粮食作物产量

粮食作物产量（精选12篇）

粮食作物产量 篇1

一、综述

粮食是居民生活必需品, “粮价是百价之基”, 然而近几年粮食价格波动很大。根据联合国粮农组织提供的数据, 2005至2010年间, 世界主要粮食价格暴涨至30年来的最高水平。特别像我国这样拥有将近14亿人口的发展中国家粮食问题更为重要。

粮食的供需在不同的历史时期存在阶段性的变化。顾国达[1]等分析了粮食需求和粮食收益率的影响因素, 并采用趋势外推和指数平滑等方法, 预测了2O15—2050年全球粮食供给和需求变化趋势。结果表明全球粮食供需预期基本平衡, 但存在结构性失衡。此外, 还有学者[2,3]分别研究了气候变化以及水资源等自然因素对粮食生产的影响。吴乐[4]在博士论文中构建了GM (1, 1) 新陈代谢模型, 对我国粮食需求中长期总体趋势进行了模拟和判断, 并提出了一些建议。

本文综合考虑粮食产量、贸易、消费等影响因素, 利用机器学习最新技术, 研究影响粮食产量的各种因素之间的关联关系。

二、我国粮食生产及需求历史及现状分析

考虑到建国初期的历史状况、自然灾害及文革等因素, 并且时间离目前较远, 数据不具有可比性。本文只考虑改革开放以来的粮食供需历史及现状情况, 即1978年以后的粮食产量历史数据。

下图是1978年到2013年的粮食产量走势图, 从图1 (a) 可以看出, 我国的粮食产量整体上呈快速增长的趋势。图1 (b) 是使用k-means聚类[5]后的结果, 可以看出, 在1978年到2013年这一事件段, 我国粮食产量大致可以分为4个阶段:增长、增长、下降、增长, 在图中分别用“*”、“.”、“◇”和“□”表示。

各个阶段的特征如下:

第一阶段:该阶段粮食产量整体呈现快速增长, 时间范围从1978到1984年。增长的只要原因主要是粮食单产水平逐渐提高。根据全国统计年鉴数据, 相比1978年, 1984年全国粮食播种面积虽然下降6.4%, 但粮食单产增长了42.8%。

第二阶段:该阶段粮食产量整体呈现快速增长, 时间范围从1985到1992年。但增速比第一阶段有所下降。单产水平提高仍是该阶段粮食总产量提高的主要驱动因素。

第三阶段:该阶段粮食产量整体呈现下降阶段, 时间范围从1993到2002年。粮食产量持续减产。下降的主要原因是粮食播种面积较大程度减少, 同时单产水平也有所降低。

第四阶段:该阶段粮食产量整体呈现快速增长, 时间范围从2003到2013年。粮食产量持续增加。增长的主要原因是粮食播种面积的扩大和单产水平的提高, 例如, 在这一阶段, 全国粮食增产17124万吨, 增长39.8%;播种面积增长12.6%, 单产增长24.1%。

表1给出了各个阶段的聚类均值, 可以看出从1978年到2013年粮食产量整体上呈现增加趋势。

三、影响粮食产量的各种因素之间的关联关系

样本数据的选取:本文采用的原始数据分别取自《中国统计年鉴》、《国家统计局》、《中国发展报告》以及联合国粮农组织网站, 粮食产量历史数据选择1978—2013年之间的数据。居民粮食消费价格指数历史数据由于统计的原因, 选择1995—2013年之间的数据。

影响粮食产量的因素很多, 例如播种面积土地、化肥等的投入量、国家粮食政策、自然灾害等。并且这些影响粮食产量的因素错综复杂, 粮食产量与众多影响因素之间存在不确定性和非线性关系。本研究采用灰色关联分析方法, 灰色模型[6, 7]是邓聚龙教授于1982年提出的, 该模型认为如果某一系统的全部信息已知则称为白色系统, 全部信息未知则称为黑箱系统, 部分信息确定与部分信息不确定的系统就是灰色系统。灰色预测模型所需建模信息少, 运算方便, 建模精度高, 在各种预测领域都有着广泛的应用。灰色关联分析方法依据灰色模型理论发展而来的一种方法, 将研究对象的各因素之间发展趋势的相似或相异程度, 作为衡量因素间关联程度的一种方法, 是对系统发展过程的量化分析。

本文选用以下影响未来粮食产量的因素进行分析和预测:粮食产量 (万吨) 、粮食作物播种面积 (千公顷) 、有效灌溉面积 (千公顷) 、化肥使用量 (万吨) 、农村人口数 (万人) 、农业机械总动力 (万千瓦) 、受灾面积 (千公顷) 、农村居民收入 (元) 、国内生产总值 (亿元) 、国家农业财政支出 (亿元) 。通过对粮食产量与这些影响因素之间的关联性进行分析, 揭示影响粮食产量的主要因素, 为粮食生产和粮食安全问题提供科学依据, 并提出一些建议。

表2给出了粮食产量与各种影响因素之间的关联度, 图2给出了关联度可视化柱状图。关联度数值大小反映了粮食产量与各影响因素之间的关联密切程度, 该数值越大, 说明二者之间的态势越一致, 影响因素对粮食产量的影响也越大。

四、总结与建议

通过关联度数值可以发现:

1. 粮食产量与粮食作物播种面积、有效灌溉面积、农村人口数、受灾面积关联度最大, 这也从另一方面说明粮食产量主要受种植的面积以及农村劳动力紧密相关, 只有农村劳动力充足, 才能在有限的土地实现粮食的生产;

2. 其次, 化肥使用量和农业机械总动力对粮食产量的影响小于前面四种因素。但也是较为重要的影响因素;

3. 而相比前几种影响, 农村居民收入、国内生产总值和国家农业财政支出三种因素对粮食价格的影响最小。

然而由于粮食价格的影响因素众多, 本文只考虑了9种影响因素, 为了提高未来粮食价格波动趋势的准确度, 需要对更多影响因素进行深入细致地分析, 寻找粮食价格与影响因素之间的内在联系, 这也是下一步重点研究方向。

2011年12月, 国家发展改革委、国家粮食局联合发布了《粮食行业“十二五”发展规划纲要》, 纲要指出“十二五”时期要大力推动信息化技术的应用, 健全粮食宏观调控体系, 使用科学方法增强粮食宏观调控的关键技术, 实现对粮食市场的动态监测和分析, 合理确定预警指标, 提高粮食宏观调控能力, 保持粮食供求基本平衡和价格基本稳定, 保障国家粮食安全。

本文结合当前国家政策, 提出具体应从以下几方面保持粮食供需平衡。

*继续加大科技投入;

*大力推动信息化技术的应用, 健全粮食宏观调控体系;

*提倡科学健康的粮食消费观, 减少粮食浪费, 拓宽非粮食物供给, 补充和调整粮食消费结构。

*通过国际粮食市场合理控制粮食的进口及出口, 填补粮食产量和需求量之间的差异, 促进粮食贸易平衡, 宏观调控粮食价格。

参考文献

[1]顾国达, 尹靖华, 全球中长期粮食供需趋势分析[J], 华中农业大学学报 (社会科学版) , 2014 (6) :6-16

[2]HUEY L L, The impact of climate change on global food supply and demand, food prices, and land use[J].Paddy Water Environ, 2009 (7) :321-331.

[3]HANJRA M A, QURESHIM E, Global water crisis and future food security in an era of climate change[J].Food Policy, 2010, 35 (10) :365—377.

