基于气候适宜度指数预报玉米产量时旬权重系数的确定方法

利用吉林省1980-2016年春玉米作物资料、50个气象站的逐日气象资料,构建春玉米生长季各旬的气候适宜度模型。分别采用绝对值法、归一化法和相关系数法确定各旬气候适宜度权重系数,进而计算4月上旬-预报日前一旬的气候适宜度指数,分析不同方法得到的气候适宜度指数与春玉米产量气象影响指数的相关性,并进行回归分析,建立产量动态预报模型,对吉林省春玉米单产进行预报。结果表明：三种方法研究的权重系数之间存在一定差异,但总体上随生育期的变化趋势基本一致。利用1981-2012年资料回归分析建立的产量丰歉预报模型多数通过0.05水平的有效性检验,各预报模型历史拟合平均准确率均在85.0%以上,归一化均方根误差NRMSE均小于17.0%,丰歉趋势预报准确率普遍在60.0%～80.0%,三种方法差异不明显。利用模型对2013-2016年春玉米单产进行外推预报,各预报时间准确率存在波动,但绝对值法、归一化法和相关系数法所有预报时间的平均准确率分别为93.5%、90.8%、87.2%,预报结果准确率的标准差分别为32.6、69.4、116.1。且绝对值法各预报时间平均准确率均在85.0%以上。可见绝对值法预报结果的准确率和稳定性均较高,可以满足业务服务需要。     

耦合土壤墒情的气候适宜度指数在山东省冬小麦产量动态预报中的应用

利用山东省1981-2011年历年冬小麦生育期及产量资料、14个气象站点的逐日气象资料、1992-2011年冬小麦生长季逐旬20cm土壤墒情资料,分别构建考虑和不考虑土壤墒情的冬小麦不同生长阶段的气候适宜度指数计算模型,通过与气象产量进行相关和回归分析,建立了基于两种气候适宜度指数的3-5月逐旬产量动态预报模型,并进行历史回代检验和动态外推预报。结果表明:考虑土壤墒情的气候适宜度指数能够更客观地反映山东省冬小麦生长期间气象条件和土壤水分对其产量形成的影响,构建的气候适宜度指数与冬小麦气象产量的相关系数均通过0.01水平的显著性检验,相关性高于不考虑土壤墒情的气候适宜度指数。产量动态预报模型对1992-2009年历史回代检验的平均准确率均在95.0%以上,标准化均方根误差RMSE均小于6%。对2010-2011年外推预报准确率最高达99.4%,最低为95.4%,说明预报准确率较高,建立的产量动态预报模型可以在业务上推广应用。     

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。     

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。     

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。     

耦合土壤墒情的气候适宜度指数在山东省冬小麦产量动态

利用山东省1981-2011年历年冬小麦生育期及产量资料、14个气象站点的逐日气象资料、1992-2011年冬小麦生长季逐旬20cm土壤墒情资料,分别构建考虑和不考虑土壤墒情的冬小麦不同生长阶段的气候适宜度指数计算模型,通过与气象产量进行相关和回归分析,建立了基于两种气候适宜度指数的3-5月逐旬产量动态预报模型,并进行历史回代检验和动态外推预报。结果表明：考虑土壤墒情的气候适宜度指数能够更客观地反映山东省冬小麦生长期间气象条件和土壤水分对其产量形成的影响,构建的气候适宜度指数与冬小麦气象产量的相关系数均通过0.01水平的显著性检验,相关性高于不考虑土壤墒情的气候适宜度指数。产量动态预报模型对1992-2009年历史回代检验的平均准确率均在95.0%以上,标准化均方根误差RMSE均小于6%。对2010-2011年外推预报准确率最高达99.4%,最低为95.4%,说明预报准确率较高,建立的产量动态预报模型可以在业务上推广应用。     

新型统计检验聚类方法在精细化农业气象产量预报中的应用

基于新型统计检验聚类方法(CAST)将山东省冬小麦种植区分成4个区,并利用1981-2011年冬小麦产量、生育期、逐日气象资料以及土壤墒情资料分区构建冬小麦温度、水分、日照及气候适宜度模型,利用基于气候适宜指数的作物产量预报模型对各区冬小麦产量进行动态预报,并与基于传统等值线方法分区的产量预报进行比较。结果表明:基于传统等值线分区的产量预报,其中一个分区未通过显著性检验,不能建立预报模式,其它3个分区历史回代检验的平均准确率为94.2%,外推预报的平均准确率为92.3%;而基于CAST分区的产量预报模型均通过0.05水平的显著性检验,各分区预报模式的历史回代检验平均准确率达95.8%,外推预报的平均准确率达93.6%。表明基于CAST分区的产量预报明显优于传统分区产量预报,可为精细化农业气象产量预报提供重要途径。     

