基于两种方法建立辽宁大豆产量丰歉预报模型对比

利用辽宁省56个气象站1992?2016年逐日气象资料和5个代表农业气象站的大豆发育期资料,计算不同生育期关键气象因子和气候适宜度指数,分别建立基于关键气象因子和气候适宜度的辽宁省大豆逐候产量动态预报模型,并进行回代检验和预报检验。结果表明：基于关键气象因子的预报模型在6月16日、7月21日、7月26日、8月1日、8月26日和9月16日可以进行产量预报（P＜0.05）,基于气候适宜度的预报模型在8月16日-10月1日每候可进行1次产量预报（P＜0.05）;两种预报模型的平均回代检验准确率均高于83.0%;基于气候适宜度的预报模型回代检验准确率和预报检验准确率的变幅较小,稳定性更高;应用两种预报模型,辽宁省大豆产量趋势预报业务得分＞0的年份约占60%。说明利用两种模型对辽宁省大豆产量进行动态预报均能满足业务服务需求;进行趋势预报时,可以优先考虑基于关键气象因子的预报模型,而在未出现重大气象灾害的正常年份,可以赋予基于气候适宜度的预报模型更多权重,以减少预报时次。     

耦合土壤墒情的气候适宜度指数在山东省冬小麦产量动态

利用山东省1981-2011年历年冬小麦生育期及产量资料、14个气象站点的逐日气象资料、1992-2011年冬小麦生长季逐旬20cm土壤墒情资料,分别构建考虑和不考虑土壤墒情的冬小麦不同生长阶段的气候适宜度指数计算模型,通过与气象产量进行相关和回归分析,建立了基于两种气候适宜度指数的3-5月逐旬产量动态预报模型,并进行历史回代检验和动态外推预报。结果表明：考虑土壤墒情的气候适宜度指数能够更客观地反映山东省冬小麦生长期间气象条件和土壤水分对其产量形成的影响,构建的气候适宜度指数与冬小麦气象产量的相关系数均通过0.01水平的显著性检验,相关性高于不考虑土壤墒情的气候适宜度指数。产量动态预报模型对1992-2009年历史回代检验的平均准确率均在95.0%以上,标准化均方根误差RMSE均小于6%。对2010-2011年外推预报准确率最高达99.4%,最低为95.4%,说明预报准确率较高,建立的产量动态预报模型可以在业务上推广应用。     

耦合土壤墒情的气候适宜度指数在山东省冬小麦产量动态预报中的应用

利用山东省1981-2011年历年冬小麦生育期及产量资料、14个气象站点的逐日气象资料、1992-2011年冬小麦生长季逐旬20cm土壤墒情资料,分别构建考虑和不考虑土壤墒情的冬小麦不同生长阶段的气候适宜度指数计算模型,通过与气象产量进行相关和回归分析,建立了基于两种气候适宜度指数的3-5月逐旬产量动态预报模型,并进行历史回代检验和动态外推预报。结果表明:考虑土壤墒情的气候适宜度指数能够更客观地反映山东省冬小麦生长期间气象条件和土壤水分对其产量形成的影响,构建的气候适宜度指数与冬小麦气象产量的相关系数均通过0.01水平的显著性检验,相关性高于不考虑土壤墒情的气候适宜度指数。产量动态预报模型对1992-2009年历史回代检验的平均准确率均在95.0%以上,标准化均方根误差RMSE均小于6%。对2010-2011年外推预报准确率最高达99.4%,最低为95.4%,说明预报准确率较高,建立的产量动态预报模型可以在业务上推广应用。     

基于气候适宜度指数预报玉米产量时旬权重系数的确定方法

利用吉林省1980-2016年春玉米作物资料、50个气象站的逐日气象资料,构建春玉米生长季各旬的气候适宜度模型。分别采用绝对值法、归一化法和相关系数法确定各旬气候适宜度权重系数,进而计算4月上旬-预报日前一旬的气候适宜度指数,分析不同方法得到的气候适宜度指数与春玉米产量气象影响指数的相关性,并进行回归分析,建立产量动态预报模型,对吉林省春玉米单产进行预报。结果表明：三种方法研究的权重系数之间存在一定差异,但总体上随生育期的变化趋势基本一致。利用1981-2012年资料回归分析建立的产量丰歉预报模型多数通过0.05水平的有效性检验,各预报模型历史拟合平均准确率均在85.0%以上,归一化均方根误差NRMSE均小于17.0%,丰歉趋势预报准确率普遍在60.0%～80.0%,三种方法差异不明显。利用模型对2013-2016年春玉米单产进行外推预报,各预报时间准确率存在波动,但绝对值法、归一化法和相关系数法所有预报时间的平均准确率分别为93.5%、90.8%、87.2%,预报结果准确率的标准差分别为32.6、69.4、116.1。且绝对值法各预报时间平均准确率均在85.0%以上。可见绝对值法预报结果的准确率和稳定性均较高,可以满足业务服务需要。     

