用多因变量多自变量统计法建立的大气环流——区域水稻产量预报模式

本文试图用典型相关分析方法寻找对云南省水稻气象产量有影响的环流因子,用双重筛选逐步回归模型建立起相应的预报方程组,然后外推1982—1985年预报来检验实际应用效果。 1.方法 采用1962—1981年20年的历史资料,分别把云南省17个地、州的水稻平均亩产用1—4次多项式逐步回归拟合时间趋势产量,分离出气象产量。     

渭南市冬小麦产量预报模型研究

利用1998—2012年渭南市气象与冬小麦产量数据,利用直线滑动平均模拟趋势产量,结合调和权重法预测趋势产量,采用SPSS20.0软件对气象产量进行逐步回归,得到年景和定量气象产量预测模型。统计趋势产量与气象产量合计值,得到年景(或定量)预报产量。通过验证,年景和定量产量预报准确率较高。     

基于气候适宜度的江苏水稻气候年景预测方法

在改进气候适宜度模型参数的基础上,利用1961-2016年70个站的气象观测资料和农业资料,应用统计方法,确定了温度、日照、降水适宜度对水稻气象产量的影响权重,由此构建了年景综合指数及其预测模型。结果表明:日照适宜度和降水适宜度与相对气象产量之间存在显著的相关关系,影响权重分别为0.460和0.428,由于热量资源充足,温度适宜度对气象产量的影响权重偏小(0.112);基于气候适宜度构建的年景综合指数与相对气象产量的相关系数达0.411,说明该指数能较好地表征气候条件对产量形成的综合影响;基于大气环流特征量和太平洋海温等大尺度预报因子,采用最优相关和逐步回归等方法,建立了水稻年景综合指数的预测模型,经过历史拟合和试报检验后效果理想,可投入业务应用,该方法的预测结果将为水稻产量分析预测提供科学依据。     

青岛市崂山地区樱桃产量预报方法研究

基于2000—2016年青岛市崂山地区樱桃产量资料和气象观测资料,利用全国农业气象产量预报业务系统(WAPFOS 2015.1.0版本),分析影响崂山地区樱桃产量形成的关键气象因子,建立崂山地区樱桃产量预报模型。基于2000—2014年樱桃产量资料进行樱桃趋势产量和气象产量分离,建立崂山地区樱桃趋势产量和气象产量预报的回归模型,并利用2015—2016年樱桃产量资料对模型进行试报检验。结果表明:2000—2014年崂山地区樱桃产量预报模型平均预报准确率达96.98%,2015年和2016年樱桃产量预报准确率分别为95.94%、96.80%,模型反映影响崂山地区樱桃产量的主要气象因子为3月上中旬平均最低气温、3月中下旬降雨量、4月上旬降雨量和4月中旬平均最低气温。崂山地区樱桃产量歉年3月上中旬平均最低气温低于-5.0℃,3月中下旬降雨量大于15.0 mm,4月上旬降雨量小于5.0 mm;丰年3月上中旬平均最低气温大于-3.0℃,3月中下旬降雨量小于5.0 mm,4月上旬降雨量大于15.0 mm。     

两种不同产量历史丰歉气象影响指数确定方法在农业气象产量预报中的对比研究

利用吉林省1980—2015年春玉米单产数据、50个气象站逐日气象资料,基于欧式距离和相关系数建立综合诊断指标,利用综合诊断指标研究分析预报年与历史年春玉米气象产量丰歉气象影响指数的关系,以此构建春玉米产量预报模型,对吉林省春玉米产量进行动态预报。产量预报模型对2003—2012年的预报试验结果表明,产量丰歉趋势ΔY的平均正确率均在60%以上,加权分析法的单产预报准确率除2009年外,均高于80.0%,且各时段的预报准确率均高于大概率法的。对2013—2015年吉林省春玉米产量的预报检验结果表明,加权分析法对产量丰歉趋势ΔY的预报结果稍好;加权分析法单产预报准确率几乎都在90.0%以上,普遍高于大概率法的。说明加权分析法建立的产量预报模型预报效果更好,可在业务上应用。     

曲江县春季低温阴雨及与本县水稻产量的关系

通过对曲江县1971—2000年30年历史资料进行分析，结合曲江气候特征，探讨曲江县春季低温阴雨出现概率、低温阴雨年景及其趋势规律：用最长持续日数因子及日平均气温T≤12℃总日数因子来综合分析出当年低温阴雨年景；在水稻产量取材方面，本文选取曲江县1976—1995年20年水稻的早、晚稻产量资料(资料来源于县统计局)，并用当年产量与最近五年产量滑动平均进行比较而得出增减幅，寻求低温阴雨年景与曲江县水稻产量的相关关系，并从水稻生长发育的气候条件及曲江气候特征综合进行探讨分析。     

