WOFOST模型在内蒙古东南部模拟春玉米生长的适应性评价

在内蒙古东南部地区引入成熟的作物模型并进行适应性验证,可为模型区域化应用提供研究依据。文章基于内蒙古东南部地区田间试验数据、农业气象观测数据结合同期气象数据和土壤数据,利用"试错法"对WOFOST模型参数进行了调试,对WOFOST模型发育期、叶面积指数及各器官生物量、产量等的模拟能力进行了验证。结果表明,模型对玉米发育期模拟较好,抽雄期和成熟期的模拟误差在6d以内,其中对抽雄期的模拟效果更好,在3d左右;模型对生育期内叶面积指数和各器官模拟良好,实测值和模型值的决定系数R2较高,均通过显著性检验,模拟各器官生物量和产量的均方根误差(RMSE)在641～1414kg·hm-2,其中模拟LAI的均方根误差(RMSE)为1.22。通过校准模型参数值,WOFOST模型能够较好地模拟内蒙古东南部地区春玉米生长发育及其生物量的动态积累过程,能够应用于内蒙古东南部地区春玉米生产。     

从FY-4A卫星遥感数据和GFS资料估算全天空状况下的地表长波辐射通量

本文介绍一种利用FY-4A成像仪遥感数据和全球预报系统(GFS)资料估算全天空地表长波辐射通量的反演方法。该方法通过辐射传输模拟和统计回归计算建立云天地表下行长波辐射通量的反演模式,并基于GFS资料处理云覆盖地区的地表上、下行长波辐射通量。这种全天空状况下两种通量的反演结合了FY-4A晴空地表长波辐射业务产品和本文反演模式处理的云天地表上、下行长波辐射通量。2018年9月1日的处理结果与Aqua/CERES同类产品相对比,精度为:RMSE=20.52 W·m^-2,R=0.9481,Bias=3.3 W·m^-2(夜间地表下行辐射通量对比);RMSE=25.58 W·m^-2,R=0.9096,Bias=5.4 W·m^-2(白天地表下行辐射通量对比);RMSE=10.97 W·m^-2,R=0.9762,Bias=-3.3 W·m^-2(夜间地表上行辐射通量对比);RMSE=19.97 W·m^-2,R=0.9283,Bias=5.0 W·m^-2(白天地表上行辐射通量对比)。这些结果表明本文发展的方法能够反演出精度较好的云天上下行长波辐射通量资料,为今后利用FY-4后续星处理生成全天空状况下的地表长波辐射通量产品奠定了理论基础。     

基于冬小麦农业气候分区的WOFOST模型参数标定

以1981—2010年河南省113个气象观测站影响冬小麦生长及产量形成的主要气象因素为区划指标,利用K均值聚类算法,将河南省划分为5个农业气候生态区。根据2013—2017年地面农业气象观测数据,利用Sobol全局敏感性分析方法,各分区选择总敏感指数大于0.01的作物参数,得到9种敏感参数。以产量与叶面积指数为代价函数,采用差分进化马尔科夫链蒙特卡洛方法对敏感参数进行分区标定,并使用2018—2019年观测数据进行验证。结果表明:分区进行参数标定时,叶面积指数动态模拟精度和产量模拟精度均显著优于使用默认参数或整个研究区使用同一套优化参数时的精度,其中,使用分区调参后验平均值模拟关键生育期叶面积指数的总均方根误差为0.655,其模拟产量的均方根误差为672.016 kg·hm-2。该方法将农业气候学知识与差分进化马尔科夫链蒙特卡洛优化算法相结合,通过合理、高效地分区域标定作物模型参数,可为作物模型区域应用和模型参数调整优化提供科学依据。     

