玉米總產量預報模型

1、本科畢業(yè)論文題目:日照玉米總產量預報模型院（部）：理學院專業(yè)：信息與計算科學班級：信計054姓名：朱慶亮學號：2005121355指導教師：夏省祥完成日期：2009年6月15日山東建筑大學畢業(yè)論文山東建筑大學畢業(yè)論文III I目錄TOC o 1-5 h z HYPERLINK l bookmark2 o Current Document 摘要IIABSTRACTIll1前言1.1研究的目的和意義11.2國內外研究現(xiàn)狀21.3研究內容3資料來源及處理方法2.1資料來源42.2處理方法4玉米產量預測的灰色模型 HYPERLINK l bookmark18 o Current Document GM

2、(1,1)模型的建模原理7 HYPERLINK l bookmark24 o Current Document GM(1,1)模型的建模過程及求解73.3結果與分析8玉米產量回歸分析預報模型4.1日照地區(qū)狀況及玉米生理特征114.2模型假設及符號說明12 HYPERLINK l bookmark26 o Current Document 4.3玉米產量回歸分析預報模型134.4日照玉米產量分析及預報134.5日照玉米單產的滑動平均預報方法144.6玉米產量的預測215結論24 HYPERLINK l bookmark48 o Current Document 謝辭25 HYPERLINK l

3、bookmark50 o Current Document 參考文獻26摘要本文采用山東省氣象局、山東省日照市氣象局，山東省日照市農業(yè)局等不同地區(qū)（其中在三個試驗點）進行的實驗數(shù)據，其中包括19712008年的玉米產量，種植面積資料以及同期的氣象資料等。通過滑動平均法對單產量進行處理，利用灰色模型對單產量進行簡單的處理預測，分離趨勢產量與氣象產量，用多項式法對趨勢產量進行模擬和分析。同時利用SPSS軟件的相關性分析，回歸分析等功能對數(shù)據進行處理，找出相關性因子，并得到回歸方程，進而模擬氣象產量，得到玉米產量與氣象因子之間的關系，最后預測實際的玉米產量。分析結果表明：日照市的玉米氣象產量主要同播

4、種期，成熟期等重要時期的相對濕度，日照，降水量和其他一些氣象因子有關。在分析模擬的基礎上，建立日照單產量模擬預測的計算機模型，初步開發(fā)了日照玉米產量的預報系統(tǒng)。關鍵詞:玉米；回歸分析；氣象產量；趨勢產量；灰色模型PredictionModelsofMaizeYieldinRizhaoABSTRACTBytheexperimentaldatacomefromMeteorologicalBureauofShandongProvince,RizhaoCityMeteorologicalBureau,RizhaoCityAgricultureBureauotherregionsofRizhao,inc

5、ludingcornproductionin1971-2008,cultivationareasandmeteorologicaldataandinformationinthesameperiod,Agraymodelisestablishedthroughthemovingaveragemethodtodealwithasingleoutputtoforecastproduction;separatingweatherandtrendisolatedyield,thepolynomialmethodisusedtosimulateandanalysisthetrendofproduction

6、.Atthesametime,theuseofSPSSsoftwareforcorrelationanalysis,regressionanalysisandotherfunctionstoprocessthedatatoidentifyrelevantfactors,theregressionequationandthensimulatedmeteorologicaloutput,thecornyieldandtherelationshipbetweenmeteorologicalfactors,andfinallytheactualcornforecastproduction.Theres

7、ultsshowthat:RizhaoCity,themainproductionofcornandsowingtimeweather,animportantperiodofmaturity,suchastherelativehumidity,sunshine,precipitationandothermeteorologicalfactorsrelated.Simulationintheanalysisbasedontheforecastofsunshineasingleoutputofacomputersimulationmodel,theinitialdevelopmentofthesu

8、nshinetheearlywarningsystemofcornproduction.KeyWords:maizeproduction;regressionanalysis;greymodel山東建筑大學畢業(yè)論文- -1前言1.1研究的目的和意義我國自然災害頻繁，氣候條件及變化對作物產量和品質有很大的影響，因而農業(yè)生產的發(fā)展在年度間不穩(wěn)定，在地區(qū)間不平衡。隨著我國國民經濟的不斷發(fā)展，人民生活水平的逐步提高，對農業(yè)生產提出了更高的要求?，F(xiàn)在，我國絕大部分地區(qū)已基本解決了溫飽問題，正向小康生活穩(wěn)步邁進，人們對糧食及農副產品的需求已不僅僅停留在能吃飽的程度上，而是要做到吃好。我國改革開放以來隨著畜

