中国农学通报 ›› 2023, Vol. 39 ›› Issue (25): 109-115.doi: 10.11924/j.issn.1000-6850.casb2022-0857
朱生翠1,2(), 李国婷3, 魏永林4, 马扶林4, 金显玲4, 曹迎敏4
收稿日期:
2022-10-17
修回日期:
2023-06-13
出版日期:
2023-09-05
发布日期:
2023-08-28
作者简介:
朱生翠,女,1988年出生,青海湟源人,工程师,主要从事气候变化研究及气象服务。E-mail:hyxzsc@163.com。
基金资助:
ZHU Shengcui1,2(), LI Guoting3, WEI Yonglin4, MA Fulin4, JIN Xianling4, CAO Yingmin4
Received:
2022-10-17
Revised:
2023-06-13
Online:
2023-09-05
Published:
2023-08-28
摘要:
研究旨在实现牧草产量动态预测,及时掌握牧草产量变化,为高寒地区牧业生产效率及结构调整提供科学依据。以青海湖北岸为研究区域,利用2003—2020年生长季牧草产量观测资料、归一化植被指数(normalized difference vegetation index,NDVI)和气象条件因子,结合放牧与围封2种草地利用方式,建立适用于青海湖北岸地区不同草地类型(高寒草甸类、高寒草原类、温性草原类)的牧草产量气象估算模型。结果表明,3种不同草地类型中高寒草甸的预测效果最好。实测牧草产量与气象要素的回归效果优于NDVI与气象要素的回归效果,海晏县地面产量与气象要素回归相关系数均达0.8以上,通过了0.001的极显著性检验。验证和筛选出海晏5个、祁连4个、央隆2个、刚察2个预测精度较高的模型,具有良好的估测能力,可以满足这4个地区围栏内或围栏外的牧草产量预测应用需要。
朱生翠, 李国婷, 魏永林, 马扶林, 金显玲, 曹迎敏. 青海湖北岸天然牧草产量预测模型研究[J]. 中国农学通报, 2023, 39(25): 109-115.
ZHU Shengcui, LI Guoting, WEI Yonglin, MA Fulin, JIN Xianling, CAO Yingmin. Study on Predicting Models of Grass Yield in North Shore of Qinghai Lake[J]. Chinese Agricultural Science Bulletin, 2023, 39(25): 109-115.
草地类型 | 站点 | 项目 | 模型编号 | 模型 | X1 | Y | R | Sig. |
---|---|---|---|---|---|---|---|---|
高寒草甸 | 海晏 | 地面产量 | 1 | Y=0.742X1+5.498X2+3.705X3-1501.087 | 7月围栏内牧草产量 | 8月围栏内牧草产量 | 0.875 | 0.001 |
2 | Y=1.061X1+5.118X2-8.763X3-1093.994 | 7月围栏外牧草产量 | 8月围栏外牧草产量 | 0.928 | 0.000 | |||
3 | Y=0.955X1-8.121X2+2.646X3+1359.474 | 8月围栏内牧草产量 | 9月围栏内牧草产量 | 0.935 | 0.000 | |||
4 | Y=0.885X1+2.064X2+4.665X3-1338.622 | 8月围栏外牧草产量 | 9月围栏外牧草产量 | 0.880 | 0.001 | |||
NDVI | 5 | Y=149.123X1+13.968X2-3.791X3-10442.408 | 7月NDVI | 8月围栏内牧草产量 | 0.780 | 0.013 | ||
6 | Y=97.828X1+9.672X2+5.607X3-7714.159 | 7月NDVI | 8月围栏外牧草产量 | 0.833 | 0.004 | |||
7 | Y=152.316X1+1.454X2+6.478X3-7737.137 | 8月NDVI | 9月围栏内牧草产量 | 0.638 | 0.112 | |||
8 | Y=129.630X1-6.681X2+17.032X3-6368.673 | 8月NDVI | 9月围栏外牧草产量 | 0.736 | 0.043 | |||
祁连 | 地面产量 | 1 | Y=0.881X1+12.452X2-9.079X3-2786.505 | 7月围栏内牧草产量 | 8月围栏内牧草产量 | 0.938 | 0.000 | |
2 | Y=0.506X1+8.190X2-14.340X3+411.757 | 7月围栏外牧草产量 | 8月围栏外牧草产量 | 0.643 | 0.108 | |||
3 | Y=0.735X1+25.746X2+7.128X3-7399.981 | 8月围栏内牧草产量 | 9月围栏内牧草产量 | 0.802 | 0.008 | |||
4 | Y=1.002X1+17.311X2-4.165X3-5345.402 | 8月围栏外牧草产量 | 9月围栏外牧草产量 | 0.794 | 0.010 | |||
NDVI | 5 | Y=-82.947X1+9.563X2+20.261X3+3632.435 | 7月NDVI | 8月围栏内牧草产量 | 0.500 | 0.347 | ||
6 | Y=17.471X1+4.151X2+8.050X3+1591.984 | 7月NDVI | 8月围栏外牧草产量 | 0.243 | 0.874 | |||
7 | Y=-100.566X1+20.403X2-5.396X3+3172.799 | 8月NDVI | 9月围栏内牧草产量 | 0.312 | 0.758 | |||
