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。     

河北省冬小麦气候适宜度及其时空变化特征分析

为定量评价气象要素对作物生长的影响,采用逐日气象要素和统计方法,建立了河北省冬小麦各生育期气候适宜度评价模型,并分析了1981-2010年逐年冬小麦各生育期气温、降水、日照和气候适宜度的时空变化特征。结果表明：冬小麦生育期内日照和气温适宜度较高,降水适宜度最低且变异系数最大。日照适宜度以冬小麦分蘖期最小,变异系数最大;降水适宜度以拔节-抽穗期最小,变异系数最大;气温适宜度以越冬-返青期最小,分蘖期变异系数最大。全麦区气温适宜度高值区分布在西北部,低值区分布在东南部;降水适宜度高值区分布在东北部,低值区分布在东南部;日照适宜度高值区分布在北部,低值区分布在南部。多年气候适宜度变化趋势为：全生育期日照适宜度显著下降,气候适宜度缓慢下降,气温和降水适宜度无明显变化趋势。气候适宜度下降主要由各生育期日照、越冬期和灌浆期气温适宜度下降引起。     

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。     

天津棉花气候适宜度变化特征及其产量动态预报

通过参数修订建立了适合天津地区的棉花各生育期温、光、水气候适宜度评价模型,计算了历年天津棉花3种气候因子的适宜度指数,在分析其变化规律的基础上,建立了可以在棉花不同生育期进行的产量动态预报模型。结果表明,1964-2009年天津地区棉花生育期的气温适宜度指数呈上升趋势,增幅为0.016/10a;日照适宜度指数呈下降趋势,降幅为0.025/10a;降水适宜度指数的线性变化趋势不显著,但具有明显的阶段性特点。利用1995-2009年资料回归分析建立的产量动态预报模型,除播种期外,其它4个生育期(苗期、现蕾期、花铃期和吐絮期)模型均通过0.05水平的显著性检验;对模型进行历史资料回代表明,2000年以后准确率较高,87.5%的年份回代准确率在80%以上,各生育期平均准确率均在88%以上;利用模型对2010、2011年棉花产量进行动态预报验证,准确率均在95.5%以上,表明模型预报效果较好,能够满足业务服务需要。     

基于气候适宜度的河南夏玉米发育期预报模型

准确预报作物发育期是开展农业气象条件分析评估和灾害监测预警等工作的基础,利用河南省19个农气站1981-2006年夏玉米发育期观测资料和地面气象观测资料,建立综合温度、降水、日照三要素的气候适宜度评价模型,构建基于气候适宜度的夏玉米发育期预报生理指标及预报模型.利用2007-2010年观测数据对模型的预报结果进行验证,结果表明,各发育阶段持续日数模型的预报值与观测值吻合度较高,二者相关系数除抽雄-乳熟期稍低呈显著相关外,其它发育阶段均为极显著相关.各发育阶段持续日数预报值与观测值之间绝对误差（ABSE）在1.8 ～2.9d,标准误差（RMSE）在2.8～3.9d,七叶-拔节期预报精度最高,标准误差（RMSE）为2.8d,乳熟-成熟期稍差,RMSE为3.9d.模型的预报精度基本能满足业务服务的需求,具有推广应用价值.     

