当前位置：文档之家 › 中国粮食总产量预测方法研究

中国粮食总产量预测方法研究

  • 格式：pdf
  • 大小：339.16 KB
  • 文档页数：7

下载文档原格式

  / 7

合集下载

几种方法在粮食总产量预测中的对比

几种方法在粮食总产量预测中的对比

几种方法在粮食总产量预测中的对比姚作芳;刘兴土;杨飞;闫敏华【期刊名称】《干旱地区农业研究》【年(卷),期】2010(028)004【摘要】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%.【总页数】5页(P264-268)【作者】姚作芳;刘兴土;杨飞;闫敏华【作者单位】中国科学院东北地理与农业生态研究所,吉林,长春,130012;中国科学院研究生院,北京,100049;中国科学院东北地理与农业生态研究所,吉林,长春,130012;中国科学院地理科学与资源研究所,北京,100101;中国科学院东北地理与农业生态研究所,吉林,长春,130012【正文语种】中文【中图分类】S11+7【相关文献】1.基于GMDH方法的粮食总产量预测模型和分析 [J], 王自豪;刘廷建;余方廷2.中国粮食总产量预测方法研究 [J], 王建林;王宪彬;太华杰3.基于一种加权组合模型的娄底市粮食总产量预测 [J], 唐庆;陈国华;李军成;汪聪林4.灰色预测方法在山东省粮食总产量预测中的应用 [J], 谢恒星;张振华;谭春英5.时间序列分析模型在山东省粮食总产量预测中的应用 [J], 张晓杰;张希良因版权原因，仅展示原文概要，查看原文内容请购买。

基于属性论方法的粮食产量预测的研究

基于属性论方法的粮食产量预测的研究

基 于属性 论 方法 的粮食 产量 预 测 的研 究
寇 晶冯 礼 晶 ，嘉
（ 海 海事 大 学 信 息 工 程 学 院 ， 海 ２ ０ ３ ） 上 上 ０ １５
摘 要 ： 保证 国 家粮 食 产 量 的 安 全 ， 几 年 来许 多 学者 运 用 不 同的 理 论 和 方 法 对 粮 食 产 量 进 行 了预 测 。 利 用属 性 论 方 法进 行 预 测 ， 为 近 首 先 对 统计 数 据 进 行 无量 纲化 ， 然后 建 立定 性 映 射模 型 ， 用 转化 程 度 函数 ， 过 纵 向 对 比 影 响粮 食 产 量 的 各 个 因 素 ， ２ ０ ￣ ０ ９ 利 通 对 ０ ０ ２０ 年 １ Ｏ年 的粮 食 产 量 进 行 了预 测 ， 得 了 不错 的预 测 效 果 。 取 关键 词 ： 食 产量 ； 响 因素 ； 重 ； 粮 影 权 定性 映射 ； 化 程 度 转 中 图分 类 号 ： １ １ ＴＰ ８ 文献标识码： Ａ 文章 编 号 ： ０ ９ ３ ４ （０ １ １ — ８ ４ ０ １ ０ — ０ ４２ １ ） ６ ３ １ — ２
国 ， 话说 ， 民 以食 为 天 ” ９ ５年 ， 俗 “ ，１９ 当粮 票 已从 流 通 领域 进 入 到 收 藏 领域 时 ， 国人 布 朗在 文 章 ｛ １ 纪 谁 来 养 活 中 国人 》 美 ２世 中指 出 ： 中 国 的人 口增 长不 可 逆 转 ； 国的 农 田减少 不 可 逆 转 ； 境 破 坏造 成 的农 作 物 减 产 不 可逆 转 。为 了养 活 我 国十 几 亿 的 人 口 ， 须 保 中 环 必
Ａｂ ｔ ａ ｔ ｎ ｒ ｃ ｎ ｅ ｒ． ａ ｙ ｓ ｈ ｌｒ ｐ ｅ ｉｔ ｈ ０ ｄ ｐ ｏ ｕ ｔ ｎ ｗｉ ｉ ｅ ｅ ｔｔ ｅ ｒ ｓａ ｄ ｍｅ ｈ ｄ ｏ ｅ ｓ ｒ ｈ ｅ ｕ ｉ ｆｎ ｔ ｎ ｌ ｓｒ ｃ ：Ｉ ｅ ｅ ｔ ａ ｓ ｎ ｃ ｏａ ｓ ｒ ｄｃ ｅｔ ｅ ｆｏ ｒ ｄ ｃｉ ｔ ｄｆ ｒ ｎ ｈ ｏ ｉ ｎ ｔ ｏ ｓｔ ｎ ｕ ｅｔ ｅｓ ｃ ｒ ｙ ｏ ａｉ ａ ｙ ｍ ｏ ｈ ｅ ｔ ｏ ｆ ｏ ｒ ｄ ｃ ｏ ． ｈ ｓｐ ｐ ｒ ｈ ｔ ｏ ｓｏ ｒ ｐ ｒ ｅ ｓｕ ｅ ．ｉ ｔ ， ｅ ｌｗｉ ｈ ｔｔ ｔ ａ ｄ ｔ Ｏ ｍａ ｅ ｔ ｅ ｏ ｄ ｐ ｏ ｕ ｔ ｎ Ｉ ｔ ｉ ａ ｅ ， ｅ ｍｅｈ ｄ ｆｐ ｏ ｅｔ ｓｉ ｓｄ Ｆ ｒ ｌ ｗｅ ｄ ａ ｉ ｎ ｔ ｉ ｓｙ ｔ ｔ ｅ ｓ ｉ ｉ ｌ ａａｔ ｋ ｍ ｎ ｎ ｉ ｅ ｓ ｎ ｌ ｅ ｈ ａｓｃ ｈ ｏ ｄｍ ｎ ｉ ａ ｚ ． ｏ ｉ

