基于Microsoft Excel统计函数的农业气象预报模型研究

为了给当地政府、农业部门、农户提供准确及时的农作物播种期、发育期等农用天气预报,通过日平均气温稳定通过5℃初日与0℃初日间隔日数预报模型和水稻播种-抽穗天数预报模型的建立,介绍Microsoft Excel SLOPE、INTERCEPT、LINEST统计函数在农业气象预报中的应用。实践证明,这3种函数能对已知数据进行最佳线性拟和,可以轻而易举地处理诸多变量之间的相关关系,根据返回的数值数组,可以直接观察到所有自变量与因变量之间的相关程度和F值。因此,利用Microsoft Excel统计函数制作农业气象预报模型,不仅可以大大地减轻劳动强度,而且还可以提高工作效率和预报效果。     

气候适宜度在内蒙古东北部马铃薯发育期预报中的应用

为了建立内蒙古东北部马铃薯发育期预报模型,通过采用内蒙古东北部地区16个气象站,2003—2012年逐日最高气温、最低气温、日照时数、降水量、土壤水分资料和马铃薯生育期观测资料和相关农业气象指标,计算了马铃薯不同生育阶段的温度适宜度、日照适宜度和水分适宜度,进而研究了内蒙古东北部不同区域的马铃薯气候适宜度,建立了基于气候适宜度的马铃薯发育期预报模型。结果表明,大兴安岭以东,大兴安岭以西及大兴安岭山地3个气候小区域的模拟值与实际值的平均误差在2天以内,各发育期误差的平均值也在2天以内;预报检验结果表明,各区域各发育阶段预报误差的平均值,除大兴安岭山地的预报误差为3.4天外,其他区域的预报误差都在1.0天以下。预报模型效果较好,可用于该地区进行马铃薯发育期预报。     

基于GIS的河套灌区向日葵气候适宜性区划

利用河套灌区18年向日葵观测资料和相应气象资料,计算了向日葵各发育期气温、日照等要素,分析了各发育期适宜农业气象条件,并利用气候资料与气象产量建立了回归模型,通过地理信息系统将河套灌区向日葵种植进行了适宜分区。     

甘肃省农作物主要病虫害将偏重发生

<正>根据去年病虫越冬基数调查,作物品种布局、长期气象预报等因素综合分析,预计2007年甘肃省农作物主要病虫害总体呈中度偏重发生趋势,病害将重于虫害。具体预报如下:     

基于气象区域自动站资料的精细化玉米适宜播种落区预报

为实现气象预报要向精细化方向发展,为农业生产提供精细化服务的目的,实现为当地政府及农业部门指挥、指导农业生产提供更直观、可靠的细化到乡镇的玉米适宜播种分布情况,通过分析辽阳地区2010—2014 年24 个区域自动站4—5 月逐日平均气温与辽阳本站同期气温的关系,建立24 个回归预报模型,借助于雨量图制作软件利用模型做出的预报,将全地区划分出适宜播种、较适宜播种和不适宜播种3 个区域。经检验,24 个预报模型相关系数均达0.01 显著水平,回代与实况值变化趋势基本一致,回代和预报绝对误差(ABSE)和标准误差(RMSE)在0.2~0.7℃,可以用来预报24 个乡镇的日平均气温。利用雨量图制作软件绘制等值线图,方法简单易掌握,易于推广。     

2006年甘肃省农作物主要病虫发生趋势预报

根据病虫越冬基数调查、冬小麦品种布局、长期气象预报等因素综合分析,预计2006年甘肃省农作物主要病虫害呈中度偏重发生趋势,具体预报如下:一、预报结论小麦条锈病:陇南、天水及中部阴湿晚熟麦区大流行,陇东中度偏重流行。全省流行面积900￣1100万亩。小麦白粉病:全省中度流行     

基于生理发育时间的水稻发育期预测方法

水稻发育期模型研究是开展现代农业气象服务工作的基础。基于作物生理发育时间守恒原理,综合考虑温度和日长因子对水稻发育期的影响,利用云南省12个农气观测站2011—2014年水稻发育期观测和地面气象观测资料,分别构建并验证了适用于籼稻种植区和粳稻种植区的发育期预报模型。结果表明,2套模型在全发育期和各发育阶段的预报值与观测值模拟效果总体较好,平均全发育期RMSE值为7.47,RE值为7.99%,粳稻模型和籼稻模型的RE值分别为6.49%和9.5%,粳稻区模拟效果优于籼稻区。模型生物学意义明确、参数通用性强,适用于农业气象业务服务中水稻发育期预测,具有推广应用价值。     

