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。     

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。     

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。     

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.     

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。     

福建省稻飞虱气象条件适宜程度等级预报

利用福建省14个县1975-2006年早稻、晚稻稻飞虱资料和相应气象资料,分析福建省早稻、晚稻稻飞虱发生与气象条件的关系.结果表明:影响福建省早稻、晚稻稻飞虱发生发展的关键气象因子分别是6月中下旬气温、降水日数和9月中下旬气温、降水日数,利用关键气象因子构建气象条件适宜程度等级指数K模型,通过历史回代检验,气象条件适宜程度等级与稻飞虱实际发生的等级相比,早晚稻"一致"和"基本一致"的平均可达到69.1%;对福建省2007年6月下旬早稻稻飞虱高峰期的气象条件适宜程度等级进行预报,"一致"和"基本一致"的达92.1%,总体上预报效果较好,可投入业务应用.     

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。     

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。     

西湖龙井茶开采期影响因子及预报模型

基于西湖龙井茶主栽品种（龙井43和龙井群体种）开采期及气象资料,应用积温和逐步回归方法,分别构建西湖龙井茶的积温预报模型和逐步回归预报模型,并利用多元线性回归方法,对两个模型的预报结果进行集成,构建集合预报模型。结果表明：积温预报模型、逐步回归预报模型、集成预报模型均通过0.01水平的显著性检验;龙井43和龙井群体种的积温预报模型回代检验平均绝对误差（MAE）分别为3.6d和2.8d,2a试预报MAE分别为2.5d和1.0d;逐步回归预报模型的回代检验MAE分别为0.9d和1.4d,2a试预报MAE分别为1.6d和0.8d;集成预报模型的回代检验MAE分别为0.7d和1.1d,2a试预报MAE分别为1.3d和0.8d。3种预报模型对西湖龙井茶开采期预报均具有应用价值,集成预报模型较积温预报模型和逐步回归预报模型的预报效果更理想,具有实际生产指导作用。     

基于大气环流特征量的河北省冬小麦白粉病预报模型

利用1990-2010年逐年的河北省冬小麦白粉病和国家气候中心74项大气环流特征量指数（即大气环流指数）逐月值资料,通过Pearson相关分析和逐步回归分析方法,筛选与白粉病发生显著相关的大气环流因子,建立河北省冬小麦白粉病受害面积的年前、春季预报模型.首先根据白粉病发生面积与大气环流指数关系,建立白粉病发生面积预报模型（模型Ⅰ和模型Ⅱ）,并基于贝叶斯分类规则,利用白粉病面积预报结果建立白粉病发生程度的预报模型;另外,基于贝叶斯分类规则直接利用关键大气环流指数建立白粉病发生程度预报模型（模型Ⅲ和模型Ⅳ）;最后通过预报结果与实际发生情况的对比对模型效果进行检验.结果表明,白粉病发生面积和发生程度两种模型均可在发病前1a的12月底和当年4月底进行预报;对1990-2010年的历史回代拟合和2011-2013年的外延预报结果显示,模型Ⅰ和模型Ⅱ预报的小麦白粉病发生面积（1990-2013年）与实际发生面积基本一致,年前和春季病害发生程度预报模型（模型Ⅲ和模型Ⅳ）的历史回代拟合准确率分别为81.0％和90.5％,2011-2013年外延预报误差最大的仅1个等级.说明大气环流特征量对小麦白粉病有较强的气候指示效应,可为小麦白粉病的长期预测提供参考依据.     

基于主分量的神经网络气温预报模型

根据山西省6个有代表性的气象观测站1951-2000年的气象资料,以降水量、气温为预报因子,以太原市最冷月平均气温为预报量,采用人工神经网络与主分量分析相结合的方法,建立了太原最冷月平均气温预报模型。该模型对1960-1990年的历史样本拟合的平均相对误差为3.6%,对1991-2000年独立样本的预报准确率达90%,说明该模型可使预报泛化能力显著提高,对农业防灾减灾有较大作用。     

基于Fisher判别准则的河北省小麦白粉病气象条件中期预报模型

将1983-2010年河北省麦区7个站点的白粉病发生程度与同期气象资料进行相关分析,初步明确了3月下旬-4月中旬平均相对湿度是影响病害流行的关键气象因子;t检验结果显示,河北省白粉病轻、重分布区的差异不显著,表明不必分区建立预测函数;通过Fisher判别准则,构建了白粉病发生程度的判别分级模型,其历史拟合率达到82.5％,2010年的试报准确率达到100％,表明模型预报效果较好.该模型的建立提高了对小麦白粉病预测的准确性,为小麦白粉病的早期防治提供了依据.     

甘肃省冬小麦水分盈亏指数的改进及其应用

冬小麦是甘肃省主要粮食作物,水分是限制该省旱作冬小麦生产最主要的因素,降水时空分布不均造成冬小麦干旱常年发生,因此准确监测甘肃省冬小麦干旱及定量评估灾害损失可为决策部门制定农业防灾减灾措施及保障区域粮食安全提供科学依据。利用甘肃省1981—2014年3个农业气象观测站土壤水分和冬小麦生育状况观测资料,38个冬小麦种植县气象资料、产量资料及干旱灾情资料,考虑冬小麦休闲期土壤储水及生育期水分盈亏量修订了作物水分盈亏指数,修订后作物水分盈亏指数与土壤储水、冬小麦产量要素和产量损失相关性较高,能客观、准确、定量地反映干旱对甘肃冬小麦产量的影响;利用水分盈亏指数分别建立冬小麦产量要素和产量损失评估模型。结果表明:产量要素评估模型均通过0.01水平显著性检验,产量损失评估模型大部分通过0.05水平显著性检验。产量要素评估模型回代结果与冬小麦产量要素实测值间均通过0.01水平的F检验;产量损失评估模型验证结果表明,68.4%种植县通过0.05水平F检验,基本能准确评估全省大部分地方干旱对冬小麦产量造成的损失。修订后作物水分盈亏指数能客观反映甘肃省冬小麦干旱,建立的评估模型能准确评估干旱对冬小麦造成的损失,具有一定的应用价值。     

影响板栗产量的气象条件分析及产量评估方法

统计近24年兴隆县板栗的产量资料与生育期的气象资料,分析了板栗产量与气温、降水、日照等气象条件的相关关系,选取与板栗产量相关好的气象要素为预报因子,用多元回归的方法建立了板栗气象产量评估方程,并进行了回代和检验。     

利用协击方法建立广州荔枝寒害预报模型

传统的农业气象长期预报方法在选择预报因子时,往往忽略了因子间的独立性,降低了预报的实际效果.本文尝试应用协击方法对广州荔枝寒害进行长期预报.首先对1962-2005年的致灾因子与前期大气环流指数进行相关分析,初步入选预报因子;然后利用协击方法对入选因子进行独立性检验,并筛选独立性好的因子建立预报方程;最后对预报方程结果进行综合决策.通过对历史数据的回代检验,所建模型的模拟准确率达到86.4%.运用该预报模型对2007-2008年广州荔枝寒害进行试预报,结果与实际相符,表明应用此方法进行农业气象长期预报是有效的.     

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。     

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。