全 文 ：第 3 卷 第 1 期 1 9 9 5
V o l
.
3 N o
.
1
草 地 学 报
A C T A A G R E S T IA S IN ICA
年
1 9 9 5
利用投影寻踪回归技术进行草地产量预报的研究
李 建 龙
(新疆八一农学院草原系 , 乌鲁木齐市 , 8 3。。5 2)
摘要 : 本文利用 1 9 9 1 一 1 9 9 2 年在新疆阜康县不同类型草地上观测 的牧草产量 、环境因子和
卫星遥感资料运用投影寻踪 回归 (P PR )技术 , 探讨了草地产量预报的原理与方法 , 建立了产量预
报综合模型 , 其预报精度达到 83 . 5 %以上 , 并克服传统预报方法的一些不足 , 科学 地提 示其内在
关系 , 进而对影响产量预报精度和产量形成的因素进行分析与实验验证 。 因而研究结果表明利用
P PR 技术基本实现了科学预报草地产量的目的 。
关键词 : 草地 ; 投影寻踪回归技术 ; 产量预报 ; 环境因子 ; 卫星遥感信息
1 前言
草地产量是草地生产力 的重要衡量指标 , 同时也是进行次级生产和各类研究的基础 。能
否及时掌握准确的产量资料 , 对计算草地载畜量和分析草畜平衡 , 实现草畜平衡发展 , 提高
我国草业生产力 , 改善人民生活水平 , 保护生态环境 , 将具有十分重要的意义 。 因此 , 探索遥
感信息和环境因子与产草量形成及产量动态之间的相关性 , 以求建立产量预报的数学模型 ,
是长期以来草地科学研究中的一项重要内容 。我国从五十年代后期 ,先后在全国建立一批草
地生态试验站 , 进行产量动态的定位研究 , 八十年代后期 , 进而探索利用卫星遥感资料 , 进行
草地产量的动态监测 ,取得了长足进展 。 但由于草地生境和植被组成千差万别 , 影响产量形
成的因素错综复杂 , 导致草地产量的年季变幅波动巨大 , 对不同地域和类型产草量形成的条
件和机理 , 难以作出深入系统的分析 , 对产量的动态预报技术和方法 , 尚缺乏深入研究 。 因
而 , 对我国典型草地类型的产量预报技术和方法进行系统研究 , 就显得极为必要 , 且具有重
要的现实意义 。
然而 目前 , 一般采用的传统测产方法如直接收获法和水热法等 , 均 由于测点控制面窄 ,
测产周期长 , 费时费力 , 且因不能及时反映大面积宏观草地产量动态状况等 , 而具有其局限
性 。 因此 , 本文为克服传统测产方法 的不足 , 旨在利用 PPR 技术和遥感技术 , 探讨建立以植
被指数 、环境因子和生物量变化为基础 , 以电磁波理论和草地生物生态学为原理 , 借助投影
寻踪 回归(p ro je e tio n p u r s u it r e g r e s s io n )技术的统计功能 , 通过地面与航天影像的印证 , 实时
及历史的气象环境参数和产量动态变化趋势分析 , 经过一系列专门化处理 , 建立综合产量预
报模型 , 在不破坏草地条件下对草地产量和长势做出准确预报 ,从而为生产部门合理规划和
安排草业生产 , 实现科学管理和合理利用草地资源 , 提高草业生产力 ,提供可靠依据 。
2 材料与方法
2
.
1 试验地概况 位于新疆阜康县境内 , 地处天 山北坡东段及准噶尔盆地南缘 (东经 87 “
4 6 , ~ 5 5
0
4 4 ‘ , 北纬 4 3 0 4 5 ‘~ 4 5 0 3 0 , ) 。 全县分成南部山地 、中部平原和北部沙漠三个主要地貌
草区 。 植被以垂直地带分布为主 。 该县属于温带大陆性气候 , 多年平均气温 , 山区 3 . 4 ℃ , 平
草 地 学 报 1 9 9 5 年
原区 6 . 6 ·c , 沙漠 5 . g C ;年平均降水量 , 山区 4 2 6 . 6 m m , 平原 区 1 5 7 . sm m , 沙漠 14 4 . 7 m m 。
在该县 主要草地类 型上 确定 四个 多年动态监测地面 资料定位测定样地 , 经纬度用
T R A N S PA K 便携式全球卫星导航定位仪结合地形 图订正确定的 。 其主要植被分布为平原
荒漠 、低地盐 化草甸 、 山地荒漠草原和山地草甸草原等类型 , 主要 牧草有木碱蓬 (S ua ed a
d e n d
r 口心e s ) , 琵 琶柴 (R e a u m u二 son g orw a ) , 猪毛 菜 (S a lsof ac ol lin a ) , 友友草 (A c人n at 人er u m
sP le nd en
: )
, 准噶尔锦鸡儿 (Ca ra g a na s~ g or ia ) , 羊茅 (Fes tuc a ov 动a) , 新疆亚菊 (A ja n ia fas ti-
g lat a) 和草原苔草 (Ca re x Z护a眠ar Po s )等 。
2
.
2 预报信息源与m.J 定方法
2
.
2
.
