辽西地区松毛虫发生期气象预报方法

为了研究松毛虫的生活习性与环境的关系,更有效地对松毛虫灾害进行预测和防治,利用气象因子与松毛虫发生期的关系,采用期距法、多元回归分析法对松毛虫各发生始见期进行预报。结果表明：利用期距法研究单个气象要素与松毛虫发生期的关系,幼虫上树到羽化始见期温度是影响松毛虫发生的主要因素,而降水是造成松毛虫下树的主要原因,利用期距法预报各虫态发生始见期偏差6天以内的比例为72.5%;利用多元回归分析法研究多个气象要素与松毛虫发生期的关系,幼虫上树到羽化始见期与日照时数、日较差关系更为密切,下树始见期的出现与温度和降水有关,利用多元回归分析法预报各虫态始见期偏差6天以内的比例为67.5%。     

河南南阳小麦条锈病春季发病预测模型研究

为突破文献中小麦春季条锈病预报基本上建立在冬春季旬月气象因子基础上的研究预测,改善预报模型的预报准确率和时效性,本研究利用2008—2015年河南南阳小麦条锈病周报资料的动态发病面积及动态气象因子,通过划分发病时段和计算发病速率2种方法进行动态预测研究,结果表明：建立的三个发病时段预报模型拟合预测率分别为90%（发病流行始期）、95%（发病流行发展期）、94%（发病流行盛期）;发病速率的动态预测模型拟合预测准确率分别为 r1（发生面积速率）70%、r2（发生面积+防治面积的速率）80%、r3（发生面积+防治面积/2的速率）90%。本研究的预测模型提升了小麦条锈病发病预报准确率和时效性。     

辽宁省松毛虫发生面积气象预报方法研究

为了利用气象因子预测松毛虫的发生面积,基于辽宁省阜新县1983—2008年气象资料与松毛虫发生面积等资料进行相关分析,将筛选出的气象因子作为预报因子,通过多元回归法和人工神经网络法对松毛虫发生面积进行模拟和预测。结果表明,与松毛虫发生面积显著相关的5个气象因子包括：上一年12月平均最低温度、上一年11月平均相对湿度、上一年9月降水量、本年2月降水量和本年3月降水量;人工神经网络法的模拟和预测精度均优于多元回归法,多元回归法的预测精度58.2%,人工神经网络法的预测精度为83.6%;人工神经网络法更适用于辽宁地区松毛虫发生面积的预报。     

河南南阳小麦条锈病春季发病预测模型

为突破文献中小麦春季条锈病预报基本上建立在冬春季旬月气象因子基础上的研究预测,改善预报模型的预报准确率和时效性,本研究利用2008—2015年河南南阳小麦条锈病周报资料的动态发病面积及动态气象因子,通过划分发病时段和计算发病速率2种方法进行动态预测研究。结果表明:建立的3个发病时段预报模型拟合预测率分别为90%(发病流行始期)、95%(发病流行发展期)、94%(发病流行盛期);发病速率的动态预测模型拟合预测准确率分别为r1(发生面积速率)70%、r2(发生面积+防治面积的速率)80%、r3(发生面积+防治面积/2的速率)90%。本研究的预测模型提升了小麦条锈病发病预报准确率和时效性。     

基于气候适宜指数的湖南早稻产量动态预报

早稻生长发育和产量形成过程与气象条件密切相关,开展早稻产量动态预报对湖南农业生产和粮食安全具有重要意义。从湖南早稻生长发育的上限温度、最适温度、下限温度、需水量、需光特性等生物学特性出发,建立湖南早稻气候适宜度模型,采用权重系数的方法构建湖南早稻气候适宜指数。选取15个代表站点,统计分析1961—2009年不同时段湖南早稻气候适宜指数与产量丰歉值的关系,建立了基于气候适宜指数的湖南早稻产量动态预报模型,并从模型预测值与实测值增减趋势一致的样本百分率、预报准确率等方面进行回代检验。利用2010—2012年资料进行外推检验。检验结果表明,建立的预报时间为4月30日、5月20日和6月20日的基于气候适宜指数的湖南早稻产量预报模型预报值与实测值增减趋势一致的样本百分率为64%~73%,预报准确率平均为94.7%~96.3%。研究结果表明,建立的基于气候适宜指数的早稻产量动态预报模型,能够满足湖南早稻产量预报业务服务的需要。     

