陕西省苹果单产非线性预测模型研究

为了更好地服务陕西省苹果产业发展,客观定量预测陕西省苹果产量,为政府部门制定苹果产销及产业发展提供科学决策依据,选择影响苹果产量的主要气候资源为预测因子,利用非线性回归分析方法,对陕西省5个苹果主要生产基地县分别建立单产气象因子非线性回归预测模型。模型检验显示,5县各年苹果单产预测的准确率均达73%以上,且该模式能够较准确地反映各县苹果单产情况,预测效果较好。该预测模型是对苹果产量预测技术方法的首次尝试,思路清晰、可操作性强,可为其他省份建立苹果产量预测方法及其他经济林果产量预测方法提供借鉴。     

奉化市水蜜桃气候条件分析及产量预测

水蜜桃的生长与其物候期的气象条件息息相关,通过分析当地的气象条件可对水蜜桃产量进行预测,为生产和销售提供指导。利用历年奉化气象站资料及水蜜桃产量数据,对影响奉化市水蜜桃生长的热量、光照、降水等气候条件进行分析,并选取了2月下旬—3月中旬日最高气温之和、3—4月日照时数、3月下旬降水量、6月下旬—7月上旬降水量和8—9月累积降水量这5个要素作为预测因子,利用多元回归方法建立奉化市水蜜桃产量预测模型。经显著性检验,该模型预测效果较为理想,预测结果可信且有效。     

基于环境因子的春玉米产量结构模型分析研究

环境因子对作物产量的影响是现代农业气象研究的重要内容之一,建立春玉米产量结构模型可为春玉米的科学生产提供依据。本研究分析贵港春玉米不同生育阶段的环境因子与产量结构的相关性,并建立全因子、显著因子的多元线性回归模型和BP神经网络模型。结果表明,对春玉米产量结构影响最大的生育期为拔节—抽雄期,10~40 cm的土壤水分体积含水率与产量结构最为密切;四种产量结构预测模型优度(R²)比较,全因子模型(AF)优于显著因子模型(SF),多元线性回归(MLR)模型优于BP神经网络(BPNN)模型。试报检验模型发现MLR模型的泛化能力不及BPNN模型,其中BPNN_AF模型对理论产量、果穗粗的预测最为精准。BPNN全因子模型(BPNN_AF)可作为春玉米产量结构预测的最优模型,能较好捕捉作物产量结构与环境因子之间的非线性影响规律,预测结果较为合理准确。     

昭苏高海拔地区油菜普花期预报模型研究

利用灰色关联分析法与相关分析法,分别确定与昭苏县油菜普花期关联最大的物候期和显著相关的气象因子,利用昭苏县1990—2019年物候期和气象因子分别建立回归模型,预测2020—2022年的普花期,利用均方误差和相对误差对模型的拟合结果进行评价,利用平均拟合精度对模型的预测结果进行评价。结果表明,基于昭苏油菜物候期的回归模型、基于昭苏气象因子的回归模型拟合结果相对误差分别为0.72%、2.59%,均方误差分别为2.6、6.0,预测结果平均拟合精度分别为98.9%、91.7%,基于物候期建立的昭苏油菜普花期回归模型预测结果更精准。     

BP神经网络在许昌土壤墒情预测模型的应用

为了科学指导农业灌溉和抗旱救灾,通过采用BP神经网络方法,研究许昌现有土壤墒情经验分析模型,建立了许昌土壤墒情预测模型并结合许昌多年的土壤水分实测数据和气象资料进行误差分析,应用结果表明BP神经网络模型可较好地应用于许昌土壤墒情分析和预测,对于不同条件的地区具有较好的适应性和推广应用价值。     

BP神经网络在烟蚜发生程度预测中的应用

为实现对烟田烟蚜发生程度的预测预报,以12年的历史资料为基础数据,采用BP神经网络方法建立了烟蚜发生程度的预测模型。该模型对待测样本的预测准确度为99.43%,回测准确度为87.36%。所建立的预测模型可提前1个多月对烟蚜发生程度进行预测,为中期预测模型,其预测结果可为烟田蚜虫综合治理提供依据。     

基于REMCC-BPNN的稻瘿蚊发生量预测研究

为了提高预测稻瘿蚊发生量的准确度,有效防控稻瘿蚊虫害成灾面积,采用基于K近邻样本拟合相对误差绝对值与时序相关系数最小原则优化的BP神经网络预测模型REMCC-BPNN,选取广为认可的气温和降水量为影响因子,对稻瘿蚊的发生量进行独立预测。通过2个实例（化州市晚稻稻瘿蚊发生程度和广西邕宁县稻瘿蚊发生程度）验证显示：REMCC-BPNN模型的独立预测精度分别为94%和100%,明显优于经典回归分析、SVR-CAR、MIV-BPNN等参比模型。可见,REMCC-BPNN模型在虫害发生量预测方面有良好的应用前景。     

