贵德县梨树始花期与气象因子的相关分析及预报模型

为准确预报贵德地区梨树的始花期提供方法支持。笔者利用2007—2014 年青海省贵德县气象局观测的梨树始花期资料和地面气象观测资料,对影响梨树始花期的气象因子进行分析。结果表明：影响梨树始花期的主要气象因子是气温稳定通过5.0℃到3 月底的积温值。利用逐步回归分析方法建立了基于主要气象因子的梨树始花期预报模型,用所建立的预测模型对2007—2014 年梨花始花期进行回测,准确率较高。对2015 年梨树始花期日期进行预测,预测值与实际观测值之间相差1 天,预报值基本吻合。所建立的预测模型能准确预测贵德县梨树始花期的预报。     

安塞山地苹果初花期预报研究

安塞山地苹果初花期霜冻灾害多发,开展苹果初花期预测,以期为农业生产提供指导,减少灾害损失。采用直线回归方程求导法,对安塞山地苹果的生物学零度、花期活动积温、花期有效积温进行分析,对初花前50天各旬气温积算值与初花期的相关性进行分析。用相关显著的气温积算值回归方程式,对初花日进行检验和预测。结果表明：苹果初花期前4旬旬平均气温积算值和旬最高气温积算值与初花日相关显著,旬平均气温生物学零度值为2.9℃。通过检验,2006—2015年苹果初花日的预报准确率较高。通过预报,2018年苹果初花日预报值与实际观测值吻合。初花期前4旬旬平均气温和旬最高气温积算值回归方程式可应用到后期苹果初花期预报中,为苹果花期防御气象灾害和科学管理提供依据。     

高寒地区油菜花期与气象条件的关系及预测模型

为准确预测高寒地区油菜始花期提供方法支持。笔者利用1991—2017年青海省贵南县气象局观测的油菜始花期资料和地面气象观测资料,应用气候倾向率和Mann-Kendall突变法等统计分析法探讨了油菜始花期与气象条件的关系,利用多元回归分析方法对油菜始花期进行了预测。结果表明：随着气候变暖,高寒贵南地区油菜始花期以3d/10a的趋势逐年延迟,始花期在1998年前后发生了一次突变。油菜始花期与5月份的平均气温和≥0℃积温呈显著正相关,与5月份平均最高气温和平均风速的正相关极显著,与5月降水量和相对湿度之间的负相关极显著。利用多元回归分析法建立了油菜始花期预测模型。用所建立的预测模型对历年油菜始花期进行回测,回代效果总体较好。     

化橘红始花期与气象因子的相关分析及预报模型

为研究化橘红开花规律,预测化橘红开花时间,为化州市开展化橘红观赏旅游活动提供技术支持,本文利用2012—2018年化州市化橘红物候观测资料,与同期气象观测数据,对化橘红始花期与气象因子进行相关分析,并建立化橘红始花期预报模型。结果表明,化橘红始花期与部分月份的温度、日照、雨日、最高温度等相关度较高,其中1月地面平均温度(X1)对化州市化橘红始花期的影响最大,其次是上年10月日照时数(X2)和1月下旬平均最低气温(X3)。采用逐步回归方法,得到化州市化橘红始花期的预报模型Y=122.0427-2.9445X1-0.1341X2-0.7358X3。利用该模型对化橘红始花期进行回测,误差在0~1天,准确率较高。对2018年化橘红始花期日期进行预测,预测值与实际观测值之间相差1天,预报值基本吻合。建立的预测模型能准确预测化州市化橘红始花期。     

