基于SPSS的梧州早稻产量预测模型构建

应用界面友好的SPSS统计软件及Microsoft Excel软件作为建模工具,利用l983-2014年梧州市气象局早稻生长发育关键期气象观测资料和市统计局提供的早稻单产资料,采用直线滑动均值和调和权重法模拟外推趋势产量,再通过逐步回归建立气象产量预报方程,得到产量预报值,建立梧州市早稻产量的定量预测模型,通过了5%的信度检验,并且2015年的预报准确率为98.6%。     

浙江省早稻产量预报模式

本文在分析全省各地早稻产量资料的基础上,建立了各气候区早稻产量预报模式,并用综合集成预报方法建立了省级产量预报模式。经1989、1990年度业务预报检验,预报精度较高。     

早稻产量综合动态预报方法研究

利用湖南省早稻产量与发育期、日最高气温、日最低气温、日降水量和日日照时数等资料及早稻生理气象指标,在丰歉气象影响指数动态预报方法的基础上,引进早稻生育期内对产量有较大影响的关键气象因子,建立了早稻产量综合动态预报方法.结果表明,该方法在早稻产量增减趋势预报和定量预报上,正(准)确率都有所提高.     

吴兴县早稻产量分析和预报提要

本文引用吴兴县1957—1979年资料、通过该县早稻产量和气象条件的相关分析,探讨温、光、水渚因素对早稻产量影响的关键时段。并采用逐步回归分析求得产量予报公式.     

我国双季早稻产量的变化规律和预报方法

本文根据我国双季稻主产区南方10省（市）双季早稻的产量和面积资料,分析了我国双季早稻生产的地区分布和产量变化规律。应用模糊聚类方法,将我国10个双季早稻生产省（市）分为四个区;根据谐波分析,认为我国双季早稻产量的变化有明显的准两年及其倍数周期;应用积分回归方法,分析了影响我国双季早稻生产的关键气象因子。我们在产量预报业务化试验期间,应用周期分析、环流模式、温度降水模式及专家系统等多种方法预报双季早稻产量,得到了较好的预报效果。     

早稻与光温关系的分析——试作早稻产量趋势预报

在生产实践中,早稻产量波动较大。这是由于早稻产量的形成过程受着肥料、病虫害、耕作技术水平和气象条件等的影响结果。为鉴定本地区影响早稻产量形成有利与不利的气象因子及数量关系,以便预测早稻产量,为适时播种、品种合理布局及采取趋利避害等农业技术措施提供科学依据,我们对本站早稻广选三号七年共34个分期播种的平行观测资料进行了统计分析,探索在南宁这一特定的生态气候条件下,早稻产量与气象因子的关系。     

早稻产量农业气象预报FUZZY模型

本文根据武鸣县早稻产量及气象资料,运用模糊数学原理与方法,选择预报因子,建立识别函数,最后获得早稻产量预报FUZZY模型。 一、气象产量及预报因子 1.气象产量: 本文将产量y分离为两部份,即y=y_t y_w。其中y_t为趋势产量,反映产量逐年变化规律,而y-y_t=y_w为气象产量,受各年气象条件引起的产量波动。根据武鸣县早稻平均亩产的逐年变化,表现出 1957-1963年、1964-1976年、1977-1982年三个增长速率明显不同的阶段,因此,将其划分为三个阶段,用正交多项式模拟以后,分离出各年的气象产量y_w。     

基于气象因子的水稻产量预报模型

利用四川省南充市1989—2018年气象观测资料和水稻单产数据,分析5月上旬至8月下旬的平均气温、降水量、日照时数与水稻单产的相关性,采用线性回归方法建立基于气象因子的水稻产量预报模型。结果表明,5月下旬降水量、6月中旬平均气温、7月下旬日照时数、8月下旬日照时数和降水量与气象产量显著相关,建立南充水稻产量预报模型,回代检验准确度平均达95.4%,预报准确度达91.2%,2019年模型预报效果良好。     

