王雨晨

[摘要]水稻作為糧食農(nóng)作物最基本的代表，預(yù)測其未來的波動對農(nóng)業(yè)發(fā)展與建設(shè)尤為重要。因此本文選取了2000—2018年江西省水稻產(chǎn)量數(shù)據(jù)，通過構(gòu)建灰色預(yù)測模型GM（1，1），來分析當(dāng)前江西省水稻產(chǎn)量的現(xiàn)狀并預(yù)測其未來發(fā)展趨勢。結(jié)果表明，水稻產(chǎn)量走勢向好且在未來6年里會持續(xù)增長。

[關(guān)鍵詞]水稻產(chǎn)量;灰色預(yù)測模型;GM（1，1）;農(nóng)業(yè)

中圖分類號：F224文獻(xiàn)標(biāo)識碼：A DOI：10.16465/j.gste.cn431252ts.202004

農(nóng)業(yè)是人類衣食之源，生存之本，是一切生產(chǎn)的首要條件[1]。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展作為第一產(chǎn)業(yè)增加值的重要體現(xiàn)，是全國人民關(guān)注的問題。然而糧食作為人們賴以生存的支柱，是人們生產(chǎn)活動的重要保障?；ヂ?lián)網(wǎng)時代下，農(nóng)業(yè)與物聯(lián)網(wǎng)技術(shù)相結(jié)合，提高農(nóng)產(chǎn)品從生產(chǎn)到銷售的效率，減少損耗，保證食品安全是社會的需要。因此，農(nóng)業(yè)的發(fā)展必須結(jié)合飛速發(fā)展的現(xiàn)代信息科技，講究智慧農(nóng)業(yè)，增加農(nóng)作物年產(chǎn)量才是重中之重。

1 糧食產(chǎn)量現(xiàn)狀分析

中國農(nóng)耕歷史悠久，然而在農(nóng)業(yè)現(xiàn)代化發(fā)展中仍存在以下問題。第一，農(nóng)村人口過多。若農(nóng)村人口過快增長，會導(dǎo)致糧食供求一直處于緊張狀態(tài)，并會引起部分農(nóng)副產(chǎn)品價格上升。第二，土地閑置過多。許多老百姓舍不得出讓土地，但如果把進(jìn)城務(wù)工農(nóng)民的土地出讓給有農(nóng)業(yè)生產(chǎn)規(guī)模的企業(yè)或是其他集體來進(jìn)行規(guī)?；a(chǎn)，這樣便可以減少糧食生產(chǎn)成本，增加收益。第三，自然災(zāi)害預(yù)防不科學(xué)。農(nóng)作物極易受氣候和自然災(zāi)害的影響，如果沒有科學(xué)的預(yù)防災(zāi)害的辦法，會嚴(yán)重?fù)p害農(nóng)民的糧食收成[2]。歸根結(jié)底，農(nóng)村農(nóng)業(yè)發(fā)展需要大量的資金與人才，需要政府大力扶持。

江西省是中國江南以水稻為主的重要糧食產(chǎn)區(qū)之一，2014年江西省水稻的播種面積位居全國第2位，糧食作物播種面積占作物總播種面積的60%～70%，其中水稻常年播種面積約占糧食作物播種面積的85%～90%，因此農(nóng)業(yè)經(jīng)濟(jì)發(fā)展主要以水稻產(chǎn)量為主[3]。然而每年的水稻產(chǎn)量都是一個不定數(shù)，受很多因素的影響，其中包括氣候、人為、社會因素等。如果雨水泛濫或較少，便會對水稻造成損害，另外還有蝗蟲等其他病害也會對莊稼造成危害。2020年的相關(guān)數(shù)據(jù)顯示，有4 000億只蝗蟲侵入印度和巴基斯坦，盡管采取了一系列措施防止蝗蟲入侵，但依舊存在糧食危機[4]，不僅可能影響經(jīng)濟(jì)發(fā)展，還會引發(fā)饑荒等災(zāi)害，造成的損失將是巨大的，所以必須對每年的糧食產(chǎn)量進(jìn)行研究與預(yù)測，提前做好政策建議與措施來防止糧食產(chǎn)量受到危害。本文將對歷史水稻產(chǎn)量數(shù)據(jù)進(jìn)行研究，以此預(yù)測未來江西省糧食產(chǎn)量的走勢。

