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。     

水稻产量动力统计预报的初步探讨

<正> 为了在水稻产量预报中把水稻产量形成的主要过程都包括在模式之内,使之具有比较明确的物理学和生物学意义,我们用“产量结构-动力统计”模式的方法对水稻产量预报作了初步探讨。一、动力统计模式的建立(一)水稻试验田产量预报模式采用萍乡市农科所1974-1983年省早稻区域试验     

中国作物生长模拟监测系统构建及应用

该文系统阐述了中国作物生长模拟监测系统（Crop Growth Simulating and Monitoring System in China, CGMS-China）的构建方法及其在国家级农业气象业务中的应用。CGMS-China是基于WOFOST、Oryza2000、WheatSM、ChinaAgroys 4个作物模型构建的系统,在作物长势监测评估、农业气象灾害影响评估、作物产量预报等农业气象业务中均有应用。该系统可进行作物长势监测、产量预报、农业气象灾害影响评估。利用CGMS-China模拟输出的地上生物量、叶面积指数、穗质量,建立作物长势评估指标,可对小麦、玉米、水稻进行实时长势监测与评估。通过CGMS-China对2014年8月中旬华北黄淮夏玉米的干旱产量损失评估和2016年6月22日早稻高温热害的产量损失预估表明,CGMS-China对农业气象灾害影响评估的效果较好。利用CGMS-China对2014年冬小麦主产省进行产量预报,各省的平均预报相对误差为7%。与此同时,在CGMS-China中利用遥感数据同化方法,对山西洪洞县进行产量预报,预报相对误差小于11%。该系统在国家级农业气象业务中具有良好的应用前景。     

国家级农业气象产量预报业务自动化系统

介绍了根据国家级农业气象产量预报业务的需要,研制的从资料(农业气象电报)接收处理、建立数据库、建模预报,直至输出预报产品的业务自动化系统以及产量预报专家系统的结构、工作流程及其主要特点.     

作物气象产量模糊分类预报探讨

本文将近代数学中的模糊聚类分析方法应用于作物气象产量的分类预报,期望使农业产量的气象分类(丰、平、欠等)预报变得更为客观和定量。对水稻和小麦的个例试验表明,这种聚类预报方法简易,“模糊”和客观,具有一定的时效,是一种行之有效的产量气象预报的新途径。文中还讨论了预报因子选择和标定、模糊聚类客观标准和样本数以及外延预报的时限等预报技术问题。     

水稻产量预报的能量学模式—以都江堰市为例

从能量学角度，对都江堰市水稻生长期间太阳总辐射值、光能利用率、经济系数等进行分析，建立了水稻产量的能量学模式，从而为预报水稻产量的丰，歉提供了又一科学理论依据。     

稻纵卷叶螟发生的气象条件等级预报

通过对桂林地区近5a水稻稻纵卷叶螟发生资料与气象资料进行对比分析,选择影响桂林地区稻纵卷叶螟发生的气象因子(温度、降水、风向、风速、湿度),考虑前期气象条件和虫源数,采用回归分析方法,建立水稻稻纵卷叶螟迁飞的气象条件等级预报模型。模型中的预报对象为气象条件综合等级,分长期和短期预报,将各预报对象和预报因子划分为5级,用当地气象台发布的月、季度及一周天气预报结论,综合分析前期虫源数是否有利,对未来月、季和1~7d逐日影响稻纵卷叶螟迁飞的气象条件等级进行预报。预报业务系统实用性强,逐日预报准确率达到了70%以上,在生产实践中发挥了积极的作用。     

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。     

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。     

CERES-Rice模型在江汉平原的验证与适应性评价

基于江汉平原武汉、荆州农业气象试验站双季早、晚稻及单季中稻多年田间试验数据和同期逐日气象数据,在利用GLUE参数估计模块结合"试错法"对模型参数标定基础上,对CERES-Rice模型叶面积指数及生物量动态、发育期、成熟时地上部生物量、产量等的模拟能力进行了验证。结果表明,模型对水稻发育期模拟较好,开花期和成熟期的模拟误差在3d以内,其中对感光性较弱的早稻模拟最好,感光性较强的晚稻模拟最差;生育期内叶面积指数和生物量动态模拟良好,一致性指数分别达0.98和1.0;模拟产量和地上部总生物量的相对均方根误差分别为8.72%和5.91%,总体效果较好,其中生殖关键期遭遇寒露风的晚稻产量NRMSE为11.16%,模拟效果偏差。说明CERES-Rice模型在无明显异常天气条件下对江汉平原地区水稻模拟具有较好的适应性,CERES-Rice模型可为江汉平原水稻生育期预测提供技术支撑,在考虑极端天气条件胁迫产量形成过程的基础上,可应用于该地区气象影响评价及产量预报业务。     

周期分析在龙泉山区单季稻产量预报中的应用

<正> 龙泉县位于浙南山区,境内山峦起伏、地形复杂、海拔高度相差悬殊。而栽培水稻在海拔145-1300米的山峦地带均有分布,就是一个公社、甚至是一个大队,栽培水稻也分布于不同的海拔高度上。由于各地光、温、水等气象条件的差异,使作物生长季节及气象条件对作物生长的影响也不同。就是同一地,也由于单季稻能生长的时间长,栽培时间相差也较大。因此,难以找出影响产量的关键期和主要气象因子,给产量预报带来了困难。而预报一地或者一个大队的产量意义又不大,也不可能各个山峦地带都作预报。本文根据各气象因素年际之间存在着一     

