| 冬小麦农田不同高度极端气温预测[ ] |
| |
| 引用本文： | 朱保美,李密,张继波,宰德炜.冬小麦农田不同高度极端气温预测[ ][J].新疆气象,2024,18(4):166-173. |
| |
| 作者姓名： | 朱保美 李密 张继波 宰德炜 |
| |
| 作者单位： | 山东省气象防灾减灾重点实验室,山东省气象防灾减灾重点实验室,山东省气象防灾减灾重点实验室,山东省气象防灾减灾重点实验室 |
| |
| 基金项目： | 山东省气象局气象科研引导类项目(2021SDYD25)、山东省气象局气象科研面上项目(2020sdqxm03)共同资助。 |
| |
| 摘 要： | 利用2019年1月—2022年6月冬小麦农田小气候自动观测站观测的数据和齐河县国家基本气象观测站同期观测资料,采用多元线性回归和BP神经网络方法,建立冬小麦农田30 cm、60 cm、150 cm日最高和日最低气温预测模型。结果表明:两种模型对农田气温的预测效果均较好,阴天条件下150 cm最高气温预测效果最好；晴天条件下30 cm最高气温预测效果最差。两模型模拟结果分层次看,农田气温的模拟精度150 cm>60 cm>30 cm；分天气类型看,多元回归模型农田各层气温的模拟精度阴天>多云>晴天,BP神经网络模型农田30 cm、60 cm最高气温的模拟精度多云>阴天>晴天,农田30 cm最低气温的模拟精度多云与阴天相同,均大于晴天,农田60 cm最低气温的模拟精度晴天>多云>阴天,农田150 cm最高及最低气温的模拟精度晴天与多云相同,均大于阴天；分要素看,30 cm最低气温的模拟精度高于最高气温、60 cm和150 cm最高气温的模拟精度高于最低气温。通过比较,BP神经网络模型的预测精度比多元线性回归模型的预测精度高。两种模型均能满足冬小麦农田气温的预测需求。
|
| 关 键 词： | 冬小麦农田 BP神经网络 多元线性回归 气温预测 |
| 收稿时间： | 2023/5/29 0:00:00 |
| 修稿时间： | 2023/11/21 0:00:00 |
Forecast of Extreme Temperature at Different Heights in Farmland Winter Wheat |
| |
| zhubaomei,and.Forecast of Extreme Temperature at Different Heights in Farmland Winter Wheat[J].Bimonthly of Xinjiang Meteorology,2024,18(4):166-173. |
| |
| Authors: | zhubaomei and |
| |
| Abstract: | |
| |
| Keywords: | winter wheat farmland BP neural network multiple linear regression forecast of temperature |
|
| 点击此处可从《新疆气象》浏览原始摘要信息 |
| 点击此处可从《新疆气象》下载免费的PDF全文 |
|