8 | Y=91.071X1+2.422X2-9.676X3+1043.772 | 8月NDVI | 9月围栏外牧草产量 | 0.227 | 0.894 | |||
高寒草原 | 央隆 | 地面产量 | 1 | Y=0.679X1+3.267X2+7.432X3-1361.544 | 7月围栏内牧草产量 | 8月围栏内牧草产量 | 0.841 | 0.003 |
2 | Y=0.817X1+2.103X2+3.756X3-997.380 | 7月围栏外牧草产量 | 8月围栏外牧草产量 | 0.905 | 0.000 | |||
3 | Y=0.718X1+3.386X2-3.816X3-348.544 | 8月围栏内牧草产量 | 9月围栏内牧草产量 | 0.915 | 0.000 | |||
4 | Y=0.755X1-0.382X2+1.062X3+124.529 | 8月围栏外牧草产量 | 9月围栏外牧草产量 | 0.960 | 0.000 | |||
NDVI | 5 | Y=21.818X1+0.263X2-1.501X3+772.198 | 7月NDVI | 8月围栏内牧草产量 | 0.310 | 0.763 | ||
6 | Y=19.719X1-2.007X2-0.563X3+1314.169 | 7月NDVI | 8月围栏外牧草产量 | 0.294 | 0.792 | |||
7 | Y=45.042X1+1.574X2-1.174X3-288.423 | 8月NDVI | 9月围栏内牧草产量 | 0.561 | 0.266 | |||
8 | Y=41.307X1-1.182X2-0.673X3-46.132 | 8月NDVI | 9月围栏外牧草产量 | 0.549 | 0.289 | |||
温性草原 | 刚察 | 地面产量 | 1 | Y=1.745X1-0.306X2-0.039X3+543.300 | 7月围栏内牧草产量 | 8月围栏内牧草产量 | 0.583 | 0.189 |
2 | Y=0.919X1+1.056X2+0.437X3+735.005 | 7月围栏外牧草产量 | 8月围栏外牧草产量 | 0.260 | 0.849 | |||
3 | Y=1.264X1-7.401X2-3.677X3+1860.316 | 8月围栏内牧草产量 | 9月围栏内牧草产量 | 0.891 | 0.000 | |||
4 | Y=0.662X1+2.489X2-36.724X3+3063.706 | 8月围栏外牧草产量 | 9月围栏外牧草产量 | 0.725 | 0.036 | |||
NDVI | 5 | Y=62.806X1+5.393X2-3.927X3-910.407 | 7月NDVI | 8月围栏内牧草产量 | 0.291 | 0.798 | ||
6 | Y=47.265X1+2.804X2-1.020X3-386.963 | 7月NDVI | 8月围栏外牧草产量 | 0.302 | 0.778 | |||
7 | Y=26.361X1+16.074X2-48.824X3+1946.429 | 8月NDVI | 9月围栏内牧草产量 | 0.598 | 0.167 | |||
8 | Y=14.202X1+3.787X2-18.907X3+1065.724 | 8月NDVI | 9月围栏外牧草产量 | 0.639 | 0.111 |
草地类型 | 站点 | 项目 | 模型编号 | 模型 | X1 | Y | R | Sig. |
---|---|---|---|---|---|---|---|---|
高寒草甸 | 海晏 | 地面产量 | 1 | Y=0.742X1+5.498X2+3.705X3-1501.087 | 7月围栏内牧草产量 | 8月围栏内牧草产量 | 0.875 | 0.001 |
2 | Y=1.061X1+5.118X2-8.763X3-1093.994 | 7月围栏外牧草产量 | 8月围栏外牧草产量 | 0.928 | 0.000 | |||
3 | Y=0.955X1-8.121X2+2.646X3+1359.474 | 8月围栏内牧草产量 | 9月围栏内牧草产量 | 0.935 | 0.000 | |||
4 | Y=0.885X1+2.064X2+4.665X3-1338.622 | 8月围栏外牧草产量 | 9月围栏外牧草产量 | 0.880 | 0.001 | |||
NDVI | 5 | Y=149.123X1+13.968X2-3.791X3-10442.408 | 7月NDVI | 8月围栏内牧草产量 | 0.780 | 0.013 | ||
6 | Y=97.828X1+9.672X2+5.607X3-7714.159 | 7月NDVI | 8月围栏外牧草产量 | 0.833 | 0.004 | |||
7 | Y=152.316X1+1.454X2+6.478X3-7737.137 | 8月NDVI | 9月围栏内牧草产量 | 0.638 | 0.112 | |||
8 | Y=129.630X1-6.681X2+17.032X3-6368.673 | 8月NDVI | 9月围栏外牧草产量 | 0.736 | 0.043 | |||
祁连 | 地面产量 | 1 | Y=0.881X1+12.452X2-9.079X3-2786.505 | 7月围栏内牧草产量 | 8月围栏内牧草产量 | 0.938 | 0.000 | |
2 | Y=0.506X1+8.190X2-14.340X3+411.757 | 7月围栏外牧草产量 | 8月围栏外牧草产量 | 0.643 | 0.108 | |||
3 | Y=0.735X1+25.746X2+7.128X3-7399.981 | 8月围栏内牧草产量 | 9月围栏内牧草产量 | 0.802 | 0.008 | |||
