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。     

广东省西南部稻飞虱发生期和发生程度的气象预测模型

利用广东省化州市1991-2010年2代稻飞虱发生情况监测资料和相应的气象资料,通过对稻飞虱发生期、发生程度与主要气象因子进行相关分析,建立适合当地的稻飞虱发生期、发生程度预测模型.结果表明,2代稻飞虱成虫始盛期与2月平均最低气温和3月下旬-4月上旬平均最高气温呈极显著负相关(P＜0.01),与3月空气相对湿度呈极显著正相关(P＜0.01);若虫高峰期与2-3月平均气温和3月下旬-4月上旬平均气温呈极显著负相关(P＜0.01);发生程度与当年2月中旬-下旬平均最高气温、上年10月中旬-下旬平均气温和12月中旬日照时数呈极显著(P＜0.01)和显著正相关(P＜0.05);发生面积与上年10月平均气温呈极显著正相关(P＜0.01),与上年9月中旬降水日数和当年3月中旬温湿比呈极显著负相关(P＜0.01).在此基础上,建立了2代稻飞虱成虫始盛期、若虫高峰期、发生程度及发生面积4个气象预测模型.对以上气象预测模型进行模拟和预报结果表明,其准确性较高,可以为该区稻飞虱预测预报服务.     

华北地区杨树烂皮病发生发展气象适宜度预报模型

利用河北省18个代表站点2002-2008年杨树烂皮病病情资料和相应气象资料,通过相关、回归分析等方法,分析河北省杨树烂皮病发生发展与气象条件的关系。结果表明：降水量、降水日数、相对湿度、温湿系数与杨树烂皮病发生率呈正相关,降水增加、雨日增多、相对湿度和温湿系数增大有利于杨树烂皮病发生发展;日照时数、夏季高温日数、极端最低气温与杨树烂皮病发生率呈负相关,天气晴朗、日照充足、极端气温升高不利于杨树烂皮病发生发展;影响河北省杨树烂皮病发生发展的关键气象因子分别是3月和4月温湿系数、3月下旬和4月下旬日照时数、4月上下旬气温、3月上旬和4月上旬以及上年12月上旬极端最低气温,利用归一化处理后的关键气象因子建立气象适宜度预报模型,通过回代检验,气象适宜度等级与杨树烂皮病实际发生等级相比,模型拟合准确率为91%;对河北省2009年5-6月杨树烂皮病盛发期气象适宜度等级进行预报,准确率为78%,效果较好;3-4月气象条件是影响华北杨树烂皮病发生发展的关键生态环境因子。模型可用于从气象角度对华北地区杨树烂皮病发生发展进行监测和预报。     

江西省稻瘟病发生潜势的气象预报模型

基于1981-2010年江西省市（县）级稻瘟病监测资料和同期气象资料,利用符号相关法,分苗瘟、叶瘟、穗瘟分析各时期病害发生程度与气象因子的关系,并分别建立病害发生潜势气象预报模型。结果表明：与病害高峰同期的气象因子之间,早稻苗瘟与4月份的平均气温、雨量、日照时数呈正相关,与相对湿度呈负相关;早稻叶瘟与5月中旬-6月上旬的平均气温、雨量、日照时数呈负相关,与相对湿度呈正相关;早稻穗瘟与6月上旬-7月上旬的平均气温、日照时数呈负相关,与雨量、相对湿度呈正相关。晚稻苗瘟偏重发生的概率随着苗期高湿天数和雨日的增加而增大;晚稻叶瘟与8月中旬-9月上旬的平均气温、日照时数呈负相关,与雨量、相对湿度呈正相关;晚稻穗瘟与9月平均气温、相对湿度呈正相关,与雨量、日照时数呈负相关。通过相关关系和符号相同、相反的概率差值确定各气象因子距平值的量化值和权重系数,计算稻瘟病发生潜势气象指数,建立稻瘟病发生潜势气象预报模型。历史回代检验表明,模型准确率为60%～75%,且对偏重级别的准确率高于偏轻级别。     