长短期记忆神经网络(LSTM)模型在低能见度预报中的应用

利用浙江省义乌市2015—2019年逐小时气象观测数据(相对湿度、风速、地气温差、能见度)和空气质量指数(Air Quality Index, AQI)数据, 分析了义乌地区低能见度天气(观测能见度lt; 10 km)的分布特征和气象要素条件。利用长短期记忆神经网络(Long Short Term Memory Neural Network, LSTM)模型对逐小时能见度进行模拟, 分别对比了观测能见度作为输入变量与否的模拟效果; 根据义乌地区低能见度天气条件的特征, 将模拟时段分为三个时期(11月至翌年2月, 3—6月, 7—10月), 对比了分时期模拟的效果; 以及评估了模型的预报步长。结果表明: 高湿、高污染、气温高于地温和低风速是义乌地区低能见度天气的主要特征。LSTM模型对单站能见度有较好的模拟效果, 当输入参数中加入历史观测能见度时, 能大幅提高模拟准确度, 日均能见度模拟结果均方根误差RMSE=0.63 km, 平均绝对误差MAE=0.51 km, 拟合优度R²=0.99;分时期进行模拟能得到更精准的模拟结果。本研究中选用的输入要素在冬季(11月至翌年2月)模拟效果最好, RMSE=2.35 km, MAE=1.46 km, 低能见度均方根误差RMSE_10 km=1.81 km, 低能见度平均绝对误差MAE_10 km=1.13 km, R²=0.83; 3—6月的模拟中, 输入变量中不加AQI模拟效果更好, 这意味着3—6月义乌地区的低能见度天气以雾天气为主导, 加入过多变量并不一定能提高模型准确度; 随着预报步长增大, 模型预报效果变差, 预测步长等于3 h, R²=0.71, 预测结果已不具备实际应用意义。     

根据红光和近红外光谱区的反射率估算马铃薯的光截获量和生物量

1986年马铃薯(Solanum tuberosum L.)的近红外(NIR)和红光(R)波长的辐射率测定值与地表覆盖、光截获量和破坏生长的测定值有关。NIR/R之比和作物地表覆盖之间的关系取决于作物氮(N)的状况,因为施肥可以提高叶片中的叶绿素含量。假定光截获量和地表覆盖之间的关系为1:1,光截获累加值的计算说明与∑NIR/R为曲线关系,施用氮肥则提高曲线的斜率。∑NIR/R值与作物的总干重有关,对施氮肥或不施氮肥的作物分别给出一个二次方程。为了检验这些关系式,回溯预测了1985年几种不同施氮水平的作物生物量。在冠层扩展期间,辐射测量资料过高估计了作物的生长。在冠层封垅后,当使用施氮肥作物的二次方程时,作物干重的测定值和估算值之间的平均差异是非常不显著的(P>0.1),接近于零。本文还讨论了作物生长模拟中使用辐射资料的意义。     

基于温度的参考作物蒸散量计算方法的适用性评价

参考作物蒸散量是表征气候干湿程度、植被耗水量、生产潜力及水资源供需平衡的重要指标之一。以海口和敦煌两个气候相差较大的站点为例,利用Irmark-Allen、Hargreaves、Jensen-Haise 3种基于温度的ET 0计算方法,计算了 2013 2015 年两个站点的参考作物蒸散量,以FAO98 Penman-Monteith方法计算所得结果为标准,依据相关系数(R)及其显著性(P)、均方根误差(RMSE)和平均偏差(MBE)等量化指标,分别对3种方法计算结果在两个站点月和日序列的适用性进行评价,并对这3种方法进行本地化修正优化和检验。结果表明:本地化前,Irmark-Allen方法在海口的计算与Penman-Monteith的偏差最小且相关性好( R =0.97, P <0.01,RMSE=0.38 mm/d,MBE=-0.01 mm/d),其他两种方法均高估。3种基于温度的ET 0方法在敦煌都有很大的误差,其中Irmark-Allen方法在夏季偏低,在冬季偏高;Hargreaves方法整体偏高;Jensen-Haise方法在冬季不适用,出现无效负值,而在其他时段偏高。本地化后,3种基于温度的ET 0方法在两个地区都得到明显改善,其中Jensen-Haise方法在海口效果最好( R =0.96, P< 0.01,RMSE=0.61 mm/d,MBE=0.003 mm/d),在敦煌效果也是最好的( R =0.96, P <0.01,RMSE=0.69 mm/d, MBE=-0.02 mm/d)。     

