共查询到17条相似文献，搜索用时 171 毫秒
1.
为及时、准确地进行玉米产量预报,为吉林省玉米产量预报业务提供参考依据,为政府调控提供科技支撑,利用吉林省19802016年春玉米产量和50个气象站逐日气温、降水量、日照时数等资料,基于相似距离和相关系数构建综合诊断指标筛选气温、降水量、日照时数等各类气象要素历史相似年,根据各类气象要素历史相似年与预报年的玉米产量丰歉气象影响指数之间的关系,建立吉林省春玉米产量动态预报模型。同时,对历史相似年的筛选方法进行改进,利用欧氏距离直接筛选综合气候历史相似年,根据气候历史相似年与预报年的玉米产量丰歉气象影响指数之间的关系,构建春玉米产量预报模型。对比改进前、后的产量预报模型的预报,结果表明:两种方法在吉林省玉米单产预报中,预报准确率均较高,普遍在85%以上。产量预报模型对20022013年的预报检验结果表明,改进方法后20022013年单产预报平均准确率提高了3.9个百分点,均方根误差降低了4个百分点,标准差降低了2。对20142016年的预报检验结果表明,改进方法的玉米产量预报结果优于传统方法的预报结果。改进方法比传统方法准确率更高,稳定性更强,应用价值更高。 相似文献
2.
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。 相似文献
3.
利用洛阳市1981—2014年夏玉米产量资料、生育期内的气象资料,结合夏玉米的生物学特性,分别构建夏玉米温度、光照、水分适宜度模型,利用夏玉米生长季内不同时段的气候适宜度指数与气象产量的相关关系,构建夏玉米产量预报模型,并分别利用1981—2010年、2011—2014年数据进行回代、预报检验。结果表明,气候适宜度与夏玉米气象产量存在显著的相关性,两者变化趋势一致。1981—2010年各时段预报模型的单产回代检验准确率在89.19%~91.42%之间,趋势回代检验准确率达89.66%~96.55%。2011—2014年预报检验,预报准确率最高为96.16%,最低为91.05%,趋势预报准确率最高为100%,最低为75%,预报准确率较高,建立的产量动态预报模型可以在业务上推广应用。 相似文献
4.
5.
根据1958—2015年我国北方地区8个主产省（市）小麦蚜虫分省发生面积和发生程度资料、1958—2015年601个气象站点相应逐日气象资料和农业气象站小麦发育期资料,采用相关分析、主成分分析和逐步回归等方法,并利用相关系数法进行因子普查,结合小麦蚜虫适宜生理气象指标和华北、黄淮小麦生育期规律,筛选影响小麦蚜虫年发生程度的关键气象因子,构建分区域的小麦蚜虫气象适宜度预报模型,并将气象适宜度指数划分为非常适宜、适宜、较适宜、不适宜4个等级,以反映气象条件对小麦蚜虫发生发展的适宜程度。结果表明:筛选出影响华北小麦蚜虫年发生程度的8个关键气象因子,影响黄淮小麦蚜虫年发生程度的6个关键气象因子。建立的华北、黄淮模型回代检验等级准确率分别为91.2%,93.1%,2016—2018年3年外推预报平均准确率均在75%以上;利用黄淮模型反演苏皖两省2016—2018年小麦蚜虫发生等级、异地检验3年预报效果均较理想。模型适用于从气象角度对华北、黄淮及江淮地区小麦蚜虫发生等级进行监测和预报。 相似文献
6.
