影响我国水稻产量的主要气象因子的研究

通过收集前人所作的全国各地区水稻产量气象预报模型,将所得到的资料按双季早稻、双季晚稻、单季稻进行分析,并提取预报因子。通过定量化处理,使用系统聚类分析方法,以预报方程中的影响因子为指标,讨论了各水稻分区（双季早稻分为４个区,双季晚稻分为２个区,单季稻分为９个区）水稻产量的主、次要影响因子和影响时期,为大范围水稻产量预报提供了科学依据。     

浙江省早稻产量预报模式

本文在分析全省各地早稻产量资料的基础上,建立了各气候区早稻产量预报模式,并用综合集成预报方法建立了省级产量预报模式。经1989、1990年度业务预报检验,预报精度较高。     

广西原料蔗产量大气环流因子预报模式研究

本文分析了我区有代表性的１５家糖厂及７个地区、３个市的原料蔗产量与大气环流因子的关系，并同时分析了大气环流因子与甘蔗产量关键期主要气象因子之间的关系，建立了有关糖厂、地（市）的甘蔗产量大气环流因子预报模式，为进行原料蔗产量预报增加了一种新的方法。     

江西省双季早稻长势定量等级指标的研究

利用2010—2011年江西省有代表性的12个县(市)共34个观测点的双季早稻农业气象观测资料,采用频数分析方法,研究建立了江西省双季早稻长势观测定量指标。结果表明,在各主要生育期,不同苗情的早稻,其叶面积指数与单株干物质重量差异明显,可用于早稻长势的定量评价。产量分析表明,研究建立的双季早稻长势定量等级指标可用于实际。     

海温、大气环流在产量预报中的应用

本文利用海温、大气环流特征量对天气条件影响的滞后性,考虑到因子的显著性和稳定性、独立性,建立了江苏省冬小麦、早稻、中稻和双季晚稻产量的海温和大气环流的预报模式,并作了1985年、1986年两年的预测实践,取得了良好的效果。     

广西早稻产量农业气象预报模式探讨

广西地处亚热带,热量资源丰富,雨量充沛,全区的八个地区均可种植双季稻。但由于各个地区所处的地理位置不同,且地形复杂,气候条件有一定差异,因此各地区水稻的品种、种植季节、发育期不一,影响水稻产量的气候因子也不尽相同。本文根据早稻生育期内对各气象条件的要求,采用数理统计方法,建立各地区早稻产量农业气象预报模式,并根据各地区早稻产量对全区早稻产量的贡献大小,组成全区早稻产量预报模式。经1982、1983两年试报,效果较好。     

亚热带东部丘陵山区作物气候生产力研究

本文根据1983年4月—1986年3月三年山区梯度观测资料，综合考虑山区光、热、水农业的气候资源匹配关系，建立不同山区、坡向、高度的作物气候生产力估算模式。模式中对山区温度、降水、日照等气象要素进行了修正。运用模式估算了不同山区、坡向、高度的水稻、玉米、冬小麦气候生产力。计算结果:亚热带东部丘陵山区单、双季稻、夏玉米气候生产力一般南坡大于北坡，西坡大于东坡；春玉米、冬小麦一般北坡大于南坡，东坡大于西坡。双季晚稻气候生产力大于双季早稻，夏玉米大于春玉米（神农架山区除外）。应该指出，目前高产典型水稻产量可达其气候生产力的60%以上，玉米和冬小麦仅达到30%—50%左右，表明山区农业气候资源可开发潜力很大。本文为合理开发山区气候资源、调整农业布局及提高单位面积产量提供了定量的科学依据。     

中尺度业务预报试验数值模式系统

以引进的美国Penn State/NCAR中尺度模式（MM2和MM4）为基础，按照实时业务预报需要和我国资料特点，在PC/386微机上研制了中尺度业务预报试验数值模式系统。在1989—1990年进行的实时业务预报试验中，该系统运行稳定，预报时效能满足实时业务预报要求，预报结果对12—24小时短期天气预报具有参考价值，适合于省（市）级气象台站等业务单位使用。     

苏州地区双季早稻气象产量的积分回归模式

六十年代以来,随着世界人口的急剧增长和天气气候异常造成的全球性粮食供应危机,普遍引起各国政府和许多国际组织的重视,并加强了农作物产量与天气气候条件关系的分析和研究,以期通过制定数学模式来建立可供业务使用的粮食生产供应警报和预报体系,及早采取开源节流等措施。于是、各种统计和统计～动力的农作物产量模式竞相破土而出。本文在学习国内外经验基础上,以苏州地区的双季早稻生产为例,采用积分回归方法,尝试建立地区一级的农作物气象产量模式,供讨论参考。     

利用模糊综合评判分段预报作物产量年景

在不同生产水平条件下及不同的气候变化周期中,影响作物产量的关键期和关键因子也必不相同。分段寻找影响湛江早稻产量的关键期和关键因子,利用模糊数学的综合评判法,分段建立湛江气象产量年学预报模式,其预测效果良好。     