[4]吴乐, 中国粮食需求中长期趋势研究, 华中农业大学博士学位论文, 2011

[5]Bishop, Christopher M, Pattern Recognition and Machine Learning[M], 2010, Springer

[6]邓聚龙.灰色理论基础[M].武汉:华中科技大学出版社, 2005

[7]王秀, 灰色预测模型粮食产量预测比较研究[J], 农机化研究, 2011 (9) :78-80

粮食作物产量 篇2

1、样本点基本情况调查表

2、样本点地块登记表

3、小春播种面积台帐

4、大春播种面积台帐

5、实测作物逐块估产面积核实表（小麦、水稻、玉米）

6、实测作物放样实测地块样本分布表（小麦、水稻、玉米）

7、实测作物放样实测位置图（小麦、水稻、玉米）

8、农产量抽样调查放样实测作物卡片（小麦、水稻、玉米）

9、非实测作物单位面积产量调查表（小春、大春）

加强深松整地 提高作物产量 篇3

一、深松整地的作用与好处

1.打破犁底层，加深耕层，提高耕地质量。多年的旋耕会形成坚硬的犁底层，犁底层不利于水分的渗入和植物根系的下扎。机械深松时，深松铲从犁底层下部通过，可有效打破原有犁底层。

2.提高土壤的蓄水能力。深松深层土壤，有利于水分的渗入，加之深松后一般土壤表面粗糙度增加，可阻碍雨水径流，延长雨水渗入时间，因此深松整地的蓄水力比较大。

3.改善土壤结构。深松后形成虚实并存的土壤结构，有利于土壤的气体交换，促进微生物的活化和矿物质的分解，改善土壤肥力。

4.减少降雨径流，减少土壤水蚀。深松不翻层土层，使残渣、秸秆、杂草大部分覆盖于地表，有利于保水，减少风蚀，又可以吸纳更多的雨水，还可以延缓径流的产生，减弱径流的强度，减少水土流失，有效的保护土壤。

5.农作物管理也实现全面机械化，但作业时的机械会造成一定的土壤压实，利用深松作业可以消除由于机器进行实地作业造成的土壤压实。

6.土地深松后，可增加肥料的溶解能力，在减少肥料的流失和提高肥料利用率上都有较大的能力。

7.深松整地可以破坏越冬害虫的生存环境，使得害虫来年不可以正常的孵化，深松整地时还可以收拾掉一些今年的病害植株，减少病原菌，来年减少病虫害的发生。

8.有效提高作物产量。机械化深松能改善土壤环境，增加地温，促进了土壤中好气性微生物的活动，释放土壤潜在营养，培肥地力，增产效果明显。

二、深松整地技术

1.连年旋耕地块，土壤深松周期一般2～3年进行一次，也可根据土壤条件和作物管理机具进地次数，掌握深松间隔周期。

2.进行深松时，土壤含水量一般在15%～22%，土壤密度14克/立方厘米。在土壤含水量较大、土壤黏重地块，不宜深松作业。

3.松土深度一般为30～35厘米；深松间隔小麦为40～80厘米，玉米为40～60厘米。

4.深松作业时间可在夏季前茬小麦收获后或秋季玉米刚收完小麦播种之前，全方位深松必须在秋后进行，间隔深松在夏季或秋季都行。

5.深松作业时要深度保持一致，不得漏松。

三、深松作业存在的问题

1.现在的一家一户承包责任制，人均耕作面积比较小，一部分农民对农业生产思想上不重视，更对深松作业认识不够。

2.一些农民虽然认识到土壤深松的好处，但一般家庭所拥有的动力机械满足不了深松动力要求，深松机具需大动力机械带动。

3.深松整地机械配套下来一般价格较高，加之深松整地机械的补贴标准不高，农民购买有一定困难。

四、对策

1.加强宣传，提高认识。广泛宣传机械深松整地的技术要领和实际效果。

2.加强深松技术培训。加强农技人员土地深松技术服务能力培训，提高服务质量，把深松作业、品种种植、配方施肥等技术结合起来，实现农机农艺的有机融合和对接，促进机械深松技术的快速普及和推广。

3.搞好示范带动。结合生产厂家，把先进性、实用性和经济性集一体的适合本地作业的深松机具引进示范，通过观摩培训、现场指导带动周边群众推广应用到生产中去。

粮食作物产量 篇4

国家统计局12月初公布了2011年我国粮食生产情况。初步统计, 2011年全国粮食总产量达到57 121万吨, 比2010年增产2 473万吨, 增长4.5%。统计数据显示, 这一产量创造了新的历史纪录, 达到了2020年粮食产能规划水平, 也是中国粮食实现了半个世纪以来首次“八连增”。其中三大粮食作物总产量超过5亿吨, 达到51 045万吨。稻谷总产量突破2亿吨大关, 达到20 078万吨, 比去年增产503万吨, 增长2.6%;小麦总产量11 792万吨, 比去年增产274万吨, 增长2.4%;玉米总产量19 175万吨, 比去年增加1 450万吨, 增长8.2%。业内人士认为, 玉米大幅增产将减缓2009年以来玉米一路涨价给畜牧业带来的成本压力, 有利生猪价格的理性回归。

主要农作物产量性状的遗传解析 篇5

“主要农作物产量性状的遗传网络解析”

重大研究计划2015项目指南

本重大研究计划以玉米、水稻为主要研究对象，围绕控制产量性状的遗传网络解析，综合应用生物学、农学及信息学等多学科交叉的手段，集中深入地探讨株型发育和籽粒形成这两个密切相关并影响作物产量性状的重要生物学过程的遗传及生理生化调控机理，进一步通过分析籽粒形成和株型发育过程中不同阶段生物学过程之间的互作关系，阐明影响作物产量性状的遗传调控网络。在此基础上，开展高产育种的分子设计理论研究，为我国玉米、水稻等主要农作物高产育种提供理论及技术支撑。

一、科学目标

针对我国粮食安全的重大需求和生命科学的前沿领域，解析玉米、水稻株型发育（分蘖、株高、茎叶夹角、穗型等）和籽粒形成（花/穗建成、籽粒发育等）这两个影响作物产量性状且密切相关的重要生物学过程的分子遗传及生理生化调控网络，为我国主要农作物高产品种培育提供理论支撑。

二、核心科学问题

解析玉米、水稻株型发育和籽粒形成的多基因遗传调控网络，分析并阐明影响产量性状的主要基因和基因之间的互作调控规律，为作物高产育种的分子设计提供理论基础。

粮食作物产量 篇6

【关键词】新品种；提高粮食产量；推广

"民以食为天"，从这句话可以看出，粮食对于人类的重要性。而粮食来源于农业，农业也是国民经济中的一个重要产业部门。粮食的获得需要经过种植环节，因此农业的不断发展需要依靠种植。从古到今，粮食产量的好坏是我国农村工作方面的重点，经过多年的实践以及经验总结发现帮助提高粮食产量的一个重要措施是研发出高产优质新品种。近年来，种子公司每年都会在种子市场中推出很多粮食新品种，但是农民们似乎并不乐意接受这些新推出的品种。所以，一般情况下，一个新品种的推出再到获得大范围推广种植，大概需要经过三年或是四年的时间[1]。因此造成很多优秀的粮食新品种得不到及时推广种植，不能为各地粮食生产贡献出应有的价值。针对这一问题，本文主要分析了在粮食新品种推广工作中发现的问题，然后找出适当的解决措施并加以完善，从而帮助推动新产品的推广工作，进而达到提高我国粮食总产量的目的。

1.分析新品种对提高粮食产量的影响

1.1粮食新品种是提高粮食产量的重要手段

随着我国经济的飞速发展，我国农业也得到了较快发展，近几年来，我国不断研发出粮食新品种并将其推广到种子市场中，帮助提高我国粮食生产总量。我国研发出的新品种为提高我国粮食产量作出了很大的贡献，因此可以说新品种研发及推广种植是帮助促进粮食产量提高的重要手段。可以根据一组数据来说明这一点：1980年根据资料显示，全国粮食总产量仅是32055.5万吨，而在2010年中全国粮食总产量就达到了54641.0万吨，短短30年，我国粮食总产量也发生了很大的改变。而2011年和2012年这两年中，全国粮食总产量也分别达到了57121万吨和58957万吨。由此可见，高产优质的新品种能为我国粮食产量的提高产生很大的推动作用。像优质小麦、高产大豆以及杂交玉米，另外还有转基因抗虫棉等优质新品种的推广种植，使国内农作物优良品种种植覆盖面积超过了95%，而优良品种对提高粮食产量也作出了非常大的贡献[2]。

1.2粮食新品种能提高种子质量，不断获得新品种

随着经济、农业等得到不断发展，各种子公司也面临着更激烈的竞争环境，而种子公司为了能在市场上占有一席之地，实现新品种的大力宣传，就需要推出更高质量、更高产量的粮食种子。而粮食新品种不仅能帮助改善种子质量，还能帮助促进粮食产量的提高。因此，种子公司在推广新品种工作中要注重新品种种子生产的每一个工作流程，还要重视不断改善种子质量，帮助更好的发挥粮食新品种的产量优势。除此之外，种子公司想要在种子市场上得到更好的发展，就需要不但研发粮食新品种，加大科研投入工作，帮助培育出更优质、更高产的粮食品种。

1.3进一步推动粮食新品种的培养研发工作

若种子公司推广的粮食新品种能很快得到农民们的接受，不仅能帮助农民提高粮食产量，实现粮食大丰收，还能帮助种子公司在较短时间内收回生产成本，从而改善了资金周转工作。种子公司因为有了足够的资金，能在短时间内再次投入科研帮助培育出更多的粮食新品种。

