基于趋势单产和干旱指数的河南省冬小麦单产估算

为了探究相关气象因子对小麦生产的影响,获取极端气候条件下满足精度需求的作物估产模型,以河南省为研究区,对研究区的历史小麦单产数据进行时间序列分解,得到趋势单产,再结合不同时间尺度干旱指数作为输入变量,以实际单产作为输出变量,建立随机森林回归单产估计模型。选择典型干旱年份(2011年)与非干旱年份(2015年)进行小麦单产模型的精度验证,并对输入变量的重要性进行了分析。结果显示,随机森林回归单产估计模型拟合精度整体较高,各市模型的决定系数平均为0.87,平均绝对值误差的均值为17.69 kg·hm^(-2),平均绝对相对误差的均值为0.07。面积加权和简单平均估计得到的各市小麦估产的精度平均值在2011年分别为96.16%和95.12%,在2015年分别为92.99%和92.26%。干旱年份估产精度整体上高于非干旱年份估产精度,面积加权后的小麦单产估计精度略高于简单平均的小麦单产估计精度。对建模贡献最大的输入变量是趋势单产。就干旱指数来说,1个月时间尺度的干旱指数重要性整体高于2和3个月时间尺度的干旱指数;4月份的干旱指数重要性整体高于生长季其他月份的干旱指数。该模型能够准确及时地获取极端气候下小麦产量信息以及变量对小麦产量的影响,可以为研究气候变化对小麦产量的影响和提高极端气候条件下的估产精度提供方法参考。

我国农作物灾害性损失风险的估计:方法选择与改进

精准估计农作物灾害性损失风险是农业保险开展的基础和前提。本文在比较现有估计方法的基础上,提出了非参数局部线性加权估计方法并进行了数值仿真模拟,结果表明:现有方法受模型设定或参数选择的影响较大且估计结果不同程度地偏离真实数据,改进方法则克服了模型设定和参数选择问题且估计误差低于现有方法。基于1950~2014年粮食单产数据的估计结果表明,相对于改进方法而言现有方法低估了农作物灾害性风险。该研究对丰富农作物灾害损失风险估计方法,加快农业保险供给侧改革,促进农业保险可持续发展具有重要意义。