南京市樱花始花期预报方法研究

利用南京市2012—2021年气象数据及樱花花期观测资料,对南京市樱花始花期特征及其气象因子进行了分析,通过多元回归分析法构建了南京市樱花始花期预报分析模型,并进行了分析。结果表明：(1)南京市樱花始花期平均日序数为79.2 d,近10年来南京市樱花始花期日序数变化趋势不明显。(2)对由3月上旬积温因子建立的樱花花期预报模型进行检验得出的樱花始花期与真实花期平均绝对误差为2.02 d;由前1年12月上旬至当年3月中旬积温和因子建立的樱花花期预报模型进行检验得出的樱花始花期与真实花期平均绝对误差为2.19 d,说明长期积温是影响南京樱花始花期的关键因子;由多因子预报模型进行检验发现多因子建立的预报模型预报误差明显低于单一因子建立的预报模型。对比3种预报模型对2022年南京市樱花始花期进行花期预报,发现综合X₁₀和X₁₄这2个气象因子建立的花期预报模型计算得出的2022年南京市樱花始花期预测值与实际花期的误差较小,可以较为准确地预测出南京市樱花始花期。     

芮城县苹果花期预报模型研究

利用芮城县1984—2012年苹果花期序列资料和气象观测资料,用SPSS统计软件计算出苹果花期与温度、降水和日照时数等气象因子的相关系数,发现气温对苹果花期的影响最为显著,其次是日照时数,降水的影响很小;气温、日照时数对苹果花期的影响表现为一致性负相关。筛选出影响苹果花期的主要气象因子是年平均气温、2月平均气温、3月平均气温、3月地面温度、开花前1个月≥0℃积温和3月至4月上旬≥0℃积温、3月日照时数,采用逐步回归分析法建立了基于以上因子的苹果花期预报模型,用建立的预测模型对1984—2012年芮城县苹果花期进行回测,准确率较高。平均始花期预测值与实际观测值绝对误差为0,最大差值为6 d;平均盛花期预测值与实际观测值绝对误差为1 d,最大差值为9 d,预报值与实测值基本吻合,表明建立的预测模型能准确预测芮城县苹果花期。     

承德县国光苹果始花期与气象因子的相关分析及预报模型

为准确做好承德县国光苹果始花期预测、发布花期风险预警,尽可能减轻花期灾害对苹果生产造成的不利影响,利用2010—2023年承德县国光苹果生育状况观测资料和同期地面气象观测数据,统计分析始花期与各气象因子之间的关系,结果表明：国光苹果始花期与1月上旬气温、3月下旬气温、3月下旬0 cm地温、浅层地温和4月上中旬地温、稳定通过≥10℃的初日、积温显著相关。挑选显著因子应用逐步回归方法建立预报模型,回代检验中始花期预报值与实际值相差0～2 d的准确率达83%,2022—2023年始花期预报值与实际值相差分别为3 d和1 d,所建立的预报模型可用于承德县国光苹果始花期的预报。     

三门峡红富士苹果始花期预测模型研究

为了提高三门峡红富士苹果始花期预测水平和花期冻害防御能力,本研究分析了气象因子与苹果始花期之间的关系,依据不同数据组合,利用回归法建立了4种始花期预测模型。结果表明：3月中旬平均气温、下旬平均气温、3月平均气温、≥0℃积温、≥3℃活动积温和有效积温、≥5℃活动积温和有效积温与始花期呈明显的负相关;<0℃积温与始花期呈明显正相关。降水量、日照时数与始花期之间相关性差。通过模型检验,基于≥3℃活动积温和<0℃积温模型作为最优始花期预测模型。该模型可为当地苹果花节气象服务及指导花期冻害防御提供科学依据。     

基于积温的枣庄地区石榴始花期预测模型初探

本文利用1982-1984年和1986-1988年枣庄市石榴花期物候观测资料与同期气象观测数据,筛选出影响石榴始花期的气象因子,建立了气温积温和地温积温两种预测模型。结果表明:(1)气温积温预测模型与地温积温预测模型在回代检验中误差均较小,检验效果良好。气温积温预测模型最小误差为1 d,最大误差为4 d,平均误差为2.5d;地温积温预测模型最小误差为2 d,最大误差为4 d,平均误差为2.3 d;(2)气温积温预测模型与地温积温预测模型在2017年-2020年的4年检验中,两种模型检验效果差别较大,气温模型检验效果好于地温模型。气温模型最小误差为0 d,最大误差为3 d,平均误差为1.7 d;地温模型最小误差为2 d,最大误差为11 d,平均误差为6 d。在气象服务中,通过两种模式互补,减少预测误差,提高服务效果。     

