杂交稻汕优63茎蘖动态的计算机模拟

本文将水稻茎蘖生长看作是一个动态自调过程,综合考虑光、温、水、肥等因素对茎蘖消长的影响。对汕优63杂交稻的茎蘖动态进行逐日计算机模拟和统计分析,建立模型,并与1988年第Ⅱ播期汕优63茎蘖生长情况进行对比,模拟值与实测值之间吻合程度较好。     

水稻群体动态预测与栽培决策

本文以作物计算机模拟技术为基础，根据天气，土壤，苗情，模拟预测水稻群体的发育群、茎蘖消长、叶面积动态、光合生产与产量形成。     

水稻旱育抛秧高产特征及其机制的数值模拟研究

用１９９６、１９９７年的分期播种田间试验资料,建立进育抛秧发育期模型和产量构成因子模型,包括茎蘖动态模型、千粒重增长模型,每穗实粒数模型,分析高产特征及机制。结果指出,水稻抛秧移栽与手插移栽相比,移栽迟滞期短,群体茎蘖２数粳稻高１６％,汕稻高２３％;千粒重,粳稻低１％,灿稻高９％;每穗实数无区别;部产量,粳稻高１６％,灿稻高９％。抛栽秧苗随机均匀分布,入土深度较浅,从而营造了合理的群体结构提高了产     

冬小麦产量形成过程与气象条件关系的模拟研究

分别对单位面积上的冬小麦茎蘖动态,每穗粒数和千粒重的形成建立了相应的数学模型.影响单位面积茎蘖动态变化的因子主要是分蘖期温度和时间,对有效穗粒贡献最大的是基本苗和冬前分蘖数;决定每穗粒数的主要因子是四分体形成期至建粒期期间的气温和日照时数以及单位面积上茎蘖数最多时的苗数;决定千粒重大小的重要气象因子是灌浆期间的温度和太阳辅射.     

抛栽水稻生育动态和产量构成初探

结合试验资料,对旱育抛秧水稻进行了研究人为旱育抛秧水稻子物重增长和千粒重的增加均符合Logistic曲线;相对生长速率随生育期逐渐减小,且光、温对相对生长连串的作用是互补的;灌浆速度也受温、光的限制,水稻的发育速度通过温、光模式来反映快慢。为了实现抛栽高产的目的,必须掌握适宜的栽培秧龄、密度和基本苗数。     

气候变暖对中国水稻生产可能影响的研究

利用随机天气模型,将大气环流模式预测的气候情景与水稻模式相链接,研究了气候变暖对中国水稻生产的可能影响。结果表明,大气中ＣＯ２浓度加倍,中国水稻主产区适宜水稻生长的日数将延长６～１１ｄ,积温增加２２０～３３０℃·ｄ。积温的相对增长率由南向北呈增长趋势。水稻产量形成期低温天气出现频率将减少,而高温天气出现的频率增加。若品种与播种、移栽期不变,水稻产量将下降;而若通过改变品种使作物生育期基本保持目前的状况,减产幅度将比品种不变时明显偏小,部分地区还有可能增产。     

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。      

仁化县水稻早造生长与气象因素影响分析

利用2018-2020年水稻"五优61"早造的农业气象平行观测数据,采用统计学方法,分析了仁化县水稻早造各生长发育特征与气象因素的关系,结果表明:无论气候年景好坏,较高的秕谷率是导致早造产量无法提高的原因;分蘖期之前多低温,持续干旱天气,乳熟期持续高温是2018年低产的主要气象原因;分蘖期多低温天气、持续干旱会抑制早造...     

水稻耗水规律及节水灌溉技术的试验研究

根据18年的水稻耗水量试验资料，寻找水稻耗水量与光、温、水等气象要素的一般规律。在此基础上，考虑未来天气趋势和土壤性质的作用，确定水稻的灌溉量。该灌溉技术既满足水稻生理需求，又能达到节约用水，减小成本，夺取稳产高产的目的。     

基于机器学习的灾害性天气多尺度预测模型

为提高传统数值模拟预报结果的准确性,引入机器学习算法构建一种新型灾害性天气多尺度预测模型。通过降尺度时空融合算法实现遥感数据融合,反演推算得到大气气溶胶光学厚度作为天气预测模型的输入变量。利用包含反向解搜索策略的萤火虫优化算法,建立预测模型参数寻优策略,应用机器学习的支持向量机算法,构建包含多项式核函数的复杂多尺度预测模型,在考虑各种不确定因素的情况下进行不断训练,最终得到灾害性天气预测结果。使用该模型对2015年6月23日00—24时成都市灾害性天气进行预测,预测结果的ROC(Receiver Operating Characteristic)曲线的AUC(Area Under the Curve)值为0.88,且龙泉驿、新津和金堂站的预测正确率达90%。基于机器学习的灾害性天气多尺度预测模型可为灾害性天气预测提供一种有效手段。     

