發布時間：所屬分類：農業論文瀏覽：1次
摘 要： 摘要:氣象大數據建設是氣象信息化和氣象現代化的重要內容之一，氣象數據有著大數據明顯的四個特征，蘊含著豐富的應用和研究價值。通過大數據的分析方法，研究氣象要素和農產品價格數據之間的相關性，通過非氣象類的大數據和氣象數據的碰撞，在充分發掘氣象數
摘要:氣象大數據建設是氣象信息化和氣象現代化的重要內容之一，氣象數據有著大數據明顯的四個特征，蘊含著豐富的應用和研究價值。通過大數據的分析方法，研究氣象要素和農產品價格數據之間的相關性，通過非氣象類的大數據和氣象數據的碰撞，在充分發掘氣象數據的巨大價值方面做出有益的嘗試。
關鍵詞:氣象大數據,農產品,相關性
現今氣象數據多被應用于氣象預報等領域，為人們的出行生活、生產帶來了極大的便利。氣象數據有著大數據明顯的四個特征:數據量巨大、數據類型繁多、速度快時效高、價值密度低。隨著氣象綜合觀測系統的飛速發展，類型眾多、分布廣泛的氣象站網的數據收集密度已達到分鐘級，大量氣象數據的積累除了應用在氣象預報、預測領域外，氣象數據本身的價值還在于和非氣象數據的碰撞，從而充分挖掘氣象數據這座數據大寶庫的價值。
氣象條件對農產品的產量一直有著直接的影響，而產量的變化會影響供求關系進而影響農產品價格，通過對農產品價格數據和氣象數據的初步研究，分析氣象變化對農產品價格的影響程度和相關性，進而分析出氣象對農產品價格的影響情況，希望能在獲得天氣氣象數據的情況下可以預測分析一定時間段內的農產品價格的變化趨勢情況。
1數據情況
貴州省建設的貴州農經網從2010年起就開始收集積累各地農業市場上的農產品價格，通過數據的整理分析，此次主要從數據體量最大的白菜價格入手，嘗試結合氣象數據分析相關性。氣象數據從CIMISS數據庫獲取，編寫程序提取對應區縣的氣象數據(溫度、降水、光照時長、地面溫度等)，以日期形式提取每日的氣象數據(每日平均溫度、每日降水、光照時長、地面溫度)。分析采用的數據量是:農產品價格數據量為10萬余條、氣象數據量為40萬條。
農產品數據內容是:農產品數據(地市區縣名稱、日期、價格、單位、農產品名稱)、氣象數據(地市區縣名稱、日期、每日平均溫度、每日降水、光照時長、地面溫度)。數據的時間跨度是:農產品數據(2010年6月至2017年2月)、氣象數據(2010年6月至2017年2月)。
2數據處理中的干擾
在分析價格變化與氣象現象數據的關聯性中，對比各個分析情況下的相關系數大小，研究分析氣象對農產品價格的影響情況會有許多的不利的影響因素，并且在分析過程中需要考慮其影響，尤其是氣象對農產品的產量影響進而影響價格情況要怎么確定和明確，農產品價格數據是否符合市場規律，有多少因素會形成干擾，是本次數據分析的難點。
貴州農產品生產具有生產規模小，生產有季節性、區域性、分散性等特點。傳統的農產品流通領域存在中介環節多、信息不對稱、交易成本高、流通效率低等一系列問題，農產品的價格影響因素變多，產量的變化因素對供求關系的影響相對削弱。在分析價格變化與氣象現象數據的關聯性中，需要考慮或排除這些因素。
3貴州氣象數據與白菜價格線性相關性分析
此相關性分析中將農產品的白菜價格數據和氣象數據進行關聯，通過相同地點(氣象記錄地點和菜市場轉換的地區地點相同)，在不同時間維度情況下分析氣象數據(溫度、降水、光照時長、地面溫度等)與價格的相關性，在每一類數據時間維度的基礎上進行幾次地域上的劃分處理，分為全貴州、各個市州單獨處理、按不同地理區域進行處理的相關性分析，通過SPSS獲取數據之間的相關系數，從而判斷兩者的相關性大小。
氣象數據和農產品價格數據的時間維度不相同，所以有以下幾種不同時間維度情況的相關性分析情況及結論，幾種情況會有不同的數據分析過程，每一類情況都進行了多次的分析，并且會在每一類數據時間維度基礎上，進行幾次地域上的劃分處理，分為全貴州、各個省市單獨進行處理、劃分地理區域進行處理的幾次相關性分析處理。所有的相關性分析都是通過導入SPSS軟件，通過軟件得出所需數據之間的相關系數，判斷兩者的相關性大小。
3.1氣象數據與白菜價格線性相關分析
在實際分析過程中發現，地表溫度、光照強度、氣溫的氣象數據對于當天的農產品價格不會有反饋，相關系數低于0.2，所以排除了這幾個氣象條件的相關性。降水和農產品白菜價格數據之間相關系數絕對值的平均值為0.58，為中度相關關系;在降水的相關性分析的過程中，發現降水和白菜價格的相關系數呈現地域性特點。
如果分類每個地市進行氣象數據和農產品價格數據的時間維度是不相同，也就是說當前農產品價格數據與前幾日(1至5天)的氣象數據，相同地點(氣象記錄地點和菜市場轉換的地區地點相同)氣象數據與價格的相關性分析，不同地市的結果會有不同的系數大小，部分的地市降水數據與農產品價格有較強相關性，部分相關系數達到0.6，表明這些地市出現了降雨對于農產品價格上升的影響較強，并且1至2天的數據比其他時間的相關性更強，時間越近降水對于農產品價格影響越大。將貴州所有地區的氣象數據月均變化值和貴州省各個地區的白菜價格均值，從2010年6月到2017年2月的數值變化情況轉化為折線圖如下。