1 遥感信息源 为 1 9 9 1 ~ 1 9 9 2 年 20 幅经地面光谱和 T M 卫片资料校正及各种专门
加工处理订正好的 N O A A / A V H R R 卫片成片 , 用 E R D A S 软件提取卫片中提供的通道 1 和
通道 2 的观测样地及周围 16 个象元平均的比值 (R V D 和归一化差 (N D V I) 绿度值 。
2
.
2
.
2 环境因子 1 9 9 1 ~ 1 9 9 2 年每年 5 月 16 日至 10 月 16 日 , 每隔半月用生态学常规方
法与测产 同期观测每个样地的地温 、气温 、降水量 、累积降水量 (4 月 1 日起逐月累积 )和蒸
发量及平均土壤含水量 (与测产测气象资料同期用土钻法从 。一 5 0c m 土层中按 1 0c m 一层
分 5 层取土样 , 烘干 ,求算平均值 ) , 重复 4 次 。
2
.
2
.
3 牧草产量 1 9 9 1 一 1 9 9 2 年每年 5 月 16 日至 10 月 16 日 , 每隔半月按收获法测产 ,
重复 4 次 , 用 50 x 50 m 大样方测产草量和观测其它草群结构指标等 。
2
.
3 数据处理
所有同步观测的多时相的遥感 、环境和产草量资料 , 均进行校正 , 标准化处理 , 求得平均
数后进行方差分析 , 接受 F 检验后 , 利用 P PR 软件包通过计算机进行多元非线性相关分析 ,
建立优化模型 , 进行产量预报和灵敏度检验等 。
3 结果分析与讨论
3
.
1 利 用 PP R 技术进行草地产量预报的基本原理与方法
3
.
1
.
1 产量预报的理论依据和基本原理 对一种自然现象的预报 ,大致有两种科学途径和
方法 。 其一是推理法 , 即研究并掌握自然现象的形成机制和受控因素 ,通过测定有关因子的
数值 ,按照该自然现象的成 因规律对其作出确定性的预测和预报 。 其二是归纳法 (经验法 ) ,
根据该自然现象与其它现象之间存在的相关关系 , 应用实际工作中积累的大量资料 , 总结各
种现象与预测对象之间的经验性和统计性相关关系进行预测预报 。
牧草产量的预报也是通过上述两种途径和方法进行的 。 其一是关于产量形成机理和产
量构成模式的理论与分析研究 ,这些研究对于深化产量形成机制分析及其解释有重要意义 。
然而 , 由于理论研究的假设及实验环境的简化与实际状况相差甚远 , 因此 , 这种理论模式或
方法尚无法对草地产量作出准确预报 。因而产草量预报的主要途径是按第二种方法 , 即观测
和分析预报前的各种资料 , 建立预报因子与产量之 间的相关关系 ,通过模型建立进行产草量
预报 , 是当前国内外产草量预报研究中主要采用的方法 。
然而 , 目前产量预报研究中采用的各类经验性统计预报方法 , 都普遍存在一些基本困
难 : ¹ 预报因子非正态非线性问题 ; º 预报因子之间的相关问题如降水与温度 ; » 人为因素
的干扰 ;¼单项预报因子甚多等“维数祸根 ”问题 , 使一般常规的统计方法如多元线性 回归统
计方法要克服上述困难则束手无策 , 但是随着近年来 PPR 高新统计技术在国际统计界的兴
第 1 期 李建龙 :利用投影寻踪回归技术进行草地产量预报的研究
起 , 使解决这些难题成为可能 。 它是应用数学 、现代统计 、计算机技术的交叉科学 。 该技术对
原始数据不做任何假定 、任何变换 、任何阀限分割等人为干预 , 而是利用计算机对数据进行
投影降维优化处理 , 客观地审视数据内在结构 , 充分获取非正态 、非线性的有用信息 , 并以数
值型 函数描述其结构后再用于预测预报 。这就在理论和实践上解决了非正态 , 非线性高维自
回归的难题 , 也自动地解决了因子之间的相关问题 。 因此 , 该统计技术十分适用于处理和分
析多元观测数据 , 尤其是非正态 、非线性的高维数据 , 其显著特点是具有稳定性 , 并成功地克
服了高维点稀疏造成的“维数祸根 ”问题 , 能够揭示用其它方法难以发现的高维数据的内在
特征和结构 。 通过 PP R 降维技术来分析因变量与多个 自变量 因子的历史观测值基础上 , 寻
求因变量与自变量因子的相关关系 , 并用建立的综合优化模型对未来值进行预报 (邓传玲 ,
1 9 9 2 )
, 其技术处理模块流程图见图 1 所示 。
3
.
1
.
2 预报自变量因子选择 包括地面观测资料 (牧草产量与环境因子 )和卫星遥感影像
信息两部分 。由于地面产量和环境资料是建立遥感产量预报转换函数 ,解释产量形成机理的
基础 ,也是校正卫星遥感数据的依据 , 属微观范畴 , 但因其观测范围小 ,周期长 ,耗费人力 、物
力和财力高而受到局限 。 而遥感信息因覆盖面广而客观真实 , 且信息便于计算机定量处理 ,
适于大面积产量预报之用 , 属宏观范畴 , 但易受天气 、时空分辨率所制约 。 由此可见 , 利用单
一资料进行产量预报 , 各有其局限性 , 为此 , 本文利用确定性强的综合预报 因子进行产量预
报研究 , 有机地把宏观遥感影像资料—两种绿度值 (R V I , N D V I) 与微观环境 因子—气温 、地温 、降水 、累积降水量 、平均土壤含水量和产草量等资料结合起来 , 利用 P PR 技术建立
产量预报综合模型 , 用于产量的预测预报 , 达到定量 、定时 、定位 、定性 由点到面互相补充配
合 , 准确预报产量的目标 。
3
.