东北地区杨树烂皮病气象预报模型研究

为了研究东北地区杨树烂皮病气象预报预警技术,以2002-2008年东北地区杨树烂皮病发生程度为研究对象,利用相应气象资料,在相关分析、逐步回归和逐步判别分析方法的基础上,构建东北地区杨树烂皮病气象适宜度预报模型,并将气象适宜度指数划分为非常适宜、适宜、基本适宜、不适宜4个级别,以反映气象条件对杨树烂皮病发生发展的适宜程度。结果表明：东北地区杨树烂皮病发病面积与冬季气温日较差≥15℃的天数、春季和初夏平均气温呈正相关,冬季气温日较差越大、春季和初夏气温越高,越有利于杨树烂皮病发生发展;入冬冻害、春季温湿条件对东北地区杨树烂皮病发生发展起主导作用,气温、空气湿度与杨树烂皮病发生程度关系最为密切;影响东北地区杨树烂皮病发生发展的关键气象因子分别是3月下旬风速、3月空气相对湿度、4月温湿系数、3月和5月及4月上下旬气温、上年11-12月气温日较差≥15℃的天数。预报模型对2002-2008年的历史拟合和重发生年2009年预报取得了较好的效果,分级和分省外延预报平均准确率均在75%以上,3省预报准确率顺序为：黑龙江>吉林>辽宁。     

基于数值预报产品的地表温度预报方法研究

为了开展地表温度预报业务,提高逐日地表温度预报准确率,利用2007—2012年的ECMWF和T213数值预报产品资料及抚顺市的逐日地表温度资料,采用逐步回归分析方法和BP神经网络模型分别构建抚顺市地表温度预报模型,并对模型的精度进行检验。结果表明,地表温度与ECMWF的高度场、海平面气压场、温度场和T213的散度场、高度场、海平面气压场、地面气压场、海平面K指数、水汽通量、相对湿度、温度场、地面气温和场涡度场均呈显著相关。对预报模型进行精度检验显示,地表平均温度和地表最低温度的预报效果较好,≤3℃预报准确率均达到79%以上。2种模型对比显示,BP神经网络预报模型总体上优于逐步回归预报模型;逐步回归预报模型较BP神经网络预报模型稳定。     

化州市晚稻稻飞虱主害代发生期及发生程度气象预测模型

化州是广东省重要的水稻生产基地。稻飞虱是化州市主要的水稻害虫之一。笔者就6代稻飞虱发生期和发生程度与气象条件之间的关系进行分析研究,利用气象因子预测稻飞虱的发生与发展,以提高稻飞虱发生期和发生程度预测的准确性。应用SPSS分析软件进行逐步回归分析,对广东省化州市1996—2011年的晚稻稻飞虱主害代调查资料和气象观测资料进行分析,筛选出适合的气象预报因子,分别建立晚稻稻飞虱主害代成虫高峰期、若虫高峰期、发生程度和发生面积统计预报模型,用2012年和2013年的资料作为独立样本用于模型效果检验。结果表明,上述预测模型均通过0.01显著性统计检验。将化州市1996—2011年各年度对应的气象观测数据代入各式,模拟值与实测值的逐年变化趋势比较吻合,相对准确率分别为87.5%、93.8%、90.9%、94.2%。对建模内预报值和2012、2013年预报应用效果进行验证,模拟值与实测值基本吻合,可以为该区稻飞虱预测预报服务。可见通过逐步回归分析法对化州市晚稻稻飞虱主害代（6代）的发生期及发生程度进行预测,只要所选择的气象因子与相应的实测值有较高的相关性,就能较准确预测出发生期及发生程度范围;在稻飞虱发生期和发生程度模型建立中,选取的气象因子取了前驱值,所建立的模型更具预测性。     