2.粮食种植户在选择新品种过程中存在的问题分析

2.1接触新品种的途径较少

粮食种植户在进行粮食新品种选择过程中只能通过观察当地种植表现较好的粮食新品种，而对于其他更好的粮食新品种却没有机会了解。而如果仅通过查看种子外形，没有他人实践经验之谈或是自己亲身经历，农民们往往不容易接受新推广出来的新品种。另外，还存在一种情况，某些粮食新品种已经推向市场并推广种植很多年，却还是仅停留在一个地区而没能实现大面积种植，从而不能发挥新品种增产的目标。除此之外，一些粮食新品种是依靠农村种子经济户进行推广种植，而农民可能会因为害怕承担粮食低产、粮食质量不佳从而影响收成的风险，加上农民本身没有种植过这些新推广的新品种，对于新品种的优质及高产还存在一定的怀疑，从而这些新品种的推广很难得到粮食种植户的接受和认可。另外，因为新品种在刚推向市场时，种子公司获得的利润相对比较少，这就直接影响了种子推广户的工作积极性，种子的推广工作也将会受到限制，从而很难实现大范围推广种植。

2.2某些新品种不能满足种植户需求

在粮食新品种推广种植过程中也会出现一些新品种在经过农民种植之后，发现这些新品种并不是粮食种植户需要的粮食新品种。举例来说：某地粮食生育期相对比较长，但是农民选择的新品种却是生育期较短的新品种，这就浪费了农作物的熟期；还有就是某地农作物种植方法以及使用的农机设备与所要推广的粮食新品种不能实现相互适应等问题。而农民真正需要的粮食新品种并没有实现推广种植，造成农民在粮食种植方面不断更换农作物品种，出现粮食产量波动较大，最后间接影响到新品种的推广工作。

3.加快推广新品种的有效措施

3.1设计新品种种植展示区

为使农民更快的接受新品种，可以通过设计新品种种植展示区。在展示区中将很多新品种农作物种植在一个区域内，使农民能很直观的了解到新品种的种植优势，从而使农民更好的了解新品种并接受新品种。农民可以根据当地具体情况选择适合的粮食新品种。种子公司可以通过增设种植展示区，对于生育期较长的新品种植在同一个展示区，然后选择稀种植品种，对于生育期比较短的品种种植在另外一个展示区，主要种植密植、中密种植品种，使品种更具备代表性。

3.2为加快推广新品种提供更多理论依据

为了能确保新品种种植后能获得稳定的产量，且适合当地农民需求的品种，每一个新品种都要具备充分的科学理论依据。因此，种植在展示区内的新品种都应该详细记录各个生长阶段以及种植环境、条件等信息。并且在种植过程中重视田间管理工作，确保田间环境满足新品种生长条件需求。然后做好每个小区的田间规划工作，制定相应的品种种植措施。还要重视观察以及记录不同品种在抗旱、抗病害等方面所具备的特征。待收获各个不同品种果穗之后要进行晾晒工作，然后再进行考种环节，检测穗重等情况，并认真计算新品种具有的产量情况。最后根据考种所得结果编写新品产量报告，结合田间记载信息对新品种作最终评价，然后选择高产、抗性能力强的优质品种推广到市场上。

3.3提供观摩粮食新品种的平台

观摩新品种是为了使农民观看到粮食新品种具备的特征以及优势，使农民们更直观的了解新品种。可以邀请一些农民在品种即将成熟时到种子公司开设的展示田进行观摩，这种方法是比较有效也是一种比较直观的方法，能在一定程度上促进农民接受新品种的推广。农民在进行观摩新品种过程中，培养基地可以安排制定人员进行详细讲解品种所具备的优势等，使农民们更了解新品种特性，从而接受该品种。除此之外，还可以邀请农村种子推广经销商到展示田间进行观摩，使其了解新品种，从而促进经销商推广粮食新品种。

4.结束语

总之，粮食新品种推广是种子管理相关部门的重要职责，应该认真做好这项工作，加大展示示范新品种的种植工作。加大新品种研发工作，不断为粮食种植户寻求粮食新品种，从而不断实现粮食高产的目的，真正提高全国粮食总产量。如果种子公司推广一种粮食新品种，能很快得到农民的接受及认可，新品种就会发挥其具有的优势，帮助在较短时间内就能粮食产量提高，促进农业不断发展。

【参考文献】

[1]郝俊丽，曹幸壮.提高服务创新机制做好新品种引进推广工作[J].现代农村科技，2012（12）：7.

粮食作物产量 篇7

关于影响粮食产量的问题, 可以归纳为两个方面, 一是粮食的投入与产出, 二是粮食产量的影响因素。粮食的投入与产出实际就是粮食的生产函数, 是关于投入要素合理配置下的最大产出, 主要体现了技术层面。而影响粮食产量的因素, 如农户的种粮收益、粮食生产资料价格、劳动力投入的机会成本以及粮食价格等, 实际上, 影响粮食产量的不光这些, 凡是能改变粮食生产函数位置的所有因素都是影响粮食产量的因素, 比如制度等。因此, 分析影响粮食产量因素更具有很现实的政策意义。本文主要研究影响粮食产量另外两个主要因素:农民收入和粮食价格。首先来看粮食产量对农民收入的影响, 粮食产量对农民收入的影响被称为“谷贱伤农”。其意思为, 粮食产量增加, 供过于求, 粮食价格降低, 由于粮食需求价格缺乏弹性, 因此, 农民从粮食生产获得的收入就减少了。这是由于把农民收入仅仅限于粮食经营性收入, 现实中, 由于农村经济结构的变化, 农民兼业现象普遍, 农民收入结构不仅有经营性收入, 还有工资性收入, 财产性收入, 转移支付收入等。如果考虑到这些收入, “谷贱”则不一定“伤农”。因为, 一旦“谷贱”, 农民会转向其他方式以获得收入, 理性的农民会找到其他获得收入的方式。那么, 如果农民在其他非经营性生产中能获得更多的收入, 试问, “谷贱”会“伤农”吗?农民会增加粮食生产的积极性吗?因此, 粮食产量、粮食价格和农民收入不是谁因谁果的关系, 而是一个循环的系统。

关于研究收入对粮食产量的影响现有文献不多, 国外学者Park (1993) 研究了我国价格双轨制下价格与粮食产量的关系, 他发现现定购价格和定购数量通过收入效应对农户的粮食生产产生影响, 认为收入是影响粮食产量的中间变量;Roland (1998) 重点考察了在价格双轨制下收入因素在粮食生产中的作用, 他认为由于定购数量给定, 农户交售给国家的部分只相当于一笔税收转移, 因此并未多大程度上刺激农民粮食生产积极性;Nigel Key (1996) 则充分考虑了农民收入、粮食价格二者对粮食产量的影响, 他认为如果提高粮食收购价格, 农民收入会增加, 农民的投入限制因收入增加而缓解则会提高粮食产量。

国内学者更多关注影响粮食产量的价格因素, 林毅夫 (1993) 认为, 如果定购数量由总产量内生决定, 定购价格变化通过“棘轮效应”对粮食供给反应产生正向影响;孙娅范、余海鹏 (1999) 通过实证研究发现, 粮食价格和粮食产量存在因果关系;高明 (2005) 则从社会比较收益的角度, 对农民收入与农民粮食生产积极性进行了解释, 他认为农户是理性的经济人, 是耕地经营的微观主体, 他们对耕地投入的积极性是由种地的比较收益决定的, 社会比较收益低, 使农户对耕地的资金投入与劳动投入双下降, 影响了耕地的可持续利用与粮食产量的提高。雷钦礼 (2005) 甚至认为收益的高低对于农民种植粮食的积极性有着决定性的作用。张治华 (1997) 通过实证分析, 分别考察了粮食价格与粮食产量、农民收入与粮食产量的关系, 他认为价格对我国粮食生产增长起着明显的调节和促进作用;同时, 粮食产量也引起价格的波动。粮食生产的增长速度, 与农民实际收入的增长速度显著相关。农民收入的增长既是粮食生产增长的结果, 也是下一年粮食生产增长的原因。而价格的上涨与粮食生产的增长并不存在必然的因果关系。金和辉 (1990) 和郑毓盛等人 (1993) 从粮食价格与农民收入联动的角度研究了它们与粮食产量的关系, 他们认为定购价格是一种政策导向信号, 在定购数量不变的情况下, 定购价格的变动将会影响到农户的预期净收益, 从而影响着农户的生产决策。