1
.
3 基本预报程序和方法 包括预报因子资料观测与选择 , 信息收集与处理 , 信息加工
与检验 , 综合预报模型建立 , 模型精度与予留检验 , 实测值与预报值误差分析 ,利用验证后的
优化 PPR 岭函数模型进行产量预报 。 其基本关系为 : Y {一 f(R V I , N D V I , SW , A T , S T , P R ,
A P R
,
t
,
C )
,
Y }表示在不同时间 、地 点下的产草量 (公斤 /亩 ) , R V I 表示 比值遥感绿度值 ,
N D V I表示归一化差遥感绿度值 , SW 表示 。~ 5 0c m 土层的平均土壤含水量 (% ) , A T 表示
气温 (℃ ) , S T 表示地温 (℃ ) , PR 表示降水量 (m m ) , A P R 表示累积降水量 (m m ) , t 表示时
间 (指年季月 )和 C 表示不同草地类型 (下同) 。
3
.
2 草地产量综合预报模型的建立与分析讨论
在草地产量预报过程中 ,模型的建立起着重要作用 , 它既是预报因子信息分析的工具 ,
也是建立可运行产量预报系统的基础 。
由于地学预报模型作为草地产量状况的平均 反映 , 对微域性环境 因子和土壤含水量的
影响表征明显 ,但对更大范围环境因子的影响则表征不足 。而卫星遥感预报模型则 易受天气
状况 , 植物生活型 , 植被盖度和时空分辨率等因素的影响 , 对微域性环境因子的影响和产量
动态表征不足 , 但对宏观大面积的景观植被和产量则表征明显 , 因此为克服两者不足 , 发挥
各自宏微观效应优势 , 有必要将二者有机结合 , 利用 PPR 高新统计技术建立地学与卫星遥
感预报模型结合起来的综合产量预报模型 , 探索不同草地类型不同时间 , 产量形成与环境关
系的机理分析等 , 从而提高草地产量预报的精度和效能 。
PPR 综合预报模型通式为 : Y (产草量 )一 R IG , (A丁· X )+ R ZG : (A歹· X ) , 其中 G , 、 G Z
6 8 草 地 学 报 1 9 9 5 年
循 环对Q个应变量建立 PPR模型循环控制变量 l 一 1一Q
一将第 1个应变量丫的N 个观察值标准化后存入残差变量 R中应耳石一画赫丽丽丽~杏
厂一一一一一一一-
-一一 一一刊 为第I么仙令函数指定权重初值B( 咖) 一‘{
对第1人创冷函数的系数A 进行寻优选代处理循环控制变量 11王R 一 1一条件满足
为系数A指定初值即初始投影方向 , 并设△ A 一 O
按指定的窗 口 系数SPAN 计算窗口宽度 , 对Y 一 1数据对逐段线性化形成光滑的岭函数G l人魂 一 T LM 数值对
计算岭 函数 G LM 一 T洲 相对于 Y一确残差平方和 S杏
S)
二巧R
S < A SR
二、 。 _ !按牛顿拼度法计算新}门 “四戍— }的投影方向变量△ A }
‘仁果
一结一平、Ž、‘扣l厂艇到敝幸腿竺林一舰磨Œ保一件|厂条L
止代停查选
)— * 、 按F与Y相关程度重新计算B ( U M )重新计算残差R
重新对第 1么 1个岭函数进行拟合检验处理并显示模型图象
巨桌孚责蔽蟾丽周
杏
N EX T I硫
图 1 P P R 软件包中建模处理模块流程 图
F
一r . 1 T h e w o r k p r o e e d u r e m a p o f s e t t rn g u p a n d t r e a t in g m o d e ls in t h e pa e k a g e o f PPR s o ft w a r e
第 1 期 李建龙 :利用投影寻踪回归技术进行草地产量预报的研究
为两个岭函数 , R , 、 R : 为 G , 、 G : 对该模型的贡献率 , A 丁、A 丁为两个预报自变量因子多项式 。
模型判别 : 本研究规定实测与预报产量之间的相对误差不大于 20 % , 则认为预报结果合格 ,
采用 F 检验 , 当 P < 0 . 05 为显著水平 , 当 P< 0 . 01 为极显著水平 。
3
.
2
.
1 温性平原荒漠类 PP R 产量预报综合模型为非线性数值形 函数 , 其 PPR 优化预报
产量模型为 FY (鲜草产量 ) = 1 . 0 7 1 8 G I (0 . Oo 3t一 0 . Oo 6 3 SW + 0 . O 1 3 OS T 一 0 . O3 2 5A T 一 o ·
0 0 0 3PR 一 0 . OO2 4 A PR + 0 . 7 7 2 9 N D V I+ 0 . 6 3 3 5R V I) + 0 . 3 0 2 4 G : (一 0 . OO4 2 t一 0 . O2 0 4 SW 一
0
.
4 1 o ZS T + 0
.