广东省水平面日散射辐射月均值估算模型比较

基于前人研究提出的8个水平面日散射辐射月均值估算模型,采用广东省内的8个地区的典型气象年数据,以均方根误差(RMSE)、平均绝对误差百分比(MAPE)、相关系数(R2)作为模型精度的评价指标,对8个估算模型进行了对比验证,结果表明Li提出的模型适用于广东省。     

改进的FY-3B/VIRR OLR反演模式及其应用效果

FY-3B卫星VIRR仪器的向外长波辐射(outgoing long-wave radiation,OLR)产品处理采用与NOAA/AVHRR相同的算法模型,即用窗区通道亮温-通量等效亮度温度的回归关系式计算OLR,但两星的OLR业务产品与目前国际质量最好的云和地球辐射能量系统(cloud and earth’s radiant energy system,CERES)仪器观测OLR产品相比,存在约10 W·m~(-2)的系统负偏差。FY-3B的原因在于OLR反演模式建立过程中红外辐射传输计算软件的精度不够。鉴于此,本文采用美国21世纪开发的逐线辐射传输模型计算软件(LBLRTM),模拟计算了全球2521条大气廓线的大气顶辐射率光谱,在此基础上计算了每条廓线的OLR和FY-3B/VIRR窗区通道亮温,应用最小二乘法统计回归模拟数据,重新建立了由FY-3B/VIRR窗区通道亮温计算OLR的回归关系式及系数。模式应用于FY-3BL1级数据,处理2016年1,3,7和10月的FY-3B逐日全球OLR资料,该资料与AQUA-TERRA卫星的CERES仪器OLR观测产品相比,得到日平均OLR:RMSE=9~15 W·m~(-2),R=0.9834,Bias=-0.3W·m~(-2);月平均OLR:RMSE=4~7W·m~(-2),R=0.9915,Bias=-0.3W·m~(-2),表明改进的模式能处理出无系统偏差的、精度基本与CERES观测相当的OLR产品,尽管单通道反演算法有着固有的模式回归误差。     

不同物候模型对作物发育期模拟的对比分析

作物发育期预报在农业气象业务中具有重要意义。通过比较4种作物发育期模型的模拟效果,为中国东北地区作物发育期预报提供参考。基于东北地区玉米、水稻和大豆的发育期观测数据及其对应的气象资料,利用模拟退火算法估算了4个发育期模型的参数值,并对模型进行内外部验证。结果表明：在参数本地化过程中,高亮之模型和沈国权模型的效果较好,均方根误差平均分别为3.31d和3.72d。在模型验证过程中,沈国权模型的模拟效果较好,均方根误差平均为5.22d,因此,相对而言,沈国权模型对作物发育期模拟效果较好。     

基于遥感信息的华北冬小麦区域生长模型及模拟研究

卫星遥感估产和作物生长模拟在作物监测和产量预测方面有各自不可替代的优势。但是,遥感估产难以揭示作物生长发育和产量形成的内在机理,作物模拟在区域应用时初始值的获取和参数的区域化遇到很多困难。如何利用二者的互补性使其相互结合受到人们关注。该文在Wofost模型本地化和区域化的基础上,首次利用同化法的思路探讨了MODIS遥感信息与华北冬小麦生长模拟模型结合的可行性和方法,初步建立了潜在生产水平(水分适宜条件)下区域遥感-作物模拟框架模型(WSPFRS模型)。模拟结果显示:WSPFRS模型对区域尺度的出苗期重新初始化后,模拟的开花期、成熟期空间分布的准确性比Wofost模拟结果有所改进;利用遥感信息对区域尺度上返青期生物量重新初始化后,模拟贮存器官干重的空间分布更接近实际单产的分布,贮存器官干重的高值区与实际高产区基本相符。该研究将为下一步实际水分供应条件下基于遥感信息的冬小麦区域生长模拟研究奠定了基础。     

