中国粮食产量预测系统 理论与方法 侯彦林 中国科学院研究生院 ...
DESCRIPTION
中国粮食产量预测系统 理论与方法 侯彦林 中国科学院研究生院 资源与环境学院 2010 年 10 月 08 日. 第一章 粮食产量预测研究国内外概况 一、立项依据 二、粮食生产潜力研究概况 ( 短中长期预测 ) 三、粮食估产研究概况 ( 短期预测 ) 第二章 粮食生产潜力预测 一、科技进步增产理论、模型和案例 （一）科技进步增产理论 （二）科技进步增产模型 （三）科技进步增产案例 二、粮食生产潜力预测理论、方法和案例 - PowerPoint PPT PresentationTRANSCRIPT
中国粮食产量预测系统 中国粮食产量预测系统
理论与方法理论与方法
侯彦林侯彦林
中国科学院研究生院 资源与环境学院 中国科学院研究生院 资源与环境学院 20102010 年年 1010 月月 0808 日日
第一章 粮食产量预测研究国内外概况第一章 粮食产量预测研究国内外概况 一、立项依据一、立项依据 二、粮食生产潜力研究概况二、粮食生产潜力研究概况 (( 短中长期预测短中长期预测 )) 三、粮食估产研究概况三、粮食估产研究概况 (( 短期预测短期预测 ))
第二章 粮食生产潜力预测第二章 粮食生产潜力预测 一、科技进步增产理论、模型和案例一、科技进步增产理论、模型和案例 （一）科技进步增产理论（一）科技进步增产理论 （二）科技进步增产模型（二）科技进步增产模型 （三）科技进步增产案例（三）科技进步增产案例 二、粮食生产潜力预测理论、方法和案例二、粮食生产潜力预测理论、方法和案例 （一）粮食生产潜力短期预测理论、方法和案例（一）粮食生产潜力短期预测理论、方法和案例 （二）粮食生产潜力中、长期预测理论、方法和案例（二）粮食生产潜力中、长期预测理论、方法和案例 第三章 粮食估产第三章 粮食估产 一、产量通道一、产量通道——概率理论概率理论 二、产量通道二、产量通道——概率模型概率模型 三、国家级粮食估产应用三、国家级粮食估产应用 四、省级粮食估产应用四、省级粮食估产应用
第四章 第四章 粮食生产潜力实现率预测粮食生产潜力实现率预测
第一章 粮食产量预测研究国内外概况第一章 粮食产量预测研究国内外概况
一、立项依据● 粮食安全始终是世界特别是中国最为关注的问题之一。
● 粮食产量预测包括中、长期生产潜力预测和短期按年估产。
● 中国粮食产量预测信息技术平台建设包括：短、中、长期
预测理论、方法、应用案例和平台建设。
● 平台建设的目的是为各级政府提供科学决策依据和为商贸
提供直接参考信息。
因此 , 建立一套长期运行的以信息技术为平台的产量预测系统
具有前瞻性、战略性和创新性
国家目标明确 科学目标具体
空间：全国 / 跨省区 / 分省 / 省际跨县 / 省内跨县 / 县级时间：潜力以 10 年预测为主，估产以当年为主对象：粮食 / 单一作物的单产 / 总产
二、粮食生产潜力研究概况（中长期预测）
粮食生产潜力研究方法主要有：● 定位试验研究● 面上调查研究● 计算统计方法● 数学模型方法● GIS 方法● 网络试验研究 实际应用常选择其中若干种方法相互结合使用
目前，研究粮食生产潜力的模型方法主要分为：
● 经验模型（简化模型或统计模型）
○ 逐级订正模型
○ 农业生态区模型
● 物理模型（过程模型或机理模型）
我国粮食生产潜力研究也是遵循国际上两大类方法而进行的我国粮食生产潜力研究也是遵循国际上两大类方法而进行的
存在问题：● 理论方面
● 方法方面
● 手段或工具方面
● 结果应用方面
● 参数精度方面
三、粮食估产研究概况（短期预测）三、粮食估产研究概况（短期预测）
“ 中国科学院预测科学研究中心”
相关性代表性成果
名称 主要研究者
全国粮食产量预测研究 陈锡康（数学院）
农产品供需贸易与价格 黄季焜（地理所）
预测模型和农业决策系
统
中国农情遥感速报系统 吴炳方（遥感所）
国内陈锡康对目前估产方法的评论：
国际上用来预测粮食收成的主要方法
气象 遥感 生物统计模拟 这些方法太复杂而不实用
社会、经济和技术方法
典型案例 :
● 陈锡康成果简介 陈锡康教授在 2003 年获得首届中国科学院杰出科学技术成就奖 ( 个人奖 ) （“投入占用产出技术与 全 国 粮 食 产 量 预 测 研 究 ” ） ， 1999 年 国 际 运 筹 学 进 展 奖 一 等 奖 、 “ 全 国 粮 食 产 量 预 测 研究”， 1992 年中国科学院科学技术进步奖一等奖。他所领导的研究小组自 1980 年起，连续二十三年进行全国粮食产量预测研究工作。 23 年来，预测提前期为半年以上；预测各年度的粮食丰、平、欠方向全部正确； 23 年中 8 年的预测误差小于 1%， 6 年的预测误差为 1%-2%， 5 年的预测误差为2%-3%， 2 年的预测误差为 3%-5%， 2 年的预测误差为 5%-8%；平均预测误差为抽样实测产量的 1.9% ，在国际同类工作中处于领先水平，为国家有关部门制定农业和粮食政策提供了科学依据。 1998 年以来，他获得中央领导十余次好评，中央有关部门也给以很好评价。
● 对以上研究工作的评价：（ 1 ）主要以全国粮食总产估产为主，对中、长期生产潜力研究不够；（ 2 ）模型中考虑因素太多，难以及时准确获得或确定参数；（ 3 ）当年预测不重视气象因素，对于省级及县级预测难以实现；（ 4 ）预测单一作物时可能会遇到困难；（ 5 ）预测具体模型不固定，随时筛选，主要形式是多项式回归；（ 6 ）虽有软件程序，但未形成软件产品和平台，只限于自己使用。
目前已获得 20 个预测精度很高非线性粮食产量预测方程 ,模型中主要考虑如下l8 类因素，即耕地面积、复种指数、粮食播种面积、受灾面积、受灾严重程度、政策虚变量、价格因素、种粮比较利益、化肥施用量、农家肥施用量、灌溉面积比重、机耕面积比重、农业机械总动力、耕畜数量、农用塑料薄膜使用量、良种推广程度、农业用电、农业劳动力数量等。
第二章 粮食生产潜力预测第二章 粮食生产潜力预测 一、科技进步增产理论、模型和案例一、科技进步增产理论、模型和案例
（一）科技进步增产理论（一）科技进步增产理论
现实生产潜力：在一定的空间单元上，在特定的时间范围内某一作物的主导品种，在当时经济技术水平、科技投入、政策保障和多年平均气候条件下所达到或能够达到的产量。