2 灰色模型在水稻產(chǎn)量預(yù)測中的應(yīng)用

本文選取了2000—2018年江西省水稻產(chǎn)量的時間序列數(shù)據(jù)（數(shù)據(jù)來源于《國家統(tǒng)計年鑒》）。數(shù)據(jù)顯示，2000—2010年，每年的水稻產(chǎn)量都在2 000萬t內(nèi)穩(wěn)步上升，到2011年突破2 000萬t。2016年和2017年水稻產(chǎn)量有所下降，原因可能是部分地區(qū)遭遇高溫、干旱。

2.1 模型介紹

灰色預(yù)測模型只有少量的信息但可以預(yù)測出該序列未來的趨勢，并且提供一個預(yù)測精準(zhǔn)度[5]。之所以稱為灰色預(yù)測，是因為黑色為無信息，白色是擁有全部信息，而擁有部分但不完全的信息進(jìn)行預(yù)測便是灰色預(yù)測。模型常見的表達(dá)式是GM（n，x），其實用n階微分方程對x個變量建立模型，GM（1，1）是一階微分方程模型。

2.2 GM（1，1）模型應(yīng)用

本文通過編寫R語言代碼實現(xiàn)江西省水稻產(chǎn)量的GM（1，1）模型。

由R軟件結(jié)果看出GM（1，1）參數(shù)估計值中發(fā)展系數(shù)-a=0.023 6，灰色作用量u=1 474.294，殘差平方和為188 987.3，平均相對誤差為4.826%，相對精度為95.174%。后驗差比值檢驗中C值為0.221 4<0.35，看出預(yù)測精度等級為好，由此該模型擬合較好。接下來繪制水稻預(yù)測產(chǎn)量與原始產(chǎn)量走勢比較圖來判斷水稻產(chǎn)量的未來趨勢[7]。

如圖1所示，原始產(chǎn)量和預(yù)測產(chǎn)量都隨時間進(jìn)行了比較，趨勢圖顯示過去19年里水稻產(chǎn)量有很大的變化，但是變化幅度不大，從1 600萬t增長到了2 100萬t。未來幾年里水稻產(chǎn)量應(yīng)該會持續(xù)的增長，呈積極上升的趨勢。

3 結(jié) 論

本文基于2000—2018年江西省水稻時間序列數(shù)據(jù)構(gòu)建灰色預(yù)測模型GM（1，1），由預(yù)測可知水稻產(chǎn)量在未來6年里會緩慢上升，不會有很大的波動。農(nóng)業(yè)是整個社會經(jīng)濟(jì)的基礎(chǔ)，未來江西省農(nóng)業(yè)的發(fā)展需要有改革性的變化，而不是只滿足于眼前農(nóng)業(yè)經(jīng)濟(jì)的緩慢增長。

首先，糧食種植依舊需要科技興農(nóng)政策的扶持，各個省市需要加快農(nóng)業(yè)科技發(fā)展的步伐，引進(jìn)高科技人才研發(fā)先進(jìn)設(shè)備，用于糧食產(chǎn)出與農(nóng)業(yè)耕作。還要鼓勵農(nóng)村科技進(jìn)入農(nóng)作物生產(chǎn)地，從本質(zhì)上擺脫舊傳統(tǒng)糧食耕作方法。各地政府也應(yīng)大力扶持科技興農(nóng)政策，真正做到技術(shù)與農(nóng)業(yè)相結(jié)合，讓國家農(nóng)業(yè)得以發(fā)展。江西省處于中國東南偏中部地區(qū)，地勢較平坦，氣候溫暖，雨量充沛，屬于農(nóng)業(yè)大省，伴隨著農(nóng)業(yè)科技步伐的加快和產(chǎn)業(yè)化經(jīng)營的發(fā)展，傳統(tǒng)農(nóng)業(yè)會飛速向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型。

