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。     

安徽省一季稻生长气候适宜性评价指标的建立与试用

结合已有研究成果和一季稻的生理特征,采用模糊数学方法分别建立了安徽省分区域一季稻温度、降水和日照适宜度模型,并在此基础上建立了综合反映多因子对一季稻影响的气候适宜度模型.通过对不同时段内单要素适宜度和气候适宜度的集成,构建了分区域一季稻单要素适宜指数和气候适宜指数模型,并对两种集成方法进行了比较.基于气候适宜指数与一季稻产量的关系,建立了不同时间尺度的气候适宜性评价指标.结果表明:归一化法气候适宜指数模型优于绝对值法,气候适宜指数与产量丰歉指数具有显著相关性;气候适宜性评价指标对一季稻的产量具有较好的区分度,指标回代检验准确率较高,业务试用效果良好,可以用之评价气候条件对一季稻生长发育和产量形成的适宜程度.     

山东省冬小麦产量动态集成预报方法

在新型统计检验聚类分析 (CAST) 方法对山东省冬小麦种植区进行合理分区的基础上,利用基于作物产量历史丰歉气象影响指数、关键气象因子影响指数、气候适宜度指数、WOFOST (world food study) 作物生长模型分别建立各区域冬小麦产量动态预报方法,利用这4种方法分别对2004—2011年山东省冬小麦产量进行动态预报,在分析历史预报结果平均准确率的基础上,剔除预报准确率低于90.0%的预报方法,确定每种方法的权重系数,采用加权方法建立山东省冬小麦产量动态集成预报方法。结果表明:4种单一产量预报方法在各区域各时段的预报准确率很不稳定,波动范围较大。而集成预报方法对山东省各区域冬小麦产量动态预报准确率相对于4种单一预报方法均有所提高,预报准确率普遍在95.0%以上,且其预报结果稳定性较好,变化比较平稳, 集成预报方法更适合在业务上应用。     

农业气象产量预报方法中权重系数的确定

基于气候适宜度指数的作物产量预报中,各旬气候适宜度加权集成构成了气候适宜度指数,权重系数的确定对预报的准确性至关重要.本文以山东省冬小麦为例,分别采用绝对值法、归一化法和相关系数法确定各旬产量预报的权重系数,分析不同权重系数确定方法得到的气候适宜度指数之间的相关性及气候适宜度指数与农业气象产量的相关性,并利用相对较优的方法进行冬小麦产量动态预报.结果表明:与绝对值法和归一化法相比,采用相关系数法确定的权重系数计算的气候适宜度指数与气象产量的相关系数多数均通过了P0.01水平的显著性检验,可较全面的反映冬小麦生长发育随气候条件的变化关系.建立的冬小麦产量动态预报模型历史回代检验的准确率基本均为94.5%以上,标准化均方根误差n-RMSE均小于7.0%,表明建立的模型模拟性能较好.对2010—2011年山东省冬小麦产量的外推预报表明,预报平均准确率为93.0%以上,多数预报准确率为96.0%以上,可满足冬小麦产量预报的业务需求.     

气候适宜指数在早稻产量动态预报上的应用

结合早稻生理特性和前人研究成果,分别构建了早稻温度、降水及日照适宜度模型,在此基础上,为反映多因子对早稻产量的协同效应,建立了早稻气候适宜度模型。根据不同时段的早稻气候适宜度,利用加权法,构建了早稻气候适宜指数。基于气候适宜指数与早稻产量的关系,建立了早稻气候适宜指标。并利用历年不同时段的气候适宜指数和早稻产量建立了早稻产量动态预报模型。结果表明,模型回代检验和预报检验的丰歉趋势正确率、实际预报准确率均较高,能够满足业务服务的需要。     

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。     

荆州市冬小麦产量动态预报方法对比研究

利用湖北省荆州市1970—2016年日照、降水、温度及冬小麦生长期、产量数据,采用作物丰歉指数、气候适宜指数方法,开展了荆州市冬小麦产量动态预报,并对两种预报方法的效果进行检验。结果表明,丰歉指数方法的预报准确率高于气候适宜指数法,计算过程也相对简单。在产量预报精度不下降的前提下,4月10日可作为产量预报的最优预报日期。     

