基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测

冬小麦是中国重要的粮食作物,开展县级冬小麦产量预测对粮食宏观调控和农业精准化发展具有重要指导意义。该研究从县级产量预测角度出发,结合卷积神经网络（Convolutional Neural Networks,CNN）和反向传播神经网络（Back Propagation Neural Networks,BP）技术提出了冬小麦县级产量预测方法,使用CNN卷积神经网络对Sentinel-2遥感数据进行冬小麦种植区的分析和提取,将得到的种植区分布数据与MODIS EVI数据和耕地分布数据进行了融合,利用BP神经网络对融合后的数据进行产量特征提取和预测并选取均方根误差（Root Mean Square Error,RMSE）、平均绝对误差（Mean Absolute Error,MAE）和样本决定系数（Coefficient of Determination,R2）作为精度指标对试验结果进行分析和评价。结果表明,基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测方法在山东省2014－2016年冬小麦县级产量验证集中R2达到0.87以上,MAE低于269.48 kg/hm2,RMSE低于346.56 kg/hm2,93%的县单产相对误差小于9%,试验结果平均值与中位数的偏差小于1.2%;在河南省2015－2019年冬小麦县级产量验证集中R2达到0.96以上,MAE低于304.84 kg/hm2,RMSE低于418.14 kg/hm2,91%的县单产相对误差小于9%,试验结果平均值与中位数的偏差小于1.6%,方法所构建模型具有良好的预测准确率、鲁棒性和泛化性,可以实现县级尺度下的冬小麦产量预测。     

基于万维网大数据的农药场地土壤污染快速预测方法研究

及时高效预测和筛查潜在农药污染场地对环境污染风险管控具有重要意义。基于万维网公开的46个农药场地样本数据,利用五分制层次分析法建立农药场地土壤污染快速预测指标体系,包括产品特征、局部气候条件、土壤属性和场地生产特征4个因素及其相应的产品毒性、持久性、气温、降水、风速、光照、土壤质地、土壤pH、有机质含量、生产时间和闲置时间11个特征指标。其中,农药场地生产时间、产品毒性及其持久性指标五分制分级后与农药场地土壤污染均存在显著线性相关性,三个指标不同组合对场地土壤污染的线性综合预测精度小于65%,而基于11个指标的机器学习方法综合预测精度为82%,但存在污染场地严重漏判问题。以综合评价指数值P≥0.6作为农药场地土壤污染的预测阈值,五分制层次分析法综合预测精度达到91%,优于线性预测以及机器学习方法,具有关键数据需求少、预测快速高效特点,体现 “宁严勿漏”的预测原则,可用于各类型农药场地的土壤污染筛查。     

基于模糊算法的温室番茄调亏滴灌制度综合评判

该文研究利用改进的模糊综合评判模型在温室滴灌番茄生长、产量、品质和耗水进行综合评判的可行性。于2015和2016年在中国农业科学院新乡综合试验基地的日光温室内,以滴灌番茄为研究对象,参考20 cm标准蒸发皿的累积蒸发量,分别在开花坐果期和成熟采摘期进行充分灌溉、轻度亏缺和中度亏缺,采用改进的模糊综合评判模型,对调亏灌溉制度温室番茄的生长指标、产量指标、耗水指标和品质指标进行综合评价。结果表明:不考虑阶段水分亏缺条件下,番茄的生长指标、产量指标和蒸发蒸腾量指标均随灌水量的增大而增大,品质指标则相反。轻度亏缺对番茄品质指标的影响较小(两者的品质综合评判指数为0.135和0.138,0.125和0.124),采摘期轻度亏缺的生长指标和产量指标的综合评判指数高于花果期轻度亏缺处理,且全生育期蒸发蒸腾量较低;花果期中度亏缺的产量指标和品质指标的综合评判指数与采摘期中度亏缺相近,但前者的总蒸发蒸腾量低于后者。因此,推荐水资源充足地区可采用在成熟采摘期轻度亏缺的灌溉模式,而水资源短缺地区采用在开花坐果期中度亏缺的灌溉模式。研究可为温室调亏滴灌制度的优化提供参考。     