2 3 2 8A T 一 0 . 0 0 7 2PR + 0 . 0 0 1 6A PR + 0 . 5 5 2 5N D V I一 0 . 7 8 7 7 R V I) , 式 中 G , 、
G
: 的相对权重值分别为 1 . 0 0 0 0 和 0 . 2 8 2 1 ; 而式中的非线性系数是按最小二乘法 原理 由
PPR 软件包搜索出来的 (下同) 。 G , 、 G Z 对回归预报模型的贡献率为 1 . 0 7 1 8 和 。. 3 0 2 4 。 用上
述模型对实测数据进行回归及予留检验 , 所得 的效果图如图 2( 注 : 前 1 0 点为 1 9 9 1 年实测
产量值 , 后 10 点为 1 9 92 年实测产量值 ) 。 由图 2 可见 ,该模型预报值基本与实测值相吻合 ,
表现出牧草产量在生长期内有春秋两个高峰出现 , 且后一峰 (秋季产量 )高于前一峰 (春季产
量 ) 。
Y 牧草产皿
1 5 6
.
3 0
2“· “o 一了
图 2
F ig
.
2 0 一 10 0% 20 丁 时段
在草地类型 I中 PPR 技术回归预报效果检验图
2 T h e r e g r e ssio n fo r e c a s tin g e ffe et e h e ek m a p o f
th e P PR te e h n o lo g y in th e g r a ss la n d t yp e l
由计算机 回归报告可看出 , 影响产量预报的 8 个因子中 , 具有不同的权重值 :
权 序 1 2 3 4 5 6 7 8
自变量 A T S T A PR R V I t PR SW N D V I
相对权重值 1 . 0 0 0 0 0 . 8 9 1 8 0 . 3 4 0 1 0 . 2 7 7 0 0 . 2 7 4 6 0 . 1 3 4 1 0 . 1 1 0 5 0 . 1 0 7 1
式中自变量的权重值是由本身的方差和系数 A 、 B (两个投影方向)及该岭函数的权重 、
方差和所决定 , 即权重值 H , 一 V x 艺艺(△F / △T (j ) x B L x A L、) , 其中 V 、 为第 i个 自变量的方
差 , △F / △T (j )为第 L 个岭函数 (j 一 1一 N )( 下同 ) 。
由对图形的投影方向 、曲线形状 、点拟合程度 、相对权重值和实测值与 预报值相对误差
分析后综合评价 , 该模型的产量预报精度达 84 . 6 %以上 (表 1 ) , 其中气温 、地温和累积降水
量对预报精度和产量形成影响较大 ,而土壤含水量和归一化差绿度值影响较小 。这是因该草
地类型地处潜水溢出带 , 地下水位高而丰富 (h 一 1一 1 . sm ) , 导致土壤含水量对产量预报和
形成的影响变小 ;同时又因该类型植被主要由琵琶柴和木碱蓬等盐生灌木组成为主 ,其草群
草 地 学 报 1 9 9 5 年
的盖度和叶绿素含量较低 , 光谱反射率不高 , 而导致 N D V I值变小 。
3
.
2
.
2 低平地盐化草甸类 该类型草地的 PPR 优化预报产量模型为 : FY 一 。. 98 1 4G I (一
0
.
0 0 3 7 t一 0 . O3 2 6SW 一 0 . O8 llS T 十 0 . 1 2 1 7 A T 一 0 . 0 0 5 OPR + 0 . OOIOA P R + 0 . 5 7 3 1N D V I十
0
.
S O5 7 R V I)+ 0
.
13 4 8G
2 (一 0 . 0 0 0 6 t + 0 . O3 3 5SW 一 0 . 1 3 4 7 S T + 0 . 1 5 8 6 A T 一 0 . OO6 4 PR 一 0 .
o o o 3A PR + 0
.
9 3 7 oN D V I + 0
.
2 7 8 4 R V I)
, 式 中 G , 、 G Z 的相对权重值分别为 1 . 0 0 0 0 和 0 .
1 3 73
, 对回归预报模型的贡献率为 0 . 9 8 1 4 和 0 . 1 34 8 。 用上述模型对实测数据进行回归及予
留检验 , 所得效果图如 图 3 。 由图 3 可见 , 该模型的预报值基本与实测值相吻合 , 表现出牧草
生长高峰出现于每年的 7一 8 月间 , 呈单峰型 。 同时由计算机回归报告可看出 , 影响产量预报
的 8 个 因子中 ,具有不 同的权重值 :
权 序 1 2 3 4 5 6 7 8
自 变 量 S T A T R V I t P R N D V I SW A PR
相对权重值 1 . 0 0 0 0 0 . 9 0 5 5 0 . 3 9 1 2 0 . 2 1 2 1 0 . 1 5 2 7 0 . 1 0 1 6 0 . 0 9 3 3 0 . 0 8 2 2
由以上结果综合评价 , 该模型产量预报精度达 8 . 6 %以上 (表 1 ) , 其中地温 、气温和 比
值绿度值对产量预报精度及产量形成影响较大 , 而土壤含水量和累积降水量影响较小 。这是
因该草地类型也是位于平原区潜水溢 出带 , 其地下水位高而丰富 (h 一 1 . 5 一 Zm ) , 植物易吸
收到水分 , 导致水分对产量的形成影响就小 , 而温度的影响变大 。
丫 牧草产盆
4 1 8
.
2 0
了///
6 0
.
2 0 一
图 3
F ig
.
3
3
.
2
.