基于深度学习的天气雷达回波序列外推及效果分析

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。      

水稻发育进程动态模拟

以水稻的生物学特性为依据,利用田间试验实测资料,建立了水稻发育进程动态模拟模式。实践表明,在其他条件均适宜的情况下,本模式能够较好地反映天气气候条件对水稻发育进程的影响,可用来预测水稻发育期,以指导大田生产管理。     

水稻核雄性不育系培矮64S的育性指标分析

培矮64S是我国目前两系法杂交稻生产中应用最广泛的实用不育系。利用培矮64S在南京、武汉、长沙、贵阳、三亚等地的多年分期播种资料及其相应的温度和日长资料，分析了水稻光（温）敏核不育系培矮64S的不育性和可繁性，并采用光温分级法和育性量化模型法，分析了培矮64S的育性转换光温指标。表明两种方法的计算结果具有较好的一致性。     

水稻发育进程动态模拟

以水稻的生物学特性为依据，利用田间试验实例资料，建立了水稻发育进程动态模拟模式。实践表明，在其他条件均适宜的情况下，本模式能够较发地反映天气气候条件对水稻发育进程的影响，可用来预测水稻发育期，以指导大田生产管理。     

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。     

面向Internet的农业气象产量动态预报

针对信息时代Internet网上用户对产量预报动态查询的需求 ,探讨了面向Inter net的农业气象产量预报的解决方案。试验结果表明 ,由于作物生长发育和产量形成是一个光、温、水、土条件长期、综合作用 ,生物量长期累积的过程 ,因此利用积分回归方法 ,考虑全生育期光、温、水气象因子的综合影响 ,根据已出现的天气实况 ,在假定后期天气条件正常的情况下 ,有可能预测出未来产量的趋势。随着天气实况的逐一出现 ,后期的预报结果可望逐步接近实际值。统计检验和试报结果误差均在允许范围内。     

渭南日光温室小气候特征分析及预测方法

为探求陕西渭南地区日光温室小气候变化特征及预测方法,切实提高为农服务水平,利用陕西渭南市华州区设施农业试验点日光温室2014—2016年冬季(11—3月)棚内外气象观测资料,采用对比分析及逐步回归方法,对冬季晴天、多云、阴天天气条件下温室内温、湿度日变化特征及最低气温预报模型进行分析研究。结果表明:各天气条件下日光温室内温、湿度日变化均呈单峰型变化,气温最低值均出现在日出前后,于午后13—14时达到最高值,相对湿度则相反;夜间温、湿变化相对稳定,湿度接近饱和状态;晴天时温、湿度变化幅度大于多云和阴天时。试验建立的日光温室内未来一天最低气温预报模型,通过检验,其误差值在2℃范围内的准确率达到80%以上,预报准确率可满足业务应用。     

光温条件对水稻幼穗分化影响

本文应用分期播种方法,分析了影响水稻幼穗分化的光温条件,取得了一些有意义的结果     

基于小波神经网络法的海南地区逐时太阳总辐射预测研究

利用2003—2012年海口市气象站不同季节逐时太阳总辐射观测资料与对应气象参数,建立基于小波BP神经网络法逐时太阳总辐射的预测模型,并利用2013年太阳总辐射数据对模型进行检验,且与建立的逐步回归模型进行对比。结果表明:小波神经网络法建立的逐时太阳总辐射预测模型精度较高,但不同季节模型预测精度存在差异,冬季预测精度最高,夏季预测精度最差,天气类型指数有利于不同季节模型预测精度的提高。春季、夏季、秋季和冬季加入天气类型指数神经网络模型的逐时太阳总辐射预测值与观测值的回归估计标准误差分别为0.32、0.47、0.35 MJ·m-2及0.23 MJ·m-2,比逐步回归模型的预报精度分别提高了28.8%、16.3%、17.9%和20.4%,说明基于小波神经网络法建立的预测模型可为海南地区逐时太阳总辐射预测提供参考。     

汉中盆地水稻气候生产潜力分析与评价

利用汉中市汉台区气象站1970—2015年的气象资料,采用逐步订正模型,计算了近46年汉中水稻光合生产潜力、光温生产潜力和气候生产潜力。结果表明:汉中盆地水稻光合生产潜力为23 265kg/hm~2,光温生产潜力为20 532kg/hm~2,气候生产潜力为18 298kg/hm~2。汉中盆地水稻生育期为4—9月,生育期光热资源较好,水资源丰富,但存在水稻生育期降水分布不均的问题,建议4—6月适量增加灌溉,7—9月降水偏多,易造成水稻减产,应注意防涝排涝。