基于关键气象因子的中稻单产动态预报

利用重庆市1986-2009年中稻单产和中稻生育期内旬平均气温、旬降水量、旬日照时数等资料,采用统计分析法建立中稻气象产量动态预报模型,在此基础上预报中稻单产。用5a滑动平均方法分离中稻趋势产量,在分析气象产量与中稻全生育期逐旬气象要素相关性的基础上,以3月中旬平均气温、5月下旬日照时数、7月中旬平均气温、7月中旬降水量、7月中旬日照时数、7月下旬平均气温、7月下旬降水量和8月上旬平均气温等作为关键气象因子,建立中稻气象产量动态预报模型,并应用该模型实现中稻单产动态预报。对1986-2009年的中稻单产做模拟检验,平均准确率在96%以上,95%以上的年份预报准确率超过90%。对2010年的单产进行预报,准确率为91.5%～92.8%,预报准确率较高,基本能满足业务服务的需要。     

新型统计检验聚类方法在精细化农业气象产量预报中的应用

基于新型统计检验聚类方法(CAST)将山东省冬小麦种植区分成4个区,并利用1981-2011年冬小麦产量、生育期、逐日气象资料以及土壤墒情资料分区构建冬小麦温度、水分、日照及气候适宜度模型,利用基于气候适宜指数的作物产量预报模型对各区冬小麦产量进行动态预报,并与基于传统等值线方法分区的产量预报进行比较。结果表明:基于传统等值线分区的产量预报,其中一个分区未通过显著性检验,不能建立预报模式,其它3个分区历史回代检验的平均准确率为94.2%,外推预报的平均准确率为92.3%;而基于CAST分区的产量预报模型均通过0.05水平的显著性检验,各分区预报模式的历史回代检验平均准确率达95.8%,外推预报的平均准确率达93.6%。表明基于CAST分区的产量预报明显优于传统分区产量预报,可为精细化农业气象产量预报提供重要途径。     

基于气候和土壤水分综合适宜度指数的冬小麦产量动态预报模型

利用河北省16个农气观测站1981-2010年逐日气象资料、土壤水分观测资料、冬小麦生育期观测资料、灌溉记录和8个冬小麦主产市产量资料,根据土壤水分平衡原理和模糊数据理论,建立了综合反映冬小麦生长期气象条件和土壤水分状况的气温-日照-土壤水分适宜度评价模型,并以旬为时间步长,建立了基于气温-日照-土壤水分适宜度指数的冬小麦产量动态预报模型.结果表明,气温-日照-土壤水分适宜度指数克服了气温-日照-降水适宜度指数仅考虑水分状况中降水条件的不足,能够客观反映冬小麦生长期的气象条件和土壤水分状况,与冬小麦产量变化量呈极显著相关(P＜0.01),相关性高于气温-日照-降水适宜度指数;动态产量预报模型对1981-2008年历史拟合检验和2009-2010年预报试验的平均相对误差分别为6.1％和1.2％,误差较小,表明建立的冬小麦产量动态预报模型能够满足业务需求,具有较高应用价值.     

基于历史产量丰歉影响指数的黑龙江省水稻产量动态预报

水稻是黑龙江省主栽作物之一,开展水稻产量动态预报对黑龙江省粮食生产具有重要意义。利用黑龙江省水稻主产区产量资料、发育期资料、日最高气温、日最低气温、日降水量和日照时数等资料,根据历史年水稻产量丰歉气象影响指数,建立黑龙江省水稻产量丰歉趋势动态预报模型。另外,采用相关分析的方法,确定影响产量的关键气象因子,建立相应的产量预报模型,对产量丰歉趋势动态预报模型进行修订。通过对1997-2006年水稻产量进行动态预报,结果表明,5月31日、6月30日、7月31日和8月31日预报的水稻产量增减趋势的预报正确率平均为90%、70%、90%和80%,产量预报准确率为84%、90%、94%和93%,预报准确率较高,能够满足业务服务的需要。     