3 温性荒漠草原类
2 0一 1 00 % T 时段
在草地类型 H 中 P PR 技术回归预报效果检验图
T he r eg r e ss io n fo r e e a stin g e ffee t e h e e k m a p o f t he
P PR te e h n o lo g y in th e g r a ssla n d ty p e 2
.
该类型草地的 PP R 优化预报产量模型 为 : FY 一 1 . O IO7G I (0 ·
0 0 0 1t + 0
.
OO4 8SW + 0
.
O 1 9 3 ST 一 0 . 0 3 3 9 A T 一 0 . 0 0 0 9 PR + 0 . 0 0 0 7 A PR + 0 . 1 8 6 6N D V I十 0 .
9 8 1 7R V I ) + 0
.
1 3 8 2 G
:
(0
.
OZO 3t + 0
.
OO9 5 SW + 0
.
1 5 7 4 S T 一 0 . 7 8 5 7 A T + 0 . O2 7 OPR + 0 .
OO1 5AP R + 0
.
2 4 6 5N D V I一 0 . 2 3 OIR V I) , 式 中 G l 、 G : 的相对权 重值分别为 1 . 0 0 0 0 和 0 .
1 36 7
, 对回归模型的贡献率为 1 . 0 1 0 7 和 0 . 1 3 8 2 。 用上述模型对实测数据进行回归及予留检
脸 所灌种期加卿 山界产可周 甲邹}酬俏蓦本惊实缈卿卿今 唯脾忠妙草夯带
!
r
L
r
we
JŽlI}
第 1 期 李建龙 :利用投影寻踪 回归技术进行草地产量预报的研究
由计算机 回归报告可看出 , 影响产量预报的 8 个因子中 , 具有不同的权重值 :
权 序 1 2 3 4 5 6 7 8
自变量 A T ST R V I A PR t PR SW N D V I
相对权重值 1 . 0 0 0 0 0 . 9 0 5 3 0 . 8 9 1 2 0 . 2 6 5 9 0 . 1 8 7 7 0 . 0 7 6 1 0 . 0 4 4 4 0 . 0 3 8 1
由以上结果综合评价 , 该模型产量预报精度达 8 3 . 5 %以上 (表 1 ) , 其中气温 、地温和 比
值绿度值对产量预报精度和产量形成影响较大 , 而土壤含水量和归一化差绿度值影响较小 。
3
.
2
.
4 温性山地草甸草原类 该类型草地的 PPR 优化预报产量模型为 : FY 一 0 . 9 6 5 2G I
(一 0 . 0 0 1 6t 一 0 . O0 5 3 SW + 0 . O 1 9 5 ST 一 0 . 0 4 llA T 一 0 . 0 0 0 1 PR 一 0 . 0 0 0 2A PR + 0 . 4 4 2 9 N D V I
+ 0
.
8 9 5 4 R V I) + 0
.
0 9 3 3 G
:
(0
.
O0 2 5 t十 0 . 0 1 6 7SW + 0 . 1 1 8 6 S T 一 0 . O 3 8 6 A T + 0 . 0 0 0 4 P R 十 0 .
o o 3 5A PR 一 0 . 3 5 9 2 N D V I一 0 . 9 2 4 7R V I) , 式中 G , 、 G : 的相对权重值分别为 1 . 0 0 0 0 和 0 .
0 9 6 7
, 对回归产量预报模型的贡献率为 0 . 9 6 5 2 和 0 . 09 3 。 用上述模型对实测数据进行回归
及予留检验 , 所得效果图如图 5 。 由图 5 可见 , 该模型预报值基本与实测值相吻合 , 表现出牧
草在生长期内产量高峰常出现在 7一 8 月间 , 呈单峰型 。这是因该草地类型地处中山带以上 ,
海拔高 , 地形雨多 , 气候凉爽 , 而使牧草产量在生长期内无明显夏眠低谷规律出现 , 影响产量
形成的主导生态因子为温度 。
由计算机回归报告可看出 , 影响产量预报的 8 个因子中 , 具有不同的权重值 :
权 序 1 2 3 4 5 6 7 8
自变量 R V I S T A T A P R SW N D V I t P R
相对权重值 1 . 0 0 0 0 0 . 8 9 8 3 0 . 4 9 7 5 0 . 2 7 1 8 0 . 1 2 2 3 0 . 1 1 6 9 0 . 1 1 4 3 0 . 0 0 6 9
由以上结果综合评价 , 该模型的产量预报精度达 92 . 3 %以上 (表 1 ) , 其中比值绿度值 、
地温和气温对产量预报精度和产量形成影响较大 , 而时间和降水量则影响较小 ,基本符合草
原学和生态学实际规律 。
4 结论
4
.
1 本文在草地产量预报方法的研究中 , 成功地导入了 PPR 技术 ,较好地解决了统计数据
的非线性 、非正态问题 , 也解决了众多自变量之间的相关问题 , 大大降低了预报过程中的人
为因素的干扰 , 克服了高维统计数据中的维数祸根 , 从而提高了产量预报的精度和效能 。
4
.
2 由于实现了具有宏观效应的遥感信息与具有微观效应的环境资料的有机结合 , 建立的
综合产量预报模型 , 不仅可预报较大范围的草地资源总体状况和产量动态 , 使得小范围内研
究的结果和所获信息得以外延和扩展 , 而且 由于环境因子的匹配 , 方能对其校正和补充 , 从
而能对某些草地资源的生态演替过程 、产量形成的机理作出解释 、分析和表征 。
4
.
