龙井市苹果梨始花期预报模型研究

利用延边龙井市1996—2016年苹果梨始花日期数据,通过分析苹果梨开花期日序数与1—4月每旬平均温度、降水、日照时数、20 cm地温、40 cm地温的相关关系,找出影响苹果梨始花期早晚的主要气象因子和关键时期,最终拟合出龙井市苹果梨始花日期预报模型,对模型的预报准确性进行验证,结果表明预报准确率满足业务要求。     

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。     

白玉兰始花期与气象因子的关系分析

利用金华市2000—2012年白玉兰始花期物候记载和同期气象资料,研究了白玉兰始花期的物候特征及其与气象因子的相关关系,结果表明：（1）金华市白玉兰始花期年际间波动幅度较大,最早出现在2 月12 日,最迟出现在3月21日;（2）影响白玉兰始花期变化的主要气象因子是上年2月的雨日和日照、当年1月、2月的日照和平均温度以及当年1月负积温;（3）运用多元线性回归方法建立了基于主要气象因子的白玉兰始花期预测模型,模型可以提前预测白玉兰始花期,模型实用性较强、拟合预报效果较好。     

西南冷凉高地苹果始花期预报方法研究

为有效防御花期低温冷害,提高苹果产量,更好地服务地方高原特色农业和经济社会发展,选择西南冷凉高地苹果种植区的云南昭通地区作为研究对象,开展苹果始花期预报方法研究。选用2010-2020年苹果始花期资料和同时期气象资料,对花期前的气温、积温、日照等气象因子进行相关性分析,利用逐步回归分析方法,建立单一气温、积温和多因子苹果始花期预报模型共6个,并对始花期开展预测和检验。结果表明:月平均气温和旬平均气温因子与始花期有很好的相关性,通过95%的显著性检验,且平均气温越靠近真实花期,其相关性越显著。通过计算并找出最小积温变异系数,可以确定下限温度(或称生物学零度)和积温时段。运用回代和预测两种方法进行检验表明,建立气温和积温的多因子预报模型,预报误差均小于3 d,而建立气温或者积温的单一因子预报模型,预报误差均大于3 d,多因子模型预报的苹果始花期更靠近真实花期。多因子预报模型提前预测时间可达1周左右,在预防苹果花期低温冷害和提高苹果质量方面起到积极作用。     

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。     

基于辐热积的油菜始花期预报模型

为探索江苏省兴化市油菜花期的变化规律,研究其花期预报方法,助力兴化市开展千垛菜花节旅游活动,现利用2000—2019年兴化市油菜始花期观测资料和同期气象资料,分析油菜始花期的特征,构建基于辐热积(TEP)油菜始花期预报模型.结果表明,兴化市油菜平均始花期为3月17—18日(闰年为3月16—17日),始花期呈逐年提前...     

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。     

大连地区大樱桃始花期预报模式研究

[目的]为准确预报大连地区大樱桃的始花期提供方法支持。[方法]通过分析始花期变化趋势与气候因子的相关性,筛选开花前的气象要素,寻找关键因子和关键期,建立了大连地区大樱桃始花期的统计预报模式。[结果]金州区晚熟大樱桃的平均始花期为4月21～22日,最早为4月14日,最晚为5月3日。1987～2009年间,始花期不稳定,日序数均方差高达24.0,与平均始花期相差7 d以上年份的比率高达22.7%。始花期与上年冬季及当年2～4月的各月平均气温负相关,与3、4月份平均气温负相关性最高。3、4月份平均气温每升高1℃,始花期提前5 d。利用3、4月份平均气温建立了始花期线性拟合方程,用该方程对1987～2009年大樱桃的始花期进行了预报试验,平均误差为1 d左右。[结论]该研究为预报大连地区大樱桃的始花期提供了方法支持。     

南昌县油菜花花期与气象因子的关系研究

利用气象资料对南昌县油菜花花期进行研究,分析了气象因子对油菜花期的影响。结果表明:油菜花现蕾始期、现蕾普期、抽薹始期、抽薹普期、开花始期、开花普期、开花盛期平均日期分别为1月5日、1月21日、2月10日、2月17日、3月1日、3月8日、3月19日。油菜花现蕾始-普期、抽薹始-普期、开花始-普期、开花普-盛期间隔日平均值分别为7、8、8、11 d。利用气象因子和油菜花期各阶段日数建立的回归方程可用于油菜花花期预测。油菜花现蕾始期至普期间隔日数与开花期平均气温、开花期最低气温呈显著负相关关系,开花普期至盛期间隔日数与开花期前2周最低气温、开花期前3周最低气温呈显著负相关关系,而降水量与油菜花花期相关性不显著。     

