提高粮食产量预报模式稳定性及准确性的探讨

运用气候因子预报粮食产量的多元回归模式在应用中表现不够稳定．本文提出用正常气候条件对作物生长最适气候条件的动态供需分布，对入选因子进行生物学意义的合理性检验，使静态的统计预报模式稳定性明显提高，同时使动态统计产量预报评价模式有了明确的生物学意义，本文还提出了多元回归与时间序列分析相结合的三项式产量预报模型和综合预报方法，产量预报模式的稳定性和准确性平均提高４％以上。     

持续性强降水的区域模式动力中期预报研究

持续性强降水及其次生灾害给人民的生产和生活造成严重影响, 延伸其模式动力预报能力对防灾、减灾具有重要意义。随着对持续性强降水过程形成机理及模式动力中期预报认识的不断提高, 以减小模式初始条件误差、边界条件误差以及内场预报误差为目标提出了一系列动力中期预报技术方法, 主要包括:针对边界条件提出低通滤波技术方案, 改进了5 d以上的环流及降水预报; 针对模式预报内场进行谱逼近技术试验, 对提前3—7 d的小雨以上量级的降水预报改进明显; 针对初始条件进行多尺度混合更新初值技术预报试验, 融合全球预报的大尺度场及区域模式预报的中小尺度场进行15 d预报, 明显提高了50及100 mm以上的持续性累积降水预报时效。      

试用年轮作阿勒泰县春小麦气候产量预报

本文通过对年轮与阿勒泰县春小麦气候产量关系的初步探讨表明:当年轮与作物气候产量受相同的主要气候限制因子制约时,可用年轮来延长作物气候产量序列,并由此外推得到作物气候产量的多年预报值.这既可以从另外一个角度提供作物气候产量的预报,同时又能弥补从气候因子预报气候产量时效短的不足,为作物的长期规划提供参考依据.     

北部湾北部海面强风成因及其中期预报探讨

对北部湾北部海面强风的成因分析后，建立强风中期天气过程模式，与数值预报产品相结合选取有物理意义的预报因子，建立强风中期预报判别规则和预报方程，使强风预报时效提前到3～5天，过程预报准确率可达80％以上。     

北部湾北部海面强风成因及其中期预报探讨

对北部湾北部海面强风的成因分析后，建立强风中期天气过程模式，与数值预报产品相结合选取有物理意义的预报因子，建立强风中期预报判别规则和预报方程，使强风预报时效提前到３－５天，过程预报准确率可达８０％以上。     

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。     

一种定量降水预报误差检验技术及其应用

面向对象检验技术是定量降水预报误差分析方法之一,通过对某一降水过程进行分离,实现对其落区、量级等预报误差的定量化分析。基于面向对象的检验方法和天气系统识别技术,本文利用实况观测资料、ECMWF全球数值模式产品,以2012年汛期西南地区5个典型强降水天气过程作为检验对象,对其降水及天气尺度影响系统1～10 d模式预报误差进行了定量化分析。分析表明:在中短期时效内,模式均对西南地区雨带位置预报偏北、偏西,中期时效内偏差更显著,雨带主轴上70%以上的点预报较实况偏北在2°以内,偏西约3°以内;预报的大雨及以上量级降水量较实况偏弱;模式1～2 d预报的极值分布与实况较为接近,随着预报时效延长,预报的极值较实况明显偏小;模式预报的小雨及以下量级的降水范围较实况偏大,对大雨以上量级的降水范围较实况明显偏小。对于四川盆地而言,预报的切变线较零场偏西0.5°～3°。低空急流预报偏西0.5°～1.5°;低空急流强度预报偏差具有季节差异。     

统计降尺度方法在天津小时降水和气温精细化预报中的应用

基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。结果表明：(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。对于相对误差,阈值法对空报现象有较显著改进。对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。对2018年“安比”台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。     

基于数值预报与雷达外推预报融合方法的降水回波短临预报试验研究

采用傅里叶-梅林变换、多尺度光流法及威布尔分布,对湖北省2020年6—7月4次降水过程雷达回波进行多尺度预报试验及其相位和强度校正。在此基础上,利用双曲正切函数对校正后的模式降水回波预报和雷达回波外推临近预报进行融合。最后,基于预报技巧评分和平均绝对误差及命中率等指标对不同时效、尺度及回波阈值的预报结果进行定量分析。结果表明：（1）融合后的0～3 h降水回波预报在范围和位置上均较模式预报和雷达外推预报改进明显,尤其对强回波预报有明显优势,对对流预报有积极作用;0.01°×0.01°尺度的0～1 h预报效果明显好于其他尺度及预报时效。（2）武汉RUC模式预报效果最差,平均绝对误差（mean absolute error,MAE）最大为6.1～8.2 dBZ,而融合预报效果最好,MAE最小为4.7～6.5 dBZ。0.01°×0.01°尺度下融合预报的命中率（probability of detection,POD）随回波阈值和预报时效增加而降低,而其他尺度下20 dBZ回波阈值的平均POD最大、MAE最小,平均POD(MAE)均高于（低于）其他2种预报。总体来看,融合预报明显优于单一预报...     