双叶模型在冬小麦田冠层CO2通量多层模拟中的应用

综合考虑农田生态系统中水、热、CO2输送所涉及的大气、水文、生物等生物物理过程,以Farquhar等提出的叶片尺度光合作用生物化学过程机理模型为理论基础,对其进行空间尺度扩展,并改进冠层分层方法,建立了均匀农田与大气之间物质输送和能量交换的多层模式,在模式中运用双叶模型,同时考虑叶片氮素水平垂直差异,对2008年4—5月华北平原冬小麦生长旺季农田生态系统中冠层CO2通量进行了模拟研究,并利用涡度相关观测的通量数据对模型的有效性加以验证,结果表明:在冠层多层空间,小麦拔节至孕穗期和开花至乳熟期叶片氮含量随冠层高度的衰减系数分别为0.793(R2=0.698)和1.374(R2=0.728),冠层内叶片氮含量的空间分布可以用以相对累积叶面积指数为自变量的函数来描述;模型分别计算各层阴、阳叶的光截取、气孔传导、光合作用等,最终计算冠层上方CO2通量,冬小麦农田净生态系统生产力模拟值与实测值相关显著(R2=0.78),模拟的CO2通量日变化特征晴天昼间比阴雨天和夜间的效果好;在考虑丛聚影响的叶片非随机分布的密集农田中,阴叶对总初始生产力的贡献率在35.7%左右,对生产力贡献很重要。分层统计显示,作物最终产量的形成主要...     

黄淮地区辐射模型适用性评价及参数优化

利用1961—2015年黄淮地区8个辐射站太阳辐射和日照时数等常规气象资料,分别评价6种常用的太阳总辐射和有效辐射估算模型在黄淮地区的适用性,同时采用多元回归分析和迭代等方法,对辐射参数进行优化调整,建立了适合本地区的辐射最优化估算模型。结果表明:童宏良公式和邓根云公式分别在估算太阳总辐射和地面有效辐射时的误差最小,相比其余的辐射估算模型,两者在黄淮地区适用性最好。另外太阳总辐射本地化修正模型的相对误差绝对值(value of Absolute Relative Error, ARE)和均方根误差(Root Mean Squared Error, RMSE)分别为16.28%和1.730 MJ·m~(-2)·d~(-1),优于童宏良公式等常用太阳辐射估算模型;有效辐射本地化修正模型的ARE和RMSE分别为23.19%和1.404 MJ·m~(-2)·d~(-1),优于邓根云公式等常用有效辐射估算模型;因此黄淮地区本地化辐射修正模型适用于当地地表净辐射估算,且具有较好的估算精度。     

近地层O3和CO2浓度变化对冬小麦影响的数值模拟：Ⅰ模型结构

在试验研究的基础上,文中尝试利用数值模拟方法评估O3和CO2浓度变化对作物的影响.以农田生态系统碳氮生物化学模型(DNDC)为基础,对其中的作物子模型进行改进,加入O3对冬小麦光合作用和叶片生长影响的模拟,结合原模型中有关CO2对冬小麦光合作用影响的模拟,建立反映O3和CO2浓度变化对冬小麦生长发育和产量形成影响的作物模型.文章对DNDC模型进行了参数修正以适用于中国华北地区;文章参考前人的工作,引用了两种O3对作物光合作用影响的模拟方法进行比较,分别是O3对初始光利用率的影响和O3对叶片光合作用的直接影响;在此基础上,进一步考虑O3对冬小麦叶片生长的影响,根据试验资料,建立了O3对叶片生长影响系数.     