基于粮食安全的中国粮食需求预测与耕地资源配置研究

基于粮食安全的中国粮食需求预测与耕地资源配置研究

ｈ ｎｕｅ ．（ ） Ｆｅｐｒ ｎｔ ｒ ｉ ｄｏ ｇ ｉ ｈｕｄｂ ｃｅｓｄｓ ａｉ ． （ ）Ｔ ｅｐ ｒ ｎｓｏ ｌ ｅｉ ｒａｅ ｔ ｄｌ ｕ ｅ ｅ ａ ｎ ｅ ｙ ３ ｈ ｏ ｕ ｔ ｎｇ ｔ ｈｕｄ ｅ ａｏ ｏ
Ａｂ ｔａｃ ： ａｎ ｓｆ ｔ ｓｔ ｓ ｆｓ ｃ ａ ｅ ｅｏ ｓ ｒ ｔ Ｇｒ ｉ ａｅｙ ｉ ｈｅｂａ ｅ ｏ ｏ ｉｌｄ ｖ ｌｐｍｅ ｔｈａｍｏ ｏ ｓｙ．Ｂａ ｅ ｎ ｓ ｓｅ ｄｙ ａ ｉｓ，ｔｉ ａ ｅ ｉ ｌ ｔｓ ｎ ｒ ｎｉｕ ｌ ｓ ｄ ｏ ｙ ｔｍ ｎ ｍ ｃ ｈ ｓｐ ｐ ｒｓｍｕ ａｅ
战 略与决 策
基 于粮食 安 全的 中国粮食 需求预 测与耕地 资 源配置研 究
基 于粮 食安全 的 中 国粮 食需 求 预测 与 耕 地 资源 配置 研 究
马永 欢 ， 文元 牛 ，
（ ． 国科 学 院 ｔ中 科技 政 策 与 管 理科 学研 究所 ，北 京 ｌｏ ９ ； （ １０ ） ２ 中 国科 学 院 自然 与社 会 交 叉科 学研 究 中心 ， 京 １０９ ） ． 北 ０ １０
摘
要 ： 文以系统动力学原理 为基础 ， 本 仿真模拟 了我 国 ２ １ 、０ ５和 ２ ２ ００ ２ １ ０ ０年 的粮食 需求。结果表 明， 着人 随
口的增 加 和 经 济 的发 展 ， 口粮 和 种 子粮 的 需 求相 对 稳 定 ， 而饲 料 粮 和 工业 用 粮 的 需 求 增 长 明 显 ， 粮食 总 需 求呈 现 刚性 增 长 趋 势 。 在 ９ ％ 和 １０ 两种 粮 食 自给 标 准 下 ， 过 对我 国粮 食 需 求 与 耕 地 配 置 的模 拟 发 现 ， 食 需 求 ５ ０％ 通 粮 与耕 地 供 给 呈 现 出一种 紧平 衡 。确 保 有 效 的 耕 地 面 积 和粮 食 作 物播 种 面积 ， 实现 粮 食 单 产 的 稳 步提 高 和 严格 控

