基于关键气象因子的湘北早稻产量动态预报

利用湘北地区1987~2011年早稻单产和早稻生育期内旬平均气温、旬降水量、旬日照时数等气象资料,应用统计分析法建立了早稻的气象产量动态预报模型,并进行了预报验证。结果表明,通过分析气象产量与早稻生育期逐旬气象要素相关性,筛选出5月上旬的平均气温和日照时数、5月中旬平均气温、5月下旬日照时数、6月中旬降水量和7月中旬日照时数是影响湘北早稻产量的关键气象因子;基于关键气象因子建立了早稻气象产量动态预报模型。对1988~2009年早稻产量进行了预报验证,平均准确率在91.0%以上。该模型的预测结果基本反映了早稻产量的变化情况。     

南京单季晚稻生育期气象因子对产量的影响

为研究南京单季晚稻产量与气象因子的关系,应用主成分分析法从南京1991—2018年5—10月平均气温、降水、日照等气象要素中筛选出4个主成分,与单季晚稻相对产量构建回归分析模型,最后与实际产量进行对比验证。结果表明:水稻的关键生育期可分为播种—分蘖期、拔节—抽穗扬花期、灌浆—成熟期;影响南京单季晚稻产量的最主要气象因子是播种—分蘖期的气温、拔节—抽穗扬花期的气温和降水量、灌浆—成熟期日照时数;构建的单季晚稻相对气象产量模型,通过了0.01水平的显著性检验,预测结果准确率61.5%~99.9%,平均预报准确率为89.0%,模型模拟可信度高。     

南昌早稻产量预测模型研究

为更好地预测早稻产量,文章统计分析了1994—2010年南昌早稻生长期间的气象因子及早稻产量资料,通过5年滑动平均和多元线性回归的方法建立了南昌市早稻产量的气候预测模型。结果表明,模型预测结果与早稻实际单产拟合率较高,平均精度达97.0%。此模型预测结果可为早稻产量预报分析提供科学依据。     

济源县夏谷产量与气象要素关系的统计分析

本文运用统计学原理,对济源县二十五年(1961～1985)来夏谷产量与气温、降水、日照等气象因素之间的关系进行了分析。结果表明,总降水量不足和降水时间分配不合理是影响该县夏谷产量的主要原因,其中,九月上旬降水偏少对产量影响最大。该县夏谷全生育期内总积温和总日照时数能满足夏谷生长发育的需要,但六月下旬因降水不足致使日照时数偏多是影响产量的又一主要气象因子。夏谷生育期内各时段气温分布比较合理,不存在限制产量提高的温度因子。依据逐步回归和积分回归原理,建立了夏谷产量预报方程,对产量预报的准确性作了检验;同时,还将各气象要素对产量效应进行了分析。并对该县夏谷栽培管理措施提出了建议。     

水稻白叶枯病发生流行与气象条件关系及预测模型研究

为了明确气象条件与水稻白叶枯病发生的关系,提高预报能力,利用1985—2015年化州市晚稻白叶枯病病情资料及气象数据进行相关性分析。结果表明：9—10月降水量、降水日数、相对湿度、台风与发病程度呈正相关;日照时数、气温与发病程度呈负相关。影响白叶枯病发生的关键气象因子分别是8月中旬—9月中旬降水量、9—10月降雨系数、8月下旬降水强度和9月台风次数。采用逐步回归统计方法建立晚稻白叶枯病发病程度气象等级预测模型,模型的复相关系数R为0.9000,通过α=0.01的显著性检验。模型拟合准确率为89.4%。利用该模型对2016—2018年白叶枯病发生等级进行试报检验,平均试报准确率达93.3%。模型拟合结果和试报准确率均较好,为白叶枯病的综合防治及科学决策提供了依据。     

