四川省小麦产量的自然正交分解模型

利用四川省小麦历年产量重构二约时变矩阵,进行自然正交展开后得到了三种产量分解模型。在中模型中,可将小麦产量分解成了三个产量分量之和,即小麦产量Ｙ＝Ｙ１＋Ｙ２＋Ｙ３。这些产量分量不仅反映了生产力水平增长对产量趋势的作用,也反映了气候环境因子波动对产量年际变化的综合影响。该方法与传统的产量分解模型相比,具有计算简单客观、各种分量同时一次分离和分量之间相互独立的特点,为农作物产量分解和预报提供了一种新的     

四川小麦产量年景预测方法和模型研究

本文在作物产量序列重构矩阵自然正交分解的基础上,通过对产量变化时间分量的韵律分析,在各分量的自回归模型的基础上,建立了小麦产量的年景定量预测模型.经统计和应用检验,该模型具有较高的信度和实用性,可作为作物产量年景预报的有效工具之一,为农业生产管理和农产品流通贸易提供前瞻性决策依据.     

四川小麦产量年景预测方法和模型研究

本文在作物产量序列重构矩阵自然正交分解的基础上，通过对产量变化时间分量的韵律分析，在各分量的自回归模型的基础上．建立了小麦产量的年景定量预测模型。经统计和应用检验，该模型具有较高的信度和实用性，可作为作物产量年景预报的有效工具之一．为农业生产管理和农产品流通贸易提供前瞻性决策依据。     

基于小波分析的组合随机模型及其在径流预测中的应用

提出了一种随机组合预测模型利用Mallat算法对水文时间序列进行多尺度分解,得到对应尺度下的概貌(低频)分量和细节(高频)分量;分别对概貌分量和细节分量建立随机模型进行预测,预测结果的叠加即为原水文变量的预测.将该模型用于黄河三门峡站年径流预测中,并与传统预测模型进行了对比分析,结果表明,建立的组合模型充分利用了现有信息,预测精度高.     

基于完整模型的农作物产量分解技术及业务化应用

产量分解是农作物产量预报业务的关键技术环节。针对业务上基于二项式简化模型产量的分解误差可能较大,研究影响模拟误差的气候因素和社会因素,建立基于完整模型的农作物产量分解技术方法,重点包括气候异常模拟误差△Yw和社会因素模拟误差△Y t的订正、不同农作物产量分解方法的组合使用等,结合计算机技术实现数据处理自动化,有利于提高农作物产量气候影响评估和预报精确性和准确率,产生较好的服务效果。     

区域性产量预报方法初探——用剩余分析法进行温州市小麦产量预报

本文采用模糊聚类分析方法将温州市划分为三个小麦种植气候区,并将各分区的小麦产量时间序列分解为时间趋势产量和气象产量,运用剩余分析方法对气象产量进行模拟,不仅借此对各分区和全市小麦产量进行预报,还可找出影响小麦产量的关键时期和关键气象因子为大田生产上的趋利避害提供农业气象依据。资料来源:小麦产量、种植面积抄自温州市统计局;气象资料抄自本市有关气象台站。     

省级区域范围产量场预报的研究

用经验正交分解的方法将产量场分解为不随时间变化的空间函数及依赖时间变化的时间函数两部分正交分量,每个正交分量代表一种空间分布形式,即典型分布。典型产量分布的时间函数的年实际变化可以气象因子场的典型分布时间函数为自变量,用逐步回归分析方程预报,进而得到预报年的产量分布场。     

利用作物模型提取小麦干热风灾损方法探讨

如何将干热风灾害对小麦造成的产量损失从全部产量损失中提取出来,是目前小麦干热风研究的一个难点.根据小麦生物学特性以及产量结构与干热风发生规律的关系,构建了小麦作物模型,并利用河南省1981-2004年气象资料与小麦产量资料对模型进行了分析与验证.结果表明:利用作物模型方法得到的小麦产量损失与传统方法得到的产量损失相近,两者的标准均方根误差(NRMSE)为0.36,平均准确率为68.69％,决定系数(R2)为0.81.这表明利用小麦作物模型来提取干热风灾损是可行的,可以用于干热风非典型年份的灾害产量损失计算.     

CERES-Wheat模型在我国小麦区的应用效果及误差来源

气候模型与作物模型耦合是评价未来气候变化对作物生产影响的常用方法之一, 但当两者结合时, 存在着空间和时间尺度差异问题, 将作物模型升尺度到区域是解决该差异的一种方法。将CERES-Wheat模型升尺度进行区域模拟, 利用区域校准后的CERES-Wheat模型, 模拟了1981—2000年全国各网格小麦产量, 与同期农调队调查产量相比较, 以探讨CERES-Wheat模型在我国小麦区的模拟效果及误差来源。结果表明:全国小麦产量的区域模拟值与农调队调查产量的相对均方根误差为27.9%, 符合度为0.75, 全国59.2%的模拟网格相对均方根误差在30%以内, 其中相对均方根误差小于15%的占26.3%;各区的效果不同, 种植面积最大的小麦种植生态2区, 模拟效果最好。总体来说, CERES-Wheat的区域模拟, 可以反映产量变化规律, 能为宏观决策提供相应信息, 尤其是在主产区; 但区域模拟中还存在一系列误差, 今后还需进一步研究。     

PRESS周期分析及其在粮食产量预报中的应用

作物产量预报常用的统计模型为:Y=Y_t+Y_w+Y_ε。影响作物产量的气象因子的年际间变化存在一定的周期性,因此可采用周期分析法拟合气象产量。所建立的模型具有预报时效长的优点。样本多、周期明显的产量序列其效果更好。本文提出一种用 PRESS 准则提取周期的方法,取名为“PRESS 周期分析”。经使用并与常用的方差周期分析方法进行比较,结果表明,用 PRESS 周期分析建立的预报模型,其历史拟合和试报效果均优于方差周期分