排序方式: 共有35条查询结果,搜索用时 15 毫秒
31.
为了构建日尺度的冬小麦阴湿害评估方法,综合应用基于HP滤波趋势产量分解法的安徽省冬小麦历年气象减产率数据、地面气象观测数据,以日尺度的标准化前期降水蒸散指数、日照百分率为阴湿害关键影响因子,通过有效阴湿害积与过程敏感性耦合方式,构建冬小麦全生育期阴湿害综合指数(overcast and waterlogging composite index,OWCI),并选取阴湿害典型年样本,分别以Logistic曲线敏感性、等敏感性两种方法计算的阴湿害综合气象指数OWCIs、OWCIe为自变量、气象减产率(△Y)为因变量进行相关性分析,比较、验证两种方法在冬小麦阴湿害评估中的差异性与适用性。结果表明,△Y与两种方法的阴湿害综合气象指数均呈显著二次曲线相关,R分别为 0.843 、0.805;检验样本的△Y实测值与两种方法模拟值的R分别达0.685、0.573。对两种方法比较,Logistic曲线敏感性法建模的拟合性、误差、检验效果均优于等敏感性法,其气象减产率的均方根误差从7.78%下降到 6.97% 。应用Logistic曲线敏感性法模拟的2016年冬小麦阴湿害灾损率值与调查值基本吻合。反演计算的1981-2010年灾损率气候态均值南高北低,符合安徽省实际分布型,但2011年以来的灾损率均值普遍高于30年气候态均值,可见近年来阴湿害影响有加重趋势。因此,基于有效阴湿害积与过程敏感性耦合应用构建的冬小麦生长过程阴湿害灾损评估模型,能差异化表征不同阶段的阴湿害影响贡献,可应用于冬小麦阴湿害影响评估。 相似文献
32.
涝渍是影响油菜产量与质量的主要农业气象灾害之一。本研究利用行业标准(QX/T 107—2009)中油菜涝渍等级指标,分析了1961—2010 年安徽省油菜涝渍时空变化特征。结果表明:时间上,油菜开花期和抽薹期涝渍指数值最大,此时期涝渍发生的次数占全生育期的70%~80%。近50 年来,抽薹期涝渍指数值呈上升趋势,灌浆期呈下降趋势。从空间上看,油菜不同生育期涝渍指数均呈现自北向南递增的规律。安徽省涝渍害主要发生在江淮及其以南地区,江淮区涝渍发生的几率为5~6 年1 遇,沿江区油菜涝渍害为2 年1 遇,其中轻度涝渍发生的几率是3~4 年1 遇,中度涝渍的几率是5~6 年1 遇,重度涝渍的几率是15~16 年1 遇。皖南山区涝渍害为1~2 年1 遇,其中轻度和中度涝渍的几率均是3 年1 遇,重度涝渍的几率是5年1遇。 相似文献
33.
34.
35.
淮河流域参考作物蒸散量变化特征及主要气象因子的贡献分析 总被引:9,自引:0,他引:9
利用淮河流域171个站点1971-2010年的气象资料,采用FAO Penman-Monteith公式计算该区近40a的参考作物蒸散量(ET0),并对ET0的时空分布特征和影响因子进行定量分析。结果表明:淮河流域年ET0为898mm,近40a总体以17.5mm/10a的速率减小(P〈0.05);空间分布显示西北部大部站点ET0呈显著下降趋势(P〈0.05),仅东南部个别站点呈显著上升趋势(P〈0.05)。各气象因子对ET0变化的贡献表现为两方面,即ET0对气象因子的敏感性和气象因子的多年相对变化率,在4个主要因子中(平均温度、相对湿度、日照时数和风速),ET0对相对湿度的变化最敏感(敏感系数最大),而风速的多年平均变化率最大。从各因子的贡献率看,对ET0贡献最大的是风速,平均温度的贡献最小,4个因子对ET0变化的总贡献率为-4.96%,总贡献率为负在很大程度上解释了ET0呈下降趋势的原因。 相似文献