4 | Y=1.002X1+17.311X2-4.165X3-5345.402 | 8月围栏外牧草产量 | 9月围栏外牧草产量 | 0.794 | 0.010 | |||
NDVI | 5 | Y=-82.947X1+9.563X2+20.261X3+3632.435 | 7月NDVI | 8月围栏内牧草产量 | 0.500 | 0.347 | ||
6 | Y=17.471X1+4.151X2+8.050X3+1591.984 | 7月NDVI | 8月围栏外牧草产量 | 0.243 | 0.874 | |||
7 | Y=-100.566X1+20.403X2-5.396X3+3172.799 | 8月NDVI | 9月围栏内牧草产量 | 0.312 | 0.758 | |||
8 | Y=91.071X1+2.422X2-9.676X3+1043.772 | 8月NDVI | 9月围栏外牧草产量 | 0.227 | 0.894 | |||
高寒草原 | 央隆 | 地面产量 | 1 | Y=0.679X1+3.267X2+7.432X3-1361.544 | 7月围栏内牧草产量 | 8月围栏内牧草产量 | 0.841 | 0.003 |
2 | Y=0.817X1+2.103X2+3.756X3-997.380 | 7月围栏外牧草产量 | 8月围栏外牧草产量 | 0.905 | 0.000 | |||
3 | Y=0.718X1+3.386X2-3.816X3-348.544 | 8月围栏内牧草产量 | 9月围栏内牧草产量 | 0.915 | 0.000 | |||
4 | Y=0.755X1-0.382X2+1.062X3+124.529 | 8月围栏外牧草产量 | 9月围栏外牧草产量 | 0.960 | 0.000 | |||
NDVI | 5 | Y=21.818X1+0.263X2-1.501X3+772.198 | 7月NDVI | 8月围栏内牧草产量 | 0.310 | 0.763 | ||
6 | Y=19.719X1-2.007X2-0.563X3+1314.169 | 7月NDVI | 8月围栏外牧草产量 | 0.294 | 0.792 | |||
7 | Y=45.042X1+1.574X2-1.174X3-288.423 | 8月NDVI | 9月围栏内牧草产量 | 0.561 | 0.266 | |||
8 | Y=41.307X1-1.182X2-0.673X3-46.132 | 8月NDVI | 9月围栏外牧草产量 | 0.549 | 0.289 | |||
温性草原 | 刚察 | 地面产量 | 1 | Y=1.745X1-0.306X2-0.039X3+543.300 | 7月围栏内牧草产量 | 8月围栏内牧草产量 | 0.583 | 0.189 |
2 | Y=0.919X1+1.056X2+0.437X3+735.005 | 7月围栏外牧草产量 | 8月围栏外牧草产量 | 0.260 | 0.849 | |||
3 | Y=1.264X1-7.401X2-3.677X3+1860.316 | 8月围栏内牧草产量 | 9月围栏内牧草产量 | 0.891 | 0.000 | |||
4 | Y=0.662X1+2.489X2-36.724X3+3063.706 | 8月围栏外牧草产量 | 9月围栏外牧草产量 | 0.725 | 0.036 | |||
NDVI | 5 | Y=62.806X1+5.393X2-3.927X3-910.407 | 7月NDVI | 8月围栏内牧草产量 | 0.291 | 0.798 | ||
6 | Y=47.265X1+2.804X2-1.020X3-386.963 | 7月NDVI | 8月围栏外牧草产量 | 0.302 | 0.778 | |||
7 | Y=26.361X1+16.074X2-48.824X3+1946.429 | 8月NDVI | 9月围栏内牧草产量 | 0.598 | 0.167 | |||
8 | Y=14.202X1+3.787X2-18.907X3+1065.724 | 8月NDVI | 9月围栏外牧草产量 | 0.639 | 0.111 |
模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | 模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | ||
---|---|---|---|---|---|---|---|---|---|---|---|
实测值 | 预测值 | 实测值 | 预测值 | ||||||||
1 | 2018 | 5715 | 4778 | 83.60 | 83.59 | 3 | 2018 | 3877 | 4908 | 73.41 | 82.92 |
2019 | 4530 | 4984 | 89.98 | 2019 | 4776 | 3754 | 78.60 | ||||
2020 | 5619 | 6900 | 77.20 | 2020 | 4835 | 4678 | 96.75 | ||||
5 | 2018 | 5715 | 6540 | 85.56 | 85.35 | 7 | 2018 | 3877 | 4997 | 71.11 | 65.21 |
2019 | 4530 | 4322 | 95.41 | 2019 | 4776 | 2728 | 57.12 | ||||
2020 | 5619 | 4219 | 75.08 | 2020 | 4835 | 3259 | 67.40 | ||||
2 | 2018 | 5069 | 4561 | 89.98 | 93.88 | 4 | 2018 | 3516 | 3909 | 88.82 | 62.95 |
2019 | 4800 | 4491 | 93.56 | 2019 | 2126 | 3685 | 26.67 | ||||
