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。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

产量阶段的划分及应用

针对较长产量序列时序可比性差产量预报方程回归误差率较高、气象产量序列不符合正态分布等问题,提出了产量阶段概念。认为产量序列是由一个个相对稳定变化着的产量阶段组成,两个产量阶段之间存在跳跃现象,宜分阶段处理。并提出用量优分割法划分产量阶段,结合周期分析结果确定产量阶段段娄和霜冻最后,用划分产量阶段的方法,建立了河南省冬小麦产量预报方程;并好河南省夏玉米丰、平、歉产量年型。     

四川盆区水稻气候年景及产量模型研究

以四川盆区1964年以来分地区的水稻产量为基础，采用多种数学方法对水稻气象产量作出分离，划分出水稻气候年景的3种类型，较详细地研究了各种年景的气候特生，并利用积分回归方法建立了水稻气象产量模型，为四川水稻生产决策、产量预测提供了依据和方法。     

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.     

安徽省一季稻产量灾损风险评价

利用安徽省1981-2014年50个市(县)一季稻产量资料,采用直线滑动平均方法计算一季稻相对气象产量,通过正交经验分解(EOF)分析一季稻相对气象产量的时空变化特征,并从一季稻产量灾损角度出发,采用灾年平均减产率、产量变异系数、减产风险指数及区域农业水平指数作为产量灾损风险评估指标,对安徽一季稻产量灾损进行风险区划。结果表明:研究期内安徽省各市(县)一季稻产量变化趋势一致,北部增产或减产较南部明显,2005年之前安徽一季稻产量波动剧烈;不同产量灾损评估指标在空间上表现出一定的地域性和连续性,灾年平均减产率、产量变异系数和减产风险指数均表现为北部数值高于南部,区域农业水平指数呈现由东北向西南减小的趋势。根据产量灾损综合风险指数区划结果,研究区域内北部灾损风险高于南部,风险高值区和中值区主要分布在沿淮、江淮北部,风险低值区面积最广,主要位于皖南山区、沿江地区及江淮南部。     

宁夏硒砂瓜产量动态预测

通过对产量与各生育阶段气象要素的相关分析,研究宁夏中卫环香山地区气候条件对硒砂瓜产量的影响,建立产量动态预报模式。结果表明：降水是影响宁夏硒砂瓜生长的主要因素,播种前及全生育期降水量对产量的增减起着决定性的作用;各气象因子对硒砂瓜的影响主要集中在苗期和伸蔓膨瓜期,其中降水、平均相对湿度、平均风速的影响较显著。一定范围内,降水越多产量越高,平均最高气温越高、空气湿度越小、风速越大,硒砂瓜产量越低。