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。     

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。     

辽宁水稻年景预报模型研究

选用1961—2015年东北地区26个气象站月平均气温资料、国家气候中心74项环流特征量指数、NCEP/NCAR再分析资料和1986—2015年辽宁省水稻单产资料,分析了辽宁省水稻产量的时间变化特征,基于大气环流对长期天气过程影响的滞后性,考虑预报因子的显著、稳定性和独立性,应用多元线性回归方法建立水稻年景的预报模型。结果表明:(1)辽宁省水稻实际产量、趋势产量、气象产量均呈增加趋势,发生气候突变时间分别为1992、1997和1994年,实际产量与气象产量的关系较密切;(2)水稻年景预报模型经F检验,具有统计学意义,预报基本正确率为81.9%,用该模型预测2014、2015年水稻年景,均接近实际值。     

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。     

基于统计降尺度方法的夏季降水精细化预报

利用1999—2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料,研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系,以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化,从而实现空间降尺度.分析对比6种预报模型46站逐日降水量的拟合和预报效果,结果表明:采取相同的预报对象及预报因子的BP神经网络模型在拟合和预报效果上均好于线性回归模型,可见夏季降水场之间以非线性相关为主;神经网络模型预报结果同常用的Cressman插值预报相比,能很好地反映出降水的基本分布及局地特征;预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好,预报对象为REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好.     

渭南玉米产量气象条件分析与预报模型研究

利用渭南市1996—2018年玉米产量和同期全市11个气象站玉米生育期内光、温、水气候资源,采用直线滑动平均法结合调和权重法对渭南市玉米产量进行趋势产量和气象产量的分离。采用SPSS17.0软件对分离出的1996—2014年玉米气象产量与生育期各类气象因子进行相关性分析,筛选出相关性较高气象因子,采用多元线性回归方法,与气象产量建立预报模型。分析各因子对玉米产量的影响发现:在营养生长阶段,降水对产量贡献最大;在生殖生长阶段,降水与产量呈负相关。预报模型回代、预测结果显示,回归方程显著,预报效果良好。     

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。     

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统(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.     

北京小海陀山区雪面温度预报模型研究

基于2019年10月至2020年3月北京市延庆小海陀山区高海拔站点二海坨站和低海拔站点长虫沟站逐时气象观测数据,分析小海陀山区雪面温度演变特征及其与气象因子的相关性。采用BP神经网络及逐步回归方法建立该地区两站的雪温预报模型并进行效果检验。结果表明:(1)小海陀山区积雪时段雪温逐小时变化幅度较气温更显著,雪温与气温及总辐射呈明显正相关,气温及总辐射是影响雪温变化的主要因子;(2)基于神经网络方法建立的雪温预报模型效果优于逐步回归方法建立的雪温预报模型,模型效果低海拔站点优于高海拔站点,夜间优于白天;(3)区分白天与夜间的分时段建模方案更适用于低海拔站点。     

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。     

上海地区单季晚稻生长期降水量对产量的影响及产量预估

为探索上海地区单季晚稻生长期内降水量分配对产量的影响。采用降水集中度（Precipitation Concentration Degree, PCD）和集中期（Precipitation Concentration Period, PCP）研究1971～2015年单季晚稻全生育期内降水非均匀分布特征,运用趋势分析法研究单季晚稻全生育期降水分配情况及各生育期降水量与产量之间的关系,基于CMIP5全球气候模式情景下降水预估资料,估算2020～2045年上海地区单季晚稻生长期降水量对气象产量影响变化。结果表明:近45年单季晚稻生长季PCD变化趋势不显著,降水分布不均匀, PCP主要集中在7月27日至9月11日,即孕穗期和抽穗期;在分蘖期的降水量占全生育期总量的29.9%,孕穗期占26.2%,抽穗期占7.1%,成熟期占10.8%,分蘖期和孕穗期降水占全生育期的1/2以上;孕穗期降水量与单季晚稻气象产量的负相关关系达显著水平（p＜0.05）;未来30年内降水量对单季晚稻气象产量的负效应略大于正效应,即减产作用大于增产作用。未来气候变化情景下单季晚稻生长期内降水量的变化对产量有影响,应制定相应的适应措施。     

基于气象适宜指数的四川盆地水稻气象产量动态预报技术研究

利用模糊数学中的隶属函数原理,建立四川盆地不同稻区代表点的水稻生育期内逐旬光、温、水3个气象要素的适宜指数模型和综合气象适宜指数模型。并利用积分回归和相关系数方法确定水稻不同生育阶段的气象适宜指数对水稻气象产量形成的权重系数,建立各代表点的水稻自移栽至成熟阶段的动态气象适宜指数模型。最后利用动态气象适宜指数模型计算值与水稻相对气象产量建立回归预测模型,动态预测水稻气象产量增减趋势。结果表明,各代表点进入水稻抽穗期后的气象产量动态预测模型,均通过了显著性检验,可实现在水稻进入抽穗期后动态预测气象产量的变化。      

西安市日最大电力负荷率与气象因子相关关系分析预报模型的建立

基于西安市2010—2013年逐日最大电力负荷和同期的气象资料,分析了日最大电力负荷的变化规律,利用最小二乘法,除去日最大负荷的节假日效应和周末效应后,将气象负荷从日最大电力负荷中分离出来,建立西安气象负荷率与气温、相对湿度、总云量、降水量、风速的相关关系,并基于2010—2012年的11月—次年2月和6—8月的资料,分别采用逐步回归、多元线性回归和BP神经网络方法建立最大气象负荷和主要气象影响因子之间的预报模型,将2013年对应时间的日最大气象负荷率作为预报效果的独立样本检验。结果显示:2010—2013年西安的日最大电荷存在明显的增长趋势,且存在明显的周末效应和节假日效应;气温是影响气象负荷率的最显著因子,引入温湿指数(THI)的BP神经网络算法对气象负荷率的拟合和预测效果最优。     

