江西省早稻产量气象预报模式的研究

<正> 江西省地形复杂,地区性气候特征明显。在早稻生长季内,由于不同地区的气候条件差异,造成对早稻产量形成过程的影响也各不相同。当某一地区出现不利早稻生长的气象因子时,另一地区的气象因子却可能对早稻生长有利。因此,在进行全省早稻产量预报时,有必要首先对全省早稻生长季气候,按相似程度的大小,分区划片,并建立各区的产量气象预报方程;根据各区对全省单产贡献的大小,组成省级产量气象预报模     

用贝叶斯判别法和回归分析逐级预报早稻产量

本文以广西1962—1981年早稻平均产量为样本,采用贝叶斯判别法和回归分析相结合的方法,建立从定性到定量的大尺度产量系列预报模式。产量预报模式分两步建模:第一步选取与气象产量相关密切的大气环流因子,建立贝叶斯定性判别方程,判别未来气象产量属于正值(增)或负值(减),即Y_w≥0或Y_w<0。第二步是在一级定性预报模式的基础上,按历史年两大类气象产量分别选取预报因子,运用统计回归方法,建立二级定量预报模式A和模式B。两级早稻产量预报模式,预报时效长,外延性能好,经历史年检验,拟合率达100％,试报和预报效果良好。     

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。     

一种农业产量气象预报的微机模型

<正> 本文试做一种适合微机信息化处理的农业产量气象预报方法,经业务服务中使用效果较好。兹将方法介绍如下。一、产量信息处理农业产量气象预报,主要是从作物生态气象环境方面对农作物的产量进行预测预报。各种气象因子的数值以及它们之间的数值组合、交互作用,随时都在千变万化之中,作物产量在很大程度上是它一生中所受     

江西省稻瘟病发生潜势的气象预报模型

基于1981-2010年江西省市（县）级稻瘟病监测资料和同期气象资料,利用符号相关法,分苗瘟、叶瘟、穗瘟分析各时期病害发生程度与气象因子的关系,并分别建立病害发生潜势气象预报模型。结果表明：与病害高峰同期的气象因子之间,早稻苗瘟与4月份的平均气温、雨量、日照时数呈正相关,与相对湿度呈负相关;早稻叶瘟与5月中旬-6月上旬的平均气温、雨量、日照时数呈负相关,与相对湿度呈正相关;早稻穗瘟与6月上旬-7月上旬的平均气温、日照时数呈负相关,与雨量、相对湿度呈正相关。晚稻苗瘟偏重发生的概率随着苗期高湿天数和雨日的增加而增大;晚稻叶瘟与8月中旬-9月上旬的平均气温、日照时数呈负相关,与雨量、相对湿度呈正相关;晚稻穗瘟与9月平均气温、相对湿度呈正相关,与雨量、日照时数呈负相关。通过相关关系和符号相同、相反的概率差值确定各气象因子距平值的量化值和权重系数,计算稻瘟病发生潜势气象指数,建立稻瘟病发生潜势气象预报模型。历史回代检验表明,模型准确率为60%～75%,且对偏重级别的准确率高于偏轻级别。     

赣州近30年气候变化对双季早稻产量的影响

以赣州市1980-2009年逐日气温、降水量和日照时数等资料为基础,对赣州双季早稻生长期的气候变化特征进行分析,并对早稻气象产量与其生长期气象因子间进行了相关分析。结果表明：（1）近30a早稻的单产随时间呈增加趋势,20世纪90年代以前基本呈线性增长,90年代后期开始增长速度明显放缓;（2）近30a早稻生长期的气温总体呈增加趋势,升温速率为0.35℃/10a,90年代末以前增温不明显,但随后气温跳跃上升,其中2000-2009年的平均气温比90年代上升了0.7℃,气温与早稻产量存在极显著的负相关,气候变暖对早稻增产起抑制作用;（3）近30a早稻生长期的降水量呈减少态势,其递减速率为157.6mm/10a,降水量与早稻产量存在明显的正相关,早稻生长期间降水量由多变少,并有逐年减少趋势,降水不足将是影响未来早稻高产的主要因子之一;（4）近30a早稻生长期的日照时数没有明显的变化趋势,但年际间和年代际间的变幅都较大,日照时数与早稻产量呈明显的负相关,表明日照太强对早稻生产有不利影响;（5）近30a早稻灌浆乳熟期的气温呈明显增加趋势,特别是从90年代后期开始＂高温逼熟＂天气明显增多,且灌浆乳熟期气温与早稻产量存在明显的负相关,灌浆乳熟期的高温热害也是影响赣州早稻优质高产的关键因子之一。     