一个开放性系统中的某一变量如果呈现连续波动式递增的趋势，那么必然有一种趋势的力量使其上升，同时也必然有一种非趋势的力量使其在上升过程中总是波动。这种现象表现在粮食单产上就是科技进步是增产的趋势性力量，而气候变化是产量变化的波动性力量。
科技进步增产理论：产量随时间增加而递增的趋势主要是由科技进步带来的。
全国 1960-2007 粮食产量变化
趋势 吉林省 1960-2007 年粮食产量变化趋势
内蒙古区巴盟区临河县 1980-2006 年粮豆产量变化趋
势
科技进步增产理论单产解析式：
Y 实=Y 平 +△Y 科 +△Y波 [1]
当年实际产量 = 当年科技水平下平均气候下产量 + 与上年相比较科技增产量 + 当年气候与平均气候相比变
化量
Y 当年气候产量 =Y实 -△Y科=Y平+△Y波 [2]
Y 潜（中、长期生产潜力） =Y平+△Y 科 =Y 模型预测产量 [3]
Y 实=Y 预（或 Y 潜） +△Y波 [4]
下图中：
Y 实 B=Y平 A+△Y波 B+△Y科 B [5]
Y 实D=Y平 C+△Y波D+△Y科D [6]
粮食单产构成解析式示意图
●●●●●●●●●● [1] 现有连续从第 1 年到第 10年的单产
●●●●●●●●●● [2] 现有连续从第 2 年到第 11年的单产
●●●●●●●●●● [3] 现有连续从第 3 年到第 12年的单产
计算：
[2]-[1]=●-●= 相隔 10 年科技产量之差±两年气候之差的产量
[3]-[2]=●-●= 相隔 10 年科技产量之差±两年气候之差的产量
… …（±两年气候之差的产量，长期影响正负抵消，不影响趋势）
[J+1]-[J]=… …= 相隔 10 年科技产量之差±两年气候之差的产
量
具体算法：多年单产移动平均趋势模型
n 27辽宁省粮食单产潜力预测模型（ ＝ ）
y = 0. 3981445681 x2 - 1478. 8449815532 x +1369276. 6234047300R2 = 0. 9976871526
-1000
0
1000
2000
3000
4000
5000
6000
1970 1975 1980 1985 1990 1995 2000 2005 2010
年份
kg.h
m单产（
-2）
●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●
由“相隔 27 年科技产量之差±两年气候之差的产量（此部分很小可略）”画成的散点图和配置的回归方程，即为剔除气候影响的科技进步增产趋势或模型。
Σ±两年气候之差的产量
≈ 0 ，不会影响趋势 !
[J+1]-[J]=相隔 10年科技产量之
差
±两年气候之差产量
根据： Y 当年气候产量 =Y实 -△Y科=Y平+△Y波 [2]
以初始计算年为基础，可以计算出历史气候年的单产，即还原成了气候产量。
K辽宁省粮食单产估产 等级
- 0. 2
0
0. 2
0. 4
0. 6
0. 8
1
1965 1980 1995 2010
年份
K
K吉林省粮食单产估产 等级
00. 2
0. 40. 6
0. 81
1. 21. 4
1965 1980 1995 2010
年份
K
K黑龙江省粮食单产估产 等级
- 0. 4
- 0. 2
0
0. 2
0. 4
0. 6
1965 1980 1995 2010
年份
K
（二）科技进步增产模型（二）科技进步增产模型
10
y = 0. 3586878002 x2 - 1321. 3444660723 x +1212952. 6694962800
R2 = 0. 9689821603
0
1000
2000
3000
4000
5000
6000
1940 1950 1960 1970 1980 1990 2000 2010
建模的最佳 n 值的确定： 选择不同的移动步长 n ，可以建立不同的回归方程，一般地，随 n 增加，回归方程的相关性增加，但是用于建立回归方程的样本也减少，因此，有必要制定一个确定最佳n 的方法。
三条原则：
（ 1 ）相关系数 R2 要达到显著或极显著水平； （ 2 ）随n 再增加 R2 出现减小或者暂时稳定的状态； （ 3 ）在前两条原则基础上，还要保证用来建模的样本数不少于总样本数 的 1/2；在总样本数较少的情况下，至少保证建模样本数大于 10 。
05
1015202530354045505560
0 5 10 15 20 25 300. 94
0. 95
0. 96
0. 97
0. 98
0. 99
1
最大误差 最小误差 平均误差 R2
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
1962 1966 1970 1974 1978 1982 1986 1990 1994 1998 2002 2006
/10
产量
4 吨
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1967 1976 1985 1994 2003
/10
产量
4 吨
(400)(200)
0200400600800
100012001400
/10
产量
4 吨全国粮食每2 年科技进步增产情况
1. 全国科技进步增产案例
分别以 2 年、 5 年和 10 年为移动步长，计算全国科技进步增
产：
科技进步增产效应呈现正态分布趋势，目前我国综合科技
进步增产处在波谷阶段，面临着
需要加大科技投入才能提高单产
增加速度的新难题，否则难以保
障粮食总量。
以上案例得出：科技进步增产模型可以将影响粮食产量的
气象因素和科技进步因素分开，
该模型可以作为预测科技进步增
产或预测粮食中、长期生产潜力
的方法。
（三）科技进步增产案例（三）科技进步增产案例
全国粮食每5 年科技进步增产情况
全国粮食每 10 年科技进步增产情况
2. 全国和东北三省科技进步增产趋势案例n=5全国和东北三省粮食单产累计增加量比较（ ）
-1000
0
1000
2000
3000
4000
5000
6000
1940 1950 1960 1970 1980 1990 2000 2010
年份
kg.h
m累计增加量（
-2 ）
辽宁 吉林 黑龙江 全国
n=10全国和东北三省粮食单产累计增加量（ ）
- 1000
0
1000
2000
3000
4000
5000
1940 1950 1960 1970 1980 1990 2000 2010
年份
kg.hm
累计增加量（
-2 ）
辽宁 吉林 黑龙江 全国
