产量的平均相对百分误差分别为:12.74%,3.02%,13.29%,2.87%,结果证明组合预测模型可以较好地提高粮食产量的预测精度.通过组合模型预测结果表明,到2015年东北地区的粮食产量可以达到1.25亿t,可以完成该地区增产150亿kg粮食的任务,到2018年,粮食产量预计可达1.38亿t,东北地区增粮潜力巨大.