毕节地区粮食持续发展分析

根据农业系统工程理论,应用灰色系统理论方法,对毕节地区１９８０－１９９５年粮食总产量及其主要影响因素建立数学模型并进行分析,得出了农作物产量对粮食总产量影响的程度依次为玉米－水稻－大豆－小麦－薯类－其它作物,农业生产要素及单产对粮食总产量影响的程度依次为单产－有效灌溉面积－化肥用量－粮作面积－技术水平－农业劳动力。     

提高重迎茬大豆单产的技术措施

重迎茬大豆单产低、品质差早已为生产实践和科学研究所证实，在目前大豆重迎茬种植不可避免的情况下，采用必要的农业技术措施提高其单产已成为生产中当务之急。提高重迎茬大豆单产的主要技术措施是；选用抗性品种，杀虫、杀菌剂的应用，在大豆重迎茬保产剂、增铲剂、专用剂、黄萎叶喷剂及肥药结合剂的施用等．     

福建省粮食单产的灰色-Markov动态模拟研究

灰色预测与Markov预测这两种方法在时间序列预测方面各具其优点及局限性。为探索提高时间序列预测精度的合理途径及客观地模拟区域粮食单产波动,以福建省为例构建了灰色-Markov预测模型,并在技术上进行了一定的改进。理论与实证表明,灰色-Markov模型预测粮食单产的精度较高,所采取的技术改进措施效果颇佳。模型对福建省未来10a粮食单产的预测可为该省今后的粮食生产规划乃至农业规划和决策提供有益的参考。图1,表3,参9。     

中国大豆进口的预测与分析

采用能够有效解决“小样本、贫信息”问题的灰色系统理论,在对中国大豆进口的分析基础上,依据嵌入知识的动态GM(1,1)模型对未来5年大豆进口量进行了预测和分析.模拟结果表明中国大豆进口还会增加,但是进口的增长速度会明显减低.基于本文的研究结果,提出部分政策建议.     

基于RAGA的灰色BP神经网络预测模型及其对三江平原地下水埋深的动态预测

三江平原是我国粮食主产区之一,近年来农业水资源出现危机.预测该地区地下水动态变化趋势,对于指导该地区合理开发利用地下水有着重大的理论和现实意义.建立了基于RAGA的灰色BP神经网络预测模型.该模型克服了传统GM(1,1)模型存在明显系统误差的缺点,既具有GM(1,1)模型对数据确定性方面把握的长处,也融合了人工神经网络在不确定因素预测领域的优势.通过两种途径进行检验,结果表明该模型具有相对较高的预测精度.运用该模型对三江平原地下水埋深进行动态预测,未来五年内,如果仍按目前的发展模式,该地区地下水埋深仍将持续下降,从2007年到2012年,该地区地下水平均每年下降0.3m.预测结果对有关部门的政策决策具有一定的指导意义.     

轮作,连作对大豆生育影响的分析

经对轮作、连作大豆的１２个有关生育性状调查结果表明，轮作大豆的单产主要由株粒数和株干重决定，连作大豆的单产主要由株粒数、株干重和单株英数决定，根际孢囊线虫对连作大豆产量影响大，达极显水平。     

吉林省玉米单产的预测

在应用灰色ＧＭ（１．１）预测模型预测的基础上，又与马尔柯夫链结合构成灰色马尔柯夫链对吉林省玉米单产进行预测。结果表明：用灰色马尔柯夫链进行预测比灰色ＧＭ（１．１）模型预测的精度高、效果好，是一种理想的预测玉米单产的方法。同时用此方法对１９９２￣１９９５年吉林省玉米单产进行了预测。     

东北地区粮食单产的区域差异及总体评价

以东北地区40个地市(盟)为主要评价单元,从粮食单产水平、粮食单产增长率、主要作物单产水平3个角度,运用数理统计、GIS分析等多种方法,全面分析了2004年东北地区粮食单产的区域差异.结果表明:东北地区粮食单产平均水平为4850kg/hm2,中部较高,东部和北部较低;大部分地市的粮食单产年均增长率(1997-2004年)集中在0-10%之间.阜新粮食单产年均增长率最高,高达40.31%;同一地市粮食产量、单产水平、单产增长率表现出严重的失衡发展状态;主要作物水稻、玉米、大豆单产分别在6000kg/hm2～7000kg/hm2、6000kg/hm2～8000kg/hm2、2000kg/hm2～3000kg/hm2水平上的地区较多.整体来看,东北地区粮食单产水平区域差异较大,从高至低依次为吉林、辽宁、黑龙江、蒙东.图3,表3,参10.     

福建农业生态经济系统分异特征与空间模式

利用能值分析方法对福建省67个县市农业生态经济系统的资源禀赋条件、投入产出状况和环境负荷进行了系统分析,构建了反映农业生态经济系统综合水平的能值指标体系,运用因子分析法对其进行综合评价和排序分析,结果显示福建农业经济生态系统存在明显的县际差异,并根据Q型聚类分析方法将结果划分为强协调发展型、较强协调发展型、较弱协调发展型、不协调发展型和极不协调发展型5种空间模式.探讨各模式的发展特征与生态经济协调状况,为促进农业生态区划与目标管理提供较为科学的依据.图1,表4,参12.     

基于log2logistic 概率分布的近海水质组合预测方法研究

通过多种预测方法的综合运用,提出一种依据环境监测数据的近海水质组合预测方法,力求在降低计算难度的同时,提高预测精度.首先,依据入海水体的情况,采用BP神经网络法对近海水质进行因果型预测,预测平均误差为26.46%;其次,采用傅立叶8次级数对近海水质历史数据进行拟合,并将其延伸对近海水质进行类比型预测,平均误差为38.33%;最后,确定近海水质数据符合log-logistic的概率密度函数,提出将上述两种预测结果的概率密度作为其组合权重的近海水质组合预测方法,平均误差降低为21.20%.应用表明,该组合预测方法避免了机理性研究对众多基础数据的要求,原理简单、实用性强,能够为环境管理提供决策支持.