安徽省寒露风初日的时空分布特征及气候趋势预测

利用安徽省沿江江南日平均气温资料,统计分析了安徽省寒露风初日的时空分布特征及其与9月气温的联系,在此基础上,利用逐步回归法构建基于前期物理因子的区域寒露风初日趋势预测模型。结果表明：气候平均态下,寒露风初日江南早于沿江,沿江东部早于西部,1981—2010 年相对1961—1990 年寒露风初日平均值明显推迟2~3 天;在气候变暖背景下,1961—2013 年沿江江南大部地区寒露风初日呈现推迟趋势,其中沿江东部最为显著,其次是江南东部和南部,再次是江南北部。寒露风初日与9 月平均气温不论是气候平均态和多年变化趋势的空间分布型,还是两者在1961—2013 年的时间演变特征均十分一致,为利用9 月平均气温趋势预测寒露风初日趋势提供科学依据。1961—2013 年区域寒露风初日虽然趋于推迟,但仍会出现异常偏早的情况。构建了基于前期物理因子的区域寒露风初日趋势预测模型,该预测模型不论在1981—2010 年交叉检验时段,还是在2011—2013 年独立检验时段,对于寒露风初日趋势的预测正确率明显优于目前业务上直接利用9 月平均气温距平符号的趋势预测方法。     

哈密绿洲杏花始花期变化特征及预报方法研究

利用1991—2020年哈密国家基准气候站杏花物候观测资料和地面气象观测资料，对哈密绿洲杏花始花期变化趋势、气候成因及主要影响因子进行分析。结果表明：30 a来，哈密绿洲杏花始花期呈提前趋势，平均始花期为4月3—4日（闰年为4月2—3日）；杏花始花期与1月平均最低气温、1月中旬和3月上旬平均最高气温均呈显著负相关关系；与3月及中下旬平均气温、平均最高气温、平均最低气温、平均地温均呈极显著负相关关系；与3月上旬日照时数呈显著负相关；与3月、3月中下旬相对湿度呈显著正相关；与1月下旬、3月降水量呈显著正相关；与日平均气温稳定通过≥5℃初日呈极显著正相关。利用逐步回归分析，建立了杏花始花期的预测模型，通过回代检验和预报检验，取得了较好的试验效果，可为杏花始花期预报提供参考。     

基于幼果期气象数据苹果产量早期预测研究——以运城市为例

本文通过对运城市2005—2018年气象数据和苹果年产量数据进行分析,构建运城市苹果产量早期预测模型。首先,采用HP滤波法将运城市苹果年产量分为趋势产量和气象产量。其次,分别对苹果物候期：发芽期、花期、幼果期、膨果期、成熟期建立多元线性回归模型,研究每个物候期对苹果气象产量影响的强弱。最后,选取对苹果气象产量影响最强的幼果期建立BP神经网络早期预测模型,并对其进行验证。结果表明：选取幼果期建立的BP神经网络苹果产量早期预测模型其预测结果相对平均误差为7.08%,使用2019年相关数据验证BP神经网络产量早期预测模型的精度为89.6%,表明该模型能够较为准确的预测苹果产量,可为农作物产量早期预测提供理论支持。     

成都市秋桂开花期气象指标及预测

为开展成都市秋桂花期精细化气象服务,建立秋桂花期气象预测模式,本研究基于成都市2004—2016年桂花物候观测与气象资料,运用数理统计法开展成都市秋桂花前、花期与气象因子的关系研究,结合桂树生育特性建立秋桂始花期预测模型。结果表明：花前降雨充沛,5日滑动平均气温稳定通过23℃后,秋桂3~6天进入始花期;秋桂花期喜雨晴相间,花期日平均气温20~24℃,雨日、降水量、日照是影响花期长短的主要气象因子;秋桂始花早晚与2月下旬旬最高气温、旬日照时数和7月下旬雨日呈正相关;与10月下旬雨量、5月下旬雨日呈负相关。研究建立的成都市秋桂始花期预测模型经回代验证历史拟合率较高,具有较好的预报效果,能提前20天预测,可用于秋桂初花期中长期预报,为成都市桂花观赏提供精准化的气象服务。     

杂交水稻制种花期预测及调节

杂交水稻制种产量高低的关键在于花期是否相遇 ,而花期相遇的关键除了准确安排播种错期外 ,最重要的是及早预测和调节花期。因此 ,及早做好制种田的花期预测及调节十分重要。1　花期预测杂交水稻制种花期预测的方法很多 ,笔者经多年的观测 ,认为最准确的有以下两种方法 :1.1　双零叶观测法。所谓双零叶是指两叶叶枕重叠。第一双零叶也称假双零叶 ,出现在水稻移栽后 ,指移栽后长出的第一叶与倒二叶叶枕重叠的现象。第二双零叶即真双零叶 ,是指在幼穗分化前后出现的倒五叶与倒四叶 (剑叶是倒一叶 )叶枕重叠的现象。这是水稻由营养生长转入生殖…     