基于气象关键因子的广东省橡胶产量预报

气象条件是橡胶产量波动的重要影响因素,为了开展橡胶气象服务及产量预报,利用1992~2014年广东省橡胶产量资料和气象资料,通过相关分析及考虑生物学意义,确定了影响广东橡胶产量的关键气象因子是1~2月最低气温平均、5月下旬至6月中旬雨量、5~9月最大风速最大值区域平均,在此基础上用多元线性回归方法建立了广东省橡胶产量预报模型,对橡胶产量进行中期预估预报和后期最终预报。模型历史回代检验平均准确率90%;对2014年橡胶单产进行试预报检验,预估预报和最终预报准确率≥94%,预报准确率较高,表明此方法建立的模型可在业务和服务上应用。     

基于气象关键因子的河南省夏玉米产量预报研究

以河南省13个地市1990—2006年逐旬光温水气象资料为基础,通过相关分析确定了影响河南省夏玉米产量的关键气象因子,建立了7月中旬—9月中旬的夏玉米气象产量预报模型。将全省由南至北划分为三个区域,分区回代1990—2006年资料对模型预报准确率进行回代检验,并利用2007—2010年资料对模型进行试报。检验结果表明,模型回代准确率全省为88.4%,不同区域间回代准确率差异明显,北部最高92.9%,中部次之87.4%,南部最低83.4%,分析 原因主要受夏玉米产量年际波动的影响;模型预报准确率全省为94.9%,各区域差别不大,基本在95%左右。     

指数平滑法在椒江区早稻产量预测中的应用研究

采用浙江省台州市椒江区2009—2019年气温、降水量等气象数据和早稻产量资料,利用EXCEL软件中的数据分析工具计算出早稻趋势产量,并分离出早稻气象产量。同时,将椒江区早稻生育期内各月的最低气温、平均最低气温、最高气温、平均最高气温、平均气温、降水量、日照时数等数据进行相关分析,筛选出影响早稻产量的关键气象因子,并建立早稻产量预测模型。此外,对该预测模型进行了精度检验,并运用该预测模型对椒江区2020年早稻产量进行预测,与2020年早稻实产进行比较结果表明,该预测模型的预测精度较高。     

青南牧区天然牧草产量预报方法研究及模型——以河南牧业试验站为例

根据青南牧区河南牧业试验站1996~2016年天然牧草观测数据和同期气象资料,应用SPSS软件曲线估计方法中的线性、"S"型、二次项等模型模拟了牧草趋势产量;应用Excel软件中"数据分析"计算出各个气象因子与气象产量相关系数,挑取相关系数≥±0.5的因子,建立气象产量预报模型,计算出气象产量预报值,对1996~2016年预报产量结果回代检验。结果表明:(1)影响河南地区牧草产量主要气象因子为气温、降水、日照时数;(2)利用SPSS软件建立模拟效果较好的牧草趋势产量与气象产量预报模型;(3)对1996~2016年预报结果进行回代检验,表明预报准确率较高,预报正确率为67%,2017年预报检验结果误差为-3.2%(即:预报结果正确);(4)用所建的牧草产量预报模型来预报下一年的牧草产量时正确率较高,可以在该地区范围内应用推广。     

基于气候适宜度的水稻产量动态预报模型

利用1981─2016年江苏省13个市气象观测站的地面气象观测资料和同期的水稻产量资料,结合江苏地区的气候特点和水稻生理特性,构建了适用于江苏地区水稻的温度、日照、降水适宜度模型;根据气候适宜度与水稻气象产量的相关关系,确定了气候适宜指数,进而建立了基于气候适宜指数的江苏各市及全省的水稻产量动态预报模型;对所构建的模型进行历史拟合检验和预报检验,拟合准确率平均为95.05%,预报准确率平均为96.15%,达到了业务工作中准确率95%以上的预报标准。     

