我国是世界拥有13多亿人口的大国，耕地面积减少，水资源短缺、气候变化对粮食生产的制约日益增长，而随着城镇化、工业化的发展及人口增长和人民生活改善，粮食需求呈刚性增长。我国也渐渐意识到粮食对国家的重要性，70年代末期国务院有关部门委托中国科学院对每年度的全国粮食产量进行预测，陈锡康在这一领域做出了杰出贡献。粮食安全是全球各国关注的重要问题，国内外众多专家学者也做出了各种研究。
- 国外研究现状
截至目前，国外学者用来预测粮食产量的模型有：气象预测产量模型、遥感技术预测模型、统计动力学模拟生长模型。粮产量预测的误差通常在5%和10%之内。
气象预测产量模型。该方法是在统计的预报基础上增加了气候因子和气象，原理是将粮食产量数据分离成趋势产量和气象产量。气象产量预测模型需要大量的气候和气象的样本数据，且该模型预测一般会在农作物收获前的 1~2 个月进行，由于世界气象科学难以对一个月以上的天气情况做出准准预测，所以该模型预测精度不高。JIN Zhi-Qingh 和 ZHU Da-Wei[1]通过建立气象产量模型，对我国北方地区1961-2000的每天气候数据进行综合研究，预测了北方小麦、玉米等农作物的产量，得出气温的升高会对春小麦和玉米产生不利的影响。
遥感技术预测模型是根据卫星从不同方位接收的来自不同传播途径的电磁波的辐射和反射特性来预测产量的模型。不同作物的反射率和辐射率会根据不同波长的电磁波作用而变化，通过收集这些作物的光谱处理、分析、最后成像，从而对地面作物进行探测，实现对粮食产量的宏观预测。由于其覆盖面广，所以在设备和技术方面的投资较大，预测精度不高。A. J. W. de Wit 和 C. A. van Diepen[2]通过运用遥感技术对1992-2000 年间西法意徳四个国家的土壤湿度进行研究，研究证明了遥感技术预测精度不高。
统计动力学生长模拟预测是通过研究植物本身的特点，寻找其生长的规律，并利用多种方法研究温度、光照、二氧化碳等对作物光合作用、呼吸、籽粒发育过程的影响。但由于现代技术很难准确获得大面积数据，所以其适应范围较小。Kowalik et.al（2014）通过使用 1999-2009 年间标准站点不同植被的标准化指数统计数据预测了欧洲国家小麦的产量。
2、国内研究现状
新中国成立之后，中国在粮食生产中迈出了关键的一步，同时随着科技的快速发展，粮食产量预测技术得到了较快的发展，国内学者对于预测我国粮食产量预测方法众多，主要包括多元线性回归法、指数平滑模型、灰色系统理论、神经网络模型、粗糙集理论、组合预测法等。在我国连续二十多年的粮食产量预测中，粮食产量模型误差较小，通常在1%左右。
多元线性（非线性）回归法是通过建立粮食产量模型，进行不同变量间的因果分析，通过研究它们间的内在联系，寻找出影响粮食产量的主要因素。陆玉玲[3]等（2017）通过建立粮食产量和化肥和农药使用量的回归模型，利用时间序列分析预测得到2015 -2020年粮食产量、农药和化肥使用量。多元线性回归法有较好的拟合效果，但同时解释变量可能会对回归方法有所约束。
指数平滑模型的原理和计算较其他比较简单，对数量没有严格要求。傅洪亮[4]等（2018）在研究灰色理论及多元回归的基础上，提出了一种基于指数平滑及差分处理的粮食产量预测方法。对影响粮食产量的因子进行研究，并对以往影响因子数据进行指数平滑处理，通过迭代预测影响因子的新数据。但由于模型本身在计算方法上受到其他因素限制，所以这种方法较适用于短期预测。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
