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。     

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。     

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。     

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。     

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.     

春茶谷雨前产量与时段气象因子的关系

通过对位于江南茶区的安徽省农科院茶叶研究所和位于江北茶区的安徽省潜山县糖岭茶场,历年春茶谷雨前产量比重与两地３￣４月逐旬主要气象因子的相关性分析,得出３月中、下旬平均气温和３月中旬日照时数,特别是由它们组成的复合时段气象因子与春茶谷雨前产量比重的关系密切;并运用这些复合气象因子建立了可用于春茶谷雨前产量预报的回归方程。     

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。     

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。     

广东省西南部稻飞虱发生期和发生程度的气象预测模型

利用广东省化州市1991-2010年2代稻飞虱发生情况监测资料和相应的气象资料,通过对稻飞虱发生期、发生程度与主要气象因子进行相关分析,建立适合当地的稻飞虱发生期、发生程度预测模型.结果表明,2代稻飞虱成虫始盛期与2月平均最低气温和3月下旬-4月上旬平均最高气温呈极显著负相关(P＜0.01),与3月空气相对湿度呈极显著正相关(P＜0.01);若虫高峰期与2-3月平均气温和3月下旬-4月上旬平均气温呈极显著负相关(P＜0.01);发生程度与当年2月中旬-下旬平均最高气温、上年10月中旬-下旬平均气温和12月中旬日照时数呈极显著(P＜0.01)和显著正相关(P＜0.05);发生面积与上年10月平均气温呈极显著正相关(P＜0.01),与上年9月中旬降水日数和当年3月中旬温湿比呈极显著负相关(P＜0.01).在此基础上,建立了2代稻飞虱成虫始盛期、若虫高峰期、发生程度及发生面积4个气象预测模型.对以上气象预测模型进行模拟和预报结果表明,其准确性较高,可以为该区稻飞虱预测预报服务.     

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。     

四川盆区水稻气候年景及产量模型研究

以四川盆区1964年以来分地区的水稻产量为基础，采用多种数学方法对水稻气象产量作出分离，划分出水稻气候年景的3种类型，较详细地研究了各种年景的气候特生，并利用积分回归方法建立了水稻气象产量模型，为四川水稻生产决策、产量预测提供了依据和方法。     

长时间序列气象数据结合随机森林法早期预测冬小麦产量

冬小麦生育早期的产量预测对于制定冬小麦整个生长期的精准管理决策具有重要参考意义。该文基于随机森林算法,采用1990—2015年河南省小麦平均拔节期至平均抽穗期地面观测气象数据与统计产量数据,分别提取不同穗分化期的温湿度、降水等47个气象要素和小麦种植区经纬度、高程3个空间要素,共计50个参数作为特征变量集,以实际单产、气象产量和相对气象产量分别作为目标变量,构建多种变量组合模型对冬小麦产量进行回归预测,并结合袋外数据重要性结果对产量影响因子进行分析。研究结果表明:1)使用气象产量和相对气象产量作为目标变量建模的预测效果优于单产模型,决定系数R~2均达到0.8以上,气象产量的平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)分别为415和558 kg/hm~2,相对气象产量的MAE和RMSE分别为0.07和0.09;2)相较于气象特征,空间特征在产量预测中起决定性作用,且小花分化期以及抽穗开花期的气象特征产量预测精度高于其他穗分化期;3)在气象特征中,利用袋外数据变量重要性得出平均温度、最低温度、负积温、最高温度在不同生育阶段对产量的影响程度。该研究结果为冬小麦生育早期产量预测提供了新的思路和方法。     

气候变暖对信阳地区水稻生育期的影响

利用1961-2008年信阳气象站气象资料和1981-2007年信阳农业气象试验站水稻生育期观测资料,分析了气候变暖对信阳地区水稻生育期的影响。结果表明:信阳地区近48a年平均气温整体呈上升趋势,但具有明显的阶段特征,1981年之前温度总体呈降低趋势,而1981年之后(含1981年)温度呈显著上升趋势;水稻生长季内4-5月变暖趋势最为显著,平均温度、最高温度和最低温度均显著上升,其它时段变暖趋势不明显。4-5月温度的显著升高使水稻播种和移栽日期呈显著提前的变化趋势;另一方面,由于生长季中后期温度变化不明显,水稻抽穗和成熟日期无显著变化,造成水稻移栽-抽穗期显著延长。播种期和移栽期提前,有利于水稻早生快发,培育适龄壮秧,移栽-抽穗期延长可相应延长水稻穗分化时间,有利于大穗的形成和产量的提高。     

区域气候变化对华东地区水稻产量的影响

为揭示区域气候变化对华东地区水稻产量的影响以及水稻产量波动的原因,采用功率谱和交叉小波变换方法分析了近59a来华东地区水稻产量、平均气温和降水量的时频变化特征以及水稻产量与区域气候变化之间的关系。结果表明：华东地区水稻产量和区域气候均存在年际和年代际尺度变化周期。气象产量与生育期平均气温以正相关关系为主,局部时域中也存在不同频率尺度的负相关;主要表现为2～3a、4～6a、10～14a和16a尺度的强凝聚性耦合振荡,两者年代际尺度显著相关具有阶段性而年际尺度显著相关具有时域局部化特征。气象产量与生育期降水量之间存在准2a、3～4a、8～10a和16a左右的显著共振周期,1985年以前的降水偏多期两者以负相关为主而1985年以后的降水偏少期则多为正相关关系,负相关耦合振荡的凝聚性明显大于正相关耦合振荡。华东地区水稻产量波动与区域气候变化关系密切,气候变暖对水稻产量的影响远大于降水量减少所产生的影响。气候异常导致气候灾害频发是华东地区水稻产量波动的主要原因。