中国粮食生产短期预测模型研究

中国粮食生产短期预测模型研究
所 以 ，粮 食 生 产第 一 阶段 决 策 模 型 为 确 定 种 植 面积 的分 配 。它是 设 定 的一 系列状 态 变 量 的 函数 ： 第 二 阶段 决 策模 型 是 在 第一 阶 段决 策 的基 础 上 确 定 最 优 的投 人 和单位 面积 产 出 。
作物 播种 面 积所 占份 额是 非 负 的 。并且 小 于 １ 。也不 能 保证 所 有 作 物 播 种 面 积 所 占份 额 之 和 为 １ 。而 由
领 域相 对 于 其 它 领 域 投 资 报 酬 率 的 函数 。在 西 方 农
业 经 济 研 究 的文 献 中 ，Ｎｅｌｖ （ ９ ６ ９ ８ 提 出 ｒ ｅ １５ 。１５ ） ｏ 的单 方 程 部 分 调 整 模 型 ， 由于 考 虑 了农 民对 价 格 的 预期 和生 产 的动 态 调 整 过 程 ．在 研 究 产 量 和 播 种 面 积 方 面得 到 广 泛 应 用 （ ｓａ ＆ Ｃ ｍｍｉｇ．１ ７ ） Ａ ｋｒ ｉ ｕ ｎ ９６ ． 本研 究 的准 固定 投 人 （ 食 播 种 面 积 ）模 型 ，将 采 粮
Ｔ ｅ １６ ）提 出 的 分 配 系 统 模 型正 好 可 以 满 足 这 ｈｉ ９９ ｌ（ 些 要求 。该模 型形 式 为 ：
Ｌ （ ）＝ Ｂ ｎ Ａ＋ 粗Ｒｊ ＥＣ ｎ ｋＤ ｎ ＋ ｄ ， Ｔ＋ ￣Ｐ
ｎ为种 植作 物数 量 。 为某作 物播 种 面积 占总播 种 面积 的份 额 。
总 的粮 食 播 种 面 积是 相对 固定 的 ．一种 作 物播 种 面
粮 食 生 产实 际 的决 策是 一个 连 续 的分 阶段 过程 ， 在 种 植 季 节 开 始 时 农 民 首先 确定 各 种 作 物 的种 植 面
积 及 其采 用 的 技 术 。即对 播 种 面积 在 各 种 作 物 和 技