但是以上研究中, 同时考虑粮食价格、农民收入与粮食产量关系的并不多。即便考虑了, 也往往是一种静态的研究。近年来, 随着时间的推移, 外出务工成为普遍的经济现象, 农民的收入结构已经发生了重大的变化。因此, 在考虑这一重大变化的基础上, 本文尝试采用向量误差修正模型 (vector error correction, VEC) 来动态地分析粮食价格、农民收入与粮食产量的关系。

二、描述性分析与假设提出

1、描述性分析

改革开放以来中国粮食产量相对较平稳的波动, 但粮食价格水平在不断上升 (见图1) , 从整体上升趋势来看, 它们不存在一致的变化趋势, 但事实上, 现有理论文献已经证实, 粮食价格和粮食产量存在较稳定的关系, 只是这种关系存在滞后性。何蒲明 (2010) 证实, 粮食产量和价格波动相互影响, 但产量的变化对价格的变化存在着滞后效应。李静 (2011) 认为, 粮食生产的波动是引起价格波动的最基本因素, 而价格杠杆对调节农户的粮食生产行为有着至关重要的作用。马敬桂和李静 (2011) 也认为粮食价格与粮食产量存在因果关系。从图1关于粮食价格和粮食产量的变动趋势来看证实这种滞后性, 二者变动趋势却不存在同步性。但长期来说, 存在着稳定的关系。

(数据来源:《中国农业统计年鉴》。)

在农民收入方面, 总收入在不断上升趋势变动, 而经营性收入占总收入的比重却呈递减趋势变动 (见图2) 。这说明, 尽管农民收入在增加, 但是农民经营性收入占总收入的比重却下降, 这表明农民从事其他行业获得更多收入 (如工资性收入) , 因此, 经营性收入占总收入的比重却呈递减趋势变动。

(数据来源:《中国农业统计年鉴》。)

(数据来源:根据《中国统计年鉴》、中华人民共和国国家统计局计算整理而成。)

从表1可以看出, 农民收入中, 转移收入的比重增幅度最大, 平均增长率为5.57%, 其次为工资性收入和财产收入的比重, 其增长率分别为4.39%和3.80%。唯有经营性收入的比重呈递减幅度减少, 其比重增长率为-2.51%。这表明, 至1995年来, 我国农民的其他各项收入成大幅度上升, 而经营收入增幅较慢, 因此, 农民经营性收入在总收入的比重在减少。

2、假设的提出

根据上面的分析本文提出以下假说:假说1:粮食价格和粮食产量具有协整性, 即长期稳定关系。尽管粮食产量受前一期粮食价格的影响, 即, 产量的变化对价格的变化存在着滞后效应, 但是粮食产量也影响粮食价格的变动, 这符合“蛛网理论”。这说明, 粮食价格和粮食产量互为因果, 相互影响, 从长期来看, 粮食价格和粮食产量存在长期稳定关系。假说2:农民收入对粮食产量具有负影响。由于农民经营性收入占总收入的比重呈递减趋势变动, 这意味着, 对于任何具有理性的农民来说, 如有可能, 它们会更多地从事其他行业的生产, 从而减少经营性方面的投入。我们可以这样假设, 假设农民从事粮食生产获得的收入为0, 从其他行业获得收入无限大这两种极端情况, 那么农民肯定会放弃粮食生产而转向其他行业。也就是说, 粮食收入占农民总收入比重越小, 农民越不愿意从事粮食生产。从图2知道, 尽管农民总收入在不断增加, 但这种增加更多地来源于非经营性收入, 由于其他非经营性收入具有“挤出效应”, 即其他非经营性收入增加挤占了农民从事经营性生产的动力, 因此, 农民收入增加, 粮食产量会减少。本文接下来就对假说1和假说2进行实证研究。

三、数据与实证方法

1、模型及其说明

回答上述假说1和假说2实质上就是检验粮食产量、农民收入和粮食价格所组成的系统协整性, 关于变量间的协整性检验, 大多采用向量误差修正模型 (VEC) 。本文也采用该模型研究粮食产量、农民收入和粮食价格之间的关系。自从Sim (1980) 具有开创性的利用向量自回归模型 (VAR) 之后, 向量自回归模型成为计量经济学流行使用的实证分析的工具, 之后, Engel (1987) 和Granger (1987) 提出非平稳系统的协整关系的概念并产生了误差修正模型 (ECM) 。Johansen (1995) 和Hendry (1995) 等将协整概念应用到VAR模型, 从而发展了向量误差修正模型 (VEC) 。本文也将利用VEC模型进行实证分析。向量误差修正模型本质上是包含协整约束条件的VAR模型, 对p阶VAR模型:

式中, yt是m维非平稳I (1) 序列;xt是d维确定型变量;εt是新息向量。经过变形, 可将其改写为:

其中, ∏=∑pi=1Ai-Im;Γi=∑pj=i+1Aj。则 (1) 式即为向量误差修正模型VEC模型。由于各变量为非平稳序列, 经过一阶差分的内生变量向量中各序列都是平稳的, 所以只有构成∏yt-1的各变量都是I (0) 时, 才能保证新息是平稳过程。因此可得0<R (∏) =r<m, 此时, 存在两个m×r矩阵α和β, 使得:

其中, 两个分解矩阵的秩都是r。将式 (2) 代入式 (1) 后不难发现, β&apos;yt-1中每行都有一个I (0) 组合变量, 即每一行都是使得变量y1, t-1, y2, t-2, …, ym, t-1具有协整关系的一种线性组合形式, 因此β&apos;决定了协整关系的个数与形式, 它的秩r就是线性无关的协整向量的个数, 它的每一行构成一个协整向量。另外, 矩阵α称为调整参数矩阵。

在运用VEC模型之前需要进行VAR模型滞后阶数选择, 滞后阶数正确与否影响实证的结果。本文将使用LR检验统计量, 最终预测误差FPE, AIC信息准则, SC信息准则和HQ信息准则这五种方式严格确定滞后阶数。

(1) LR检验统计量。似然比 (Likelihood ratio, LR) 检验涉及两类模型, 无约束模型和有约束模型。无约束模型 (unrestricted model) 是指没有任何限制的模型;约束模型 (restricted model) 是指在零假设约束下的模型。似然比统计量是无约束模型和约束模型的最大似然值之差的2倍, 即:

式中, 和分别表示观测样本条件下的无约束模型和约束模型的最大似然估计, k为卡方分布的自由度, 等于约束条件的个数。

(2) 最终预测误差FPE。最终预测误差FPE (final prediction error criterion) 是把下式为最小值的p作为VAR模型的最佳阶数:

其中, 为滞后p期的残差的方差估计, n为样本量;k为待估计参数的个数。

最终预测误差准则的优点在于它平衡了选择低滞后阶数造成偏离性的风险和选择高滞后阶数造成方差增大的风险。

(3) 信息准则。由于在应用VAR模型时希望滞后期足够大, 从而能完整反映所构造模型的动态特征, 但是滞后期越大, 自由度就减少, 因此需要在滞后期和自由度之间寻找平衡。一般根据AIC (Akaike info criterion) 、SC (Schwarz criterion) 和HQ (Hannan-Q uinn criterion) 信息量取值最小的准则确定模型的阶数, 计算式如下:

AIC=-2l n+2k n;SC=-2l n+klogn n;HQ=-2l n+2klog (log (n) ) n

式中, k=m (rd+pm) 是估计参数个数;n为观测值个数, 且。

同时, 运用VEC模型需要进行协整检验, 大多使用Johansen (1985) 协整检验。协整检验法主要包括迹检验法和最大特征值检验法。

迹检验的假设为:

H0:至多有r个协整关系

H1:有m个协整关系 (满秩)

检验统计量为:

式中, λi是大小排第i的特征值;T是观测期总数。

这不是独立的一个检验, 而是对应于r的不同取值的一系列检验。检验从不存在任何协整关系的零假设开始, 接着是最多一个协整关系, 直到最多m-1个协整关系, 共进行m次检验, 而被择假设是不变的。

最大特征根检验法的假设为:

H0r:有r个0协整关系

H1r:至少有r+1个协整关系

检验统计量为:LRmax (r|r+1) =-Tlog (1-λi+1) =LRtr (r|m) -LR (r+1|m) , r=0, 1, …, m-1

检验从下往上进行, 先检验H00, 若接受, 则表明不存在协整关系, 若拒绝, 则继续往上检验H01, ……, 直到接受H0r, 表明共有r个协整关系。

2、数据与系统构建

按照本文问题分析的需要, 粮食产量模型的内生变量集设定为:

xt= (FPt, RIt, PIt, trendt)