基于气候适宜指数的江西晚稻产量动态预报模型构建及应用

本文利用1981—2014年江西91个气象观测站的地面气象观测资料和同期的分县晚稻产量资料,结合江西地区气候特点及晚稻生理特性,构建适用于江西地区晚稻降水、温度、日照及综合适宜度模型,并根据适宜度与产量的相关关系,确定气候适宜指数,建立基于气候适宜指数的江西晚稻产量动态预报模型,并对模型进行了回代检验及预报检验,从而实现对江西地区晚稻气候适宜度诊断及晚稻产量动态预报的目的。结果表明:模型的回代检验、产量丰歉趋势、产量动态预报检验的准确率均较高,能够满足业务的需要。     

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。     

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。     

基于积分回归法黑龙江省作物产量动态预报研究

由于积分回归法生物学意义明确,预报效果较好,已成为一种新的作物产量动态预报方法。为了完善黑龙江省主要作物的动态预报方法,提高作物单产的预报准确率,本文利用积分回归方法,随机选取以县为单元的研究对象,开展黑龙江省多种作物积分回归产量动态预报模型的适用性研究。结果表明:建立的黑龙江省6月下旬至9月下旬春玉米、大豆和水稻积分回归产量动态预报模型均通过了F的显著性检验,作物产量预报的平均差MD和相对误差RE均未通过显著性检验,表明建立的春玉米、大豆和水稻产量预报模型的预报效果较好;其中春玉米和水稻产量预报模型的预报准确率较高,模型预报的单产与实际单产的一致性较好。通过对2011—2014年黑龙江省作物单产进行试报和检验,发现春玉米、水稻和大豆单产的预报准确率平均为96%、95%和93%;表明积分回归方法对黑龙江省大豆单产预报的适宜性略差,积分回归法适用于黑龙江省水稻和春玉米单产的预报。基于积分回归法的原理,可以在黑龙江省开展春玉米和水稻单产的动态预报,并继续开展大豆产区积分回归产量动态预报的适用性研究。     

华北地区冬小麦产量预报模式的初步研究

本文提出了一种省级以上尺度的作物-天气产量预报模式。首先,对气候产量进行R-型聚类分析,将全区分成若干亚区;然后,用累加型及阶乘型的多重非线性回归方法组建预报方程。本文提出的模式,原则上可以适用于多种尺度和不同作物,预报时效也可以根据生产需要和作物发育阶段的特点给定。 华北地区冬小麦产量预报的时效,分为冬前、越冬后及黄熟前三个阶段。预报方程的复相关系数,分别可达到0.70,0.90和0.95以上;平均相对剩余误差为15％,8％和4％。     

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%。     

不完整气象资料下基于作物模型的产量预报方法

针对基于作物模型开展产量实时预报后期气象资料的获取问题,提出通过相似类比,从历史气象资料库中获取替代资料的方案,基于CERES-Rice模型系统评估了平均值处理方案和历史相似类比方案的可预报性和误差分布特征。结果表明:水稻产量对成熟前2个月内的气象条件较为敏感,基于气象资料和作物模型开展产量预测,在5%误差范围内可获得60%以上的预测概率;以多年气候平均值替代起报日后期气象资料,在成熟前2个月起报预测概率约为60%,成熟前1个月约为70%,但预报误差系统性偏高;采用气候相似类比方法,从历史气象资料中获取起报日后期替代资料,可有效降低预报误差的系统偏差,若引入后期气候趋势信息,成熟前2个月起报预测概率可达80%以上,较采用历史平均值有显著提高。研究结果为基于作物模型和气象观测及气候预测信息开展产量预报提供了技术方案。     

作物长势评估指数的设计与应用

合理有效地开展作物长势评估,可以及时反映作物生长状况及其对天气气候条件的响应。由于WOFOST模型、ORYZA2000模型在模拟冬小麦、玉米和水稻生长发育过程具备较强机理性,研究基于2001年以来全国冬小麦、玉米、水稻主产区逐日模拟的作物发育进程、叶面积指数和地上总生物量,通过隶属函数构建评估指数,开展高时空分辨率的作物长势评估。结果表明:长势综合评估指数在作物生长前期以发育进程、叶面积指数和地上总生物量三要素加权集合表征,中后期以发育进程和地上总生物量与穗重相关性的加权集合表征;长势评估指数与常规地面观测和遥感长势监测一致性较好,可以反映天气气候条件影响。在作物生长季内,以日为单位构建了作物长势评估指数数据库;根据长势评估指数将作物长势分为长势好、长势偏好、长势持平、长势偏差、长势差,实现空间上的长势监测、对比;以空间集成的方式,开展省级作物长势对比分析;利用长势评估指数变化反映典型天气气候条件对作物生长发育的影响。上述基于作物模型的作物长势评估指数符合现代化农业气象科研与业务服务发展的需求。     