小麦产量预测研究

小麦产量预测研究

小麦产量预测研究近年来，随着全球气候变化的不断加剧，农作物生长环境发生了巨大变化，因此农业生产效率也大幅度下降。

而作为全球最重要的粮食作物之一，小麦的产量直接关系到全球饮食安全。

因此，对小麦产量的预测研究变得越来越重要。

一、小麦产量预测的重要性小麦作为人类主要的粮食作物之一，受到全球农业生产的密切关注。

而其产量直接关系到全球饮食安全。

因此，准确地预测小麦产量对农业生产非常关键。

小麦产量预测的主要目的是确定下一年的产量，因此这个过程包括了收集和分析大量的数据，例如历史上的产量和天气数据等。

根据这些数据，我们可以利用模型和算法来预测未来的产量。

这样，农民们就可以更有效地安排生产计划，以最大化小麦的产量和效益。

二、小麦产量预测方法1. 基于统计模型的方法这种方法将过去的小麦产量和天气数据作为基础，利用统计模型对未来产量进行预测。

这种方法的重点在于数据的处理，因此预测结果对于数据质量和数据量的要求较高。

2. 基于机器学习的方法这种方法将未来小麦产量预测问题看作一个回归问题，并利用机器学习算法进行预测。

这种方法不需要对数据进行过多的处理，只需确保数据质量即可。

3. 基于遥感数据的方法这种方法主要利用遥感技术对农田进行监测，提取与小麦相关的特征，例如生长指数等，在此基础上预测未来的小麦产量。

这种方法不仅能够预测未来产量，同时还可以监测农田的状态，及时发现病虫害等问题。

三、小麦产量预测模型的建立在确定了预测方法之后，需要建立预测模型。

在小麦产量预测模型中，需要确定模型结构和参数的选取。

一般来说，不同的预测方法需要对应不同的模型结构和参数。

例如，基于统计模型的方法需要确定模型的公式和参数，而基于机器学习的方法则需要确定模型的结构和相应的算法。

在小麦产量预测模型建立过程中，还需要对数据进行训练和验证。

这样可以确保模型的可靠性和预测精度。

四、小麦产量预测的应用价值小麦产量预测的应用价值包括生产、科学研究、经济和社会等多个方面。

耕地需求量的预测方法

耕地需求量的预测方法

耕地需求量的预测方法一、规划目标年粮食总需求量预测1、根据消费水平设计、人口预测结果、工业发展水平确定规划目标年各类粮食的需求量 i Q =∑=nj j q 1 式中：i Q ——规划目标年某种粮食的总需求量（包括小麦、玉米、大豆、稻谷等） j q ——规划目标年i 种粮食j 种用途的需求量（包括：口粮、工业用粮、饲料用粮、种子粮、储备粮等）2、根据规划目标年各类粮食的需求量，确定规划目标年粮食的总需求量∑==mi i Q Q 1 式中：Q ——规划目标年粮食的总需求量；m ——粮食品种；i Q ——规划目标年某种粮食的总需求量二、计算粮食作物播种面积需求量1、根据历年粮食作物播种面积单产的统计资料，利用回归分析方法预测规划目标年的粮食作物播种面积单产y2、计算粮食作物播种面积需求量播S =yQ 式中： 播S ——规划目标年粮食作物播种面积需求量；Q ——规划目标年粮食的总需求量；y ——规划目标年的粮食作物播种面积单产三、规划目标年粮食作物耕地面积预测1、根据历年粮食作物复种指数统计资料，利用回归分析方法预测规划目标年的粮食作物复种指数p2、计算规划目标年粮食作物耕地面积 S=p 播S 式中：S ——规划目标年粮食作物耕地面积需求量；播S ——规划目标年粮食作物播种面积需求量；p ——规划目标年粮食作物复种指数（p =100 粮食作物耕地面积粮食作物播种面积% 四、规划目标年耕地需求量预测 1、根据历年经济作物所种总耕地面积的比例统计资料，利用回归分析方法预测规划目标年的经济作物所占比例g2、计算耕地的总需求量总S =g-1S 式中： 总S ——耕地的总需求量；S ——规划目标年粮食作物耕地面积需求量；g ——预测规划目标年的经济作物所占比例。

中国粮食产量的无偏灰色GM(1,1)模型与预测

ｔｂ ｉｈ ｄ．Ｔ ｍｐ ｒｃ ｌａ ａｙ ｉ ｎ ｏ ｅ ａ ｔｗｅｅｍａ ｅ ｏ ｅｇ ａｎｙｅｄ ｉ ｉａｆｏ ２ ０ ｏ２ ５．Ｔ ｅ ｕｔ ｈ ｗｅ ｈ ｔｈｅｅ ｔｂｉｈ ｄ ａ ｌｓ ｅ ｈｅｅ ｉｉ ａ ｎ ｌｓｓａ ｄ ｆｒｃ ｓ ｒ ｄ ｎ ｈ ｉ ｉｌ ｎ Ｃｈｎ ｒｍ ０ ９ ｔ ０１ ｒ ｈｅｒｓ ｌｓｓｏ ｄ ｔａ ｓａ ｌ ｅ ｔ ｓ ｍｏ ｅ ｉ ｌ ｅ ｈ ｄ ｌ ｇ ｓｅ ｓａ ｄ ｅ ｈ ｎ ｅ ｈｅｐ ｅ ｉｔｏ ｃ ｕ ａ ｙ ｄ ｌｓｍｐｉ ｄｔ ｅｍｏ ｅｉ ｔｐ ｎ ｎ ａ ｃ ｄ ｔ ｒｄ ｃｉｎａ ｃ ｒ ｃ ．Ｔｈ ｏ ｅ ａ ｔｎ ｅ ｕｔ ｒ ｃ ｏｄａ ｔｗｉ ｈ ｃｕ ｌ ａｎｙｅｄ ｉ ｉ ｆ ｎ ｅｆｒ ｃ ｓｉ ｇｒ ｓ ｌ ｗｅｅ ａ ｃ ｒ ｎ ｔ ｔ ｅａ ｔ ａ ｉ ｉｌ ｎ ｓ ｈ ｒ ｇ Ｃ ｎ． ｈｉａ
县奖励 和粮食最低 收购价 等措 施 。２０ ２ ０ ０ ４～ ０ ９年 ， 连续 ６年
一
Hale Waihona Puke ＿ Ｌ（ （ ）＋ １ ２ ］ １ｒ １ １ （ （ ） ）
一
颁发一号 文件 ， 采取 了一 整套政 策措施从 整体 上推进 “ 三农 ”
问题 的解 决 。我 国是 世 界 第 一 人 口大 国 ， 食 产 量举 足 轻 粮 重 。因此 ， 做好我 国粮食产 量的预 测工 作对 我 国实施 粮食 安 全 战略具有 十分 重要 的现实 意 义 。粮 食 产量 预 测 的方 法 有
安徽农 业科学 ，ｏｒａ ｏ ｎ ｕ Ａ ｈ ｃ．０９，７（ １ ：８ １— ８ ２ Ｊｕ ｌ ｆＡ ｈ ｉ Ｓ ．Ｓｉ２ ０ ３ １ ） ４４ ４ ４ ｎ
责任编辑
李菲菲
责任校对