2020 | 4311 | 4393 | 98.10 | 2020 | 4688 | 3439 | 73.36 | ||||
6 | 2018 | 5069 | 4551 | 89.78 | 71.98 | 8 | 2018 | 3516 | 3069 | 87.29 | 59.16 |
2019 | 4800 | 2797 | 58.27 | 2019 | 2126 | 1131 | 53.20 | ||||
2020 | 4311 | 2927 | 67.90 | 2020 | 4688 | 1734 | 36.99 |
模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | 模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | ||
---|---|---|---|---|---|---|---|---|---|---|---|
实测值 | 预测值 | 实测值 | 预测值 | ||||||||
1 | 2018 | 5715 | 4778 | 83.60 | 83.59 | 3 | 2018 | 3877 | 4908 | 73.41 | 82.92 |
2019 | 4530 | 4984 | 89.98 | 2019 | 4776 | 3754 | 78.60 | ||||
2020 | 5619 | 6900 | 77.20 | 2020 | 4835 | 4678 | 96.75 | ||||
5 | 2018 | 5715 | 6540 | 85.56 | 85.35 | 7 | 2018 | 3877 | 4997 | 71.11 | 65.21 |
2019 | 4530 | 4322 | 95.41 | 2019 | 4776 | 2728 | 57.12 | ||||
2020 | 5619 | 4219 | 75.08 | 2020 | 4835 | 3259 | 67.40 | ||||
2 | 2018 | 5069 | 4561 | 89.98 | 93.88 | 4 | 2018 | 3516 | 3909 | 88.82 | 62.95 |
2019 | 4800 | 4491 | 93.56 | 2019 | 2126 | 3685 | 26.67 | ||||
2020 | 4311 | 4393 | 98.10 | 2020 | 4688 | 3439 | 73.36 | ||||
6 | 2018 | 5069 | 4551 | 89.78 | 71.98 | 8 | 2018 | 3516 | 3069 | 87.29 | 59.16 |
2019 | 4800 | 2797 | 58.27 | 2019 | 2126 | 1131 | 53.20 | ||||
2020 | 4311 | 2927 | 67.90 | 2020 | 4688 | 1734 | 36.99 |
模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | 模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | ||
---|---|---|---|---|---|---|---|---|---|---|---|
实测值 | 预测值 | 实测值 | 预测值 | ||||||||
1 | 2018 | 10746 | 10657 | 99.17 | 92.66 | 3 | 2018 | 8294 | 7571 | 91.28 | 80.76 |
2019 | 9285 | 7357 | 79.24 | 2019 | 9405 | 7496 | 79.70 | ||||
2020 | 11550 | 11502 | 99.58 | 2020 | 12630 | 9006 | 71.31 | ||||
5 | 2018 | 10746 | 7290 | 67.84 | 55.75 | 7 | 2018 | 8294 | 4498 | 54.23 | 37.01 |
2019 | 9285 | 4862 | 52.36 | 2019 | 9405 | 3257 | 34.63 | ||||
2020 | 11550 | 5434 | 47.05 | 2020 | 12630 | 2801 | 22.18 | ||||
2 | 2018 | 10908 | 6587 | 60.39 | 71.19 | 4 | 2018 | 5885 | 9805 | 33.39 | 65.62 |
2019 | 5355 | 4404 | 82.24 | 2019 | 7108.5 | 4732 | 66.57 | ||||
2020 | 7380 | 5236 | 70.95 | 2020 | 6843 | 6632 | 96.92 | ||||
6 | 2018 | 10908 | 4616 | 42.32 | 69.50 | 8 | 2018 | 5885 | 4370 | 74.26 | 82.23 |
2019 | 5355 | 5109 | 95.41 | 2019 | 7108.5 | 5895 | 82.93 | ||||
2020 | 7380 | 5223 | 70.77 | 2020 | 6843 | 6124 | 89.49 |
模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | 模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | ||
---|---|---|---|---|---|---|---|---|---|---|---|
