吉林省2010年粮食产量预测

粮食是关系国计民生的重要商品,是关系经济发展、社会稳定和国家自立的基础,保障国家粮食安全始终是治国安邦的头等大事。随着人口增加,我国粮食消费呈刚性增长,同时,城镇化、工业化进程加快,水土资源、气候等制约因素使粮食持续增产的难度加大;生物燃料发展,     

土地利用规划修编中粮食产量预测方法比较

为探索提高土地利用总体规划修编中粮食产量预测精度的方法,该文应用1988-2005年晋城市粮食产量相关数据的分析,对线性回归模型、灰色GM(1,1)模型和灰色多元线性回归组合模型3种粮食产量预测方法进行了研究.首先,运用灰色关联分析对影响粮食产最的影响因素作出关联因子排序;其次,在灰色关联分析的基础上选取主要影响因子;再次,利用灰色GM(1,1)模型得到主要影响因素的预测值,同时,利用原始数据建立多元线性回归模型;最后,将灰色GM(1,1)模型的预测结果作为多元线性回归模型的输入值,得到灰色多元线性回归组合模型.通过比较这3种粮食产量预测方法的预测结果,得出灰色多元线性回归组合模型最适宜于晋城市粮食产量的预测.该研究可提高土地利用总体规划编制的科学性.     

时序误差权马尔可夫链在粮食丰欠状况预测中的应用

针对粮食产量时间序列既有摆动又有一定趋势的特点，首先对粮食产量进行时间趋势项拟合，然后对粮食产量的误差序列进行分析，以其规范化的各阶自相关系数为权，用加权的马尔可夫链来预测粮食未来的丰欠状况。并以广西粮食产量为例进行了实证分析。     

基于马尔柯夫过程和概率分布特征的粮食产量预测

通过分析粮食单产中气象产量分量时间序列的变化规律，综合运用马尔柯夫模型和概率密度分布函数，构建相对气象产量预测模型。以河南省民权县和陕西省武功县1949—1999年小麦单产序列为例构建模型，预测得到2000年两地区小麦产量的相对误差在20％以下。预测结果表明：综合运用马尔柯夫过程和概率分布特征预测粮食产量的方法是有效的。     

广西粮食产量灰色关联分析

运用灰色关联分析方法，对影响广西粮食产量的因素进行了分析，其结果为制定广西粮食发展政策提供了决策依据。     

全球变暖对我国粮食产量影响估计中的乐观倾向

当前学术界在对未来全球变暖对我国粮食产量影响的估计中存在乐观倾向.这次以变幅大、速度快为特点的人为的气候变化,决定了它对人类社会弊多利少.既然承认它是一种大规模的环境灾难,又如何会对农业生产有利?一个地区气候的改善,并不同时带来社会因素的改善;不能期待一个原先缺粮区能很快自给有余,取代原有产粮区.     

基于新疆粮食产量的灰色关联分析及其BP模型预测

为明确影响新疆粮食产量的主要因素及预测未来变化,采用灰色关联法和BP神经网络预测模型,对2000—2019年影响新疆粮食产量的9个关联指标进行分析。结果表明,粮食作物播种面积、劳动力数量和有效灌溉面积是影响新疆粮食产量的主要因素,其关联度均高于0.91。从新疆的实际情况和关联度分析出发,确定影响粮食产量的6个重要因素是粮食作物播种面积、就业人数、有效灌溉面积、农业机械总动力、化肥施用量和新疆人口数量。利用matlab2015b软件构建BP神经网络模型,预测2020年新疆粮食产量为1 542.7万t,预测值与当年的实际粮食产量相差不大,说明BP神经网络模型对粮食产量的预测具有很好的匹配性。     