组合预测方法及其在粮食产量预测中的应用


２ 应 用 实 例 分 析
１ ９ 年 以来 ，青 海 省 粮 食 总 产 量 呈 波动 性 上 ９０ 升 的趋 势 。对 其未 来可 能 的发 展情 况进 行预 测 ，有
一
ｅ ｍ一ｔｔ ｍ＋ （ １，， ｔ ，ｎｌ＝ ，啊ｆ ， ， ＝ ，Ｉ ｅ ＝２ ｚ … ）
因而 可 将 上 述模 型 转 化 为 等 价 的 线 性 规 划 问
题 。
ｍｎ ∑ （ ， ，） ｉＳ＝ ｍ ＋ ｚ ，
ｔｌ ＝
（） ４
第 ｉ 预测 方 法在 ｔ 种 时刻 的 预测 值 （ｔ １ ＝，
２０ ０ ２年 ｌ 月 １
农 机 化 研 究
值如表 １ 所示 。
第 ４期
加 到 Ｊ 时 ，组 合模 型 的误 差平 方 和将 减少 或保 持 ＋Ｉ
不 变 。下 面 通过 实 例来 验证 这种 方法 的优 越性 。
表 １ 青 海 省 粮 食 总产 量 历 史 数 据 及 模 型 拟 合 值
ｅ为 ｔ 刻组 合预测 的偏差 ，可 以验证 ， 时
ｅｔ ＝
∑ ｋ
采 用组 合预 测偏 差绝 对值 的和最 小 为标 准 ，确 定 ＾种 单个 预测 方法 的权 系数 的数 学模 型 为 ，
ｆ ＋２＋． ｌ ｋ 七… 七 ＝ ｌ ｖ
｛，＋２２… Ｐｋ ＝【 ｌ…ｚ ） ｏ （ ｅ ｌＰｋ＋ ＋Ｍ． Ｐｆ ， ，（ ≥ ， ２ １ ， ｋ ｖ ，＝ ２ ，２ ） ＇ ）
（） ５
ｅ， ＝ ，一 ，
：
第 ｉ 预 测 方 法在 ｔ 种 时刻 的 预 测偏
差 ，ｔ １ ＝ ，２，… ， ｔ； ｉ １ ｉ ＝ ，２， …，Ⅳ
由此可 得这 ＾种预测 方 法 的组合 预测值 为 ，

