小学春季值周总结范文1
[关键词]大连 空气污染物 PM2.5 PM10 周末 节假日
中图分类号：TH54 文献标识码：A 文章编号：1009-914X（2016）30-0124-02
引言：
“周末效应”最初是在研究股票收益率的周内异常波动规律时提出的，并被逐步引用到各类不同的研究领域中，以研究要素在周循环中的变化特征[1]。近年来，随着人们对人类活动和空气污染间的关系研究的日益深入，“周末效应”的概念也因此被引入空气污染领域。人类生活规律可能对城市空气污染排放产生一定影响，在周末和节假日，市民生活规律与平时工作日期间有所不同，从而可能对空气污染物排放的变化特征或者总量造成影响。因此，本文通过2016年大连市的大气日平均资料，对污染物在工作日、周末、节假日的浓度变化特征进行分析，研究人类的生产生活方式及生活规律对污染物浓度和空气质量的影响.
1、研究区介绍
大连市位于辽东半岛最南端，是辽中南和环渤海工业经济地带的核心城市之一。随着城市经济的快速发展和城市规模的不断扩大，其空气污染问题也日益严峻。观测表明，近年来大连市区空气中PM2.5年均值均大于50μg/m3，远超世界卫生组织推荐安全值（10μg/m3），对人体健康可能会造成一定程度的影响。截止2016年10月，大连市机动车保有量已高于150万，年平均增长率超过12%，人类活动对空气污染物的影响日益加强且显著。如何在城市发展中改善大气环境质量，有效防治大气污染并制定优化控制措施是大连市在城市发展中所面临的重要问题。
2、资料和方法
2.1 研究数据来源
本文使用中国空气质量在线监测分析平台公布的历史数据，包括历史天气数据和历史空气质量数据，其中，历史天气数据包括每日最高气温、最低气温、天气和风向风力，历史空气质量数据具体包括日均AQI，PM2.5，PM10，S02，N02，O3，和CO，本文使用其中PM2.5和PM10数据。数据的时间为2016年1月1日-2016年12月31日。
2.2 数据处理方法
考虑到我国春节和“十一”的七天长假，以及元旦、清明、劳动节、端午节、中秋节的三天小长假中存在调休，因此在整体统计时做以下划分：将放假的日期均定义为周日，并将长假前后调整的需要上班的周末定义为周一，以便于统计。经处理，将2月6日（星期六）、2月14日（星期日）、4月2日（星期六）、4月30日（星期六）、6月12日（星期日）、9月18日（星期日）、10月8日（星期六）、10月9日（星期日）定义为周一，1月1日～3日、2月7日～13日、4月3日～5日、5月1日～3日、6月9日～6月11日、9月15日～9月17日、10月1日～10月7日定义为周日。
2.3 研究数据质量控制
本文主要研究对象为由于人类活动而产生的空气污染变化的周末效应，而空气污染变化其本身的变化规律，并受气象条件影响，与气象条件和季节变化有较高的相关性，周末效应仅为在固有规律变化的影响下有一定增加或减弱的作用。例如寒潮会明显使空气污染指数增大，周末效应不能改变这种大趋势，只能让这种增大的趋势能起到减弱或增加的作用。因此为更好反映出空气污染的周末效应，本文剔除掉空气污染指数大于150（中度污染以上）的日期，总计有13组样本，这几组样本全都为11月至4月这些容易出现寒潮以及集中供暖的月份.剔除后数据样本数由原366减少为353个。
2.4 周末效应指数的定义
前人研究中多以某一要素的周末效应指数为该要素周末（周六和周日）的平均值减去工作日（周一到周五）的平均值作为衡量周末效应的指标，当该值大于0时，表示该要素周末平均值高于工作日；小于0时则相反。而本文为了方便对比不同的空气污染要素的变化情况，将周末效应指数做了一定改进，使其无量纲化，定义其为周末（周六和周日）的平均值减去工作日（周一到周五）的平均值再除以总体均值
其中，其中D周末为某个要素浓度的周末均值，D周末为工作日均值，而表示该类污染要素对应的某段时间周期内的总体均值，W即为本文所定义的周末效应指数。当W>0时，表示该要素周末平均值高于工作日；W
3、大连市空气污染变化周末效应分析
3.1 “周末效应”的季节分布分析
由于污染排放、气象条件等要素的影响，空气污染物的浓度变化在不同季节中变化较大。因此，本文对各类空气污染物的周末效应情况分季节进行分析讨论。图1为春夏秋冬四个季节中，空气污染物周末效应指数的分布折线图。其中，不同的折线代表不同类别的空气污染物，横轴对应四个季节，纵轴是周末效应指数值。由图1可知，PM2.5、PM10、在春季均表现出正的周末效应，即周末平均浓度要大于工作日浓度，并且PM2.5和PM10表现出了较为一致的变化趋势；夏季，各类大气污染颗粒物的周末效应指数的绝对值普遍偏小，可视为周末效应不显著，其中PM10表现出正的周末效应，而PM2.5则相反；秋季，PM2.5、PM10的周末效应指数均为正；值得注意是，冬季所有类别的空气污染物周末效应指数均为正，指数值总体偏高，PM2.5和PM10的数值远远大于其他三个季节，这说明在冬季，空气污染物的周末效应较为显著。
在大多数空气污染物浓度变化的“周末效应”的研究中，污染物浓度表现出负的周末效应，一般认为是与工业生产及人类出行活动的变化有关[2]。而大连市2016年的大气污染颗粒物浓度变化则表现出普遍存在正的周末效应的特性，尤其在冬季，该效应较其他三个季节更为明显。初步推测可能与大连市部分地区实行工作日单双号限行以及冬季存在市民周末在家中活动时长时间高频率地使用较高功率的电器有关。更具体的原因需要结合更为详细的大气污染颗粒物浓度变化数据以及城市供电量数据进行深入分析研究，因此在此暂不做讨论。
3.2 典型假日的“周末效应”分析
春节和国庆节是我们国家最为重要，并且放假r间最长的两个节日。这两个节日会有长达7天的假日，这为研究我们假日期间各类空气污染物浓度变化特征提供了便利条件，因此，本文选取这两个假日的前后共12天的工作日作为非假日数据样本，并据此对假日和非假日的各类空气污染物浓度进行比较分析。
由表2可以看到，春节和春节前后的非假日期间，大连市空气污染颗粒物PM10和PM2.5的周末效应指数均为正值，且数值较大，说明春节期间大气污染表现出较为明显的正周末效应，即七天长假中的大气污染颗粒物浓度高于假日前后。这可能与我国民众在春节期间有燃放烟花爆竹庆祝新年到来的习俗，官方亦有固定的烟火表演活动有关。并且，春节期间大连市主要为西风或西南风向，正处于京津冀的下风向，可能受到一定京津冀的灰霾污染的影响。另外，由于冬季气候干燥，逆温天气出现的频率较多，气象条件不利于大气污染物扩散，一旦空气污染加剧，就会造成较为严重的影响。
国庆假日期间大连市空气污染颗粒物PM10和PM2.5浓度表现出轻微的负周末效应，国庆假日的空气污染颗粒物PM10和PM2.5的浓度低于假日前后。国庆期间，由于大部分工厂都会根据自身状况进行一定休假，因此工业燃煤污染排放可能会低于平日。另外，由于长假休息期间，由于市民上下班的所造成的车流量会有所减小，因此机动车尾气排放导致的大连空气污染颗粒物PM10和PM2.5浓度变化会相对减弱，从而可能造成国庆假日期间的空气污染颗粒物PM10和PM2.5浓度要略低于假日前后。
4、结论
1）2016年，大连市空气污染颗粒物PM10和PM2.5基本表现出正的周末效应，两类颗粒物的变化趋势基本一致，并且该效应在冬季较其他三个季节更为明显。
2）烟花爆竹集中燃放的影响使PM10和PM2.5的浓度在春节期间高于春节假日前后，而国庆节期间PM10和PM2.5的浓度则要小于非国庆期间，推测与国庆期间部分工厂休息以及长假中的车流量的变化有关。在针对假日的研究本文中发现，国庆节和春节的空气污染颗粒物PM10和PM2.5浓度出现了相反的变化规律，而这种不同的变化规律能够一定程度上与人为污染源排放的变化对应，这说明了人类活动对污染物浓度变化具有一定的影响力。
参考文献
[1] Cross F. The Behavior of Stock Prices on Fridays and Mondays[J]. Financial Analysts Journal， 1973， 29（6）：67-69.