基于马尔科夫模型的大凌河流域土地利用/覆被变化趋势研究

本文通过对大凌河流域2010年、2013年和2016年三期遥感影像进行分类,得到流域土地利用分布现状。对分类结果进行叠加分析可以获得大凌河流域2010~2013年的地类转移概率矩阵,再运用马尔科夫原理预测出2016年流域土地利用分布情况,将其与实际情况对比分析,证明马尔科夫模型适用于大凌河流域未来土地利用/覆被变化趋势的预测。进而本文分别对大凌河流域2019年、2022年和2025年的土地利用情况进行预测,发现未来近10年流域建设用地面积持续增长,变化率为38.96%;农林用地面积从2016年开始减少,总体下降了0.77%;水域面积稳定增长,到2022年之后趋于稳定值,变化率为17.21%;旱地及其他未利用地面积继续缩减,到2019年开始趋于稳定,整体下降了1.71%。研究结果明晰了大凌河流域农林用地和建设用地之间的矛盾,可以为流域水土资源管理有关部门提供科学依据。     

基于时间序列GA-SVR的水产品价格预测模型及验证

水产品价格的准确预测有助于合理规划水产养殖,正确引导水产行业的发展。根据水产品价格序列的非线性、非平稳和周期性特点,提出了一种基于时间序列遗传优化(genetic algorithm,GA)支持向量回归(support vector regression,SVR)的水产品价格预测模型。该模型首先通过时间序列分析方法对价格序列进行平稳性检验和确定相关阶数,得到训练数据集;再利用遗传算法对支持向量回归模型的参数组合进行寻优,使用优化后的参数建立支持向量回归模型,然后使用模型进行预测。分别选取桂鱼、基围虾、梭子蟹的价格数据对模型进行验证,选取2011-2014年的数据作为训练集,对2015年价格进行预测,结果表明:桂鱼、基围虾、梭子蟹的平均绝对误差分别为6.70%、7.82%、14.76%,均方根误差分别为5.853 1、23.701 1、13.858 0,且优于基于时间序列的SVR模型及BPANN模型的预测结果,可以为水产品价格的预测提供依据。     

基于土壤消退指数的田间土壤水分预报方法的研究

在分析现有的土壤水分预报方法的基础上,研究了不同深度的大田土壤水分消退指数随作物生长时间的变化规律,探讨了冬小麦生育期土壤墒情预报的经验递推方法,通过研究表明:利用土壤水分消退法来进行田间土壤水分预报,具有方法简单,所需参数较少且容易获取,预报结果可靠,精度较高的优点,可以满足灌溉预报的要求。     

黑龙江省畜禽养殖环境承载能力分析及预测

运用系统分析方法及灰色预测模型,对黑龙江省畜禽养殖环境承载能力进行了分析和预测.分析结果表明,目前黑龙江省畜禽养殖环境承载能力较强,但呈现明显的下降趋势.按目前的模式和速度发展,如不对畜禽排泄物进行任何处理,预测至2015年,黑龙江省畜禽养殖环境承载能力下降至警戒值以下;如果将70%的畜禽排泄物转化为能源、饲料、肥料等,预测黑龙江省畜禽养殖环境承载能力下降至警戒值以下的年份为2017年.因此,畜禽排泄物污染问题对于黑龙江省这样一个自然资源丰富的畜牧大省仍是一个必须重视的问题.     

城市用水灰色动态预测模型的研究与应用

科学地预测城市用水量对拟定城市发展规模具有十分重要的意义。城市用水量受很多因素的影响,是一个充满灰色现象的“灰系统”。利用灰色系统理论建立动态GM（1,1）模型预测城市用水量。实例证明,模型能较好地拟合实测数据并具有较高的预测精度。     

基于土地利用变化下的县域生态敏感性及灰色预测——以河北省平山县为例

平山县作为石家庄地区的重要水源涵养及红色旅游基地,是生态环境保护与建设的重要区域。在分析平山县基于1997—2013年土地利用变化下的土地利用强度与生态系统服务价值变化的基础之上,引入了生态敏感性指数模型,研究分析了平山县1997—2013年土地利用变化对其生态敏感性的影响。结果表明:土地利用强度与生态系统服务价值在1997—2013年的变化趋势大体一致,均呈现先减小后增大的趋势;土地利用变化对于生态系统的敏感性作用较为强烈,其指数由2001年的3.23下降到2013年的1.36,降幅为237.5%;分析计算结果可以看出,位于平山县城区及人口和商业密集的乡镇,其生态敏感性指数普遍高于其他地区,位于东部平原的乡镇生态敏感性普遍高于中西部山地丘陵区的乡镇。通过预测2017年平山县土地利用结构,测算出2017年平山县生态系统敏感性指数为1.68,虽属低生态敏感性,但较2013年是增加的,需要引起关注。     

基于人工神经网络的组合预测及应用

综合组合预测和人工神经网络的特点，提出一种将人工神经网络应用于组合预测的新方法，并以浙江省猪肉产量预测为实例进行了论证。