其次，政府應(yīng)該激勵農(nóng)民多種植，激發(fā)農(nóng)民的積極性，可以通過施行一系列優(yōu)惠政策來使農(nóng)民的收入增加，為農(nóng)民提供多種糧食補貼，如糧食種植大戶補貼、扶貧補貼、農(nóng)民工返鄉(xiāng)創(chuàng)業(yè)補貼等，都可以使農(nóng)民留在農(nóng)地。但是補貼是有要求的，必須種植小麥或是水稻，凡是種植至少1季的糧食作物，而且種植面積不少于50畝，就能領(lǐng)取補貼，這樣農(nóng)民也更愿意多種植糧食作物。

另外，糧食生產(chǎn)也應(yīng)該多元化，生產(chǎn)地要因地制宜地種植農(nóng)作物，不能單一種植作物，可以引進(jìn)高技術(shù)人才團(tuán)隊研發(fā)糧食作物生產(chǎn)方法和銷售渠道，讓老百姓樂于耕作，享于農(nóng)業(yè)。農(nóng)業(yè)生產(chǎn)也需要規(guī)?；?，國家也出臺了一系列土地流轉(zhuǎn)政策，成片的規(guī)?；?jīng)營帶來的經(jīng)濟(jì)效益會比獨家獨戶的更多[8]。鄉(xiāng)政府也可以在各個村設(shè)置種糧工作小組，針對由農(nóng)村土地流轉(zhuǎn)、種糧戶管理、農(nóng)產(chǎn)品流通等引發(fā)的多種問題和矛盾進(jìn)行探討解決。農(nóng)業(yè)生產(chǎn)是各大產(chǎn)業(yè)的基礎(chǔ)，必須高度重視，這樣才能使農(nóng)業(yè)生產(chǎn)快速發(fā)展。

參考文獻(xiàn)

[1] 廖曉蓮，江波，蔡敬文.基于GM（1.1）模型的湖南水稻聯(lián)合收割機發(fā)展預(yù)測與需求分析[J].湖南農(nóng)機，2008（1）：14-15.

[2] 管珊紅，曾小軍，許晶晶，等.江西省水稻產(chǎn)業(yè)發(fā)展現(xiàn)狀與對策[J].南方農(nóng)業(yè)學(xué)報，2017，48（1）：189-196.

[3] 魯珊珊，俞菊生.基于灰色模型GM（1，1）的上海蔬菜產(chǎn)量預(yù)測研究[J].中國農(nóng)學(xué)通報，2014，30（35）：255-260.

[4] 蔡波，胡凱，傅青.氣象災(zāi)害對江西省不同季水稻產(chǎn)量影響的灰色關(guān)聯(lián)分析[J].廣東農(nóng)業(yè)科學(xué)，2017，44（7）：1-7.

[5] 曾志三，顧明.GM（1，1）模型對煙草產(chǎn)量的灰色預(yù)測[J].山地農(nóng)業(yè)生物學(xué)報，2006，25（4）：293-296.

[6] 張健.基于灰色GM（1，1）模型的山東省糧食產(chǎn)量預(yù)測研究[J].山東廣播電視大學(xué)學(xué)報，2016（1）：79-82.

[7] 黃彭，郝妙，杜永華，等.基于GM（1，1）模型的四川糧食產(chǎn)量預(yù)測研究[J].農(nóng)學(xué)學(xué)報，2017，7（10）：96-100.

[8] 張含瑞，劉曉華.改進(jìn)多變量灰色模型在山東省糧食產(chǎn)量預(yù)測中的應(yīng)用[J].魯東大學(xué)學(xué)報（自然科學(xué)版），2018，34（3）： 199-207+244.