3 利用在新疆阜康县不同草地类型不同时段上观测的 8 个预测自变量 因子资料 , 通过运
用 PPR 技术 , 建立了综合产量预报模型 ,并用数值型函数科学地揭示了它们之间的关系 , 进
而使用建立的优化模型对未来产量值进行了定量 、定位 、定时 、定性预报 , 其预报精度达到
83
.
5%以上 , 通过 F 检验 (P < 0 . 05 ) , 其功能和效应明显优于传统的多元线性回归预报方法
等 , 因而基本实现了科学地预报草地产量的目的 。
7 2 草 地 学 报 1 9 9 5 年
表 1 不同草地类型不同时间利用 PPR 技术预报产t 与实测产t 结果比较及检验 (公斤 /亩 )
T a ble 1 T h e r e su lt e o m p a riso n s a n d e he e k s be tw e e n fo r e e a s t in g
y ie ld s a n d o b se r v e d y ie ld s in diffe r e n t g r a ss la n d
%班。UCƒ内h八†山l勺乙月”划1内h座只工几卜nd寸日‹lƒ价
1一b1
.
011⋯‘†幽b月I
类型 T y p e s
温性平原
荒漠类 ( I )
预报时段 (年 · 月 · 日 )
F o r ec a
s tin g tirn e (Y
.
M
.
D )
实测值
Ob s e rv e d d a ta
相对误差
R e la t lv e e r r o
r
19 9 1
.
5
.
1 6
7
.
1 6
8
.
0 1
160018.99.10
l6011 9 9 2
.
5
6
6
.
1 6
预报值
F o r e e a s t in g d a t a
4 8
.
7 7
5 7
.
9 7
9 0
.
5 6
1 0 3
.
6 0
8 2
.
0 1
1 0 8
.
6 6
1 2 7
.
0 6
1 0 8
.
0 1
1 3 0
.
3 7
1 5 7 2 5
4 9
.
7 4
5 2
.
5 0
2 1
.
9 4
3 2
.
1 6
2 6
.
9 7
2 4
.
9 5
1 2 3
.
3 0
9 4
.
6 7
9 0
.
8 7
9 8
.
64
绝对误差
A bs o lu t e e
r r o r
1
.
7 7 2 4
1
.
5 6 9 6
一 2 . 4 4 4 8
0 9 0 0 0
一 3 . 4 9 0 0
一 1 . 3 4 2 3
一 3 1 38 1
6
.
0 0 6 9
2
.
6 65 8
0 9 5 19
1
.
2 4 4 4
1 7 0 4 3
1 7 4 2 6
4
.
9 63 9
一 2 . 4 30 3
一 4 . 5 53 0
一 6 . 3 0 0 3
0
.
0 6 68
0
.
6 7 1 6
一 0 . 5 62 3
2
.
一 2 .
O
.
一 4.
一 1 ,
一 2 .
匀,
2
.
O
,
2
.
3
.
8
.
1 8
.
一 8 .
一 1 5
一 4 .
O
.
O
.
一 。.
016
8
.
0 1
4 7
.
0 0
5 6
.
4 0
9 3
.
0 0
1 0 2
.
7 0
8 5
.
5 0
1 1 0
.
00
1 3 0 20
1 0 2 00
1 2 7
.
70
1 5 6
.
30
48
.
5 0
50
.
8 0
2 0
.
2 0
2 7 2 0
2 9
.
4 0
2 9
.
5 0
12 9
.
6 0
9 4
.
6 0
9 0
.
2 0
9 0
.
2 0
%环%‘†1今J八ajo,土-匕门”‘了月寸朽。OJ住i
低平地盐
化草甸类 ( I )
8
.
1 6
9
.
0 1
9
.
1 6
10
.
0 1
统计检验
1 9 9 1
.
5
.
1 6
.
6
.
0 1
6
.
1 6
7
.
0 1
7 1 6
8
.
0 1
8
.
1 6
9
.
0 1
9
.
1 6
1 0
.
0 1
1 9 9 2
.
5
.
1 6
6
.
0 1
6
.
1 6
7
.
0 1
7
.
1 6
8
.
0 1
8
.
1 6
9
.
0 1
9
.
1 6
1 0
.
0 1
统计检验
8 1
.
3 0
1 7 7
.
3 0
3 3 0
.
0 0
1 8 6 0 0
8 0
.
7 0
6 0 0 0
1 1 8
.
0 0
1 7 2
.
0 0
1 1 0
.
0 0
1 2 3
.
2 0
1 1 2
.
2 0
3 3 7
.
8 0
34 4
.
2 0
3 6 5
.
1 0
4 1 8
.
2 0
1 1 8
.
4 0
9 7
.
50
9 3
.
40
9 0
.
00
7 6
.
50
合格预报时段 . 20 . 合格率 1 0 %
9 0
.
5 6 9
.
2 5 6 9
1 7 8
.
1 4 0
.
8 3 9 7
3 3 3
.
5 6 3
.
5 6 2 7
1 8 4
.
7 1 一 1 . 2 9 1 6
7 4
.
0 2 一 6 . 6 8 2 1
6 3
.
7 6 3
.
7 6 0 8
1 1 6
.
6 2 一 1 . 3 7 8 6
1 6 3
.