[2] 章志芹，唐健，汤剑平.无锡空气污染指数、气象要素的周末效应[J].南京大学学报（自然科学），2007，43（6）：643-654.
[3] 阎守政，纪德钰，李丹，等.大连市区空气中颗粒物（PM10和PM2.5）污染原因分析[J].中国环境管理干部学院学报，2015（4）：53-55.
[4] 雷瑜，张小玲，唐宜西，等.北京城区PM2.5及主要污染气体“周末效应”和“假日效应”研究[J].环境科学学报，2015，35（5）：1520-1528.
[5] 城市地区PM2.5周末效应的初步研究[J].地球环境学报，2015，6（4）：224-230.
小学春季值周总结范文2
关键词：苏北；日光温室；构型；优化；高产；探讨
连云港市赣榆区地处苏北沿海，年日照时数2646.2 h，全省最好；年平均气温13.1℃，最冷月平均-3.2℃，历史最低气温-19.5℃（1969年2月6日），近年最低气温-11.8℃（2008年12月21日），为江苏省优质设施蔬菜生产基地。赣榆区充分利用苏北沿海温光资源优势，发展以日光温室为重要特色的设施蔬菜生产，已初具规模，温室蔬菜面积近2000 hm2。为进一步提高设施效益，赣榆区蔬菜站对苏北菜区日光温室构型与高产高效技术途径进行初步探讨，以期为日光温室蔬菜生产提供依据。
1 资料调查与来源
1.1 日光温室构型调查
在赣榆日光温室蔬菜规模化生产区的沙河、青口、城西等镇，选择具有代表性的不同类型日光温室，作为温室构型调查研究对象，主要调查内容包括：温室长度、跨度、开间、后墙高度及厚度、脊高、骨架结构、前沿高度、走道宽度、缓冲间及温室间距等温室构型基础数据资料。
1.2 日光温室周年种植茬次调查
对赣榆日光温室蔬菜不同种植区域、不同日光温室构型同步进行茬口安排与周年种植茬次调查，主要包括长季节栽培、一年二大茬、一年多茬等不同种植方式等。
1.3 日光温室种植效益调查
主要包括不同构型日光温室蔬菜年产量、产值、土地利用率等资料调查。日光温室蔬菜不同生长时段的产量、效益情况调查。
2 调查结果与分析
2.1 苏北菜区日光温室主要构型
根据当前设施蔬菜生产中，现有的各种日光温室构型，可归纳为钢骨架温室、竹木架温室和混合型温室3种主要构型（见表1）。
2.1.1 钢骨架温室
传统型钢架日光温室，如沙河镇殷庄村（钢骨架）和青口镇申城村（钢管架）温室，北墙高度2.7～2.8 m、厚度0.4～0.5m，脊高3.0～3.2 m，跨度10.1～10.5m，高跨比为0.30～0.31，为传统型钢架日光温室。
优化新型钢架日光温室，如沙河镇雅仕农场钢骨架日光温室、城西镇小官湖村钢骨架日光温室等，北墙高度2.9～3.0 m、厚度0.4～0.6 m，脊高3.3～4.0 m，跨度9.6～10.0 m，高跨比0.34～0.40，为优化新型日光温室。
表1 赣榆主要日光温室构型
2.1.2 竹木架温室
多为传统型温室，如沙河镇彭口村、颜庄村日光温室。北墙高度2.1～2.7 m、厚度0.4 m，脊高2.3～3.0 m，跨度8.8～10.6 m，高跨比0.26～0.28。
2.1.3 混合型温室
介于钢架、竹木架温室的中间类型，其纵向骨架为钢管、拱竿为竹木，如青口镇二沟村日光温室。北墙高度2.9～3.0 m、厚度0.5～0.6 m，脊高3.3～3.6 m，跨度10.8～11.3 m，高跨比0.31～0.32。
日光温室长度一般在50～80 m不等，主要根据地块长度酌情确定。
2.2 日光温室构型与蔬菜周年栽培模式的关系
周年生产多茬次栽培，是日光温室蔬菜生产的基本前提。南于门光温室设施构型的不同或差异，其蔬菜周年种植模式亦相应有所改变，且显现多样性。
2.2.1 一年三茬栽培
早春或秋延后栽培以果菜类蔬菜为主，冬季插种叶菜类蔬菜，主要栽培模式有：秋冬番茄―冬春小萝卜―早春番茄、秋冬莴苣一冬春小萝卜―早春番茄、秋冬莴苣一冬春茼蒿一早春番茄、秋冬芹菜一冬春小萝卜一早春辣椒等。
2.2.2 一年二大茬栽培
早春和秋冬栽培，以番茄、辣椒、黄瓜、丝瓜等果菜类蔬菜为主，主要栽培模式有：秋冬番茄―早春辣椒（秋冬辣椒一早春番茄）、秋冬番茄―早春番茄、秋冬芹菜一早春辣椒、秋冬番茄―早春丝瓜、秋冬番茄一套早春菜豆、越冬黄瓜一套春菜豆、早春菜豆一秋冬甘蓝等。
2.2.3 长季节栽培
长季节栽培是指蔬菜生长季节超过10个月，特别是喜温蔬菜深冬生长、开花、结果对日光温室构型及小气候环境提出更高要求。从生产实践看，日光温室高跨比是重要参数，高跨比>0.32的温室有利于进行蔬菜长季节栽培。主要以茄果类、瓜类等果菜类蔬菜为主。
2.3 日光温室构型与蔬菜周年产量、效益的关系
日光温室设施构型与蔬菜种植模式存在一定的关联度，进而影响蔬菜的种植效益；同时，同一温室构型，采取不同模式栽培，其种植效益亦存在较大差异。
2.3.1 日光温室蔬菜周年种植效益
通过对赣榆日光温室蔬菜重点产区的典型调查，单位面积（温室内面积计）蔬菜年平均产量（13.31±2.51）kg/m2，变异系数（C.V）为18.87%；平均年产值（32.99±7.13））元/m2，变异系数（C.V）为21.60%。日光温室蔬菜产值变异系数大于产量变异系数，说明温室构型对产值的影响相对较大。温室间距5.0～8.0 m，平均6.3 m，土地总体利用率为51.2%～66.9%，平均60.3%，单位土地平均年产值（20.05±5.23）元/m2，变异系数（C.V）为26.11%。
2.3.2 日光温室周年种植模式与产量效益
日光温室周年生产实践初步说明，温室周年种植茬次与蔬菜产量、效益的关系并非完全正相关。
三茬栽培：据调查统计，日光温室周年三茬栽培，蔬菜（温室内面积计，下同）年平均产量12.66 kg/m2，年产值27.69元/m2。
二大茬栽培：日光温室周年二大茬栽培，蔬菜年平均产量13.44 kg/m2，年产值34.36元/m2。
长季节栽培：茄子、辣椒、番茄长季节栽培，蔬菜年平均产量15.00 kg/m2以上，年产值37.50元/m2以上。其中嫁接茄子长季节栽培（沙河殷庄村），年产量15.68 kg/m2，年产值46.94元/m2。辣椒长季节栽培（赣马大高村），结果期8个月31次采收，折合年产量17.24 kg/m2，年产值52.50元/m2。番茄长季节栽培（沙河颜庄村），普罗旺斯单株采收11穗果，折合年产量为22.50 kg/m2，较金棚番茄多采收6穗果，增产117.8%，年产值45.00元/m2。
2.3.3 日光温室高跨比与蔬菜效益
日光温室高跨比≤0.26：据资料分析，高跨比≤0.26日光温室，蔬菜平均年产量13.12 kg/m2，年产值25.50元/m2。多采取一年多茬栽培方式，冬春温度较低时插种叶菜等中温型蔬菜。
日光温室高跨比0.28～0.30：高跨比0.28～0.30的日光温室，多采取一年二茬（或三茬）栽培，平均年产量12.47 kg/m2，年产值29.94元/m2。
日光温室高跨比0.31～0.40：高跨比0.31～0.40的日光温室，多采取一年二大茬或长季节栽培，平均年产量13.92 kg/m2，年产值37.53元/m2。
实践表明，适度提高日光温室的高跨比，即10 m跨度温室，适当增加脊高，有利于提高温室采光效果，改善深冬季节温室小气候条件，增加果菜等喜温蔬菜的产量与效益。
2.4 日光温室蔬菜阶段产量及效益
在长季节栽培情况下，由于生长期长，结果期要经历高温（秋季）一低温（深冬初春）―高温（春夏）3个明显阶段。据调查分析，茄子果实日增质量，秋季高温期0.083～0.085 kg/m2，冬季低温期0.039～0.041 kg/m2，春夏高温期0.077～0.088 kg/m2。显然，果实日增质量随着季节温度而表现高一低一高变化，茄子1-3月份产量不足总产1/3（32.4%），产值近总产值一半。辣椒长季节栽培，2月份之前产量只占总产量的1/3强，其产值却占辣椒总产值的50%以上。故提高冬春低温期蔬菜生产能力和产量是实现日光温室高产高效的关键。