基于相似气象年型和关键气象因子的云南一季稻动态产量预报

建立适用于云南的一季稻产量动态预报模型,以期为及时准确预测云南省一季稻的产量提供理论依据和决策支持。利用云南省2000—2018年一季稻产量资料和一季稻生育期内逐日平均气温、日降水量和日照时数等资料,分别采用相似气象年型法和关键气象因子法建立一季稻动态产量预报模型。应用2种模型对2010—2018年云南省一季稻单产进行动态预报。结果表明：2种模型6月1日、7月1日、8月1日和8月21日的产量预报准确率均超过92%;相似气象年型法2016—2018年6月1日和8月21日的平均预报准确率为95.4%和97.5%,而关键气象因子法2016—2018年6月1日和8月21日的平均预报准确率均为97.4%。2种模型预报准确率均较高,能够满足云南一季稻产量预报业务服务的需要。     

大气环流特征值与内蒙古草原蝗虫发生面积相关分析

通过分析大气环流特征值与内蒙古草原蝗虫发生面积的关系,结果表明,上一年12月亚洲经向环流指数(IM,60E-150E)、当年3月亚洲区极涡强度指数、当年5月大西洋欧洲区极涡面积指数、副热带高压、东亚季风等与内蒙古草原蝗虫的发生面积具有明显的相关性,尤其在发生趋势上相关密切,说明这些大气环流特征值的强弱对内蒙古草原蝗虫发生有重要的作用.     

基于人工神经网络的落叶松毛虫发生量预测模型的研究

运用人工神经网络的原理和算法,根据相关系数法和逐步回归法选取了蒸发量、气温、风速、相对湿度等气象因子作为预报因子,建立了内蒙古东部地区的鄂伦春自治旗落叶松毛虫的发生面积及虫口密度与气象因子之间的BP网络模型。结果表明：所建立的模型具有较高的预测效果。通过逐步回归筛选出的预报因子,与事实吻合,选取合理。误差较小,控制在0.1%~25.0%之间。可以作为病虫害综合防治的依据。     

安徽省油菜菌核病气象等级预报方法研究

为满足现代农业气象业务服务中病虫害发生发展气象等级预报需求,利用安徽省江淮、沿江和皖南3个区域代表站1991—2010年油菜菌核病观测数据和气象资料,通过相关分析,确定影响菌核病发生发展的主要影响时段和气象因子,再通过归一化处理、加权等方法得到影响油菜菌核病发生发展的综合气象条件指数。以综合气象条件指数为自变量,以油菜菌核病加权平均病株率为因变量,采用曲线回归方法,建立不同区域代表站油菜菌核病发生发展气象等级预报模型。模型拟合结果表明：江淮、沿江和皖南地区拟合准确率分别为80%、70%和75%;利用模型对2011—2013年发生情况进行预测,结果显示：江淮地区代表站全部正确,沿江和皖南地区代表站均为2年正确,一年与实际发生情况误差一个等级。建立的模型基本上能满足油菜菌核病气象等级预报业务服务的需求。     

2012年玉米病虫害发生概况特点和原因分析

2012年是近年中国玉米病虫害发生面积最大、为害程度最重的一年。北方春玉米区玉米螟持续严重为害,东北、华北三代粘虫、大斑病严重发生。总结了2012年玉米螟、粘虫和大斑病等重大病虫发生特点,分析了适宜天气条件、病虫源的逐年和逐代积累、栽培管理措施不合理是导致玉米病虫害重发的主要原因。并针对性地提出了加强玉米病虫害监测预警工作、提升科学防病治虫水平的对策建议,本研究旨在对今后进一步做好玉米测报工作,指导玉米病虫害防治、有效控制危害、保障玉米生产都具有重要意义。     