3.2結果分析
每年的白菜價格在6至8月價格達到一年的峰值，根據貴州白菜種植的實際情況，貴州8月左右是白菜種植生長期，所以這個時候白菜少，價格高。貴州月均降水量與白菜價格變化沒有呈現相同的變化趨勢，也進一步直觀地證明，白菜價格與相應的氣象條件(降水)沒有呈現線性相關的關系，沒有體現白菜價格隨著降雨量的變化而產生相應變化的趨勢。
受雨量影響，2012年和2013年雨量波動比較小，價格變化也不大;2016年和2012年2013年雨量相似，沒有出現太大的價格波動。白菜價格除了比較正常的季節性波動以外，在2014年8月和2016年2月，出現比較異常的價格上漲波動，如果其他條件沒有較大變化影響的情況下，分析可能原因是由于2014年降雨量小，造成價格在8月份猛增;2015年降雨量偏大，可能造成白菜減產，以至于2015年底和2016年初白菜供給不足，2016年2月菜價猛增。由此可以看出降水的過多或過少都能直接對白菜價格造成影響。
3.3短期降水變化與人們心理預期的價格變化分析
對于短期氣象變化與人們心理預期的價格變化分析，短期內出現持續降水波動的四個區間中，都基本出現價格上漲情況，當持續降水幾日情況出現時，當地白菜價格也會相應上漲，上漲價格的波動與降水量的多少沒有線性關系，可以認為當出現持續降水時，短期內價格會出現相應的上漲波動，但是波動的幅度和范圍是沒有特定的規律。
次數和出現概率在每個地市都會有不同的情況，結合貴州各個地市的經濟發展情況不同，整體上來說，發現每個市的城區比該市管轄下的區縣出現這一情況的概率和次數較低，該市發展較好的縣市比該市貧困縣出現的概率和次數也較低。比如遵義市的匯川區和紅花崗區出現該情況次數和概率較低，平均全年低于5次，相對出現概率也都低于30%，但是遵義管轄縣市道真、余慶出現該情況次數和概率平均全年達到15次左右，相對出現概率也都達到70%。習水和仁懷經濟發展較好的縣市出現該情況高于城區但是低于發展相對較差的道真、余慶等。
4結論分析
通過對比研究發現，相關系數絕對值的大小和各類地市發達程度有關聯。地市區域越發達，降水和白菜價格的相關系數越低;經濟越不發達地區呈現降水越多，白菜價格越高的趨勢，各市區的相關系數絕對值比鄉縣地區低，各市區白菜價格對于降水多少不敏感。鄉鎮的白菜價格對于降水的反映較明顯，降水達到一定程度之后，降水越多白菜價格越高。推斷出現這一情況是因為鄉鎮的交通運輸情況不如市區發達，比較容易受降水影響，造成白菜價格上漲。
關于降水與農產品價格變化研究發現，降水變化整體上與農產品價格變化沒有線性相關關系，但是從折線圖的趨勢觀察分析得出，在月均降水量高于一定的降水量或低于某降水量的情況下可能出現白菜價格的上漲。由于本次研究的數據維度有限，只能猜測在高于或低于某數值時，會造成白菜價格的上漲波動，但這一猜測需要數據的進一步積累加以驗證。
參考文獻:
[1]TangYanjing，PengFang，LuoXiping，etal.ApplicationandProspectsofBigDatainGuizhou'sProfessionalMeteorologicalService[J].AdvancesinMeteorologicalScienceandTechnology，2017，7(02):54-59.
[2]唐延婧，彭芳，羅喜平，等.大數據在貴州專業氣象服務的應用及展望[J].氣象科技進展，2017，7(02):54-59.
[3]王建民.領域大數據應用開發與運行平臺技術研究[J].軟件學報，2017(6):1516-1528.
[4]聶峰英.氣象大數據服務協同模式研究[J].中國科技資源導刊，2015(5):56-62.
[5]鄔賀銓.大數據思維[J].科學與社會，2014(1):1-13.
[6]華麗，陳澄.云計算環境下氣象大數據服務應用[J].農業與技術，2017(20):231-231.
[7]鄧賢峰，桑菁華.基于大數據的智慧城市環境氣候圖[J].上海城市管理，2014(04):33-36.
[8]李永生，劉修偉，楊玉紅.氣象大數據跨平臺分析與應用技術研究[J].電腦知識與技術，2013，9(31):6943-6947.
相關期刊推薦：《軟件學報》創刊于1990年，由中國科學院軟件研究所和中國計算機學會聯合主辦。是一本刊登計算機軟件各領域原創性研究成果的期刊，所刊登的論文均經過嚴格的同行專家評議。軟件學報雜志主要面向全球華人計算機軟件學者，致力于創辦與世界計算機科學和軟件技術發展同步的以中文為主的"中文國際軟件學術期刊"，為全球華人同行提供學術交流平臺。
