烟台市小麦产量预报方法的研究与应用

通过对烟台小麦产量与气候条件的关系进行分析,建立趋势产量方程,并分离出小麦趋势产量和气候产量,再用气候产量对应年份的气候因子建立气候产量的预报方程,最终预报2012年烟台冬小麦产量,并与当年实际产量进行了比较,结果表明该预报方程可行。     

济宁县小麦产量与气象条件关系的动态分析

本文对济宁县小麦产量和气象资料进行处理,组建了相对气象产量方程及小麦产量预报模式,以小麦柑对产量为研究对象,用费希尔回归积分法研究小麦生长时段内的气象条件对产量影响随时间演变的动态规律,并找出产量波动的主导气象因子,研宄这些因子对产量影响的季节动态变化信息,以Aj(t)形式给出。针对影响产量波动的气象因子,提出合理的生产建议,以便充分利用气候资源,为小麦的高产稳产服务。     

用多层递阶方法预报花生产量

目前,国内对花生产量预报方面的研究较少,其它粮食作物如小麦、水稻等作物的产量预报方法较多。一般常用的多元回归、特征根回归、多重回归等预报方法,随着预报年限的延长,预报误差会相应增大,其原因之一是在此类预报过程中,用固定参数模型来预报一个时变参数系统的状态,易产生较大的误差,并随着预报年限的延续而增大。因此逐年预报时需要重新计算模式的系数。为了克服这一缺陷,我们采用了动态系统预报的新方法——多层递阶预报方法,对我省花生产量进行预报,由于它充分考虑了参数的时变特性,因此提高了预报准确率。通过对我省花生产量预测的实际应用表明,采用多层递阶预报方法连续多年预测花生产量,准确率及精度较高,这一方法可多年使用后再进行模式运算,大大减少了工作量,这种方法早已引用于长期天气预报,对于时间紧、业务量大的产量预报也非常适用。     

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。     

冬小麦产量波动的气候分析与预报

冬小麦是昌邑县主要粮食作物之一,历年种植面积65—70万亩,占全县总粮田面积的55％左右。小麦产量虽然有上升趋势,但年际波动较大,分析产量波动的原因很有必要。本文主要研究气象条件差异对小麦产量的影响,并选择对产量影响起决定作用的关键气候因子,分别建立前期和后期产量预报方程,为昌邑县小麦生产提供确切的农业气象依据和进行产量预报服务。     

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。     

基于积分回归法甘肃省冬小麦产量动态预报

冬小麦是甘肃省主要粮食作物之一,开展甘肃省冬小麦产量动态预报对全省粮食生产和粮食安全具有重要意义.利用1985—2013年甘肃省冬麦区16个地面气象观测站逐日气象资料和冬小麦产量资料,基于积分回归原理以旬为时间尺度,分析了影响陇中、陇东、陇南地区冬小麦生产的主要气象要素和关键时期,并分别建立了3月下旬、4月下旬和5月下旬甘肃省冬小麦产量动态预报模型.结果表明:降水和温度对甘肃省冬小麦气象产量影响较大,其中降水量增加对各冬麦区基本均为正效应,尤其在麦田休闲期和返青拔节期更显著;苗期—越冬前期和拔节期—孕穗期气温升高对冬小麦为负效应,越冬后期—返青起身期气温升高对陇中和陇东冬麦区正效应较明显.通过近5 a试预报检验表明,建立的冬小麦动态产量预报模型平均预报准确率达96%以上,可满足业务服务的需要.     

基于积分回归法黑龙江省作物产量动态预报研究

由于积分回归法生物学意义明确,预报效果较好,已成为一种新的作物产量动态预报方法。为了完善黑龙江省主要作物的动态预报方法,提高作物单产的预报准确率,本文利用积分回归方法,随机选取以县为单元的研究对象,开展黑龙江省多种作物积分回归产量动态预报模型的适用性研究。结果表明:建立的黑龙江省6月下旬至9月下旬春玉米、大豆和水稻积分回归产量动态预报模型均通过了F的显著性检验,作物产量预报的平均差MD和相对误差RE均未通过显著性检验,表明建立的春玉米、大豆和水稻产量预报模型的预报效果较好;其中春玉米和水稻产量预报模型的预报准确率较高,模型预报的单产与实际单产的一致性较好。通过对2011—2014年黑龙江省作物单产进行试报和检验,发现春玉米、水稻和大豆单产的预报准确率平均为96%、95%和93%;表明积分回归方法对黑龙江省大豆单产预报的适宜性略差,积分回归法适用于黑龙江省水稻和春玉米单产的预报。基于积分回归法的原理,可以在黑龙江省开展春玉米和水稻单产的动态预报,并继续开展大豆产区积分回归产量动态预报的适用性研究。     

山东省小麦产量动态预报定量分析

通过建立小麦产量、发育期、逐日气象资料历史资料数据库,利用小麦动态产量预报模式,分别在不同年代、不同发育阶段,定量分析评价气象条件对我省小麦产量形成的利弊影响,并验证了此技术方法在各时段的动态预报准确率平均为92．0％～93．9％,不同预报年各时段预报准确率为92．0％～99．5％。     