辽西干旱区春播期土壤相对湿度动态预测模型研究

利用统计学方法,根据土壤相对湿度与气象因子、土壤相对湿度自身及环流指数的相关关系,建立了适合辽西干旱区春播期的土壤相对湿度动态预测模型。结果表明:(1)辽西地区4、5月土壤相对湿度与封冻雨和前期底墒相关性较大,且5月土壤相对湿度与同期降水呈显著正相关,与同期气温呈显著负相关;(2)土壤相对湿度与多项环流因子、海温因子及外强迫因子关系较为密切;(3)基于多元线性回归分别建立辽西地区4、5月份土壤相对湿度预报模型,2月末发布首次预报模型,3月末发布4月土壤相对湿度滚动订正模型,4月末发布5月土壤相对湿度滚动订正模型;(4)模型模拟结果表明,各月的拟合准确率均在80%以上,且订正前4、5月份平均相对误差分别为8.5%和5.6%,经模型订正后,平均相对误差分别达到6.6%和4.6%,模拟精度得到提高。     

马铃薯晚疫病气象等级预报方法研究

通过对1990-2008年围场县马铃薯晚疫病的发生面积与气象条件进行相关分析,表明马铃薯晚疫病的发生是生物因子在适宜的气象条件下发生作用的结果。气温、降水、相对湿度、日照时数等气象条件是马铃薯晚疫病发生的决定性因素。在温度适宜的情况下,阴雨连绵或多雾、多露最有利于晚疫病的发生和流行。以受灾率作为马铃薯晚疫病气象等级的划分标准,选取与晚疫病相关的前期气象要素作为预报因子,采用综合聚类法建立了马铃薯晚疫病气象等级的预报模型。回代结果表明,用气象综合聚类法类做马铃薯晚疫病的气象等级预报,可以为控制晚疫病的蔓延,赢得宝贵时间,提高气象决策服务水平。     

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。     

上海地区小麦赤霉病预报中温湿度指标的改进

赤霉病是常见的小麦病害,温湿度气象条件对于小麦赤霉病的发病有着重要的作用,因此,在预报时选取合适的温湿度指标是获得较高预报准确率的关键.本文采用上海地区1975-2007年的气象和小麦赤霉病资料,分析了小麦始穗期的变化;由于小麦始穗期普遍提前,原来以4月中旬-5月中旬的平均温度≥15℃、相对湿度≥85%连续3d的天数为指标预报小麦赤霉病的预报准确率开始下降,经分析确定以始穗期-5月20日平均温度TP≥13℃、平均相对湿度UP≥83%连续3d的天数作为新的指标.经对历史资料的模拟检验,新指标对小麦赤霉病的预报准确率明显提高,由60%提高到83.3%.     

小麦蚜虫种群消长气象影响成因及预测

利用1985—2007年的实测资料,分析了1985年以来武威凉州区小麦蚜虫始见期、高峰期及高峰期蚜量的时空动态变化规律和气象影响成因。结果表明：流域内蚜虫的发生及危害总体呈加重趋势,危害面积扩大;蚜虫种群周年增长遵循逻辑斯蒂生长曲线,可划分为开始增长期（4月下旬-5月中旬）、加速增长期（5月下旬-6月下旬）、减速增长期（7月上-中旬）三个阶段;影响蚜虫开始期迟早的主要气象因子有5月上旬极端最低气温和3月降水量,影响高峰期迟早的有6月降水量、5月中旬-6月上旬累积日照时数和6月下旬极端最低气温,影响危害程度的有3月下旬-4月上旬累积日照时数、冬季12月中旬极端最低气温、1月上旬极端最低气温和3—4月空气相对湿度。热量和水分条件是影响蚜虫种群消长的关键气象因素,光热因子（气温、日照）对蚜虫发生发展具有正相关同步协同作用,水分因子（降水、湿度）具有负相关反向抑制作用。用统计学方法建立了始见期、高峰期及危害程度预报预测模型,预测精度在73％～82％,可用于气象业务服务。     