1 5 一 8 . 8 5 2 2
1 1 3
.
2 2 3 2 2 2 2
1 2 5
.
0 6 1
.
8 6 3 1
1 14
.
6 7 2
.
4 6 8 0
3 2 7
.
1 8 一 1 0 . 6 2 4 7
3 38
.
5 1 一 5 . 6 9 2 4
3 7 3
.
8 4 8
.
7 4 3 5
4 2 0
.
5 5 2
.
3 4 6 7
1 0 6
.
8 2 一 1 1 . 5 8 1 9
1 0 0
.
7 7 3
.
2 7 2 3
9 2
.
8 5
· 一 0 . 5 5 19
9 7
.
7 8 7
.
7 78 7
7 6
.
0 4 一 0 . 4 5 9 1
合格预报时段 . 20 . 合格率 1 0 %
11
. 斗%
O
,
1
.
O
.
一 8 .
6
.
一 1 .
一 5 .
2
.
1
.
2
.
一 3.
一 1 .
2
.
O
.
一 9.
3
.
一 0 . 6 %
8
.
6%
一 0 . 6%
第 1 期 李建龙 :利 用投影 寻踪回归技术进行草地产量预报的研究 7 3
续表 1
类型 T ype s
温性荒漠
草原类 ( l )
预报时段 (年 · 月 · 日 ) 实测值
F o r e e a
s t in g t im e s (Y
.
M
.
D ) O b s e r v e d d a t a
预报值
F o re e a
s tin g d a t a
绝对误差
A bso lu t e e r r o
r
%环J任O门Q”公†八曰qn口内卜JC/J乃Ž
1 9 9 1
.
5
.
1 6
.
6
,
0 1
.
6
.
1 6
.
7
.
0 1
.
7
.
1 6
.
8
.
0 1
.
8
.
1 6
.
9
.
0 1
.
9
.
1 6
.
10
.
0 1
1 9 9 2
.
5
.
1 6
.
6 0 1
6 1 6
8
.
0 1
.
8
.
1 6
.
9
.
0 1
.
9
.
1 6
.
1 0
.
0 1
统计检验
1 9 9 1
.
5
.
1 6
.
6
.
0 1
.
6
.
1 6
8 1 7 0
6 1
.
7 0
3 8
.
4 0
2 8
.
3 0
2 9
.
3 0
2 9
.
3 0
5 3
.
3 0
9 1
.
7 0
4 6
.
0 0
4 2
.
7 0
1 3 6
.
1 0
1 0 2
.
8 0
9 6
.
1 0
1 0 9 2 0
1 1 1
.
5 0
9 6
.
1 0
7 7
.
8 0
7 6
.
0 0
6 9
.
0 0
6 2
.
1 0
7 9
.
3 8
6 2 7 1
4 0
.
2 4
2 3
.
6 3
3 0 5 8
3 2
.
4 7
5 0
.
6 8
9 0
.
5 7
4 9
.
5 7
4 3
.
1 4
1 3 4
.
7 3
1 0 3
.
0 8
9 7 3 0
1 0 9
.
8 2
1 1 2
.
5 2
9 4
.
9 2
7 7
.
5 4
7 5
.
0 6
7 1
.
0 7
6 0
.
0 8
一 2 . 3 1 6 1
1
.
0 10 8
1 8 3 9 1
一 4 . 6 70 找
1 2 7 5 9
3 1 72 8
一 2 . 6 2 2 6
一 1 . 1 2 5 8
3
.
5 6 7 2
0
.
4 4 2 0
一 1 . 3 6 7 2
0
.
2 7 8 7
1 2 0 3 7
0
.
6 2 3 1
1
.
0 2 1 9
一 1 . 1 7 6 3
一 0 . 2 63 3
一 0 . 94 3 7
2
.
0 7 0 1
一 2 . 0 2 0 0
相对误差
R e la t iv e e
r ro r
一 2 . 8 %
1
.
6 %
4
.
8 %
一 1 6 . 5 %
4
.
1 O
一 4 .
一 1 .
7
.
l
一 1
O
1
.
O
.
O
.
一 1 .
一 0.
一 1 .
3
.
016
一 3 . 3 %
合格预报时段 . 20 . 合格率 1 0 %
温性山地草甸
草原类 ( IV )
一 0 . 1 %
0
.
9 %
一 0 . 7 %
%
OJ冉卜n乙J任乃j,I门了7 . 0 1
一
:
.
1600
瓜
:8
1 O
19 9 2
.
5
.
6
1 2 2
.
7 0
1 5 7 3 0
2 0 7 3 0
2 2 9
.
3 0
2 3 8
.
9 0
2 4 8
.
0 0
2 7 2
.
00
1 7 3
.
30
1 4 1 30
5 9 30
1 4 1
.
40
1 6 7
.
30
3 6 1
.
30
6 90
.
20
7 2 8
.
4 0
7 62
.
10
2 8 7
.
5 0
2 9 5
.
4 0
2 4 7
.
10
1 9 7
.
7 0
1 2 2 5 3
1 5 8
.
6 8
2 0 5
.
7 6
2 3 6
.
0 1
2 2 7
.
8 8
2 4 8
.
5 1
2 7 2
.
9 9
1 8 2
.
4 3
1 3 0
.
4 9
6 1
.
9 3
1 4 3
.
8 0
1 6 7
.