中卫市沙坡头区玉米产量丰欠气象指标研究

本文利用中卫市1999—2018年旬平均气温、旬降水量、旬日照时数等气象要素及沙坡头区玉米单产资料,采用5年滑动平均法、气候倾向率法、SPSS软件等,分析影响沙坡头区玉米产量丰欠的气象要素,确定能综合评判玉米产量丰欠的气象因子,并对气象因子进行标准化处理和组合,得出影响玉米产量丰欠气象指标。结果表明,影响玉米产量1旬的气象因子有4月下旬气温、9月上旬气温、6月上旬日照;影响玉米产量连续2旬的气象因子有8月下旬至9月上旬气温;影响玉米产量连续3旬的气象因子有8月中旬至9月上旬气温。建立的1级、2级、3级评判玉米产量的气象指标准确率分别为75%、65%、55%。根据叠加原则,最终研究确定的评判沙坡头区玉米产量的丰欠指标,在判断气象条件对玉米生育利弊方面,其准确率可达80%。     

海南省早稻产量与生育期气象因子的灰色关联与相关性分析

为探明海南岛早稻各生育期气候变化趋势,以及分析气象因子在旬时间尺度上对早稻产量的影响,以陵水、儋州、海口、琼中4个站点1998—2013年的逐日气象数据(降水量、平均风速、最大风速、平均气温、日最高气温、日最低气温、平均相对湿度、最小相对湿度和日照时数)和早稻单产为研究对象,对单产进行趋势产量和气象产量分离,并结合灰色关联分析、相关性分析和多元逐步回归分析探讨早稻生育期气象因子对早稻产量的影响。结果表明,4个站点的气象单产对实际单产具有一定程度的影响。在早稻生育期中,海口平均风速和最大风速呈上升趋势,最小相对湿度呈下降趋势;儋州和琼中平均风速和最大风速呈下降趋势;陵水日最低气温呈下降趋势,其他气象因子均无明显变化趋势。灰色关联分析表明,在整个生育期中,影响海口、儋州和琼中早稻产量的主要气象因子均为平均风速,影响陵水早稻产量的气象因子为日照时数。在旬时间尺度上的相关性分析表明,对海口、儋州、琼中、陵水早稻产量影响最大的气象因子分别为4月下旬降水量、3月上旬日最低气温、6月下旬日最高气温和1月下旬平均相对湿度。多元逐步回归方程结果表明拟合度较高,4个站点平均误差均未超过5%。     

浅析气象要素对中山早稻产量的影响以及建立产量统计模型

根据广东省中山市1995—2018年气温、降水等气象资料及早稻平均产量数据,利用HP滤波、回归分析等统计分析方法,分析了1995—2018年中山市气象要素对当地早稻产量的影响。结果表明,在早稻的不同生育期,早稻对不同气象要素的敏感程度不同。此外,利用多元一次回归方程,选取气象要素建立了中山市早稻的数学统计模型,是中山市早稻气象产量趋势预测的有力补充。     

朝阳地区降水概率预报模型构建

以朝阳地区2005—2013年5—9月降水量记录为基础资料,通过经验法和Spearman、Pearson、Kendall's Tau-b相关系数3种相关性检验法,选出与预报对象相关性好的气象要素作为预报因子。用Logistic回归方法进行有无降水的概率预报,建立了朝阳地区降水概率预报模型。该预报方程具有较高的历史拟合率,为90.7%。将2014年5月1日至10月31日个例作为样本对方程进行检验,当规定降水概率≥40%为有降水时,晴雨预报准确率最高,为86.26%,高于朝阳地区本地晴雨预报准确率3.29百分点,表明该方法对朝阳地区降水具有很好的预报效果。     

麻山药气象产量与气象因子的关系

通过1990—2014年蠡县麻山药气象产量资料及同期气象观测资料,采用HP滤波法、相关分析法和多元线性回归法等,对麻山药气象产量及其生育期与气象因子关系综合分析,利用spss软件建立麻山药产量预报模型。结果表明:影响麻山药生长关键气象因子包括降水量、日照和气温,其中4月下旬降水、6月下旬降水,8月上旬气温、8月下旬气温与麻山药生长呈正相关,9月中旬降水量和9月累计降水量呈负相关,日照对麻山药产量无明显影响。     