基于COSIM模型的新疆棉花产量动态预报方法

该文在对棉花生长模拟模型COSIM进行模型调试、验证实现本地化应用的基础上,探讨运用作物模型进行棉花产量动态预报的方法,重点解决未知气象数据替代问题。作物模型应用于产量预报时,未来天气的不确定性是影响预报准确率的关键因子,该影响随着当年实际天气数据增多而减小。该文以近50 a的气象数据,依次替代预报日至收获期的气象数据(即预报日之前使用预报年当年气象数据,预报日之后使用替代年气象数据),模拟棉花生长发育和产量形成过程,以近50、40、30、20、10、5 a历史气候数据依次替代预报日之后的逐日数据获得的模拟产量平均值作为预报产量,根据对预报准确率进行比较,最终确定以近10 a实测数据替代获得的模拟产量平均值作为最终预报产量。经验证该预报方法对不同播种时间棉花产量动态预报的准确率在81.3%~99.6%,预测精度较好。作为案例分析,该文仅进行每月1次预测分析,实际应用中可进行逐日替代动态预报,经过进一步改进,提高预报精度,未来可望达到业务应用水平。     

美国玉米产量业务预报方法研究

利用1961 -2006年美国玉米平均单产资料、美国玉米种植区14个代表站玉米生长季逐日平均气温、降水量以及西太平洋月平均海温、北半球500hPa平均高度场环流资料,分别建立了基于地面气象要素、海温、环流资料的美国玉米产量预报模型.利用三种模型分别对1995 -2004年美国玉米平均单产进行预报检验,各模型10a平均预报准确率均在95%以上,但各模型预报准确率波动较大,因此,根据各模型的历史准确率,利用加权方法建立了集合预报模型.2005年、2006年试报结果表明,集合预报模型的准确率均在95%以上,能够满足业务服务的需要.     

不同统计模型在冬小麦产量预报中的预报能力评估——以江苏麦区为例

在多类冬小麦单产统计预报模型中筛选出预报能力强的模型,并对优选出的模型进行加权集成,以此提高产量预报准确率,对保障粮食安全具有重要意义。利用1993—2018年江苏省69个基本气象观测站逐日气象资料和冬小麦产量数据及生育期资料,在5种气象产量分离方法(线性分离、差值百分率、5年滑动平均、3年滑动平均、二次曲线)的基础上,采用准确率、标准差、相关系数、泰勒图等检验法,评估分析了丰歉相似年法、关键气象因子法、气候适宜度法与集成预报法在江苏省冬小麦单产预报中的模拟效果。结果表明:1)对于同一种预报方法,不同的产量分离法对预报精度影响较大,二次曲线分离法要好于其他4种方法;丰歉相似年预报方法中加权法的预报精度高于大概率法。1993—2013年丰歉相似年法、关键气象因子法、气候适宜度法平均准确率分别为89.67%、94.86%和94.96%。2)集成预报法近5年预报准确率在96.33%以上,高于丰歉加权模型、关键气象因子二次曲线分离模型、气候适宜度二次曲线分离模型等单个最优模型,在一定程度上可以弥补单一预报方法预报结果稳定性差的不足。3)起报时间越接近成熟期,预报因子信息越全面,则预报模型准确率越高。研究结果可为江苏省冬小麦采用合理的单产预报模型提供科学依据,同时模型筛选思路也可供外省借鉴。     

新疆棉花低温冷害逐步回归预测模型

为及时采取防御措施和减轻低温冷害对新疆棉花生产的严重影响,利用1961-2005年逐日平均温度资料、棉花多年产量和发育期资料,计算了新疆主要棉区棉花的热量指数,确定了低温冷害的热量指数指标,可以较好地判断预报年新疆主要棉区的冷害发生情况及灾害程度.在此基础上以74类大气环流特征量为预测因子,从棉花的播种期开始到停止生长,逐月滚动建立了各个棉区热量指数的逐步回归模型.各月模型的预测准确率达到90%以上,能较好地预测该区棉花生长季内的热量状况;且可以看出,预报月前期的高纬度极涡环流系统的特征对新疆棉花生长的热量条件有着重要影响.从研究结果可知,通过运用滚动预报的方法,可以有效地提高预测棉花生长季内热量指数的准确率,从而更准确地预测冷害发生年,为棉花生产布局和及时采取防冻措施提供参考.     