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。     

基于云模型的冬小麦气候适宜度评价方法 ——以安徽省宿州市为例

为建立冬小麦气候适宜度量化评价方法,本文基于云模型理论,依据光、温和水界限指标,采用"3En"法则确定云参数,建立日照、气温和降水对小麦生长影响的云模型。运用积分回归法,确定权重系数,采用加权综合法和几何平均法,确定不同生育期和全生育期气候适宜度,利用1954—2013年安徽省宿州市各县(区)冬小麦单产和1995—2013年观测地段产量因素等资料进行检验。结果表明,日照适宜度可用左半云,气温和降水适宜度可用梯形云来表达。计算的冬小麦全生育期气候适宜度,与宿州市各县(区)冬小麦气候产量呈显著或极显著正相关关系;与观测地段的冬小麦气候产量、千粒重、每穗籽粒数和乳熟期株高呈显著正相关,相关系数分别为0.588 0(P0.01)、0.756 1(P0.01)、0.670 7(P0.01)和0.464 3(P0.05)。返青—拔节期、抽穗—乳熟期2个时期的气候适宜度与单位面积穗数、每穗籽粒数的相关系数分别为0.558 9(P0.05)、0.710 7(P0.01)和0.736 1(P0.01)、0.744 2(P0.01),拔节—抽穗期气候适宜度与单位面积穗数的相关系数为0.649 8(P0.01)。1954—2013年宿州市日照与降水适宜度以每10年0.005和0.008的速度降低,气温适宜度以每10年0.028的速率升高。研究结果可作为评价宿州冬小麦对气候条件的适应性及制定相应策略的参考依据。     

基于云模型的黄河故道砀山酥梨气候适宜性分析

选取黄河故道砀山酥梨代表性产地砀山县为样点,利用梨树物候期长期定位观测资料和气象监测数据,基于云模型理论建立了光、温、水气候适宜度。采用加权综合法和几何平均法,确定不同物候期和年际气候适宜度。结果表明,日照适宜度可由左半云,气温与降水适宜度可由梯形云来刻画。综合气候适宜度与梨果实际单产、气候产量和单株产量的相关系数分别为0.4452(P0.05)、0.3734和0.5620(P0.01)。1961-2015年,砀山酥梨气候适宜度变化趋势不明显,但1961-1989年和1990-2010年分别为气候适宜度偏高与偏低时段,1987年为气候适宜度累计距平最大年份。研究期间,气温适宜度呈极显著增加趋势,每10a约增加0.0274。日照与降水适宜度无明显变化趋势,降水适宜度平均值比日照和气温适宜度低,且变异系数是日照和气温适宜度变异系数的4倍。各物候期气候适宜度未呈现趋势性变化,但萌芽期和花期的气候适宜度偏低,在0.50~0.53,且变异系数较大,在45.0~57.0。其它物候期气候适宜度和变异系数相对偏小。在气候变化背景下,气温升高对梨果生长有利,砀山酥梨生产中应加强萌芽-花期的管理,以增强梨树的气候适宜性。     

淮北地区农业干旱预警模型与灌溉决策服务系统

根据2002-2005年3a的田间试验资料和1990-2005年16a的大田土壤水分观测资料,分析确定了安徽淮北地区冬小麦、夏玉米干旱等级指标和适宜土壤水分指标。基于常规气象资料建立了36个逐旬中期降水预报模型,基于温度、降水等气象要素建立了24个土壤墒情逐月回归模型,基于土壤水分平衡方程建立了农业干旱逐旬预报数学模型,对各模型进行综合集成,建立了淮北地区农业干旱综合预警模型。根据干旱预报和降水预报结果,以及作物-土壤适宜水分指标、作物需水量关键期、临界期和土壤水分临界值等,开发了淮北地区冬小麦、夏玉米的干旱预警和灌溉决策计算机服务系统,使用简便快捷,业务化程度高,在近2a的业务应用中,服务效果显著。     

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。     

基于气象因子的冬小麦发育期预报模型

冬小麦发育期预报是农业气象服务的主要内容之一。本文以光、温、水气象因子为基础,以位于河北省中南部冬麦区的南宫站为例,选取1991-2010年冬小麦全生育期农业气象观测数据和冬小麦生育期资料,分析光、温、水气象因子累积速率与冬小麦发育速率的相关性,建立各生育阶段冬小麦发育速率预测模型。结果表明：在研究区,光照和水分因子不是冬小麦发育速率的限制条件,不作为发育期预测模型的因子;温度因子是影响冬小麦发育速率的主导因子,返青至各阶段的有效积温累积速率与对应的发育速率的相关系数,较单一生育阶段的相关系数显著提高（P＜0.05）,冬前有效积温与返青-拔节、返青-抽穗阶段的发育速率显著相关（P＜0.05）;以相关显著的温度因子为自变量建立的4个阶段发育速率预测模型,模拟最大绝对误差为7d,返青-拔节平均绝对误差为3d,返青-抽穗为2.8d,返青-乳熟3.3d,返青-成熟2.2d,模型模拟精度较高,可以满足农业气象业务服务的需求。     

