气候环境变化对冬虫夏草产量的影响与虫草产量预测模型研究(4)
3.2 2015年虫草产量预测
在2015年6月上旬，根据生态因子的构建方法，得到X1雪线高程是4 574 m，X2 4月和5月降水量之和是80.72 mm，X3 5月平均气温是5.08 ℃，X4 4月和5月日照时长之和由于数据暂缺无法获取，所以去掉f4，只利用前3个因子进行预测，得到2015年那曲地区的虫草产量是46.42 t，比去年增产约60%，是2013年产量的85%左右。综合分析来看，今年高产与今年虫草生长季降雨量丰沛有较大关系。
4 讨论
本文通过RS/GIS技术来构建气候环境因子，把气候环境因子与虫草产量进行线性拟合，配合几何加权平均模型，得到了虫草产量的预测模型。经过检验，发现模型预测偏差较小。而且，如果有非重要的生态因子因为实际情况(天气或者时间关系)暂缺时 ......
您现在查看是摘要页，全文长 2980 字符。
在2015年6月上旬，根据生态因子的构建方法，得到X1雪线高程是4 574 m，X2 4月和5月降水量之和是80.72 mm，X3 5月平均气温是5.08 ℃，X4 4月和5月日照时长之和由于数据暂缺无法获取，所以去掉f4，只利用前3个因子进行预测，得到2015年那曲地区的虫草产量是46.42 t，比去年增产约60%，是2013年产量的85%左右。综合分析来看，今年高产与今年虫草生长季降雨量丰沛有较大关系。
4 讨论
本文通过RS/GIS技术来构建气候环境因子，把气候环境因子与虫草产量进行线性拟合，配合几何加权平均模型，得到了虫草产量的预测模型。经过检验，发现模型预测偏差较小。而且，如果有非重要的生态因子因为实际情况(天气或者时间关系)暂缺时 ......
您现在查看是摘要页，全文长 2980 字符。