WOFOST模型在东北春玉米产区的验证与适应性评价

校准与验证春玉米WOFOST模型,为模型本地化、区域化应用提供研究依据。采用东北春玉米田间观测数据,使用全局敏感性分析EFAST方法对WOFOST模型参数进行敏感性分析,结合土壤数据和同期气象数据等资料对模型进行参数校正与优化,确定春玉米的作物参数;利用独立的观测数据,对春玉米生育期、叶面积指数、各生物量等指标进行详细的验证与适应性评价。结果表明:1)针对不同区域进行作物模型敏感性分析筛选出的作物参数有一定差异,但对产量影响最敏感的前5位总敏感参数相同。2)模型对春玉米生育期的模拟较好,开花期和乳熟期的相对模拟平均误差在1 d左右,在成熟期的平均误差在3 d左右。3)模型对各生物量模拟的回归系数α与确定系数R2较好,均通过显著性检验,从模型整体模拟效果来看,地上部分总生物量和叶面积指数为89%和86%,整体模拟性能较好;残差聚集指数(CRM)为14%和4%,表明模型对地上生物量和叶面积指数的模拟值略偏低。4)通过校准模型作物参数值,WOFOST模型能够较好地模拟东北春玉米生长发育及其生物量的动态积累过程,能够应用于东北地区春玉米生产。     

CERES-Wheat模型在我国小麦区的应用效果及误差来源

气候模型与作物模型耦合是评价未来气候变化对作物生产影响的常用方法之一, 但当两者结合时, 存在着空间和时间尺度差异问题, 将作物模型升尺度到区域是解决该差异的一种方法。将CERES-Wheat模型升尺度进行区域模拟, 利用区域校准后的CERES-Wheat模型, 模拟了1981—2000年全国各网格小麦产量, 与同期农调队调查产量相比较, 以探讨CERES-Wheat模型在我国小麦区的模拟效果及误差来源。结果表明:全国小麦产量的区域模拟值与农调队调查产量的相对均方根误差为27.9%, 符合度为0.75, 全国59.2%的模拟网格相对均方根误差在30%以内, 其中相对均方根误差小于15%的占26.3%;各区的效果不同, 种植面积最大的小麦种植生态2区, 模拟效果最好。总体来说, CERES-Wheat的区域模拟, 可以反映产量变化规律, 能为宏观决策提供相应信息, 尤其是在主产区; 但区域模拟中还存在一系列误差, 今后还需进一步研究。     

基于气象灾害的ORYZA(V3)模型对双季稻发育期模拟的适应性评价

为评价ORYZA(V3)模型在海南岛双季稻发育期模拟的适应性,利用2005—2014年海南岛双季稻区4个站点(海口、儋州、乐东、琼海)的逐日气象数据、气象灾害资料、土壤、水稻发育期等观测资料,对模型进行调参与验证,本地化不同品种水稻发育期参数;统计双季稻各个发育期出现的气象灾害及其次数,筛选出各个发育期内出现次数较多的气象灾害。以单独的气象灾害为背景,对各个发育期的模拟与实测结果进行对比验证。结果表明:ORYZA(V3)模型对海南岛双季稻发育期的模拟精度较高,决定系数R20.90,归一化均方根误差NRMSE为3.97%~9.80%;双季稻发育期内出现的气象灾害次数由多到少依次为:高温、台风、干旱;ORYZA(V3)模型对气象灾害的敏感性从大到小依次为:台风、高温、干旱。在台风背景下,仅晚稻开花期的R2为0.90,NRMSE为3.90%,其他发育期的模拟均在误差范围外;在高温背景下,早稻的R2为0.87~0.89,晚稻的R2为0.18~0.61,双季稻的NRMSE为3.49%~5.71%;在干旱背景下,R20.87,NRMSE为3.11%~9.73%。评价结果在模型应用和优化方面具有一定的参考价值。     

基于田间试验的水稻模型ORYZA2000区域参数比较

利用江苏南京、安徽宣城两地的水稻田间试验数据和气象资料,对ORYZA2000模型基本作物参数进行调整,包括不同发育阶段的发育速率、干物质分配系数、比叶面积等。两试验点的作物营养生长参数(DVRJ)和生殖生长参数(DVRR)差异很大,反应了模型的区域差异性。模拟效果均能准确反应叶面积指数、生物量的动态变化过程,在地上部生物量的模拟准确度最高。两试验点的叶面积指数、地上部生物量、绿叶生物量、茎生物量和穗生物量的归一化均方根NSMSE值分别为9%、19%、18%、13%、25%和16%、25%、17%、19%、24%,因而南京试验点的模拟效果比宣城好,参数更具区域适应性。     

北京能见度变化趋势及冬季一次典型污染过程分析

为了探索北京地区大气能见度变化规律,对2005～2009年能见度的监测资料进行了分析.结果表明,北京地区能见度年均值为10.17 km,并呈现逐年上升趋势,增长率为0.69 km· a-1(决定系数R2=0.99,显著性水平P＜0.01),同时霾天数则逐年下降,细颗粒物浓度的降低是能见度好转的主要原因.能见度的季节变化...     