9、牧業(yè)的大發(fā)展，人民生活水平的提高，玉米工業(yè)的發(fā)展玉米已成為玉米、飼料、工業(yè)原料和出口商品的多用途作物。我國在80年代消費玉米2588萬噸，占同期口糧比例的38%，飼料用玉米占48%，消耗玉米3269萬噸，出口占11%，出口玉米749萬噸，工業(yè)原料和食品加工占3%，耗用玉米205萬噸左右。進入90年代，全國口糧消費玉米大約占玉米總產量的19%，消費玉米量約為1870萬噸；玉米是重要的工業(yè)原料，也可加工成精制的玉米食品。我國目前用于工業(yè)原料和食品工業(yè)的玉米占玉米總產量的5%左右，年消耗玉米250萬噸左右。我國19901994年平均出口玉米820萬噸，占玉米總產量的8%左右。玉米生產受經濟、自然和社

10、會等多種因素的影響，是一個復雜的開放性系統(tǒng)，具有明顯的動態(tài)特征和不確定性，玉米產量的形成是一個十分復雜的生態(tài)過程和農業(yè)經濟過程,對玉米產量形成的描述也是一個復雜的過程,玉米產量的高低既取決于農業(yè)生產要素的投人和農業(yè)科技的發(fā)展水平,又受到政策、自然環(huán)境等因素的影響,它是許多因素綜合作用的結果。對玉米產量及其變化的研究,在經濟學領域已有大量的研究方法和成果,但大都在將自然氣候變化因素視為既定不變的前提條件下進行討論的,研究的是生產力與生產關系、生產要素與生產系統(tǒng)等關系的影響。而氣候的變化將對人類的社會經濟、生態(tài)環(huán)境等許多方面造成影響,玉米產量也必然會受到社會經濟因素和自然氣候因素的共同作用,這樣的

11、假定顯然會影響研究結論的準確性和科學性。因此,研究氣候變化對中國農業(yè)發(fā)展乃至整個經濟的影響,必須提出新的方法,并為此構建新的研究模式,特別是加入氣候因子的氣候變化模式。這是此次研究的構思和工作出發(fā)點。1.2國內外研究現(xiàn)狀我國農業(yè)氣象工作者自20世紀70年代末就開始了作物產量預報的研究和服務，80年代前、中期對我國糧食產量的氣象預測預報方法進行了深入系統(tǒng)的研究，研制了一套適合我國不同時空尺度的作物產量氣象預報模式，同時對作物生長與產量形成的動態(tài)模擬以及遙感估產做了一些初步的嘗試，為以后的農業(yè)氣象作物產量預報研究打下了基礎。80年代的農業(yè)氣象作物產量預報研究和業(yè)務化試驗采取的是邊研究、邊試驗、邊服

12、務的方針，在研究的同時，進行作物產量試報服務，建立了玉米、冬小麥、水稻、大豆、棉花等產量預報模型。90年代初，氣象部門開展了作物產量氣象預報方法的業(yè)務化試驗，并逐步將上述研究成果正式投入了業(yè)務，此后經過10多年的業(yè)務運行和完善，預報的作物己囊括了小麥、水稻（早、中、晚）、玉米（春、夏）、棉花、大豆、油菜和秋糧、全年糧食總產等糧棉油作物，建立了國家級、省級和地區(qū)級等不同區(qū)域的農業(yè)氣象產量預報業(yè)務系統(tǒng)。最近幾十年來，許多國家都己將作物產量監(jiān)測和預報列入日常業(yè)務范圍，研究狀況不盡相同，所采用的方法和研究對象也多種多樣。作物產量預報的方法很多，大體歸納為以下幾類：地面氣象要素預報方法、遙感預報方法、大

13、氣環(huán)流預報方法、海溫預報方法、農學預報方法等。地面氣象要素預報方法是其中研究較多，較深入的一種地面氣象要素預報方法在一定地域范圍內預報精度雖然較高，但是在不同氣候、不同品種的條件下預報精度往往偏低。遙感產量預報方法主要利用現(xiàn)代衛(wèi)星遙感技術宏觀、快速、準確、動態(tài)的優(yōu)點，進行各種作物產量的預報，這己成為衛(wèi)星遙感技術與農業(yè)交叉的研究重點。但是大多數(shù)遙感預報方法主要采用光譜信息與作物產量直接建立關系式，缺少作物生長的內在機理，在預報精度上年際波動較大。農學預報方法以定點的時間過程為特點，按時間順序對過程進行詳盡的模擬，具有明確的生物學意義和物理意義，模擬精度較高，但是農學預報方法在對作物產量進行模擬時

