积温对比法在鸭梨始花期预报中的应用

利用2012—2018年鸭梨花芽发育实景观测照片,精准判定每个鸭梨花芽发育物候期节点发生时间,以此为依据统计鸭梨花芽每个发育物候期的气象要素数据,以物候期为单位分析气象影响因子对花芽发育过程的影响。研究表明:温度在鸭梨花芽发育各阶段起主导作用,筛选出鸭梨花芽萌发到始花、开绽到始花、露蕾到始花3个时段日平均气温≥0℃活动积温和≥3℃有效积温,作为制作鸭梨始花期预报的积温指标计算鸭梨开花日期,得到"积温对比预报法";经2016—2018年应用检验:预报时效10～12d时预报结果与鸭梨开花实况误差在1～2d以内,预报时效7d时预报结果与鸭梨开花实况完全吻合。本研究克服了传统植物花期预报研究因花前物候资料匮乏、不能进行花前发育期分析的缺陷,并把"中长期天气预报产品"引入了花期预报方法的使用,为植物花期预报研究方法提供了新思路。     

物候模型在北京观赏植物开花期预测中的适用性

以北京地区玉渊潭公园杭州早樱 (1998—2012年)、密云农业气象试验站白玉兰 (1996—2012年) 及颐和园公园山桃 (1981—2012年) 物候观测资料和海淀、密云气象站的1981—2012年逐日平均气温观测资料为基础,分别应用国际通用的3种物候模型 (SW模型、UniChill模型和统计模型) 对以上植物的始花期和盛花期建模,并评估模型适用性。结果表明:SW模型在北京地区3种观赏植物开花期预测中适用性最高,其交叉检验的均方根误差仅为1.93~3.58 d, 其次为UniChill模型 (均方根误差为2.49~3.79 d),统计模型效果最差 (均方根误差为2.36~4.24 d)。因此,推荐在观赏植物开花期预测业务中采用SW模型。     

百里杜鹃景区杜鹃花始花期模式预报研究

为准确预报普底景区、金坡景区杜鹃花始花期,分析了百里杜鹃始花期的物候特征与气温的相关关系,找出影响百里杜鹃始花期的温度,建立普底景区与金坡景区百里杜鹃始花期预测模型.结果表明:①普底、金坡两个景区的杜鹃花始花期集中在3-4月.②影响杜鹃花始花期的主要气温是稳定通过10℃、12℃初日日期,③稳定通过12℃初日建立的预报模型可作为普底、金坡景区的始花期预报模型.将2008-2012年的资料回代检验,普底景区预测日期准确的年份有3a、较为准确的年份有2a,金坡景区预测日期准确的年份有2a、较为准确的年份有2a,两个景区均没有出现不准确的年份,预测效果较为理想.     

基于逐步回归的库尔勒香梨始花期预测模型

根据1981-2011年库尔勒市气象局香梨始花期物候观测资料和同期地面观测资料,分析近31a香梨始花期变化趋势及与气候因子的相关性,确定关键影响因子,建立香梨始花期预测模型.结果表明,31a来,库尔勒香梨始花期有明显的提前趋势;香梨始花期与始花前期气温、≥5 ℃积温、≥10℃活动积温、不同深度地温以及日照时数呈负相关或显著负相关.利用逐步回归分析法建立了香梨始花期的预测模型,通过检验模型效果良好.此结果可为香梨始花期预报提供参考.     

油菜花期物候主要限制因子分析及预报模型的构建

以油菜开花开始时间(即始花期)为研究对象,利用1980—2016年江苏省油菜发育期观测资料和同步气象数据,分析油菜始花期的时空变化趋势。结合油菜生理特性,筛选与油菜始花期显著相关的气象因子。以高淳站为例,采用通径分析明确各气象因子对油菜始花期的作用并评估因子敏感性,最后构建油菜始花期的回归预报模型。结果表明:在气候变化背景下江苏地区油菜始花期呈逐年提前趋势,淮河以南地区平均提前3 d以上;上年日平均气温稳定通过0℃终日(X_1)、当年日平均气温稳定通过5℃初日(X_2)、现蕾至开花前时段内分别大于0℃、5℃和10℃的有效积温(X_1、X_4和X_5)、最低气温分别小于0和5℃的日数(X_6和X_7)及平均最低气温(X_8)等8个因子与油菜始花期相关性达极显著水平;其中2月上旬至3月上旬的平均最低气温(X_8)、日最低气温小于5℃日数(X_7)、大于5℃有效积温(X_4)对油菜始花期的直接影响位列8个因子的前三位,且这3个因子两两共同对油菜始花期的相对影响程度也排在各因子对回归方程R~2总贡献率的前三位;其余5个因子直接效应普遍小于间接效应,且它们主要通过X_4、X_7、X_8对油菜始花期产生影响,而X_4、X_7、X_8也通过这5个因子产生一定影响;去掉任何一个因子,都会引起其他某些因子对油菜始花期的直接、间接作用发生变化;基于这8个因子构建的回归模型可解释68.48%的油菜始花期变化,并具有区域适用性。因此,就江苏地区而言,光照和降水对油菜开花早晚影响较小,热量条件才是江苏油菜开花早晚的主要限制因子,所构建的始花期预报模型可较好反映油菜开花时间早晚与相关热量因子变化的规律。     