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。      

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。     

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。     

江西省早稻雨洗花灾害指标构建与灾损评估

构建早稻雨洗花灾害指标及适于早稻产量估算的灾损评估模型,对开展早稻雨洗花灾害监测、损失评估、灾害保险等具有重要意义。该文以江西省早稻为研究对象,利用1981-2015年14个水稻气象观测站逐日气象资料和农业气象观测资料,筛选出基于早稻抽穗扬花期间过程降水量、最大降水量、降水日数及实际产量的雨洗花灾害样本78个,在此基础上,利用相关分析、正态分布以及主成分回归法,建立了雨洗花灾害指标和灾损评估模型,并对其进行验证。结果表明:抽穗扬花期降水对雨洗花灾害形成有显著影响,其主要影响时段为抽穗扬花普遍期前后5 d内,关键时段为抽穗扬花普遍期前后3 d内。日降水量40 mm可作为早稻抽穗扬花期雨洗花灾害临界指标。以该指标为基础,统计日降水量不低于40 mm的降水日数及其对应的累积降水量,当累积降水量为40~170 mm时,为轻度雨洗花灾害,早稻一般减产小于15%,平均减产10%;当累积降水量不小于170 mm时,为重度雨洗花灾害,早稻一般减产不低于15%,平均减产22%。指标验证结果与历史实际灾害发生情况有较好的一致性。雨洗花灾损评估模型检验结果表明:雨洗花年模拟产量与实际产量吻合度较高,平均相对模拟误差为4.3%,78.0%的资料相对误差在5%以内,可利用该模型对雨洗花年的早稻减产率进行模拟和预测。     

基于遥感数据的江苏省水稻收获期时空分析研究

本研究基于2001—2020年中分辨率成像光谱仪遥感产品,使用谐波分析重建完整作物生长过程植被指数变化曲线,对江苏省范围内水稻种植区域的收获期进行提取。同时利用Sen趋势分析与相关分析方法,研究水稻收获期时空动态变化趋势与影响因子。结果表明:利用谐波分析方法能够较好地重建作物生长期生理参数变化曲线,滤波值与原始值线性相关系数达到0.8;水稻收获期分布在9月中旬到12月上旬之间,2010年之后,10月中下旬之后占比增加,达到50%以上;部分地区水稻收获期呈现延迟趋势,南京北部、扬州、盐城北部地区为3 d·a^-1及以上,泰州、南通等地区保持稳定,趋势绝对值低于1 d·a^-1;9—11月降水日数与降水量均对水稻收获期有影响,10月降水量与收获期存在负相关,10、11月降水日数与收获期存在正相关。本研究的基于遥感的水稻收获期提取方法为大范围的水稻农业物候信息提取提供参考。     

基于Fisher判别的南方双季稻低温灾害等级预警

为了建立南方双季稻低温灾害综合预测预警技术体系, 基于南方双季稻种植区1961—2010年708个气象站的逐日气象资料、水稻生育期资料和低温灾害发生的气象行业标准,采用Fisher判别分析法、因子膨化法、相关性分析法,利用SPSS软件构建早稻春季低温灾害高风险区 (Ⅰ区) 未来10 d、晚稻寒露风高风险区 (Ⅰ区)、主灾区 (Ⅱ区) 未来5 d的低温灾害发生等级逐日滚动预警模型。其中,1961—2009年资料用于模型构建和回代检验,2010年资料用于模型的外延预测。结果表明:早稻、晚粳稻、晚籼稻Ⅰ区平均外延预测基本一致准确率分别达到90.5%,74.2%,80.3%,晚粳稻、晚籼稻Ⅱ区平均外延预测基本一致准确率分别为89.4%和80.3%。构建的南方双季稻低温灾害逐日滚动预警模型的外延预测基本一致准确率多超过80%,等级预测检验误差总体上在1个等级以内,模型评价效果较好。     

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%。     

基于水稻生长模型的气象影响评价和产量动态预测

在对国际先进的水稻生长模型ORYZA2000进行模型调试、验证, 实现本地化的基础上, 以双季稻发育速率参数为主, 结合地形、气候、水稻熟性分布和当地生产实际, 将江南双季稻区按发育参数划分为7个区域, 实现了ORYZA2000模式在我国江南双季稻地区的区域应用。利用该模型进行了不同年份气象条件影响定量评估的应用试验, 评价结果与实际符合, 定量客观。探讨了利用机理性作物生长模式动态预测产量的方法。通过建立不同发育期的水稻模拟生物量与相对气象产量的相关统计模型, 结合趋势产量预测, 实现了地区级双季稻不同发育期的产量动态预测。外推检验结果表明, 各地早晚稻不同发育期的产量动态预测模型平均误差为4.8%~6.1%, 可初步用于业务。     

水稻气候生产力的数值模拟及其应用

在水稻气候生产力数值模拟的基础上,利用杂交水稻种植区１８省１６５站３０年逐旬光温整编资料,模拟并分析了早、中、晚稻气候生产力的空间分布规律及其气象原因;利用模糊聚类分析,进一步对我国水稻种植区域作了气候生态类型区划,结果早季稻划分为七个类型区,中季稻和晚季稻可划分为六个类型区。     

北方地区小麦蚜虫气象适宜度预报模型构建

根据1958—2015年我国北方地区8个主产省（市）小麦蚜虫分省发生面积和发生程度资料、1958—2015年601个气象站点相应逐日气象资料和农业气象站小麦发育期资料,采用相关分析、主成分分析和逐步回归等方法,并利用相关系数法进行因子普查,结合小麦蚜虫适宜生理气象指标和华北、黄淮小麦生育期规律,筛选影响小麦蚜虫年发生程度的关键气象因子,构建分区域的小麦蚜虫气象适宜度预报模型,并将气象适宜度指数划分为非常适宜、适宜、较适宜、不适宜4个等级,以反映气象条件对小麦蚜虫发生发展的适宜程度。结果表明:筛选出影响华北小麦蚜虫年发生程度的8个关键气象因子,影响黄淮小麦蚜虫年发生程度的6个关键气象因子。建立的华北、黄淮模型回代检验等级准确率分别为91.2%,93.1%,2016—2018年3年外推预报平均准确率均在75%以上;利用黄淮模型反演苏皖两省2016—2018年小麦蚜虫发生等级、异地检验3年预报效果均较理想。模型适用于从气象角度对华北、黄淮及江淮地区小麦蚜虫发生等级进行监测和预报。