基于气象因子的水稻产量预报模型

利用四川省南充市1989—2018年气象观测资料和水稻单产数据,分析5月上旬至8月下旬的平均气温、降水量、日照时数与水稻单产的相关性,采用线性回归方法建立基于气象因子的水稻产量预报模型。结果表明,5月下旬降水量、6月中旬平均气温、7月下旬日照时数、8月下旬日照时数和降水量与气象产量显著相关,建立南充水稻产量预报模型,回代检验准确度平均达95.4%,预报准确度达91.2%,2019年模型预报效果良好。     

基于遗传优化BP神经网络的水稻气象产量预报模型

利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。     

春粮产量的MSEPx准则预报模型

使用北半球500hPa月平均网格点高度场,北太平洋海域286格点的月平均海表面温度场和经调和权重法分离后的全省春粮气象产量资料,通过对因子场和预报量之间典型相关分析,用求得的典型变量作为预报因子。应用预测均方误差MSEP_x准则建立的预报模型,作1965—1990年全省春粮产量的年景预测。结果表明,该模型的预测精度有明显提高。     

基于SPSS的普宁早稻产量预报模型

基于SPSS软件,运用曲线估计分离了1986—2015年普宁市早稻趋势产量与气象产量,并运用逐步线性回归方法研究了早稻全生育期降水、气温、日照等多种气象因子与早稻气象产量之间的关系,进而得出6种最优早稻产量预报方程,使用最小二乘法对6种预报方程进行拟合,建立普宁市早稻产量预报模型。利用历年早稻产量进行验证,结果表明:1986—2015年历史早稻产量拟合准确率均在96%以上,2016年早稻产量预报准确率达98. 8%,预报结果准确率较高,能满足业务需求,可作为普宁市早稻产量预报的有效依据之一。     

西南涡与鄂南暴雨的关系及其预报

利用1970—1995年咸宁气象资料，分析了鄂南西南涡暴雨的气候特征及环流形势，并归纳了相应的暴雨短期预报模型。     

夏玉米产量动态预报方法研究

利用洛阳市1981—2014年夏玉米产量资料、生育期内的气象资料,结合夏玉米的生物学特性,分别构建夏玉米温度、光照、水分适宜度模型,利用夏玉米生长季内不同时段的气候适宜度指数与气象产量的相关关系,构建夏玉米产量预报模型,并分别利用1981—2010年、2011—2014年数据进行回代、预报检验。结果表明,气候适宜度与夏玉米气象产量存在显著的相关性,两者变化趋势一致。1981—2010年各时段预报模型的单产回代检验准确率在89.19%~91.42%之间,趋势回代检验准确率达89.66%~96.55%。2011—2014年预报检验,预报准确率最高为96.16%,最低为91.05%,趋势预报准确率最高为100%,最低为75%,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。     

基于产量历史丰歉气象影响指数的河北省马铃薯产量预报

马铃薯是河北省主要种植作物之一,其生长发育和产量形成与气象条件密切相关,开展马铃薯产量预报对河北省粮食安全具有重要意义。本文利用河北省1982—2018年马铃薯产量数据、主产区24个气象站逐日气象资料,分别利用大概率法和加权平均法预报河北省马铃薯单产。产量预报模型对2001—2015年马铃薯产量预报试验结果表明,利用大概率法和加权平均法预报单产丰歉气象影响指数增减趋势平均准确率分别为62.2%和88.9%,定量预报平均准确率分别为84.2%和90.2%。对2016—2018年河北省马铃薯单产预报检验结果表明,大概率法在3年的9次预报中单产丰歉气象影响指数增减趋势有4次预报错误,加权平均法仅有1次错误；大概率法和加权平均法的平均定量预报准确率分别为86.9%和97.4%。加权平均法预报准确率高于大概率法,说明加权平均法更适合于河北省马铃薯产量预报。     

用模糊聚类法预报冬小麦产量趋势

利用长安气象观测站10a的冬小麦生育期、产量及气象观测资料，用回归分析确定出冬小麦生育期的冬前分蘖、拔节到孕穗期降水量、开花到乳熟期的降雨日数3个因子与冬小麦产量相关显。然后利用这3个因子进行模糊聚类，并用预报年的相关资料计算做出产量趋势预报。对1999年2000年西安地区产量年景试报，预报结果正确。     

