河南省夏玉米产量预报方法

利用河南省农业气象产量预报业务系(WAPFOS)，分析了夏玉米产量与光照、降水、气温等影响因子的关系，结果表明，旬降水量、旬日照时数和旬平均气温与夏玉米产量关系密切，是直接影响产量的重要因素。在此基础上，建立了预报模型。     

基于AEZ模型的产量动态预报研究

利用洛阳地区1981-2014年夏玉米产量资料、9个气象站点的逐日观测资料、农田0-50 cm土壤墒情资料,结合夏玉米生物学特性,采用农业生态区域法(AEZ模型),计算了夏玉米不同生长阶段的气候生产潜力,通过气候生产潜力与夏玉米产量的相关关系,建立以旬为尺度的夏玉米产量动态预报模型,并进行历史回代和试报检验。结果表明:气候生产潜力与夏玉米单产增减率呈显著正相关,气候生产潜力可以客观地反映夏玉米单产水平及其动态变化。构建的产量动态预报模型对1981-2010年单产历史回代检验的准确率为88.3%~90.7%,单产丰歉趋势回代检验准确率为65.5%~75.9%;对2011-2014年模型准确性试报检验,单产预报准确率为82.7%~87.5%,趋势预报准确率为50.0%~100.0%。     

基于气候适宜度的玉米产量动态预报方法

夏玉米是河北省主要粮食作物之一, 其生长发育及产量形成受气象条件影响很大, 开展玉米产量动态预报对河北省农业生产和粮食安全具有重要意义。该文结合夏玉米生理特性, 建立了夏玉米气候适宜度模型, 利用此模型借助于SPSS统计软件, 计算了1972—2005年河北省8个市夏玉米生育期内逐旬气候适宜度, 以此为基础, 建立了河北省8个市夏玉米不同时段产量预报模型。结果表明:夏玉米气候适宜度与产量相关显著; 1972—2005年历史预报检验和2006—2007年预报试验平均准确率分别为88.8%和96.8%, 能够满足业务服务需要。     

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。     

河南省夏玉米农学模式产量预报

从农学方面分析了形成夏玉米产量三要素的穗数、穗粒数、穗粒重及在夏玉米生殖生长过程中，对产量积累起着重要作用的叶面积系数、干物重和产量之间的关系，并建立了相应的农学模式方程，为河南省夏玉米产量预报提供几种农学方法。     

陇东地区影响玉米产量的降水分析

通过对陇东地区玉米产量与不同生育时段降水关系的分析，指出降水影响陇东玉米产量的关键时段是拨节至抽雄和开花灌浆期。其中５月上旬至７月上旬或中旬，降水对产量呈正效应，７月中旬以后，呈负效应。     

菏泽市夏玉米产量与气象条件分析及预报

利用正交多项式回归方法对菏泽市30年夏玉米产量分解成趋势产量和气象产量,用气象产量与历年夏玉米生育期间光、温、水气象因子进行逐步回归筛选建立预报模式.     

陕西省秋粮气象产量模式研究

本文利用秋粮产量和秋作物生育期内的旬平均气温、旬降水及旬日照等资料，采用逐步回归分析，研制了我省秋粮产量预报模式，该模式经试报和检验，效果良好。     

西北地区玉米产量动态业务预报方法探讨

通过分析西北地区气候生产力与玉米产量的关系、土壤水分与降水量以及土壤水分与降水量和土壤初始含水量之和的关系表明:西北地区降水气候生产力与玉米产量、土壤水分与降水量和土壤初始含水量之和有着显著的相关性。在此基础上，利用玉米生长季内的降水量和播种期的土壤水分含量对Miami降水模型进行了改进，应用改进后的Miami降水模型开展以月为时间步长的玉米产量动态趋势预报，具有较为理想的业务服务效果。同时，利用此方法评价西北地区降水对玉米生长发育和产量形成的影响也非常适用。但是，由于此方法没有考虑灌溉水的作用，故不适用于灌溉农区。     

河南省玉米产量预报服务系统HNMYFSS

河南省夏玉米产量预报服务系统（ＨＮＭＹＦＳＳ）是用ＱｕｉｃｋＢａｓｉｃ４．５及Ｆｏｘｐｒｏ２．５语言编制的一套立足业务实用的农业气象产量预报服务系统。该系统的数据基础是河南省夏玉米农业气象数据库。ＨＮＭＹＦＳＳ由数据库管理、趋势产量处理、因子普查、气象产量预报、产量预报、全省产量集成六大功能模块组成。各模块既紧密相连，又可独立运行，初步实现了玉米产量预报自动化和客观化，极大地提高了工作效率。