用多层递阶方法预报花生产量

目前,国内对花生产量预报方面的研究较少,其它粮食作物如小麦、水稻等作物的产量预报方法较多。一般常用的多元回归、特征根回归、多重回归等预报方法,随着预报年限的延长,预报误差会相应增大,其原因之一是在此类预报过程中,用固定参数模型来预报一个时变参数系统的状态,易产生较大的误差,并随着预报年限的延续而增大。因此逐年预报时需要重新计算模式的系数。为了克服这一缺陷,我们采用了动态系统预报的新方法——多层递阶预报方法,对我省花生产量进行预报,由于它充分考虑了参数的时变特性,因此提高了预报准确率。通过对我省花生产量预测的实际应用表明,采用多层递阶预报方法连续多年预测花生产量,准确率及精度较高,这一方法可多年使用后再进行模式运算,大大减少了工作量,这种方法早已引用于长期天气预报,对于时间紧、业务量大的产量预报也非常适用。     

试用多层递阶预报法作春小麦产量的农业气象预报

一、前言目前,常用的作物产量农业气象预报方法多为物理统计模式和经验统计模式等统计学方法.为克服统计学方法的不足,在此引用动态系统状态预报的一种新方法——多层递阶预报方法,试作春小麦产量的农业气象预报. 预报的基本思想是,将时变系统(产量序列)的状态预报分解为对时变参数的预报并在此基础上再对系统状态进行预报.即将春小麦产量的预报分解成对预报模型参数的预报并利     

基于积分回归法黑龙江省作物产量动态预报研究

由于积分回归法生物学意义明确,预报效果较好,已成为一种新的作物产量动态预报方法。为了完善黑龙江省主要作物的动态预报方法,提高作物单产的预报准确率,本文利用积分回归方法,随机选取以县为单元的研究对象,开展黑龙江省多种作物积分回归产量动态预报模型的适用性研究。结果表明:建立的黑龙江省6月下旬至9月下旬春玉米、大豆和水稻积分回归产量动态预报模型均通过了F的显著性检验,作物产量预报的平均差MD和相对误差RE均未通过显著性检验,表明建立的春玉米、大豆和水稻产量预报模型的预报效果较好;其中春玉米和水稻产量预报模型的预报准确率较高,模型预报的单产与实际单产的一致性较好。通过对2011—2014年黑龙江省作物单产进行试报和检验,发现春玉米、水稻和大豆单产的预报准确率平均为96%、95%和93%;表明积分回归方法对黑龙江省大豆单产预报的适宜性略差,积分回归法适用于黑龙江省水稻和春玉米单产的预报。基于积分回归法的原理,可以在黑龙江省开展春玉米和水稻单产的动态预报,并继续开展大豆产区积分回归产量动态预报的适用性研究。     

农业气象预报方法的发展

在农业气象预报中,新的动态-统计预报方法的发展是与光合作用数值理论的建立和作物产量波动的科学研究工作所取得的成就分不开的。农作物产量的动态-统计预报方法是以农业气象条件对作物的光合生产力影响的模拟、产量波动的时间序列规律的研究以及统计预报方法和动态预报方法的合成为基础的。这方面的理论研究分以下三个主要阶段     

海南岛冬季平均气温的多层递阶自回归长期预报模型

使用海南岛（以海口资料为代表）冬季平均气温资料,根据动态系统预测的理论,选用多层递阶自回归预报的方法,建立了海南岛冬季平均气温长期预报的多层递阶自回归预报模型,进行预报。结果表明,预报结果与实测值误差较小,冷暖年趋势预报和定量预报效果较理想。     

