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。     

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.     

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。     

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。     

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     

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。     

北京冬小麦产量长期预报方法

冬小麦产量的长期预报可以提前在播种前预知其产量状况。这不仅对来年农事安排、粮食进出口经济效益等方面有所帮助,而且也为长期粮作品种的合理布局提供依据。作准长期冬小麦产量预报需要掌握三方面的情况:一是生产水平发展动向;二是来年气候条件;三是可能遇到的特殊影响。掌握生产水平发展动向这一问题是比较     

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。     

作物水分条件的研究方法初探——以江苏省沙洲县冬小麦为例

本文以江苏省沙洲县冬小麦为例,用修正彭曼蒸发公式计算冬小麦生育期的旬需水量、旬降水量及其相对变率和各级保证率:分析冬小麦的水分供求比和水分余亏量;用Fuzzy聚类探求冬小麦的水分余亏量的年型与产量的关系。这种作物——土壤——气象因子的水分模式对确定农田排灌系统的设计规模、计算灌溉定额、规定农业技术措施和做作物产量预报都是有用的。     

利用新型光谱指数改善冬小麦估产精度

基于冬小麦返青期至乳熟期8次采样的地面光谱数据和收割时的产量数据,首先,利用光谱反射率与产量进行了统计分析,可见光波段的光谱反射率与产量在起身后期才达到稳定的显著负相关水平;近红外波段的光谱反射率与产量在所有生育期都表现出稳定的显著正相关;短波红外波段的光谱反射率与产量在进入灌浆期后才达到稳定的显著负相关水平.其次,根据冬小麦冠层光谱的波形特征,利用近红外波段890 nm反射峰、980 nm和1 200 nm两个弱水汽吸收谷、短波红外1 650 nm和2 200 nm反射峰,设计归一化差值光谱指数,并与冬小麦产量进行相关分析,结果表明:利用上述波段组合定义的归一化差值光谱指数与产量在各个生育期都达到了显著或极显著相关水平,而归一化差值植被指数(NDVI)与产量间的相关在营养生长阶段不显著.最后,以(890 nm,1200 nm)弱水汽吸收光谱指数为例,建立了各个生育期的产量预报模型,为实现冬小麦营养生长期长势监测与更早、更可靠的产量预报提供了依据.     

华北平原冬小麦产量变异的气象影响因子分析

采用1988-2015年华北平原冬小麦种植区46个市的统计产量和相应46个气象站点的逐日气象资料,通过Logistic曲线和双曲线方法分离出气象产量,并构建气象产量与生长季主要气象因子的多元统计关系,以明确华北平原冬小麦产量变异的气象影响因子。结果表明：（1）1988-2015年华北平原冬小麦产量在3200～6800kg·hm-2,中部地区产量最高,南部地区产量的变异高于中部和北部地区。（2）生长季日照时数、温度和降水平均值的年际变化影响了17%～78%的气象产量的变异,其中54%的地区达到显著水平（P＜0.05）。影响程度较高的地区主要分布在河北南部、山东西部和河南的东北部地区。（3）播种-返青阶段的降水显著影响产量变异,降水量每增加1%,天津、驻马店及山东西北部等地产量将上升13～74kg·hm-2,而河北北部、河南南部、山东南部等地产量将下降16～80kg·hm-2。返青-成熟阶段对产量变异影响较大的因子为最低气温,平均最低气温每上升1-C,天津和石家庄、山东东部和西部及河南东部等地产量将增加50～295kg·hm-2,而北京、唐山和枣庄等地将减少76～124kg·hm-2。总体来看,温度对华北平原冬小麦产量变异影响范围更广且更加显著,但气象因子对产量变异的影响受局地品种和管理措施等影响呈现较大的空间差异。     

降水量和积温变化对天津冬小麦产量的影响

利用天津1960-2008年冬小麦单产资料,采用统计方法分析了影响冬小麦产量变化的主要气象因子及其变化趋势。结果表明:3个时段(全生育期、拔节-灌浆期、播种前)的降水量以及越冬前正积温是影响天津冬小麦产量的两种主要气象因子。趋势分析表明,49a中天津地区3个时段的降水量呈先减少后增加的变化趋势,越冬前正积温呈直线增加趋势;根据分别建立的冬小麦气象产量与影响时段降水量、越冬前正积温的回归方程,计算得出全生育期降水量达到122mm、拔节-灌浆期降水量达到41mm、播种前降水量达到36mm和越冬前正积温达到511~627℃.d是天津冬小麦气象产量为正值的水分和温度临界指标;据此标准,49a中,3个时段降水亏缺概率为22%~80%,但由于灌溉能力的提高,降水对产量的影响作用减小;冬小麦越冬前遭遇低温的概率为10%~50%,遭遇高温的概率为8%,并随年代增加呈上升的趋势,积温对产量的影响作用逐渐增强。     

