粮食产量预测的因子处理和建模方法

从粮食产量统计预测法模型的基本模式：y=yt yw △y出发介绍了粮食产量预测因子的选择,因子相关和平稳性检验,因子膨化和线性化处理,趋势因子和趋势产量的分离,趋势产量的模拟,趋势产量的外延,波动产量的预测,预测误差的修正,多个预测结果的综合集成的主要数学模型、算法及其部分推导过程。文中所涉及的数学模型和算法均经过实际应用检验证明其行之有效,这些数学模型和算法对其它预测问题亦有借鉴作用。     

吉林省农作物产量预测的初步研究

本文运用Fuzzy聚类Bayes判别及逐步回归方法,建立了低中高社会产量阶段模型和丰平欠气象产量预报模式。对全省历年粮食产量进行统计预报表明,拟合准确率达97％以上。     

灰色系统理论预测农作物产量的应用初探

为适应农业生产的发展,提高农村经济效益,为决策部门在农村产业结构调整方面提供科学决策的依据,应用灰色系统理论,根据前几年某一要素(如作物产量)发生情况,建立灰色模型GM(1,1),可预测未来二三年的发展趋势,以便决策部门根据预测结果,采取相应的措施加以调整。     

灰色系统理论预测农作物产量的应用初探

为适应农业生产的发展,提高农村经济效益,为决策部门在农村产业结构调整方面提供科学决策的依据,应用灰色系统理论,根据前几年某一要素(如作物产量)发生情况,建立灰色模型GM(1,1),可预测未来二三年的发展趋势,以便决策部门根据预测结果,采取相应的措施加以调整.     

基于机器学习的农作物产量预测研究综述

人口的持续增长对农业系统的压力越来越大,产量预测能够为农作物的合理规划与种植提供指导.随着数据科学与计算机软硬件的发展,机器学习凭借其对复杂性、非线性问题的处理能力,在数据分析、农业病虫害识别、模式识别中表现良好,被逐渐应用于农作物产量预测中.该文以当前农作物产量预测为背景,概述了机器学习的主要算法,在归纳国内外研究进展的基础上,综合分析当前基于机器学习的农作物产量预测方法,并讨论了不同方法特点和精度.     

秸秆还田对农作物产量的影响

一、材料与方法 本研究采用小区试验.供试作物为春麦(品种新春6号),棉花(品种新陆早7号),玉米(品种SC-704)、甜菜(品种新甜7号).供试土壤为草甸土,质地中壤,肥力中上.耕层含有机质45g/kg,碱解氮82.4mg/kg,速效磷33.6mg/kg,速效钾287mg/kg,有效锌0.8mg/kg,有效硼14mg/kg,有效锰7.8mg/kg,速效钼6.6mg/kg.土壤总盐1.84g/kg,土壤容重1.12k/cm3.     

地膜覆盖对农作物产量的影响分析

文章通过对不同的地膜覆盖技术进行分析,从而能够提高农作物的产量,以及地膜的残留对农作物产生不利的影响,对地膜的覆盖进行客观的评价,使其能够提高农作物的产量,减少不利的影响。     

提高农作物产量的生长激素

日本农业专家采用化学合成法成功地研制出一种能有效地促进光合作用并提高农作物产量的植物激素。试验表明，这种被称为细胞分裂素的激素可使水稻、小麦、大豆等作物产量提高10％-20％。     

茬口对农作物产量影响的研究

六年试验结果得出,玉米、小麦、大豆产量均轮作高于连作,其中,豆茬玉米六年平均产量５６１５．９０ｋｇ／ｈｍ＾２,连作玉米为４９０９．４２ｋｇ／ｈｍ＾２,二者之间达到１％极显著差异。麦茬麦六年平均产量１８７６．３５ｋｇ／ｈｍ＾２,豆茬麦在１５４０．７８ｋｇ／ｈｍ＾２,连作麦是１４１９．３７ｋｇ／ｈｍ＾２,三者之间达到１％极显著差异水平。麦茬豆六年平均产量１６１３．６３ｋｇ／ｈｍ＾２,油菜茬大豆１５７４     

基于年景变化的施肥决策

借用作物产量预报的研究方法,以现代数理统计方法为手段,以北京地区30余年小麦产量、气象数据时间序列为材料,通过定性划分作物产量年型,给出了基于年景变化施肥决策的一般方案。这对传统的肥料一作物产量施肥模型来说,是一种研究领域上的拓宽。     

论作物产量研究的“三合结构”模式

本文阐述了当今作物产量研究上主要应用理论的特点及发展趋势。在分析了作物产量构成、光合性能和源库理论三者内在关系的基础上,提出了作物产量研究三合结构模式,并初步探讨了该模式的层次结构、研究内容和特点。同时还将产量形成有关性状划分成数量与质量两类性状。这一模式的建立拟为全面、深入地分析作物产量提供了基本框架,使作物产量研究在系统化上迈进一步。     

作物产量试验中的株间竞争综述

回顾了不同生长环境下的株间竞争表现、类型及其量化,以及控制株间竞争的途径。指出作物的株间竞争造成环境资源的不均等利用,一些弱势植株的生长受到抑制,使得单位面积的产量减少,产量鉴定、品比试验的结果出现偏差,给作物的育种和栽培研究带来不利的影响。     