3 初步结论与讨论
通过对苏北菜区日光温室周年高产高效栽培实践的调查分析，初步认为其高产高效技术途径：
图1 赣榆钢骨架日光温室构型优化示意（截面）
3.1 日光温室构型优化与推广
经过试验及苏北地理条件综合考虑，主要技术参数应为，跨度10.0～10.5 m，脊高3.6～4.0 m，高跨比0.33～0.40，后墙高度2.8～3.0 m，厚度0.5～0.6 m，前沿高度1.0～1.2 m，温室间距6.0～7.0 m，温室长度60～80 m。基本符合苏式日光温室（钢骨架）Ⅲ型（跨度10 m）通用技术要求（DB 32/T1589―2010），可有效地解决日光温室的结构优化问题。结合赣榆日光温室发展实际，重点示范推广苏式日光温室（钢骨架）Ⅲ型通用技术（图1），通过日光温室构型的优化，科学设计、标准建造，从根本上解决日光温窜低矮简陋、采光角度不合理、透光保温性能差、覆盖材料防寒防雨能力差等问题，为设施蔬菜优质高产创造良好栽培条件，同时有利于果菜类蔬菜长季节高产高效栽培模式的推广。
3.2 周年栽培模式的优化选择与推广
示范推广与温室构型相适应的种植模式与技术，是挖掘温室种植潜力、提高蔬菜产量与效益的重要措施。对于高跨比≥1/3的优化新型日光温室，由于冬季采光好、温度高，采取一年二大茬或长季节栽培模式，有利于高产高效；对于高跨比≤1/3的传统型日光温室，采取一年多茬栽培模式，努力提高冬春低温季节的蔬菜生产能力与效益。
3.3 日光温室蔬菜新品种的引进筛选与示范推广
着力推进优质多抗设施专用高产蔬菜新品种的示范推广，如苏椒17号、苏椒11号、苏椒16号等设施辣椒新品种，苏粉11号、金陵美玉、金陵甜玉等设施番茄新品种。
小学春季值周总结范文3
1.1资料来源该研究选取新安气象站1979~2008年逐年的年、季平均气温、平均最高气温和平均最低气温以及逐年、季极端最高气温和极端最低气温及逐年无霜期、降水量等资料。
1.2划分标准季节划分采用气象学上的标准:春季是3~5月,夏季是6~8月,秋季是9~11月,冬季是12月和次年1~2月;高温天数指气温≥35℃的天数,低温指天数气温≤-5℃的天数;无霜期指从春季的无霜日到秋季的初霜日为无霜期。
1.3研究方法研究主要采用回归分析、趋势线分析等方法。通过引入气候倾向率和气候趋势系数来研究各要素的气候倾向趋势和变化幅度,并采用相关系数统计检验方法,检验气候趋势系数是否显著。
2气候变化特点
2.1气温变化特征
2.1.1平均气温年际变化特点。新安1979~2008年30年平均气温年际变化如所示。新安历年平均气温是14.3℃。从中可以看到,20世纪80年代初期平均气温最低,从80年代中期开始平均气温在平均值以上的次数越来越多,相对峰值和相对谷值都呈明显升高趋势;从90年代开始,波动较大,升温剧烈。新安近30年来,气温呈显著上升趋势,拟合方程为y=0.046x+13.54,升温倾向率达0.46℃/10a,相关系数为0.71,高于中国50年的0.22℃/10a平均水平。
2.1.2气温的季节变化特点。新安1979~2008年各季平均气温年际变化如所示。新安春季的平均气温是14.8℃,从中可以看出,新安春季增温比其他各季的增温都剧烈,波动也比较大,线性增温倾向率0.92℃/10a,相关系数为0.73,在四季中增幅最大。从90年代初期开始,气温上升速率加快,一直保持在较高水平,特别是从2000年以来,春季气温平均值基本都在15℃以上。新安冬季气温升高明显(),线性增温倾向率达0.36℃/10a。新安冬季的平均温度是1.9℃,从80年代开始到90年代末,冬季气温在波动中上升,波动较小,80年代的平均温度基本都在2℃以下,1984年出现了30年来冬季的最低值;90年代的平均温度基本都在2℃以上,从90年代开始,增温速率加快,冬温显著升高,暖冬现象严重;进入2000年后,冬季的气温波幅远远大于其他时期,气温忽高忽低,说明新安在冬季气温不断升高的同时,出现暖冬与冷冬的概率也在不断加大。新安秋季气温波动较大(),虽然有升有降,但总体在波动中上升,增温倾向率为0.36℃/10a,气候趋势系数为0.39,与冬季线性增温倾向率相同;平均气温是14.3℃,与全年平均气温相同。由可以看出,从20世纪90年代初期开始,新安的秋季平均气温基本都在14℃以上,呈稳定上升趋势。新安夏季气温波动较大(),平均气温是25.9℃。总体来看,虽然新安夏季气温呈上升趋势,线性增温倾向率为0.18℃/10a,但气温随年度变化的相关性还不强,尤其是从1997年开始,新安的夏季平均气温在波动中有下降趋势。
2.1.3极端最高(最低)气温年际变化特点。新安1979~2008年极端最低气温变化如所示。新安极端最低气温多出现在1月和12月,极端最低气温气候平均值是-10.9℃,其年际差异十分显著,2007年最高值-4.7℃比1990年最低值-14.7℃高10℃。极端最低气温变暖趋势十分明显(),增温剧烈,30年来极端最低气温除1990年的特殊年份外,总体呈明显的波动上升趋势,其线性拟合气候增暖倾向率为每10年1.06℃,气候趋势系数为0.5。新安极端最高气温多出现在6~8月份,极端最高气温平均值是39.4℃。新安1979~2008年极端最高气温年际变化中(),有升温趋势,线性升温倾向率0.26℃/10a。极端最高气温差异十分显著,1993年最低值36.6℃比2005年最高值41.7℃低5.1℃。与极端最低气温变暖趋势相比,极端最高气温趋势波动较大,有明显的周期性变化规律,气温升高与降低的周期一般为4年。
2.1.4高(低)温天数年际变化特点。新安平均高温天数是15.4d,在高温天数年际变化序列中,其年际差异十分显著,波动较大,1997年出现高温43d比1983年出现高温2d相差41d。新安1979~2008年近30年最高气温天数年际变化如所示。从中可以看出,新安高温天数峰值升高趋势比谷值升高趋势明显,高温天数的增加也十分明显,高温天数线性上升倾向率为2.29d/10a,气候趋势系数为0.27。新安平均低温天数是19.3d,在低温天数年际变化序列中,其年际差异十分显著,波动较大,1976年出现低温40d比2001年出现低温5d相差35d。新安1979~2008年近30a最低气温天数年际变化如所示,可以看出新安低温天数的减少十分明显,低温天数线性下降倾向率为5.11d/10a,气候趋势系数为0.52。
2.2无霜期年际变化特点新安平均无霜期是220d,在无霜期年际变化序列中,其年际波动不一(),在1979年到1982年间,无霜期波动较大,最大值在2006年的271d与最小值在1976年的195d的差值为76d。从1979年开始到1988年间,无霜期上升趋势比较稳定,是第一个高峰期;从1991年到2002年处于较低的缓慢地上升期;从2004年开始无霜期上升迅速,振幅增大。从无霜期年际变化的总体角度看呈明显性上升,上升倾向率为10.86d/10a,气候倾向率为0.55。
2.3降水变化特征
2.3.1降水的年际变化特征。新安1979~2008年降水量的变化序列如图8所示,新安年平均降水量为646.3mm,降水量总体趋势是在波动中明显减少,降水递减倾向率为3.97mm/10a,干旱化趋势在不知不觉中发生。同时还明显看出,气候变暖后,年降水量振幅的相对变率比气候变暖前有明显的增加,表明随着气候的变暖新安年降水量变率增大,出现大旱大涝的可能性增加。就年代变化而言:80年代为丰水期,降水量比较稳定,高于平均值34mm,90年代波动中急剧减少,低于平均值44mm,为严重干旱期;2000~2008降水量比90年代有所增加,如果不考虑2003年的峰值,仍低于90年代的平均水平,其中,2003年的降水量是30年来最高,为严重洪涝年,使得10年平均值增大,其他年度降水量仍相对较少,干旱威胁依然存在。