CINRAD-SA双偏振雷达资料在降水估测中的应用初探

对基于水平反射率ZH和差分传播相移率K_(DP)的降水估测综合法R(C)进行了改进,并对广州S波段双偏振雷达2016年2次飑线和2次台风降水过程的Φ_(DP)使用小波分析进行滤波处理,在此基础上使用变距最小二乘法拟合得到K_(DP)的值。分别使用R(C)和R(Z_H)法对2次飑线和2次台风降水过程进行降水估算,将估算结果和雨量计小时雨量进行了对比,并将两种方法的评估结果进行了对比。结果表明:(1)对于飑线类型降水,R(C)法对5 mm·h~(-1)以上的降水估测精度要好于R(Z_H)法,且降水率越大,R(C)法优势越明显,当降水率≥20 mm·h~(-1)时,两次过程R(C)法比R(Z_H)法的平均相对误差(RE)降低了17. 2%,平均绝对误差(AE)减少了1.89 mm,平均均方根误差(RMSE)减少了1.66 mm;(2)对于台风类型降水,R(C)法对5 mm·h~(-1)以上的降水估测精度也好于R(Z_H)法,当降水率≥20 mm·h~(-1)时,两次过程R(C)法比R(Z_H)法的平均RE降低了33. 19%,平均AE减少了3. 95 mm,平均RMSE减少了4.05 mm;(3)对于飑线和台风两种类型降水R(C)法都明显改善了降水率较大时的R(Z_H)法低估问题,但R(C)法在降水率10 mm·h~(-1)时也存在低估,可能是由雨滴谱资料观测误差导致拟合的系数偏小或雷达硬件造成的观测偏差等造成的。     

复杂地形地区WRF模式四种边界层参数化方案的评估

为更加精确地模拟复杂地形地区大气边界层中气象要素,将NASA发布的SRTM3(约90 m分辨率)地形高度数据引入中尺度气象模式WRF(weather research and forecasting)中,结合四种边界层参数化方案(YSU、ACM2、MYN 2.5 level TKE(简称MYN)、Bougeault and Lacarrere TKE(简称BL))及模式自带地形数据GTOPO30(约1 km分辨率),模拟了2008年4月24－25日安徽黄山及周边地区大气边界层气象要素场变化特征,并对模式输出的2m气温、2m露点温度、10 m风速、湿度廓线与模拟区域内19个气象站及2个探空站数据进行比较.结果表明,无论采用哪种地形数据,四种边界层参数化方案中,YSU方案模拟的2m气温误差最小,ACM2方案模拟的2m露点温度和10m风速误差最小;采用SRTM3数据后,四种边界层参数化方案模拟的2 m气温平均均方根误差(root mean squared error,RMSE)分别降低了3.79％(YSU方案)、2.48％(ACM2方案)、3.8％(MYN方案)、0.87％(BL方案);对2 m露点温度模拟,除MYN方案模拟平均RMSE降低了0.59％外,其他三种方案模拟误差分别增加了1.39％(YSU方案)、0.49％(BL方案)、0.89％(ACM2方案);而对10m风速的模拟结果,除ACM2方案模拟平均RMSE降低了2.28％外,其他三种方案模拟误差分别增加了0.22％(YSU方案)、2.32％(MYN方案)、2.45％(BL方案);对2个探空站点湿度廓线的模拟显示,各边界层方案均能模拟出水汽的垂直变化趋势,但模拟效果总体表现为偏湿,采用SRTM3地形数据之后,ACM2方案模拟部分时刻的低层水汽廓线有所改善.