实测值 | 预测值 | 实测值 | 预测值 | ||||||||
1 | 2018 | 10746 | 10657 | 99.17 | 92.66 | 3 | 2018 | 8294 | 7571 | 91.28 | 80.76 |
2019 | 9285 | 7357 | 79.24 | 2019 | 9405 | 7496 | 79.70 | ||||
2020 | 11550 | 11502 | 99.58 | 2020 | 12630 | 9006 | 71.31 | ||||
5 | 2018 | 10746 | 7290 | 67.84 | 55.75 | 7 | 2018 | 8294 | 4498 | 54.23 | 37.01 |
2019 | 9285 | 4862 | 52.36 | 2019 | 9405 | 3257 | 34.63 | ||||
2020 | 11550 | 5434 | 47.05 | 2020 | 12630 | 2801 | 22.18 | ||||
2 | 2018 | 10908 | 6587 | 60.39 | 71.19 | 4 | 2018 | 5885 | 9805 | 33.39 | 65.62 |
2019 | 5355 | 4404 | 82.24 | 2019 | 7108.5 | 4732 | 66.57 | ||||
2020 | 7380 | 5236 | 70.95 | 2020 | 6843 | 6632 | 96.92 | ||||
6 | 2018 | 10908 | 4616 | 42.32 | 69.50 | 8 | 2018 | 5885 | 4370 | 74.26 | 82.23 |
2019 | 5355 | 5109 | 95.41 | 2019 | 7108.5 | 5895 | 82.93 | ||||
2020 | 7380 | 5223 | 70.77 | 2020 | 6843 | 6124 | 89.49 |
模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | 模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | ||
---|---|---|---|---|---|---|---|---|---|---|---|
实测值 | 预测值 | 实测值 | 预测值 | ||||||||
1 | 2018 | 5480 | 2011 | 36.70 | 49.14 | 3 | 2018 | 1114 | 4077 | -165.98 | -1.36 |
2019 | 2505 | 3953 | 42.20 | 2019 | 1655 | 2024 | 77.70 | ||||
2020 | 1815 | 2386 | 68.54 | 2020 | 1808 | 1522 | 84.18 | ||||
5 | 2018 | 5480 | 1173 | 21.41 | 62.86 | 7 | 2018 | 1114 | 1173 | 94.70 | 87.81 |
2019 | 2505 | 1839 | 73.41 | 2019 | 1655 | 1982 | 80.24 | ||||
2020 | 1815 | 1702 | 93.77 | 2020 | 1808 | 2016 | 88.50 | ||||
2 | 2018 | 3480 | 2335 | 67.10 | 76.23 | 4 | 2018 | 870 | 2715 | -112.07 | 15.53 |
2019 | 1020 | 1002 | 98.24 | 2019 | 1280 | 853 | 66.64 | ||||
2020 | 3750 | 2376 | 63.36 | 2020 | 389 | 358 | 92.03 | ||||
6 | 2018 | 3480 | 841 | 24.17 | 38.66 | 8 | 2018 | 870 | 840 | 96.55 | -8.00 |
2019 | 1020 | 1507 | 52.25 | 2019 | 1280 | 1497 | 83.05 | ||||
2020 | 3750 | 1483 | 39.55 | 2020 | 389 | 1570 | -203.60 |
模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | 模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | ||
---|---|---|---|---|---|---|---|---|---|---|---|
实测值 | 预测值 | 实测值 | 预测值 | ||||||||
1 | 2018 | 5480 | 2011 | 36.70 | 49.14 | 3 | 2018 | 1114 | 4077 | -165.98 | -1.36 |
2019 | 2505 | 3953 | 42.20 | 2019 | 1655 | 2024 | 77.70 | ||||
2020 | 1815 | 2386 | 68.54 | 2020 | 1808 | 1522 | 84.18 | ||||
5 | 2018 | 5480 | 1173 | 21.41 | 62.86 | 7 | 2018 | 1114 | 1173 | 94.70 | 87.81 |
2019 | 2505 | 1839 | 73.41 | 2019 | 1655 | 1982 | 80.24 | ||||
2020 | 1815 | 1702 | 93.77 | 2020 | 1808 | 2016 | 88.50 | ||||