2.3.2降水的季节变化特征。新安1979~2008年近30a来各季降水情况如图9所示。新安平均春季降水量为126.8mm。从图9中可知,新安春季降水在波动中呈减少趋势,递减率为6.87mm/10a,但降水量与年际变化相关性不强,而降水波动性规律较明显,春季最大降水量在整体变化趋势中呈7~8年的周期性,最小降水量在整体变化趋势中呈5~6年的周期性。春旱现象越来越严重。新安年降水主要集中在夏季,夏季平均降水量为322mm,占全年总降水量的50%,对全年降水影响最大。由图9可以看到:新安夏季降水同春季降水一样呈减少趋势,递增率为3.78mm/10a。虽然夏季降水量与年际变化相关性不强,但夏季最大降水量波动规律性最强,在整体变化趋势中呈6~7年的周期性变化,最小降水量波动规律也相对较明显,在整体变化趋势中相对呈5~6年的周期性变化。新安平均秋季降水量为167.4mm。由图9可知,新安秋季降水略有增加趋势,其降水量与年际变化相关性不强,降水波动规律也不明显,波幅较大,突变性较强。从2003年以来秋季降水量减少明显。新安平均冬季降水量为34.2mm。由图9可知,新安冬季降水略有增加,递增率为3.23mm/10a。由于冬季降水总量较少,故对全年降水变化趋势影响不大。
3气候变暖对农业及生态环境的影响
3.1气候变暖对农业气候资源的影响气候是进行农业生产的自然环境中最基本最重要的条件之一。气候年复一年,周而复始地为农业生产提供着光、热、水、空气等能量和物质资源。因此,从农业的观点看,气候是一种重要的农业自然资源。大气中CO2等温室气体含量增多,引起“温室”效应,使气候变暖。以气候变暖为主导的气候变化必将对作物生长发育和产量形成产生明显的影响[1]。因为CO2是植物进行光合作用制造有机物质所必不可少的原料,是太阳能量的转化和储存以及地球生物圈赖以生存和平衡的基础。一般说来,在其他条件不变时,其含量增加将有利于植物的生长发育,但温度升高、有效水分减少会抑制作物对CO2的吸收,进而减弱光合同化过程的强度。气候变暖将导致地表径流、旱涝灾害频率发生变化。对气候变化敏感的传染性疾病的传播范围可能增加;与高温热浪天气有关的疾病和死亡率增加。研究表明,年平均气温升高1℃将引起农田蒸散量增加10%,地表流经量将减少62.9%,水资源总量将减少40%,土壤含水量减少10%,气温升高0.5℃耗水每公顷将增加30~75m3,加剧干旱的影响[2-6]。
3.2气候变暖对农业气象灾害的影响随着气温的升高,不定因素增多,气候变率加大、振幅增高,时空分布不均,气象自然灾害有明显的加剧趋势。主要表现在以下5个方面:①从新安的降水量来看,总体趋势是在波动中明显减少,降水递减倾向率为3.97mm/10a,再加上气温升高导致蒸发力加大,造成作物水分亏缺,产生严重干旱;②降水变率加大、振幅增高,在干旱发生频繁的同时会导致暴雨、冰雹、大风等气象自然灾害的加剧,甚至出现严重洪涝;③从各季气温变化振幅来看,冬季的振幅最大,正负差值达到4.2℃,说明在冬季气温不断升高的同时,温度的不稳定程度有所增加,出现暖冬与冷冬的概率也在不断加大,冬季的寒潮和雪灾也会时有发生,低温冷害和霜冻会给农业造成损失。④从增温速度和波动情况来看,春季增温比其他各季的增温都剧烈,波动也比较大,说明新安春季的倒春寒发生概率也很大,对农业影响更大。由于果树因气候变暖开花期提前,处在开花、授粉期桃树、梨树、核桃、苹果等抗冻能力下降,倒春寒不仅影响传粉授精,更严重会导致果树花朵冻枯脱落,产量下降。⑤从高温天数和最高气温变化情况来看,新安极端最高气温以每10年0.26℃的速度上升,高温天数以每10年2.29d的速度增加,说明新安炎热时间不断延长,干热风、热浪和酷暑的影响不断加大。由于作物生长对适宜温度、能够忍受的高温和低温都有一定的要求,超过上限的高温会使作物遭受高温胁迫危害,生长发育受到抑制,产量大大降低,如果高温和干旱结合,就会导致植株大量失水,迅速枯死。夏季是苹果、核桃、柿子幼果膨大期,超过35℃以上的高温会严重抑制果实的生长发育,气温高达38℃以上就会对果实产生日灼伤害,使果实停止生长、枯死、脱落。
3.3气候变暖对粮食作物的影响气候变暖尤其是随之而来的异常高温会给粮食作物带来以下影响:①会对作物生长产生不利的热害,胁迫作物来不及灌浆甚至中断或终止正常的生长发育进程而提前成熟;②温度升高加速土壤中肥料的分解和流失,蒸散率增加抵消了原本不多的降水量,从而使作物生长的水分胁迫加重;③较高的温度加快了作物的生育进程,缩短生育期,使之来不及累积光合同化产物、充盈籽粒而提前成熟,导致籽粒不饱满或瘪粒而减产。玉米、高粱和谷子是耗水量较小的喜温作物,适应性强,气温升高对玉米、高粱和谷子产量影响不大[7];大豆是喜凉作物,气温超过25℃,就会抑制其生长,致使减产;小麦是喜冷作物,由于冬季变暖、寒冷期缩短,会使其停止生长的越冬期缩短。王石立等的计算揭示了气温升高时因蒸发变大而导致小麦水分亏缺情况,表明小麦全生育期内农田蒸散量将大于当前气候8%~12%,以小麦拔节、抽穗阶段更为突出,由于小麦全生育期水分亏缺加剧引起的小麦减产值将比当前气候下大8%~20%,灌溉将增加25%~33%,有灌溉条件的地区,小麦可能增产,但灌溉增加使生产成本提高,而在没有灌溉条件的地区,水分胁迫加剧则将导致减产。
3.4气候变暖对作物病虫害的影响害虫是变温动物,其体温随环境温度的变化而变化。环境温度高,其生理代谢旺盛,生长发育快;环境温度低,其生理代谢弱,生长发育就慢。气候变暖,特别是冬季温度升高,将有利于害虫和病原体安全越冬,使来年春夏的虫病源基数增大,引发危害面积扩大,危害程度加重;春秋季温度升高,将延长害虫和病菌的可生育时期,有利于病虫害春季早发,冬季休眠推迟,危害期延长;而积温增加,可使1年中病虫繁育的世代增多,致使农作物受害概率增大;空气中CO2浓度增大,植株中含碳量增高,含氮量下降,致使害虫的采食量增大,导致对农作物的危害加重。
3.5气候变暖对自然植被的影响地球表面的植被类型及其分布基本上取决于年降水、年生物温度与湿度3个要素。未来各类自然植被将发生明显北移,南方的热带季风雨林将逐渐引进,相当多的树木面临不适宜的新的气候条件可能变得更为脆弱,尤其是寒温带针叶林将向北移入,部分树种甚至面临濒危状态。气候变暖,降水不能保持与温度的同步增加,导致植被光合作用所需水分供应不足,相当多的树种面临不适应新的气候条件,会变得更加脆弱、更易遭到病虫害侵袭。根据李英年对1987年以来黄河源区土壤湿度的监测结果分析,黄河源区下垫面蒸散量的加大使土壤向干暖化发展。这种气候因素的影响,导致近十几年来植被地上净初级生产力按9.506g/(m2•a)的倾向率下降[8]。
4对策与建议
气候变暖将导致地球气候系统的深刻变化,使人类与生态环境业已建立起来的相互适应关系受到显著影响和扰动。气候变暖将导致地表流经、旱涝灾害频率发生变化,特别是水资源供需矛盾更加突出;气候变化将使我国未来农业生产的不稳定性增加,产量波动大;气候变化将影响人类居住环境,最直接的威胁是洪涝、山体滑坡和与高温热浪天气有关的疾病和死亡率增加等。因此研究气候变化的影响,探讨增强新安农业应变能力的对策措施,为新安农业今后的发展方向和结构布局的调整提供一些科学依据和可供选择的对策方案。
(1)调整农业结构和布局,发展特色农业、旱作农业和生态农业。引进农业新技术、新品种,改变传统的耕作方式,大力发展经济作物经济林果业。
(2)水资源在减少,水需求在增加,水危机在加深。面对此环境,必须合理开发利用水资源,推广集雨技术和节水灌溉技术,推广渠道防渗、管道输水、喷灌滴灌等技术;加大人工影响天气力度,把开发空中水资源作为解决新安缺水问题的一条主要途径。
小学春季值周总结范文4
关键词：电离层TEC 日变化 季节变化 Tash站
1、引言