早稻产量动态预报模型

利用早稻不同生育阶段气象因子的综合聚类指标选择气象相似年型，再根据相似年的产量变化确定分析年的产量气象影响指数，建立全国和区域早稻单产动态预报模型。通过对1995—2004年早稻产量进行动态预报，结果表明，4月30日、5月31日、6月30日和7月31日预报的早稻产量增减趋势的预报正确率均为100％，产量预报准确率为97．5％、96．6％、98．1％和96．9％，从而可实现早稻产量的连续、动态、定量化预报，促进有关业务服务的发展。     

基于灰色模型的黑龙江省水稻生育期热量指数分析及预测

选择黑龙江省11个水稻农气观测站点为研究对象,利用1971-2016年逐旬气温资料和水稻发育期资料,将黑龙江省划分为东、西、南三个区域,使用微分方程动态建模方法建立3个区域5、6、7、8月热量指数的灰色预测模型,在此基础上滚动预报水稻生育期的总热量指数,以期开展黑龙江省水稻低温冷害的预测服务。结果表明热量指数能够很好地反映水稻生育期热量条件,且与低温冷害年有很好的对应关系。黑龙江省不同水稻产区热量指数灰色模型模拟结果与原序列关联度均达到0.88以上,通过了关联度检验和残差检验,1971-2010年拟合平均准确率为94.6%～97.6%,且7、8月的预报准确率普遍高于5、6月;2011-2016年的试报准确率均在97%以上,说明各模型的模拟效果很好。利用灰色模型预测黑龙江省水稻生长季热量指数是可行的,可以满足水稻生长发育过程中延迟性冷害的实时评估需求。     

作物春季播种期土壤温湿因子的分析及预测研究——以内蒙古河套灌区为例

以改进本地作物播种期土壤含水量和耕层地温的预报服务及提升农业生产安排决策能力为目的。利用内蒙古河套灌区1980~2011年年春季和作物播种期间气温、降水、风速、地温、土壤相对湿度等资料,采用相关分析、回归分析、Mann-Kendall趋势检验等方法 ,在土壤温湿因子诊断分析基础上,建立不同层次逐日土壤温度和逐旬相对湿度预报模型。结果表明:1980年以来河套灌区大部地区春播期平均土壤相对湿度在0~10 cm、10~20 cm和20~30 cm土层均呈下降趋势,影响的主要因子依次为前一旬土壤相对湿度、当旬的平均气温和降水量;河套灌区气温及0 cm、5 cm和10 cm地温变化趋势相同,均呈现上升的趋势,影响的主要因子为平均气温和平均风速;建立了各层土壤相对湿度预测模型84个和各层地温预测模型36个,均通过信度检验(P≤0.05);土壤相对湿度模型回代和预报检验准确率分别大于85%和80%,有的甚至超过90%;地温模型回代检验平均误差为1.9~2.3℃,2011、2012年预报检验平均误差为2.1~2.5℃。模型输出结果更能反映当地作物适宜播种期间土壤温湿匹配效果,预报精度达到了一定的水平,可用于干旱地区土壤相对湿度和地温的预报。     

基于遥感数据的智利竹筴鱼渔场预报系统

根据中国2001-2009年东南太平洋作业船只提供的捕捞数据和卫星遥感反演的海表温度数据,建立了基于贝叶斯概率理论的智利竹筴鱼渔场预报系统。系统开发采用客户/服务器(C/S)体系模式,数据库则采用SQL Server 2000数据库管理系统,结合控件式GIS技术,构建了渔场分析和预报系统,并利用历史数据进行了模型精度验证。结果表明:预报渔场的准确度为72.6%,预报非渔场的准确率为57.5%;综合预报准确率达65%以上。渔汛盛期的渔场预报准确率要高于渔汛末期3%～22%,而非渔场的预报准确率低于渔汛末期4%～11%。因此,该预报系统对于南太平洋智利竹筴鱼渔场预测和捕捞活动具有一定的指导意义。但在实际预报过程中,也需结合其他相关环境因子(如叶绿素a、海面高度、海流等)对预报渔场进行修正。     