n=15全国和东北三省粮食单产累计增加量（ ）
0500
100015002000250030003500400045005000
1940 1950 1960 1970 1980 1990 2000 2010年份
kg.hm
累计增加量（
-2 ）
辽宁 吉林 黑龙江 全国
n=20全国和东北三省粮食单产累计增加量（ ）
0
500
1000
1500
2000
2500
3000
3500
4000
4500
1940 1950 1960 1970 1980 1990 2000 2010
年份
kg.hm
累计增加量（
-2 ）
辽宁 吉林 黑龙江 全国
n=5全国和东北三省粮食总产累计增加量比较（ ）
-500
0
500
1000
1500
2000
2500
1940 1950 1960 1970 1980 1990 2000 2010
年份
累计增加量
0500010000150002000025000300003500040000
辽宁省 吉林省 黑龙江省 全国
n=10全国和东北三省粮食总产累计增加量比较（ ）
-500
0
500
1000
1500
2000
2500
1940 1950 1960 1970 1980 1990 2000 2010
年份
累计增加量
0
5000
10000
15000
20000
25000
30000
35000
辽宁省 吉林省 黑龙江省 全国
n=15全国和东北三省粮食总产累计增加量比较（ ）
0
500
1000
1500
2000
2500
1940 1950 1960 1970 1980 1990 2000 2010年份
累计增加量
05000
10000150002000025000
3000035000
辽宁省 吉林省 黑龙江省 全国
n=20全国和东北三省粮食总产累计增加量比较（ ）
0
500
1000
1500
2000
1940 1950 1960 1970 1980 1990 2000 2010年份
累计增加量
0
5000
10000
15000
20000
25000
30000
辽宁省 吉林省 黑龙江省 全国
n=10全国粮食单产（ ）
0100020003000400050006000
1940 1950 1960 1970 1980 1990 2000 2010
10实际点位 10累计增加量 10起始贡献*2 *3 *4
n 10辽宁省粮食单产（ ＝ ）
0
1000
2000
3000
4000
5000
6000
1950 1960 1970 1980 1990 2000 2010
10实际点位 10累计增加量 起始贡献 *2 *3 *4
n=10吉林省粮食单产（ ）
-1000
0
1000
2000
3000
4000
5000
6000
7000
1940 1950 1960 1970 1980 1990 2000 2010
10实际点位 10累计增加量 10起始贡献 *2 *3 *4
n 10黑龙江省粮食单产（ ＝ ）
-1000
0
1000
2000
3000
4000
5000
6000
1950 1960 1970 1980 1990 2000 2010
10实际点位 10累计增加量 起始贡献 *2 *3 *4
3. 全国和东北三省单产和总产翻番案例
n=10全国粮食总产（ ）
0
10000
20000
30000
40000
50000
60000
70000
1940 1950 1960 1970 1980 1990 2000 2010年份
10实际点位 10累计增加量 起始贡献 *2 *3 *4
n 10辽宁省粮食总产（ ＝ ）
-500
0
500
1000
1500
2000
2500
1950 1960 1970 1980 1990 2000 2010
10实际点位 10累计增加量 起始贡献 *2 *3 *4
n=10吉林省粮食总产（ ）
-500
0
500
1000
1500
2000
2500
1940 1950 1960 1970 1980 1990 2000 2010
年份10实际点位 10累计增加量 起始贡献 *2 *3 *4
n 10黑龙江省粮食总产（ ＝ ）
-500
0
500
1000
1500
2000
2500
3000
3500
1950 1960 1970 1980 1990 2000 2010
10实际点位 10累计增加量 起始贡献 *2 *3 *4
单产
总产
二、粮食生产潜力预测理论、模型和案例 （一）粮食生产潜力短期预测理论、方法和案例（一）粮食生产潜力短期预测理论、方法和案例1 粮食生产潜力预测理论
以科技进步增产理论为基础。2 粮食生产潜力预测模型
模型构建步骤： * 计算不同移动步长 n 下的移动平均产量 * 对移动平均产量进行多项式回归 * 选出（最佳）回归方程作为预测方程 * 拟合和预测
0
1000
2000
3000
4000
5000
6000
7000
1940 1950 1960 1970 1980 1990 2000 2010
年份
kg.hm
单产（
-2 ）
①
②
③
④
Ⅰ
Ⅱ
产量拐点 产量通道
产量通道
产量平台 动态 最佳 n
值
0
10000
20000
30000
40000
50000
60000
1940 1950 1960 1970 1980 1990 2000 2010
产量
/104 吨
0. 94
0. 95
0. 96
0. 97
0. 98
0. 99
1
0 5 10 15 20 25 30n
R2
y = 4. 45 x2 - 16823. 07 x + 15898243. 60R2 = 0. 99
0
10000
20000
30000
40000
50000
60000
1940 1950 1960 1970 1980 1990 2000 2010
产量
/104 吨
0
10000
20000
30000
40000
50000
60000
1960 1970 1980 1990 2000 2010
产量
/104 吨
真实平均 预测平均
-10. 00-8. 00-6. 00-4. 00-2. 000. 002. 004. 006. 008. 00
10. 00
1960 1970 1980 1990 2000 2010误差
/％
-10
-8
-6
-4
-2
0
2
4
6
8
10