电离层是指地球大气层中自由电子数量足以对无线电波传播产生重要影响的区域，高度范围一般认为是60～1000km，是太阳辐射与地球上层大气原子与分子的相互作用从而使中性大气电离的结果。电离层电子总含量（Total Electron Content，简称TEC）是指沿无线电信号传播路径上电子浓度的积分，是电离层重要的特征参数之一，它的时空变化对各种依赖无线电技术的系统产生不可忽视的影响。目前电离层TEC的获取手段多样，包括利用地面电离层垂测仪和卫星高度计获取电离层TEC等[1]，最为常见的是利用接收机接收GPS卫星信号，通过一定的方法提取电离层信息。
基于GPS/TEC数据，杨忠祥[2]利用GPS观测值分析了昆明地区电离层TEC周日变化特征，王建平[3]利用上海地区GPS观测网数据分析了该区域电离层TEC变化特征，史珂[4]基于CORS研究了高原地区电离层不对称性，由于电离层TEC存在地区分布特性，因此不同地区的分布特征研究都具有一定的价值。本文将介绍利用GPS双频信号获取电离层TEC的方法，然后利用解算的数据研究新疆地区电离层TEC的日变化和季节变化特征。
2、GPS/TEC解算方法[5]
电离层是色散和各向异性的双折射介质，使得穿过电离层的无线电信号具有相对于真空的附加传输时延，产生的延迟与电波频率的平方成反比，因此利用不同频率的电磁波信号便可以有效消除电离层的影响。GPS采用双频信号（ ， ）以修正电离层延迟误差，不同波段的信号传播必须经过硬件路径和内部电子环路，使得GPS卫星和接收机电路存在延迟偏差，这种硬件延迟可能会带来大约7ns的误差，必须引起特别注意，所以完整的伪距和相位观测方程必须写成：
（1）
式中， 、 分别为电离层绝对和相对TEC， 、 分别为GPS卫星的两个工作频率， 为 、 频率下两个伪距观测量之差， 、 分别为两个频率伪距观测的卫星电路延迟之差和伪距观测的接收机电路延迟量之差，在实际计算时，常将GPS卫星硬件延迟和接收机硬件延迟作为一个整体即通常所说的硬件延迟 ； 为 、 频率下两个相位观测量之差，
分别为两个频率相位观测的卫星电路延迟之差和相位观测的接收机电路延迟量之差， 为整周期模糊度组合常数。
在利用GPS双频观测数据解算电离层TEC时，通常用到电离层薄层假设模型（Single Layer Model，简称SLM），该模型如图1所示：
图1 电离层单层模型
在电离层薄层模型假设中，GPS卫星信号探测的结果是穿刺点（Ionospheric Pierce Point，简称IPP）处垂直方向的电离层TEC，因此必须知道IPP处具置信息。IPP处纬度 、经度 ：
式中， 、 分别为测站纬度和经度， 为测站处卫星方位角。
在SLM的假设下，斜TEC（电子密度沿卫星信号传播路径上的积分）可以转化为穿刺点处的VTEC：
（2）
投影函数 主要有三角函数型、Klobuchar模型、Clynch Q因子以及欧吉坤提出的分段取值等形式。在卫星仰角大于15o～20o时，各类投影函数的计算效果没有显著差异，因此，在实际计算时应尽可能选取卫星仰角大于15o的数据，本文的投影函数选用简单实用的三角函数，即
电离层单层多项式展开模型是一个广泛用于模拟区域电离层TEC时空变化的模型。它是将一段时间内垂直总电子含量VTEC看作是纬度差
和太阳时角差 的函数，具体表达式为：
（3）
式中， ， 、 分别为穿刺点地理纬度和经度，
为观测时刻， 为该时段内的计算起始时间， 为测站在 时刻的太阳时角， 为多项式拟合系数， 为多项式阶数。由（1）、（2）式得：
（4）
式中， 为接收机、卫星硬件的组合硬件延迟。
由（3）、（4）式可得新观测方程为：
假设在该时段内可以跟踪到 颗卫星，则观测方程中待估计的参数为
（ ）个，采用最小二乘法可以同时解算该时间段内的电离层模型参数、接收机和卫星的组合硬件延迟。
本文使用新疆塔什库尔干地区一个GPS台站（37.78°N，74.24°E）解算的2010年电离层TEC观测数据进行预报试验，为了保证数据的完整，采用Matlab软件中的立方插值方法对缺省数据插值，该样本数据时间采样间隔为15分钟。
3、电离层TEC变化特征分析
利用Tash站电离层TEC数据首先分析其随地方时变化特征，结果如图2所示。图2为2010年第70天电离层TEC日变化分布情况，从图中可以看出，电离层TEC存在显著的地方时变化，凌晨02：00LT出现一个极大值10TECU，之后处于减小趋势，06：00LT达到极小值7TECU，日出后电离层TEC出现快速增长，14：00LT达到最大值18.5TECU，随后开始下降，直到00：00LT达到最小值5.8TECU。一天之内最大值和最小值可以相差12.7TECU，即最大值是最小值的3倍左右，说明太阳辐射的作用对电离层来说是非常显著的。
图2 2010年第70天电离层TEC日变化特征
为了研究电离层TEC的季节变化特征，图3给出了四个不同地方时（02：00LT、08：00LT、14：00LT和18：00LT）电离层TEC变化特征。从图中可以看出：2010年02：00LT电离层TEC变化范围为2～10TECU，08：00LT电离层TEC变化范围为4～18TECU，14：00LT电离层TEC变化范围为5～23TECU，20：00LT电离层TEC变化范围为1～17TECU；02：00LT冬季TEC大小低于其他季节，08：00LT春季TEC大小高于其他季节，14：00LT春秋季节TEC大小高于夏季和冬季，20：00LT冬季TEC大小明显低于其他季节。
图3 电离层TEC在四个不同时刻的全年变化特征
图4给出了4个季节电离层TEC平均状态，从图中可以看出：不管哪个季节，一天中TEC的最小值都出现在05：00LT，并且春季最大，秋季次之，冬季最小；最大值出现的时间存在较大的不同，冬季最早，出现在11：00LT，秋季次之，出现在11：30LT，夏季再次，出现在12：00LT，春季最晚，出现在12：30LT，并且最大值依次为春季、夏季、秋季和冬季；随着太阳高度角的降低，电离层TEC开始迅速下降，但是值得注意的是夏季19：00LT电离层TEC出现一个极大值，冬季22：00LT出现一个极大值，秋季00：00LT出现一个极大值；四个季节最大值和最小值的比值分别为2.5、3.5、2.5和2.5。
图4 不同季节电离层TEC日变化
4、结论
本文介绍了利用GPS接收机数据结算电离层TEC的方法，并分析了新疆地区2010年电离层TEC日变化和季节变化特征，得出以下结论：
（1）02：00LT、08：00LT、14：00LT和20：00LT时刻电离层TEC变化范围分别为2～10TECU、4～18TECU、5～23TECU和1～17TECU；
（2）02：00LT冬季TEC大小低于其他季节，08：00LT春季TEC大小高于其他季节，14：00LT春秋季节TEC大小高于夏季和冬季，20：00LT冬季TEC大小明显低于其他季节；
（3）电离层TEC的最小值都出现在05：00LT附近，并且数值大小上春季最大，秋季次之，冬季最小；
（4）电离层TEC最大值出现的时间冬季出现在11：00LT，秋季出现在11：30LT，夏季出现在12：00LT，春季出现在12：30LT，并且最大值依次为17TECU、15TECU、13TECU和10TECU；
（5）夏季19：00LT电离层TEC出现一个极大值，冬季22：00LT出现一个极大值，秋季00：00LT出现一个极大值；
（6）四个季节电离层TEC最大值和最小值的比值分别为2.5、3.5、2.5和2.5。
电离层TEC具有显著的时空变化特征，由于新疆地区探测数据和研究相对较少，因此有必要在今后的工作中继续加强相关的研究工作。
参考文献
[1] 方涵先， 翁利斌， 杨升高， 等. IRI、NeQuick和Klobuchar模式比较研究[J]. 地球物理学进展， 2012， 27（1）： 1～7.