作物系数是计算作物蒸散量的关键参数。利用2006—2008年和2011年辽宁锦州玉米农田生态系统的涡度相关、气象、作物发育期及叶面积指数观测数据,分析不受水分胁迫条件下玉米逐日作物系数特征及其与叶面积指数的关系。研究表明:作物系数与玉米农田实际蒸散均呈单峰型变化,约在7月末至8月初达到最大值 (玉米开花吐丝期)。在此基础上,建立了不受水分胁迫条件下玉米逐日作物系数与叶面积指数关系 (达到0.01显著性水平), 同时,采用积温表示的标准化生育期方法模拟相对叶面积指数,并建立了逐日作物系数与相对叶面积指数关系 (达到0.01显著性水平),解决了无叶面积观测地区玉米逐日实际蒸散量的计算。研究结果可为玉米农田用水管理以及灌溉措施的制定提供参考。 相似文献
7.
农业气象产量预报方法中权重系数的确定 总被引：2，自引：0，他引：2
《气象与环境学报》2016,(2)
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. 相似文献
8.
基于1981—2010年东北地区55个农业气象观测站发育期数据、16个气象站逐日气象资料,采用趋势变率、秩相关分析、主成分分析和结构方程模型等方法,分析了近30年东北春玉米关键发育期的变化特征,探讨了春玉米发育期对不同时间尺度气象因子的响应规律。结果表明:1981—2010年春玉米关键发育期 (播种期、抽雄期、成熟期) 均有延后趋势,大部分地区春玉米生长前期 (播种期—抽雄期) 日数减少,生长后期 (抽雄期—成熟期) 日数增加,全生育期日数增加。在绝大多数年份,春玉米播种期在温度适播期之后,成熟期在初霜日之前。近30年对东北春玉米生育期日数影响最大的气象要素为温度,主成分分析结果显示,年际尺度的升温、温度生长期的延长和作物生长期的高温对生育期日数影响显著;结构方程模型指出,作物生长期的最高温度和最低温度对生育期日数影响有间接效应,主导气象要素能够解释生育期日数变异的44%。全球变暖背景下,东北春玉米发育期变化是作物响应气候变化和农业生产适应气候变化的共同结果。 相似文献
9.
10.
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。 相似文献
11.
农业气象业务技术是开展农业气象服务的基础和前提,因此,农业气象业务技术的研发一直是国家级农业气象业务服务的核心工作。近年来,国家级农业气象业务技术已逐步迈向精细化、定量化,涵盖了农业气象监测评价、作物产量预报、农业气象灾害监测评估与影响预报、农用天气预报、农林病虫害发生发展气象等级预报等诸多领域。随着农业气象业务技术的发展,支撑农业气象服务的客观产品更加丰富和多样化,既有站点产品,又有格点产品,涵盖了日、周、月、季、年等不同时间尺度。以农业气象指标、数理统计模型、作物生长模拟、卫星遥感、地理信息系统、大数据等技术为核心的国家级农业气象业务平台（CAgMSS）已成为全国农业气象业务系统的重要品牌。面向现代农业发展对气象服务日益增长的需求,精细化、精准化的农业气象灾害监测与风险评估技术、作物长势评估与产量预报综合集成技术、农业应对气候变化技术以及农业气象大数据挖掘与人工智能技术将是未来国家级农业气象业务技术发展的重点。 相似文献
12.
为了提高产量趋势预报的准确性和定量预报的准确率,利用1962—2002年气象、早稻产量和田间观测资料,建立基于气候适宜度、关键气象因子、作物生长模型的湖南省早稻产量动态预报方法,进行回代检验;并利用2003—2012年资料进行预报检验。分析表明:3种方法的预报准确率比较接近,平均在93.8%以上;基于气候适宜度预报方法的趋势预报准确性最高,较基于关键气象因子的预报方法高4%~6%;基于作物生长模型预报方法的误差5%以内样本百分率最高,较基于气候适宜度的预报方法高2%~20%。研究结果为湖南省早稻产量动态预报筛选出了较优的方法,即产量趋势预报选用基于气候适宜度的方法,定量预报选用基于作物生长模型的方法,同时可供我国其他早稻区的产量动态预报方法研究借鉴。 相似文献
13.