冬小麦产量气象生物学模式研究

<正> 本文将冬小麦产量的时间序列分解为生产水平与气候生产力两个分量,通过对气候生产力的模拟,将影响产量的气象信息定量化、模式化。其结果,不仅可作为小麦大面积生产栽培和趋利避害的参考依据,而且可以在小麦生育的几个主要阶段对产量进行不同时效的气象预测预报。一、产量的趋势模拟本文采用安徽省淮北平原阜阳县1950-1982年冬小麦大面积单产资料。在产量序列中由于1960、1961两年出现不寻常的波折,     

GM(0,N)灰色预测模型在云南小春作物产量预报中的应用

利用1972-2004年的云南小春作物单产和与其灰关联度最优的10个气象因子时间序列,采用原始序列和残差序列进行GM（0,N）预测建模,对云南小春作物产量趋势进行预测.结果表明：通过残差修正后所建立的云南省小春作物产量预测模型适用于产量趋势预报,通过了小概率统计检验,预报结果有一定的参考价值.     

不同统计模型在冬小麦产量预报中的预报能力评估——以江苏麦区为例

在多类冬小麦单产统计预报模型中筛选出预报能力强的模型,并对优选出的模型进行加权集成,以此提高产量预报准确率,对保障粮食安全具有重要意义。利用1993—2018年江苏省69个基本气象观测站逐日气象资料和冬小麦产量数据及生育期资料,在5种气象产量分离方法(线性分离、差值百分率、5年滑动平均、3年滑动平均、二次曲线)的基础上,采用准确率、标准差、相关系数、泰勒图等检验法,评估分析了丰歉相似年法、关键气象因子法、气候适宜度法与集成预报法在江苏省冬小麦单产预报中的模拟效果。结果表明:1)对于同一种预报方法,不同的产量分离法对预报精度影响较大,二次曲线分离法要好于其他4种方法;丰歉相似年预报方法中加权法的预报精度高于大概率法。1993—2013年丰歉相似年法、关键气象因子法、气候适宜度法平均准确率分别为89.67%、94.86%和94.96%。2)集成预报法近5年预报准确率在96.33%以上,高于丰歉加权模型、关键气象因子二次曲线分离模型、气候适宜度二次曲线分离模型等单个最优模型,在一定程度上可以弥补单一预报方法预报结果稳定性差的不足。3)起报时间越接近成熟期,预报因子信息越全面,则预报模型准确率越高。研究结果可为江苏省冬小麦采用合理的单产预报模型提供科学依据,同时模型筛选思路也可供外省借鉴。     

暴雨灾害对福建水稻产量影响的灾损评估方法

利用福建省历年暴雨和水稻产量资料,确定水稻产量灾损量的表征方法,分析暴雨对水稻单产影响的关键时段和致灾因子,在致灾因子中首次提出效力暴雨量的概念,充分考虑暴雨强度和水稻不同生长发育期抗灾力的不同影响,建立暴雨对早稻和中晚稻单产影响的灾损评估模型,从而形成暴雨灾害对福建水稻产量影响的一套完整灾损评估方法。利用评估模型对2007年福建暴雨发生区域的水稻单产进行灾损预估及检验。结果表明:早稻单产灾损率的预估误差的绝对值在0.08~5.15个百分点,平均误差为2.15个百分点;中晚稻单产灾损率的预估误差的绝对值在0.02~3.77个百分点,平均误差为1.9个百分点,预估精度较高,灾损评估方法可行。     