鲅鱼圈区观赏山桃花气象条件分析与花期预测

利用1980-2012年熊岳国家气象站观赏山桃花物候期观测资料和气象观测资料,利用回归分析旬平均气温、降水、相对湿度、日照、地温、0℃积温等要素与山桃花花期的相关性进行分析,得出气温、0℃积温、地温对花期的影响显著;通过筛选预报因子,建立了观赏山桃花期预报模型。通过33年资料检验,模型与花期拟合较好,满足气象服务需求,为旅游景点提供可靠的观赏山桃花期预测。     

永福镇台品樱花始花期预测分析

利用1971—2020年ERA5 0.25×0.25再分析的地面气温、雨量、相对湿度等气象要素资料,开展基于积温预报方法、600度法则方法的检验修订,应用地面自动站点2012—2021年实测资料建立樱花始花期预报模型,对比分析3种樱花始花期的预测准确率。研究结果表明：（1）使用积温预报方法得出的预报指标为每年1月1日以后日平均气温≥0℃、活动积温达334℃·d即为开花日,600度法则方法以前一年12月25日为起始日,日最高气温累积达600℃·d即为开花日,使用2种指标进行历年回测,除去异常年份,始花期平均误差天数分别为3.2 d,通过方差分析得出600度法则效果较好;（2）将樱花花期与各个阶段气温、最高温度进行相关性分析,发现其与12月中旬平均气温呈负相关,采用逐步回归分析方法得到樱花始花期预测模型,进行历年回测,除去异常年份误差,始花期平均误差天数为2.3 d。     

门源县油菜花期预测研究

本文利用1980—2015年的地面观测数据(包括温度、降水、日照、>0℃积温和>5℃积温),利用积温学原理,经过统计分析,研究利用播种、出苗、抽薹期预报门源县油菜开花期的预报模型。结果表明,利用播种、出苗、抽薹期预报门源县油菜开花期的预报模型是基于历年平均发育期和历年开花需求的平均积温、预报期间旬平均气温建立的,积温模式稳定准确、生物学意义明显,且随着开花期的临近预报精度提高;应用积温学原理建立的预报方程存在不确定的因素,比如霜冻危害、延迟性低温冷害均有可能造成发育期推迟,高温干旱有可能造成发育期提前,因而预报结论与实际情况相比,难免有一定的误差。根据油菜抽薹期至始花期、始花至终花期所需的积温和间隔日数,结合天气趋势预测,可分析和判断气象因子对开花期时间分布的影响,这对筹办油菜花节等相关活动具有重要的决策意义。     

六盘山区油菜花期与气象条件的关系研究

利用2017—2020年六盘山区油菜观测资料及相关气象资料,分析气温、降水、日照等对油菜始花期的影响,从而建立油菜始花期预测模型。结果显示：油菜始花期与部分月份的温度、日照等相关性较高,其中6月上中旬平均气温(X₁)和6月上中旬日照时数(X₂)对六盘山区油菜始花期的影响最为显著。建立预报模型：Y=65.760 88-3.320 65 X₁+0.030 055 X₂,利用该模型对油菜始花期进行回测,误差在0.1～1.2 d,准确率较高。利用2021年相关气象因子数值,对油菜始花期进行预测,预测值与实际观测值两者相差1.78 d,建立的预报模型能较好预测六盘山区油菜始花期。     

营口市鲅鱼圈区观赏山桃花气象条件分析与花期预测

利用1980—2012年熊岳国家气象站观赏山桃花物候期观测资料和气象观测资料,采用回归分析对旬平均气温、降水、相对湿度、日照、地温、0℃积温等要素与山桃花花期的相关性进行分析。结果表明,气温、0℃积温、地温对花期的影响显著;通过筛选预报因子,建立了观赏山桃花花期预报模型。通过33年资料检验,模型与花期拟合较好,满足气象服务需求,可为旅游景点提供可靠的观赏山桃花花期预测。     