1960 1970 1980 1990 2000 2010误差
/％
0
10000
20000
30000
40000
50000
60000
1960 1970 1980 1990 2000 2010
产量
/104 吨
真实平均 预测平均
05000
100001500020000250003000035000400004500050000
1960 1970 1980 1990 2000 2010
/10
总产
4 吨
真实平均 修正平均
预测误差：
辽宁省粮食单产预测潜力误差
-10. 00
-5. 00
0. 00
5. 00
10. 00
1970 1975 1980 1985 1990 1995 2000 2005 2010
年份
误差（％）
小趋势修正方法： Y=Y*(1-头一年预测误差 % ） [7]
则修正之后的误差为： e= （ Y′预 -Y实） / Y实 *100% [8]
吉林省粮食单产误差修正后误差分布图
-10
-5
0
5
10
1975 1980 1985 1990 1995 2000
年份
%误差（）
原始误差 修正误差
未修正前最大绝对误差为： 7.66% ，平均绝对误差为 4.47%；修正之后最大绝对误差为： 6.29% ，平均误差为 2.21% 。
逐年回归确定 n 的预测模型 + 小趋势修正方法：
辽宁省粮食单产潜力预测误差修正后误差分布
-10
-5
0
5
10
1994 1996 1998 2000 2002 2004 2006
年份
%误差（）
原始误差 修正误差
未修正前 :最大误差为： 5.68% ，平均误差为 4.51%；修正后 :最大误差为： 1.61% ，平均误差为 1.03% 。
产量趋势发生拐点的预测方法：
辽宁全省粮食单产变化趋势散点图
0
1000
2000
3000
4000
5000
6000
7000
1940 1950 1960 1970 1980 1990 2000 2010
年份
kg.hm
单产（
-2）
用于预测生产潜力和估产的通道的确定方法：
通道的确定实际上就是确定建模样本数和趋势，合适的通道其预测误差很小，反之，就大。因此，通道确定十分重要。 根据大量研究案例，确定通道的原则如下：（ 1 ）从一个产量的长时间序列M 中预留最近 3 年的产量数据作为预测检验用；（ 2 ）在剩余的 M-3 中，按倒序方式先选择 Q 年（ Q 一般至少大于等于 5），每 次增加 1 年，分别建立预测模型，从众多个模型中选择一个自回归误差 较小，并且预测最近 3 年的误差也较小的（规定小于 3%-5% ）建模样本 数，构成建模通道；（ 3 ）通道长度或样本数至少大于等于 10 年；（ 4 ）通道范围的 95% 的点在“平均产量 ±30%”范围内。
如：（ 1 ）现有 40 年连续的产量数据，则， M=40 ，预留 3 年； （ 2 ）建模最多年为 37 年，先倒选 5 年建模，每次增加 1 年，直至增加 到 37 为止，这样可以获得 33 个模型，每个模型相差一个样本；从 33 个模型中选择一个自回归误差和预测最近 3 年的误差都比较小 的一个模型作为通道（的样本数）；假设通道样本数为 15； （ 3 ）检查通道长度是否大于等于 10 年（ 15 大于 10满足条件）； （ 4 ）检查通道范围内的 95% 的点是否在“平均产量 ±30%”范围内，即只 容许一个点不在“平均产量 ±30%”范围内。
预测方法优化和流程：
单产潜力预测模型及其检验：平均： 1.44 3.56 平均误差% 最大误差% 备注案例 1——辽宁省粮食单产 1.27 3.46 省级尺度案例 2——辽宁省玉米单产 1.03 3.66 案例 3——吉林省粮食单产 1.27 4.19案例 4——吉林省玉米单产 2.29 5.28案例 5——黑龙江省粮食单产 1.01 2.18案例 6——黑龙江省玉米单产 1.93 3.93
案例 7——吉林省湿润地区玉米 1.19 2.76 地区级尺度案例 8——吉林省半湿润地区玉米 2.17 5.02案例 9——吉林省半干旱地区玉米 1.89 4.25
案例 10——吉林省湿润地区白山县玉米 1.38 3.70 县级尺度案例 11——吉林省半湿润地区公主岭市玉米 0.22 0.57案例 12——吉林省半干旱地区长岭县玉米 2.82 6.98
案例 13—— 全国粮食单产 0.20 0.35 国家级尺度
3 3 粮食生产潜力预测案例粮食生产潜力预测案例
总产预测模型及其检验：
案例 14——辽宁省粮食总产 2.24 7.67 省级尺度
案例 15——辽宁省玉米总产 3.23 5.62
案例 16——吉林粮食总产 1.73 4.97
案例 17——吉林玉米总产 3.81 7.55
案例 18——黑龙江粮食总产 1.01 2.25
案例 19——黑龙江玉米总产 1.25 2.91
案例 20—— 全国粮食总产 1.73 4.40 国家级尺度
平均： 2.14 5.05
进一步的案例：案例 21——辽宁省粮食单产分段建模方法 前段： 1.20 2.66 后段： 1.14 2.73案例 22——辽宁省粮食单产拐点建模方法 拐点前： 1.17 1.54 拐点中原模型： 10 以上 拐点后新模型： 5% 以下
案例 23——辽宁省粮食单产逐年回归预测模型 原模型：平均误差 1.62% ，最大误差 4.03% 连续 10 年：平均误差 4.50% ，最大误差 5.68%案例 24——吉林省粮食单产逐年回归预测模型 原模型：平均误差 1.24% ，最大误差 2.79 连续 10 年：平均误差 1.24% ，最大误差 2.79%案例 25——黑龙江省粮食单产逐年回归预测模型 原模型：平均误差 1.59% ，最大误差 4.14% 连续 10 年：平均误差 3.09% ，最大误差 6.12%
案例 26—— 全国粮食单产逐年回归预测模型 原模型：平均误差 0.19% ，最大误差 0.45% 连续 10 年：平均误差 1.58% ，最大误差 2.14%
案例 27—— 预测精度提高的小趋势修正方法（吉林省粮食单产为例）
原始误差：平均误差 4.48% ，最大误差 7.66%
修正后误差：平均误差 2.21% ，最大误差 6.29%
案例 28—— 逐年回归确定 n 的预测模型（以辽宁省粮食单产为例）
逐年回归确定 n 的预测模型，使由原来平均误差 4.50% 和最大误差 5.68%
降低到平均误差 3.83% ，最大误差 4.87% ，说明预测年份变化时相应的