作物长势监测系统(CGMS)在黑龙江省的应用

利用黑龙江省实测气象资料以及玉米、大豆、水稻和春小麦的实测资料对作物生长监测预报模式(CGMS)中四大主要作物的重要参数进行修正和参数分区处理,并利用不同模型对各县(市)2003年的作物产量进行了监测预报,检验分析结果证明预报效果较好,准确度较高,CGMS在黑龙江省粮食监测和预报中具有理论研究和实际应用价值。     

遥感光谱法农作物产量预报

遥感光谱法农作物产量预报,是以数理统计中抽样调查原理和回归分析为数学基础,以遥感技术中农作物光谱反射率测定为手段,进行大面积产量预报的一种方法。经三年采用此法对南、北方四个县、一个农场的水稻、小麦产量预报试验、验证,获得较高精度。 验证结果表明,该估产方法既适用于南方,又适用于北方;不仅适用于平原地区,也适用于丘陵、山区;不仅适用于一个农场,也适用于一个县或一个省。     

作物产量预报系统

作物产量预报系统（简称ＹＢＸＴ系统），是利用ＭｉｃｒｏｓｏｆｔＣ６．０和ＱｕｉｃｋＢＡＳＩＣ４．５建立的一套产量预报业务系统。该系统由预报对象、实时预报、模型创建、数据管理和系统服务５个功能部分组成，其主要特点是筛选因子过程极其严格，建模方法多样，有线性、非线性相关普查，还有效果极佳的最优化因子相关普查；对因子作稳定性检验，还进行独立性检验，使得建立的模型比较稳定可靠。使用多种回归分析、聚类分析、判别分析等数理统计方法建立产量预报模型，还有预报的综合集成。利用本系统可以方便地建立产量预报统计模型，实现任一作物产量的预报。     

基于定量遥感反演与生长模型耦合的水稻产量估测研究

作物遥感估产是农业遥感技术应用与研究的重点领域.在黑龙江省不同的种植区域下,采用GPS定位调查、定量遥感反演与产量形成过程模型相偶合的研究方法,进行了水稻产量估测研究.结果显示,水稻产量的预测值在6740～9600kg/hm2之间,实测值在6500～9500kg/hm2之间,二者总体上表现较为一致,预测水稻产量的RMSE为494.62kg/hm2,相对误差在0.23%～12.39%之间,平均为5.13%.表明采用定量遥感反演与生长模型耦合的模式可以对不同区域的水稻产量形成情况进行监测预报.     

基于COSIM模型的新疆棉花产量动态预报方法

该文在对棉花生长模拟模型COSIM进行模型调试、验证实现本地化应用的基础上,探讨运用作物模型进行棉花产量动态预报的方法,重点解决未知气象数据替代问题。作物模型应用于产量预报时,未来天气的不确定性是影响预报准确率的关键因子,该影响随着当年实际天气数据增多而减小。该文以近50 a的气象数据,依次替代预报日至收获期的气象数据(即预报日之前使用预报年当年气象数据,预报日之后使用替代年气象数据),模拟棉花生长发育和产量形成过程,以近50、40、30、20、10、5 a历史气候数据依次替代预报日之后的逐日数据获得的模拟产量平均值作为预报产量,根据对预报准确率进行比较,最终确定以近10 a实测数据替代获得的模拟产量平均值作为最终预报产量。经验证该预报方法对不同播种时间棉花产量动态预报的准确率在81.3%~99.6%,预测精度较好。作为案例分析,该文仅进行每月1次预测分析,实际应用中可进行逐日替代动态预报,经过进一步改进,提高预报精度,未来可望达到业务应用水平。     

水稻病虫害预测预报方法探讨

病虫害预测预报工作主要是根据相关资料以及病虫基数调查等数据分析,预先掌握病虫害发生情况,从而明确对水稻的危害程度以及分布状况等。通过对病虫害预测预报相关数据的分析,可以掌握一定时间和空间内病虫害的数量变化,从而实现对病虫害发病规律的掌握,帮助人们制定科学有效的应对措施。对水稻病虫害预测预报目的的分析,可以选择不同的预报方法,从而指导农民实现对病虫害的有效防治,提高农业产量和收入。     

石灰性水稻土的施肥模式及应用

本文应用３因子５水平的回归最优设计，研究了柳江县水稻施肥方案并建立了相应的方程。利用方程预测了最佳施肥量和产量。经统计，实际产量与预报产量的符合度１．０５。２年推广３７万亩，增产稻谷１９３６万千克。     

早稻产量波动的气候因子分析与预报

作物产量是由作物本身生长发育的特征、气象条件和栽培技术三者共同作用的结果。研究产量与上述三者的相互关系,并通过模式加以确定就可以作出产量预报。作物本身生长发育的特征和栽培技术这两项对产量的影响可以通过时间趋势项来处理。本文主要研究气象条件差异对水稻产量的影响。     

基于抽样调查地块实测数据的省级水稻单产遥感估算

利用统计局抽样调查地块实割实测标准单位面积产量数据及空间位置信息,在研究水稻种植区MOD09GA、MYD09GA EVI （enhanced vegetation index）数据结合使用可行性分析的基础上,进行湖南省省级水稻单产遥感估算。结果表明：在水稻种植区,水稻生长期间有超过50%、85%、95%的MOD09GA与MYD09GA EVI偏差绝对值分别小于0.03、0.08、0.1。水稻遥感估产模型以二次非线性模型或回归模型精度较高,且时相集中在水稻生长的孕穗期到抽穗期。在省级水平上,与实测值相比,基于统计局统计抽样调查地块实割实测标准单位面积产量数据的水稻单产遥感拟合结果相对误差小于2%,预测结果的相对误差接近5%,且实测值与模拟值集中分布在1∶1线附近,说明预测结果与统计值在空间分布上具有较好的一致性。