粮食估产的“通道-概率模型”的验证

本文应用全国、31个省、6个典型地区和16个典型县的数据对粮食估产的"通道-概率模型"进行了系统性的验证和讨论。研究结果如下:(1)国家级估产由于地域空间尺度足够大,不同地区气象条件对产量影响的互补性强,所以估产误差小,因此国家级可以不使用小趋势修正和气候年型修正;省级、地区级和县级的估产由于同处一个气候区,因此气象条件对产量影响的互补性不强,必须使用小趋势修正和气候年型修正,县级估产还必须增加根据作物适时长势和专家经验的修正。(2)小趋势修正有两个公式:当预测误差小于10%时,使用Y×(1-K)修正;当预测误差大于10%时,使用Y/(1+K)修正。(3)估产单元气候年型可以自动划分,一般分为5级,波动大的预测单元可以使用7级,其中超丰年和超欠年的修正参数必须根据实时气象条件和作物实时长势具体确定。(4)研究表明:"通道-概率"估产理论和方法是科学的、实用的和准确的;在小趋势修正和气候年型修正基础上,如能结合作物长势调查和当地专家经验,估产误差可以达到3%以下。     

长时间序列气象数据结合随机森林法早期预测冬小麦产量

冬小麦生育早期的产量预测对于制定冬小麦整个生长期的精准管理决策具有重要参考意义。该文基于随机森林算法,采用1990—2015年河南省小麦平均拔节期至平均抽穗期地面观测气象数据与统计产量数据,分别提取不同穗分化期的温湿度、降水等47个气象要素和小麦种植区经纬度、高程3个空间要素,共计50个参数作为特征变量集,以实际单产、气象产量和相对气象产量分别作为目标变量,构建多种变量组合模型对冬小麦产量进行回归预测,并结合袋外数据重要性结果对产量影响因子进行分析。研究结果表明:1)使用气象产量和相对气象产量作为目标变量建模的预测效果优于单产模型,决定系数R~2均达到0.8以上,气象产量的平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)分别为415和558 kg/hm~2,相对气象产量的MAE和RMSE分别为0.07和0.09;2)相较于气象特征,空间特征在产量预测中起决定性作用,且小花分化期以及抽穗开花期的气象特征产量预测精度高于其他穗分化期;3)在气象特征中,利用袋外数据变量重要性得出平均温度、最低温度、负积温、最高温度在不同生育阶段对产量的影响程度。该研究结果为冬小麦生育早期产量预测提供了新的思路和方法。     

山西晋南麦区蛴螬种群动态预测模型研究

为对蛴螬种群进行准确预测和适时防治,本试验于1982～2002年在山西晋南麦区8个市（县）选择代表性地块,采用棋盘式取样法调查分析了正茬和回茬麦田蛴螬的发生规律。筛选出4个蛴螬发生的预测因子,即发生程度（Y）与虫口密度基数（X1）、8月份降雨量（X2）、9月下旬降雨量（X3）和9月下旬5cm地温（X4）相关。运用通径分析,确证了对蛴螬发生程度而言虫口基数是首要影响因素,气象因子居次要地位。同时研究了不同茬口下气象因子对麦田蛴螬发生动态的影响差异,并采用多元统计预测法,建立了预测回归方程,正茬小麦田为Y=0．0379＋0．5969X1＋0．0019X2-0．0098X3＋0．0460X4,回茬田为Y=1．7655＋0．6348X1-0．0052X2-0．0037X3-0．0035X4。经回归检验,两个预测模型在1982～2006年间历史拟合率分别高达88％和92％,可用于预测未来蛴螬发展动态。     

早稻产量形成与气象条件关系的分析

<正> 目前国内多利用水稻社会产量,统计分析产量高低与气象条件关系,建立产量气象预测预报模式,效果是比较好的。但从生产的要求来看,还必须不断监视和预测气象条件对穗数、粒数、粒重的变化,及时采取相应措施,充分利用有利的天气、气候条件,克服或减少气象灾害的影响,夺取高产稳产。因此,我们认为研究水稻穗数、粒数、粒重及产量与气象条件的关系是很必要的。材料与方法利用我站早稻广选3号(中熟种)、桂     

湖南省气象-柑桔产量预报模式研究

分析了影响湖南省柑桔产量的气象因子;在柑桔生长发育3个关键期,对柑桔产量歉年提出了5个气象灾害减产指标,对丰年也作了气象条件的定性分析.并在此基础上,建立了柑桔产量气象预测预报模式;其中柑桔产量营养积累均衡值的提出,为预报柑桔产量大、小年提供了一种新的方法;并以大气环流因子作为多个气象因子对柑桔产量作用的综合表征,更进一步提高了柑桔产量预报定量化的准确率和时效性.     