几种方法在粮食总产量预测中的对比


的吉林省 各类农 业 生产 数 据 ， 别 比较计 算 了主成 分 分分 析法 、 Ｐ神经 网络 法 、 色 预 测法 和 逐 步 回归 Ｂ 灰 分析 ４种预测 分 析方 法 的估 算 精 度 ， 将 各 类 预测 并
国， 粮食 安全更 不能 出现任何 闪失 ， 因为粮 食生产 的
波动 必 然 会 引 发 整 个 国 民 经 济 乃 至 金 融 界 的 波
量 ；４ Ｘ 为氮肥 折纯 量 ； 为 磷肥 折 纯 量 ； ６ 钾肥 Ｘ ｘ 为
会经 济等多种 因 子 的影 响 ＿ ， 各种 产 量 预 测方 法 ２而 Ｊ 的原理 和 出发 点是 不 同 的 ， 测 过程 中考 虑 的影 响 预 因子侧 重点是不 一样 的 ； 同的 预测 方 法往 往 只 能 不 提 供某一方 面 的有 用 信 息 ， 因而 预 测 的精 度 是 不一
林 省 １７ ～２０ ９ ８ ０ ７年 的农业生 产数 据 。
１２ 研 究 方 法 ．
粮 食产量 的预 测是 农 业 系统 的一 项重 要 工 作 。 长期 以来 ， 多学者在 这方 面做 了大量研究 ， 许 形成 了
多种产 量预测 方法 ， 高粮 食 产量 预 测 精度 一 直 是 提 研究 工作 的明确 目标 和重要方 向。由于作 物产量 的 形成是 一个 复杂 的过 程 ， 气侯 、 受 土壤 、 物 以及 社 生
分 分析 法 （ 拟合 确 定 性 系数 为 ０ ８４ 和 逐 步 回 归法 （ ．３） 拟合 确 定 性 系数 为 ０ ７７ ； ．８） 拟合 效果 最 差 的是 灰 色 预 测法 （ 定 性 确
系 数为 ｏ７４ 。粮 食 总 产量 估 算精 度 最 高 的是 Ｂ ． ） ４ Ｐ神经 网络 法 ， 到 ９ ． ％ ； 次是 主 成分 分 析 法 ， ９ ． ％ ｏ 达 ３６ ７ 其 为 ０４ ５ 关 键 词 ：主成 分 分 析 法 ；Ｐ神 经 网络 法 ； 色 预 测 法 ； 步 回 归法 ； 食 产 量 ； 测 Ｂ 灰 逐 粮 预

组合预测方法及其在粮食产量预测中的应用

组合预测方法及其在粮食产量预测中的应用
组合预测方法是指将多种预测方法结合起来，综合利用各种预测方法的优点和不足，从而提高预测精度和可靠性的方法。

组合预测方法可以包括统计学方法、机器学习方法、时间序列分析方法等，其具体应用方法可以根据实际预测对象和需求进行选择和调整。

在粮食产量预测中，组合预测方法可以结合多种因素和模型，包括但不限于：
基于经验模型和统计模型的预测方法，如趋势分析法、灰色预测法、ARIMA模型等。

基于机器学习的预测方法，如神经网络模型、支持向量机模型、随机森林模型等。

基于专家经验和先验知识的预测方法，如层次分析法、模糊综合评价法等。

在应用组合预测方法时，需要综合考虑各种预测方法的优缺点，选择适合当前预测对象和需求的预测方法进行组合。

在粮食产量预测中，可以根据历史数据、气象数据、土壤数据、种植面积数据等因素进行分析和建模，从而进行预测和评估。

同时，在实际应用过程中，需要不断优化和更新预测模型，以确保预测的准确性和可靠性。

总之，组合预测方法在粮食产量预测中具有广泛的应用前景，可以提高预测精度和可靠性，为农业生产和粮食安全提供重要支持和保障。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第58卷第6期2000年12月气　象　学　报A CTA M ET EOROLO G I CA S I N I CAV ol.55,N o.6D ec.,2000中国粮食总产量预测方法研究Ξ王建林　王宪彬　太华杰(中国气象科学研究院,北京:100081)摘 要文中在计算气候生产力的基础上,将粮食产量分离成经济技术产量和气象产量。

