基于大气环流特征量和海温的水稻产量结构因素预报模型研究——以江苏省为例

根据500 hPa大气环流特征量能表征天气形势和控制天气条件的这一特性及海气相互作用原理，利用线性及单调曲线相关和最优化因子相关2种技术对环流和海温因子进行普查和对比分析。挑选一批与江苏省水稻（Oryza sativa L.）产量结构因素（有效穗数、每穗粒数和千粒重）相关极显著的大气环流特征量及海温因子；然后依次采用滑动相关检验法对普查得到的因子进行稳定性检验，采用主成分识别法对普查得到的因子进行独立性检验，确定与水稻产量结构因素相关显著、稳定并且相对独立的大气环流特征量及海温因子作为预报因子；最后基于最小二乘法建立了江苏省水稻产量结构因素动态预报的环流及海温模型，模型拟合效果好，可以投入业务使用。     

冬小麦农业气象保险指数研究 ——以连云港地区为例

利用连云港市近30年冬小麦产量数据以及相关年份气象要素数据,使用5年直线滑动平均方法,分离出气象产量,将气象产量与各种气象因子进行相关性检验,根据研究结果,选取相关性显著的气象因子,设计气象指数产品.结果显示,不同生育期内,冬小麦产量的影响因子不同,因此可以设计出多种农业气象指数产品,对冬小麦气象指数与相对气象产量进行回归分析处理,计算出不同相对气象产量范围内所对应的气象指数临界阈值.根据长时间序列气象指数的数据,计算出连云港市农业气象指数各等级灾损的风险概率,同时建立关于冬小麦产量的灾损模型,并且分别得出不同免赔额下各气象指数的保险纯费率.结果显示,在免赔率为0％时,各农业气象指数产品保险纯费率在2.35％～5.66％之间,研究结果可为连云港市冬小麦开展政策性气象指数保险提供科学依据.     

1979—2010年黑龙江省夏季降水异常特征及成因分析

根据黑龙江省27个气象观测站1979—2010年夏季降水的月平均资料,采用趋势分析、EOF分析和一元线性回归分析等统计方法,对黑龙江省30年来夏季降水的时空变化特征,与环流、海温的相关关系及其异常机理进行了研究。结果表明:黑龙江省夏季降水主要集中在中部地区,东南夏季降水相对较少,且从中部向西北和东南有递减趋势。通过EOF分析,从第一模态可以看出,黑龙江地区基本呈现全区一致变化趋势;而第二模态则表现出黑龙江南北的距平分布呈现反向分布的特征,黑龙江省夏季降水异常与海温有着一定的联系。第一模态表明黑龙江省夏季降水与前期冬季中纬度太平洋呈正相关,与中纬度大西洋呈负相关;第二模态黑龙江省夏季降水南北反向变化与海温的关系不大。     

基于mann-kendall方法对张家口地区进行气温及降水趋势分析

采用张家口地区1981～2000年间气象资料,应用基本统计量分析方法对降水量的年际变化特征、月际变化特征及趋势进行分析,并应用Mann-Kendall检验方法进行突变性检验。结果表明:近20a张家口地区降水量变化趋势突变点是1984年,气温变化趋势突变点是1981年、1984年和1987年。     

安徽水稻气象保险设计

为了设计出适宜的保险产品满足安徽省对农业保险产品的需求,建立了ARIMA时间序列模型,将安徽省各市的水稻气象产量和趋势产量分离,得到各市的水稻气象产量减产率,使用固定时间和个体效应的回归模型将气象产量和各月份月平均温度进行回归分析,得到1年12个月份中影响水稻生产的关键月份;再根据从安徽省中选取的9个具有区域代表性的城市关键月份的月平均气温,分别使用Probit模型二值回归的方法确定每个城市关键月份月平均气温影响水稻生产的触发值,并拟合各市的气象单产分布确定Lognormal或Weibull分布模型的参数后带入保费计算公式得到各市水稻气象保险费率;最后,根据4月、7月触发值以及费率进行区划分析,将安徽大致分为自北至南3个区域,设计出一款便捷、简易的农业保险产品,有助于该保险产品在实际中的应用.     

