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。     

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。     

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。     

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。     

中国作物生长模拟监测系统构建及应用

该文系统阐述了中国作物生长模拟监测系统（Crop Growth Simulating and Monitoring System in China, CGMS-China）的构建方法及其在国家级农业气象业务中的应用。CGMS-China是基于WOFOST、Oryza2000、WheatSM、ChinaAgroys 4个作物模型构建的系统,在作物长势监测评估、农业气象灾害影响评估、作物产量预报等农业气象业务中均有应用。该系统可进行作物长势监测、产量预报、农业气象灾害影响评估。利用CGMS-China模拟输出的地上生物量、叶面积指数、穗质量,建立作物长势评估指标,可对小麦、玉米、水稻进行实时长势监测与评估。通过CGMS-China对2014年8月中旬华北黄淮夏玉米的干旱产量损失评估和2016年6月22日早稻高温热害的产量损失预估表明,CGMS-China对农业气象灾害影响评估的效果较好。利用CGMS-China对2014年冬小麦主产省进行产量预报,各省的平均预报相对误差为7%。与此同时,在CGMS-China中利用遥感数据同化方法,对山西洪洞县进行产量预报,预报相对误差小于11%。该系统在国家级农业气象业务中具有良好的应用前景。     

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。     

江西省早稻产量气象预报模式的研究

<正> 江西省地形复杂,地区性气候特征明显。在早稻生长季内,由于不同地区的气候条件差异,造成对早稻产量形成过程的影响也各不相同。当某一地区出现不利早稻生长的气象因子时,另一地区的气象因子却可能对早稻生长有利。因此,在进行全省早稻产量预报时,有必要首先对全省早稻生长季气候,按相似程度的大小,分区划片,并建立各区的产量气象预报方程;根据各区对全省单产贡献的大小,组成省级产量气象预报模     

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。     

赣州近30年气候变化对双季早稻产量的影响

以赣州市1980-2009年逐日气温、降水量和日照时数等资料为基础,对赣州双季早稻生长期的气候变化特征进行分析,并对早稻气象产量与其生长期气象因子间进行了相关分析。结果表明：（1）近30a早稻的单产随时间呈增加趋势,20世纪90年代以前基本呈线性增长,90年代后期开始增长速度明显放缓;（2）近30a早稻生长期的气温总体呈增加趋势,升温速率为0.35℃/10a,90年代末以前增温不明显,但随后气温跳跃上升,其中2000-2009年的平均气温比90年代上升了0.7℃,气温与早稻产量存在极显著的负相关,气候变暖对早稻增产起抑制作用;（3）近30a早稻生长期的降水量呈减少态势,其递减速率为157.6mm/10a,降水量与早稻产量存在明显的正相关,早稻生长期间降水量由多变少,并有逐年减少趋势,降水不足将是影响未来早稻高产的主要因子之一;（4）近30a早稻生长期的日照时数没有明显的变化趋势,但年际间和年代际间的变幅都较大,日照时数与早稻产量呈明显的负相关,表明日照太强对早稻生产有不利影响;（5）近30a早稻灌浆乳熟期的气温呈明显增加趋势,特别是从90年代后期开始＂高温逼熟＂天气明显增多,且灌浆乳熟期气温与早稻产量存在明显的负相关,灌浆乳熟期的高温热害也是影响赣州早稻优质高产的关键因子之一。     

气候波动对重庆水稻产量的影响及对策

选用代表重庆四个区域的江津、丰都、奉节、酉阳1960-2001年的气象及水稻产量资料,采用Mann-Kendall突变检测方法对水稻产量资料序列进行分段,利用Logistic曲线进行分段拟合求取水稻的趋势产量,进而得到气象产量,利用积分回归等方法分析气候因子对水稻产量的影响。结果表明：重庆四个地区的水稻单产均在20世纪80年代前期发生突变性增长;采用Logistic分段拟合趋势产量的效果明显优于线性拟合,体现了水稻的实际变化趋势;水稻的气象产量具有较明显的年际变化,表现出一定的阶段性,20世纪60年代初期、整个70年代、90年代中后期气象产量较低,而60年代中后期、80年代中期-90年代中前期水稻的气象产量相对较高;造成重庆水稻减产的主要因素为春季低温阴雨和伏旱等灾害,因此,应采取春季保温和增蓄伏前水等措施促进水稻增产丰收。     