农学模式在冬小麦产量动态预报中的应用

根据冬小麦理论产量由单位面积有效茎、穗粒数和千粒重求积的农学原理,结合冬小麦生长季气温、日照和水分适宜度的计算模型,在河南省选择5个代表站点,利用1995-2013年冬小麦生长季的逐旬气象要素,构建了气温、日照、降水和土壤水分适宜度序列,分别建立了各代表站点产量要素的变化率或距平百分率的动态预报模型。结果表明:有效茎与气象条件的直接相关性不显著,但株成穗数的变化率与气温和水分适宜度的相关性较好,千粒重距平与土壤水分适宜度的相关性显著,穗粒数与气象因子适宜度的相关性小。除穗粒数变化率预报模型外,构建的株成穗数变化率及千粒重距平的动态预报模型显著性水平均较高。模型可从4月1日起,逐旬预报各产量要素值,各代表站点对株成穗数、穗粒数和千粒重的预报回代检验平均准确率分别为80.4%、88.5%和94.0%,5月上旬以后对理论产量的预报平均准确率为93.3%。利用2014年资料进行外推检验,对穗粒数和千粒重的预报准确率均在92.0%以上。因此基于主要气候因子适宜度与农学模式相结合的方法,可实现产量动态预报,预报准确率基本满足业务服务需求,但模型对产量的丰歉趋势预报准确率仍相对较低。     

春玉米产量动态预报技术的改进方法探索

为及时、准确地进行玉米产量预报,为吉林省玉米产量预报业务提供参考依据,为政府调控提供科技支撑,利用吉林省19802016年春玉米产量和50个气象站逐日气温、降水量、日照时数等资料,基于相似距离和相关系数构建综合诊断指标筛选气温、降水量、日照时数等各类气象要素历史相似年,根据各类气象要素历史相似年与预报年的玉米产量丰歉气象影响指数之间的关系,建立吉林省春玉米产量动态预报模型。同时,对历史相似年的筛选方法进行改进,利用欧氏距离直接筛选综合气候历史相似年,根据气候历史相似年与预报年的玉米产量丰歉气象影响指数之间的关系,构建春玉米产量预报模型。对比改进前、后的产量预报模型的预报,结果表明:两种方法在吉林省玉米单产预报中,预报准确率均较高,普遍在85%以上。产量预报模型对20022013年的预报检验结果表明,改进方法后20022013年单产预报平均准确率提高了3.9个百分点,均方根误差降低了4个百分点,标准差降低了2。对20142016年的预报检验结果表明,改进方法的玉米产量预报结果优于传统方法的预报结果。改进方法比传统方法准确率更高,稳定性更强,应用价值更高。     

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。     

江西省油菜产量集成预测模型方法研究

基于气象要素建立关键气象因子模型、气候适宜度模型、辐热积模型,并根据模型预测准确率确定权重系数构建江西省油菜产量集成预测模型,对集成模型的预测效果和基础模型进行对比分析。结果表明:1)关键气象因子模型4月中旬预测准确率低于其他模型,三种基础模型的权重系数依次为0.3、0.35、0.35,5月中旬预测准确率基本一致,权重系数依次为0.34、0.33、0.33。2)对于集成模型趋势一致率,1991—2010年回代检验结果5月中旬最高,4月中旬仅次于气候适宜度模型;2011—2015年两个时次预测趋势一致率均为100%,达最高。3)2011—2015年集成模型预测检验RMSE最低,预测准确率均在97%以上。油菜集成模型预测的准确性和稳定性总体优于基础模型,可应用于江西省气象业务服务。     

东北春大豆精细化气候区划

以东北春大豆为研究对象,分早熟、中熟和晚熟3类熟型构建东北春大豆气候区划指标。利用基于模糊数学的区划指标隶属度函数和作物反应函数两种气候适宜度评价方法,结合精细化插值（Anusplin插值）后的东北地区1990—2019年气象数据,从时间、空间（1 km×1 km农田）和熟型开展东北春大豆精细化气候区划。结果表明:8月平均温度、5—9月累积降水量和7月累积日照时数是影响春大豆相对气象产量的主要气象要素。分熟型的气候区划结果在表达春大豆单产分布和产量稳定性方面优于不分熟型。根据气候适宜度和减产率的定量关系将适宜度评价结果分为最适宜、适宜、次适宜、不适宜4个等级,其中东北地区最适宜春大豆种植的区域主要集中在松嫩平原的北部和三江平原中南部。随着气候变暖,适宜春大豆种植区域向高纬度和高海拔地区扩大。