基于气象因子的开封市花生产量预测模型

开封是河南省内花生种植面积最大,商品率最高的区域。气候因子的变化常常引起花生产量的波动。该文使用1991-2010年的开封市花生产量资料和气象观测资料,利用滑动平均的方法,将花生气象产量和趋势产量进行分离处理,分别建立相应的回归预测模型,在此基础上建立基于气象因子的开封花生产量预测模型。并对模型效果和精度进行了模拟检验,检验证明该预测模型具有较高的预测精度,可以作为开展花生产量预测业务的工具。     

杉木种子园种子产量预测

本文利用IBM-PC型计算机,采用数理统计上的逐步回归方法,对余杭县长乐林场杉木种子园数年种子产量数据及当地气象资料进行分析处理,在两者之间建立起回归关系,得到该种子园种子产量预测的数学模型。利用该模型进行历史拟合检验,拟合率为78.8％,同时预测该种子园1989年杉木种子产量为丰年。     

浅析气象要素对中山早稻产量的影响以及建立产量统计模型

根据广东省中山市1995—2018年气温、降水等气象资料及早稻平均产量数据,利用HP滤波、回归分析等统计分析方法,分析了1995—2018年中山市气象要素对当地早稻产量的影响。结果表明,在早稻的不同生育期,早稻对不同气象要素的敏感程度不同。此外,利用多元一次回归方程,选取气象要素建立了中山市早稻的数学统计模型,是中山市早稻气象产量趋势预测的有力补充。     

不同土壤水分能量及气象因子对水稻腾发量的影响

采用盆栽试验,探讨了不同土壤水分能量和气象因子对水稻腾发量的影响。在水稻的不同生育阶段进行不同程度的土壤水分能量调控,分析受控生育阶段水稻腾发量的变化及其对产量的影响,及受控生育阶段内腾发量的典型日变化规律;利用典型日内充分供水条件下的腾发量数据及相应时段的气象资料,通过逐步回归建立了多元线性回归模型。结果表明:不同生育阶段土壤水分能量调控,对水稻腾发量影响趋势相同,但对产量影响趋势不同;晴天时各处理腾发量强度曲线呈明显的单峰变化,阴天时则无明显规律;诸气象因子中总辐射强度、相对湿度和风速进入了逐步回归模型。在气象因子相同的情况下,腾发量的大小由各处理的土壤水分能量大小决定;相同土壤水分能量下,在水稻腾发量中起主要作用的气象因子是辐射强度、相对湿度和风速。     

上海市蔬菜淡季上市量的预测模型

应用线性滑动平均法进行蔬菜气象上量的分离，然后用逐步回归周期分析方法和大气环流因子模型对上海市蔬菜夏冬两个淡季蔬菜上市量的气象上市量进行预测，并对蔬菜上市量进行了拟合和试报，１９９５年冬淡，１９９６年季淡准确度分别为９８．０％和９３．０％，效果较好。     

运城市粮食产量综合预报模型

基手运城市13个台站1971～2010年间的冬小麦和秋粮单产、作物生长期间的气温、降水和日照等地面资料以及海温、高度场资料．运用滑动平均、调和权重、逐步回归等方法分析了气象条件与冬小麦和秋粮单产的相关关系,分别建立了冬小麦、秋粮产量各种预报模型,并在此基础上建立了冬小麦、秋粮产量综合预报模型,其拟合效果和试报效果甚佳,可投入业务应用。     

气象因子与油菜产量及其构成的相关分析（英文）

[目的]研究气象因子与油菜产量及其构成的关系。[方法]采用田间试验设计,通过Excel表格汇总整理从气象局获得气象资料,在DPS数据处理系统下利用逐步回归分析研究气象因子与油菜产量及其构成的相关性。[结果]单株有效角果数与苗期气候因子关系密切,与苗期降雨量显著正相关,而与平均气温和日照时数呈显著负相关。每角粒数与苗期降雨量呈正相关,而与苗期气温和花期日照时数负相关。千粒重与苗期日照时数正相关、与花期降雨量负相关。[结论]栽培上应增加地表覆盖等措施保证土壤适宜的水分条件,促进幼苗生长,保持田间通风透光性好,减少降雨对油菜开花的影响。通过壮苗培育提高商品油菜籽产质量。     

玉米缺粒与花粒期气象条件的关系分析

利用2015—2017年濉溪县气象局提供的气象资料和杨柳农业科学实验站品种试验数据,采用统计分析方法,分析玉米缺粒与花粒期气象条件的关系。3年86个玉米杂交种缺粒与产量和吐丝后气象条件逐步回归分析表明,缺粒率与行粒数、穗粒重呈负相关,与百粒重呈正相关;平均气温,尤其是平均最低气温较高,对玉米受精不利;平均最高气温较低、平均最低气温前高后低、降水量前少后多、日照充足对籽粒建成有利。     

气候变化对忻州玉米气象产量的影响

利用河曲、五寨、五台、繁峙、忻府区5个气候代表站1981—2009年玉米生长期间日照时数、平均气温、降水量、≥10℃积温等农业气象资料及玉米产量资料,应用滑动平均、线性倾向估计和多元回归等统计方法,建立了气象要素与玉米气象产量的多元回归模型。结果表明,近29 a,5个县(区)的降水量与玉米气象产量呈正相关关系;日照时数、平均气温与玉米气象产量五寨、五台和河曲呈正相关关系,繁峙和忻府区呈负相关关系;≥10℃积温河曲、五台和忻府区与玉米气象产量呈正相关关系,五寨和繁峙呈负相关关系。不同县(区)各气象要素影响的程度不同,5个县(区)对玉米气象产量影响最大的均为平均气温;五寨、河曲和繁峙对玉米气象产量影响排第2位的为年降水量;五台对玉米气象产量影响排第2位的为日照时数,忻府区对玉米气象影响排第2位的为≥10℃积温。     

