农作物产量气候影响动态评估与预报业务系统

综合农作物产量预报、作物气象灾害评估、作物气候适宜度评估业务技术原理及预报员经验,按照农作物产量预报业务流程规范和需要,采用DELPH17.0+VB6.0二种语言综合开发,实现农作物产量气候影响与预报动态化、数据处理自动化.具有数据录入、产量分解、产量预测、灾损评估、气候适宜度、产品制作、系统管理七大功能模块,实用性强、推广价值高.     

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。     

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。     

四川省小麦产量的自然正交分解模型

利用四川省小麦历年产量重构二约时变矩阵,进行自然正交展开后得到了三种产量分解模型。在中模型中,可将小麦产量分解成了三个产量分量之和,即小麦产量Ｙ＝Ｙ１＋Ｙ２＋Ｙ３。这些产量分量不仅反映了生产力水平增长对产量趋势的作用,也反映了气候环境因子波动对产量年际变化的综合影响。该方法与传统的产量分解模型相比,具有计算简单客观、各种分量同时一次分离和分量之间相互独立的特点,为农作物产量分解和预报提供了一种新的     

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。     

基于时间序列模糊分析的作物产量多层递阶预测模型

一、引言 目前农作物产量的统计预报一般都采用线性多元回归方法,业务实践证明,以这种经典回归统计方法作产量预测,效果常常不够稳定,特别是随外延预报年限的增加,误差会明显增大。其重要原因之一,是以固定参数的回归模型预报动态的时变系统,从而造成较大误差。针对这一问题,文献[1]提出了动态系统的多层递阶预报方法,即:     

四川省小麦产量的自然正交分解模型

利用四川省小麦历年产量重构二维时变矩阵,进行自然正交展开后得到了三种产量分解模型.在每种模型中,可将小麦产量分解成了三个产量分量之和,即小麦产量Y＝Y1+Y 2+Y3.这些产量分量不仅反映了生产力水平增长对产量趋势的作用,也反映了气候环境因子波动对产量年际变化的综合影响.该方法与传统的产量分解模型相比,具有计算简单客观、各种分量同时一次分离和分量之间相互独立的特点,为农作物产量分解和预报提供了一种新的思路.     

冬小麦干物重动态统计预报模式初探

在农作物产量预报方法研究中,多是气候统计模式。在实际应用中,从统计局取得产量数字,掺有许多社会因素,难以得到确切的实产数据,这对气候统计模式的进一步深化带来困难。以亩穗数、穗粒数、千粒重之积建起的农学模式,虽用实测资料建模,但精度较高的预测必需待掌握三要素的实测值,预报时效较短。 已有人在水稻,大豆、玉米等作物上采用铃形增重曲线作预报研究,本文在此基础上引用于冬小麦,并以布点,监测的试验手段取得大量农业,生物、气候资料,从模拟冬小麦干物重形成过程入手,力求探索时效长,较实用,人为影响较少的具体测点产量预测方法,由此推测全县或全省产量。     

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.     

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。     

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。     

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。     

莒县花生产量预报方法初探

以往的县级农作物产量的气象预测预报方法中,都是直接将实际产量与趋势产量的余差序列(y—y(t)=yw)与各气象要素进行比较分析来制作产量预报,而对随机误差却很少考虑或忽略不计,这样做往往会出现一些难以拟合的较大误差,预报质量也随之降低,这种情况在气候条件优越的地区犹为明显。本文就莒县花生生产过程中的具体天气状况,考虑误差yε,对花生产量预报作初步尝试。     

基于不同空间尺度的作物产量集成预报——以江苏一季稻为例

基于1981-2016年江苏省不同区域一季稻产量序列,计算站点尺度的气温、降水、日照适宜度以及综合气候适宜度,在此基础上构建基于气候适宜指数的作物产量预报模型,开展不同空间尺度的一季稻产量精细化预报。同时,以各主产地市、县一季稻种植面积百分比为权重,加权集成省级产量,开展基于不同空间尺度一季稻产量序列的大区域尺度产量预测。结果表明:(1)江苏省不同区域一季稻气象产量与不同时段气候适宜指数之间存在较高的相关性,基于气候适宜指数的预报方法适用于江苏省不同区域一季稻单产预报。(2)2012-2016年省级尺度模型预报平均准确率高于97.5%,主产地市、县模型平均预报准确率低于省级尺度预报模型,主产县预报准确率年际间波动较大,表明预报区域越小,预报的难度提升。(3)基于气候适宜指数模型的江苏省级、主产地市集成,主产县集成模型预报准确率大部在95%以上,整体上看主产县集成优于主产地市集成,主产地市集成优于省级尺度模型。由此,开展地市级和县级尺度的精细化产量预报可提升省级尺度预报准确率,同时提高县级作物产量预报能力。     

加快发展专业气象服务

正发展农业气象服务。加强研发统计、遥感、作物生长模拟模型相结合的作物产量集成预报与服务。发展环境气象服务。建立并完善环境气象数值预报业务系统,加强霾、沙尘和空气污染气象条件,以及光化学烟雾等环境气象中期预报和气候趋势预测业务。发展交通气象服务。开展高影响天气交通气象预报和灾害风险预警,逐步实现以"点段线"为特征的高分辨率交     

美国小麦产量业务预报方法研究

利用综合诊断指标,研究了预测年美国小麦生长季逐日平均气温和降水量与历史上任意一年对应气象要素的关系。根据小麦产量历史丰歉气象影响指数,建立了基于地面气象要素的美国小麦产量预报模型;研究分析了西太平洋月平均海温、北半球500hPa平均高度场环流资料与美国小麦产量的关系,利用主要影响因子,分别建立了基于海温、环流资料的美国小麦产量预报模型。根据各预报模型的稳定性,利用加权方法建立了美国小麦产量业务预报集合模型。1995～2004年预报检验和2005～2006年预报试验结果表明：集合模型的预报准确率基本都在92％以上,能够满足业务服务的需要。     

作物产量形成模拟研究初探

产量预报是世界各国都在开展的一项农业气象服务,它对农业生产和国民经济的发展有着重大的意义．近年来,随着科学技术的发展,各种高精密观测仪器的使用以及计算机的广泛普及,使产量预报由最初的统计模型、大田试验估算等方法发展到现今运用计算机数值模拟的方法进行计算,预报的方法不断优化,精度得到很大提高。1产量预报的发展1．1统计预报模型它是利用历史产量对照气象资料进行相关分析后而建立预报公式。y＝yl＋yw＋△y[1]式中y为实际产量,y为趋势产量,y。为气象产量,△y为随机产量（一般忽略）。该种方法中要对产量的历史资料进…     

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。     

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。     

《数值天气和气候预测》

<正>该书论述了天气和气候预测,讲述了大气模式的使用及其优点、缺陷和最佳实践,书中描述了不同的数值方法、资料同化、集合方法、可预报性、陆面模拟、气候模拟和降尺度、计算流体动力模式、基于模式研究的试验设计、检验方法、业务预报,以及空气质量模式和洪水预报等专业应用。该书基于