基于logistic和灾减率方法制作玉米产量的预测

利用多元回归预报模型与灾减率相结合探讨粮食产量预报方法。依据本溪县玉米单产和气候资料,利用logistic方法建立玉米趋势产量序列,将分离的气象产量转换为相对气象产量,进行相关筛选预报因子,组建预测模型。结果表明：运用logistic方法构建的玉米趋势产量序列,提高了趋势产量拟合的精度;选取气象因子具有一定的生物学意义,增强了预测模型的科学性;多元回归预测模型与灾减率订正预测玉米单产正确率达90%。为粮食产量预报的定量化和精细化提供科学的依据。     

基于主成分回归的苹果可溶性固形物含量预测模型

为了更好地预测苹果的可溶性固形物含量（SSC）,试验采用反射式光谱采集系统获取采后“富士”苹果的光谱反射率。分析了3种光谱预处理方法（标准正态变换、多元散射校正以及二阶导数）对预测模型的影响;利用主成分分析方法对预处理后的光谱数据进行降维,并基于选取的特征变量建立预测苹果SSC的回归模型。结果表明：采用主成分分析方法从全光谱的1 024个波长中选取了前23个主成分得分作为特征变量;基于特征变量建立的回归预测模型具有较好的预测能力,其预测集相关系数RP=0.908,均方根误差RMSEP=0.499。这表明采用光谱技术结合主成分回归预测苹果SSC是可行的。     

长春市木本植物春季物候对气候变化的响应

根据中国物候观测网络长春观测站点的物候资料及国家气象中心提供的气象资料,采用相关分析、多元回归分析和数学模拟方法,分析了2003-2010年长春市木本植物春季物候与温度、日照、降水之间的相关关系,建立了模拟和预报4种木本植物开花始期的模型。结果表明：在各种气候因子中,温度对春季物候影响最大,日照、降水影响不显著;温度对春季物候影响集中在物候期前2个月,温度升高,春季物候期提前。春季物候期持续日数与1、2月份温度有关,分别与芽萌动期和展叶期成正相关和负相关。开花始期回归模型预测值与物候观测数值拟合较好,表明可以使用回归模型对长春几种木本开花期进行预测。     

山西日光温室逐日极端气温预测模型研究

利用山西省忻州市日光温室的室内小气候观测数据及气象站资料,用BP神经网络及逐步回归法建立以多种输入变量的不同天气条件下的日光温室内最高温度、最低温度的模型。结果表明,利用BP神经网络及逐步回归法建立的模型R2均在0.96以上,RMSE与AE大部分在2℃之下。利用逐步回归方法在模拟日光温室内晴天最高、最低温度和寡照的最高温度精度较高,利用BP神经网络模型在多云的最高、最低温度与寡照的最低温度模拟的精度较高。选择精度更好的模型对日光温室的极端气温做准确的预测,可为山西省设施农业的管理和调控及小气候预报提供支持。     

苹果不同生育期综合气象资源对产量的影响研究——以天水市秦州区为例

为定量确定综合气候资源对苹果产量的影响,运用1981—2010 年秦州区苹果单产资料及苹果主要生育期（4—8 月）平均气温、降水量、日照时数资料,建立了综合气象资源指数,分析了苹果不同生育阶段气候因子的变化规律及对苹果产量的影响。结果表明,近30 年苹果生长前期的热量因子的变化幅度大于生长后期。坐果之前,开花时的低温冷害对苹果产量影响较大。苹果前期生长阶段（4—6 月）降水量呈下降趋势,后期生长阶段（7—8 月）降水量线性变化趋势不明显。后期降水量与产量相关性明显。苹果前期生长阶段（4—6 月）日照时数为随时间呈上升趋势,后期生长阶段（7—8 月）日照线性变化趋势不明显。综合资源指数与苹果产量的变化有较好的一致性。20 世纪90 年代,综合气候资源不利于苹果产量的形成,从21 世纪初综合气候资源指数开始增加,苹果产量也开始上升。未来气候变化趋势利于苹果生产。     