基于气象条件的玉米发育期预报技术

为了给当地政府、农业部门、农户提供准确及时的玉米发育期预报,根据玉米日平均气温稳定通过10℃播种的温度指标,通过分析辽阳市1956—2010年日平均气温稳定通过10℃与5℃初日间隔日数和稳定通过5℃初日的相关性,利用日序与间隔日数建立回归方程,预测日平均气温稳定通过10℃初日,在此基础上做出玉米播种期预报;利用灯塔市农业气象观测站1981—2010年资料,分析玉米从播种到成熟各个发育期发育速度与气象条件的关系,经过对各时段的相关性检验,发现玉米从播种到成熟期间各发育期间隔日数与≥10℃活动积温相关性最好,从出苗到成熟玉米感温性、感光性都比较强,由此建立播种-开花及拔节-成熟的天数预报模型,预报玉米开花及成熟期。经检验,3款预报模型相关系数、复相关系数及F值均达0.01显著水平,回代与实况值有着比较一致的变化趋势,回代和预报绝对误差(ABSE)和标准误差(RMSE)在2.0~4.3天,可以满足农业气象服务需要,具有推广应用价值。     

安徽省油菜主要发育期预报业务化模型研究

为了满足现代农业气象业务服务的需求,为各级政府决策部门和农业生产者及时、合理地开展田间管理和农业生产提供科学依据,在江苏省农科院研发的油菜发育期预报模型的基础上,利用安徽省1982~2005年甘蓝型油菜发育期资料和相对应的气象资料,运用数理统计方法,建立了安徽省油菜主要发育期区域预报模型;并依据天气预报,预测油菜开花期和成熟期。经模拟回代、试报和业务应用,结果显示：油菜开花期和成熟收获期实际观测值与模拟值的相关系数在0.8~0.9,平均绝对误差在2~3天;2006-2009年试报结果与实际值的绝对误差平均在3天左右。本研究对预测安徽省油菜的生育期进程提供了理论支持,并在2011年业务应用中效果较好,完全可以满足业务需求。     

玉米新品种南校9665特征特性及其栽培技术

南校9665是广西农业职业技术学院育成的优良玉米新品种.该品种在广西玉米良种区试中表现高产、优质、抗病和抗倒等优点.2005年3月通过广西农作物品种审定委员会审定.栽培上,在中等肥力地块,种植密度以50 000～52 500株/hm^2较适宜;低肥力地块,以45 000～47 500株/hm^2为宜;全生育期施氮素270～315kg/hm^2,五氧化二磷75～112.5kg/hm^2,氧化钾270～315kg/hm^2.     

基于物联网技术的农业气象观测系统的研究与设计

为了更好地实现农业气象数据观测的实时、可靠、准确性,研究设计了一种基于物联网的农业气象观测系统。该系统在Eclipse的开发环境中,利用B/S模式和专业数据库实现数据采集与应用实时结合的功能,解决了过去气象部门数据与应用软件分离,监测、分析功能实时性不高的问题。同时,后台应用软件利用前端无线传感网络的实时数据,并结合专家知识自动向用户推送农业气象预报信息。综上所述,研究设计的农业气象观测系统信息推送准确及时,极大地满足了现代农业对气象服务精准化的需求。     

重庆市农业气象服务调查研究

为了拉近现代气象业务与现代农业发展需求之间的距离,切实为提高农业综合生产能力、抗风险能力、市场竞争能力提供优质气象服务,利用2012年获取的重庆市38个区县农业气象服务需求调查数据,分析了重庆市农业气象服务现状及需求。调查对象涵盖了重庆农村的不同区域、不同阶层,共回收有效问卷共2198份。调查结果表明：大多调查者都能得到气象灾害预警信息,83.3%的被调查者对现有农业气象服务信息的准确率表示认可,目前重庆“三农”气象服务整体情况较好;农村地区关注气象的主要目的是提前做好突发天气的防御和安排农业生产;电视和手机短信为获取农业气象信息和气象预警信息的主要途径;大多数被调查者希望气象预报准确率更高,气象灾害预报预警能够更加及时,能够从更多的渠道获得气象信息;种养殖大户对更加精细和有针对性的气象服务需求旺盛。     