2 | 2018 | 3480 | 2335 | 67.10 | 76.23 | 4 | 2018 | 870 | 2715 | -112.07 | 15.53 |
2019 | 1020 | 1002 | 98.24 | 2019 | 1280 | 853 | 66.64 | ||||
2020 | 3750 | 2376 | 63.36 | 2020 | 389 | 358 | 92.03 | ||||
6 | 2018 | 3480 | 841 | 24.17 | 38.66 | 8 | 2018 | 870 | 840 | 96.55 | -8.00 |
2019 | 1020 | 1507 | 52.25 | 2019 | 1280 | 1497 | 83.05 | ||||
2020 | 3750 | 1483 | 39.55 | 2020 | 389 | 1570 | -203.60 |
模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | 模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | ||
---|---|---|---|---|---|---|---|---|---|---|---|
实测值 | 预测值 | 实测值 | 预测值 | ||||||||
1 | 2018 | 2265 | 3534 | 43.97 | 39.85 | 3 | 2018 | 2475 | 2810 | 86.46 | 93.17 |
2019 | 2760 | 5192 | 11.88 | 2019 | 3655 | 3442 | 94.17 | ||||
2020 | 3255 | 4437 | 63.69 | 2020 | 4043 | 4088 | 98.89 | ||||
5 | 2018 | 2265 | 2314 | 97.84 | 59.21 | 7 | 2018 | 2475 | 3003 | 78.67 | 77.04 |
2019 | 2760 | 4837 | 24.75 | 2019 | 3655 | 4406 | 79.45 | ||||
2020 | 3255 | 4718 | 55.05 | 2020 | 4043 | 5134 | 73.02 | ||||
2 | 2018 | 1785 | 2558 | 56.69 | 61.51 | 4 | 2018 | 2040 | 2307 | 86.91 | 53.22 |
2019 | 2040 | 2835 | 61.03 | 2019 | 1280 | 2804 | -19.06 | ||||
2020 | 2175 | 2897 | 66.80 | 2020 | 3096 | 3350 | 91.80 | ||||
6 | 2018 | 1785 | 1699 | 95.18 | 51.35 | 8 | 2018 | 2040 | 1043 | 51.13 | 60.54 |
2019 | 2040 | 3617 | 22.70 | 2019 | 1280 | 1718 | 65.78 | ||||
2020 | 2175 | 3563 | 36.18 | 2020 | 3096 | 2003 | 64.70 |
模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | 模型编号 | 年份 | 产量/(kg/hm2) | 准确率/% | 平均准确率/% | ||
---|---|---|---|---|---|---|---|---|---|---|---|
实测值 | 预测值 | 实测值 | 预测值 | ||||||||
1 | 2018 | 2265 | 3534 | 43.97 | 39.85 | 3 | 2018 | 2475 | 2810 | 86.46 | 93.17 |
2019 | 2760 | 5192 | 11.88 | 2019 | 3655 | 3442 | 94.17 | ||||
2020 | 3255 | 4437 | 63.69 | 2020 | 4043 | 4088 | 98.89 | ||||
5 | 2018 | 2265 | 2314 | 97.84 | 59.21 | 7 | 2018 | 2475 | 3003 | 78.67 | 77.04 |
2019 | 2760 | 4837 | 24.75 | 2019 | 3655 | 4406 | 79.45 | ||||
2020 | 3255 | 4718 | 55.05 | 2020 | 4043 | 5134 | 73.02 | ||||
2 | 2018 | 1785 | 2558 | 56.69 | 61.51 | 4 | 2018 | 2040 | 2307 | 86.91 | 53.22 |
2019 | 2040 | 2835 | 61.03 | 2019 | 1280 | 2804 | -19.06 | ||||
2020 | 2175 | 2897 | 66.80 | 2020 | 3096 | 3350 | 91.80 | ||||
6 | 2018 | 1785 | 1699 | 95.18 | 51.35 | 8 | 2018 | 2040 | 1043 | 51.13 | 60.54 |
2019 | 2040 | 3617 | 22.70 | 2019 | 1280 | 1718 | 65.78 | ||||
2020 | 2175 | 3563 | 36.18 | 2020 | 3096 | 2003 | 64.70 |
[1] |
doi: 10.3390/rs8100876 URL |
[2] |
毛留喜, 侯英雨, 钱拴, 等. 牧草产量的遥感估算与载畜能力研究[J]. 农业工程学报, 2008(8):1357-1363.