安徽淮北平原冬小麦气候适宜度分析及作物年景评估 总被引：1，自引：0，他引：1
选取安徽省淮北平原37个气象站1960-2016年逐日气象资料,构建气温、降水、日照及气候适宜度模型,分析气候变暖背景下冬小麦气候适宜度时空演变特征,揭示冬小麦生育期气候风险,评判农业气候年景。结果表明：淮北平原冬小麦不同生育期对气候因子适宜程度不同,单要素各生育期适宜度均为灌浆-乳熟期较高,返青-拔节期较低,其中降水适宜度分蘖期最低;全生育期温度适宜度最高、日照适宜度次之、降水适宜度最低,水分是冬小麦生长的限制因子。气候综合适宜度灌浆-乳熟期最高,分蘖期降水适宜度最低,并且其序列变异系数大,常遭遇秋冬连旱,引起产量波动;全生育期气候适宜度呈东高西低分布,淮北中东部较高,而淮北西部及沿淮地区较低,冬小麦生产风险相对较高。1961-2016年全生育期温度适宜度线性增大趋势显著,降水适宜度线性趋势不明显,而日照适宜度呈显著的线性减小趋势;综合来看,全生育期气候适宜度无明显线性增减趋势,空间上淮北东部略有增大,而西部及沿淮地区略有减小,气候风险增加。淮北平原多数年份气候适宜度适中,适宜性偏差年发生概率高于偏好年。基于气候适宜度评判冬小麦气候年景等级,评估结果与实际产量增减情况基本相符,表明农业气候年景模型评估精度能满足业务服务需求,具有推广应用价值。 相似文献
14.
This paper examines the effects of climatic and non-climatic factors on the mean and variance of corn, soybean and winter wheat yield in southwestern Ontario, Canada over a period of 26 years. Average crop yields increase at a decreasing rate with the quantity of inputs used, and decrease with the area planted to the crop. Climate variables have a major impact on mean yield with the length of the growing season being the primary determinant across all three crops. Increases in the variability of temperature and precipitation decrease mean yield and increase its variance. Yield variance is poorly explained by both seasonal and monthly climate variable models. Projections of future climate change suggest that average crop yield will increase with warmer temperatures and a longer growing season which is only partially offset by forecast increases in the variability of temperature and rainfall. The projections would also depend on future technological developments, which have generated significant increases in yield over time despite changing annual weather conditions. 相似文献
15.
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。 相似文献
16.
17.
The effect of changes in daily and interannual climatic variability on CERES-Wheat: A sensitivity study 总被引：4，自引：1，他引：4
We investigate the effect of changes in daily and interannual variability of temperature and precipitation on yields simulated by the CERES-Wheat model at two locations in the central Great Plains. Changes in variability were effected by adjusting parameters of the Richardson daily weather generator. Two types of changes in precipitation were created: one with both intensity and frequency changed; and another with change only in persistence. In both types mean total monthly precipitation is held constant. Changes in daily (and interannual) variability of temperature result in substantial changes in the mean and variability of simulated wheat yields. With a doubling of temperature variability, large reductions in mean yield and increases in variability of yield result primarily from crop failures due to winter kill at both locations. Reduced temperature variability has little effect. Changes in daily precipitation variability also resulted in substantial changes in mean and variability of yield. Interesting interactions of the precipitation variability changes with the contrasting base climates are found at the two locations. At one site where soil moisture is not limiting, mean yield decreased and variability of yield increased with increasing precipitation variability, whereas mean yields increased at the other location, where soil moisture is limiting. Yield changes were similar for the two different types of precipitation variability change investigated. Compared to an earlier study for the same locations wherein variability changes were effected by altering observed time series, and the focus was on interannual variability, the present results for yield changes are much more substantial. This study demonstrates the importance of taking into account change in daily (and interannual) variability of climate when analyzing the effect of climate change on crop yields.The National Center for Atmospheric Research is sponsored by the National Science Foundation. 相似文献