最佳n 值也需要重新选择。
案例 29—— 逐年回归确定 n 的预测模型 + 小趋势修正方法（以辽宁省粮食单产为
例）
逐年回归确定 n 的预测模型 + 小趋势修正方法，使由原来平均误差 4.51%
和最大误 5.68% 降低到平均误差 1.03% ，最大误差 1.61% ，说明小趋势
修
正效果明显。
案例 30—— 预测方法优化 ( 辽宁省粮食单产案例 )
经过优化后误差降低到 1.49% 。
案例 31-41——优化后的系统预测方法
预测：平均误差为 0.99% ，最大误差为 2.99% 。
移动步长 n 拟合平均误差（%） 2007年预测误差（%）
全国 13 0.18（ 1991-2006） -1.05
北京 13 0.36（ 1991-2006） -2.28
天津 8 1.90（ 1986-2006） -8.18
河北 11 0.32（ 1989-2006） -0.73
山西 8 1.26（ 1986-2006） -3.94
内蒙古 13 0.47（ 1991-2006） -0.40
辽宁 12 0.66（ 1990-2006） -1.40
吉林 8 1.23（ 1986-2006） -1.87
黑龙江 11 1.43（ 1989-2006） 1.30
山东 10 0.49（ 1988-2006） -2.46
河南 9 1.10（ 1987-2006） 0.45
陕西 14 0.42（ 1992-2006） -0.56
甘肃 14 0.25（ 1992-2006） 1.07
青海 8 1.13（ 1986-2006） -3.40
宁夏 8 0.88（ 1986-2006） 2.88
新疆 11 0.25（ 1989-2006） 0.32
中国北方各省粮食单产生产潜力预测结果 全国粮食单产拟合误差为 0.18%， 2007 年预测误差为 -1.05% ，北方15 省粮食单产潜力预测平均拟合误差为 0.81% ，对 2007 年预测平均误差为 2.08%， 15 个省最大预测误差为 8.18% ，最小仅 0.32% 。
移动步长 n 拟合平均误差（%） 2007年预测误差 (%)
全国 12 0.32（ 1990-2006） -1.22
北京 12 0.63（ 1990-2006） 1.69
天津 11 1.71（ 1989-2006） -6.65
河北 11 0.46（ 1989-2006） 0.84
山西 10 1.36（ 1988-2006） -2.53
内蒙古 13 0.78（ 1991-2006） -4.83
辽宁 12 1.00（ 1990-2006） 0.50
吉林 11 1.22（ 1989-2006） -2.10
黑龙江 14 0.40（ 1992-2006） -1.45
山东 10 0.98（ 1988-2006） -4.69
河南 10 1.70（ 1988-2006） 1.22
陕西 7 1.29（ 1985-2006） -2.44
甘肃 13 0.56（ 1991-2006） -2.41
宁夏 14 0.38（ 1992-2006） -4.02
新疆 10 0.45（ 1988-2006） 2.60
中国北方各省玉米单产生产潜力预测结果 全国玉米单产 1990~2006 年拟合误差为 0.32%， 2007 年预测误差为 1.22%；全国北方 14 省（青海玉米很少除外）平均拟合误差为 0.92%， 2007 年预测误差最大为 6.65% ，最小为仅 0.53% ，平均误差为 2.53% 。
拟合平均误差（%）
预测误差（%）
巴盟 0.78 0.62
磴口 1.62 1.76
临河 0.82 0.30
杭后 0.74 0.84
五原 0.67 0.85
乌前旗 0.77 1.21
内蒙古区巴盟区 5 县市粮豆生产潜力预测结果
拟合平均误差（%）
预测误差（%）
巴盟 0.33 2.06
磴口 0.34 0.75
临河 0.46 1.73
杭后 0.38 1.97
五原 0.32 1.47
乌前旗 0.56 3.70
总产单产
0. 98
0. 98
0. 99
0. 99
1. 00
1. 00
0 5 10 15 20 25 30n
R2
内蒙古巴盟区 5 县市—— EVIEWS ——“near singular matrix” ——n=14
拟合平均误差（%）
预测误差（%）
巴盟 0.76 1.48
磴口 0.95 1.99
临河 1.22 1.31
杭后 0.84 0.85
五原 0.39 1.58
乌前旗 0.74 2.68
拟合平均误差（%）
预测误差（%）
巴盟 0.47 1.55
磴口 0.33 0.69
临河 0.65 0.97
杭后 0.60 1.85
五原 0.50 1.30
乌前旗 0.83 2.38
内蒙古区巴盟区 5 县市小麦生产潜力预测结果
总产 单产
5年移动模型 10年移动模型
2010 51806 51689
2015 54470 54624
2020 57135 57560
全国粮食总产生产潜力预测结果 应用案例—国家需求分析
5年移动模型 10年移动模型
2010 4915 4807
2015 5226 5125
2020 5536 5443
全国粮食单产生产潜力预测结果
2008 年 国家发改委《国家粮食安全中长期规划纲要》
2010 年和 2020 年：综合生产能力 “ 5000亿公斤和 5400亿公
斤”；单产 “ 650斤 /亩和 700斤 /亩”
引自： http://www.agri.gov.cn/jjps/t20081117_1174271.htm
2010年 2020年
总产（万吨） 单产（ kg.hm-2) 总产（万吨） 单产（ kg.hm-2)
预测产量 51518 5018 56131 5733
约束 /目标产量 50000 4875 54000 5250.00
差额 1518 143 2131 483
差比（%） 3.04 2.95 3.95 9.20
2010年 2020年
总产（万吨）单产（ kg.hm-
2） 总产（万吨）单产（ kg.hm-
2）
预测产量 51503 4866 56553 5587
约束 /目标产量 50000 4875 54000 5250
差额 1503 -8 2553 337
差比（%） 3.01 -0.18 4.73 6.43
全国粮食产量 5 年移动平均模型分省预测比较结果