西北太平洋海温变化对贵州夏季降水的影响

利用1952-2001年贵州15个测站夏季降水和前期太平洋海温场资料,及3因子最佳子集回归求最大复相关系数的方法,把前期不同时间步长、不同时段的海温场作为预报因子与夏季降水求相关。结果发现：用前期海温场作为预报因子对贵州夏季降水进行预报,其预报因子的最佳时间尺度为单月滑动,并且存在着较好的“隔多季度相关”现象。预报因子具有实际预报意义的最佳时段为上1年的8～11月。影响贵州夏季降水的最佳预报因子主要集中分布在海温场具有重要天气气候意义的关键区域。2002、2003、2004年的回报试验结果与实况进行对比分析发现,根据上述理论和预报思路得到的预测试验,具有一定效果,并且对指导贵州夏季降水预测具有一定的参考价值。     

区域性产量预报方法初探——用剩余分析法进行温州市小麦产量预报

本文采用模糊聚类分析方法将温州市划分为三个小麦种植气候区,并将各分区的小麦产量时间序列分解为时间趋势产量和气象产量,运用剩余分析方法对气象产量进行模拟,不仅借此对各分区和全市小麦产量进行预报,还可找出影响小麦产量的关键时期和关键气象因子为大田生产上的趋利避害提供农业气象依据。资料来源:小麦产量、种植面积抄自温州市统计局;气象资料抄自本市有关气象台站。     

甘肃省冬小麦产量预报综合气象模式探讨

应用卫星遥感植被指数对甘肃冬小麦产量预报惯用的气象模式进行修正。综合气象模式入选气象因子与影响我省冬小麦产量波动的主要气象因素相吻合，预报范围由代表站扩大到整个冬麦区，预报准确率有所提高。     

隶属函数在制作天门市小麦年景预报中的应用

使用天门市1971～1994年小麦产量资料及其同期气象资料，采取模糊统计方法，建立了预报小麦产量年景的隶属函数，并分析了多个气象因子对小麦产量的隶属程度。结果表明，运用模糊数学中的隶属函数作小麦产量年景预报是可行的，通过回代检验，其历史拟合率达83．3％。     

荆州市冬小麦产量动态预报方法对比研究

利用湖北省荆州市1970—2016年日照、降水、温度及冬小麦生长期、产量数据,采用作物丰歉指数、气候适宜指数方法,开展了荆州市冬小麦产量动态预报,并对两种预报方法的效果进行检验。结果表明,丰歉指数方法的预报准确率高于气候适宜指数法,计算过程也相对简单。在产量预报精度不下降的前提下,4月10日可作为产量预报的最优预报日期。     

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.     

时间序列分析在农业气象产量预报中的应用

所谓时间序列分析,主要是指用方差或谐波分析方法找出周期,建立回归预报方法.这种方法是建立在历史产量序列的周期波动规律的基础上,外推预测其未来的演变.我们对江西、湖南、福建、浙江、广东、山东等省三十多个县市的部分粮食作物的气象产量(其时间趋势产量分别采用一无线性回归、正交多项式回归、直线滑动平均等方法进行处理)采用时间序列分析方法进行验证性预报,取得了较为满意的效果.     

渭南玉米产量气象条件分析与预报模型研究

利用渭南市1996—2018年玉米产量和同期全市11个气象站玉米生育期内光、温、水气候资源,采用直线滑动平均法结合调和权重法对渭南市玉米产量进行趋势产量和气象产量的分离。采用SPSS17.0软件对分离出的1996—2014年玉米气象产量与生育期各类气象因子进行相关性分析,筛选出相关性较高气象因子,采用多元线性回归方法,与气象产量建立预报模型。分析各因子对玉米产量的影响发现:在营养生长阶段,降水对产量贡献最大;在生殖生长阶段,降水与产量呈负相关。预报模型回代、预测结果显示,回归方程显著,预报效果良好。     

极限产量权重法分段预报盐城市大、小麦产量

根据盐城市的大、小麦产量，农技措施和气象资料，采用极限产量权重法组建大，小麦产量（ｙ）的预报模式：ｙ＝ｙｍ－ｙ农－ｙ灾－ｙ气或改写为：ｙ＝ｙｍ（１－（∑ａｉ＋∑Ｂｊ＋∑Ｃｎ））对盐城市大、小麦产量进行分段预报，经多年试报，结果与实产的相以误差均在５％以内。     

昌吉市冬小麦产量分析及其预报

小麦是昌吉市主要粮食作物之一,无论播种面积还是总产均占首位.小麦产量的丰欠,关系到人民生活安排和经济收入等.及时而准确的小麦产量预报,是政府制定计划决策的重要依据.因此,做好产量预报,对于指导昌吉市粮食生产具有重要意义. 一、冬小麦生长发育、产量形成与气象     

回归诊断在赤霉病预报中的应用

小麦赤霉病回归预报模型的残差分布存在着不对称现象,残差分布不对称现象是由高槓杆点所引起。由于这些试验点的残差存在着数理统计意义上的不合理性,从而导致了回归系数Ls估计的误差。针对这些问题本文提出小麦赤霉病预报的修正回归模型。数学证明和实例说明,修正回归模型要优于常规回归模型。对离散型应变量的农气回归问题,修正回归模型具有普遍意义。