|
[3] |
罗谨, 王军邦, 杨永胜, 等. 1991—2015年三江源河曲高寒草甸干湿状况及牧草产量变化的气候归因研究[J]. 冰川冻土, 2021, 43(5):1542-1550.
doi: 10.7522/j.issn.1000-0240.2021.0104 |
[4] |
李建伟, 罗志娜, 王超, 等. 昭苏县天然草地牧草产量与气象因素的关系研究[J]. 中国农学通报, 2022, 38(11):58-63.
doi: 10.11924/j.issn.1000-6850.casb2021-0468 |
[5] |
刘正恩, 王昱生, 潘介正, 等. 羊草草原地上生物量的预测[J]. 生态学杂志, 2004, 23(4):179-183.
|
[6] |
doi: 10.1016/0304-3800(89)90008-2 URL |
[7] |
doi: 10.1016/j.jaridenv.2006.11.013 URL |
[8] |
doi: 10.1016/j.agsy.2006.06.001 URL |
[9] |
王江山. 青海省生态环境监测系统[M]. 北京: 气象出版社, 2004:131-136.
|
[10] |
doi: 10.1016/S1537-5110(02)00220-9 URL |
[11] |
朱玉洁. 紫花苜蓿生长模拟模型(ALFASM)研究[D]. 北京: 中国农业大学, 2004:8-51.
|
[12] |
杨秀梅. 基于GIS和牧草模型对四川省主栽牧草潜在产量的研究[D]. 雅安: 四川农业大学, 2015:2-6.
|
[13] |
王有丰. 气候因子对天然草地牧草产量的影响[J]. 贵州农业科学, 2009, 37(6):63-65.
|
[14] |
李英年. 高寒草甸地区冷季水分资源及对牧草产量的可能影响[J]. 草地学报, 2001, 10(3):15-20.
|
[15] |
刘明春, 马兴祥, 尹东, 等. 天祝草甸、草原草场植被生物量形成的气象条件及预测模型[J]. 草业科学, 2001, 18(3):65-69.
|
[16] |
李英年, 周华坤, 沈振西. 高寒草甸牧草产量形成过程及与气象因子的关联分析[J]. 草地学报, 2001, 9(3):232-238.
doi: 10.11733/j.issn.1007-0435.2001.03.014 |
[17] |
陈利军, 刘高焕, 冯险峰. 遥感在植被净第一性生产力研究中的应用[J]. 生态学杂志, 2002, 21(2):53-57.
|
[18] |
黄敬峰, 王秀珍, 王人潮, 等. 天然草地牧草产量遥感综合监测预测模型研究[J]. 遥感学报, 2001, 5(1):70-74.
|
[19] |
毛留喜, 侯英雨, 钱拴, 等. 牧草产量的遥感估算与载畜能力研究[J]. 农业工程学报, 2008, 24(8):147-151.
|
[20] |
doi: 10.1080/01431160050505829 URL |
[21] |
王羲之, 杜固桢, 梁天刚, 等. 基于RS和GIS的甘南草地生产力估测模型构建极其降水量空间分布模式的确立[J]. 草业学报, 2001, 10(2):95-102.
|
[22] |
海北藏族自治州人民政府. 草场资源[EB/OL].(2022-10-12).
|
[23] |
张连义, 张静祥, 赛音吉, 等. 亚典型草原植被生物量遥感监测模型-以锡林郭勒盟为例[J]. 草业科学, 2008, 25(4):31-35.
|
[24] |
朱生翠, 周秉荣, 魏永林, 等. 气候变化对青海湖北岸天然牧草生长发育的影响[J]. 干旱气象, 2020, 38(5):804-809.
|
[25] |
徐微信, 丽英年, 马守存, 等. 1982—2013年黄河源区植被变化趋势及其对气候变化的响应[J]. 干旱气象, 2018, 36(2):226-233.