并利用化肥施用量、一季稻种植面积百分率和1～3月份平均温度分别建立它们的预测模型。

此方法计算简单、预测时效长、准确率较高,在业务服务中有着广泛的应用前景。

关键词:粮食总产量,气候生产力,产量分离,预测方法。

1　引　言自1970年代后期农业气象产量预报研究在中国开展以来,无论是预报方法还是预报精度都有了很大的发展。

1980年代初实施业务预报服务以后,为国家有关部门制定农业政策提供了一定的科学依据。

但随着业务服务的深入和拓宽,需要不断更新和改进原先的预报模型,这些改进一方面表现为方法本身的更新,重要的一方面则是预报时效的提前。

目前,业务应用中的多数农业气象产量预报模式,都是将农业产量(实际产量)分离成趋势产量和气象产量两部分[1]。

趋势产量一般用数学方法(滑动平均、分段直线、抛物线、指数等)求得,气象产量首先由趋势产量和农业产量之差求得,然后再与气象要素建立预测模型。

经过上述分离的气象产量反映的是在气象条件影响下的产量波动,而不是反映某一年的粮食作物在自然状态下(纯气象条件下)能生产多少千克粮食。

这些模式一般都在作物收获前1～2个月进行预报,且无法反映农业投入、种植结构等因素对产量的影响,所以不能完全满足现阶段业务服务的需要。

本文拟从气候生产力角度出发,在充分考虑农业投入和种植结构的基础上,建立粮食作物总产量预测模型。

2　资料与方法文中所用全国粮食产量资料、农业投入资料、种植结构资料和粮食作物复种资料均来源于国家统计局的公布数据;气象资料选取全国40个代表站1961～1995年的逐月平均气温资料。

Ξ初稿时间:1997年12月9日,修改稿时间:1999年10月11日。

　资助课题:国家自然科学基金(38383003)。

为满足目前业务服务的需要,粮食总产量预测模型的建立应满足下列条件:(1)预报时效应在5个月以上,即预报模型应具备在每年3～5月份就能使用;(2)模型中除气象因素外,还应包含农业投入和种植结构等因素;(3)模型除预测产量外,最好还具备为农业生产决策提供某种科学依据。

为此,本文提出以下建模方案:(1)利用气象因子计算当年的气候生产力,再利用气候生产力求得气象产量;(2)利用农业投入和种植结构等因素计算当年的农业生产水平,即经济技术产量;(3)将(1)和(2)两项结果相加,得出单位面积的粮食产量;(4)单位面积的粮食产量乘以粮食作物种植总面积即为粮食总产量。

3　预测模型建立3.1　产量分离与常规产量分离相似,将实际产量(YU i )假定为由农业生产水平决定的经济技术产量(YS i )和由气象条件决定的气象产量(YW i )组成。

即YU i =YS i +YW i (1)与常规产量分离所不同的是,本文不是先计算经济技术产量YS i ,而是首先利用[2,3]P i ,s =30000(1+e 1.315-0.119 T i ,s )(2)P i =240s =1(P i ,s )40(3)YW i =K E c P iR c(4)K =YU 0 R c E c P 0(5)计算当年的气象产量YW i (kg hm 2)。

式(2)中P i ,s 为第i 年第s 代表站的气候生产力(kg hm 2・a ),T i ,s 为第i 年第s 代表站的年平均温度(℃),i 为年代(上、下同),s 为代表站数(下同),取值1～40;式(3)中P i 为全国平均气候生产力;式(4)中E c 为粮食作物平均经济系数,文中取0.35,R s 为粮食作物复种指数,K 为常数;式(5)中YU 0和P 0分别为农业生产水平低下时,粮食作物的平均单产和气候生产力。

本文通过分析认为,1951～1960年我国农业生产的增产措施不多,抗灾能力较弱,农业生产水平比较低下。

所以,YU 0和P 0分别取1951～1960年10a 对应值的平均值,由式(5)得出K ≈0.24。

它反映农业生产力水平低下时由式(2)和(3)计算的气候生产力和粮食作物实际产量的转化系数。

再利用YS i =YU i -YW i(6)计算经济技术产量YS i (kg hm 2)。

图1给出了利用式(2),(3),(4)和(6)分离后的1961～1994年的YS i 、YW i 。

从图1a 可以看出,34a 来,YS i 几乎与YU i 的变化一致,呈明显的增长趋势;而YW i 的波动幅度较小,近似呈一条直线(实际并非如此)。

为了更清楚地显示YW i 的变化,文中又给出图1b ,9376期 王建林等:中国粮食总产量预测方法研究图1a 1961～1994年YU i ,YS i ,YW i变化曲线图1b 1961～1994年YW i 变化曲线由此图可知,YW i 的变化还是明显的,多在1104～1216kg hm 2之间波动。

YW i 和YS i 在YU i 中所占的比例从1961年至1994年也发生了显著的变化,1961年前者占97.1%,后者仅占2.9%;至1994年二者已转变为28.4%和71.6%。

这充分说明了中国农业生产水平的飞速发展。

3.2　气象产量预测模型的建立从式(2),(3),(4)可以看出,气象产量预测的关键在于各代表站年平均温度(T i ,s )的预测。

根据建模要求,对1961～1994年全国40个代表站年平均温度(T i ,s )与其上半年不同时段平均温度的分析发现,T i ,s 与1～3月的平均温度t i ,s 有很好的线性关系。