[2] 杨忠祥. 利用双频GPS观测值分析高原（昆明）地区电离层TEC周日变化特征[D]. 昆明理工大学， 昆明， 2008.
[3] 王建平. 中国及周边地区电离层TEC短期预报方法研究[D]. 西安电子科技大学， 西安， 2008.
小学春季值周总结范文5
关键词：假日效应；居民消费；季节调整：X-12-ARIMA
中图分类号：F047.3 文献标识码：A 文章编号：1002-2848-2007(03)-0089-06
一、引 言
上世纪90年代末，受到亚洲金融危机的影响，中国面临通货紧缩的压力，物价水平持续走低，居民消费不振。针对这种情况，中央提出了扩大内需的方针，并采取了一系列鼓励消费的措施。在这一背景下，1999年9月18日，国务院修订《全国年节和纪念日放假办法》，通过上移下借，形成了“五一”、“十一”和春节三个长假，从而出现了节日集中消费的现象，带动了旅游、交通、餐饮、零售等各行业的发展，创造了所谓的“黄金周”消费热潮，引发了人们对“假日经济”的讨论。顾名思义，“假日经济”就是指假日里特有的一种经济现象，是对人们在节假日期间集中消费等经济行为的概括和反映。但是“假日经济”对刺激消费、扩大内需究竟成效如何?有的学者认为“假日经济”能够激发消费者的节日性冲动消费，提高人们的边际消费倾向；也有学者指出“假日经济”更多的是消费在不同时期、区域之间的替代，并没有激发新的需求Ⅲ。已有的讨论多停留在定性分析的层面，缺少定量的实证检验。
本文试图从新的视角，利用季节调整的方法定量测算“假日经济”的效果究竟有多大，通过考察季节因素的动态变化来揭示长假制度的实施对人们的消费行为产生了怎样的影响，并进一步探究制约居民消费增长的关键因素。内容安排如下：第二节对社会消费品零售总额月度时间序列进行季节调整，并在其中考虑体制变动和春节移动假日效应；第三节具体分析季节调整的结果，测定假日效应的大小；第四节，分析居民消费需求不足的成因；最后是结论及政策建议。
二、社会消费品零售总额的季节调整
社会消费品零售总额，通俗地讲就是全社会在一定时期内从零售市场上购买的消费品的总额。它反映着一个国家的生产规模、产品结构和市场供应是否充足和合理；反映着人民的收入高低，购买力水平，消费需求的满足和实现程度。假日制度的改变所引起的人们消费行为的改变，必定通过这一指标最直接地体现出来，因此，本文的研究就从对社会消-费品零售总额的分析而展开。
在假日里，人们往往停止生产、集中消费，使得许多经济变量表现出显著不同于非假日的特征。假日效应表现为经济指标在受到假日影响的相邻月份间的起伏变化，只有月度数据能够满足研究的需要。假日的影响有两种类型，一种是有固定日期的特定假日和官方假日，比如“五一”、“十一”；另一种是移动假日，定期出现，但不一定出现在每年的同一时间，比如春节，在现行公历1月21日到2月20日的范围内变动。通过季节调整，固定假日的影响可以归结在季节因素当中，所以需要单独考虑的是移动假日的影响。随着假日在公历中的出现日期的推移，使得此类假日的影响在相邻月份之间的分配每年都有所不同。
X-12-ARIMA季节调整程序是当前国际上通行的季节调整方法，在传统的基于移动平均的X-11方法的基础上，引入了预调整模块regARIMA，通过建立带有回归元的ARIMA模型对序列进行预测-和预处理。它根据美国的情况设定了复活节、劳动节和感恩节三种移动假日。参照X-12-ARIMA对复活节的调整方法，我们假定：从春节之前的第w天开始，经济活动的水平发生变动并保持在这一新水平上直至节日的前一天。将这段时期内每一天的数据加总，就构成了待调整变量总的春节效应，因此可以基于对这一区间的分解来分离春节效应。
据此构造回归变量：对于给定月份i，受到节日影响的时段落在i月份的占整个受影响时段w的比例。
在春节假日影响不到的月份，该变量的取值为0。在实际计算时，回归变量应当采取中心化(centered)的形式，通过消除春节效应对所关心的特定月份的长期影响，就使得这一解释变量具有零均值、不含季节性，即只考虑春节效应中跨月移动的部分。
由于我国的长假制度是从1999年起实行的，通过在季节调整程序中设置体制变动(change-of-regime)回归量，把序列分成两个区间分别建模，前一个区间包含变动期之前的数据，后一个区间包含从变动期开始到以后的数据，这样就可以明确区分体制变动前后不同的季节模式，从而考察“五一”、“十一”这两个长假的产生对于社会消费品零售总额究竟带来了怎样的影响。
下面就考虑对中国社会消费品零售总额月度序列(1994年1月至2006年12月)进行季节调整。数据引自BVD商业电子数据出版社EIU各国宏观经济指标数据库。原始序列的折线图见图1，可以看出其中存在着明显的季节波动，每年12月份销售额猛增；而且季节波动的幅度随着序列水平的增长而加大，因此应当采用乘法分解模型。
设定春节效应的影响期为节前20天，构造用户自定义移动假日变量spring，固定季节效应的体制变动日期设定为1999年10月。考虑到2003年春季非典型肺炎的蔓延对我国零售商业所造成的严重影响，将2003年5月设定为AO异常值，同时令程序自动探测AO、IS和TC三类异常值，自动选取最优ARIMA模型。最终程序选定的ARIMA模型结构为(012)。估计得到的回归结果。季节调整后序列sales_sa所示，可以看出其中已经不存在显著的季节波动。
可以看出，固定季节效应在所设定的体制变动前后都是显著的，自定义春节移动假日效应变量spring也具有很强的显著性，系数为正，表明春节假日对居民消费具有较强的正向影响。2003年5月作为AO异常值具有较强的显著性，估计系数为负，与实际情况相符。除此之外程序没有识别到异常值。谱分析没有发现残余的季节因素和交易日效应，季节调整后序列的图形也表明调整的效果较为理想。
三、假日效应的测算及理论分析
带有“＆＆”符号的变量表示的是固定季节效应回归系数在体制变动前后所发生的变化量b，若记1999年10月之后固定季节效应回归量的估计系数为ai，则在此之前的估计系数。因此，在统计上显著的b；就表明了体制变动的性质，即负值表示体制变动之后该月份的季节效应有所增强，正值表示体制变动之后该月份的季节效应有所削弱。回归模型显示，除3月、4月和7、8、9月之外，其他月份的固定季节效应的改变量都通过了
5％显著性水平的t检验。计算各个月份季节效应的变动幅度，按照变动方向分为增强型和削弱型两种类型分别在列中。
由此可以看出，在实行长假制度之后，“五一”和“十一”所在月份的固定季节效应都有所增强。但紧随其后的一、两个月份，即6月、11月和12月，固定季节效应却都有较大幅度的下降。这表明“五一”和“十一”长假更多地体现为一种“前导效应”，吸引消费者对购物时间重新做出选择。“黄金周”期间短暂的消费热潮过后，往往会出现一个相对较长的消费淡季。在收入没有持续大幅增加的情况下，跨期预算约束将对消费者的消费冲动构成限制。因此可以判断，“黄金周”对于刺激消费、扩大内需这一政策目标起到的作用有限。