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。     

基于气候和土壤水分综合适宜度指数的冬小麦产量动态预报模型

利用河北省16个农气观测站1981-2010年逐日气象资料、土壤水分观测资料、冬小麦生育期观测资料、灌溉记录和8个冬小麦主产市产量资料,根据土壤水分平衡原理和模糊数据理论,建立了综合反映冬小麦生长期气象条件和土壤水分状况的气温-日照-土壤水分适宜度评价模型,并以旬为时间步长,建立了基于气温-日照-土壤水分适宜度指数的冬小麦产量动态预报模型.结果表明,气温-日照-土壤水分适宜度指数克服了气温-日照-降水适宜度指数仅考虑水分状况中降水条件的不足,能够客观反映冬小麦生长期的气象条件和土壤水分状况,与冬小麦产量变化量呈极显著相关(P＜0.01),相关性高于气温-日照-降水适宜度指数;动态产量预报模型对1981-2008年历史拟合检验和2009-2010年预报试验的平均相对误差分别为6.1％和1.2％,误差较小,表明建立的冬小麦产量动态预报模型能够满足业务需求,具有较高应用价值.     

美国玉米产量业务预报方法研究

利用1961 -2006年美国玉米平均单产资料、美国玉米种植区14个代表站玉米生长季逐日平均气温、降水量以及西太平洋月平均海温、北半球500hPa平均高度场环流资料,分别建立了基于地面气象要素、海温、环流资料的美国玉米产量预报模型.利用三种模型分别对1995 -2004年美国玉米平均单产进行预报检验,各模型10a平均预报准确率均在95%以上,但各模型预报准确率波动较大,因此,根据各模型的历史准确率,利用加权方法建立了集合预报模型.2005年、2006年试报结果表明,集合预报模型的准确率均在95%以上,能够满足业务服务的需要.     

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。     

基于云模型的冬小麦气候适宜度评价方法 ——以安徽省宿州市为例

为建立冬小麦气候适宜度量化评价方法,本文基于云模型理论,依据光、温和水界限指标,采用"3En"法则确定云参数,建立日照、气温和降水对小麦生长影响的云模型。运用积分回归法,确定权重系数,采用加权综合法和几何平均法,确定不同生育期和全生育期气候适宜度,利用1954—2013年安徽省宿州市各县(区)冬小麦单产和1995—2013年观测地段产量因素等资料进行检验。结果表明,日照适宜度可用左半云,气温和降水适宜度可用梯形云来表达。计算的冬小麦全生育期气候适宜度,与宿州市各县(区)冬小麦气候产量呈显著或极显著正相关关系;与观测地段的冬小麦气候产量、千粒重、每穗籽粒数和乳熟期株高呈显著正相关,相关系数分别为0.588 0(P0.01)、0.756 1(P0.01)、0.670 7(P0.01)和0.464 3(P0.05)。返青—拔节期、抽穗—乳熟期2个时期的气候适宜度与单位面积穗数、每穗籽粒数的相关系数分别为0.558 9(P0.05)、0.710 7(P0.01)和0.736 1(P0.01)、0.744 2(P0.01),拔节—抽穗期气候适宜度与单位面积穗数的相关系数为0.649 8(P0.01)。1954—2013年宿州市日照与降水适宜度以每10年0.005和0.008的速度降低,气温适宜度以每10年0.028的速率升高。研究结果可作为评价宿州冬小麦对气候条件的适应性及制定相应策略的参考依据。     

天津棉花气候适宜度变化特征及其产量动态预报

通过参数修订建立了适合天津地区的棉花各生育期温、光、水气候适宜度评价模型,计算了历年天津棉花3种气候因子的适宜度指数,在分析其变化规律的基础上,建立了可以在棉花不同生育期进行的产量动态预报模型。结果表明,1964-2009年天津地区棉花生育期的气温适宜度指数呈上升趋势,增幅为0.016/10a;日照适宜度指数呈下降趋势,降幅为0.025/10a;降水适宜度指数的线性变化趋势不显著,但具有明显的阶段性特点。利用1995-2009年资料回归分析建立的产量动态预报模型,除播种期外,其它4个生育期(苗期、现蕾期、花铃期和吐絮期)模型均通过0.05水平的显著性检验;对模型进行历史资料回代表明,2000年以后准确率较高,87.5%的年份回代准确率在80%以上,各生育期平均准确率均在88%以上;利用模型对2010、2011年棉花产量进行动态预报验证,准确率均在95.5%以上,表明模型预报效果较好,能够满足业务服务需要。     

