排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
安徽省是我国最重要的冬小麦生产省份之一,研究其灾损风险的时空变化对区域防灾减灾有着重要意义。依托74个区县1973—2014年冬小麦单产资料构建了气候减产率的逐年序列,采用空间计量分析与气候诊断探讨了灾损风险的时空分布特征。结果表明:(1)基于多年平均减产率,高灾损区域的空间分布呈现出明显的年代际变化,其中沿淮地区是安徽省冬小麦灾损的首要高风险区域;(2)基于重心迁移模型,1973—2014年灾损重心经度的年际变化呈现出强烈的短期振荡,而重心纬度则呈现出显著的减少趋势;(3)基于Mann-Kendall趋势检验与Hurst指数,1973—2014年安徽省北部的冬小麦灾损风险呈现出较强的下降趋势,而南部的灾损风险呈现出上升趋势,且未来短期仍将持续该趋势。总体而言,安徽省冬小麦灾损风险的时空演变呈现出显著的南北差异格局,其中南部将会是灾损的高风险区域。 相似文献
2.
为满足现代农业气象业务服务中病虫害发生发展气象等级预报需求,利用安徽省江淮、沿江和皖南3个区域代表站1991—2010年油菜菌核病观测数据和气象资料,通过相关分析,确定影响菌核病发生发展的主要影响时段和气象因子,再通过归一化处理、加权等方法得到影响油菜菌核病发生发展的综合气象条件指数。以综合气象条件指数为自变量,以油菜菌核病加权平均病株率为因变量,采用曲线回归方法,建立不同区域代表站油菜菌核病发生发展气象等级预报模型。模型拟合结果表明:江淮、沿江和皖南地区拟合准确率分别为80%、70%和75%;利用模型对2011—2013年发生情况进行预测,结果显示:江淮地区代表站全部正确,沿江和皖南地区代表站均为2年正确,一年与实际发生情况误差一个等级。建立的模型基本上能满足油菜菌核病气象等级预报业务服务的需求。 相似文献
3.
四川省潜在蒸散量变化及其气候影响因素分析 总被引:1,自引:0,他引:1
潜在蒸散(ET_0)是评价某一地区干旱程度的重要指标,在全球气候变暖趋势下,估计ET_0的变化对科学估算作物需水量,提高水分利用率具有重大意义。本文利用四川省1961-2014年151个气象站的气象资料,采用Penman-Monteith公式分3个区域(四川盆地、攀西地区和川西高原)计算ET_0,并对主要气象因子平均气温、相对湿度、日照时数、平均风速的相对变化率、敏感系数及其对ET_0贡献率的时空变化进行分析。结果表明:四川盆地和川西高原ET_0呈现微弱减少,而攀西地区则呈现一定的增加,其空间分布表现为:攀西地区和川西高原南部年ET_0为高值区,多在1000~1350mm,四川盆地的西南部年ET_0为低值区,多在651~900mm,从西南向东北呈现"高-低-高"趋势。各气象因子对ET_0的影响(对ET_0变化的贡献率)主要取决于敏感性和相对变化率两方面。3个区域ET_0对相对湿度的变化均表现最敏感,其敏感系数分别为-1.13、-1.40、-1.53。在主要气象因子中,在四川盆地和攀西地区,平均风速的多年相对变化率最大(-29.7%、-16.3%),川西高原则为平均温度(40.4%)。进一步分析得出,平均风速在四川盆地和川西高原对ET_0变化的贡献率最大,是主导影响因素,而在攀西地区则为相对湿度。 相似文献
4.
安徽省油菜花期连阴雨灾害损失评估指标 总被引:5,自引:0,他引:5
基于安徽省油菜主产区1980-2009年44个气象台站逐日气象资料和油菜产量资料,采用数理统计方法,获得油菜历年灾损率以及花期连阴雨特征量指标即连阴雨日数、持续降水量和日照时数。按照引入因子对产量的影响最大且因子之间相关性较低的原则,筛选出连阴雨关键致灾因子并确定致灾因子临界值。最后利用K-均值聚类分析方法,建立油菜花期连阴雨灾害评估等级指标,并利用2010-2014年连阴雨灾害样本进行验证。结果表明,油菜花期的连阴雨日数和持续降水量与减产率相关性较高,且因子间相关性较低,可作为连阴雨灾害评估的关键因子;连阴雨日数致灾临界值为3d,持续降水量致灾临界值在江淮区、沿江区和皖南地区分别为20、50和70mm。利用聚类分析法构建的包括江淮、沿江和皖南地区的安徽省油菜主产区花期连阴雨灾害评估指标为:轻度灾损率5%~10%、中度10%~20%、重度20%~30%和特重≥30%,其历史回代和独立样本检验表明轻度和中度准确率较高(88%~100%),重度和特重准确率相对较低(65%~70%)。 相似文献
5.