即T i ,s =a +b t i ,s(7) 根据最小二乘法原理,分别求解全国40个代表站的(T i ,s )与(t i ,s )线性方程中的系数a ,b 。

详见表1。

利用式(7)求出T i ,s 后,再利用式(2),(3),(4)即可预测气象产量YW i 。

3.3　经济技术产量预测模型的建立影响经济技术产量的因子虽很多,诸如品种、价格、投入、农业技术、种植结构等,但能047气 象 学 报 58卷表1　全国40个代表站的系数a 、b 和统计量t站 名系数系数相关系数统计量站名系数系数相关系数统计量abrt　abrt嫩 江6.1850.3460.8228.405济南14.4670.0090.98331.493齐齐哈尔5.6360.1600.7777.189成都16.0370.0030.99454.179哈尔滨5.3880.1150.7787.230昆明14.6300.0060.98939.852塔 城7.4280.0970.7186.016西安13.4470.0030.99040.816乌鲁木齐7.2340.0320.7616.849郑州14.2000.0050.99142.379喀 什11.4350.0660.4092.610恩施16.980-0.0040.5533.873若 羌11.5550.0080.99040.332武汉16.3690.0040.98939.257和 田12.3100.0070.99040.096衡阳17.2500.0060.98532.998敦 煌9.3790.0070.98939.582贵阳15.2860.0040.99143.587张 掖7.1110.0070.99040.190桂林18.7750.0030.99555.585西 宁6.0150.0130.98330.969赣州19.3490.0030.99555.440兰 州9.4090.0110.98331.077徐州15.3180.0050.98837.215呼合浩特6.4420.0160.97726.471南京15.3230.0030.98939.336银 川8.7480.0110.98331.336合肥15.7130.0040.98837.987榆 林9.1450.2600.7626.857杭州16.2810.0030.99143.352太 原9.6770.0070.98939.286南昌17.5610.0020.99349.358长 春5.5570.0200.97223.903福州19.6940.0020.99452.180沈 阳8.2130.0080.98634.285广州21.9760.0040.98432.337唐 山11.2450.0070.98735.727南宁21.6400.0040.99143.819保 定12.5820.0110.98230.707三亚25.5440.0030.99245.295 全部通过信度Α=0.02(t 0.02,30=2.457)的线性相关检验够量化和有较长时间序列的因子也只有化肥、农药的施用量和各种粮食作物的种植比例。

通过分析1979～1994年YS i 与单位面积化肥、农药的施用量以及双季早稻、一季稻(含中稻)、双季晚稻、小麦、玉米、大豆种植面积各占粮食作物总面积的百分比之间的相关性发现:单位面积施用化肥的千克数量(F i )和单位面积产量最高的一季稻(含中稻)种植面积在粮食作物总面积中的百分比(M i )与经济技术产量(YS i )的相关性较好。

为此,利用线性回归建立以下预测模型。

YS i =1185.8865+10.5480 X i (8)式中X i =F i ・M i 式(8)的相关系数为0.9522,统计量t =12.0678,通过信度Α=0.001(t 0.001,15=4.073)的线性相关检验。

从式(8)可以看出,在种植结构一定的情况下,经济技术产量随全国平均化肥施用量增加而增加,特别在中低产区,增产效果更为明显;同理,在化肥施用量不变的情况下,经济技术产量随全国一季稻(含中稻)种植比例的扩大而增加。

为确保粮食总产量的增加,扩大一季稻(含中稻)的种植比例,应在不降低复种指数的前提下进行。

主要是在条件允许的情况下,把生长季相似的低产作物该种一季稻。

据此,在播种前就可以对农业生产提出某些科学建议。

3.4　粮食总产量预测模型的建立在预测YW i 和YS i 的基础上,利用式(1)计算YU i ,最后利用Y T i =YU i A i(9)求出全国粮食总产量Y T i (kg )。

式(9)中A i 为全国粮食作物总面积。

1476期 王建林等:中国粮食总产量预测方法研究4　模型检验4.1　拟合效果检验4.1.1　气象产量预测模型检验气象产量预测的关键在于预测各代表站的年平均温度和气候生产力。

利用模式(7),(2)计算的1961～1994年全国40个代表站的气候生产力P i ,s 和用实际年平均温度计算的气候生产力(仅用式(2))发现,二者拟合效果较好。