其中, FP表示粮食产量, RI表示农民收入, PI表示粮食价格, trend为时间趋势变量。为消除异方差和减少数据波动, 对数据分别取对数, 分别表示为LFP、LRI、LPI。因此, 粮食产量模型的内生变量集设定为:

xt= (LFPt, LRIt, LPIt, trendt)

可以利用该系统分析粮食产量、粮食价格和农民收入的相互关系。

本文数据来源于《中国统计年鉴》、《中国农业统计年鉴》1983—2009年相关数据。需要说明的是, 本文利用农村居民家庭人均纯收入表示农民收入, 用粮食价格指数表示粮食价格。为了消除价格因素的影响, 以1983年的商品零售价格指数为基期, 把环比价格指数转换成定基价格指数, 然后对收入和价格指数数据进行了平减。

四、实证分析

1、实证检验

(1) 单位根检验。运用协整理论, 需要首先实证各变量是否具有同阶单整性, 本文利用目前广泛使用ADF单位根检验。检验结果如表2。

(注: (c, t, k) 表示带有常数项、趋势项和滞后期, 这里通过AIC、SC最小原则选择滞后期。)

由表2可以看出粮食产量、农民收入及粮食价格的对数生成的数据为非平稳的, 但它们的一次差分为平稳数据, 即LN FP~I (1) , LN R I~I (1) , LN R I~I (1) , 因此, 它们具有同阶单整性, 满足协整检验的条件, 因此它们所组成的动态系统的协整关系可以用协整理论分析。

(2) 滞后阶数选择。VEC模型需要选择合适的滞后阶数, 滞后阶数选择的正确与否关系到是建立正确VEC模型的关键, 本文利用上述的LR、AIC、SC、和HQ统计量进行检验, 选取的标准为满足准则最多的阶数。检验结果如表3。

(注:“*”为根据相应准则选择的滞后阶数。)

表3表明, 有大半的准则选择4阶滞后阶数, 由于VEC模型变量差分一次, 因此, VEC模型滞后阶数应为3阶。

(3) 协整设定检验。为研究粮食产量、农民收入及粮食价格所组成的非稳定系统是否协整, 我们首先需要进行协整设定检验, 对于系统xt= (LFPt, LRIt, LPIt, trendt) 所有的协整设定及其相关信息 (滞后阶数为3) 见表4。

对于表4, 我们首先排除数据中有二次趋势的情况, 不难看出, AIC=-16.54649 (SC=-14.00737) 最小, 对应于数据中有线性趋势, 协整关系应包含时间趋势和截距。基于此, 我们运用上述的Johansen的协整理论检验这种协整以确定协整个数, 结果见表5。

如表5所示, 迹检验表明在0.05显著性下第一个、第二个和第三个原假设被拒绝, 因此有2个协整关系。

2、实证的结果与分析

通过上述各项检验, 表6为VEC模型的长期协整关系和短期调整系数, 该结果清楚表达系统间的长期和短期变动情况。

表6的协整关系表示为以下多项式形式:

这一长期均衡关系可以解释为粮食产量、粮食价格以及时间变动稳定关系。该协整关系实证了假说1。第二个协整关系可以表示为:

这实际是农民收入、粮食价格和时间之间的长期稳定关系。

由于 (3) 式和 (4) 式是稳定关系 (I (0) ) , 其线性组合仍然为稳定关系, 因此结合以上两个协整关系 (3) 和 (4) , 得到以下描述粮食产量、粮食价格、农民收入以及时间长期均衡关系 (5) 式:

(5) 式表明, 从长期来说, LPI、LRI的系数符号与理论一致, 粮食价格引起粮食产量正向变动, 农民收入引起粮食产量负向变动, 实证了假说2。

由于 (3) 式是关于粮食产量、粮食价格以及时间长期均衡关系, 该式表明, 从长期来看, 粮食产量受粮食价格正影响, 粮食价格增加, 则粮食产量增加, 因此要想从长期确保粮食稳定增长, 除了保证其他影响粮食产量的因素外, 粮食价格也是一个重要的因素。同时从 (3) 式看出, 在样本期里, 我国粮食产量在逐年增长, 尽管增长幅度不大。

(4) 式是农民收入、粮食价格和时间之间的长期稳定关系, 由 (4) 式可以看出, 农民收入与粮食价格成正向变动关系, 粮食价格越高, 农民收入越高。其原因可能是, 一方面国家对粮食实行价格保护政策, 粮食价格相对价高, 因此, 农民从粮食获得收入较高。另一方面, 由于国家采取一系列粮食补贴政策, 降低了农民种植粮食的成本, 因此, 增加了种植粮食的积极性, 粮食产量增加, 在粮食价格保护政策下, 农民收入也就增加。因此粮食价格是增加农民收入的动力。从时间趋势相的系数来看, 我国农民的收入也在较大幅度不断增加。

(5) 式把三个变量作为一个系统描述它们之间的关系, 根据 (5) 式可以看出, 粮食产量、粮食价格、农民收入以及时间存在长期均衡关系, 从长期来说, 粮食价格对粮食产量产生正向影响而农民收入对粮食产量产生却产生负影响。关于粮食价格对粮食产量的正影响很好理解, 粮食价格增加, 农民从粮食生产中获得更多收入, 从而增加农民种植粮食的积极性, 因此粮食产量增加。但是关于农民收入对粮食产量负影响理由可能是农民收入不仅仅来源于经营性收入, 而且还有工资性收入, 财产性收入, 以及转移支付收入等, 而且其他非经营性收入相对经营性收入给农民带来更大的效用, 因此其他收入对粮食产量产生“挤出效应”。即, 由于其他非经营性收入比经营性收入获得更大的收益, 农民转向其他行业, 因此减少了粮食产量生产, 粮食产量降低。

同时由表5知道, 在△LFPt方程中, α1和α2系数都不显著, 对LFPt做外生性检验, 即假设α1和α2系数同时为0, 检验结果接受原假设, 因此, 粮食产量对于长期协整关系来说是弱外生变量, (5) 式所示的协整关系对这一变量的短期变化不具有有效的调节效应。同时, 说明粮食产量是政府可以控制的变量。类似的, 在△LRIt和△LPIt方程中, α1和α2系数都不显著, 对LRIt和LPIt做外生性检验, 检验结果接受原假设, 因此, 农民收入和粮食价格对于长期协整关系来说也是弱外生变量, (5) 式所示的协整关系对这一变量的短期变化不具有有效的调节效应, 它们也是政府可以控制的变量。综上所述, 尽管在长期, 粮食价格支配着粮食产量, 但是在短期, 这种粮食产量的稳定性还不能对即期粮食价格产生有效的调节作用, 这一结论隐含的意义为, 粮食产量不宜作为我国提高粮食价格的目标变量。而农民收入的弱外生性表明, 我国粮食产量还不足以对农民收入的短期调整产生显著影响。

五、结论

本文首先对我国粮食产量、粮食价格和农民收入进行描述性分析, 通过对农民收入结构分解分析的基础上, 运用VEC模型实证检验粮食产量、粮食价格和农民收入三者之间的关系。结果显示, 粮食产量、农民收入和粮食价格存在长期均衡关系, 从长期来看, 粮食产量受粮食价格正影响, 因此要想从长期确保粮食稳定增长, 除了保证其他影响粮食产量的因素不变外, 粮食价格是一个重要的因素。而在样本期内, 农民收入对粮食产量具有负效应, 这主要是因为, 在农民收入结构中, 农业经营性收入在总收入的比重在下降, 农民收入的增加主要取决于其他非农业经营收入 (尽管经营性收入比重仍然很大) , 由于其他非经营性收入比经营性收入获得更大的收益, 农民会转向其他行业, 因此减少粮食产量生产。同时, 由弱外生性检验表明, 粮食产量、农民收入和粮食价格对于长期协整关系来说都是弱外生变量, 它们对短期变化不具有有效的调节效应, 尽管在长期, 粮食价格支配着粮食产量, 但是在短期, 这种粮食产量的稳定性还不能对即期粮食价格产生有效的调节作用, 这一结论隐含的意义为, 粮食产量不宜作为我国粮食价格的目标变量。而农民收入的弱外生性表明, 我国粮食产量还不足以对农民收入的短期调整产生显著影响。由于, 粮食产量、粮食价格和农民收入都是弱外生变量, 是政府可以控制的变量, 因此, 政府可以对他们进行适应性的宏观调控以保证粮食安全, 粮价稳定和农民收入增长。

