1997年新疆棉花农业气象条件评述

1997年新疆棉花获得了历史性的丰收,单产再破历史纪录,总产达到115X104t。能取得这样高的产量,与棉花生长期难得的优越气象条件分不开：播种最早且一播全苗,光热特别充足,气象灾害较轻。1播种出苗期全疆棉区开春期偏早,早春气温迅速回升且稳定,棉区10℃界限温度的初日比     

晚播冬小麦膜下条播及其农田小气候特征试验研究

膜下条播冬麦在1996～1997年度试验表明：基本苗多、分蘖多、稳数多、产量高,并有节水、适于晚播、早熟、操作简单等多种优点。冬麦起身后15d左右揭膜有利于形成高产。     

冬小麦播期降水年型与秋温年型归一分析

利用襄城县１９５７￣１９９６年４０年麦播期降水和冬前温度资料,将麦播期分为７种降水年型和４种秋温年型,并通过归一分析,提出不同麦播年型的麦播对策和建议。     

商丘大白菜适播收贮最佳期气候分析

分析了商丘１９５５￣１９８８年３４年气象资料和大白菜生长特性,得出商丘郊区大白菜最佳适播期和收贮期。经推广使用,社会和经济效益十分显著。     

基于MODIS GPP产品的冬小麦保险费率厘定方法研究

农作物保险是国内外减少灾害造成的种植户经济损失,保障农民基本生产收入的重要手段。国内传统的农作物保险费率是基于行政单元的统计数据厘定的,忽略了行政单元内部灾害的空间风险差异,因此如何获得行政单元内部农户级农作物纯保险费率,成为精细化农作物保险的关键问题。本文针对农户级的冬小麦纯保险费率,以河南省周口市为实验区,利用2005—2015年MODIS MOD17 A2 GPP总初级生产力数据产品生成2005—2015年冬小麦生长季的GPP数据,同时利用Landsat5/7/8 TM/ETM/OLI数据计算2005—2015年公里级的冬小麦种植面积比。通过Bühlmann-Straub模型和经验费率法厘定得到2016年实验区基于格网单元的冬小麦纯保险费率。研究表明：遥感数据可以为农作物保险空间精细费率厘定提供数据保障,利用遥感数据可以得到公里级格网单元的冬小麦纯保险费率。将利用遥感数据得到的农作物纯保险费率用于农作物保险中,提高了农作物保险的空间精细水平,可以进行基于地块的空间差异化农户投保,有利于政府针对不同农户制定合理的农作物保险政策,保险公司合理的收取保费。     

北疆气温持续偏低降水前多后少南疆气温前高后低降水分布不均

2004年9～10月新疆主要天气气候特点是，气温：北疆持续略偏低，南疆前高后低；降水：北疆前多后少，南疆除哈密、阿克苏、喀什、巴音布鲁克较常年偏多外，其它地区基本无降水。两月全疆大部分地区光照适宜，气象条件对玉米充分灌浆、成熟、收晒有利，对棉花吐絮及采摘也较有利。但对北疆部分冬麦区的冬小麦播种及出苗略有影响。两月内部分地区出现的大风、     

基于GF-1的冬小麦遥感监测区域适用性分析

以湖北省为研究区,从地形地貌、种植结构、监测时相、谱段设置以及监测精度等方面综合分析了GF-1卫星数据在冬小麦种植面积遥感监测中的区域适用性。研究表明,GF-1卫星数据对江汉平原、鄂东沿江平原、鄂北岗地以及鄂东丘陵等地区的冬小麦遥感监测均有较好的适用性,其监测精度能够满足湖北省冬小麦大尺度遥感监测的精度要求,但难以达到小范围的遥感监测精度要求。     

