贵州威宁春种马铃薯高产优质的气候资源优势分析

为了获得贵州马铃薯种植生产的最佳气候指标,做好马铃薯产业的气象服务,达到降低不利气候条件对马铃薯生产造成影响的目的,本文选取了1986～2009年威宁春种秋收马铃薯鲜薯产量资料,以及威宁气象站的降水量、日照时数、平均气温等气象资料用于分析。采用积分回归分析、相关分析、一元非线性回归分析等统计分析方法,研究了"中国南方马铃薯之乡"贵州威宁春种马铃薯生育期内的光、温、水等气象对当地马铃薯产量形成的动态影响,得出了以下结论:气温对马铃薯产量的影响以负效应为主,贵州威宁马铃薯生长的热量资源十分充足,且威宁的高温日数少;马铃薯生长的光资源好,日照时数的变化趋势与马铃薯生长对光照的需求非常一致;马铃薯生长的大部分时段降水丰富有利于产量的增加。

贵州省极端气温重现期研究

根据省内24个代表站1961～1990年极端气温资料，用周期图分析法和耿贝尔极值法对我省极端气温进行长期预测、结果表明，用周期图分析法对我省极端气温进行预测不可取，而用耿贝尔极值法进行重现期的预测则效果较好，有一定的推广价值。

贵州省冬季凝冻的变化规律及趋势预测

采用贵州省46个长记录站1951—1994年凝冻资料对全省凝冻情况进行分析，并通过基于均生函数的逐步回归分析建立多步预测模型，对1997～1999年冬季凝冻强度指数进行预测。

贵州山区红心猕猴桃种植气候区划

基于贵州西部红心猕猴桃种植区2005-2014年逐日气温、降水资料,依据贵州85个气象观测站1981-2010年逐旬、逐月、逐年平均气温、降水量、日照时数和极端最高、最低气温以及观测站和1462个乡镇的地理信息数据,应用经验正交函数分解法和模糊聚类法,通过分析贵州省西部红心猕猴桃各生育期的气候条件,得到红心猕猴桃种植的气候适宜性区划指标,采用GIS技术对红心猕猴桃种植进行气候适宜性区划。结果表明:年平均气温、历年极端最低气温(80%保证率)、1月平均气温、3月平均气温、7月平均气温、8月昼夜温差、年降水量、年日照时数可作为红心猕猴桃种植的气候适宜性区划指标,每个指标分4级,对应最适宜、适宜、次适宜和不适宜,红心猕猴桃种植最适宜区在贵州西部地区,适宜种植区在贵州中部偏西地区,次适宜种植区在贵州中部,不适宜种植区主要分布在遵义市、铜仁市、东南部局部和西部边缘。调查表明,贵州山区红心猕猴桃实际种植情况与气候适宜性区划结果基本吻合。

贵州西部气象因子对马铃薯晚疫病发生流行的影响研究及对策

为抗马铃薯晚疫病品种的选育、生产布局以及选择防治的最佳时机提供参考，根据2007和2008年在贵州西部地区水城的玉舍（海拔1950m）、盘县的四格（海拔2250m）和六枝的堕却（海拔1610m）各3期的马铃薯晚疫病发生程度的地理分期播种试验资料，对贵州西部地区马铃薯晚疫病发生、流行的气象因子和动态特征进行了研究，结果表明：马铃薯晚疫病发生、流行的主要时期在5月下旬至7月上旬；5月上甸至中旬，若日平均温度低于20℃，且连续3d相对湿度超过75％，同时连续降雨B超过5d的情况下，一般在15～20d后有晚疫病发生、流行。因此，建议以此作为马铃薯晚疫病防治的预警指标，以便在预警指标出现后的3d内积极组织防治，以提高防治效果。

影响贵州西部马铃薯产量的主要气候因子分析

以贵州西部1978～2008年马铃薯平均产量作参考数列,以马铃薯生长期(3～8月)≥5℃积温、平均温度、降水量、日照时数、日平均最高温度和日平均最低温度等气候因子做比较数列,用灰色关联度分析法和主成分分析法对影响贵州西部马铃薯产量的气候因子进行分析。结果表明,温度、水分、光照3个综合因素对马铃薯生产具有协同作用,在水分、光照充足的条件下,热量因子对马铃薯产量起着主要作用。灰色关联度分析和主成分分析2种评价方法均可作为评价贵州西部马铃薯产量的影响因子,二者的评价结果基本一致。

影响贵州西部马铃薯产量的主要气候因子分析(英文)

为了解影响贵州西部马铃薯产量的主要气候因子,以贵州西部1978～2008年马铃薯平均产量的参考数列,以马铃薯生长期(3～8月)≥5℃积温、平均温度、降水量、日照时数、日平均最高温度和日平均最低温度等气候因子做比较数列,用灰色关联度分析法和主成分分析法对影响贵州西部马铃薯产量的气候因子进行分析。结果表明,温度、水分、光照3个综合因素对马铃薯生产具有协同作用,在水分、光照充足的条件下,热量因子对马铃薯产量起着主要作用。灰色关联度分析和主成分分析2种评价方法均可作为评价贵州西部马铃薯产量的影响因子,二者的评价结果基本一致。

用带周期分量的多元回归模型预测贵州气象灾害变化趋势

选择与贵州农业生产有重要影响的春旱、夏旱、倒春寒、秋风、秋绵雨、凝冻6种气象灾害作为研究对象，在分析研究了它们的时空分布特征和序列周期规律的基础上，用逐步回归筛选法，建立了以序列各种延拓周期分量为预报因子的多元回归预测模型。据此，对1998～2000年的6种气象灾害的变化趋势进行了预测。