基于AEZ模型的产量动态预报研究

利用洛阳地区1981-2014年夏玉米产量资料、9个气象站点的逐日观测资料、农田0-50 cm土壤墒情资料,结合夏玉米生物学特性,采用农业生态区域法(AEZ模型),计算了夏玉米不同生长阶段的气候生产潜力,通过气候生产潜力与夏玉米产量的相关关系,建立以旬为尺度的夏玉米产量动态预报模型,并进行历史回代和试报检验。结果表明:气候生产潜力与夏玉米单产增减率呈显著正相关,气候生产潜力可以客观地反映夏玉米单产水平及其动态变化。构建的产量动态预报模型对1981-2010年单产历史回代检验的准确率为88.3%~90.7%,单产丰歉趋势回代检验准确率为65.5%~75.9%;对2011-2014年模型准确性试报检验,单产预报准确率为82.7%~87.5%,趋势预报准确率为50.0%~100.0%。     

用二级判别作早稻年景及产量预报

一、思路早稻是我市的主要粮食作物,总产占全年粮食产量的二分之一强。近几年来,随着农业科学技术的发展和栽培技术的不断提高,单产一般在400公斤左右。但自春季到夏末的整个生育期间,常会受到不利天气条件的制约,有的年份往往遭受到春寒、低温连阴雨、高温干旱、暴雨洪涝以及台风等灾害性天气的侵袭,影响早稻的稳产高产。经分析,引起年际间产量波动的主要原因是不利天气条件所致。本文以气候条件为背景,用二级判别的方法制作     

牧草产量预报模型初探

对天山北坡中山带的牧草产量进行了初步研究。利用相关普查法找出影响不同时期牧草产量的不同关键因子，并用模糊列联表法建立牧草产量预报模型。     

不同方法在湖南省早稻产量动态预报中的比较

为了提高产量趋势预报的准确性和定量预报的准确率,利用1962—2002年气象、早稻产量和田间观测资料,建立基于气候适宜度、关键气象因子、作物生长模型的湖南省早稻产量动态预报方法,进行回代检验;并利用2003—2012年资料进行预报检验。分析表明:3种方法的预报准确率比较接近,平均在93.8%以上;基于气候适宜度预报方法的趋势预报准确性最高,较基于关键气象因子的预报方法高4%~6%;基于作物生长模型预报方法的误差5%以内样本百分率最高,较基于气候适宜度的预报方法高2%~20%。研究结果为湖南省早稻产量动态预报筛选出了较优的方法,即产量趋势预报选用基于气候适宜度的方法,定量预报选用基于作物生长模型的方法,同时可供我国其他早稻区的产量动态预报方法研究借鉴。     

气候适宜指数在早稻产量动态预报上的应用

结合早稻生理特性和前人研究成果,分别构建了早稻温度、降水及日照适宜度模型,在此基础上,为反映多因子对早稻产量的协同效应,建立了早稻气候适宜度模型。根据不同时段的早稻气候适宜度,利用加权法,构建了早稻气候适宜指数。基于气候适宜指数与早稻产量的关系,建立了早稻气候适宜指标。并利用历年不同时段的气候适宜指数和早稻产量建立了早稻产量动态预报模型。结果表明,模型回代检验和预报检验的丰歉趋势正确率、实际预报准确率均较高,能够满足业务服务的需要。     

作物产量的双重分析预报模型

一、引言在作物产量的气象预测预报模型中,通常是将作物产量y分解为三个部分:由相对稳定的惰性少变因子(主要是指农业技术水平)引起的趋势产量y_t,它一般表现为产量的正函数;二是由不稳定的活跃多变因子(主要是指气象条件)引起的气象产量y_w,在人们尚无法控制和改变大自然的情况下,它总是使得实际产量沿时间趋势线上下波动;三是某些偶然     

冬小麦产量预报业务模型的改进

从产量序列的完全模拟角度出发，用构造函数序列模拟产量的趋势项，用周期延拓序列矩阵的主分量模拟气象产量，提高了预报的合理性及稳定性，试用效果较好。     

基于遗传优化BP神经网络的水稻气象产量预报模型

利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。     

指数平滑法在趋势产量预测上的应用及广东省早稻产量预报模式

本文介绍的产量预报方法是由趋势产量预报和气象产量预报两部份合成。其中趋势产量的分解及预测量采用系统预测方法中的三次指数平滑法进行,气象产量模式则是由一组时效不同、逐步迫近的非线性回归方程组构成。经试用效果甚佳。      

气象产量生物学解释预报模型研究

对产量预报方法做了新的尝试性研究。首先从作物生长发育的生物学特点(微观)出发建立初始预报模型，再利用系统分析方法将初始预报模型转化为社会产量预测模型，讨论了建立气象产量生物学解释预报模型的思路及其合理性，同时初步讨论了该模型在业务使用中的思路和可行性。