14、需要大量地面生物學參數(shù)，而且只能選擇有代表性的地區(qū)、有代表性的點進行模擬，這就限制了其在空間范圍上的推廣應用。農作物的產量與溫度、降水、日照、風等氣象因子密切相關而這些因子的空間分布及時空演變又是由大氣環(huán)流的中期演變規(guī)律或長期振動以及海水溫度所決定的，因此，它們也必然要影響農作物的產量?；谶@種理論建立的大氣環(huán)流方法的時效比統(tǒng)計方法長，可達半年以上的長期甚至是超長期估計，預報范圍也更廣。海溫的異常對長期天氣和氣候變化有很大影響，這也必然影響到農作物產量的豐欠，因此了解大尺度海氣相互作用及海氣之間的遙相關也是研究產量預報的一個重要分支。目前，國內外對上述幾種產量預報方法研究很多，并基于這些方法建

15、立了不少模型。但研究的作物種類比較單一，產量預報主要集中于對水稻、小麥、玉米、大豆等糧食作物及棉花等少數(shù)經濟作物的研究。1.3研究內容本文利用不同的方法對日照玉米產量進行預測，包括回歸分析與灰色模型，在計算過程中，分別得到其趨勢產量和氣象產量，并對各自的影響因子進行分析，選出氣象產量的主要影響因子，并在此基礎上利用影響因子相對較少，精度比較高的方法建立玉米產量的模擬預測方程，根據所建立的模擬預測方程進行日照玉米產量預報系統(tǒng)的編制，實現(xiàn)可視化操作。資料來源及處理方法2.1資料來源本課題的相關數(shù)據來源于山東省氣象局、山東省日照市氣象局，山東省日照市農業(yè)局。山東省日照市1971年2008年的月平均氣

16、溫、月平均最高氣溫、月平均最低氣溫、月極端最高氣溫、月極端最低氣溫、月極端最高氣溫日期、月極端最低氣溫日期月平均降水量、月日照小時總數(shù)、月日照百分率、月平均濕度等。山東省日照市不同的地區(qū)（其中在三個試驗點）進行的實驗數(shù)據。2.2處理方法2.2.1產量資料的處理由于資料所給的數(shù)據是三個氣象觀測站的，為了減少誤差，減少處理難度，我們計算三個氣象站的平均數(shù)值，得到1973年到2008年的實際氣象數(shù)據。而日照玉米歷年總產量，種植面積，單產量變化分別如圖1，圖2，圖3所示?？偖a曲線圖2.1日照1971-2008年玉米總產變化曲線種植面積曲線積面植種7000060000500004000030000200

17、0010000+種植面積曲196019701980199020002010年份圖2.2日照1971-2008年玉米種植面積變化曲線單產曲線量產單年份單產曲線圖2.3日照玉米1971-2008單產變化曲線從圖1可以看出，日照玉米總產量雖然有一定的波動，但總體呈上升趨勢。主要原因是種植面積的穩(wěn)步增加如圖2，但是日照種植面積的增幅明顯低于總產的增幅，這說明日照玉米總產的提高不僅僅取決于種植面積的增加，還同玉米種植管理技術，氣候的變化等因素有很大的關系。由圖3可以了解到單產經歷了巨大的上升之后出現(xiàn)趨于平滑的穩(wěn)定，這主要受種植技術，氣象條件等因素的影響，這是下文分析的重點。2.2.2氣象資料的處理首先，

18、對日照各地的日氣象資料進行處理，把三個氣象站的資料轉化為一個平均資料。其次，對日照各地的氣象資料，按月份進行分類。再次，由于1992年和1997年的產量偏差較大，暫不予以考慮。在氣候生產力方面，根據玉米氣候生產力同光、溫度、水等因子的關系，利用處理得到的月氣象資料和相關生產力資料，結合玉米本身的部分生理特性參數(shù)對日照各地玉米單產進行分析。玉米產量預測的灰色模型本文以玉米為例，在日照的產量與預測，前期資料處理的基礎上，建立了日照玉米產量預報模型。3.1GM(1,1)模型的建模原理GM(1,1)模型的原理是對原始數(shù)據加以整理生成,使生成的數(shù)據具有一定的規(guī)律性,使其相應的曲線可以用典型的曲線逼近,然