全国粮食产量 10 年移动平均模型分省预测比较结果
（二）粮食生产潜力中、长期预测理论、方法和案例（二）粮食生产潜力中、长期预测理论、方法和案例
1 理论 以上生产潜力的预测都是关于下一年的预测，指导实践的意义不大。本部分重点介绍中、长期预测，暂定为未来 10 年平均生产潜力和第 10 年生
产潜力的预测，在 N=10 的条件下进行预测。 估产精度的衡量标准是以当年产量为基础计算的，而潜力不是估产，它需要告诉我们未来多少年后平均气候条件下的产量是多少或在什么范围。粮食生产潜力的定义告诉我们：潜力的衡量标准必须是未来的潜力，既没有气候因素影响的产量，潜力本身一定是平均气候条件下的可达到的真实产量。 研究表明：未来连续 10 年（或多年，下同）的真实产量一定是包含各种气候条件下的产量，如果气候周期按 10 年计算，取其平均值近似等于平均气
候条件下的产量，也近似等于回归方程分别预测的未来 10 年的潜力的平均值
，因为回归方程本身预测的就是平均气候下的生产潜力。
2 方法 预测： N=10 条件下， （ 1 ）预测未来 10 年平均生产潜力 =Σ10/10=M10 （○○○○○○○○○○
） （ 2 ）预测未来第 10 年生产潜力 =M10 （○○○○○○○○○●）
具体算法： （ 1 ）根据趋势选好建模样本的起、止年 （ 2 ）配回归曲线方程 （ 3 ）预测事先留出的 10 年的产量，并取其平均 （ 4 ）取预留的 10 年的真实产量（即在 N=10条件下）的平均 （ 5 ）计算预测误差%= （预测的平均产量 - 预留的平均产量） / 预留的平均产量 *100 （ 6 ）未来潜力预测： （ 6-1 ）在模型中代入未来第 1到第 10 年的年数字获得预测潜力并取其平均
（ 6-2 ）在模型中代入未来第 10 年的年数字后获得第 10 年潜力预测值 （ 6-3 ）预测误差为预留 10 年的误差（估算）。
3 案例
条件：（ 1 ）数据：辽宁省 1949 年到 2007 年的单产数据（ 2 ）周期： N=10（ 10 年移动平均）（ 3 ）目标： M=10 ，预测未来 10 年平均生产潜力 =M10 =Σ10/10（ 4 ）建模数据： 1949-1997的 50 年的数据（本例只为说明，未筛选趋势）
检验数据： 1998-2007 年的 10 年数据作为检验预测精度 真实预测：分别预测 2008-2017 年的潜力，然后取平均 建模和检验过程：（ 5 ）对 1949-1997 数据配曲线方程（ 6 ）预测事先留出的 1998-2007 年这 10 年的潜力，并取其平均（ 7 ）取预留的 1998-2007 年这 10 年的真实产量的 N=10条件下的平均（ 8 ）预测误差%= （预测的平均潜力 - 预留的平均产量） / 预留的平均产量
*100
预测：（ 9 ）未来潜力的预测：分别预测 2008-2017 年的潜力，然后取平均
具体结果见下页：
预测未来 10年平均生产潜力 =M10 =Σ10/10 （ 2008-2017年未来 10年平均潜力 =6282.12）
关于粮食生产潜力的中、长期预测结论：
（ 1 ）科技进步增产模型可以作为生产潜力预测的有效方法，预测误差 1%-3%。
（ 2 ）采用动态最佳n 值预测的结果更为科学和实用。
（ 3 ）最佳 n 值预测的粮食生产潜力是理论上的科技进步增产趋势，气候因素几 乎被剔除掉了，但是其预测结果不实用；应用中应该根据实际情况来选择 并非最佳的 n 值，它所预测的生产潜力虽然有一定的波动性，但是比较接 近现实产量，并包括短期气候变化趋势，结果实用。一般取 10 年为气候周 期年，这与太阳黑子活动周期约 10 年吻合。
（ 4 ）预测的生产潜力是在平均气候条件下能够达到的产量或在不受气候条件影 响下（最佳n ）的科技进步产量或粮食的最低安全产量，或受气候条件影响 不大情况下（非最佳n ）的趋势产量，其实践意义更大。
（ 5 ）预测出全国 2010 年和 2020 年粮食生产潜力值，警示如按国家发改委的公布 的 2010 年和 2020 年粮食总产约束产量和单产的目标产量，必须增加科技投 入保证单产提高才能达到总产目标。
（ 6 ）应用科技进步模型对 31 个省、自治区、直辖市粮食总产和单产进行了分析 ，给出了各省单产和总产贡献率，这是制定农业投入规划的基础。
粮食生产潜力研究创新点：
（ 1 ）提出了现实生产潜力的概念；（ 2 ）提出科技进步单产理论模型解析式，其物理学意义明确；（ 3 ）提出的多年单产移动平均趋势模型巧妙地将气象因素和 人为因素分离开，即形成科技进步增产理论；（ 4 ）可以预测不同空间尺度下不同作物类型的单产和总产（面 积波动不大情况下，否则使用播种面积 *单产）；（ 5 ）整个预测参数都来自历史数据本身，没有任何人为确定参 数的干扰（只有优化），充分挖掘了历史数据中所包含的 信息；（ 6 ）建立了适合不同情况的预测方法，如：建模 n 值的确定方 法、动态 n 值的确定方法、产量趋势发生拐点的预测方法 （简单模型法和分段模型法）、逐年预测方法、小趋势修 正方法、逐年回归确定 n 的预测模型 + 小趋势修正方法、系 统预测方法；（ 7 ）预测评价：平均误差 1%左右，最大误差 3% 以下。
评价原始创新至少应该有四条判别方法： ● 前人是否做过？ ● 他人可否重复？ ● 历史数据能否验证？ ● 结果是否可用？ 我们的研究：（ 1 ）提出的理论和方法是崭新的，自成体系，变量的物理学 意义明确；属平衡模型，平衡模型中参数统计获得；（ 2 ）所有理论和方法都是具体的，举出的案例是随机选取的， 说明同样的方法经得起检验；（ 3 ）任何人可以使用任何预测单元的历史数据进行验证，也 可进行预测，不需要人为确定参数，只需要优选即可；（ 4 ）预测精度高。可预测 5-10 年以内粮食生产潜力（单产和总 产）；预测误差一般为 1%-3% 。 总之：提出的理论和方法与传统的没有直接可比性； 预测结果说明了：理论和方法的科学性和使用性。
0
1000
2000
3000
4000
5000
6000
7000
1940 1950 1960 1970 1980 1990 2000 2010
年份
kg.h
m单产（
-2）
①
②
③
④
Ⅰ
Ⅱ
2000
2500
3000
3500
4000
4500
5000
5500
6000
6500
1975 1980 1985 1990 1995 2000 2005
/kg.