基于ForcTT模型的开化县油菜花期预报

[目的]为及时向政府和游客提供准确的花期预报,指导乡村旅游活动,[方法]应用2004-2015年油菜生育期观测资料和地面气象观测资料,建立基于ForcTT模型的有效积温法则和逐步回归两种不同的预测模型。[结果]结果表明：基于ForcTT模型的有效积温法则有效避免了有效积温法则中各生育期不确定性的问题。两种预测模型得到的近三年普花期预测值结果相近,与实况值偏差略大,但能准确体现前后年的花期变化。经异地调查发现,积温模型更能体现花期在不同区域的时间差异。[结论]由此,基于ForcTT模型的有效积温法则可作为油菜花期预报的有效手段,为开展更有效的旅游气象服务提供技术支撑。     

陕西苹果花期预测模型研究

为了增强陕西各苹果产区精确防御花期冻害的能力,有效提高苹果产量和品质,促进陕西苹果产业稳定、持续、健康发展,依据统计分析原理,对陕西各苹果产区花期和花期前的各项气温因子进行详细的相关性分析。结果显示：陕西苹果花期前0~5℃的活动/有效积温与真实花期的相关性好于0~5℃天数与真实花期的相关性;0~5℃的活动/有效积温越靠近真实花期,其与真实花期的相关性越显著;从0℃至5℃各活动/有效积温与苹果花期的相关性呈增高趋势;各有效积温因子与苹果花期相关性好于活动积温因子与苹果花期的相关性。基于以上分析结果,分果区建立了陕西苹果的花期预测模型,并通过回代和预测对模型进行检验。检验结果显示平均误差小于3天,预测结果可为实际生产中苹果花期防灾减灾工作的开展提供参考。     

基于多元回归的高寒地区油菜产量预测模型

为准确预测高寒地区油菜产量提供方法支持。笔者利用1991—2015年青海省贵南县气象局观测的油菜产量资料和地面气象观测资料,对影响油菜产量的气象因子进行分析。结果表明,影响油菜产量的主要气象因子是春油菜生长期6月、7月降水量。利用多元回归分析法建立了春油菜产量预测模型。用所建立的预测模型对历年油菜产量进行回测,回代效果总体较好。     

贵州省串核桃花期与果实特性分析

为掌握串核桃花期与果实特性,对贵州省内不同县串核桃雌雄花物候期和果实特性进行了观测和测定。结果表明:贵州省大部分串核桃雌雄花异熟性为雄先型,不同县串核桃花期发育不一致,雌雄花期相遇时间1~6 d;雄花萌动期在3月3日—3月15日,沿河县最早,威宁县最晚,从初花期到落花期大概需要4~8 d;雌花的萌动期为3月7日—3月16日,从初花期到落花期需要6~11 d;串核桃单枝结果数威宁县最多,为5~18个,多数为8个;三径均值为2.69~3.76 cm,壳厚为0.98~1.18 cm,单果重6.18~12.05 g,出仁率50.78%~62.46%,核仁脂肪含量65.20%~67.46%,核仁蛋白质含量22.38%~23%,核仁皮色有黄白色、浅黄色、褐色、黄色、黄白色。     

大豆初花期追施氮肥的增产效果研究

1957—1961五年的试验结果,证明大豆初花期追施氮肥有显著的增产效果。作者根据生物学测定,得出增产的相关数据,并从植物生理生化等方面,较详尽的分析了增产的原因,认为初花期追施氮肥是争取大豆丰产的一项经济而有效的措施。     