绘制季节因素(sales_sf)、春节移动假日效应(sales_hol)和异常值冲击(sales_otl)的对比图如图3所示。从图中可以看出，季节因素的影响是最大的，其次是“非典”造成的异常值冲击，春节移动假日效应相对较小。表3给出了各个月份在不同时期所对应的季节因素，它直接刻画了近年来社会消费品零售总额季节模式的演化，从而反映了人们的消费行为所发生的改变。自2000年起，2月的季节因素由小于1转为大于1，表明发生在2月份的社会消费品零售总额由过去的低于全年平均水平转为高于全年平均水平。与此同时，每年10月份季节因素的影响强度一直在上升，而11月份对应的季节因子则从1999年之后开始趋于下降，到2002年，10月份的季节因素已经超过11月份。引起这种现象的一个重要原因可能就是受到“十一”长假的影响，人们改变了消费习惯，在10月份就“预支”了以往留在11月份的部分购买力。与之相对应，自2000年起，5月份的季节因素便超过了6月份，进一步表明“假日经济”实际上更多的是有限的消费在不同时期间的转移和替代，从而印证了分析得出的结论。
春节效应引起季节模式改变的机制有所不同。春节一直是中国人最重要的节日，在1949年颁布的旧的《全国年节和纪念日放假办法》中就已经规定春节放假3天，因此相对于“五一”和“十一”，春节假期并没有在1999年以后发生太大的改变。从表3中可以看出，在1、2月份对应的季节因素都显著提高的情况下，3月份对应的季节因素并没有出现明显下降，而春节前的12月份对应的季节因素则大幅减小。过去，由于商品短缺以及气候条件等的限制，人们往往很早就开始储备年货，留待春节期间集中消费。随着经济的发展，一方面人民生活水平日益提高，对商品价格的敏感程度在降低；另一方面，节日期间的商品市场也能够保证充足的供给，从而促使人们的消费观念悄悄发生变化，越来越多地选择在春节期间进行消费。所以春节假日对人们消费行为的影响不是体现为“前导效应”，而是将一部分超前消费调整到了即期，可称为“回调效应”。
四、居民消费需求不足的成因分析
消费、投资和净出口是经济增长的三驾马车。在中国出口高速度增长，外贸顺差持续加大的形势下，刺激消费、扩大国内需求，降低对外需的依赖，被看作是缓解贸易摩擦和人民币升值压力、保持国际收支平衡的最佳选择。衡量一国的消费水平，通常使用的是消费率这一指标。消费率是指一定时期内最终消费(总消费)占国内生产总值的比率。下面表4给出了自1991年以来我国的消费率及其构成情况。
由此可以看出，中国的最终消费率始终徘徊在60％左右，比世界平均水平低20个百分点，与此同时，中国的投资率却比世界平均水平高出20个百分点。从2000年到2005年，全社会固定资产投资年均增长率高达21.9％，而同期消费的年均增长率只有9.5％，导致消费率一路下滑，从2000年的62.3％下降到2005年的51.9％。这表明我国的经济增长仍然过分倚重投资，致使投资与消费的比例失衡，经济运行波动频繁，经济增长的效率低下，缺乏可持续发展的后劲。
经济学的原理告诉我们，收入水平是决定居民消费需求的关键因素。导致我国消费需求低下的首要原因，就是居民收入水平的提高赶不上国民经济的增长速度。数据显示，1996―2005年，按可比价格计算，全国城镇居民人均可支配收入年均增长8.1％，农村居民人均纯收入年均增长4.6％，而同期我国GDP的年均增长速度达9.0％。由于农村居民的收入增长速度远远落后于城市居民收入增长的速度，直接导致在居民消费的构成中，农村居民消费所占的比例迅速下降，由1979年最高的62.3％下降到2005年26.8％的最低水平。
除了收入因素，还有许多因素影响居民消费的提升。首先，未来预期的不确定性制约着居民消费。自上世纪90年代中期开始，福利性消费体制逐步被市场化消费体制取代，社会保障和社会福利水平开始了大幅度调整。以前主要由政府或企业以实物形式供给的住房、医疗、教育等消费所需费用，转由居民个人承担，而住房、医疗、教育等费用上涨速度之快超过多数家庭收入的增长速度，居民的支出结构随之发生了很大改变。而社会保障机制的不到位，则促使人们在考虑消费支出时更为谨慎，预防性的心态成了储蓄存款的最大诱因。其次，公共服务的缺失制约消费提升。教育、医疗应该是公共产品，但由于“市场化”过度，本该由政府提供的服务成了居民个人的沉重负担。随着高校扩招而学费又上涨过快，挤占了很多家庭的正常消费。再次，收入差距扩大问题日益突出。高收入者边际消费倾向低，不愿消费；而中低收入者边际消费倾向高，却无力消费。
总之，居民收入、特别是农村居民的收入增长缓慢是造成我国居民消费需求不足的主要原因，而出路在于提高农民收入、完善社会保障制度，问题的核心是建立合理的收入分配机制，使全体国民都能够平等地分享到经济增长的成果。
五、结论及政策建议
通过前面的分析，我们可以得出以下结论：
小学春季值周总结范文6
关键词：小麦价格；价格波动；长期波动；波动周期；X12季节调整模型；HP滤波模型
小麦是我国主要的粮食作物之一，其播种面积占粮食（水稻、小麦、玉米）总播种面积的25%左右，其产量占我国粮食总产量的1/5左右，在全球小麦产量大约占17%；同时小麦也是我国食用消费的主要粮食品种之一，2000年小食用消费约占粮食总消费量的30%左右。频繁波动的小麦市场价格导致了粮食市场的高频波动和农民种粮行为的不稳定。种种现状造成了全国粮食缺口持续增大，对我国粮食安全战略的实施存在一定威胁。我国自2006年实行粮食保护政策，即最低收购价政策，逐渐稳定了小麦市场价格，价格波动的频幅都在逐渐减弱。由此可见，价格波动已经成为我国小麦产业发展中主要的内涵特征，也是小麦产业面临的核心问题。
目前，粮食品种价格波动的研究在探寻波动特征规律和波动周期的划分方面比较丰富，大都是采用HP滤波法、季节调整法和ARCH模型等序列数据的分析方法，可是他们主要采取主观意识来划分粮食价格波动周期，存在划分不科学的缺点。所以，本研究会先计算出小麦市场价格波动偏离率指标，并且通过该指标的变动幅度来确定小麦市场价格周期的划分，旨在用客观角度提取出全国小麦市场价格波动特征。
一、研究方法及数据来源
（一）研究方法
目前，分解经济时间序列的趋势因素和循环要素，测定长期趋势的方法丰富， HP滤波方法是用来分析状态空间中的时间序列，等同于极小化波动方差，方法运用方便灵活，不拘于经济周期峰谷的确定，HP滤波提高了经济周期的频率，从而减弱了周期波动。
该方法的基本原理为：设是一个时间序列，有趋势成分和波动成分两部分，其中YtT是趋势成分，YtC是波动成分，得出：Yt=YtT+YtC（t=1，2，L，T）将YtT分离出来，使min{（Yt-YtT）2+λ（YTt+1-YtT）-（YtT-YTt-1）}最小化，所以用惩罚因子λ来调节趋势的变化，λ存在递增性。HP滤波依赖于参数λ的确定，当λ=0时，满足该条件的趋势序列为Yt序列；随着λ值的增加，估计的趋势更加光滑。研究经验证明，在使用月度数据时，设λ=14400。然后计算波动项对趋势项的偏离率：RV=YtC/YtT，RV表明了指定经济时间序列对长期趋势的偏离幅度，进而表现出其短期波动状态。为提高周期划分的科学性，本文以偏离率RV作为周期划分的标准。