气候变化背景下播期对东北三省春玉米产量的影响

为探究气候变化背景下东北三省(黑龙江省、吉林省和辽宁省)春玉米适宜播期的变化程度,本文以东北三省春玉米潜在种植区为研究区域,基于1981—2015年气象资料,1981—2012年农业气象观测站玉米生育期、产量资料以及土壤资料,分气侯区对农业生产系统模型(APSIM)进行调参和验证,建立适用于东北三省10个不同气候区的模型相关参数,在各气候区利用调参验证后的APSIM-Maize模型设置不同播期,模拟各年代不同播期下春玉米潜在产量和气候生产潜力,综合高产和稳产性指标,明确了不同区域各年代不同条件下适宜播期范围。研究结果表明,APSIM模型对于东北三省7个春玉米品种开花和成熟两个关键生育期以及产量模拟结果与实测结果具有较好的一致性,表明APSIM模型能够较好地模拟研究区域春玉米生育期和产量。充分灌溉条件下,研究区域内适宜播期范围从4月16日至5月19日,空间上呈纬向分布南早北迟的特征; 20世纪90年代和21世纪00年代玉米适宜播期较20世纪80年代有提前趋势,其中20世纪90年代提前趋势更明显;第1、第3、第5、第7和第9气候区雨养条件下较充分灌溉条件下适宜播期有推迟趋势,推迟天数为3～6 d。雨养条件下各年代不同气候区理论上的适宜播期较目前生产中实际播期下的产量提高2.84%～9.96%。以上结果为进行未来气候变化对东北三省春玉米影响及其适宜播期等研究提供了技术支撑。     

华北地区杨树烂皮病发生发展气象适宜度预报模型

利用河北省18个代表站点2002-2008年杨树烂皮病病情资料和相应气象资料,通过相关、回归分析等方法,分析河北省杨树烂皮病发生发展与气象条件的关系。结果表明：降水量、降水日数、相对湿度、温湿系数与杨树烂皮病发生率呈正相关,降水增加、雨日增多、相对湿度和温湿系数增大有利于杨树烂皮病发生发展;日照时数、夏季高温日数、极端最低气温与杨树烂皮病发生率呈负相关,天气晴朗、日照充足、极端气温升高不利于杨树烂皮病发生发展;影响河北省杨树烂皮病发生发展的关键气象因子分别是3月和4月温湿系数、3月下旬和4月下旬日照时数、4月上下旬气温、3月上旬和4月上旬以及上年12月上旬极端最低气温,利用归一化处理后的关键气象因子建立气象适宜度预报模型,通过回代检验,气象适宜度等级与杨树烂皮病实际发生等级相比,模型拟合准确率为91%;对河北省2009年5-6月杨树烂皮病盛发期气象适宜度等级进行预报,准确率为78%,效果较好;3-4月气象条件是影响华北杨树烂皮病发生发展的关键生态环境因子。模型可用于从气象角度对华北地区杨树烂皮病发生发展进行监测和预报。     

天水市玉米生长对气候变暖的响应

气温变暖已对农作物生长发育产生了较大的影响。利用天水市1968—2009年的气温、高温日数的变化资料,分析近几十年来天水市气温的变化趋势及特点,结合天水市农业科学研究所1980—2005年的玉米生育期资料,对数据进行统计和制图,应用DPS软件计算相关系数。通过分析玉米生育期与温度的关系及变化趋势,建立回归模拟方程,揭示玉米对气候变暖的响应,为探讨当地玉米的适宜播种期和玉米作物带的变迁,进而为种植业结构调整和粮食安全提供理论依据。结果表明,1968—2009年天水市年平均温度一直呈比较平稳的上升趋势,增幅为0.469℃.10a 1;年四季平均气温均呈上升趋势,其中以冬季、春季上升最为明显,年高温在30℃和35℃以上天数均呈逐渐增多趋势。玉米播种期、出苗期有推迟趋势,抽穗期、吐丝期、成熟期随气温的变暖均呈现提前的变化趋势,其中播种期推迟2.7 d.10a 1,出苗期延长0.1 d.10a 1,抽穗期提前3.3d.10a 1,吐丝期提前4.4 d.10a 1,成熟期提前8.7 d.10a 1;在玉米生育期各阶段中,播种—出苗期推迟0.1d.10a 1,出苗—抽穗期缩短3.4 d.10a 1,抽穗—吐丝期缩短1.0 d.10a 1,吐丝—成熟期缩短4.4 d.10a 1;生育期内平均气温升高,促使玉米生长加快,发育期提前,全生育期缩短。玉米在1980—2005年间的千粒重总体呈现下降趋势,极端高温对玉米全生育期和千粒重的影响较大。     

集对分析在作物产量年景预报中的应用

影响作物产量预报准确性的关鍵问题之一是自然条件下预报因子对作物产量影响的不确定性。本文针对作物产量预报的特点,应用集对分析中联系度的概念,将影响作物产量的预报因子分为适宜区间、影响不明显区间、不适宜区间和减产区间,进行同异反分析,建立了基于集对分析的作物产量预报模型。并对新昌县小麦产量进行预报试验,结果表明,联系度的引进改进了预报因子的合理性,能提高小麦产量预报的准确性。