作物品种抗蚜性综合决策体系研究

提出一套作物品种抗蚜性综合决策体系，其三级决策指标体系包括累积存活率、平均发育历期、平均产仔率、内禀增长率、种群干扰效应、自然感蚜量及品种耐害性；给出了模糊隶属函数和模糊综合决策模型的建立方法等。其决策结果能客观、全面地反映出作物品种的抗蚜特性，不仅在品种抗蚜性决策中有很好的应用效果，而且在作物对其他害虫的抗性研究中亦有着广阔的应用前景     

长期定点施肥对土壤养分及作物产量的影响

通过18年的长期定位施肥试验,研究了白浆土不同施肥处理(单施厩肥,OM;单施化肥,NP;秸秆还田,TS;施肥对照,CK)对土壤养分和作物产量的影响。结果表明:施肥对提高土壤的有机质、速效磷和速效钾的含量效果明显,长期轮作施肥的有机质、全磷含量的变化趋势均为TS>OM>NP>CK,全氮和速效钾含量为OM>TS>NP>CK;长期连作因作物不同土壤养分变化表现也不一致,但对于速效磷来说,连作与轮作均表现同样趋势即:OM>NP>TS>CK。施肥可大幅度提高作物产量,其中厩肥效果最为明显,连作下较不施肥处理增产118.7%～175.8%,轮作下增产129.7%;其次是化肥与秸秆,且二者增产的效果相当。长期不施肥则导致作物产量维持在较低的水平。总体看来,厩肥的作用最大,化肥与秸秆的作用次之。     

基于产量统计模型的农作物保险定价研究进展

近年来中国农业保险得到了快速发展,农作物保险费率定价问题受到高度重视。产量统计模型是农作物保险精算中较为成熟、应用广泛的一种模型,适用于中国开展的农作物保险实践。论文在广泛综述国内外研究进展的基础上,探讨了产量统计模型中存在的主要问题,并就该模型未来发展的趋势进行了讨论。研究表明：（1）产量统计模型中的趋势处理和分布拟合环节是模型不确定性的两个主要来源。针对农作物单产趋势的研究,应该进一步开发可灵活表达趋势变化规律的模型,并注重趋势检测结果的验证。对于概率密度分布模型的选择必须遵循作物和风险的区域特征。（2）产量统计模型尚不能有效解决空间相关风险累加的问题。引入空间要素,形成产量的综合时空统计模型是经典产量统计模型的重要发展方向,可有效解决农作物保险精算中的相关空间问题。在上述问题中对传统产量统计模型进行改进,从而形成可计算、高精度和更稳健的产量统计模型,并在农作物保险定价中开展实践,将有助于中国农业保险向着科学化、专业化和精细化的方向发展。     

辽宁省粮食作物的生产潜力和高产对策分析

从作物产量限制因子和产量形成规律分析了辽宁省粮食作物的生产潜力．辽宁省Ｃ４作物如玉米、高梁的最高理论亩产量可达１４３４ｋｇ，Ｃ３作物如水稻可达１０７０ｋｇ．依靠政策、科学技术和物资投入是实现作物高产的保证；加强高产栽培技术配套措施的研究和推广，搞好作物品种改良是实现高产的技术途径．     

酸性土壤施用石灰提高作物产量的整合分析

【目的】施用石灰是改良土壤酸度获得作物增产的传统而有效的方法之一,整合分析石灰增加作物产量的效应和原因,对科学合理施用石灰维持作物高产提供指导。【方法】收集已公开发表有关石灰改良酸性土壤的文献数据,建立土壤p H和作物产量/生物量数据库。分析土壤初始p H(3.1—6.6)、作物类型(粮食作物、经济作物)、石灰施入量(750、750—1 500、1 500—3 000、3 000—6 000、6 000 kg·hm-2)和石灰类型(生石灰、熟石灰、石灰石粉)下,作物的增产率。【结果】与不施石灰相比,酸性土壤上施用石灰可提高作物产量,增产幅度为2%—255%,粮食类作物和经济类作物增产率分别为42%和47%,其中粮食类作物增产率大小排序:玉米(149%)高粱(142%)麦类(55%)豆类(32%)水稻(4%)薯类(2%),经济类作物增产率排序:蔬菜(255%)牧草(89%)油菜(26%)水果(23%)烟草(7%)。施用石灰作物增产率随土壤初始p H的升高呈先升高后降低趋势:当p H为4.3时,增产效果最好,达99%;p H 5.8以上出现减产。在常见土壤酸性范围(p H 4.5—5.5),石灰用量以3 000—6 000 kg·hm-2最佳,增产率达55%—173%。熟石灰的增产效果(100%)要优于生石灰(32%)和石灰石粉(64%)。施用石灰提高土壤p H和交换性钙含量、降低交换性铝含量,是作物增产的主要原因,且当交换性钙为6.2 cmol·kg~(-1)时增产率最大,也证实改良土壤酸度时需要中等石灰用量。【结论】酸性土壤添加石灰对蔬菜和玉米的增产效果最好,并优先选用熟石灰。石灰用量以3 000—6 000 kg·hm-2为宜,在p H大于5.8时不宜施用,即酸性土壤改良目标值为p H 5.8。     

基于时间序列的黑龙江省粮食产量预测

应用时间序列分析方法,建立粮食生产动态模型,利用黑龙江省1980～2006年粮食总产量的数据进行了粮食产量的预测。将预测数据实际数据对比,结果表明：抛物线型趋势线平均百分误差为9.60,平均绝对误差为215.80,平均偏差平方和为70 281.90是准确度最高的。而指数型趋势线预测值在最近4年内最接近实际产量,其精度分别达到98.32%、97.31%、96.35%和94.02%。