19、后用逼近的曲線作為模型,最后將模型預測值作整理,用以對系統(tǒng)進行預測。設有原始非負時間數(shù)列h(0)(k(k二1加，其一次整理生成的數(shù)列為：x()k)丈i=1x(0i)(k=12n)其中，x(1Xk)是一個遞增型函數(shù)關系，即構建灰色模型。3.2GM(1,1)模型的建模過程及求解灰色模型(greymodel)記為GM，GM(m,n)表示m階n個變量的微分方程。微分方程適合描述社會經濟系統(tǒng)，生命科學內部過程的動態(tài)特征，因此灰色系統(tǒng)預測模型的建立常應用微分擬合法為核心的建模方法，GM(m,n)模型中由于m越大計算就越復雜，因此常用灰色模型為GM(1,i)。此模型稱為但序列一階線性動態(tài)模型。dx(t)+a

20、xt=u灰色動態(tài)模型一般形式為dt,經過拉普拉斯變換和逆變換,就可以得到GM(11)模型,形式如下：x(t)=(xo-U)e一皿+a利用最小二乘法求解參數(shù)aua=k=bb-1BTYN式中:B為數(shù)據陣，即YN為數(shù)據列,即-(xd)(l)+x(2)2-(x(i)(2)+x(3)2-(x(1)(n-1)+x(n)2x(0)(2)x(0)(3)x(0)(n)3.3結果與分析3.3.1日照市糧食產量灰色預測我們取近7年的作物單產量數(shù)據作為預測的基礎,應用灰色動態(tài)模型,建立研究區(qū)平均產量的灰色預測模型；表3.1日照市19732006年糧食單產的平均值周期1234567時段19981999200020012

21、00220032004單產6373.45966.46115.45877580757656055.4IX(0)=CX(0)(1),X(0)(2),X(0)(t),(t=1,27);根據GM(1,l)模型原理,經過處理的原始數(shù)據計算所得微分方程擬合的參數(shù)向量為:A=-0.00080844，5973.7即a=-0.00080844,u=5973.7,uu取x1(1)=X(0)二6373.4得時間響應函數(shù)解為:x(t)=(x0)eat+aaX(t+1)二7395142.96e0.00080844t-7389169.26即為階段糧食作物產量灰色模型。3.3.2GM(1,1)模型精度檢驗根據建立的預測模型

22、,計算19582000年6個時段的生成值X(0)(t),t=1,2,3,4,5,6,然后將其還原得模擬值,并與實際值進行比較,結果表明實際值與預測值精度在8%以內,說明預測精度比較高,預測結果可靠。表3.2模型模擬1958-2000年不同周期實際值與模擬值的比較周期123456時段199819992000200120022003單產6373.45966.46115.4587758075765預測值5581.255985.785990.66391.55604.3預測精度0.93540.97880.98100.90860.9720周期789101112時段200420052006200720082

23、009單產6055.46339658466766703預測值6005.1960106015.936019.756024.626029.8預測精度0.99170.94800.91370.90170.8988模型都有其適用范圍，GM(1,1)模型也不例外，其適用范圍是與發(fā)展系數(shù)-a相關的，只有在Ia11時，不宜采用GM(1,1)模型。GM(1，1)灰色模型由于其特點，只能對未來幾年的玉米產量進行了預測，并且不能將相關的氣象因子考慮在內。雖然這樣的模型在一定意義上能夠預測出玉米的產量，但是玉米的產量不能正確地反映出氣象因子對玉米產量的影響作用。這也是此模型在分析該問題上的不足之處。最后為了考慮氣象因

24、素，我們采用5年長度的滑動平均方法將玉米的趨勢產量和氣象產量進行了分離。用SPSS統(tǒng)計學軟件進行了偏相關系數(shù)分析，得出了氣象產量和氣象因子的相關性，然后建立線性回歸模型計算出預測的氣象產量。找出玉米產量和氣象因子的相互關系。根據SPSS數(shù)學統(tǒng)計學軟件分析得出的顯著性水平，分別建立了顯著性水平較高影響氣象因子的線性相關模型和具有顯著性影響氣象因子的線性相關模型及非線性相關模型，彌補了前面灰色模型的不足。玉米產量回歸分析預報模型日照地區(qū)狀況及玉米生理特征日照地區(qū)狀況日照，因“日出初光先照”而得名，地處山東半島南翼，位于東經1183511939,北緯35043602。東臨黃海，與日本、韓國隔海相望，