库尔勒香梨盛花期预报模型初探

根据库尔勒市1981—2012年地面观测资料和香梨花期物候资料,分析库尔勒香梨盛花期与气象因子的相关性,采用逐步回归分析法确立对香梨盛花期作用显著的气象因素,建立香梨盛花期最优回归预测模型。结果表明,影响香梨盛花期的最优势相关气象因子是3月平均最高气温、4月至始花期平均气温与4月至始花期合计日照时数,利用所建模型对1981—2007年以及2008—2012年香梨盛花期进行回代和预报检验,效果均较好,此结果可用于指导库尔勒市香梨盛花期的预报。     

基于灰色关联下神经网络在南果梨始花期预报中的应用

为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R²为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R²为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。     

基于气象条件下的牡丹花期预报预测研究

牡丹花期仅为7～10 d,且花期时段相对比较集中。由于每年气象条件不同,牡丹开花期可能提前或推迟。为了解决临夏牡丹文化节与盛花期不相吻合的问题,选取紫斑牡丹为研究对象,根据临夏市春季不同气象条件下的牡丹开花期,选取气温、积温、日照和空气湿度气象因子进行主成分分析和逐步回归分析,剔除对花期相关性影响小的因子,最终选取气温和积温建立多元回归模型,对牡丹花期进行预报预测,为牡丹文化节组委会提供决策依据。结果显示:牡丹盛花期与当地稳定通过3℃的首日至盛花期间的气温和该段时间内的有效积温有显著的关系。通过建立多元回归模型对过往年份牡丹花期进行模拟预测,花期预报最多相差4 d,花期预报与实际花期相差2 d内的准确率达到77.8%,相差3 d内的准确率为88.9%,与之前的花期预报模型相比,准确率有了明显提升。     

基于气象条件下的牡丹花期预报预测研究

牡丹花期仅为7～10 d,且花期时段相对比较集中。由于每年气象条件不同,牡丹开花期可能提前或推迟。为了解决临夏牡丹文化节与盛花期不相吻合的问题,选取紫斑牡丹为研究对象,根据临夏市春季不同气象条件下的牡丹开花期,选取气温、积温、日照和空气湿度气象因子进行主成分分析和逐步回归分析,剔除对花期相关性影响小的因子,最终选取气温和积温建立多元回归模型,对牡丹花期进行预报预测,为牡丹文化节组委会提供决策依据。结果显示:牡丹盛花期与当地稳定通过3℃的首日至盛花期间的气温和该段时间内的有效积温有显著的关系。通过建立多元回归模型对过往年份牡丹花期进行模拟预测,花期预报最多相差4 d,花期预报与实际花期相差2 d内的准确率达到77.8%,相差3 d内的准确率为88.9%,与之前的花期预报模型相比,准确率有了明显提升。     

鞍山市南果梨花期影响因子及始花期预报研究

南果梨是辽宁地理标志产品,花期观赏是待开发的旅游资源,开展花期预报服务有助于推动旅游业。利用2000—2022年鞍山气象资料和南果梨花期物候资料,基于相关分析和逐步回归方法,筛选相关气候因子建立始花期预报模型。结果表明：3月份气温是影响始花期主要因素,降水次之,光照影响不显著。鞍山南果梨始花期出现在4月中—下旬,当3月中旬平均气温<4.0℃、平均最高气温<9.0℃、3月中旬—4月上旬平均气温<6.0℃、平均最低气温<2.0℃时,始花期出现在4月下旬,反之在4月上旬;并且,气温每升高1℃,始花期提前2~3 d。通过逐步回归筛选出3月中旬的平均气温和平均最高气温、3月中旬—4月上旬平均气温、平均最高、最低气温及3月下旬—4月上旬降水量等6个因子,建立的始花期预报模型准确率为84.8%。运用相关指标和逐步回归模型,可预测鞍山南果梨开花始期,此方法可纳入专项气象预报服务中。     