基于ANFIS的香梨始花期预测研究

应用自适应模糊神经推理系统(Adaptive network-based fuzzy inference system, ANFIS)对库尔勒地区香梨始花期进行了预测,3月平均气温、3月下旬平均气温、5厘米地温、10厘米地温、2月下旬日照、3月上旬日照、3月中旬日 照、3月下旬日照8个指标为输入变量,香梨始花期单项指标作为输出,结果表明：预测的平均相对误差为2.51%,经t检验和回归分析表明预测值和实测值相差不大,相关系数为0.9286,具有较好的一致性,模型具有较高的精度和稳定性,说明ANFIS模型可以很好的描述香梨始花期和气象因子的关系,为香梨始花期的进一步研究提供了参考。     

烟台市红富士苹果始花期预报模型研究

利用烟台地区苹果产区1994—2016年共23a的气象资料与红富士苹果始花期观测资料,根据气象因素对苹果发育期影响的物候学原理,选取与始花期相关的多个气象因子,建立基于气象因子的苹果始花期预测模型。利用数据回代验证及2017年的资料预测验证,模型计算结果与实况吻合度较高,能够较好地反映始花期的实际情况,可以应用于实际业务中。     

基于ForcTT模型的牡丹始花期预测

选取山东菏泽市1981—2010年的牡丹始花期资料和气象资料,应用气候倾向率和Mann Kendall突变法等统计分析法探讨了牡丹始花期与气象条件的关系,利用ForcTT模型模拟了牡丹的始花期。结果表明：①随着气候变暖,菏泽牡丹始花期以4.4 d/10a的趋势逐年提前,并在1996年发生了一次突变。1981—1996年牡丹始花期主要集中在4月下旬,处于偏晚时期,1997—2010年始花期主要集中在4月中旬,有所提前。②牡丹花期发生的早晚主要受牡丹开花前1个月（3月）平均气温的影响,而且牡丹始花期和3月份平均气温的突变节点一致,其次是2月平均气温的影响,3月仅日照时数对牡丹花期有一定的影响,降水对牡丹花期无明显影响。③采用ForcTT模型预测牡丹的开花期时,最佳的开始日期为2月1日,最佳的基础温度为1 ℃时,平均误差为1.29天,最小偏差为1.73天,而当开始日期为2月1日,基础温度为3 ℃时的平均偏差和最小偏差均在2天之内,也再次验证了2月和3月的气温对牡丹始花期的影响较大。     

阿克苏地区苹果始花期预报模型研究

研究阿克苏地区苹果盛花期开放规律与温度之间的关系,为苹果花期之前相关农事的准备和预防不良天气对花期的影响提供参考依据。利用阿克苏地区2000-2019年苹果花期和气象数据,通过对苹果花期距平与3、4月的旬均温、≥0 ℃、3 ℃、5 ℃、10 ℃有效积温和活动积温的相关性分析,应用逐步回归方程,拟合出阿克苏地区苹果盛花期预报模型,对相关数据回代检测验证。研究表明：(1)与苹果树盛花期相关性大小依次为 3、4 月份有效积温>活动积温>逐旬平均气温;(2)花期距平与3月中旬均温为显著负相关,与其他指标具有极显著负相关性;(3)其中≥0℃的活动积温(X₁)和3月中旬平均温度(X₁₀)对阿克苏地区苹果盛花期影响较大,阿克苏地区苹果树花期预测模型Y= 39.882 - 0.075X₁+ 0.696X₁₀。模型拟合度较好,预测的盛花期实际值和拟合值相差绝对值为0-3d,满足生产需要。     

气象条件对悬铃木始花期的影响分析及预报模型构建——以江苏兴化为例

春季二球悬铃木(以下简称悬铃木)新生花粉和宿存球果脱落产生的果毛,既危害人体健康也为城市清洁带来压力,开展始花期预报有利于易敏人群提前做好防护准备,并可为园林部门适时喷洒植物生长抑制剂提供理论依据.以江苏兴化悬铃木始花期为研究对象,选取1990—2020年的物候观测数据和同期气象观测资料,分析其年际变化趋势,筛选影响始...     