hm单产
-2第三章 粮食估产第三章 粮食估产
一、产量通道一、产量通道——概率理论 概率理论
粮食产量通道—概率理论：是以粮食产量的真实信息为基础把属于最近通道的历年来的产量划分为五个气候年型，分别建立每个通道内的平均产量趋势线和确定其出现概率，以此为基础预测下一年最大可能的产量。
2000
2500
3000
3500
4000
4500
5000
5500
6000
6500
1975 1980 1985 1990 1995 2000 2005
/kg.hm
单产-2
2000
2500
3000
3500
4000
4500
5000
5500
6000
6500
1975 1980 1985 1990 1995 2000 2005
/kg.
hm单产
-2
二、产量二、产量（单产 / 总产）通道通道——概率模型概率模型
0
10000
20000
30000
40000
50000
60000
1950 1960 1970 1980 1990 2000
产量
/104 吨
建立小趋势模型
30000
35000
40000
45000
50000
55000
1980 1985 1990 1995 2000 2005
产量/104 吨
三、国家级粮食估产的应用 三、国家级粮食估产的应用
以 1985-2004 年数据共 20 年产量点，建立产量通道进行产量等级划分，利用 1960-1997 年的产量等级划分概率，预测 2005-2007 年的粮食产量。
结论：（ 1 ） 就全国尺度而言，总产与单产结果相似，只要是预测一个通道内的 产量，其预测误差很小；超出通道，就需重新确定通道和建模。（ 2 ） 全国尺度由于地域间气象条件对产量影响的互补性，原则上可以不 使用气候年型修正和小趋势误差修正，但是为了与省级和县级预测 模型保持在形式上的一致，则仍然采用气候年型修正和小趋势误差 修正，具体修正参数需要根据历史波动情况确定。
东北三省粮食总产 /单产历史年型拟合时的修正参数
（以东北三省为例）
未知年气候年型参数确定应用 三种方法的综合来确定： （ 1 ）专家打分法 Ka （ 2 ）野外典型样点长势调查法 Kb （ 3 ）区域气候条件经验法 Kc
每旬从左表中参数 选择一个参数 每旬取平均Ka 7 个参数中选一 K=（ Ka+Kb 7 个参数中选一 Kb+Kc)/3Kc 7 个参数中选一
四、省级粮食估产的应用四、省级粮食估产的应用
年份实际产量（万吨
）预测产量（万吨
） 修正产量（万吨 ）
误差（%）
修正后误差（%）
1998 1828.9 1636.50 1751.051 -10.52 -4.26
1999 1648.8 1667.93 1667.931 1.16 1.16
2000 1140 1699.37 1342.499 49.07 17.76
2001 1394.4 1730.80 1488.489 24.13 6.75
2002 1510.4 1762.24 1515.523 16.67 0.34
2003 1498.3 1793.67 1542.557 19.71 2.95
2004 1720 1825.11 1697.349 6.11 -1.32
2005 1745.8 1856.54 1726.583 6.34 -1.10
2006 1725 1887.98 1755.818 9.45 1.79
2007 1835 1919.41 1919.411 4.60 4.60
辽宁省粮食总产预测修正结果
东北三省总产案例：
年份实际产量（万吨
）预测产量（万吨
）修正产量（万吨
） 误差（%） 修正后误差（%）
2003 2259 2239 2239.93 -0.84 -0.84
2004 2510 2280 2440.52 -9.13 -2.77
2005 2581 2321 2484.31 -10.04 -3.75
2006 2720 2362. 2693.50 -13.14 -0.97
2007 2453.8 2403 2403.65 -2.04 -2.04
年份实际产量（万吨
）预测产量（万吨
） 修正产量（万吨 ） 误差（%） 修正后误差（%）
2003 2512.3 3216 2540.678 28.01 1.13
2004 3001 3301 2839.489 10.02 -5.38
2005 3092 3387 2913.176 9.55 -5.78
2006 3346.4 3473 3473.098 3.79 3.79
2007 3462.9 3558 3558.781 2.77 2.77
黑龙江省粮食总产预测修正结果
吉林省粮食总产预测修正结果东北三省总产案例：
东北三省（按辽宁、吉林、黑龙江顺序排列）单产案例：
年份 实际单产 预测单产 修正单产修正后误差（%）
2003 5462 5302 5302 -2.93
2004 5917 5366 5742 -2.96
2005 5720 5430 5430 -5.06
2006 5465 5494 5494 0.55
2007 5868 5559 5559 -5.26
年份 实际单产 预测单产 修正单产修正后误差（%）
2003 5630 6399.81 5759.83 2.31
2004 5821 6535.56 5882.00 1.05
2005 6011 6671.31 6004.18 -0.11
2006 6288 6807.06 6807.06 8.25
2007 5661 6942.81 5762.53 1.80
年份 实际单产 预测单产 修正单产修正后误差（%）
2003 3096 3976.07 3021.82 -2.40
2004 3548 4068.10 3620.61 2.05
2005 3574 4160.12 3702.51 3.60
2006 3709 4252.15 3784.41 2.03
2007 3200 4344.17 3301.57 3.16
• 使用了气候年型的概念，但是没有用到具体的气候参数，这样较适合国家和省级层次（尺度）粮食的估产 ；
• 预测时首先要选择一个通道内的样本建立模型，当历史年产量检验误差超过 5%时，要检查是否使用了不同通道的数据。
• 当通道脱离旧通道时，建立小趋势模型即通过简单的回归方式进行预测，从而实现通道过渡时期的衔接性预测；
• 预测国家尺度时，平均预测误差在 2% 以下，原则上不需要修正；
• 预测省级尺度时，需要气候年型参数修正，修正后的平均误差一般低于 3%；