基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测

冬小麦是中国重要的粮食作物，开展县级冬小麦产量预测对粮食宏观调控和农业精准化发展具有重要指导意义。该研究从县级产量预测角度出发，结合卷积神经网络（Convolutional Neural Networks，CNN）和反向传播神经网络（Back Propagation Neural Networks，BP）技术提出了冬小麦县级产量预测方法，使用CNN卷积神经网络对Sentinel-2遥感数据进行冬小麦种植区的分析和提取，将得到的种植区分布数据与MODIS EVI数据和耕地分布数据进行了融合，利用BP神经网络对融合后的数据进行产量特征提取和预测并选取均方根误差（Root Mean Square Error，RMSE）、平均绝对误差（Mean Absolute Error，MAE）和样本决定系数（Coefficient of Determination，R2）作为精度指标对试验结果进行分析和评价。结果表明，基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测方法在山东省2014－2016年冬小麦县级产量验证集中R2达到0.87以上，MAE低于269.48 kg/hm2，RMSE低于346.56 kg/hm2，93%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.2%；在河南省2015－2019年冬小麦县级产量验证集中R2达到0.96以上，MAE低于304.84 kg/hm2，RMSE低于418.14 kg/hm2，91%的县单产相对误差小于9%，试验结果平均值与中位数的偏差小于1.6%，方法所构建模型具有良好的预测准确率、鲁棒性和泛化性，可以实现县级尺度下的冬小麦产量预测。     

河北省冬小麦生育期气象条件定量评价模型

运用模糊数学理论，分别建立了气温、降水量和日照时数对河北省冬小麦生长发育适宜程度的隶属函数模型，据此模型分别计算了逐句的平均气温、降水量和日照时数对冬小麦生长发育的隶属度，运用一元积分回归方法确定各旬的权重系数，进而计算各发育期内光、温、水对冬小麦生长发育的隶属度，达到定量评价冬小麦生育期气象条件的目的。2005年度（2004．10—2005．06）和2006年度（2005．10—2006．06）对所建模型进行验证应用，得出：温度和日照的隶属度较高，而降水隶属度较低且变化幅度较大，说明评价年的温度和日照条件能够满足冬小麦生长发育，自然降水偏少是冬小麦产量形成的限制因素。     

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。     

2022年夏收粮油作物生育期气象条件及其影响分析

基于主产区气象观测站和农业气象站实测气象资料和作物发育期资料,计算冬小麦和油菜生长季的气候适宜度和灾害指数等参数,评价该阶段气象条件对夏收粮油作物的利弊影响。结果显示：2021/2022年度冬小麦、油菜生育期内,产区大部光热充足、土壤墒情适宜,冻害、干旱等农业气象灾害影响程度偏轻,气候适宜度高于上年和近5a平均值,气象条件利于夏收粮油作物生长发育和产量形成;成熟收获期间多晴好天气,收获进度快、质量高。但北方冬麦区秋播期多雨渍涝,冬小麦播种期明显推迟,冬前壮苗比例偏少、分蘖不足。江南和贵州等油菜产区冬季持续阴雨寡照,影响油菜发育进程。     

基于农户数据的河南中东部地区气象因子对冬小麦产量的影响分析

以河南中东部3个村庄为研究区,通过入户调查的方法,得到2003-2009年农户冬小麦实际产量数据,利用直线滑动平均法去除农户冬小麦趋势产量,从中提取出气象产量,并与相邻气象站点的数据进行相关分析,找出与产量相关度较高的气象因子。结果表明,研究区内影响冬小麦产量的关键气象因子为播种-越冬前降水量、灌浆-乳熟期日照时数、灌浆期平均气温,这些因子在冬小麦生长中分别以苗期旱灾,灌浆-乳熟期阴雨寡照和灌浆期高温的形式影响产量。研究结果可为冬小麦生产提供技术支持。