西南地区综合干旱监测模型构建与验证

在全球极端天气事件越来越多的大背景下,准确监测西南干旱对区域农业可持续发展具有重要的现实意义。该文选取降水距平百分率(percentage of precipitation anomaly index,Pa)、标准化降水指数(standard precipitation index,SPI)、相对湿润指数(relative moisture index,MI)等3种气象类干旱监测模型以及植被供水指数(vegetation water supply index,VWSI)与归一化植被指数(normalized differential vegetation index,NDVI)等2种遥感类干旱监测模型,并分别与实测土壤湿度作相关分析,在此基础上选取相关系数最高的相对湿润指数与归一化植被指数为自变量建立综合干旱监测指数(comprehensive drought monitoring index,DI)。结果表明,综合干旱指数与土壤水分实测值有较好的相关性,监测精度可达88.38%;在不同海拔高度内,综合干旱指数的拟合效果比单一指数效果更好,精度更高;在分析2009-2010年西南特大干旱旱情发展的时空演变过程中,综合干旱监测结果与实际干旱情况有较好的空间一致性,监测效果佳。研究成果为西南丘陵山区干旱监测提供了一种新的方法。     

自寻优最近邻算法估算有限气象数据区潜在蒸散量

FAO-56 Penman-Monteith估算ET0方法被广泛使用,但计算时需要输入多个气象数据。开发一种替代方法,在使用尽可能少的气象数据情况下,仍可以提供准确的或至少接近FAO-56 Penman-Monteith的ET0估算值是该领域研究热点之一。该文结合典型相关分析（canonical correlation analysis,CCA）和k最近邻算法（k-nearest neighbor,k-NN）,提出自寻优最近邻算法的潜在蒸散量计算方法（CCA-k-NN）,利用较少气象数据实现潜在蒸散量的估算。核心思想是用CCA算法寻找与潜在蒸散量最相关的气象数据,实现后续估算ET0时的气象数据降维,然后利用k-NN算法估算ET0。选择西北地区为例,将该区域气象数据分别从时间和空间尺度,分为训练数据集,验证数据集和测试数据集,分别在3类数据集上用该文方法估算ET0,并以FAO-56 Penman-Monteith作为参照,评估了该文CCA-k-NN方法的估算精度和适用性。结果表明,CCA-k-NN方法与FAO-56 Penman-Monteith保持了较高的相关性（相关系数大于0.9）,有好的估算精度,均方根误差和平均绝对误差均小于1 mm/d,空间尺度上算法纳什效率系数均大于0.5,时间尺度上纳什效率系数均大于0.8,在时空尺度均适用。同时,相对于其他替代方法该文算法具有低的时间复杂度,在计算大量数据时可有效降低时间成本。     

黄淮冬麦区气象因子与小麦晚霜冻害关系研究——以商丘市为例

基于1956-2015年商丘市气象数据和霜冻害资料,研究黄淮冬麦区商丘市气象因子与霜冻害的关系,以及气温、地温、相对湿度、风速与草面温度的偏相关和多元线性回归关系。结果表明:随着全球气温变暖,商丘市冬春季积温以4.35℃·d·a~(-1)的速率逐年增加;晚霜冻害除受冷空气活动影响外,与前期积温和降水量密切相关,冬春季积温偏高或降水量偏少的情况下易发生晚霜冻害;随着小麦幼穗的发育,其对低温的敏感度增加,且可引起霜冻害的最低温度有逐渐升高的趋势;气温、地表温度、平均相对湿度、平均风速与草面温度呈极显著相关(P0.01),偏相关系数的大小表现为地表温度气温平均相对湿度平均风速,可见,除气温、地表温度外,平均相对湿度、平均风速也对霜冻害的发生及轻重程度起关键作用;各因子与草面温度可用模型表述为Y=0.558ST+0.482AT+0.087RH+1.304WS-12.704,经检验,线性回归方程成立,可通过该模型对草面温度进行监测,并为未安装草面温度传感器的地区提供可靠的冻害评估结果。     