doi: 10.11755/j.issn.1006-7639(2018)-02-0226 |
[26] |
doi: 10.1016/j.fcr.2018.01.017 URL |
[27] |
doi: 10.1111/grs.2015.61.issue-3 URL |
[28] |
张连义. 锡林郭勒草地牧草产量遥感监测模型的研究[D]. 呼和浩特: 内蒙古农业大学, 2006:66-72.
|
[29] |
徐玲玲, 钱拴. 内蒙古天然草场牧草产量的气象估算模型[J]. 中国草地学报, 2011, 33(1):54-58.
|
[30] |
黄晓东, 李霞, 梁天刚. 北疆地区不同草地类型MODIS植被指数变化动态及其与气候因子的关系[J]. 兰州大学学报(自然科学版), 2007, 43(3):42-47.
|
[31] |
钱拴. 中国主要天然草地产草量气象预测方法[J]. 生态学杂志, 2009, 28(6):1201-1205.
|
[1] | 池艳艳, 林少源, 陈炳旭, 徐淑. 四唑虫酰胺对草地贪夜蛾的毒力评价及田间防效[J]. 中国农学通报, 2023, 39(7): 111-115. |
[2] | 田婷, 张青, 徐雯. 基于无人机多光谱影像的水稻冠层SPAD值预测研究[J]. 中国农学通报, 2023, 39(4): 149-153. |
[3] | 廖珺, 方洪生, 苏有健, 王烨军, 张永利, 孙宇龙, 方雅各. 不同摊放环境下茶鲜叶失水的变化规律[J]. 中国农学通报, 2023, 39(4): 160-164. |
[4] | 兰波, 阴长发, 陈建, 施伟韬, 杨爱萍, 张晓阳, 况虹敏, 肖慧, 李湘民, 杨迎青. 基于菌群毒性与气象因子的水稻稻瘟病流行程度判别分析预测[J]. 中国农学通报, 2023, 39(25): 116-121. |
[5] | 张晓云, 孔祥萍. 高寒草原气象因子对针茅牧草成熟期的影响[J]. 中国农学通报, 2023, 39(22): 132-137. |
[6] | 陈思妤. 释放螟黄赤眼蜂防治草地贪夜蛾田间效果评价[J]. 中国农学通报, 2023, 39(20): 109-112. |
[7] | 杨艳玲, 潘存良, 陈艳丽, 石侃, 白松竹, 司地克·买买提. 哈密绿洲杏花始花期变化特征及预报方法研究[J]. 中国农学通报, 2023, 39(14): 105-109. |
[8] | 周程阳, 刘灏, 黄顶, 王洁, 励汀郁, 王明利, 张英俊, 李成玉, 翟熙玥, 杨午滕. 气候智慧型草地管理技术助力牧区振兴[J]. 中国农学通报, 2022, 38(20): 156-164. |
[9] | 任学祥, 景茂峰, 苏贤岩, 迟雨, 陈浩梁, 钟永志, 叶正和. 根瘤菌对草地贪夜蛾的趋避作用[J]. 中国农学通报, 2022, 38(19): 128-132. |
[10] | 黄源, 林君, 税静, 贺利业, 古晓红, 贾敏, 刘雪梅, 周艳, 刘洋, 王小勤, 张志东. 性信息素技术在高粱鳞翅目害虫发生动态监测中的应用[J]. 中国农学通报, 2022, 38(13): 135-140. |
[11] | 王家哲, 袁冬贞, 杨艺炜, 文耀东, 魏佩瑶, 陈志杰, 李英梅, 张锋, 张琪, 洪波. 5种药剂对草地贪夜蛾的室内毒力测定和田间防效研究[J]. 中国农学通报, 2022, 38(12): 119-123. |
[12] | 罗振亚, 林少源, 全林发, 池艳艳, 陈炳旭, 徐淑. 6种杀虫剂对广东玉米草地贪夜蛾的田间应用评价[J]. 中国农学通报, 2022, 38(12): 124-130. |
[13] | 李建伟, 罗志娜, 王超, 范天文. 昭苏县天然草地牧草产量与气象因素的关系研究[J]. 中国农学通报, 2022, 38(11): 58-63. |
[14] | 郭志祥, 何成兴, 普春晓, 陈福寿, 尚慧, 番华彩, 白亭亭, 曾莉. 草地贪夜蛾寄主选择性及对其生长发育的影响[J]. 中国农学通报, 2021, 37(3): 139-144. |
[15] | 纪树志. 极旱荒漠区湿地植被动态变化监测——以甘肃敦煌阳关国家级自然保护区为例[J]. 中国农学通报, 2021, 37(26): 105-109. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||