作物产量预报的气象生物学模式

本文在产量预报经验统计模式基础上,考虑了各个阶段气象条件对作物产量形成的作用。以单季晚稻为例,运用剩余法建立了产量预报的气象生物学模式。用此模式可以分段进行单季晚稻的产量预报,逐步逼近实际产量。     

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。     

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。     

基于EC模式闪电格点概率预报模型及应用

基于EC（0.25°×0.25°）模式预报资料和闪电定位资料，结合雷暴三要素形成条件，分别从水汽、能量、热力、动力等几个方面挑选预报因子，利用主成分分析方法配料权重系数，并根据海拔高度将四川划分为四川盆地、攀西地区、川西高原3个不同的区域分别建立预报模型，研发了四川省闪电格点概率预报产品。检验结果表明：四川盆地在概率预报值为70%以上时，预报效果较好，TS评分为0.294；攀西地区和川西高原在概率预报值为60%以上时，预报效果较好，TS评分分别为0.302和0.299。     

春玉米积温稳定性及在发育期预报中的应用

修正已有积温模型,提高积温稳定性,对积温指标更好地应用于农业生产实践有重要意义。基于东北地区春玉米的生长发育情况,综合分析影响积温稳定性的气象因素,订正常用的活动积温模型。在进行积温稳定性评价基础上,将订正模型应用于春玉米的发育期预报中。结果表明:温度条件是影响积温稳定性的最主要因素,基于温度因子得到的订正模型,在出苗-抽雄阶段和抽雄-成熟阶段较原模型年际间变异系数分别平均减小了0.42%和1.42%,订正模型计算的积温稳定性更好。分别利用1981-2010年及2011-2017年资料进行回代及预报检验,发现订正模型对抽雄期的预报结果改进不明显,对成熟期的预报结果误差较原活动积温模型在回代及预报检验中分别降低了3.78 d和1.1 d。     

近43年来黑龙江气候变化对农作物产量影响的模拟研究

从近43年来黑龙江省各地气候变化趋势的角度出发, 利用黑龙江省1961—2003年逐日气象资料, 采用世界粮食研究模型 (WOFOST) 和气候变化趋势的数学分析方法, 计算并分析了近43年来黑龙江省各地各主要作物模拟产量变化趋势的空间特征和各地气候要素变化趋势的空间特征, 讨论了气候变化趋势对主要粮食作物模拟产量变化趋势的影响。结果表明:气候变化趋势的空间差异对各主要作物模拟产量变化趋势的空间分布具有重要影响, 但不同作物影响不同。近43年来黑龙江省玉米模拟产量变化趋势增加, 平均增加幅度为4.81%/10a, 气温变化趋势的增高是其模拟产量变化趋势增加的主要气候因素。黑龙江省大豆模拟产量变化趋势总体上呈降低趋势, 平均降低幅度为1.52%/10a;气候变化趋势对北部和南部区域的大豆模拟产量变化趋势作用不同, 气温变化趋势的增高是北部大豆优势种植区域模拟产量变化趋势增加的主要气候因素, 气温和降水量的相应变化趋势是南部大豆种植区域模拟产量变化趋势降低的主要气候因素。     

中国东北地区冬季气温变化特征及其大气环流异常的关系

利用1957-2010年冬季中国东北地区90站气温资料,应用REOF和聚类分析方法将东北划分为南、北两个冬季气温变化子区,分析讨论其冬季气温的变化趋势和冷暖异常特征,及其与主要环流指数之间的同期和滞后关系。使用向后去除变量选择法,选取最优预测因子,并建立了全区和各子区的回归统计模型。结果表明：东北冬季增温较明显,平均上升速率达到0. 45 ℃/ 10 a,北部略高;与同期欧亚纬向环流指数之间存在着较显著相关;前期8月东太平洋副热带高压面积指数、前期10月亚洲区极涡面积指数和前期8月北半球极涡面积指数与东北冬季气温存在着显著相关,复相关系数达到0.70,并且是回归方程最关键预测因子。在对冷、暖冬预测时,可以把选定时段和区域副热带高压和极涡面积指数作为重要的影响因素,且误报率较低。     

基于Fisher判别的南方双季稻低温灾害等级预警

为了建立南方双季稻低温灾害综合预测预警技术体系, 基于南方双季稻种植区1961—2010年708个气象站的逐日气象资料、水稻生育期资料和低温灾害发生的气象行业标准,采用Fisher判别分析法、因子膨化法、相关性分析法,利用SPSS软件构建早稻春季低温灾害高风险区 (Ⅰ区) 未来10 d、晚稻寒露风高风险区 (Ⅰ区)、主灾区 (Ⅱ区) 未来5 d的低温灾害发生等级逐日滚动预警模型。其中,1961—2009年资料用于模型构建和回代检验,2010年资料用于模型的外延预测。结果表明:早稻、晚粳稻、晚籼稻Ⅰ区平均外延预测基本一致准确率分别达到90.5%,74.2%,80.3%,晚粳稻、晚籼稻Ⅱ区平均外延预测基本一致准确率分别为89.4%和80.3%。构建的南方双季稻低温灾害逐日滚动预警模型的外延预测基本一致准确率多超过80%,等级预测检验误差总体上在1个等级以内,模型评价效果较好。     

中国夏季旱涝气候预测相似模型

在廖荃荪等的中国3类雨型的基础上,把阻高与副高的配置与中国夏季旱涝分布特点结合起来,把中国夏季旱涝分布划分为8种雨带类型,把与这8种雨带类型相对应的1月份北半球500 hPa月平均环流划分为8种环流型,计算预报年1月500 hPa月平均环流型与这8种环流型的相关系数,选相关系数最大者所对应的雨型为当年预测结果。2007和2008年试预测比较成功。     

臭氧对作物影响的模型研究概述

近年来，在大量试验研究的基础上，有关臭氧(O3)对作物影响的研究重点为如何建立有效的模型，以评估和预测O3对作物产量和农业造成的损失。文中介绍了有关臭氧对作物影响模型的研究概况，将模型分为3类：统计模型、光化学模型和机理模型；在分析各类模型局限性的基础上，指出O3对作物影响的模型研究将向模块化、普遍化方向发展，形成综合、全面的模型，并讨论了我国相关研究的发展方向。