0 4
3 5 9
.
9 7
6 8 8
.
8 2
7 2 6
.
5 3
7 6 5
.
5 4
2 8 7
.
6 6
2 9 2
.
2 6
2 4 7
.
8 1
2 0 1
.
1 6
一 0 1 6 5 4
1 3 7 9 3
一 1 . 5 4 0 7
6
.
7 1 2 5
一 1 1 . 0 2 2 6
0
.
5 1 4 6
0
.
9 9 0 3
9
.
1 3 1 9
一 1 0 . 8 1 5 0
2
.
6 3 6 6
2
.
3 9 8 0
一 0 . 2 5 8 8
一 1 . 3 2 5 1
一 1 . 38 14
一 1 . 8 7 1 7
3
.
4 3 6 0
0
.
1 64 1
一 3 . 1 37 4
0
.
70 8 2
3
.
4 56 6
5
.
一 7 .
4
1
.
一 0 . 2%
一 0 . 4 %
一 0 . 2 %
一 0 . 3 %
0
.
5 %
0
.
5 %
一 1 . 1 %
0
.
3 % %
1
.
7 %
617.0l
.
7
.
1 6
,
8
.
0 1
.
8
.
1 6
.
9
.
0 1
.
9
.
16
.
10 0 1
统计检验 合格预报时段 . 20 . 合格率 10 。肠
草 地 学 报 1 9 9 5 年74
Y 牧草产t
13 6
.
1 0
Y 牧草产t产6 2 .l d
、!!1weJ剑
时T
2 8
。
30
2 0 . 1 0 0 % T 时段 5 9
·
3 0片 二2 0 一 10 0 % 2 0
图 4 在草地类型 H l 中 P PR 技术回归
预报效果检验图
F ig
.
4 T h e r e g r e s sio n fo r e e a s tin g e ffee t e h e e k
m a p o f th e PP R
t e e hn o lo g y in th e g r a s sla n d ty p e 3
图 5 在草地类型 Iv 中 PPR 技术回归
预报效果检验图
F ig
.
5 T h e r e g r es sio n fo r e e a s t ln g e ffe e t e he e k
m a P o f th e P PR
tee h n o lo g y in th e g r a s sla n d typ e 4
参 考 文 献
1
2
3
4
成平 , 李国英 , 1 986 , 投影寻踪回归—一类新兴的统计方法 , 应用概率统计 , 第 3 期邓传玲 , 1 9 88 , SM A R T 多重平滑回归技术的原理及计算软件 , 八一农学院学报 , 第 5 期
吕玉华 , 张传道 , 樊锦召 , 1 9 9 0 , 气象卫星监测牧草产量和预报产量趋势的初步研究 , 干旱 区资源与环
境 , 第 3 期
F rie dm a n
,
J
.
H
.
a n d W
.
S t u e t z le
,
1 9 8 1
,
Pr o j
e e tio n p u r su it r e g r e s sio n
.
J
.
A m e r
.
S t a tis t
.
A s s o r
.
7 6
:
8 1 7 一 8 2 3
A S tu d y o n th e G r a ss la n d F o r a g e Y ie ld F o r ec a stin g U sin g
Pr o je ctio n P u r s u it R e g r e ss io n (PP R ) T e c h n o lo g y
L i Jia n lo n g
(De p
ar tm e n t o f G r a s la n d Sc i
e n e e , A u g u st F ir s t A g r ie u ltu r a l C o lle g e
,
U r u m e hi
,
X in zia n g
,
8 3 0 0 5 2 )
A bs tr a e t
:
T he p rin e ip le s a n d m et hod
s o f fo r ee a s tin g g r a ss la n d fo r a g e yield s w e r e d ise u s s e d a n d th e e o m
-
p r e h en siv e m od
e ls o f fo r e ea s tin g fo r a g e y ie ld s w e r e e st a blish e d b y th e PP R te e h n o lo g y u s in g th e a e t u al fo r a g e
y ie ld s
, e n v ir o n m e n t a n d s a te llite r e m o te s en s in g d a t a o bs er v e d in 1 9 9 1 一 1 9 9 2 in d iffe r e n t g r a s s la n d typ e s in
F u ka n g eo u n ty
,
X in ii
a n g
.
T h e fo r ee a s t in g fo r a g e yie ld a e eu r a e y w a s 8 3
.
5写 . T he s h o r ta g e s o f th e r o u tin e
fo r e ea s tin g fo r ag e yield m e th闭 5 w e r e o v er eo m e a n d th e eo r r ela tio n be tw e e n fo r a g e yie ld s a n d in d iee s w e r e r e -
v e a led
.
Fu r th e r
, th e fa e to r s o f e ffee tin g o n fo r ee a s tin g fo r a g e y ie ld ae e r u a e y a n d fo r m a tio n w e r e an a lys e d a n d
e h ee k e d b y the ex p er im e n t
.
T h e o b j
e e tiv es o f s eie n tifie fo r e e a s tin g fo r a g e y ie ld s in d iffe r e n t g r as sla n d typ e s
w e r e re a liz e d by th e PP R te e hn o lo g y
.
K e y w o r d s
:
G r a s la n d ; PPR te e h n o lo g y ; Y ie ld fo r e e a s t ; E n v ir o n m e n t fa e t o r s ; S a te llit e r e m o t e se n sin g
in fo r m a tio n s