面向Internet的农业气象产量动态预报

针对信息时代Internet网上用户对产量预报动态查询的需求 ,探讨了面向Inter net的农业气象产量预报的解决方案。试验结果表明 ,由于作物生长发育和产量形成是一个光、温、水、土条件长期、综合作用 ,生物量长期累积的过程 ,因此利用积分回归方法 ,考虑全生育期光、温、水气象因子的综合影响 ,根据已出现的天气实况 ,在假定后期天气条件正常的情况下 ,有可能预测出未来产量的趋势。随着天气实况的逐一出现 ,后期的预报结果可望逐步接近实际值。统计检验和试报结果误差均在允许范围内。     

初始资料的正态化变换及回归方程预报精度的提高

一、问题的提出初始资料和预报模式时适应,是天气预报的一个重要问题,它不但具有理论意义,而且具有实际意义,无论数值预报模式还是统计预报模式都不例外。对于统计预报模式,我们知道,使用回归模式其初始资料必须满足如下数学条件:(1)预报误差e的数学期望为零,即E(e)=0;(2)预报误差e具有等方差性,即COV(e)=δ~2;(3)资料和预报误差e服从正态分布。当初始资料满足上述条件,它才能同导出的回归模式的数学前提相适应。否则在理论上资料不满足回归模式的数学前提,在实际应用时产生较大误差,而且使用过程中具有不稳定性。     

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。      

一种新的城市SO2污染统计预报方法及其应用

针对目前采用的统计方法存在的不足, 即在选择预报因子时没有考虑预报因子之间的相关性, 挑选的预报因子由于非正交, 使回归计算的结果不稳定, 给计算带来一定的误差。该文提出把一元线性回归分析、自然正交函数 (EOF) 和逐步回归方法结合起来, 从而得到一种新的建立统计预报模型的方法。以西安市采暖期和夏季SO₂日均浓度为预报对象, 使用该方法建立预报模型。拟合及预报试验表明, 这些预报模型不但可以很好地拟合变化趋势, 而且还能作出较准确的预报, 采暖期预报的级别命中率为72.5 %, 夏季级别预报命中率为100%。通过对比试验, 此方法优于目前常用的逐步回归方法, 具有很好的应用前景。     

新一代省级农业气象预报系统通用统计预报模型的设计与实现

统计预报方法是农业气象预报业务中常用的一种方法.在"新一代农业气象预报系统"中,系统设计了一种通用统计预报模型构建方法,可用于作物产量预报、农业气象灾害预报等农气预报业务.本文主要介绍了通用预报模型的设计原理、实现方法及应用试验结果等.     

回归诊断在梅雨期大到暴雨预报中的应用

应用回归诊断方法分析发现，梅汛期大到暴雨回归预报模型的残差分布存在着不对称现象，这种不对称现象是由高杠杆点所引起。这些高杠杆试验点的残差存在着统计天气预报意义上的不合理性，导致了回归系数LS估计的误差，从而又引起暴雨预报的误差。针对这些问题提出了大到暴雨的回归诊断预报模型。实例计算说明，回归诊断预报模型要优于常规回归预报模型。进一步分析指出，梅汛期大到暴雨回归预报模型的不合理性并非个别例子的特殊性所造成，而是由模型的数学特点所决定，因此大到暴雨的回归诊断预报模型具有普遍意义。大量的试验和多年的业务应用表明，回归诊断对提高大到暴雨预报准确率具有明显的效果。     

登陆热带气旋降水预报研究回顾与展望

重点围绕登陆热带气旋（LTC）降水预报研究进行了回顾和总结,指出针对LTC降水有三类预报技术：动力模式、统计方法和动力-统计结合的预报方法。以数值天气预报（NWP）模式为代表的预报技术对LTC降水的预报能力仍然非常有限。改进NWP模式预报误差的途径主要有两条：一是发展NWP模式;二是发展动力-统计结合的方法。分析表明,动力-统计相似预报是一项很有潜力的技术;针对现有研究中的不足,开展LTC降水动力-统计相似预报研究,探索减小数值模式LTC降水预报误差的有效方法,将是一个充满希望的研究领域和方向。     