山区月平均气温的短序列订正方法研究

山区气象台站稀少,气象哨资料的时间序列较短,一般通过延长气象哨的时间序列来研究山区气候状况.本文以仙居县气象站为基本站,收集9个气象哨的气温资料,采用一元回归订正法和差值订正法对浙江省仙居县内9个气象哨的月平均气温进行订正,并从统计学和订正误差的角度分别对它们进行了比较分析.结果表明:采用一元回归订正法和差值订正法来订正误差无显著性差异,两者均可以用于山区月平均气温的短序列订正.     

基于农业气象模型的农作物单产估算——以湖北省中稻为例

先对气象数据进行空间插值处理,然后通过作物单产区划选择代表性的模拟县,根据模拟县历年作物单产的变化趋势得到作物波动产量,并对波动产量和气象因子进行相关性分析,提取与作物单产相关性最大的气象因子,建立一元线性或多元回归方程,估算作物产量,将估算结果与实际统计结果进行比较。结果表明,作物单产估算结果与统计数据的误差为-7．74％～9．80％。     

气候变化对东北地区玉米产量的影响

利用对东北三省局地气候特征具有代表性的9站点1961～2006的气象资料和玉米产量资料,采用贝尔产量模式思路的方法研究了影响不同区域玉米产量的气候因子。结果表明黑龙江省和吉林省玉米气候产量主要受温度因子的影响,随着气候变暖玉米气候产量逐渐增加;辽宁省玉米气候产量主要受降水和日照时数的影响,不同地区影响效果不同。     

基于气象资料的中国冬小麦收获指数模型

【目的】建立基于气象资料的中国冬小麦收获指数统计模型,为构建作物产量模型提供支持。【方法】获取河南、河北、山东合计30个农业气象观测站近20年冬小麦农业气象观测数据,利用时间序列分析方法提取趋势收获指数,收获指数观测值与趋势收获指数差值即为由气象要素决定的气象收获指数。采用逐步回归分析方法建立基于气象要素的冬小麦收获指数统计模型,模型模拟并反映气象要素变化对冬小麦气象收获指数的影响。【结果】冬小麦关键生育期气象要素与气象收获指数相关关系显著,但单站尺度和区域尺度的显著性水平存在差异。利用209组独立数据,分别在单站和区域尺度对建立的冬小麦收获指数模型进行了验证,单站尺度上模型模拟值与实测值的线性相关系数和斜率分别是0.65和0.4(2n=209,P0.001),均方根误差12.2%,平均偏差-2.4%,拟合指数75.8%,模拟效率42.3%;区域尺度上模型模拟值与实测值的线性相关系数和斜率分别是0.56和0.33(n=209,P0.001),均方根误差13.3%,平均偏差-1.3%,拟合指数为69.0%,模拟效率为31.7%。【结论】基于气象资料构建的冬小麦收获指数模型可以较好地模拟不同气象条件下冬小麦收获指数的动态,该模型可与作物NPP模拟模型相耦合,用于区域尺度上冬小麦产量的模拟研究。     

气候变化对东北地区玉米产量的影响

利用对东北三省局地气候特征具有代表性的9站点1961~2006的气象资料和玉米产量资料,采用贝尔产量模式思路的方法研究影响不同区域玉米产量的气候因子。结果表明黑龙江省和吉林省玉米气候产量主要受温度因子的影响,随着气候变暖玉米气候产量逐渐增加;辽宁省玉米气候产量主要受降水和日照时数的影响,不同地区影响效果不同。     

不同熟期玉米品种产量与气象因素的统计学分析

采用相关和多元回归方法,分析了吉林省1981～1992年问扩推的5个不同熟期玉米品种产量及产量性状与气象因素间的关系。结果表明:玉米生长期间(5～9月),平均温度在18.8～20.5℃,降水量在370～740mm,日照时数在1050～1343范围内,5个品种的产量和平均温度呈负相关,和日照时数呈正相关,和降水量相关很小。百株穗数和温度,穗粒数、百粒重和日照时效也多为正相关。应用多元回归分析,对气象因素进行选择,发现温度对中熟种产量影响最大,平均温度每增高1℃产量将减少0.53～0.83公斤/100米~2;日照时数对晚熟品种作用较大,每增加1小时日照,产量将增加0.05公斤/100米~2。在分析以玉米抽丝期为界的前后两段气象因素与产量的关系时发现,各因素在后期的影响往往大于前期。