摘要：本文首先对中国农民收入结构进行分解并分析农民经营收入占农民总收入的比重在样本期内变动趋势, 在此基础上利用VEC模型研究农民收入、粮食产量以及粮食价格之间关系, 研究结论表明, 长期来说, 粮食价格对粮食产量具有正影响, 而农民收入对粮食产量具有负影响, 同时, 根据变量的弱外生检验显示, 粮食产量不宜作为我国粮食价格和农民收入目标变量, 我国粮食产量还不足以对粮食价格和农民收入的短期调整产生显著影响。但是, 粮食产量、农民收入和粮食价格都是可控变量, 政府可以对他们进行适应性的宏观调控以保证粮食安全、粮价稳定和农民收入增长。

河北省粮食产量预测新法探析 篇8

关键词：粮食产量,回归预测,马尔可夫过程模型,联合预测模型

近年来粮食安全已经成为全球性的问题,中国是一个人口大国,更是一个粮食消费大国,粮食安全问题尤为突出。对此河北省在“十一五”规划中已把粮食安全问题列为政府工作的重中之重。相应地,对河北省粮食产量有效预测方法的研究也摆在了重要位置。目前,国内关于粮食产量预测问题,研究的文献大多采用回归预测、灰色预测、马尔科夫、神经网络等几类方法,这些均为单一方法地建立模型进行预测,在一定程度上影响了预测的精度。本文尝试用回归和马尔可夫预测联合模型的方法对河北省的粮食产量进行预测。

一、预测模型的选择

(一)模型选择的依据

粮食产量的变化受诸多因素的影响,其中气候影响为主要因素。由于气候的变化带有明显的周期性,它与粮食产量的变化几乎同步进行。根据多年统计资料显示,粮食产量的变化趋势是由两部分构成的:一是它的趋势增长;二是随气候条件变化的波动性。因此,我们认为,粮食产量的变化既有按回归规律变化的趋势,又受马尔可夫状态转移概率的影响。选择一元回归与马尔可夫链联合预测模型能同时兼顾粮食产量的两种变化过程,从而可以更加准确地对粮食产量的变化规律进行描述和预测。

(二)建立模型的原理

1. 回归预测模型简介

在农业中生成“S形”的生长曲线是很普遍的,反映了环境容量的有限性以及资源的稀缺性。由于Logistic曲线具有“S形”的特征以及在生物生长曲线过程中得到了广泛应用,所以本文采用Logistic的回归模型,其表达式为:

式中:L、a、b是参数(a>0,b>0)。当t→-∞时,Y→0;t→+∞时,Y→L,L是Y的增长上限。

2. 马尔可夫预测模型简介

马尔可夫将时间序列看作一个随机过程,其理论基础是马尔可夫过程,具有无后效性的特点,即:已知过程在每一时刻t所处的状态Ei,仅与t-1时刻的状态有关,而与t-1时刻之前的状态无关。因此,只需知道各状态间的一步转移概率就可以知道从初始状态到将来时刻转移到另一状态的概率。在实际计算中,计算一步转移概率的公式为:

式中:Mij(1)为随机变量由状态Ei经过1步转移到状态Ej的原始数据样本数;Mi为处于状态Ei的原始数据样本数;m为系统的状态个数。

由于系统的状态共有m个,所以系统一次转移概率的全体组成一个矩阵,记为:

如果系统的状态不只经过一次转移,而是经过多次转移,则可以用m步转移矩阵来描述。记m步转移矩阵为P(m),有:

预测模型为:S(m+1)=S(0)·Pm+1,其中S(0)为系统的初始状态向。

(三)建立联合模型

根据前文所述,趋势变量的变化规律可用回归预测模型进行预测;而随机变量则用马尔可夫过程的转移概率矩阵进行状态的转移。因此,建立回归与马尔可夫联合模型来预测粮食产量,可以兼顾作物本身的生长曲线性和产量的随机性两种变化规律,还能提高预测的精度和准确性。这就是本文建立回归与马尔可夫联合预测模型的思想。其模型为:

式中:y赞(t)为回归预测趋势拟合值;s(t)为随机变量;M赞(t)为联合预测值。

二、实证分析

(一)回归预测方程的确定

根据河北省粮食总产量原始数据绘出趋势图(见图1),运用SPSS11.5选择与原始数据拟合较好的趋势线,确定趋势方程。关于Logistic曲线中L的确定是目前理论界的难点,本文根据河北省历年的产量及年增长幅度,确定2015年粮食的极限产量为4 000万t,即为L=4 000。

注:1949-2006年的粮食总产量数据来源于新中国五十年统计资料汇编;2007年河北省粮食总产量数据由河北省统计局提供。

(二)粮食产量的状态划分及随机变量数值的确定

当预测对象本身已有明显的状态界限,可以直接利用现有的状态界限;若不存在明显的界限,需要根据实际情况人为地划分界限;划分时要注意对预测对象进行全面调查和了解,并结合预测目的加以分析确定。对于随时间变化而呈现某种趋势变化的非平稳随机过程,状态的内涵和边界都要求发生变化。许多实践经验表明,当样本较大时,状态数目不妨多些,这样有利于从有限的资料中掌握更多的信息,也有利于避免系统封闭于一种状态的僵死局面的出现。

1. 状态划分

状态的划分可定义为根据随机变量占趋势变量的比值来确定状态区间[Ci,Di]。用随机变量占趋势变量的比值来确定:

其中,s(t)=M(t)-y赞(t)为联合随机变量的随机部分。M(t)为t时刻原始数据,y赞(t)为t时刻回归拟合值。

根据原始数据大致可以把粮食水平划分为五种状态,并通过计算确定了相应的变化区间[Ci,Di](见表1)。

2. 随机变量的数值的确定

对状态未来转移作出预测,实际上预测了系统未来时刻的取值区间。利用转移概率矩阵,确定了随机变量未来状态的转向后,即确定了其值的变动区间为Ei=[y赞×Ci,y赞×Di],。最有可能的预测可认为是该区间的中点,则随机变量的值为:

(三)粮食产量状态转移概率矩阵

通过图1以及各年的状态表可计算得到一步转移矩阵为:

可以发现,对于状态一步转移矩阵P0满足:矩阵中各元素aij>0(i=1,2,…,n;j=i=1,2,…,m),且

所以矩阵P0为标准概率矩阵,即马氏链必定有稳定状态。所以任一时刻t的概率可由初始概率确定,即:Pt=(P0)t。通过MATLAB软件处理得到主要矩阵:

(四)预测河北省各年粮食产量

单位:万t

根据表2的实证分析结果,选择改革开放前和改革开放中后期河北省主要年份的实际产量和联合模型预测的比较,结果如表3所示。

单位:万t

三、结论

通过以上实证分析,用回归和马尔可夫预测的联合模型,比单个模型预测更加符合实际产量和更加准确,所以本文的模型选择具有现实意义。

我们根据已知粮食产量的数据特征,将已知粮食产量的时期划分为三个阶段。第一阶段,从1949-1965年粮食产量在1 000万t以下,在这一区间内粮食年产量极差为495.03万t,环比最大波动幅度为35.46%;第二阶段,从1966-1987年粮食年产量在2 000万t以下,在这一区间内粮食产量极差为989.13万t,环比最大波动幅度为28%;第三阶段为1988-2007年粮食年产量大于2 000万t,在这一区间内粮食产量极差为819.1万t,环比最大波动幅度为10%。这说明河北省粮食产量增长逐渐稳定。再从上述预测结果可以看出,2006-2010年粮食增长率为15.2%,而2015相对于2010年的增长率为15.1%,这说明在“十一五”期间,河北省的粮食产量增加的幅度不明显,粮食产量增长潜力不足。随着未来城市化和工业化的加剧,大量的耕地被占用等问题的出现,保证粮食的平稳发展就显得越来越重要,如果粮食增长的潜力不足或是增长缓慢,也会影响到河北省未来经济强省的实现。因此,针对以上问题和河北的省情,提出以下建议:

1.保护耕地面积,加大对种粮农民的补贴,提高其种粮积极性。要建立耕地资源保护和利用的长效机制,协调粮食作物与经济作物的矛盾,不断改善和提高耕地质量。进一步落实和完善“三补一减”政策,建立对种粮农民的收入补贴机制,稳定种粮收益预期,农民种粮实行政府最低收购价。

2.积极参与国际市场,增加粮食对外贸易。扩大河北省自己的粮食品牌,争取让本省的粮食产品走入国际市场。一方面,增强了河北省农业的竞争力;另一方面,不仅增加了种粮农民的收入,而且提高了他们的种粮积极性。

3.根据实际情况合理规划粮食种植品种和种植数量。河北省有山区县28个,平原县91个,丘陵县19个,沿海开放县12个,位于九大农区—黄淮海区的县以及县级市达106个,位于九大农区—内蒙古及长城沿线区的县以及县级市达23个。所以要充分利用不同地形,区分不同市场及不同经济发展区,种植不同的作物,使粮食产品形成差异化,这不仅保证粮食产量稳定增长,也可保持农作物市场的稳定和良性循环。

4.尽快减少贫困人口及缩小贫困地区范围,大力发展农村经济。目前河北省有国家扶贫工作重点县39个,在一定程度上制约着农业甚至是河北省经济的发展。所以要进一步加强对农村贫困人群的扶持和引导创业力度,开办特色农业,从多方面争取粮食的创收。

5.积极开展农业市场经济培训,尽快培养一支沟通城乡市场的农村经纪人队伍。要积极把河北省的粮食市场融入到京津唐和环渤海经济区发展的框架中,大力发展农村经纪人队伍,提高农民进入市场的组织化程度,使之能够充分利用商品期货交易等一系列工具保障农户的利益,提高农民种粮积极性和保证粮食产量的稳定。

参考文献

[1]胡木强.WTO框架下的河北省粮食安全问题[J].经济论坛,2002,(8).

