气候变化背景下中国主要作物农业气象灾害时空分布特征[Ⅰ]:东北春玉米延迟型冷害

基于东北三省春玉米潜在种植区内65个气象站点1961-2010年逐日气象数据,以气象行业标准5-9月逐月平均气温之和与其多年平均值的距平作为春玉米冷害等级判断指标,分析东北三省春玉米生育期冷害发生概率的空间分布和年代际演变特征,并利用每月逐日平均气温与其多年平均值的距平值明确了春玉米生长时段内低温事件发生风险较大的月份。结果表明:(1)近50a(1961-2010年)东北三省春玉米冷害发生区域范围大小表现为重度轻度中度,其中轻度冷害的高发区位于吉林省西部,低发区位于辽宁省南部地区;中度冷害主要发生于黑龙江和吉林省部分地区,辽宁省发生较少;重度冷害高发区位于黑龙江省北部、东南部以及吉林省东部地区,发生频率在25%以上,低发区位于辽宁省中西部,发生频率低于5%。各等级冷害发生频率年际间总体呈下降趋势,近20a(1991-2010年),各等级冷害的发生范围明显缩小。(2)东北三省春玉米各等级冷害低温事件主要发生在5月和6月,生产实际中需关注5月和6月的温度变化及冷害发生。     

浙江省水资源生态足迹时空格局

[目的]研究浙江省水资源生态足迹时空格局,并对浙江省及各市水资源可持续利用水平进行评价,为区域发展和相关政策的制定提供必要的理论指导和依据。[方法]以生态足迹理论为基础,运用水资源生态足迹和生态承载力模型,核算浙江省及其各市水资源生态足迹和生态承载力。[结果]从时间序列看,2003—2013年浙江省整体水资源生态足迹呈较小波动的上升趋势;水资源生态承载力波动较大;人均水资源生态量均为盈余,且整体为上升趋势;水资源利用处于安全状态;水资源利用效率逐步提高。从空间差异看:浙江省各市水资源生态足迹可分为高值、中值和低值3个级别;水资源生态承载力和人均水资源量均呈自西南向东北递减格局;南部地区水资源生态安全程度高于北部地区;东部地区水资源利用效率高于西部和北部地区。[结论]浙江省整体水资源可持续利用水平逐步提高,但内部差异显著。为提高水资源利用科学化水平,浙江省及其各市应从发展阶段和发展目标出发,合理调整产业结构,建设相关水利工程设施,加强水资源循环利用,增强水资源保障。     

不同降水状况下旱地玉米生长与产量对施氮量的响应

水分不足是旱地玉米生长主要限制因素,渭北旱塬雨养玉米种植区降水季节波动大,干旱频繁发生,已严重影响春玉米正常生长发育及产量稳定性。于2016—2018年在渭北旱塬合阳县进行旱地玉米施氮量定位试验,设置5个施氮量处理, 2016—2017年包括0、75、150、270、360 kg hm~(–2) (分别以N0、N75、N150、N270、N360表示), 2018年施氮量处理为0、90、180、270、360kgNhm~(–2) (分别以N0、N90、N180、N270、N360表示),供试品种为郑单958(ZD958)和陕单8806(SD8806)。分析了不同降水分布年份施氮量对春玉米生育期土壤水分变化动态、干物质积累动态、产量构成、经济效益及水分利用效率(WUE)的影响。结果表明,试验年份降水分布可分为穗期多雨、粒期干旱型(2016年和2018年)和穗期干旱、粒期多雨型(2017年)。生长季降水量及其分布显著影响土壤蓄水量和玉米地上部干物质积累,从而影响玉米产量及其构成因素,穗期干旱显著降低地上部干物质积累量和穗粒数,粒期干旱会明显降低粒重。不同降水分布年份施氮处理较N0增产6.72%～91.23%不等,施氮量对玉米产量、水分利用效率(WUE)影响呈现二次曲线关系,穗期多雨、粒期干旱型以N270处理籽粒产量和WUE最高,而穗期干旱、粒期多雨型以N150处理产量和WUE最好。籽粒产量与"休闲至抽雄期降水(FP2)"、"播前土壤蓄水量+播种至抽雄期降水(SP2)"相关性较强(FP2:R2=0.839**; SP2:R2=0.837**)。根据产量、水分利用和经济收益综合评价,渭北旱地玉米最适施氮方案为基施氮肥150kghm~(–2),再根据休闲至抽雄期降水量或播前土壤蓄水量与播种至抽雄期降水量之和预测产量,估算并及时追施适宜施氮量。     

基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析

为构建较准确的日光温室温湿度预测模型,于2011-2013年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0-8时、8-17时、17-23时)逐步回归与BP神经网络温室内温湿度预测模型。结果表明:1)温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为88%,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为94%,平均均方根误差(RMSE)为1.6℃。应用BP神经网络建立的气温预测模型相对更为准确稳定。2) 相对湿度逐步回归模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为81%,平均均方根误差(RMSE)为5.7%;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为80%,平均均方根误差(RMSE)为6.7%。两类模型均不适宜预测8-17时日光温室相对湿度,而17-23时与0-8时应用逐步回归建立的湿度预测模型相对更准确稳定。