东北地区杨树烂皮病气象预报模型研究

为了研究东北地区杨树烂皮病气象预报预警技术,以2002-2008年东北地区杨树烂皮病发生程度为研究对象,利用相应气象资料,在相关分析、逐步回归和逐步判别分析方法的基础上,构建东北地区杨树烂皮病气象适宜度预报模型,并将气象适宜度指数划分为非常适宜、适宜、基本适宜、不适宜4个级别,以反映气象条件对杨树烂皮病发生发展的适宜程度。结果表明：东北地区杨树烂皮病发病面积与冬季气温日较差≥15℃的天数、春季和初夏平均气温呈正相关,冬季气温日较差越大、春季和初夏气温越高,越有利于杨树烂皮病发生发展;入冬冻害、春季温湿条件对东北地区杨树烂皮病发生发展起主导作用,气温、空气湿度与杨树烂皮病发生程度关系最为密切;影响东北地区杨树烂皮病发生发展的关键气象因子分别是3月下旬风速、3月空气相对湿度、4月温湿系数、3月和5月及4月上下旬气温、上年11-12月气温日较差≥15℃的天数。预报模型对2002-2008年的历史拟合和重发生年2009年预报取得了较好的效果,分级和分省外延预报平均准确率均在75%以上,3省预报准确率顺序为：黑龙江>吉林>辽宁。     

广西稻飞虱发生程度的气象预测预警

稻飞虱是影响广西水稻最严重的害虫,其发生发展与气象条件关系十分密切,为探索气象条件与稻飞虱发生程度的关系,进而开展稻飞虱发生程度的预测预警。笔者利用1991—2008年广西64个农业病虫测报站和对应县市的气象台站资料,对早稻稻飞虱发生等级与各项气象因子单因子做相关分析,找出具有生物学意义且指示性强的主要气象因子作为建模备选因子,采用逐步回归分析方法,构建早稻稻飞虱发生程度的预测预警模型,并对模型进行历史回代及2009—2012年的独立样本预测试报检验。结果表明：通过历史回代检验,早稻稻飞虱发生气象等级的模型与实测值达到基本一致,为89%;独立样本预测试报的模型预测检验结果达到基本一致以上,为75%,模型总体效果良好,其预测预警可为相关部门及时制定稻飞虱防控对策提供科学依据。     

山西省冬小麦主要病虫害气象等级预报模型

气象条件是影响农作物病虫害的主要因子,且与作物的发育期密切相关,特别是在特殊年份,如果模型所筛选的因子中较常年有明显的改变,预测结果与实际结果相差较大,因此各预测模型都具有一定的局限性。为提高数理统计预报的实用性,需要采用多年的历史资料,同时在实际工作中应采用尽量多的方法进行预测,以最大限度地获得较高的预测准确率。本文以山西冬小麦的主要病虫害（白粉病、条锈病、麦蜘蛛）为研究对象,研究其发生流行的气象条件预报指标,并建立山西省冬小麦主要病虫害发生的气象条件预测模型,进行山西省冬小麦主要病虫害发生的气象条件预测。通过历史资料进行回测验证,历史拟合准确率达到90%以上,说明应用该方法所建模型在一般年份可以进行冬小麦条锈病、白粉病、麦蜘蛛的预测。     

Application of the CSM-CERES-Maize model for planting date evaluation and yield forecasting for maize grown off-season in a subtropical environment

In recent years, maize has become one of the main alternative crops for the Autumn–Winter growing season (off-season) in several regions of Brazil. Water deficits, sub-optimum temperatures and low solar radiation levels are some of the more common problems that are experienced during this growing season. However, the impact of variable weather conditions on crop production can be analyzed with crop simulation models. The objectives of this study were to evaluate the Cropping System Model (CSM)-CERES-Maize for its ability to simulate growth, development, grain yield for four different maturity maize hybrids grown off-season in a subtropical region of Brazil, to study the impact of different planting dates on maize performance under rainfed and irrigated conditions, and for yield forecasting for the most common off-season production system. The CSM-CERES-Maize model was evaluated with experimental data collected during three field experiments conducted in Piracicaba, SP, Brazil. The experiments were completely randomized with three replications for the 2001 experiment and four replications for the 2002 experiments. For the yield forecasting application, daily weather data for 2002 were used until the forecast date, complemented with 25 years of historical daily weather data for the remainder of the growing season. Six planting dates were simulated, starting on February 1 and repeated every 15 days until April 15. The evaluation of the CSM-CERES-Maize showed that the model was able to simulate phenology and grain yield for the four hybrids accurately, with normalized RMSE (expressed in percentage) less than 15%. The planting date analysis showed that a delayed planting date from February 1 to April 15 caused a decrease in average yield of 55% for the rainfed and 21% for the irrigated conditions for all hybrids. The yield forecasting analysis demonstrated that an accurate yield forecast could be provided at approximately 45 days prior to the harvest date for all four maize hybrids. These results are promising for farmers and decision makers, as they could have access to accurate yield forecasts prior to final harvest. However, to be able to make practical decisions for stock management of maize grains, it is necessary to develop this methodology for different locations. Future model evaluations might also be needed due to the release of new cultivars by breeders.     