作物产量农业气象统计预报基本模型研究

通过对作物产量农业气象统计预报基本模型的研究,综合考虑农业技术进步、气候变化对作物产量形成的直接效应和农业技术-气候相互作用对作物产量形成的间接效应,提出了一个包括农业技术趋势、气候变化和农业技术-气候相互作用三项的作物产量农业气象统计预报模型,并以江苏省苏南地区单季晚稻预报实例对模式作了检验.     

冬小麦产量结构要素预报方法

为优选出最佳的冬小麦产量结构要素预报方法,该研究选择冬小麦成穗数、穗粒数及千粒质量为预报目标,综合考虑种植品种、密度及地区因子,并对气象因子进行膨化统计,得到126个自变量因子,分别采用多元线性回归、因子分析-线性回归及BP(Back Propagation)神经网络等3种方法进行建模分析。结果表明,直接采用各因子进行回归分析无法解决不同自变量间存在的多重共线性问题,而因子分析虽然消除了不同自变量间的多重共线性,但采用因子优化后的10个综合因子分别对3个产量结构要素进行线性回归,得到的预报模型决定系数(R^2)均不足0.500。运用BP神经网络对冬小麦3个产量结构要素进行预报,结果发现,当输入层为126、隐含层为16、输出层为3时,BP神经网络结构最佳,在此结构下,模型的决定系数为0.644,明显优于多元线性回归及因子分析-线性回归法。同时,基于BP神经网络模型对冬小麦产量结构要素的预报精度平均达85.3%。因此,推荐采用BP神经网络模型对冬小麦产量结构要素进行预报。     

冬小麦产量灰色预测预报模型

<正> 本文针对农业气象产量预报工作中常用的数理统计方法中存在的局限性,根据灰色系统理论,以河南省获嘉县冬小麦产量为对象,组建了从趋势处理、因子选择、气象产量预报到模型精度检验的整套灰色预测预报模     

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.     

基于机器学习算法的冬小麦始花期预报方法

该研究采用机器学习算法,明确冬小麦始花期的主要气象影响因子,并建立始花期预报模型。基于1980-2019年江苏省10个观测点冬小麦生育期观测资料和逐日气象数据,应用随机森林(Random Forest,RF)、反向神经网络(Back Propagation,BP)、多元线性回归(Multiple Linear Regression,MLR)3种算法分别建立始花期预报模型,以决定系数、均方根误差、预报准确率为评判指标,对模型模拟精度进行比较分析。结果表明,温度类因子对始花期影响的重要性明显大于降水类和日照类。基于筛选出的重要特征变量,3种算法建立的始花期预报模型均可在4月初对始花期进行预报,最迟可提前5d预报,最早可提前32d预报;RF算法模拟精度最高,BP算法次之,MLR算法相对低一些;RF算法能准确模拟出始花期波动趋势,大部分站点的始花日期预报准确率都在85.0%以上,表明RF算法在始花期预报中有较高的可靠性和业务应用潜力。     

陇东塬区冬小麦收获期预报

通过对陇东塬区近35a来的气温资料和冬小麦生长发育资料分析,发现:一方面,由于气候变暖使陇东塬区冬小麦春季各发育期整体提前,从而使成熟期提前;另一方面,由于春末夏初气温偏高、降水偏少,高温持续时间长,加快了冬小麦生殖阶段的发育进程,发育期间隔天数缩短,也使冬小麦的成熟期提前。根据西峰农试站近11a来对陇东塬区冬小麦灌浆速度的测定结果,结合5-6月气象因子观测资料,建立了冬小麦成熟期预报模型,以预测当地冬小麦适宜收获期,预报结论与实际成熟期相吻合。     

浙江省水稻产量预报气象业务化系统

本文介绍了自行设计和研制的省级水稻产量预报气象业务化系统,它由趋势产量处理、关键因子普查、产量气候评价、预报建模和数据库管理5个模块组成,初步实现了省级水稻产量预报业务流程的自动化、预报产量的定量化、客观化,在业务预报中取得了较好的效果。