河北省冬麦区土壤水分监测预测系统及其应用

河北省冬小麦生育阶段正值少雨时期,一般年份只有在灌溉的情况下才能满足小麦生长发育的需求,麦区土壤水分实时监测预测对于灌溉决策十分重要。在冬小麦单站多层次土壤水分动态模型(VSMB模型)的基础上,根据河北省麦区从南到北冬小麦发育期和土壤类型的不同进行参数调整和修正,并对数据库进行设计,形成河北省整个冬麦区麦田土壤水分监测预测系统(RSM-MFS)。文中介绍了该系统的基本原理和功能,并对实际应用进行了效果分析。从近年在河北省冬麦区土壤水分的监测预测结果来看,监测相对误差在10%左右,风险预测相对误差在20%左右。     

利用MODIS资料监测和预警干旱新方法

为了提高遥感监测土壤水分和干旱的技术水平,在对常用遥感监测土壤水分和干旱方法进行评价的基础上,根据土壤热力学理论,提出了利用EOS/MODIS资料遥感监测农业干旱的新方法———能量指数模式。实际监测应用结果表明,能量指数模式更适合农作物土壤水分和干旱的监测,监测效果明显优于已经业务化的其它模式。农作物生长季节干旱的预警应当在土壤水分遥感监测的基础上,考虑未来预警期内的预报降水量和最高气温,并且把这个预报降水量和最高气温定量转化为土壤水分订正值,按照当地的标准划分成干旱预警等级。     

农作物气候适宜度实时判定系统

以旬、月、季、作物生育期为单位时段,根据农作物生长发育所需要的气象条件,把单位时段内气候因子的数量变化,通过模糊数学中隶属函数的方法,转化成对作物生长发育的适宜程度,计算各时段内的温度、降水、日照及光温水综合因子对作物生育影响的适宜度,计算结果以表格和图形的方式输出。经过业务试应用,效果良好,所计算的不同作物不同时段的温度适宜度、降水适宜度、日照适宜度、光温水综合适宜度符合实际情况,为定量判定气象条件对农作物影响提供了依据。     

低温寡照天气形势及温室蔬菜致灾环境

统计了河北省1998～2007年11月至翌年3月所出现的低温寡照过程,应用聚类分析方法,对重度低温寡照的欧亚范围内的逐日高空环流格点图进行分类。得出秋末至春初季节,造成河北省长时间连阴（雪或雾）天气的高空500hPa环流形势主要有冷低压型、低槽型和欧亚高压脊型3种类型。以2001年1月的低温寡照过程为例,分析了长时间连阴（雪或雾）天气下日光温室内的致灾环境及蔬菜表现。     

河北省夏季干旱的一种判定方法

在用降水量与作物需水量相比较来确定旱情的同时考虑当地的抗旱能力,引入了灌耕比的概念,结合ＮＯＡＡ／ＡＶＨＲＲ资料分析的判断河北省夏季干旱的发生程度。应用此方法对１９９７年和１９９８年夏旱进行评定,结果与实际相符。     

河北省棉花连阴雨灾害定量化评估指标与风险分析

利用河北省棉区1981—2015年40个气象站逐日气象资料、农业气象观测站棉花农情、连阴雨灾情、棉花产量资料,分析连阴雨过程特征及其对棉花生长的影响,修订和完善连阴雨灾害指标;采用数理统计方法获取历史连阴雨产量灾损率、筛选关键致灾因子,采用权重系数法构建连阴雨强度指数,并建立基于强度指数的灾损评估模型;利用有序样本聚类分析法划分连阴雨强度等级;依据风险分析原理,构建连阴雨风险指数并进行风险区划。结果表明：建立的强度指数能够客观反映连阴雨灾害强度,灾损评估模型评估效果较好。棉花播种出苗期连阴雨发生概率低（0.076）、造成的损失小（平均产量灾损率0.09%）;现蕾至吐絮期连阴雨影响较大,发生概率和造成的灾损率由大到小依次为花铃期（0.447,17.1%） > 现蕾期（0.394,11.7%） > 吐絮期（0.237,7.2%）。近年来,现蕾期连阴雨发生站次减少,对棉花影响减弱,花铃期和吐絮期发生站次增加,尤其是吐絮期增加明显,成为连阴雨灾害影响棉花生长的主要时期。现蕾期和花铃期连阴雨高风险区主要分布在非主棉区,其中现蕾期高风险区分布在保定北部及以北棉区,花铃期高风险区分布在保定北部及以北棉区和石家庄、邢台、邯郸三市西部棉区;吐絮期高风险区分布在保定西南部、衡水西部、石家庄及其以南棉区,部分地区为主棉区。     

基于风险区划的农业干旱保险费率厘定——以河北省冬麦区为例

近年来,在气候变化和极端天气气候事件频发的背景下,干旱等农业气象灾害的频发已对我国尤其是河北省的粮食生产和农业发展的可持续性带来了严重威胁。选择或构建合适的农业干旱灾害风险指标开展干旱风险区划,并在此基础上进行灾害的保险费率厘定对于丰富农业保险模式,促进农业保险经营的稳定和发展具有重要的应用价值。本文基于作物水分亏缺率指数、降水距平百分率指数和抗旱指数等指标,构建干旱综合风险指数并开展风险区划研究;利用修正后的纯保险费率,得到适用于本研究区的保险费率厘定模型,探寻一种能较全面改善目前农业保险经营弊端的保险模式,从而实现冬小麦农业保险的持续健康发展。     

环渤海夏蝗发生程度气象集成预报方法

东亚飞蝗发生程度与气象条件关系密切,该文使用1980-2008年的飞蝗资料和气象资料,选择了环渤海4种典型(沿海、水库、洼淀、内涝)蝗区,利用秩相关系数法筛选影响飞蝗发生程度的气象因子,确定了影响不同蝗区夏蝗发生程度的气象因子指标集。利用权重修正气象距离法,建立了气象距离指标预报模型;依据飞蝗自身生物学特性,建立了生物学预报模型。在此基础上,基于蝗虫生物学和气象条件影响的共同作用,建立了夏蝗发生程度的生物一气象集成长期预报模型。结果表明:在环渤海飞蝗区域,不同类型蝗区影响气象因子有一定差别,集成预报模型趋势预报准确率高于其他模型。