新一代省级农业气象预报系统通用统计预报模型的设计与实现

统计预报方法是农业气象预报业务中常用的一种方法。在“新一代农业气象预报系统”中，系统设计了一种通用统计预报模型构建方法，可用于作物产量预报、农业气象灾害预报等农气预报业务。本文主要介绍了通用预报模型的设计原理、实现方法及应用试验结果等。     

山东省冬小麦产量动态集成预报方法

在新型统计检验聚类分析 (CAST) 方法对山东省冬小麦种植区进行合理分区的基础上,利用基于作物产量历史丰歉气象影响指数、关键气象因子影响指数、气候适宜度指数、WOFOST (world food study) 作物生长模型分别建立各区域冬小麦产量动态预报方法,利用这4种方法分别对2004—2011年山东省冬小麦产量进行动态预报,在分析历史预报结果平均准确率的基础上,剔除预报准确率低于90.0%的预报方法,确定每种方法的权重系数,采用加权方法建立山东省冬小麦产量动态集成预报方法。结果表明:4种单一产量预报方法在各区域各时段的预报准确率很不稳定,波动范围较大。而集成预报方法对山东省各区域冬小麦产量动态预报准确率相对于4种单一预报方法均有所提高,预报准确率普遍在95.0%以上,且其预报结果稳定性较好,变化比较平稳, 集成预报方法更适合在业务上应用。     

手选洞卡在模式输出统计预报中的应用

模式输出统计预报是根据数值预报的输出结果,应用统计的工具制做局地气象要素预报的一种较客观、定量的预报方法,它将在基层台站广泛应用。目前,国内外的模式输出统计预报中统计工具普遍采用回归分析的方法。由于回归分析特别是逐步回归的计算量大,对于缺少一定计算条件的台站是难以实现的。因而,计算简单的事件概率回归     

多元回归和逐步回归法的比较试验

一、前言 由于大气运动规律及其所伴随的天气现象,不能完全为统计学所概括,所以,回归分析方法虽然在长、中、短期天气预报中广为应用,但至今还不很完善。 对此,人们从不同角度提出了许多改进措施。比如:针对回归方程的可靠性、稳定性问题,有人通过选取因子变量(包括个数)和回归模型来控制;对于回归方程预报误差问题,提出应把预报系统看作是参数时变的动态系统,用“多层递阶方法”来处理。     

回归诊断在城市空气质量预报中的应用研究

城市空气质量回归预报模型的残差分布存在着不对称现象，它是由高杠杆点引起。这些高杠杆试验点的残差存在着统计天气预报意义上的不合理性，导致回归系数L5估计的误差，从而引起预报的误差。针对这些问题提出了城市空气质量的回归诊断预报模型。实例计算说明，回归诊断预报模型要优于常规回归预报模型。进一步分析指出，城市空气质量回归预报模型的不合理性并非个别例子的特殊性所造成，而是由模型的数学特点所决定，因此城市空气质量的回归诊断预报模型具有普遍     

提高粮食产量预报模式稳定性及准确性的探讨

运用气候因子预报粮食产量的多元回归模式在应用中表现不够稳定．本文提出用正常气候条件对作物生长最适气候条件的动态供需分布，对入选因子进行生物学意义的合理性检验，使静态的统计预报模式稳定性明显提高，同时使动态统计产量预报评价模式有了明确的生物学意义，本文还提出了多元回归与时间序列分析相结合的三项式产量预报模型和综合预报方法，产量预报模式的稳定性和准确性平均提高４％以上。     

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。     

气候变化对作物产量影响的动态统计评价模式

气候变化对作物产量影响的动态统计评价模式，主要是运用积分回归原理，探索作物生育期内以旬为时间单位的气候变化对作物产量形成的影响规律。由于该模式能及时连续地进行气候影响评价，使评价工作能直接的为农业生产进行跟踪服务。在建模过程中引用了三项式产量预报模型、特殊影响因子诊断分析和选取最佳积分因归方程等方法，并在试用中取得了较满意的结果。