（二）数据来源
本文以2002年12月至2014年10月小麦市场价格指数作为研究对象，数据来源于中经网产业数据库（CEInet Industry Database），数据相对完整。
二、我国小麦市场价格波动主要特征
（一）小麦市场价格短期波动剧烈
在研究期内，我国小麦市场价格短期波动剧烈，呈现出与市场供需波动一致的状态。小麦价格在143个月中形成了12个上涨和下跌的交替波动。自2003年8月开始，小麦价格开始剧烈上涨，在2004年，小麦价格有6个月的平均环比增长速度是14.17%，2004年的下半年开始剧烈下跌，下跌速度为10.44%，直到2005年年末才转为缓慢环比上涨。2006年年初开始，缓慢上涨和下跌交替，上涨速度不超过4%，下跌速度不超过2%。图1为研究期内小麦市场价格环比增长速度。
由图1可得，2005年年末前，我国小麦价格存在大幅度波动，环比上涨或下跌速率大于5%，波峰和波谷的环比速度差高达24%，振荡式的上涨和下跌，而从2006年年初开始，波动幅度减小，波动趋于稳定。这表明了我国小麦市场价格的波动幅度和波动频率都在逐渐减小。
（二）小麦市场价格总体呈上涨态势，周期变化不一
研究期内，从总体上来看，我国小麦市场价格呈上涨趋势，存在周期性变化，波动周期时长各异，最长周期有64个月，最短周期只有4～5个月，且波动周期呈现越来越平缓的态势。小麦市场价格在2003年4月至2003年9月、2006年2月至2007年11月波动相较剧烈；小麦市场价格在2002年12月至2003年3月、2003年10月至2005年5月波动十分剧烈；小麦市场价格在2007年12月至2013年3月趋于稳定，其环比增长速度曲线趋于0（见图1）。
三、我国小麦市场价格波动计量分析
（一）X12季节调整模型分析
通常来说，经济时间序列由长期趋势要素T、循环要素C、季节变动要素S 和不规则要素I组成。季节变动因素会导致非常显著的季节性波动，通常和不规则要素掩盖了客观的经济变化，增加了对价格变动速度和形势的分析难度，降低了研究结论的可信度。因此，为准确地研究我国小麦市场价格，原价格序列需先进行季节性调整。季节调整是从经济时间序列中估计和剔除季节因素影响的过程。调整后的数据能反映出瞬时变化和其变化的转折点；还能挖掘出时间序列长期波动规律，并对未来做出比较准确的趋势预测。
本文首先对原价格序列进行X12季节调整，剔除了价格序列中季节要素的影响，使隐藏的趋势循环波动序列显现。本文选择加法模型作为季节调整分解形式，即Yt=TCt+St+It，原始价格序列Yt，St和It代表季节要素和不规则要素，趋势循环要素TCt。对加法模型利用 Eviews6.0进行模拟，发现了我国小麦市场价格在研究期内的季节性波动特征。比较图5和图2，发现小麦市场价格趋势序列比原始序列更加平滑，表明小麦市场价格在很大程度上受季节因素的影响，是由于我国小麦产销存在季节性分布不平衡特征。
图3中，我国小麦市场价格季节要素序列也明显表现出季节分布特征，可以看出小麦价格在1、2、10、11、12月上涨，在4、5、6、7、8月下跌，3月和9月相较稳定。春秋和夏冬因素分别导致价格的上涨和下落，这基本与小麦的生长周期保持一致。
图4中，小麦价格不规则分量在2002年底到2005年中表F明显，说明小麦价格发生剧烈波动。在2004年，价格不规则分量远远低于0值，说明小麦价格在2004年达到历史低峰。2005年开始，价格不规则分量在0值上下浮动不大，表明我国小麦价格整体趋于平稳。
（二） HP滤波分解模型分析
1. 长期趋势分解。采用HP滤波法对排除了季节和不规则因素影响后的月度价格序列进行趋势分解，图6所示，Trend和Cycle分别是从月度价格序列分解出的价格长期趋势值和HP滤波波动值。
图6中，HP滤波波动值以0值线上下浮动，能够发现 HP滤波法对进行了季节调整后的小麦市场价格长期趋势的拟合效果比较满意。对波动值序列进行平稳性检验，检验选择同时包含常数项和趋势项，滞后期为5的模型，结果见表1。
表1中，ADF统计值同时小于在1%、5%和10%显著性水平下的临界值，表明剔除了长期趋势的波动循环序列是平稳序列， 说明HP滤波法对我国小麦市场价格长期趋势的拟合效果令人满意。
通常将偏离率上升到邻近波峰再反弹下落至临近波谷当作是一个完整的周期。我们将偏离率每次形成的峰谷落差大于8%划分为一个波动周期，高于水平0值部分作为波峰，低于部分作为波谷，划分结果见表2。
2. 我国小麦市场价格波动周期分析。表2中，在2002年12月到2014年10月，我国小麦市场价格发生了3次周期变化，包括2次完整周期和1次起始周期，平均每18个季度就会有一次大的价格波动。
2002年年底到2004年初，小麦价格逐渐回升，因为2003年夏小麦减产，小麦质量因自然灾害而降低，并且国内小麦进口量降低，出口量加剧增长（2002 年同比增长38%，2003年同比增长超过150%），供需差额进一步加大。2003年年底，小麦价格剧烈上涨，而当年夏秋小麦产量降低，小麦供不应求，粮食加工企业和产销区开始加购小麦储存。在2003年年底到2004年年初小麦价格经历了短暂的上涨，然后又出现了回落的状态。2005年前三个月，国家开始实行粮食保护政策，小麦价格基本稳定，存在下降的趋势，。2005年4月末和6月，我国分别发出《关于做好小麦购销工作稳定市场价格的紧急通知》和《关于积极做好夏粮收购工作的通知》，对小麦价格下跌起到了一定抑制的作用。2006年年初，我国实施了小麦最低收购价政策，对小麦价格起到了有力的支撑作用。
最后，比较波动周期持续时间和峰谷落差，可以得出2个完整周期是具有不重复性和非对称性的。
四、结论
本文基于国小麦市场月度价格指数，运用季节调整方法和HP 滤波法进行分解，分析了我国小麦市场价格的波动特征和波动规律，而且按照波动偏离率客观划分了我国小麦市场价格波动周期，研究发现小麦市场价格呈现明显的季节性波动，夏秋和春冬因素分别导致小麦价格上涨和下跌，与其生长期一致。在研究期内，平均每18个季度发生一次剧烈价格波动，波动周期呈现延长，而波动幅度存在逐渐缩小的趋势，说明我国小麦市场价格趋于稳定。并且由于我国实行粮食保护政策，这延长了小麦价格的周期。所以，针对价格的异常波动，我国需要依循小麦价格波动规律进行宏观调控，还需注意市场内部力量。
参考文献：
[1]刘俊杰.我国粮食价格波动研究―以小麦为例[D].南京农业大学，2011.
[2]徐雪高，靳兴初，沈杰，等.我国农产品价格波动的历史回顾及启示[J].中国物价，2008（05）.
[3]庄岩.我国农产品价格波动现状分析[J].中国对外贸易：英文版，2012（02）.
[4]金三林，张江雪.国际主要农产品价格波动的特点及影响因素[J].经济纵横，2012（03）.
[5]罗万纯，刘锐.中国粮食价格波动分析：基于ARCH类模型[J].中国农村经济，2010（04）.