基于关键气象因子的中稻单产动态预报

利用重庆市1986-2009年中稻单产和中稻生育期内旬平均气温、旬降水量、旬日照时数等资料,采用统计分析法建立中稻气象产量动态预报模型,在此基础上预报中稻单产。用5a滑动平均方法分离中稻趋势产量,在分析气象产量与中稻全生育期逐旬气象要素相关性的基础上,以3月中旬平均气温、5月下旬日照时数、7月中旬平均气温、7月中旬降水量、7月中旬日照时数、7月下旬平均气温、7月下旬降水量和8月上旬平均气温等作为关键气象因子,建立中稻气象产量动态预报模型,并应用该模型实现中稻单产动态预报。对1986-2009年的中稻单产做模拟检验,平均准确率在96%以上,95%以上的年份预报准确率超过90%。对2010年的单产进行预报,准确率为91.5%～92.8%,预报准确率较高,基本能满足业务服务的需要。     

我国产量预报工作近况

<正> 近几年来,由于计划和生产部门的需要,我国产量预报工作有较快的发展。简介如下。一、产量序列的处理产量预报首先要把产量资料分解,以排除非气象因子影响。作者等(1978)编制东北产量预报时,将产量Y与年序t绘成相关图1,据最小二乘方确定AB线,AB线表示在气象因子正常情况下产量的分布;而各散点与AB线的距离是由于气象因子的波动而产生的产量波动,并称其为产量变率。其后王馥棠、冯定原、吴元中、刘泽良等对此作了详细探讨,并称其为趋势产量Y_t和气象产量y_w。     

四川道地中药材川芎气候生态适应性区划

利用四川川芎道地产区的产量资料,通过统计分析,详细地研究了气候条件对川芎生产的影响,找出影响川芎产量的关键气象因子和关键时期,在此基础上,提出影响川芎气候生态适应性布局的气候指标因子,建立气候指标因子的空间分析模型y=f（φ、L、h）,应用1∶25万地理信息资料和G IS分析技术将四川盆区川芎生产划分四类区域,为四川川芎产业基地建设提供科学依据。     

农业气象产量表示方法的讨论

<正> 在农业气象研究、农作物气象条件分析和建立作物农业气象产量预报模式等工作中,常会遇到如何表示农业气象产量的问题。最常用的农业气象产量表示方法有两种:一是用绝对值△yw=y-yt表示,二是以相对值yw(%)=y/yt(%)表示。(yt:趋势产量,yw:气象产量,y:实产)。本文通过计算、分析来讨论这两种表     

数值模拟气候情景下未来30年内蒙古三种主要粮食作物的单产趋势预估

基于内蒙古10个盟（市）农区58个气象站1961-2010年降水和气温日资料,38个旗（县）1961-2008年小麦、1979-2008年玉米和马铃薯单产资料,用自然对数曲线模拟作物趋势产量,并从单产序列中剥离气象单产。多元线性回归分析表明,大部盟（市）3种主要粮食作物的气象单产与生长季降水量和气温变化存在显著相关关系（P〈0.05）。利用PRECIS区域气候模式在SRES（A1B、A2和B2）和国家气候中心CMIP5数值气候模式对未来30a（2011-2040）10个盟（市）3种作物生长季平均气温、积温和降水量的模拟结果,采用多元线性回归模型预测各盟（市）作物的气象单产。结果显示,大部盟（市）气象单产总体呈增长趋势,预计未来30a全区平均小麦气象单产将增加179.0kg/hm2,玉米和马铃薯的增幅分别为51.6和50.7kg/hm2。叠加趋势产量后,小麦预计约增产1221.4kg/hm2,玉米和马铃薯预计约增产2121.1和1008.0kg/hm2。研究结果可为应对未来气候变化、确定粮食生产发展战略提供参考依据。