Application of the CSM-CERES-Maize model for planting date evaluation and yield forecasting for maize grown off-season in a subtropical environment

In recent years, maize has become one of the main alternative crops for the Autumn–Winter growing season (off-season) in several regions of Brazil. Water deficits, sub-optimum temperatures and low solar radiation levels are some of the more common problems that are experienced during this growing season. However, the impact of variable weather conditions on crop production can be analyzed with crop simulation models. The objectives of this study were to evaluate the Cropping System Model (CSM)-CERES-Maize for its ability to simulate growth, development, grain yield for four different maturity maize hybrids grown off-season in a subtropical region of Brazil, to study the impact of different planting dates on maize performance under rainfed and irrigated conditions, and for yield forecasting for the most common off-season production system. The CSM-CERES-Maize model was evaluated with experimental data collected during three field experiments conducted in Piracicaba, SP, Brazil. The experiments were completely randomized with three replications for the 2001 experiment and four replications for the 2002 experiments. For the yield forecasting application, daily weather data for 2002 were used until the forecast date, complemented with 25 years of historical daily weather data for the remainder of the growing season. Six planting dates were simulated, starting on February 1 and repeated every 15 days until April 15. The evaluation of the CSM-CERES-Maize showed that the model was able to simulate phenology and grain yield for the four hybrids accurately, with normalized RMSE (expressed in percentage) less than 15%. The planting date analysis showed that a delayed planting date from February 1 to April 15 caused a decrease in average yield of 55% for the rainfed and 21% for the irrigated conditions for all hybrids. The yield forecasting analysis demonstrated that an accurate yield forecast could be provided at approximately 45 days prior to the harvest date for all four maize hybrids. These results are promising for farmers and decision makers, as they could have access to accurate yield forecasts prior to final harvest. However, to be able to make practical decisions for stock management of maize grains, it is necessary to develop this methodology for different locations. Future model evaluations might also be needed due to the release of new cultivars by breeders.     

江苏渍涝灾害气象监测预警

运用江苏省1961—2014 年国家基本气象观测站点网收集的气象和农业气象灾害资料以及2010年以来土壤自动站水分观测资料,根据农田水分平衡原理,以相对湿润度指数为基础,构建江苏渍涝灾害气象监测预警模型,实现了对农田渍涝灾害的客观、实时、动态监测与预报,可动态获取渍涝灾害发生的时间、范围、强度及发展态势、持续时间,为科学防范提供了手段。监测预警业务系统于2014年6 月起投入业务应用,准确率约97%,特别在2014 年夏季持续低温阴雨及2015 年6 月持续暴雨的典型渍涝灾害发生发展过程中表现突出,对全过程进行了动态监测预警,逐日提供全省渍涝灾害区域发生程度,为管理和生产部门及时掌握灾情,科学应对提供了重要依据。     

基于分数阶灰色模型的生鲜电商产品销量预测研究

新型冠状病毒的爆发,使供应链受到了不良影响,蔬菜水果等生鲜商品线下批发零售受阻,生鲜电商却迎来了新一轮的发展.从生鲜消费者角度出发,通过构建分数阶灰色预测模型对生鲜产品的需求量进行预测,并引入甘福园生鲜电商销售数据进行验证,得到柠檬、车厘子、苹果及火龙果4种水果拟合值的平均绝对百分比误差(MAPE)分别为8.61％、7.15％、7.16％、6.81％,其值均小于灰色预测模型和一次指数平滑法,且由该模型得到预测值的平均绝对百分比误差均小于10％,结果表明该模型适用于生鲜电商产品销量预测.