石佛寺人工湿地芦苇群落蒸散发计算与分析

根据联合国粮农组织推荐的Penman-Monteith公式及单作物系数法,以气象数据为基础计算了2009—2012年石佛寺人工湿地芦苇生育期蒸散发量及各月份蒸散发量的多年平均值。采用偏相关分析验证了芦苇蒸散发量的主要影响因子,并确定了各月气象因子存在的线性关系。结果表明,该地区芦苇实际蒸散发量呈逐年递减趋势,多年各月份芦苇实际蒸发量平均值5—9月分别为142.4,149,138.1,120.9,83.1 mm;相关性分析验证了影响芦苇蒸散发量的因子依次是净辐射,平均温度,风速,相对湿度。该文研究了芦苇全生育期的耗水规律,为该地区制定芦苇灌溉及芦苇湿地生态需水提供了依据。     

民勤荒漠气候对全球变暖的响应特征

近年来,全球气候变暖已成为一个全社会广泛关注的课题,荒漠区是地球上极其重要的气候区之一,其对全球气候变暖的响应特征同样值得关注。本文以甘肃省民勤荒漠区为研究对象,对该区域1961-2009年的气温、降水、空气湿度、风速和日照的变化趋势进行了分析。结果表明,1961-2009年,民勤荒漠区年平均气温增高幅度高于全国水平,低于东北地区和西北干旱区水平,尤其春、冬季增温明显;当地年平均气温、年降水量、年平均空气相对湿度、年平均风速和年日照时数的变化均表现出一定的阶段性,但其变化阶段并不完全一致;年极端最高气温的波动显著增大,荒漠气候的不稳定性在增强。年平均风速为减小趋势,年空气相对湿度的波动为减小趋势,并与年降水量呈显著正相关(P0.05),与年平均风速呈极显著负相关(P0.01)。     

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。     

京津冀地区潜在蒸散量时空演变特征及归因分析

为了深入认识京津冀地区潜在蒸散量的时空变化特征及其对气候变化的响应,该研究基于京津冀地区23个气象站57 a逐日气象观测资料,应用Penman-Monteith公式计算各站点日潜在蒸散量(ET0),剖析ET0的时空变化特征,运用敏感性分析法定量研究ET0对各气象要素的敏感性及其时空变化特征,定量识别各气象要素变化对ET0变化的贡献。研究结果表明:1)京津冀地区ET0空间分布整体呈由南向北递减趋势(除中部地区的塘沽站、黄烨站与保定站点ET0较高外)。ET0整体呈下降趋势,线性趋势率为-0.92 mm/a。ET0变化趋势空间分布由西北向东南递减,以春季减幅最为明显。2)京津冀地区ET0对相对湿度的最为敏感(-0.44),其次为风速(0.31)、日照时数(0.28)与平均气温(0.26)。随时间推移,ET0对平均风速与相对湿度敏感性整体呈下降趋势,而ET0对平均气温与日照时数的敏感性逐渐增强。敏感性系数空间分布从西北到东南:风速与平均气温敏感性系数逐渐递增,而日照时数与相对湿度敏感性系数逐渐递减。3)风速变化对京津冀地区ET0变化的贡献最大,平均气温次之。风速为主导因素的站点个数随时间呈下降趋势,平均气温与日照时数为主导的站点个数随时间呈上升趋势,说明近年来平均气温与日照时数对潜在蒸散量变化的影响愈加明显,这可能是由于近年来京津冀地区雾霾尤其是冬季雾霾对日照时数、气温与风速的产生一定影响,进而影响ET0。