2019—2021年东山枇杷气候(气象)条件评价与对比分析

苏州市吴中区东山镇是中国枇杷种植传统四大产区之一,也是吴中区重要的经济作物,但由于枇杷的生长发育易受气象条件影响,使得每年的产量不稳。因此,利用气象资料来分析气象条件对枇杷生产的具体利弊和影响程度,有利于科学的发展枇杷产业、提高气象为农服务效益。本文基于数理统计的方法对2019—2021年的枇杷产量和气象条件进行分析,结果表明：2019—2021年东山整体气候条件较为适宜,但灾害性天气也同时存在。其中2019年成熟枇杷的主要不利气候条件为花期和幼果期异常偏少的日照、花期异常偏多的降水量以及低温和降雪天气过程;2020年主要不利气候条件为果实膨大期偏多的日照;2021年为花期和幼果期出现的气温偏低和两次寒潮天气过程。根据同一时期枇杷的生长和产量情况可知,枇杷花腐病的主要原因是花期连阴雨,并表现为降水量的异常偏多和日照的异常偏少,连续2旬出现日照距平百分率小于-50%的情况或是判断花腐病的灾害阈值。此外,寒潮天气过程所带来的低温、雨雪是导致2021年枇杷花遭受冻害、幼果出现栓皮病的主要原因。     

奉贤黄桃产量的气象影响因子分析及预测模型的建立

利用奉贤1981—2019年逐旬气温、降水、湿度、日照等气象观测资料及1982—2019年黄桃产量数据,分析了黄桃产量的变化趋势及对气象因子的响应,并通过采用单要素指标及相关分析法着重分析2003—2019年黄桃全生育期各气象因子对产量的影响,构建了奉贤黄桃产量的气象预测模型。结果表明：黄桃产量以2003年为界,由波动上升转为上下波动,2003—2019年产量变异系数为22.9%。黄桃果实膨大—成熟期气象因子与产量的相关性较大,其次为花芽分化期、萌动—开花坐果期,落叶—休眠期较小。膨大成熟期气温（日照）在4—6月与产量呈正相关,而在7—8月为负相关,降水（湿度）影响与气温基本相反,其中7月下旬的最低气温、降水量、降水日数、日照均与产量呈显著相关;花芽分化期气温除7月下旬—8月上旬、9月上旬外均与产量呈正相关,且上年10℃终日及10、20℃有效积温与产量均呈显著正相关。花芽分化期各旬降水量（降水日数）与产量的相关性波动大;落叶—休眠期的干旱及暖冬带来的蓄冷量不足可能对产量有一定影响。建立的基于气象因子的黄桃产量最小二乘偏回归方程拟合效果较好,可为黄桃生产及管理部门提供决策服务。     

基于主成分分析的BP神经网络估算藏北高寒草地覆盖度变化

藏北高寒牧区草地是中国高寒草地分布面积最大的地区。为了及时准确地获得该区域草地覆盖度的变化趋势,本研究利用多年气象数据、社会统计数据、GIMMS、MODIS两种归一化植被指数（NDVI）数据作为参数,构建 BP神经网络模型,估算2010—2014年藏北高寒草地年际变化趋势,并用主成分分析方法优化参数来改进模型。结果表明,① BP神经网络模型及其改进模型对藏北高寒草地覆盖度年际变化趋势与遥感值的相关系数为0.16、0.47,表明通过主成分分析优化参数后的BP神经网络模型具有较好的模拟效果。 ②两种BP神经网络估算的植被指数值与NDVI值平均误差率分别为2.36%、2.20%。均有较高的模拟精度。③从神经网络训练步数上看,BP神经网络结果训练收敛步长为5000,基于主成分分析的BP神经网络模型训练收敛步长为454,表明后者提高了计算效率,体现出良好的收敛性。因此,无论从年际变化趋势拟合程度、植被指数估算值精度、还是从计算效率来看,改进的BP神经网络模型对于估算藏北高寒草地覆盖度变化更加行之有效。     

基于人工神经网络的落叶松毛虫发生量预测模型的研究

运用人工神经网络的原理和算法,根据相关系数法和逐步回归法选取了蒸发量、气温、风速、相对湿度等气象因子作为预报因子,建立了内蒙古东部地区的鄂伦春自治旗落叶松毛虫的发生面积及虫口密度与气象因子之间的BP网络模型。结果表明：所建立的模型具有较高的预测效果。通过逐步回归筛选出的预报因子,与事实吻合,选取合理。误差较小,控制在0.1%~25.0%之间。可以作为病虫害综合防治的依据。     

西藏林区森林火险等级中短期预报方法

利用2009/2010、2010/2011和2011/2012西藏林区防火期（11月—翌年4月）气象观测资料和T639数值预报资料,基于人工神经网络BP算法,建立了西藏林区森林火险等级1~7天预报模型,历史拟合率超过85%;通过对2012/2013防火期间的森林火险等级试报检验结果表明,前3天的平均绝对误差不超过0.5级,7天的平均绝对误差不超过0.6级;与直接利用数值预报模式气象要素预报结果相比,有效地纠正了数值模式要素预报的系统偏差,表明模型预报效果良好。该模型的建立提高了对西藏高原森林火险等级的预报准确性,为森林火险防御和消防调度提供了参考。