基于BP滤波的Fourier模型在粮食产量预测中的应用

本文尝试将经济学中的功率谱分析（BP滤波）与统计学中的Fourier模型相结合,先利用BP滤波选出对气候产量波动影响较大的周期,再对这些周期建立Fourier模型来拟合气候产量;同时运用多项式模型拟合趋势产量,并用滞后模型对残差进行修正,以提高粮食单产预测的精确度。利用1961-2000年粮食单产序列数据,分别采用Fourier方法和多项式滞后方法、BPNN法和灰色模型法建立模型,以2001-2012年粮食单产数据进行拟合检验。将这3种方法拟合结果进行比较。结果表明,本文引入的模型通过0.01水平的显著性检验且相对误差均在5%以下,利用模型对粮食单产进行中长期预测的结果表明,2013-2017年中国粮食单产将稳定在6018.6～6466.7kg·hm?2。BP神经网络法模拟的粮食单产虽然拟合相对误差较小,但模型不能得到直观解释,在预测时存在一定的随机性;灰色模型模拟的粮食单产相对误差高达35%,与实际产量存在较大差异。研究结果反映出Fourier模型和多项式滞后模型在粮食产量预测中,其精确度更高且更直观,能够用以预测未来粮食单产以及未来气候变化对粮食单产的影响。     

粮食产量预测理论、方法与应用Ⅱ.粮食生产潜力短期预测理论、模型及其应用

粮食生产潜力短期预测结果可以检验粮食中长期生产潜力预测的准确性和为国家提供制定粮食生产战略的科学依据。粮食生产潜力短期预测理论即"趋势-波动理论",它建立在粮食或作物"现状生产潜力"概念和"天-人-地概念模型"基础上,预测模型为最佳移动步长条件下的多年单产移动平均趋势模型,实际预测时采用系统预测方法。11个研究案例预测的平均误差为0.77%,最大误差为2.99%,预测精度高。本研究初步结论是:粮食生产潜力短期预测理论和模型是科学和实用的。     

世界粮食研究模型在黑龙江省作物产量预报中的应用

在现有研究成果的基础上，提出世界粮食研究（WOFOST）模型在黑龙江省四大作物产量预报应用中的参数分区处理方法，运用WOFOST的模拟产量和趋势产量对黑龙江省四大作物产量进行了预测分析。研究表明：该方法效果理想、可行，具有理论研究和实际应用价值，克服了只用一组参数在复杂气候区域进行作物产量模拟的局限性，拓宽了WOFOST模型在复杂气候条件下的应用领域。     

基于CMIP6气候模式的贵州省极端降水情景预估

为探究气候变化下贵州省极端降水未来变化特征,基于台站观测和5个CMIP6模式的逐日降水资料,利用Delta降尺度、趋势分析等方法,分析了4种极端降水指数的历史与未来变化时空特征。结果表明：(1)利用Delta修正过后的CMIP6模式数据取得了良好的效果,适用于贵州省极端降水的预估。(2)在1961—2019年的历史时期,贵州省的R95P,R25mm和CWD均呈南高北低的空间分布,而R95C呈明显的东中西差异;除CWD外,其它3个极端降水指数在1961—2019年均呈不明显的增加趋势。(3)未来3种SSPs情景下,无论是在时间还是空间上,4个极端降水指数均呈上升的趋势。(4)相较于历史时期,4个极端指数除R95C外均有增有减。R95P与R25mm在空间变化上相似,都表现为西北部较历史时期有减少,其余地区则表现为增多,且随SSPs升高而增大;CWD在中南部地区表现为减少,其余地区为增加,以北部较为明显,且在SSP126情景下最为显著;R95C则在整个地区都较历史时期增多,在中西部变化最明显,且在SSP245情景下最显著。总体而言,在气候变化背景下,贵州省的极端降水随SSPs的不同而变化,但...     

