综合历史气象数据的合肥区域型水稻产量预测模型研究

作     者：刘瑞冬 

作者单位：安徽农业大学 

学位级别：硕士

导师姓名：李旸;周后福

授予年度：2023年

学科分类：0828[工学-农业工程] 08[工学] 09[农学] 0901[农学-作物学] 

主      题：气象因子 水稻产量预测 产量分离 LSTM 时间回归方程 

摘      要：安徽省作为全国重要的产粮基地之一,保障全省粮食作物产量对粮食安全有着重要作用。近年来由于复杂天气多发,尤其是极端低温和高温等特殊天气的出现,为水稻生产造成不利影响。基于此,研究气象因素与合肥及周边地区水稻生长发育的关系,充分利用气象因素的优势,针对气象因素变化进行适宜性种植,并在水稻收获之前基于气象因子对当年的产量进行预测,对提高水稻亩产量具有现实价值,对后续水稻价格的制定、跨区调配和储备等有着积极意义。本文主要做了如下工作:(1)确定本次研究的主要区域及对比区域,并对所选地区的气象因素结合生育期特性进行选择。庐江县气候因素丰富,稻作品种多样,是安徽省水稻种植大县,基于研究生阶段在安徽省气象局气象科学研究所实习研究取得的数据,选定合肥市庐江县作为主要研究区域,肥西县、寿县作为测试和对比区域;选定温度、降水量和相对湿度作为主要影响因子,研究本地区气象因素对水稻生育期的影响。(2)对所选气象数据进行处理,研究了水稻产量预测模型。本文研究的是气象因素对水稻产量的影响,依据三县具体气象数据,基于水稻生育期和所选的三个气象因子进行组合,得到15个不同生育期气象因子;由于所获得的水稻产量数据为多因素综合统计产量数据,为了排除其他因素造成的影响,利用时间回归方程对水稻总产进行分离,分别得到基于气象因素影响的气象产量和受时间等因素影响的时间趋势产量;将分离出的气象产量数据应用到三个模型中,利用气象数据和气象产量进行建模,分别得到基于三个模型的水稻预测产值。(3)对所选的3个模型进行对比分析,选出最优模型。以肥西县数据作为测试集,分别建立Cat Boost产量预测模型、BP神经网络产量预测模型以及LSTM产量预测模型,研究发现3种模型的精度分别为64.2%、79.8%和83.6%,3个模型在测试集上的精度LSTM效果最好,BP神经网络预测精度次之。基于此,选择LSTM产量预测模型作为本次研究所使用的模型,用于预测庐江县水稻产量。(4)检验了基于LSTM水稻产量预测模型的准确率。将LSTM模型应用于庐江县水稻预测,以2018年为预报年,预测得出当年的水稻单位面积产量为8722.7吨,与实际值相差1003.5吨,精度为87%,具有良好的预测效果。为了验证该模型的准确率,选取经度差异小但纬度差异大的寿县作对比分析,结果表明该模型在安徽淮河地区仍有较好的预测结果。本文以温度、降水量和相对湿度为主要研究气象数据,结合水稻生育期,通过构建基于LSTM的水稻产量预测模型,对合肥市及周边地区水稻产量进行预测,为合肥区域型水稻产量预测提供了一种方法,对本地区水稻定价、跨区调配等政策的制定提供了参考依据。