基于气象要素的逐日玉米产量气象影响指数

利用1981—2020年5—9月气象数据与玉米产量数据,通过改进逐日降水适宜度并构建逐日气候适宜度模型,建立基于相似年逐日气象要素的作物生育期气候适宜度序列,利用气象产量与气候适宜指数建立模型,设计逐日作物产量气象影响指数以表征气象条件对作物的影响程度,基于该指数构建东北地区玉米逐日产量预报模型并分析其逐日预报准确率,用以表明该指数的准确性。结果表明:利用3个相似年预报结果加权集成综合相似年逐日作物产量气象影响指数可提高逐日预报准确率,黑龙江年尺度逐日预报准确率年际间波动小于东北其他地区。综合相似年月尺度下,随着玉米发育期的推进和实时气象数据的引入,月尺度平均预报准确率逐渐提高。东北地区玉米产量8月31日的日尺度预报准确率普遍高于7月31日;辽宁日尺度预报差异较大,但随着玉米发育期推进逐日预报产量和实际产量接近,准确率也提高。基于气象要素构建的逐日作物产量影响指数和同期气象影响指数可以定量评估不同时段气象条件对作物产量的影响程度,在一定程度上可提高农业气象业务定量化评价水平。     

基于全连接神经网络方法的日最高气温预报

为了考察辅助变量、时间滞后变量设置的重要性和神经网络中嵌入层对分类变量处理的有效性,利用2015年1月15日—2020年12月31日欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）高分辨率模式（high resolution,HRES）输出产品及中国2238个国家级地面气象站基本气象要素数据集,在全连接神经网络基础上设计4个试验,构建24 h最高气温预报神经网络模型。结果表明:加入辅助变量、时间滞后变量的特征和带有嵌入层的全连接神经网络结构的深度学习神经网络模型对HRES日最高气温预报误差均有订正效果,均方根误差降低29.72%~47.82%,温度预报准确率提高16.67%~38.89%。加入经过嵌入层处理的辅助变量后,可显著提高青藏高原中南部和西南地区东部的平均绝对偏差不超过2℃的正技巧站点比例（比仅用HRES预报因子建模分别提高21.74%和14.17%）,在此基础上加入时间滞后变量显著提高上述两个地区的平均绝对偏差不超过2℃的正技巧站点比例（比仅用HRES预报因子建模分别提高40.98%和20.33%）,且预报性能更加稳定。     

基于不同空间尺度的作物产量集成预报——以江苏一季稻为例

基于1981-2016年江苏省不同区域一季稻产量序列,计算站点尺度的气温、降水、日照适宜度以及综合气候适宜度,在此基础上构建基于气候适宜指数的作物产量预报模型,开展不同空间尺度的一季稻产量精细化预报。同时,以各主产地市、县一季稻种植面积百分比为权重,加权集成省级产量,开展基于不同空间尺度一季稻产量序列的大区域尺度产量预测。结果表明:(1)江苏省不同区域一季稻气象产量与不同时段气候适宜指数之间存在较高的相关性,基于气候适宜指数的预报方法适用于江苏省不同区域一季稻单产预报。(2)2012-2016年省级尺度模型预报平均准确率高于97.5%,主产地市、县模型平均预报准确率低于省级尺度预报模型,主产县预报准确率年际间波动较大,表明预报区域越小,预报的难度提升。(3)基于气候适宜指数模型的江苏省级、主产地市集成,主产县集成模型预报准确率大部在95%以上,整体上看主产县集成优于主产地市集成,主产地市集成优于省级尺度模型。由此,开展地市级和县级尺度的精细化产量预报可提升省级尺度预报准确率,同时提高县级作物产量预报能力。     

2022年贵州省粮油作物生育期气象条件及其影响分析

为了评估2022年贵州省气象条件对主要粮油作物的影响,该文利用84个观测站的气温、降水、日照3个气象要素的变化特点,结合作物生物学特性及生育期,并与历史同期气象条件进行对比。结果表明：（1）夏收粮油作物播种以来气象条件利大于弊：油菜播期受干旱影响推迟,但生长后期气象条件好于前期,尤其是油菜产量形成关键期光温水匹配较好,利于产量形成及成熟收获。（2）秋粮作物生长期内农业气象条件利弊相当：玉米、水稻等秋收粮食生长季光热条件优良,降水分布不均,水稻生长期前期气象条件好于后期,后期夏伏旱和高温灾害偏重发生,影响总体粒重水平;玉米灌浆期大部地区光温条件优良,利于粒重的形成,收获期晴热少雨利于收晒。因此2022年贵州省粮油作物生长期内气象条件利弊相当,属于正常气候年景。     

气象条件对北京夏季中暑的影响及预测研究

利用2009-2012年北京市467例中暑病例与同期9个气象要素资料和当日及前期1-4 d累积平均气象要素共45个气象因子,采用相关分析法分析北京夏季中暑发病人数与气象因子之间的关系|采用多元线性回归和非线性拟合方法构建了改进的北京中暑气象预报模型,选取拟合优度较好的模型对中暑人数进行回代及预测检验,并与现用模型进行对比。结果表明：气温是引发北京夏季中暑的决定性因子|气温、水汽压、气压及降水的两日累积效应均高于当日效应,表明气象要素的连续累积作用对人体中暑影响较大|建立的中暑预报模型具有较好的历史拟合及预测效果,中暑等级划分较合理,对北京市中暑气象等级预报服务和公众有效防范中暑有实际的指导意义。     

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。