分布式水文模型在陕西省冬小麦产量模拟中的应用

利用分布式水文模型和作物模型模拟了不同深度的土壤含水量,以及在连接分布式水文模型和不连接分布式水文模型两种方式下,利用作物模型分别对冬小麦叶面积指数、干物重增量和产量进行了模拟,最后采用连接分布式水文模型的作物模型模拟了全流域内冬小麦产量的空间分布。模拟结果经对比检验表明,分布式水文模型在土壤水分模拟方面准确性高于作物模型;连接分布式水文模型的作物模型对冬小麦生长过程和产量的模拟结果准确性均高于作物模型独立模拟的结果;连接分布式水文模型的作物模型在流域内对冬小麦产量的空间分布模拟结果也与农业试验站观测产量和社会统计产量基本一致,高产区、低产区分布与实际基本相吻合。这为分布式水文模型和作物模型耦合应用,以及通过引进分布式水文模型来推动作物模型和产量预报研究进一步发展提供了基本的试验支持。     

灰色预测方法在山东省粮食总产量预测中的应用

以1995年~2004年山东省粮食总产量为原始数据,建立GM（1,1）灰色预测模型。对模型进行一次残差序列分析后,经精度检验小误差概率p=0.8889,后验比c=0.4830,模型精度等级达到合格水平,可以用来进行预测。用该模型预测未来3年山东省粮食总产量分别为3335.735万t、3247.150万t和3161.735万t,粮食产量有逐年下降的趋势。     

GM(0,N)灰色预测模型在云南小春作物产量预报中的应用

利用1972-2004年的云南小春作物单产和与其灰关联度最优的10个气象因子时间序列,采用原始序列和残差序列进行GM（0,N）预测建模,对云南小春作物产量趋势进行预测.结果表明：通过残差修正后所建立的云南省小春作物产量预测模型适用于产量趋势预报,通过了小概率统计检验,预报结果有一定的参考价值.     

时间序列分析模型在山东省粮食总产量预测中的应用

对比传统时间序列分析模型(线性回归、二次滑动平均、一次平滑、二次指数平滑和三次指数平滑等)与ARIMA模型在山东省粮食总产量中的拟合精度,并应用ARIMA(2,1,12)模型预测了未来3年内山东省粮食总产量.结果表明,在山东省粮食总产量拟合中,ARIMA(2,1,12)模型得到的粮食总产量拟合值与观测值的相对误差处于±10%和±5%范围内的分别为73.333%和53.333%,回归方程的决定系数为0.959,优于传统时间序列分析模型;利用ARIMA(2,1,12)模型预测未来3年内山东省粮食总产量,粮食总产量有逐年上升的趋势,且增长率逐年上升.     

响应函数模型在含沙量预报中的应用

黄河的泥沙问题一直是黄河治理的重点.依据黄河下游"多来多排"的输沙特性,建立了多输入单输出的含沙量过程预报响应函数模型.经对黄河下游花园口至夹河滩河段洪水含沙量过程预报的检验,并与常见的神经网络方法相比,其预报精度优于后者,且稳定性好.研究表明,响应函数模型适用于黄河下游河段的含沙量过程预报.     

SCS模型在贵州省毕节市石桥小流域坡面产流模拟中的应用

[目的]研究喀斯特地区径流形成规律,得到适合研究区的SCS(space cooperation system)模型参数取值。[方法]利用野外径流小区观测获得的径流数据与降雨资料,对研究区的降雨进行雨型分类,并利用SCS模型进行坡面产流模拟。[结果](1)根据降雨随历时的分配可将研究区的降雨雨型分为4类,即前期型(Ⅰ类)、中期型(Ⅱ类)、后期型(Ⅲ类)以及均匀型(Ⅳ类)。(2)基于SCS模型对研究区坡面径流进行模拟时,初损系数λ取值多为0.01,0.05,远小于λ=0.2的取值。(3)随着坡长的增加,前期型降雨、中间型降雨和后期型降雨的CN(curve number)值变幅较小,均匀型降雨的CN值呈现增加的趋势。随着坡度的增加,前期型降雨和中期型降雨的CN值呈现减少的趋势,后期型降雨和均匀型降雨的CN值增幅不大。[结论]基于SCS模型得到的模拟径流量与实测径流量之间的相关系数和模型效率系数都较高,具有较好的模拟效果。