基于关键气象因子的河北省马铃薯产量预报

基于1983—2019年河北省马铃薯产量数据及同期河北省21个气象站逐旬平均气温、降水量、日照时数,采用因子膨化及相关分析方法,确定影响河北省马铃薯产量的关键气象因子,建立马铃薯产量预报模型,并利用预报模型对1983—2015年马铃薯产量进行回代检验,对2016—2019年马铃薯单产进行预报。结果表明:马铃薯产量对7—9月的气温、日照时数比较敏感,且气温对马铃薯产量的影响大于日照时数。各起报时间预报产量趋势回代检验正确率为75.7%~91.7%,预报产量回代检验准确率为83.6%~91.4%;2016—2019年历年产量预报准确率为83.5%~95.3%,且随着起报时间的后移,预报准确率逐渐提高。     

增城香蕉产量的气象预报模型

利用增城1992—2021年香蕉种植面积、产量资料与同期气象资料,对增城香蕉产量预报方法进行研究。结果表明:(1)增城香蕉产量气象波动指数为0.2784,占实际产量变异系数的98.32%,气象因素是影响增城香蕉产量波动的最主要因子。(2)1992—2021年中气象丰年8年(占比27%)、气象平年7年(占比23%)、气象歉年15年(占比50%);丰年气象产量波动大,歉年气象产量较为平稳。(3)日照时数、平均气温以及最大风速是影响增城地区香蕉产量的最关键气象因子。(4)预报模型对历年香蕉产量预报平均误差为8%,平均准确率达94.1%,预报准确率基本满足日常业务服务,研究成果可为日常农业气象服务及乡村振兴气象保障服务提供科学决策依据。     

冬小麦产量集成预报模式的探讨

作好冬小麦产量预报是气象为农业服务的重要项目之一。本文根据平凉市统计局提供的冬小麦产量资料,利用平凉市的气象资料及有关环流参数资料,分别建立了平凉市冬小麦气候产量的气象模式、环流模式和周期分析模式,进而对冬小麦产量集成预报模式进行了探讨。     

不同方法在湖南省早稻产量动态预报中的比较

为了提高产量趋势预报的准确性和定量预报的准确率,利用1962—2002年气象、早稻产量和田间观测资料,建立基于气候适宜度、关键气象因子、作物生长模型的湖南省早稻产量动态预报方法,进行回代检验;并利用2003—2012年资料进行预报检验。分析表明:3种方法的预报准确率比较接近,平均在93.8%以上;基于气候适宜度预报方法的趋势预报准确性最高,较基于关键气象因子的预报方法高4%~6%;基于作物生长模型预报方法的误差5%以内样本百分率最高,较基于气候适宜度的预报方法高2%~20%。研究结果为湖南省早稻产量动态预报筛选出了较优的方法,即产量趋势预报选用基于气候适宜度的方法,定量预报选用基于作物生长模型的方法,同时可供我国其他早稻区的产量动态预报方法研究借鉴。     

美国小麦产量业务预报方法研究

利用综合诊断指标,研究了预测年美国小麦生长季逐日平均气温和降水量与历史上任意一年对应气象要素的关系。根据小麦产量历史丰歉气象影响指数,建立了基于地面气象要素的美国小麦产量预报模型;研究分析了西太平洋月平均海温、北半球500hPa平均高度场环流资料与美国小麦产量的关系,利用主要影响因子,分别建立了基于海温、环流资料的美国小麦产量预报模型。根据各预报模型的稳定性,利用加权方法建立了美国小麦产量业务预报集合模型。1995～2004年预报检验和2005～2006年预报试验结果表明：集合模型的预报准确率基本都在92％以上,能够满足业务服务的需要。     

基于残差周期修正的辽宁省粮食产量灰色预测

基于1971—2005年辽宁省主要粮食作物水稻和玉米的全区平均单产资料,根据产量数据的多周期和波动性特点,采用周期修正残差值方法,构建了辽宁省粮食产量灰色预测模型,采用正弦曲线拟合残差序列,对模型的残差进行周期修正,预测精度提高。结果表明：预测＂十二五＂期间,辽宁省水稻在2013年以后出现小幅度下降,而单产绝对值仍处于一个相对较高的水平。玉米单产至2014年呈持续增产趋势,2015年略有下降,单产波动幅度较小。以2006—2009年实际产量数据对模型进行检验,效果较好。水稻单产预测模型精度为一级,玉米单产预测模型精度为二级。该模型对于大灾年份的粮食产量预测精度较差,但可反映其趋势。