黑龙江省三种水稻热量指数预测方法的对比研究

旨在选出一套适合黑龙江不同区域水稻低温冷害预测方法,为相关部门制定粮食生产和调整农作物种植结构提供科学依据。选择黑龙江省11个水稻农气观测站为研究对象,利用1971—2016年的气温资料、74类大气环流资料、水稻发育期数据,将黑龙江省划分为东、西、南3个区域,分别建立逐步回归预测模型、GM(1,1)灰色预测模型和均生函数预测模型,预测黑龙江水稻生育期总热量指数并进行对比分析。结果表明：建立的3种预测模型通过了残差检验,1971—2010年拟合平均准确率均在95%以上,结果差异不大;2011—2016年的试报准确率为85%~99%,其中GM(1,1)灰色预测模型准确率(97%~99%)高于逐步回归预测模型(91%~97%)和均生函数预测模型(85%~95%)。通过3种预测方法对比结果显示,GM(1,1)灰色预测模型模拟效果最好。     

大连地区气温的统计特征及数值预报检验

为了提高大连地区温度预报的准确率,笔者利用2003—2013 年大连地区自动站温度资料、2013年6 种数值预报产品以及大连市气象台预报的产品,统计2003—2012 年10 年7 站20—20 时最高、最低温度在不同季节的出现时间的频率,对2013 年数值预报产品进行温度检验,检验时效为24 h。结果表明：大连地区最高、最低温度出现时间的频率分布均呈双峰型,最高温度多出现在14 时和21 时,最低温度多出现在5 时—8 时和21 时;在6 种数值预报产品中,一般是SCMOC对南部地区的温度预报的较好,对北部地区的温度来说是ECMWF预报的相对较好,而且整体上最高温度的正确率总是低于最低温度的正确率。     

衢州市早稻低温冷害风险评估及大气环流背景分析

应用衢州市1960—2012 年日气象观测资料,针对早稻苗期出现低温冷害灾害,从气象因子入手,建立定量评估模型,分析较严重的早稻春季低温冷害年大气环流背景,为提高春季低温冷害预报和预警水平,应对春季低温冷害对早稻构成的严重威胁。采用主分量分析法确定主分量及表达式,建立综合评价指标模型,计算出综合评价指标,并且对历年综合指标进行了评价。应用NCEP 1°×1° 500 hPa、850 hPa 资料,分析了较严重春季低温冷害年的大气环流背景。结果表明：从1960—1997 年春季低温冷害发生频率3~4 年出现一次,强度为1987—1997 年最强,2000 年以后,春季低温发生次数甚少。1987年、1993 年、1996 年、2010 年出现了较严重的早稻春季低温冷害,相对应的气候异常。综合评价指标和早稻产量相关密切,能客观地反映低温冷害的风险程度。较严重的早稻春季低温冷害年4 月上中旬亚欧地区呈径向型环流,使冷空气活动频繁南下,导致长江中下游地区气温偏低,而副热带高压强度强,南支槽、西南暖湿气流活跃,造成长江中下游地区持续阴雨天气。西风带、副热带、热带系统的有利配置,是造成早稻春季低温冷害发生的大气环流背景。     

内蒙古东北部落叶松早落病发生发展的气象预测

随着气候的异常变化,落叶松早落病呈逐年严重的态势发展。为了有效预防早落病的大面积发生,笔者利用气象资料建立2种模型对落叶松早落病的发生面积进行预测预报。结果表明：落叶松早落病喜低温高湿的气候环境,不耐高温干旱。通过逐步回归和神经网络2种模型预报出落叶松早落病的发生面积的结果显示,逐步回归模型预报的平均误差为18.8%,神经网络模型预报的平均误差为8.6%,再利用2012年和2013年进行检验,逐步回归模型预报的误差分别为7.2%和11.4%,神经网络模型预报的误差分别为5.3%和2.4%,较逐步回归模型的预测结果的误差分别低1.9%和9.0%。因此得出结论即神经网络模型预报效果较好,可以为林业部门提供科学依据。