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。     

基于气象因子的冬小麦发育期预报模型

冬小麦发育期预报是农业气象服务的主要内容之一。本文以光、温、水气象因子为基础,以位于河北省中南部冬麦区的南宫站为例,选取1991-2010年冬小麦全生育期农业气象观测数据和冬小麦生育期资料,分析光、温、水气象因子累积速率与冬小麦发育速率的相关性,建立各生育阶段冬小麦发育速率预测模型。结果表明：在研究区,光照和水分因子不是冬小麦发育速率的限制条件,不作为发育期预测模型的因子;温度因子是影响冬小麦发育速率的主导因子,返青至各阶段的有效积温累积速率与对应的发育速率的相关系数,较单一生育阶段的相关系数显著提高（P＜0.05）,冬前有效积温与返青-拔节、返青-抽穗阶段的发育速率显著相关（P＜0.05）;以相关显著的温度因子为自变量建立的4个阶段发育速率预测模型,模拟最大绝对误差为7d,返青-拔节平均绝对误差为3d,返青-抽穗为2.8d,返青-乳熟3.3d,返青-成熟2.2d,模型模拟精度较高,可以满足农业气象业务服务的需求。     

陇东黄土高原冬小麦生态气候适生种植区划

利用陇东地区1972-2003年15县的冬小麦产量资料和气象资料，分析了陇东地区冬小麦全生育期气象要素分布特征，以及冬小麦产量和气象条件的关系，确定了小麦区划指标，将陇东地区冬小麦分为5个不同类型种植区，并提出充分利用气候资源、合理调整作物结构、发展经济的有效途径。     

基于农户数据的河南中东部地区气象因子对冬小麦产量的影响分析

以河南中东部3个村庄为研究区,通过入户调查的方法,得到2003-2009年农户冬小麦实际产量数据,利用直线滑动平均法去除农户冬小麦趋势产量,从中提取出气象产量,并与相邻气象站点的数据进行相关分析,找出与产量相关度较高的气象因子。结果表明,研究区内影响冬小麦产量的关键气象因子为播种-越冬前降水量、灌浆-乳熟期日照时数、灌浆期平均气温,这些因子在冬小麦生长中分别以苗期旱灾,灌浆-乳熟期阴雨寡照和灌浆期高温的形式影响产量。研究结果可为冬小麦生产提供技术支持。     

安徽省冬小麦品种生态气候适宜性分析和精细化区划

利用安徽省78个气象站1971-2000年冬小麦生长阶段气象资料和地理信息,选取影响冬小麦品种分布和生长的主要气象因子建立区划指标,采用多元回归模型和GIS空间内插技术对指标要素栅格化,并通过温度和水分两级指标,形成千米网格的安徽省冬小麦品种生态气候适宜性精细化区划图,用安徽省耕地数据掩膜(mask)得到相应耕地意义的区划分布图,并进行分区评述。结果表明,以气温和降水为指标,可将安徽省冬小麦品种的生态气候适宜性划分为5大区11个亚区,分区结果能反映气候变暖背景下安徽省冬小麦生态气候适宜性的分布特点以及各区域温度适宜性和水分适宜性的差异。因冬季气温的南北差异,安徽省适宜种植的冬小麦品种自北向南冬性程度降低。冬小麦生产中的主要问题是水分失衡,北部水分不足,南部过多,制约了稳产高产。根据区划结果,应增强北部冬小麦主产区的抗旱能力,适当扩大沿淮和江淮丘陵北部地区半冬性品种种植面积,尽量压缩南部地区冬小麦种植面积,以全面提高安徽省冬小麦生产水平。     

冬小麦气象产量分析

采用多年滑动平均法和曲线模拟法计算河南省五二农场小麦的趋势产量及气象产量，发现小麦气象产量波动振幅越来越大。本文试引入年份序数作为时间放大因子，以10月气象因子为例进行多元回归计算，结果表明此方法能明显提高计算的相关系数。     

膜下滴灌条件下棉株温湿度微环境

通过对膜下滴灌棉花根区土壤温度、水分、冠层叶温、气温及冠层空气湿度的观测,分析了该灌水条件下棉花土壤水、热关系,冠层温、湿度关系,结果发现:棉花根区土壤水分与温度之比在深度方向上近似呈线性关系,冠层叶—气温差与空气饱和差也呈线性关系,说明膜下滴灌技术能够为棉花根系提供良好的吸水环境,有利于棉花生长。