四川省水稻综合气象灾害风险区划

本文利用1981—2012年四川省82县的水稻单产资料,采用HP滤波法,进行水稻气象产量分离,分歉收年和成灾年两个年型,研究四川省水稻单产平均减产率、减产率变异系数和不同等级减产率风险概率的空间分布特征,并基于成灾年风险区划指标,开展四川省水稻综合气象灾害风险区划。结果表明:HP滤波法可用于四川省水稻气象产量分离,四川省水稻气象产量具有显著的准4 a、7 a周期振荡特征。平均减产率从西南向东北方向呈现"高–低–高"分布特征,80%以上县歉收年平均减产率介于2%～7%,成灾年平均减产率介于6%～15%。各县歉收年减产率变异系数介于0.6～2.2,成灾年减产率变异系数介于0～1.2;减产率变异系数相对高值区位于西南山地西部、盆地南部和盆地北部山地。各级减产率风险概率大值区主要集中于广元和巴中地区,还包括盐亭、古蔺、盐源、越西等县。四川省水稻综合气象灾害高风险区主要分布于盆地北部、盆地南部和西南山地西部等山区,中等风险区主要分布于盆地丘陵区及盆周低山区,低风险区主要分布于盆地平原、浅丘区和凉山州中东部。风险区划结果与四川省气象灾害分布和水稻农业气象灾害分布的研究成果相吻合,可为四川省水稻防灾减灾提供科学依据和重要参考。     

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。     

土壤铜污染对水稻产量形成的影响：5年定位试验

2006年选用清洁粘质壤土（对照,铜浓度32mg.kg-1）制备200mg.kg-1和400mg.kg-1铜污染土壤,在土培池群体栽培条件下,以＂矮仔占＂和＂两优培九＂为供试材料,进行持续5年的长期定位试验,研究水稻产量的年度变化规律及其可能原因。2007—2010年的测定结果表明：200、400mg.kg-1铜处理使前两年水稻成熟期平均分别推迟2～5d和6～7d,但后两年无明显变化。土壤铜污染抑制水稻分蘖的发生,抑制程度逐年减小,两品种趋势一致。200、400mg.kg-1铜处理使2007年水稻产量分别平均减少17%、24%,随着时间推移减产幅度明显下降,后两年处理间没有差异,两品种趋势一致。铜污染条件下水稻减产主要与单位面积穗数和每穗颖花数减少有关,而结实率和千粒重均无显著变化。相关分析表明,水稻成熟期土壤可交换态铜浓度与铜胁迫下对应生长季水稻抽穗和成熟期推迟的天数以及茎蘖发生、单位面积穗数、每穗颖花数和产量的下降幅度均呈显著或极显著正相关。以上结果说明,土壤铜污染抑制水稻分蘖的发生和生长,使单位面积穗数和每穗颖花数下降进而使水稻减产;土壤铜污染对水稻生长和产量的影响逐年减小,这可能与土壤中可交换态铜含量持续降低有关。     

江西早稻高温逼熟气象灾害指数保险费率的厘定

以江西早稻“五优157”为试材,于2012年在早稻灌浆期利用人工气候室模拟高温逼熟的气候模式（白天35℃/夜间28℃分别持续2、4、6、8、10、12、14、16d）,建立早稻减产率与高温持续天数间的关系模型.再依据江西省11个市1960-2007年气象数据,采用Weibull分布模型模拟不同地区发生高温逼熟的概率,结合减产率模型确定免赔额为15％、30％、45％的保险纯费率.结果表明：“五优157”的减产率（y,％）与灌浆期高温持续天数（x）呈对数函数关系,即y=32.082lnx-22.681;鹰潭和赣州地区的高温逼熟发生概率较高,达87.5％,抚州、景德镇、宜春和萍乡等地区较低,均在70％以下;江西省高温逼熟气象灾害指数保险纯费率呈北高南低的趋势,鹰潭地区的纯费率最高,达4.707％,宜春地区的纯费率最低,为2.138％.研究认为在免赔额为30％时的纯费率较适宜,研究结果可为江西省早稻开展政策性气象指数保险提供科学依据.