基于SPSS的日照市茶叶产量预测模型的建立

根据1993-2008年山东省日照市气象资料和茶叶产量资料,采用SPSS统计软件对气候因子和茶叶产量进行了相关性分析,从132个气象因子中筛选出年日照时数、7月份15 cm平均地温、7月份20 cm平均地温、7月份平均最高气温、8月份平均最高气温共5个相关性较高的因子,建立了多元回归模型。利用该模型对历年产量进行预测,结果表明,茶叶预测产量与实际产量拟合率较高,预测精度最高为100%,最低为86%,平均精度为94%。该模型具有较高的精度和实用性,可作为茶叶产量预报的有效工具。     

气候条件对马铃薯产量的影响·产量预报模型研究

[目的]研究气候条件对马铃薯产量的影响,并建立产量预报模型,用SPSS将历年马铃薯产量资料分离成气候产量和趋势产量,并对气候产量与气象因素进行进行相关性分析。[结果]影响马铃薯产量的气象因素分为普遍性和区域性。普遍性因素包括上年秋季8～9月的水汽压或相对湿度、6月下旬～7月上旬及8月中旬降水量;区域性因素有1月降水、4月上旬～中旬的降水、5月水汽压。用逐步回归建立产量预报模型,拟合率较好。[结论]此方法计算简单、预测时效长、预测准确率较高,为做好马铃薯种植业气象服务提供了保障。     

自贡市水稻二化螟发生气象等级预报研究

利用2000—2018年四川省自贡市水稻(Oryza sativa L.)二化螟[Chilo suppressalis(Walker)]发生历史资料与气象资料研究自贡市气象条件对水稻二化螟发生的影响。通过对水稻二化螟灯下诱蛾量与气象条件的分析,选取相关性显著、生物学意义明确的气象因子,采用多元回归分析建立自贡市水稻二化螟发生气象等级预报模型。结果表明,自贡市冬季平均气温对水稻二化螟发生气象等级影响最为显著,翌年各时段温度、降水和湿度条件次之,且常年较高的冬季气温是导致二化螟发生气象等级多年处于3～4级的最关键气象因素。历史回代检验气象等级拟合准确率达72%,2018年试报检验气象等级准确率达到100%,模型预测效果较好,能够为自贡市开展水稻二化螟防治提供科学的气象决策依据。     

气象因素对花生单产影响研究

为探讨我国花生主产省花生单产与气象因素的关系,精准评估花生单产受气象因子的影响,选取了全国305个气象站点33年（1980-2012）的气象因子（日照、降水量和气温）数据和同期花生主产省花生单产数据,应用滑动平均法计算花生的趋势产量,再以所分离的气象产量作为因变量,利用改进的Fisher积分回归方法计算了各因子各生育期对气象产量的影响系数,科学构建气象因子与花生单产的数学模型,结果表明各省份花生全生育期日照、降水量和气温对气象单产的影响较大,花生单产气象模型拟合程度较高袁,可精准评估花生单产受气象因子的影响,指导花生生产。     

基于气候适宜度指数的吉林省春玉米单产预报研究

利用吉林省1980～2014年春玉米产量、生育期以及逐日气象资料,从春玉米生长发育的上限温度、最适温度、下限温度、需水量和需光特性等生物学特性出发,构建春玉米生长季逐旬温度、降水、日照时数及综合气候适宜度模型,经过与相对气象产量进行相关以及回归分析,根据气候适宜度指数建立7～8月逐旬的产量动态预报模型,对吉林省春玉米产量进行动态预报。结果表明:各时段建立的产量预报模型均通过0.01水平的有效性检验,能够客观反映春玉米生长期内气象要素状况;各预报模型的历史回代检验平均准确率均大于88.9%,均方根误差小于15.0%;历史回代拟合的气象产量与实际气象产量在年际变化上具有较好的一致性,两者相关性通过0.01水平的显著性检验;1981～2011年间各旬单产趋势预报准确年份在21年以上。各时段预报模型对2012～2014年的外推预报结果不稳定,准确率分别在97.0%、88.5%、66.8%以上,趋势预报2014年不准确。总体上,建立的产量预报模型可为吉林省春玉米产量预报提供重要依据。