南充近34年水稻抽穗扬花期高温热害的影响分析

为探索南充各地近34年水稻抽穗扬花期高温热害的影响及时空分布特征,笔者利用南充所辖7个国家气象观测站1981—2014年的地面观测资料和水稻生育期观测资料进行了研究分析。研究表明：南充各地的水稻抽穗扬花期主要集中在7月中旬至8月上旬;近34年水稻抽穗扬花期仪陇的高温热害最轻,市辖三区的高温热害最重,其次为营山、蓬安,再次为西充、南部,最后为阆中;近34年南充各地水稻抽穗扬花期高温热害以轻度为主,其次是中度,最后是重度;近34年南充各地水稻抽穗扬花期高温热害有明显加重的趋势,尤其要加强对市辖三区水稻抽穗扬花期高温热害的监测。     

贵德县梨树花期冻害特征及冻害年型预测

为了探讨果树花期冻害年型预报技术方法,以期为决策部门和生产一线的广大果农提供优质气象服务。利用青海省贵德县1961—2010年4月平均气温、平均最低气温和极端最低气温资料,分析了贵德县近50年来4月平均气温、平均最低气温和极端最低气温的变化趋势,同时利用4月梨树花期期间日最低气温,将贵德县梨树花期冻害年型划分为严重冻害(Td≤-4.0℃)、中等冻害(Td≤-2.0℃)、轻度冻害(Td≤0.0℃)、正常年型(Td≤2.0℃)4个状态。在逐年状态分型的基础上,运用马尔科夫链转移概率模式计算了各种状态下的转移概率矩阵,建立了贵德县梨树花期冻害年型的马尔科夫链预测模型,得出2011—2015年处于“严重冻害”的概率较大。根据检验,2011、2013年预测值与实况相符。     

桂花花期气象预报研究

为了更准确地提供桂花开花期的预报,利用桂林市近15年的始花期观测资料,普查分析气象原因,挑选气象因子,用统计分析方法,建立预报模式。结果表明,温度、湿度、日照、降水对桂花开花期有明显影响;影响桂花花期的原因比较复杂,在实际进行花期预报时,根据时间提前的长短,又可以分为长期预报和短期预报,长期预报又为气候预测,只是花期偏早或偏迟的趋势预测,短期预报则是临近开花前1周的预报。长期预报模式和短期预报模式在2013年的业务应用中取得了较好的效果。     

加工番茄产量组合预测模型研究

为了实现加工番茄产量的精准预测,通过采用方差倒数法来确定权重,将一元线性回归模型、灰色预测模型和指数平滑模型加以组合,根据2001—2009年新疆某加工番茄种植及产量数据,建立了加工番茄产量组合预测模型。以预测2010年和2011年番茄产量为例,结果表明此组合预测模型与单一预测模型相比更加准确可靠。该研究为加工番茄产业决策支持系统的建立奠定了理论基础。     

昭苏高海拔地区油菜普花期预报模型研究

利用灰色关联分析法与相关分析法,分别确定与昭苏县油菜普花期关联最大的物候期和显著相关的气象因子,利用昭苏县1990—2019年物候期和气象因子分别建立回归模型,预测2020—2022年的普花期,利用均方误差和相对误差对模型的拟合结果进行评价,利用平均拟合精度对模型的预测结果进行评价。结果表明,基于昭苏油菜物候期的回归模型、基于昭苏气象因子的回归模型拟合结果相对误差分别为0.72%、2.59%,均方误差分别为2.6、6.0,预测结果平均拟合精度分别为98.9%、91.7%,基于物候期建立的昭苏油菜普花期回归模型预测结果更精准。     

草面温度在霜预报中的应用

为了避免农作物遇霜后遭受冻害,本研究采用草面温度对霜进行预测。利用连云港气象观测站2014—2016年逐时气象要素,包括气温、0 cm地温、露点温度、水汽压、气压以及2 min平均风速等气象要素作为影响连云港地区草面温度的关键因子,并以这6个要素作为属性特征,以草温作为标志量构建训练样本集,结合KNN数据挖掘算法构建草温预测模型,并根据草温判别是否有霜出现。结果表明：基于该算法构建的草温预测模型效果较好,预报平均误差1.2℃;根据草温预测霜的准确率高达90.2%,尤其对初终霜的预报具有很好的指示意义。因此,引入草温作为霜的预报指标,对于避免农作物遭受霜害具有十分重要的意义。