安徽省参考作物蒸散模型参数化 总被引:1,自引:1,他引:0
模型参数优化是准确估算参考作物蒸散(reference crop evapotranspiration,ET0)的关键问题之一。该研究基于安徽省81个地面气象站点1961—2011年逐日气象数据和合肥、武汉、南京、杭州和南昌5个辐射站1993—2011年的逐日辐射数据,评估日尺度的净长波辐射、气压和水汽压模型在安徽地区的适用性;并结合已有研究获得的最优逐日太阳辐射参数化估算模型,建立安徽省本地化逐日ET0模型的最优参数化方案,探讨模型参数优化对ET0估算的影响。结果表明:7种净长波辐射估算参数化方案中,邓根云法的精度最高,在安徽地区的适用性优于其他方案,建议作为安徽本地化方案使用;FAO56 Penman-Monteith公式中推荐的气压估算模型和基于实测平均气温和相对湿度估算水汽压的模型在安徽省基本适用,但该研究认为在资料能够获取的情况下直接使用实测值为最优。与基于实测资料计算的ET0相比,该研究建立的本地化最优模型估算的ET0在日、月和年尺度上的相对误差分别为15.5%、9.05%和6.12%,能较好地适用于安徽地区。FAO56 Penman-Monteith公式推荐的参数化方案由于高估了安徽地区的太阳辐射,低估了净长波辐射,导致其与基于实测资料计算的ET0值相比,在日、月和年尺度上高估ET0达40.0%以上,不推荐安徽地区直接使用。研究可为安徽省准确估算作物需水量、农业旱涝评估和合理调度水资源等提供依据。 相似文献
6.
掌握冠层反射光谱二向性反射特征,对提高遥感应用精度有重要意义。该文利用地面自动遥感平台对冬小麦冠层进行了连续观测,获取了大量的多角度高光谱遥感数据,分析了多种因素对冠层反射光谱的影响,并进行了NDVI与EVI的对比分析。结果表明:冠层反射光谱对天气有响应,随着太阳辐射增加冠层反射光谱增高,晴天变化更明显;观测角度的改变导致冠层反射光谱的差异,可用"热点效应"加"镜面反射"解释;与上述条件相适应,NDVI与EVI也表现出与冠层反射光谱相似变化;受红光和近红外波段的变化影响,NDVI与EVI之间的变化趋势较一致,两者相关系数R20.72,且P0.01,呈极显著相关。该研究结果可为遥感观测角度的选择设计和植被指数的应用提供理论参考。 相似文献
7.
研究了安徽沿江平原稻区不同播期对稻麦周年产量、生育期及温光资源利用的影响,以为科学选用稻麦模式适宜水稻品种类型提供参考。结果表明,播期对不同类型水稻产量影响大小表现为迟熟中籼>中熟中粳>早熟晚粳>迟熟中粳>中熟晚粳;随播期推迟,迟熟中籼、早熟晚粳和中熟晚粳水稻产量均显著下降,播期对中熟中粳、迟熟中粳产量的影响则不明显。不同类型水稻品种与适播期春小麦接茬周年产量高低表现为“迟熟中籼稻-春小麦”>“中熟晚粳稻-春小麦”>“迟熟中粳稻-春小麦”>“早熟晚粳稻-春小麦”>“中熟中粳稻-春小麦”。在稻麦不同种植模式中,5月20日前播种的“迟熟中籼稻-春小麦”模式周年温光资源利用效率最高,较目前6月9日播种的“早熟晚粳稻-春小麦”模式的周年温光生产效率提高16.26%以上、周年光能利用效率提高18.06%以上。 相似文献
8.