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。     

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。     

黄桃始花期和成熟期统计预报模型研究

基于上海市奉贤区2002-2012年黄桃开花期和成熟期资料以及气温、降水量、日照等气象资料,应用数理统计方法分析了黄桃越冬期至果实发育期不同时段的气象因子对桃树开花期、桃子成熟(采摘)期的影响.结果表明:①始花期满足温度低于7.2℃达1 150 h的需冷量,日期出现在1月下旬至2月上旬,平均为2月2日;温度因子影响大,日照因子影响次之,降水因子及其他气象因子影响较小;各气温因子中,以最低气温对花期的影响最大,平均气温次之,最高气温较小;上年12月上、中旬的平均最高气温、平均气温偏高会影响(甚至抵消)桃树休眠期的需冷量积累,延迟开花,反之提早开花;2月下旬至3月下旬最低气温偏高,有利于促进桃树萌芽和提早开花.②成熟(采摘)期早晚主要受温度(包括气温日较差)、日照时数以及降水量的影响;早春温度高,桃子成熟期偏早;6月上旬至8月上旬最高气温偏高、最低气温相对较低,气温日差较大,有利于桃子膨大与提前成熟;除6月下旬至7月上旬梅雨量偏多使桃子提早成熟外,过多的降水大多导致成熟延后.所建立的黄桃开花期和成熟(采摘)期的预报模型拟合的正确率均为100％,其精度可满足业务服务需求.     

京桃始花期预报

山桃是一种优美的的观赏植物,始花期是其重要的物候期,构建始花期预报方程并对始花期做出预报可以为花期病虫防治、人工授粉、杂交育种、霜期防冻提供重要依据。本文详细分析了京桃始花期与12月,1月,2月,3月的月平均温度和旬平均温度,及12月至3月大于0℃,3℃,5℃积温的关系,并从中选出相关性较强的温度因子,构建一元和多元线形回归方程,对方程进行检验和偏差分析,选出最优方程。在偏差分析中引入了3月份的最低温度和3月份旬最低温度,及花蕾和花序出现期。     

河北苹果花期低温冷害预报模型研究

研究旨在解决河北苹果花期冷害预测问题,利用河北省45个苹果主要种植县的4月份极端最低气温,对河北苹果花期低温冷害状态进行了划分,同时运用马尔科夫链方法计算了各种状态下的转移概率矩阵,建立了河北省苹果花期冷害的马尔科夫链预测模型。将河北苹果花期冷害状态分为严重冷害(K_Td≤-2℃≥16℃)、中等冷害(K_Td≤-2℃<16&K_Td≤0℃≥23)、轻度冷害(K_Td≤-2℃<16&K_Td≤0℃<23&K_Td≤2℃≥29),正常(K_Td≤-2℃<16&K_Td≤0℃<23&K_Td≤2℃<29)。马尔科夫链预测模型通过回代检验,预报准确率为66.7%。虽然预报准确率还不算高,但是从2011年至2018年8 a中只有1 a预报错误,该模型对近些年的预报准确度还是比较高的,有一定的参考意义,为气象防灾减灾提供了支持。     

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。     

保定市易县苹果花期冷害特征及预报模型研究

利用保定市易县4月份极端最低气温,对易县苹果花期冷害等级进行划分,同时根据马尔科夫链方法,对每种状态下的转移概率矩阵进行计算,在对易县苹果花期冷害进行等级划分的基础上建立了预测模型。将易县苹果花期冷害等级分为严重冷害(Td≤-2.0℃)、轻度冷害(Td≤0℃的),正常等级(Td≤2.0℃)。马尔科夫链预测模型经回代检验,预报准确率为75%。在对保定易县苹果种植气象服务中有一定的参考价值和指导作用,为气象防灾减灾提供了支持。     

梨花花期与产量的相关性及产量预报模型

为降低气候异常造成的梨果减产风险,进一步促进气象为农业生产服务,根据老河口梨花期及产量连续24 a(1990—2013年)的记录资料和同期气象资料,利用数学统计方法对前20年(1990—2009年)梨花花期和产量变化特征进行分析,并在此基础上建立产量与温度的线性关系模式,对后4年(2010—2013年)产量进行预报检验。结果表明:1990—2009年,始、落花期分别较多年平均值提前5.15d/10年和1.6d/10年,花期持续天数显著增加,为3.6d/10年。产量与当年3—7月各月平均气温呈正相关,其中,产量与3月和整个春季平均气温均达显著正相关,且平均气温每升高1℃,产量分别提高970.95kg/hm2和1 624.05kg/hm2。3月单月和整个春季平均气温分别建立的产量预报模型的平均误差分别为2 070kg/hm2和2 430kg/hm2,3月平均气温的预报模型效果更好。