新源县杏花始花期气象预报研究

为了更准确地提供杏花始花期的预报,利用新源县1996—2020年的始花期观测数据以及同期气象资料,统计分析关键影响因子,建立预报模式。结果表明：新源县杏花始花期平均出现在4月5日,最早最晚始花期相差28 d,近22a来始花期提前约4 d。始花期前的气温、日照、0℃积温等对始花期有明显影响,采用逐步回归方法,得到了新源县杏花始花期的预报模型,回代检验中始花期预报值与实际值相差0~2d的准确率达到63.6%,相差3 d的准确率为27.2%,2018—2020年的试报服务预测值与实际值之间相差分别2 d、1 d、3 d,可为花期专题气象服务提供理论参考。     

湖北异常初雪日的成因分析及预测

统计湖北省76站1961/1962—2012/2013共52年大范围初雪偏早/偏晚年份,揭示初雪日异常早/晚年同期环流特征,初雪偏晚当年11月至次年2月海温、高度场及低层风场的典型分布表现为:中高纬的西北太平洋海温及新西兰东侧南太平洋海温异常偏高,有利于乌拉尔山脊减弱、贝加尔湖低压及阿留申地区低压减弱,东亚大槽偏强同时孟加拉湾槽偏弱,对应500 hPa高度距平场上欧亚大陆自北至南呈"—+—"的波列分布,中国大陆地区低层风场被北风距平控制;反之,初雪偏早。2013/2014年关键区海温及环流分布符合典型的初雪偏晚对应特征。利用1961—1992年11月关键区海温首次建立湖北初雪日预测模型,准确预测2013年冬季初雪偏晚,同时针对1993—2012年初雪早晚的回报检验准确率达75%,为预测湖北初雪发生的早晚提供了新方法。     

The Response of First Flowering Dates to Abrupt Climate Change in Beijing

Phenological data on the First Flowering Date(FFD) of woody plants in Beijing from 1963-2007 are analyzed.The correlation between each species’ yearly FFD and the mean monthly temperatures for every year over a 45-year period is used to identify the month in which temperature has the most effect on FFD. Through further analysis,the FFDs of 48 woody plant species are shown to have advanced an average of 5.4 days from 1990-2007 compared to 1963-1989.The results indicate that 70.8%of species flowered significantly earlier(7 days on average) during the period 1990-2007,while only one species(2.1%) flowered significantly later.Moreover,the responses of FFD to climate change are shown to be different in two climatic stages, defined by an abrupt climate change point.Thirty-three species which first flower in March and April are sensitive to temperature are examined.The correlation coefficients between FFD and temperature for 20 species during the latter period(1990-2007) are shown to be larger than during the former period(1963- 1989),with a difference of around -0.87 days per 1℃on average.The paper concludes that with the warming of climate,the linear trend of FFD variation,as well as its responsiveness to temperature,became more prominent during 1990-2007 than 1963-1989.The data analyzed in this study present a strong biological indicator of climate change in Beijing,and provide further confirmation of previous results from regional and local studies across the Northern Hemisphere.Phenophase variations indicate that the climate is changing rapidly.     

广东开汛日期的多尺度物理统计预测模型

采用小波分析、Lanczos滤波器、相关分析、最优子集回归和交叉检验等方法,研究了广东开汛日期的多尺度变化特征及其与全球不同地区前期海温场、500hPa高度场的关系,建立了广东开汛日期的多尺度最优子集回归预测模型并进行了检验。结果表明,广东开汛日期存在显著的准6年和较明显的准17年周期振荡。广东开汛日期在年际和年代际变化尺度上与前冬海温场和500hPa高度场上共有20个显著相关区域,分别取对应时间尺度上显著相关区域的平均值作为预报因子,对相应时间尺度的广东开汛日期做最优子集回归,建立了相应的预测模型,以年际和年代际尺度上的预测值之和为广东开汛日期的预测值。所建立的预测模型具有较好的拟合效果,其中拟合值与实况值相差在5天以内的事件命中率为41.5%,10天以内的为60.4%。1951—2010年的交叉检验结果表明,广东开汛日期预测值和实况值之间的相关系数为0.33,通过了α=0.01的显著性水平检验。预测值与实况值相差在5天以内的事件命中率为26.7%,10天以内的为45.0%,因此,所建立的多尺度最优子集回归预测模型对广东开汛日期具有较好的预测能力。     

Multi-Scale Physical Season Onset Statistic Prediction Date in Guangdong Model for Rain Province

采用小波分析、Lanczos滤波器、相关分析、最优子集回归和交叉检验等方法,研究了广东开汛日期的多尺度变化特征及其与全球不同地区前期海温场、500hPa高度场的关系,建立了广东开汛日期的多尺度最优子集回归预测模型并进行了检验。结果表明,广东开汛日期存在显著的准6年和较明显的准17年周期振荡。广东开汛日期在年际和年代际变化尺度上与前冬海温场和500hPa高度场上共有20个显著相关区域,分别取对应时间尺度上显著相关区域的平均值作为预报因子,对相应时间尺度的广东开汛日期做最优子集回归,建立了相应的预测模型,以年际和年代际尺度上的预测值之和为广东开汛日期的预测值。所建立的预测模型具有较好的拟合效果,其中拟合值与实况值相差在5天以内的事件命中率为41．5％,i0天以内的为60．4％。1951-2010年的交叉检验结果表明,广东开汛日期预测值和实况值之间的相关系数为0．33,通过了α-0．Ol的显著性水平检验。预测值与实况值相差在5天以内的事件命中率为26．7％,10天以内的为45．0％,因此,所建立的多尺度最优子集回归预测模型对广东开汛日期具有较好的预测能力。