菏泽牡丹花期预报模型构建方法

通过分析山东省菏泽市1964-2015年早熟品种始花日期与气象要素之间的关系,筛选与始花期相关性较好的要素,采用膨化方法对其进行处理,并利用逐步回归方法,将膨化后的备选因子和牡丹花期建立统计预报模型,构建菏泽牡丹花期动态预报模型。结果表明,牡丹始花期受积温、平均气温、地温等温度要素影响显著,与降水和日照时数关系不大,利用积温、平均气温及地温膨化要素构建的预报模型,预报效果较好,通过对随机预报结果验证表明模型能够反映牡丹花期对气候因子变化的响应,模型模拟值与实测值比较吻合。该方法构建的模型可以用来模拟预测牡丹花期,并在一定程度上克服了固定模型仅能在固定时间对牡丹花期进行预报的限制性。     

基于机器学习的苹果始花期预测

始花期的早晚是生长过程中气象因子累积对果树产生的影响。冬季果树休眠是一个需冷量到需热量的过程,研究了这一过程中气象因子对苹果果树始花期的影响并预测始花期。基于山西省吉县苹果物候数据和气象数据,研究三个时间段内（是否发生冻害、能否正常越冬和热量与水分需求）气温、湿度、地温、降水量和光照等气象因子对花期的影响程度,采用多元线性回归方法和组合方法,建立山西省吉县苹果果树始花期的预测模型。结果表明,在三个不同时间段内预测值与真实值的决定系数分别为：0.59、0.71和0.48。由于分析天数长短的不同,基于能否正常越冬建立的模型效果最好,其决定系数为0.71,分析天数最短的基于热量与水分需求时间段的模型决定系数最小,这表明预测过程中分析天数的选择不宜过小。使用组合方法模型的决定系数为0.78,比能否正常越冬时间段模型的0.71略有提升。同时预报模型可以在3月15日完成提前量至少为24 d的精准预测。     

基于机器学习的苹果始花期预测

始花期的早晚是生长过程中气象因子累积对果树产生的影响。冬季果树休眠是一个需冷量到需热量的过程，研究了这一过程中气象因子对苹果果树始花期的影响并预测始花期。基于山西省吉县苹果物候数据和气象数据，研究三个时间段内（是否发生冻害、能否正常越冬和热量与水分需求）气温、湿度、地温、降水量和光照等气象因子对花期的影响程度,采用多元线性回归方法和组合方法，建立山西省吉县苹果果树始花期的预测模型。结果表明，在三个不同时间段内预测值与真实值的决定系数分别为：0.59、0.71和0.48。由于分析天数长短的不同，基于能否正常越冬建立的模型效果最好，其决定系数为0.71，分析天数最短的基于热量与水分需求时间段的模型决定系数最小，这表明预测过程中分析天数的选择不宜过小。使用组合方法模型的决定系数为0.78，比能否正常越冬时间段模型的0.71略有提升。同时预报模型可以在3月15日完成提前量至少为24 d的精准预测。     

桃树始花期与气象因子的相关分析及预报模型

利用1991～2010年卫辉市气象局地面气象观测资料和桃树始花期的观测资料,对影响桃树始花期的气象因子进行分析。结果表明,卫辉市桃树始花期有明显的提前趋势;始花期与气温稳定通过5℃到3月底的积温、2月下旬～3月底日照总时数、3月下旬5 cm地温累计值呈显著的负相关。利用最小二乘法回归分析,建立了当地桃树始花期预报模型,并进行校正,通过检验模型效果良好,可为桃树始花期预报提供参考。     

浙中南春茶采摘期的气象条件分析及预报模型建立

利用2005—2017年浙中南武义县春茶3个主栽品种的采摘期时间资料,结合同期的气温、降水、日照和相对湿度等气象资料,应用数理统计方法,分析浙中南春茶采摘期与各气象要素的相关性,并探讨不同气温要素对春茶采摘期的影响,建立基于气象要素的春茶采摘期预报模型。结果表明,浙中南春茶采摘以乌牛早最早,其次是迎霜,最晚是龙井43,迎霜和龙井43的采摘期接近。春茶采摘期与2月气温的相关性最大,其中,2月上中旬气温回暖条件、2月中下旬低温霜冻程度是预测茶叶成熟采摘的关键。浙中南春茶采摘期预报模型以气温为预报因子,效果较好,其中,平均气温、平均最高气温因子能有效反映回暖条件,旬尺度最低气温因子能有效反映低温霜冻的影响,预报时效最长提前至10~40 d,优于积温预测方法,模拟效果较好,可为茶农合理安排春茶采摘提供理论依据。