• 无论是国家和省级尺度，还是县级尺度，其预测误差都较小，接近甚至低于已有的预测方法（国际上其他谷物产量预测误差一般在 5 ％ -10％；陈锡康对全国粮食估产的平均误差为 1.9% ），且本研究提出的理论严谨、方法简单可行，参数少，参数来自原始数据本身，更易于推广使用和建立信息技术平台实现系统、快速预测；
综合结论：粮食产量通道—概率模型适合国家级、省级和县级尺度估产。国家级尺
度可以直接预测，省级和县级尺度需经气候年限参数修正。小趋势误差修正可以应用与逐年连续预测中。
关于粮食估产的结论：
中、长期预测（生产潜力） 短期预测（估产）
目的 为中、长期规划提供依据 为当年粮食调配和商贸服务
理论 科技进步增产理论 通道—概率理论
方法 移动平均模型 通道—概率模型
参数 由原始数据产生，分两种情况：（ 1）最佳 n下纯科技增产趋势
（ 2）非最佳 n下增产趋势（一般取 10年为步长，与气候周期吻合，太阳黑子活动周期也约为 10年）
多数情况预测 5-10年预测 1年时可使用小趋势误差修
正方法
由原始数据产生，分三种情况：（ 1）国家级直接使用，无需修正（ 2）省、县级需参数修正，参数 易得，工作量很小
只预测当年
结果 实用、预测精度高 实用，预测精度高
适性 通用 同一通道内（通道过渡时使用小趋势方法建模）
关于“中国粮食产量预测系统的理论和方法”总结关于“中国粮食产量预测系统的理论和方法”总结
本研究的创新是：提出了科技进步增产理论和产量通道 -概率理论以及一系列新概念和新方法。
粮食现时生产潜力的概念是以作物产量本身为研究对象，对粮食生
产潜力意义把握更加具体，对实际生产指导也更有意义。
基于此，建立了相应的预测模型，为粮食生产潜力研究实现系统化和标准化提供了理论和方法，所使用的参数基本来自于原始数据本身，便于研究结果的推广应用，方法具有通用性。
生产潜力完全或者部分地剔除了气候因素对粮食产量的影响，因此，在研究估产时，不适直接使用上述方法。原因是剔除气候影响因素越多，预测的产量越低，达不到估产的目的。为此，提出了通道—概率模型方法，其中国家级可直接预测，省级和县级采用气候年型参数修正方法。
第四章 粮食生产潜力实现率预测第四章 粮食生产潜力实现率预测 （潜力和估产预测结果的结合）（潜力和估产预测结果的结合）
1 1 理论理论
生产潜力是未来生产潜力是未来 11 年或年或 55 年或年或 1010 年后的当时科技水平、社会经济条件下年后的当时科技水平、社会经济条件下和平均气候条件下的产量；估产是预测的当年产量；当年实际产量是政府和平均气候条件下的产量；估产是预测的当年产量；当年实际产量是政府部门最终确定的统计实际产量。三者之间有什么样的关系呢？部门最终确定的统计实际产量。三者之间有什么样的关系呢？ 现假设已经建立了一个潜力预测模型，可以预测下一年（如现假设已经建立了一个潜力预测模型，可以预测下一年（如 20082008 年的）年的）的潜力；的潜力； 再假设已经建立了一个估产预测模型，可以预测当年（如再假设已经建立了一个估产预测模型，可以预测当年（如 20082008 年的）年的）的产量；的产量； 假设也已经知道该年（如假设也已经知道该年（如 20082008 年的）的实际产量；年的）的实际产量； 现在定义：生产潜力实现率现在定义：生产潜力实现率 %=[1+%=[1+ （某年实际产量或估产值（某年实际产量或估产值 -- 某年生产某年生产潜力预测值）潜力预测值） //某年生产潜力预测值某年生产潜力预测值 ]*100]*100 而，某年生产潜力预测值是科技产量的预测值，受气候影响较小。而，某年生产潜力预测值是科技产量的预测值，受气候影响较小。 当，生产潜力实现率当，生产潜力实现率 %=100%=100 时，说明当年气候条件为平均气候年型；时，说明当年气候条件为平均气候年型； 当，生产潜力实现率当，生产潜力实现率 %% ＞＞ 100100 时，说明当年气候条件好于平均气候年型时，说明当年气候条件好于平均气候年型；；
当，生产潜力实现率当，生产潜力实现率 %% ＜＜ 100100 时，说明当年气候条件劣于平均气候年型时，说明当年气候条件劣于平均气候年型；；
因此，生产潜力实现率可以用来评价潜力的实际达到程度。因此，生产潜力实现率可以用来评价潜力的实际达到程度。
同理，可以评价同理，可以评价 55 年或年或 1010 年平均生产潜力实现率。年平均生产潜力实现率。
2 方法 预测： N=10 条件下， （ 1 ）预测未来 5 年平均生产潜力实现率 =Σ5/5=M5 （○○○○○） （ 2 ）预测未来 10 年平均生产潜力实现率 =Σ10/10=M10 （○○○○○○○○○○）
具体算法： （ 1 ）选择好预测通道，建立潜力预测模型 （ 2 ）分别预测未来 5 年和 10 年各年的潜力，并取其平均 （ 3 ）取预留的 5 年和 10 年的真实产量，并取其平均 （ 4 ）分别计算 5 年和 10 年各年的生产潜力实现率生产潜力实现率，并取其平均 （ 5 ）计算 5 年移动生产潜力实现率，并取其平均
3 案例
条件：（ 1 ）数据：辽宁省 1949 年到 2007 年的单产数据（ 2 ）周期： N=10（ 10 年移动平均）（ 3 ）目标： M=5、 10 ，预测未来 5、 10 年平均生产潜力（ 4 ）建模数据： 1949-1997的 50 年的数据（本例只为说明，未筛选趋势）
检验数据： 1998-2007 年的 10 年数据作为检验预测精度使用 建模和检验过程：（ 5 ）对 1949-1997 数据配回归方程（ 6 ）预测事先留出的 1998-2007 年这 10 年的潜力，并取其平均（ 7 ）取预留的 1998-2007 年这 10 年的真实产量（不是移动平均），并取
其平均（ 8 ）生产潜力实现率生产潜力实现率 %=[1+%=[1+ （某年实际产量（某年实际产量 ---- 某年生产潜力预测值）某年生产潜力预测值） //某某
年生年生 产潜力预测值产潜力预测值 ]*100%]*100% 预测：（ 9） 2008 年生产潜力实现率生产潜力实现率 =[1+=[1+ （（ 20082008 年估产年估产 // 实际产量实际产量 --2008--2008 年生年生
产潜力预产潜力预 测值）测值） /2008/2008 年生产潜力预测值年生产潜力预测值 ]*100%]*100%
具体结果见下页：
点“潜力实现率”中的“当年”后出现点“潜力实现率”中的“当年”后出现
：：