[2]孙文生,扬栋,赵慧峰.河北省粮食生产安全问题与生产景气安全研究[J].预测,2002,(2).

[3]胡岳岷.中国粮食安全的政治经济学[J].经济评论,2007,(4).

[4]李小燕.农业强省评价指标体系及应用研究[D].东北农业大学2006年优秀硕士论文.

[5]徐学荣,林少伟.福建粮食单产风险预警的马尔可夫方法[J].福建农林大学学报(哲学社会科学版),2005,(8).

[6]李萌.中国粮食安全问题研究[D].华中农业大学2005年优秀博士论文.

粮食作物产量 篇9

11月9日, 山西省统计局对外发布最新统计数据表明, 山西全省全年粮食总产量首次登上120亿公斤新台阶, 比去年多产出5亿多公斤。

秋粮是山西粮食生产的大头, 对全省全年粮食总产量具有决定性影响。霜降已过, 秋季粮食作物绝大部分已经归仓, 山西省统计局表示, 预计2012年全省粮食产量将再创历史新高, 达到125.11亿公斤, 这也是全省全年粮食总产量首次登上120亿公斤新台阶。2011年山西省全年粮食总产量是119.3亿公斤。

据山西省统计局分析, 山西粮食产量再创新高, 一方面得益于惠农政策的不断增强, 农民种粮积极性高涨, 粮食播种面积年年稳中有增;另一方面得益于对项目资金的整合、配套技术的推广以及示范区的辐射带动, “做给农民看、带着农民干、帮着农民把钱赚”的高科技农业示范区在全省已不鲜见。

加速新品种推广步伐提高粮食产量 篇10

一、新品种对我国粮食生产的促进作用

1. 新品种是粮食增产的主要方法

近年来, 我国种子市场不断推出大量的新品种, 促使我国粮食产量不断提高。1980年我国的粮食总产量为32055.5万吨, 2011年我国的粮食总产量为57121.0万吨。良种起到了不可忽视的作用。杂交玉米、优质小麦、转基因抗虫棉、高产大豆等突破性优良新品种, 使我国农作物良种覆盖率达95%以上, 良种对粮食增产的贡献率超过40%。

2. 新品种促进种子质量进一步提高, 新品种不断涌现

种子公司为达到扩大宣传新品种的目的。必须使用质量更高、丰产性更好的种子。所以, 更重视种子生产的各个环节, 注意提高种子质量, 以充分发挥品种的产量优势。另外, 种子公司为了率先占领市场, 不断的增加科研投入, 从而能够选育出更多的新品种。

3. 有利于种子公司加速新品种的研发步伐

如果新品种能够快速的被农民所接受, 不但让农民能够获得丰收, 而且使种子公司能够快速收回成本。加速资本的周转。从而有足够的资金, 再次投入科研, 选育出更多的新品种。

二、农民在选择新品种时存在的问题

1. 农民对新品种的接触途径有限

农民在选择新品种时只能观察当地表现好的品种, 而更好的新品种却很难见到。有些新品种已推广多年, 但却只限于一个区域。很难发挥大面积增产的效应。另外, 有些新品种是靠农村种子经营户推广, 由于农民没有真正种过, 不能赢得农民的认同, 所以很难被农民所接受。同时, 由于新品种在刚推广的时候利润较小, 直接影响到经营者推广的积极性, 很难达到大面积推广的目的。

2. 目前推广的个别新品种不适应农民的需要

有些新品种刚刚被农民接受, 但经过农民种植后, 并不是农民需要的品种。比如:当地的生育期较长, 农民选择了生育期短的品种, 从而浪费了熟期, 或是当地种植方式和农机具发展水平与推广的品种不相适应等等。而真正农民需要的品种, 却没有得到推广。致使农民在种植品种上不断更换, 粮食产量很不稳定。从而影响到新品种的推广速度。

二、加速新品种推广的办法

1.种植新品种展示田

展示田就是把大量的新品种集中种植在一起, 让农民更直观的看到新品种的优势, 达到认识新品种, 选择新品种的目的。针对不同区域, 选择不同展示品种。为了达到大面积推广的目的, 必须多设展示区, 生育期长一点的设一个展示区, 选择一些稀植品种;短一点的地区设置一个展示区, 以中密度或密植品种为主, 这样更有代表性。一方面, 品种更能适应当地生长的环境, 更能发挥品种的优势;另一方面, 方便农民对新品种的观察和了解。

2.为新品种的进一步推广提供理论依据

为了保证农民种植新品种时稳产, 品种适宜。各个品种必须有足够的理论数据为保证。所以必须详细记录展示田品种的生长情况。新品种在种植的时候, 加强田间管理。满足各品种的生长要求, 以充分发挥品种的产量优势。每个小区都做好田间规划, 制定品种种植方案。从苗期到收获期, 到田间做好观察记载工作, 详细记载各品种的各个生育时期和生育期。着重观察记载品种在抗旱、抗病、抗倒、抗虫方面的特征、特性。在田间收获各品种的果穗后, 要对果穗先行做好晾晒。降到规定水分后, 对各品种进行仔细考种, 测量品种的秃尖, 百粒重和穗重等, 认真计算其产量。把考种结果编制成产量报告, 与田间记载情况一起对品种进行综合评价, 选择品种在产量和抗性上绝对优势的品种向农民推广。

3. 召开新品种现场观摩会

为了让农民亲眼见到新品种在抗性上优势, 让农民见到新品种在田间的具体表现。在品种快将成熟的时候, 邀请部分农民和农村种子经销商到展示田参观。这是最为直观有效的方式, 农民也更愿意接受。在农民参观的时候, 实地为农民讲解各品种的特征特性。同时, 向农民讲解新品种种植的方法, 从而保证农民在选择新品种后真正获得高产。另外, 邀请农村种子经销商到展示田参观, 使经销商了解更多的新品种, 有利于经销商调整经营方向。同时, 由于经销商分布广泛, 可以充分发挥经销商多点宣传推广的作用。

粮食作物产量 篇11

[关键词]追肥精；叶面喷施；追肥；作物产量

一、材料与方法

1.试验地点及土壤条件

试验设在江苏省沛县大沙河林场一分场，耕作层有机质0.8％左右，全氮(N)0.6％、全磷(zo)0.9％、全钾(K0)0.7％地为砂壤土，物理性砂粒在85％以上，pH值8.5。

2.试验处理及方法

试验共设4个处理

选立地条件相等，基肥施用相同的地块，时间2010年至2011年。

A.(CK)只施基肥不追肥B.施基肥并沟施15KG尿素追肥C.地表撒施15KG尿素追肥D.每亩喷施与15KG尿素等价的追肥精2包四种处理在处理后同时灌溉。小区面积40平方米，每处N4次重复，实行冬小麦夏玉米相同品种轮作，试验区域内种植相同品种，同等管理措施。作物叶面喷肥时对照喷清水。现将2年试验数据归类总结如下

二、小结与讨论

1.试验证明，无论是小麦还是玉米追肥都能起到增产的作用。但是传统的撒施地表的追肥效果最差。

2.在小麦上沟施追肥与叶面喷施追肥精追肥产量基本一致，玉米由于生长周期短并且需肥量大，沟施追肥比不追肥增产36.4％，叶面喷施追肥精比不追肥的玉米可增产58.5％