25、北靠青島，南與江蘇連云港毗鄰，西靠沂蒙山區(qū)。日照地區(qū)屬魯東丘陵，總的地勢背山面海，中高周低，略向東南傾斜，山地、丘陵、平原相間分布。最高點為五蓮縣的馬耳山，海拔706米；最低點在東港區(qū)東海峪村，海拔1米。山地占總面積的17.5%，丘陵占57.2%，平原占25.3%。日照市位于山東省東南部黃海之濱，東經118。25,119。39，,北緯35。04,36。04仁東臨黃海，西接臨沂市，南與江蘇省連云港市毗鄰，北與青島市、濰坊市接壤。南北長約82公里，東西寬約90公里，總面積5310平方公里。日照地處海濱，境內地貌類型多樣，有平原、山丘、水域、濕地、海洋等豐富多樣的自然景觀。境內河流縱橫，分別歸屬沭河

26、、濰河,除濰河流入渤海外，其余流入黃海。較大河流18條，總長461.4公里，流域面積5222.7平方公里。沭河發(fā)源于沂山南麓，境內段長76.5公里，流域面積1718.4平方公里；濰河貫穿五蓮縣、莒縣，境內段長121.4公里，流域面積1350.2平方公里；傅疃河是唯一的境內大河，全長73.5公里，流域面積1060平方公里。日照屬暖溫帶濕潤季風氣候，四季分明，氣候宜人，發(fā)展海洋與漁業(yè)經濟條件得天獨厚。全市擁有海岸線99.6公里（含前三島岸線），淺海水域廣闊，負20米等深線以內的淺海面積6萬多公頃，灘涂5000公頃，島礁33個，其中較大的島嶼有平山島、達山島、車牛山島，即“前三島”。近海沿岸常年表層

27、水溫變化范圍2.6-27C；潮流速度1.2米/秒，水流暢通，水體交換充分，近岸海水pH值8.15-8.35,鹽度平均為30.12%。玉米生理特性玉米喜溫，種子發(fā)芽的最適溫度為2530C。拔節(jié)期日均18C以上。從抽雄到開花日均2627C。灌漿和成熟需保持在2024C；低于16C或高于25C，淀粉酶活動受影響，導致子粒灌漿不良。山東建筑大學畢業(yè)論文4- -玉米為短日照作物,日照時數(shù)在12小時內,成熟提早。長日照則開花延遲，甚至不能結穗。玉米在砂壤、壤土、粘土上均可生長。玉米適宜的土壤pH為58,以6.57.0最適。耐鹽堿能力差，氯離子對玉米的危害尤甚。玉米的根為須根系，除胚根外，還從莖節(jié)上長出節(jié)根

28、：從地下長出的節(jié)根稱為地下節(jié)根，一般4-7層；從地上莖節(jié)長出的節(jié)根又稱支持根、氣生根，一般2-3層。株高1-4.5米，稈呈圓筒形。全株一般有葉15-22片，葉身寬而長，葉緣常呈波浪形?；閱涡裕菩弁?。雄玉米于植株的頂端，為圓錐花序；雌玉米于植株中部的葉腋內，為肉穗花序。雄穗開花一般比雌花吐絲早3-5天。在正常的氣候條件下，日照玉米的生長期為6月到10月。模型假設及符號說明模型假設山東省日照市氣象部門和山東省日照市農業(yè)局提供的數(shù)據準確或者誤差不大，比較符合實際。在玉米生長預測中僅考慮氣象因素的影響作用，其他如：病蟲害，技術管理的進步，偶爾的氣象變化等不考慮在內。山東省日照市提供了三個站點的實

29、驗數(shù)據，由于三個站點的數(shù)據相似度非常高理性地選擇其中一個站點的數(shù)據作為此模型的實驗數(shù)據。符號說明Yt趨勢產量，Yw氣象產量X1代表十月平均相對濕度，X2代表7月份月最高氣溫，X3代表七月份月平均相對濕度X六月份月平均相對濕度。山東建筑大學畢業(yè)論文- -玉米產量回歸分析預報模型氣象條件是影響玉米產量的最主要的外部條件之一，它是玉米生長及其產量形成所必需的基本因子。首先，氣象條件作為自然資源直接或間接地提供玉米生長所需要的能量和物質，玉米生長如沒有適宜的氣象條件的配合，就不可能進行正常的生命活動，也就沒有產量的形成。其次，玉米總是種植在一定的氣候環(huán)境條件下，也就必然受到外部氣象條件有利或不利的影響