沈阳地区浅层地温变化特征及播种期地温预报研究

为了掌握沈阳地区地温变化规律,并提供更好的大田地温预报服务,降低播种风险,提高粮食生产安全,利用沈阳地区7个气象站点1981-2015年地温和气温数据,运用数理统计方法,分析近35 a地温和气温的变化规律,建立了春播期（4月和5月）地温预报模型。结果表明：1981-2010年,年代际温度呈上升趋势,气温的变化导致地温的变化也更加明显,气温和各层地温的气候倾向率为0.426-0.549℃/10 a,4-10月0-5 cm、5-10 cm、10-20 cm每一层的地温差为1.5℃、0.5℃和0.5℃;0-20 cm地温以及气温在1996年前后发生了突变;春播期西部地区0 cm、5 cm、10 cm的地温和气温差值4-5月由较低转为较高;地温预报模型t检验的P值在P=0.01水平差异均不显著,相对误差控制在±10%以内,可以用于沈阳春播期（4月和5月）地温预测。     

黄淮海地区冬小麦农业气象指标体系的构建

冬小麦农业气象指标体系是定量评价冬小麦农业气象条件优劣和发布灾害预警预报的基础,更是农业气象业务服务的基础。在解释冬小麦农业气象指标内涵的基础上,参照冬小麦农业气象指标体系构建的通则,综合农业气象指标研究方法的优缺点,构建了由4个一级指标、21个二级指标构成的我国黄淮海地区冬小麦农业气象指标体系。其中一级指标由冬小麦品种特性农业气象指标、关键生育期农业气象指标、主要农业气象灾害指标、主要病虫害指标四大类构成。冬小麦品种特性农业气象指标由反映品种特性和地域布局的指标构成,包括品种类型、区域布局和耕作栽培管理气象指标;关键生育期农业气象指标由反映关键生育阶段气象条件适宜与否的指标构成,包括播种出苗期、分蘖期、越冬期、返青期、拔节期、抽穗开花期、乳熟期、成熟收获期气象指标;主要农业气象灾害指标由反映受灾程度的指标构成,包括干旱、越冬冻害、晚霜冻、湿渍害、干热风、烂场雨等;主要病虫害指标由反映病虫害发生发展程度的指标构成,包括白粉病、赤霉病、锈病、蚜虫等。此外,还对指标的筛选和综合集成及赋权方法进行了探讨。     

统计数据总量约束下全局优化阈值的冬小麦分布制图

大范围、长时间和高精度农作物空间分布基础农业科学数据的准确获取对资源、环境、生态、气候变化和国家粮食安全等问题研究具有重要现实意义和科学意义。本文针对传统阈值法农作物识别过程中阈值设置存在灵巧性差和自动化程度低等弱点,以中国粮食主产区黄淮海平原内河北省衡水市景县为典型实验区,首次将全局优化算法应用于阈值模型中阈值优化选取,开展了利用全局优化算法改进基于阈值检测的农作物分布制图方法创新研究。以冬小麦为研究对象,国产高分一号(GF-1)为主要遥感数据源,在作物面积统计数据为总量控制参考标准和全局参数优化的复合型混合演化算法SCE-UA (Shuffled Complex Evolution-University of Arizona)支持下,提出利用时序NDVI数据开展阈值模型阈值参数自动优化的冬小麦空间分布制图方法。最终,获得实验区冬小麦阈值模型最优参数,并利用优化后的阈值参数对冬小麦空间分布进行提取。通过地面验证表明,利用本研究所提方法获取的冬小麦识别结果分类精度均达到较高水平。其中冬小麦识别结果总量精度达到了99.99%,证明本研究所提阈值模型参数优化方法冬小麦提取分类结果总量控制效果良好;同时,与传统的阈值法、最大似然和支持向量机等分类方法相比,本研究所提阈值模型参数优化法区域冬小麦作物分类总体精度和Kappa系数分别都有所提高,其中,总体精度分别提高4.55%、2.43%和0.15%,Kappa系数分别提高0.12、0.06和0.01,这体现出SCE-UA全局优化算法对提高阈值模型冬小麦空间分布识别精度具有一定优势。以上研究结果证明了利用本研究所提基于作物面积统计数据总量控制以及SCE-UA全局优化算法支持下阈值模型参数优化作物分布制图方法的有效性和可行性,可获得高精度冬小麦作物空间分布制图结果,这对提高中国冬小麦空间分布制图精度和自动化水平具有一定意义,也可为农作物面积农业统计数据降尺度恢复重建和大范围区域作物空间分布制图研究提供一定技术参考。