3.试验表明：叶面喷施追肥精可以代替根部追肥。

4.尽管叶面喷施追肥精可以代替根部追肥，但是只能作为施肥的补充，基肥硬施足。

粮食作物产量 篇12

预测是一门技术上比较成熟的学科,它也是决策的基础。在绝大多数决策问题中,预测都占有很大的比重,科学的预测是进行决策的依据和保证,而产量预测是保证农业稳定的重要前提。许多学者根据不同的理论和方法建立了不同的预测模型。本文就三种基本预测模型对粮食产量预测进行分析,并在此基础上,构造了粮食产量组合预测模型。结果表明组合预测模型预测粮食产量的精度优于基本预测模型。

1 基本预测模型

1.1 多元回归模型

多元回归分析是现代应用统计学的一个重要分支,是研究事物间变量规律的一种科学方法,研究一组变量(即自变量)之变动对另一变量(因变量)之变动的影响程度,其目的在于根据已知的自变量的变异来估计或预测因变量的变异情况。

当预测对象Y受到多个因素X1,X2,…,Xk影响时,如果各个影响因素与Y的相关关系可以近似地线性表示,可以建立多元线性回归模型来进行分析和预测。公式为:

影响粮食产量多元回归预测的主要因素有化肥施用量(X1)、播种面积(X2)、成灾面积(X3)、机械总动力(X4)、劳动力(X5)和灌溉面积(X6)。

用EXCEL软件,对1990～2000年六个因素的原始数据进行建模,得到多元线性粮食总产量回归模型:

1.2 灰色预测模型

灰色预测法是一种对含有不确定因素的系统进行预测的方法。其基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越接近,相应序列之间的关联度就越大,反之则反。

在灰色模型分析中影响粮食产量的6个因素从直观上看,与粮食产量曲线最相似的是粮食作物播种面积,其次是农林牧渔业(即劳动力),而农业机械总动力和成灾面积与历史产量曲线在几何形状上差别较大。由此我们可以初步推断:粮食作物播种面积对粮食产量的影响最大,农林牧渔业(即劳动力)对历史产量的影响次之,成灾面积对历史产量的影响最小。

以上只是粗略的来分析,还要进一步进行量化研究分析。因此可以根据灰色关联分析原理,确定出影响粮食产量的主要因子。

设系统特征序列即参考序列为:

相关因素序列即比较序列为:

计算S0、Si以及Si-S0

计算灰色关联度:

我们把各自变量即影响产量因素带入计算得出6个因素影响粮食产量的度量大小排列:播种面积>劳动力>灌溉面积>化肥施用量>机械总动力>成灾面积。

1.3 指数平滑模型

指数平滑法是利用平滑平均数的计算对时间序列进行修匀的一种方法。它对过去的数据分别加以不同的权数,而且更重视近期的数据。即数据越近,权数越大;数据越远,权数越小。与重近轻远原则完全吻合。重近轻远原则所用的权数是按等比级数逐一递减的,这个级数的首项叫平滑常数,用α表示,公比为1-α。在指数平滑法中,平滑常数α的大小与修匀程度成反比;而在反应最新数据的敏感性方面,与α取值大小成正比。如果指数平滑的目的在于用新的指数平滑平均数去反映时间序列中所包含的长期趋势,α一般取0.1-0.3。用指数平滑法计算平滑平均数的公式为:

式中Ft为第t期的平滑平均数;Yt为第t期的数值;Ft-1为第t-1期的平滑平均数;α为平滑常数。

2 基本模型预测分析

选取1991～2000年10个样本作为训练样本,2001～2004年4个样本为检验样本。对2001～2004年的产量进行预测,三种模型相比较,结果见表1。

基本预测模型只适用于短期稳定预测,如果粮食产量遇到特殊原因波动较大时,则误差也会较大。多元回归模型在2001～2004年的粮食产量预测中,出现成灾面积(X3)、机械总动力(X4)、劳动力(X5)三个决策因素成负值的情况,如果农业劳动力与粮食总产量为负相关关系,表明劳动力越少,粮食产量越高,这显然与实际不符。

灰色预测模型中算法倚重关联度较大因素的变化情况,小关联度因素发生的特殊变化由于程序设计没有应对算法,产量不会随之有太大变动,我们看到表1中灰色模型由于最大关联度因素值的偏大,每年的预测产量值都会比实际产量值偏大的情况。

指数平滑模型更重视近期的数据,数据越近,权数越大;数据越远,权数越小。这样的设计存在着明显的漏洞,编程中如果应用循环语句,每一次的结果都是上一次结果的叠加,持续的循环会让本来偏大的值变的更大,偏小的值变的更小。因此我们可以看到总体的预测值都是按照前一预测值越变越小。

3 组合预测模型

3.1 确定问题

组合预测是对多种基本预测模型的综合预测,首先利用多种基本预测模型,进行量化计算,得到各种预测模型下的多组(多年)预测结果,然后根据多组(多年)数据利用权重算法求取各基本预测模型的权重,带入权重去求取最终的综合预测值。

3.2 确定单一预测模型

首先选取3种单一预测模型:多元线性回归模型、灰色预测模型和指数平滑模型。量化计算后得到表2中的2001～2004产量预测结果。

3.3 确定相对权重

在组合预测中,权重的选择十分重要,合理的权重会大大提高预测精度。权重选择方法有:算术平均法、标准差法、方差倒数法、均方倒数法、最优加权法等。本文选取方差倒数法,其原理为:对误差平方和小的模型赋予较高的权重,误差平方和大的赋予较小的权重。该方法不仅效果好,而且容易实现该权重算法的JAVA语言程序编写。

设第y年误差平方为:

上式中Xy为第y年该模型预测产量,赞表示实际产量。

第i个模型的误差平方和:

上式中我们取y从2001到2004年的四年预测值进行计算。

我们以2001～2004年基本模型产量预测结果来计算得到各预测模型的权重,得到多元线性回归模型、灰色预测模型和指数平滑模型的权重分别为0.586,0.219和0.195。由此可以列出这样的公式来计算组合模型预测值:

其中Y为该年组合模型产量预测值,X1、X2、X3分别为多元线性回归模型、灰色预测模型和指数平滑模型预测值,0.586、0.219和0.195为对应模型的权系数。

3.4 模型预测结果比较

为了分析各模型的预测精度,我们在表3中给出组合预测预测结果和表4给出误差分析结果。

从表3对产量数据进行预测结果分析可知,各种单项模型预测结果与实际蝉联之间存在较大的差异,单项模型预测能力不足。组合预测模型预测结果与实际产量差距较小,并且在2004年影响产量的多个因素出现较大变化时(粮食作物播种面积减少,成灾面积大大高于过去10年平均面积等),组合模型预测结果与实际的结果并没有出现较大幅度波动。

表4给出各预测模型的平均绝对误差、平均相对误差、均方差,组合预测模型各种指标值均低于三种单项预测模型。即便在产量影响因素波动较大的2004年,其单年的平均误差也能控制在<2.5%,均方差<1.2的水平,这是其他三种预测模型无法达到的精确度。说明在产量预测中,基于组合预测方法构建预测模型能够有效地利用各种信息,降低模型的预测误差,有效地改进单项预测模型的误差,组合预测方法相对于单项预测方法有较好的效果。

4 结束语

农业决策系统是一个复杂的系统,复杂性不仅表现在功能的繁多,而且还有其不确定性的因素。就产量预测而言采用单项预测模型难以做到充分利用已有的信息资源,预测能力欠缺。本文运用组合预测的方法,具有建模信息少、方法简单的优点,通过预测结果的比较,组合预测比单项预测更贴近实际产量值,对系统的未来状态特征具有较高的预测精度,可以作为我国粮食产量预测的一个有效工具。

摘要：该文将组合预测模型应用到决策支持系统中。给出了粮食产量预测的常用模型,通过加权组合,进而确定组合预测模型以提高预测精度。算例结果表明,该组合预测模型在预测准确性方面能得到改进,对于决策支持系统的预测有着重要的参考价值。

关键词：组合预测,决策支持系统,粮食产量,模型

参考文献

[1]BATES J M,GRANGER C.The Combination of Forecast[J].Operation Research Quarterly.1969(20):451-468.

[2]刘思峰.灰色系统理论及其应用[M].北京:科学出版社,2004.

[3]迟灵芝.指数平滑法在粮食产量预测中的应用[J].本溪冶金高等专科学校学报,2004(4):14-15.

[4]林绍森,唐永金.三种模型对我国粮食产量预测效果的比较[J].决策参考,2007(4):39-40.

[5]邱振昆.Excel在经济统计中的应用[M].北京:中国青年出版社,2002.

[6]魏津瑜.影响我国粮食产量的因素分析及对策研究[J].中国农机化,2008(5):56-58.

[7]张红芹.组合预测模型在农业经济研究中的应用[J].安徽农业科学,2008,36(22):9779-9782.