30、，這些影響或增加或減少玉米的最終產量。當然玉米產量的年際波動，除了氣象條件的影響外，土壤肥力、病蟲害、管理措施等因素的影響也很大，這些不作為本文考慮的重點。不同品種的玉米對氣候條件的要求不同，同一品種的不同生長發(fā)育期要求的氣象條件也不盡相同。而氣象條件又是隨時間地點的變化而不斷地呈有規(guī)律或無規(guī)律的變化的，這些特點給玉米產量預報模型的建立帶來了一定的困難，但這也是建立玉米產量預報模型時必須考慮的最重要的方面之一。日照玉米產量分析及預報以日照1971年-2008年歷年玉米產量、種植面積和同期氣候資料為基礎，從農業(yè)氣象角度對影響玉米產量的主要氣候因子進行分析，運用數(shù)理統(tǒng)計方法建立玉米產量模擬預報模型

31、。在正常氣候條件下，根據日照玉米的生育期和生理特性，考慮月平均氣溫、月平均最高氣溫、月平均最低氣溫、月平均相對濕度、月降水量、月降水天數(shù)月總日照時數(shù)等氣象因子對玉米生長發(fā)育和產量高低的影響。為了削弱農業(yè)技術水平、社會經濟條件、供需關系、政府重視程度等非氣象因素對玉米單產的影響，更好地分析單產和氣象因子之間的相關性，必須把氣象因子對單產的影響同農業(yè)技術水平、社會經濟條件、供需關系、政府重視程度等對單產的影響分開考慮。習慣上，一般把作物的產量分成三個部分：趨勢產量Yt（指作物在正常氣候條件下，氣候變化之外的所有自然和非自然因素所影響的那部分產量）、氣象產量Yw（指由氣象因素的波動所影響的那部分產量

32、）、隨機噪聲（由其它沒考慮的因素所導致的誤差，為小量，一般可忽略）。日照玉米單產的滑動平均預報方法（1）原始數(shù)據的平滑處理建立灰色模型的條件是原始離散數(shù)據為光滑函數(shù),而糧食產量由于受氣候、地貌等自然因素的影響具有非常大的不確定性,本文采用提高光滑度的措施,其主要思路是先對原始數(shù)列進行移動平滑處理,基本計算公式為:M二yt+ytl+ytN1tN式中：yt是時間序列中第t期的值,是t期移動平滑值,N是周期數(shù)。對玉米單產進行年滑動平均處理，分離趨勢產量，和氣象產量Yw。分離得到下表（表4.1）中數(shù)據，因滑動平均方法對樣本數(shù)量有損耗，故滑動平均處理后，玉米單產資料由19712008年變?yōu)?973200

33、6年。表4.1玉米趨勢產量和氣象產量滑動平均分離表年份平均單產趨勢產量氣象產量197337253413312197433213641-320197539703879.490.6197639633894.868.2197744184171.6246.4197838024565-763197947054929.2-224.2198059375421.4515.6198157845901-117198268796258.4620.6198362006194.65.4198464926297.8194.2198556186132.2-514.2198663006157143198760516141.8

34、-90.8198863246252.671.4198964166264.4151.6199061726180.6-8.6199163596219.2139.8199256326271.4-639.4199365176410.8106.2199466776573.2103.8199568696349.4519.6199671716379.6791.4199745136398-1885199866686373.4294.6199967695966.4802.6200067466115.4630.6200151365877-741200252585807-549200354765765-289200

35、464196055.4363.6200565366339197200665886584.43.6（2）氣象產量的分析利用統(tǒng)計軟件，分析分離得到的歷年氣象產量與同期氣象資料之間的相關關系。發(fā)現(xiàn)氣象產量丫和六月份月小型蒸發(fā)量，六月份月平均相對濕度，七月份月最高氣溫，七月份月平均相對濕度，十月份月降水量，十月份月平均相對濕度等6個氣候因子的相關關系較為顯著，其中2個因子的顯著水平達到0.01，4個因子的顯著水平達到0.05。另外，玉米的氣象產量和其花期、發(fā)育成熟期、花芽分化期等重要生理期的部分氣象因子相關程度也很高，如下表4.2所示（表中帶“*”的顯著水平為0.05，帶“*”的顯著水平為0.01）表