基于BCC_CPSv2模式的淮河流域月参考作物蒸散概率订正预报 总被引:1,自引:1,他引:0
参考作物蒸散预报(Reference Evapotranspiration,ET0)在农业水资源配置、区域干湿演变评估方面有着重要作用。该研究基于国家气候中心第二代气候预测系统(Beijing Climate Center second-Generation Climate Prediction System,BCC_CPSv2)模式预报数据和1991-2020年淮河流域地面气象观测数据,利用分位数映射法对模式预报的气象要素进行概率订正,采用Penman-Monteith公式计算ET0,并评估了订正前后BCC_CPSv2模式对淮河流域月ET0和气象要素的预报性能。结果表明:1)模式对平均气温、净辐射和相对湿度的预报值较观测值偏小,风速预报值在3-6月偏小,其他月份偏大,4个气象要素预报的均方根误差(Root Mean Square Error,RMSE)分别为1.84℃、1.70 MJ/m2d、15.8%和1.39 m/s;气象要素预报偏差导致2-6月ET0预报值较计算值偏小,1月和7-12月偏大,区域平均RMSE为0.59 mm/d,绝对百分比误差(Mean Absolute Percentage Error,MAPE)为21.9%。2)概率订正有效降低了气象要素和ET0的预报误差。气温、净辐射、相对湿度和风速预报订正值的RMSE比订正前减小了0.52℃、0.96 MJ/m2d、8.4%和0.86 m/s;80%月份ET0预报订正值的RMSE小于订正前,区域平均RMSE减小了0.23 mm/d,MAPE减小了11.2%。3)夏半年和冬半年ET0预报误差的首要来源分别是净辐射和相对湿度,主要是由于模式对这2个要素的预报精度较低且ET0对其敏感,误差容易传递。4)基于模式概率订正的月尺度ET0预报方法精度较高,可以为水资源优化管理、灌溉制度制定和农业中长期需水决策提供科学参考。 相似文献
9.
基于小麦赤霉病发生流行与气象条件的关系, 本文利用安徽省7个代表站历年赤霉病病穗率资料和对应的气象资料, 通过相关性分析, 确定影响赤霉病发生的主要气象因子?采用加权求和?回归分析等方法构建赤霉病发生综合气象条件指数, 并划分赤霉病发生气象等级对应的综合气象条件指数阈值?根据各站点历年小麦赤霉病对应的不同气象等级发生概率, 结合赤霉病不同等级危害程度, 形成赤霉病气象风险指数?在此基础上, 利用GIS技术开展安徽省小麦赤霉病发生气象风险区划?结果表明:小麦赤霉病发生关键期降水日数?降水量?相对湿度≥80%的日数是影响其发生程度的主要气象因子; 安徽省小麦赤霉病不同等级气象风险区域总体呈现纬向分布, 极高风险区主要位于沿江西部和江南大部, 高风险区主要位于大别山区?江淮和沿江大部?皖南东部, 中等风险区位于淮北中南部?沿淮大部和江淮东部, 低风险区位于淮北北部和沿淮中部?针对不同等级风险区域, 可以通过调整种植结构?加强田间管理?选用抗病品种?强化精准施药技术等方式, 预防或减轻赤霉病对小麦的危害? 相似文献
10.
为进一步明确安徽省稻曲病发生关键期, 探索稻曲病气象等级预报方法, 以满足对该病害气象等级预报的服务需求?本文以安徽省池州市为例, 利用1995年-2018年一季稻稻曲病观测数据和同期气象资料, 通过相关分析确定稻曲病发生关键期?根据稻曲病大发生对适温高湿环境的需求及不同降水等级和温度对稻曲病发生程度的影响不同, 以稻曲病发生关键期降水日数为基础, 引入雨量系数和温度系数, 形成稻曲病发生综合气象条件指数, 通过最优曲线回归分析, 建立稻曲病预报模型?结果表明, 7月下旬至8月中旬是池州市一季稻稻曲病发生关键期; 综合气象条件指数与稻曲病病穗率相关性明显高于降水日数与病穗率相关性; 预报模型回代检验准确率为81.0%, 2016年-2018年模型预测结果均与实际情况相吻合, 由于样本中轻发生和大发生年份较少, 对轻发生和大发生预报的准确性需在样本丰富条件下进一步验证?模型在业务应用中, 可结合CFSv2模式逐日降水和气温预报产品, 提前10~30 d开展稻曲病气象等级预报, 对做好稻曲病的防治工作具有重要参考价值? 相似文献