春玉米农业气象观测资料在产量预报中的应用

通过分析1994－2003年来宾市农业气象观测的春玉米生育状况、春玉米地段土壤水分资料，建立春玉米农业气象观测资料与观测地段理论产量、来宾市兴宾区春玉米产量的模型，得出用观测资料预报产量较常规预报方法预报准确率有较大提高，为提高作物产量气象预报质量提供一种预报方法依据。     

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。     

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。     

春玉米农业气象观测资料在产量预报中的应用

通过分析1994~2003年来宾市农业气象观测的春玉米生育状况、春玉米地段土壤水分资料,建立春玉米农业气象观测资料与观测地段理论产量、来宾市兴宾区春玉米产量的模型,得出用观测资料预报产量较常规预报方法预报准确率有较大提高,为提高作物产量气象预报质量提供一种预报方法依据。     

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。     

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。     

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。     

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。     

新疆玉米产量场预报模式研究

新疆地域辽阔,不同地区之间的社会、经济及生产技术发展不平衡,玉米产量相差很大。本文将玉米产量分布当成一个场,采用自回归模型AR(P),建立各地(州)及主要玉米生产县的玉米单产产量场预报模式,经过集成预报全区玉米单产,1988、1989年预报检验,结果正确。     

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.     

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%。     

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。     

均生函数残差预报模型在降水预报中的试验研究

在均生函预报模型的基础上，利用其残差数据序列对均生函数预报模型进行校正，提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合，并进行独立地样本预报试验。预报结果发现，均生函数残差预报模型对原有模型在预报精度上都有一定的改进，取得了较好的预报效果。同时，利用MannKendall法和Yamamoto法，可以明确突变开始的时间，指出突变区域，使待报时段与建模资料处在同一气候阶段则预报效果更为理想。     

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。     

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。     

甘肃省作物产量预报工作综述

甘肃省作物产量预报工作综述秘晓东（甘肃省气象局业务处兰州７３００２０）引言甘肃省作物产量预报经过科研服务与业务服务，已走过了１０年的岁月。由小麦产量预报扩展到玉米产量预报，手工兼便携ＰＣ—１５００机计算发展为预报统计的全部微机化，完成了产前、产中、产...     

内蒙古玉米主产区气候条件对产量的影响

选取内蒙古主要农业区赤峰、通辽、呼市、临河为代表站，利用数理统计方法，分析了上述4个站点多年玉米产量与各生育期气象因子的相互关系，得出降水量、气温、风速是影响玉米产量的主导因子。而影响玉米生长的关键期是玉米的拔节期和乳熟期，同时利用多元回归统计方法，建立了玉米单产与气候因子的综合预报模型，并用近年的资料对模型进行回代检验，拟合率达83％。     

贵州春季冰雹短期预报的高空温压场相似法

采用08：00(北京时，下同)500hPa温压场和700hPa温度场相似系数指标值，建立了贵州区域性春季冰雹短期预报模型。建模选用了427个冰雹日个例和484个无雹日个例，分月确定相似预报指标，故所建模型有较大的统计可靠性。预报模型在样本期内的预报准确率为66％，经1999和2001年试报，结果表明，该预报模型有较好的实用价值。