36、4.2滑動平均方法分離的氣象產量和氣象因子之間的相關性氣象因子相關系數(shù)六月份月小型蒸發(fā)量-0.357*六月份月平均相對濕度0.469*七月份月最高氣溫-0.370*七月份月平均相對濕度0.350*十月份月降水量0.354*十月份月平均相對濕度0.486*同時相關性因素如下表4.3表4.3相關性因素年份十月份降水量十月份平均相對濕度七月份月最高氣溫七月份月平均相對濕度六月份月小型葵發(fā)量六月份月平均相對濕度氣象產量1973.001974.00197.0029.1388.00181.5376.00312.001974.0038.9076.0028.3785.00234.9067.00-320.001

37、975.0056.4078.0028.0387.00211.2072.0090.601976.005.5072.0026.8784.00169.1776.0068.201977.0033.1774.0029.9785.00220.1769.00246.401978.0045.4070.0030.3083.00258.0364.00-763.001979.005.8771.0028.6386.00218.7774.00-224.201980.00127.8779.0028.0385.00192.3081.00515.601981.0051.7768.0030.3085.00201.9069.00

38、-117.001982.00102.7081.0027.7784.00205.2771.00620.601983.0063.6379.0029.4381.00208.4766.005.401984.0019.8074.0028.3085.00162.7080.00194.201985.0064.5380.0029.0786.00182.0775.00-514.201986.0032.8770.0028.6083.00178.4377.00143.001987.0089.5380.0029.1384.00205.8773.00-90.801988.009.6073.0029.4784.00215

39、.6371.0071.401989.001.5369.0027.8785.00206.9076.00151.601990.00.9773.0030.1386.00161.8081.00-8.601991.00.5067.0029.7785.00156.3383.00139.801992.0019.3374.0031.4075.00206.1769.00-639.401993.0045.2773.0027.0789.00183.1381.00106.201994.0057.8774.0031.4088.00203.1773.00103.801995.0040.4378.0029.1087.002

40、18.2774.00519.601QQRnnAi=,旳7QnnR7nn1殆FAnn7Q1M1997.003.8367.0031.6079.00250.6060.00-1885.001998.0038.0372.0030.5085.00182.7079.00294.601999.0083.4380.0029.7779.00207.3772.00802.602000.68.0380.0030.2782.00206.2071.00630.602001.009.7073.0029.9385.00175.1774.00-741.002002.006.7368.0030.8377.00195.0073.0

41、0-549.002003.00105.6772.0027.0788.00218.2673.00-289.002004.0013.4770.0029.9784.00192.9572.00363.602005.0024.3072.0029.8386.00260.2068.00197.002006.009.4777.0029.2085.00198.5567.003.60進一步利用回歸分析方法進行分析，得到如下圖的氣象產量的回歸擬合方程ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant

42、)-9352.8195297.095-1.765.089十月份降水壘.0593.047.004.020.985十月份平均相對濕度58.57424.409.4722.400.024七月份月最高氣溫-3.78274.050-.021-.119.906七月份月平均相對濕度16.82329.104.100.576.569為月份月小型蒸發(fā)量1.5575.023.078.310.759為月份月平均相對濕度48.54027.240.4811.782.086a.DependentVariable:氣象產量圖4.1回歸系數(shù)1可以看出，十月份降水量與六月份月小型蒸發(fā)量的系數(shù)比較小，說明影響也比較的小因此我們選擇將

43、其剔除，重做回歸分析，得到以下圖ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-8572.5624250.214-2.017.053十月份平均相對濕度57.86117.528.4663.301.003七月份月最高氣溫-11.27470.980-.027-.159.875七月份月平均相對濕度1S.7S027.649.111.679.502六月份月平均相對濕度41.63115.556.4132.676.012a.DependentVariable:圖4.2回歸系數(shù)2由此，我們

44、得到回歸方程Y=57.861X-11.274X+18.780X+41.631X-8572.562（1）w1234其中式中X代表十月平均相對濕度，X代表7月份月最高氣溫，X代表七月份月平123均相對濕度，X六月份月平均相對濕度。4我們得到氣象產量的預測如下表4.4氣象產量的預測10月月平均相對握度7月月最咼氣溫f月月平均相對濕度6月月平均相對濕度預測氣象產量7629.138876310.145387628.378567-112.229387828.038772253.074787226.87847629.286627429.978569-162.887787030.38364-643.80027

45、128.638674-94.294627928.038581648.054786830.38569-513.80728127.778471331.644027929.438166-67.453827428.38580314.04788029.078675463.080827028.68377-83.26148029.138473341.576387329.478471-150.579786927.878576-136.890387330.138681295.783386729.77858317.194027431.47569-366.95267327.078981386.927827431.4

46、887343.71147829.18774324.16667928.58775430.4836731.67960-1073.81347230.58579131.6728029.777972198.766028030.278271207.788027329.938574-12.138826830.837773-503.551427227.078873-22.761187029.978472-288.218787229.838668-299.868427729.28567-63.80883）趨勢產量的處理及預報趨勢產量由地理環(huán)境等因素決定，逐年變化幅度比較小，有相對的穩(wěn)定性。其變化曲線如圖：趨勢產

47、量曲線1980199020002010年份ooo7oooooooooooo6543ooo2ooo趨勢產量曲線圖4.3趨勢產量曲線鑒于此圖的特點我們決定用分段用多項式方法模擬趨勢產量用多項式方法模擬趨勢產量的方程如下：J319a-626217,a1983最后預測趨勢產量如下：表4.5趨勢產量表年份預測趨勢產量年份預測趨勢產量19733171.97319906250.93519743490.97419916256.29619753809.97519926261.65719764128.97619936267.01819774447.97719946272.37919734766.978199562

48、77.7419795085.97919966283.10119805404.9819976288.46219815723.98119986293.82319826042.9821999629940820006304.54519846218.76920016309.90619856224.1320026315.26719866229.49120036320.62819876234.85220046325.98919886240.21320056331.351網麗丘一F742006朋能一711（4）產量預測及其檢驗用得到趨勢產量，根據（模擬氣象產量。把模擬的氣象產量和模擬

49、的趨勢產量相加，即為模擬的玉米單產。產量模擬預報及其檢驗結果見表5.6表4.6氣象產量模擬年份1973197419751976197719781979198019811982198319841985198619871988198919901991199219931994199519961997199819992000200120022003200420052006平均單產37253321397039634418380247055937578468796200649256186300605163246416617263595632651766776869717145136668676967465

50、13652585476641965366588趨勢產量341336413879.43894.84171.645654929.25421.459016258.46194.66297.86132.261576141.86252.66264.46180.66219.26271.46410.86573.26349.46379.663986373.45966.46115.45877580757656055.463396584.4氣象產量312-32090.668.2246.4-763-224.2515.6-117620.65.4194.2-514.2143-90.871.4151.6-8.6139.8-

51、639.4106.2103.8519.6791.4-1885294.6802.6630.6-741-549-289363.61973.6預測趨勢產量3171.9733490.9743809.9754128.9764447.9774766.9785085.9795404.985723.9816042.9826213.4086218.7696224.136229.4916234.8526240.2136245.5746250.9356256.2966261.6576267.0186272.3796277.746283.1016288.4626293.8236299.1846304.5456309.

52、9066315.2676320.6286325.9896331.356336.711預測氣象產量310.14538-112.22938253.0747829.28662-162.88778-643.8002-94.29462648.05478-513.8072331.64402-67.45382314.0478463.08082-83.2614341.57638-150.57978-136.89038295.7833817.19402-366.9526386.9278243.7114324.1666430.483-1073.8134131.672198.76602207.78802-12.13

53、882-503.55142-22.76118-288.21878-299.86842-63.8088預測單產3482.1183378.7454063.054158.2634285.0894123.1784991.6846053.0355210.1746374.6266145.9546532.8176687.2116146.236576.4286089.6336108.6846546.7186273.495894.7046653.9466316.096601.9076713.5845214.6496425.4956497.956512.3336297.7675811.7166297.867603

54、7.776031.4826272.902預測精度0.9347968810.9829094450.9770985380.9530422590.9699160750.9221043050.9425676070.9808303130.9007907680.9266791710.9912829320.9937520370.8401110940.9755920.9201042950.9629401040.9521015620.942762410.986552920.955433830.9794188560.9459473420.9611161160.936213080.8654466190.9636315240.9599571610.9653621430.8155271310.9047242470.8695007620.9406091630.9228092990.952170947最后我們帶入2007年及2008年的氣象資料，并計算預測結果，檢驗模型的精度：表4.7模型的精度預測單預測趨勢產量預測氣象產量6342.072247.153626589.2266347.433346.6146146694.048可以得出2007年的預測產量為6589.226，2008年的預測產量為6694.048，其精度分別