宁夏气象灾害变化及其对粮食产量的影响

利用宁夏23个站点1961-2004年的年降水量、冰雹发生次数和无霜期数据,1991-2006年宁夏水稻、小麦、玉米、马铃薯产量数据,粮食总产量和干旱、冰雹、冷冻害的受灾成灾面积数据,分析了宁夏干旱、冰雹和霜冻三种主要气象灾害的变化趋势及其对粮食生产的影响。结果表明:近年来,宁夏地区的旱灾指数在波动中增加,干旱发生的强度和频率有增加趋势,干旱的影响加重;冰雹的年均发生次数有明显减少趋势,但冰雹影响的程度和范围有所增大;无霜期天数增加,霜期缩短。干旱是影响宁夏主要粮食作物产量和粮食总产量的最主要的灾害;对于冷冻害和冰雹对粮食作物产量的影响,一方面与灾害的发生时间和发生区域有关,另一方面还与作物的主要生育期及作物种植的地理位置有关。

黑龙江省气候变化对粮食生产的影响

收集1986～2000年黑龙江省79个县市农业生产资料和30个气象台站逐日气温、降水资料，应用柯布-道格拉斯生产函数方法将粮食产量分解为气候产量和经济产量，然后用EOF方法分析了粮食产量、气候影响程度指数、≥10℃积温、生长季降水的时空变化特征及其关系。结果表明：15年问全省粮食产量稳步增加，气候变暖趋势明显但降水变化不显著，变暖对粮食生产有利，降水的变化未对粮食产量产生实质影响。15年间气候影响程度总体增大，但气候变化及其影响具有时空差异性：1986～1993年北部和西南部积温增加明显，粮食产量增加大于东北部和东南部；1993～2000年东北部和东南部积温增加明显，粮食产量增加超过北部和西南部。

中国气象科学研究院农业气象研究50年进展

该文在简要回顾20世纪我国农业气象学科发展历程基础上,重点阐述了50年来中国气象科学研究院在农业气象各主要研究领域,包括农业气候资源与区划、农业产量气象预测与卫星遥感估产、农业气象灾害、气候变化影响评估、作物生长模拟与模式以及农业气象情报信息服务等所取得的若干重大进展,并从当前面临的挑战与机遇出发,探讨了中国气象科学研究院未来发展中在农业气象研究领域的可能热点趋势。

基于历史丰歉气象影响指数的湖南油菜产量动态预报

利用湖南油菜播种后历史年(1994—2009年)与预报年(2009—2019年)逐日最高温度、最低温度、降雨量和日照时数及生育期等数据,计算油菜播种后的积温、标准化降雨量、累积日照时数等要素,采用欧式距离和相关系数法计算预报年气象要素与历史上任意一年同一时段同类气象要素的差异,得到综合诊断指数;根据气温、降水、日照时数等要素的综合诊断指数确定历史类似年型,采用平均、大概率等方法分析类似年型油菜产量丰歉气象影响指数,筛选确定准确率高的方法进行油菜产量动态预报。2010—2019年预报检验结果表明,建立的湖南油菜产量动态预报方法的平均预报准确率在95.7%以上,其中11月30日和12月31日的预报准确率最高,为98.1%。该研究建立的湖南油菜产量动态预报方法准确率较高,能够满足湖南油菜产量预报服务的需要。

基于气候适宜度指数预报玉米产量时旬权重系数的确定方法

利用吉林省1980-2016年春玉米作物资料、50个气象站的逐日气象资料,构建春玉米生长季各旬的气候适宜度模型。分别采用绝对值法、归一化法和相关系数法确定各旬气候适宜度权重系数,进而计算4月上旬-预报日前一旬的气候适宜度指数,分析不同方法得到的气候适宜度指数与春玉米产量气象影响指数的相关性,并进行回归分析,建立产量动态预报模型,对吉林省春玉米单产进行预报。结果表明:三种方法研究的权重系数之间存在一定差异,但总体上随生育期的变化趋势基本一致。利用1981-2012年资料回归分析建立的产量丰歉预报模型多数通过0.05水平的有效性检验,各预报模型历史拟合平均准确率均在85.0%以上,归一化均方根误差NRMSE均小于17.0%,丰歉趋势预报准确率普遍在60.0%~80.0%,三种方法差异不明显。利用模型对2013-2016年春玉米单产进行外推预报,各预报时间准确率存在波动,但绝对值法、归一化法和相关系数法所有预报时间的平均准确率分别为93.5%、90.8%、87.2%,预报结果准确率的标准差分别为32.6、69.4、116.1。且绝对值法各预报时间平均准确率均在85.0%以上。可见绝对值法预报结果的准确率和稳定性均较高,可以满足业务服务需要。

基于历史丰歉气象影响指数的四川盆区油菜产量动态预报

四川省是全国的油菜(Brassica napus L.)种植大省,及时、准确地进行产量预报对保障国家粮油安全具有重要意义。利用1983—2012年四川盆区30个站点的油菜产量资料和逐日气象资料以及13个农业气象观测站的生育期资料,基于相关系数和欧氏距离建立综合诊断指标,判定历史相似年型,最终通过研究分析预报年与历史相似年油菜产量气象影响指数间的关系,确定四川盆区油菜产量动态预报方法。回代检验结果表明,盆区各产区的动态趋势预报平均正确率在80%及以上,盆区集成的平均正确率在70%及以上;盆区各产区的动态定量预报平均准确率在89.37%及以上,盆区集成的平均准确率在96.16%及以上。预报检验结果表明,盆区各产区的动态定量预报准确率在89.11%及以上,盆区集成的准确率在95.84%及以上。预报结果的准确率较高,可以应用于实际业务服务。

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。

农业气象灾害对农作物产量的影响

在农作物种植过程中,气象灾害是影响作物产量最为重要的因素,而且由于气象灾害的特殊性,导致很多灾害是属于不可抗力因素,因此要想保证农作物的产量,就必须仔细的了解各类气象灾害对于农作物的影响,并采取有针对性的措施,不断提高人们的防范意识以及环保意识,并积极建设一些基础的防御设施,从而最大化的降低气象灾害对于农作物的影响,提高农业生产水平,保证农业产业的可持续发展。

基于多源数据和LSTM模型的县域冬小麦估产

及时准确地估计区域冬小麦产量对维护国家粮食安全和农业可持续发展具有重要意义。本研究利用中国冬小麦主产区2001—2018年的遥感数据、气象数据和县域产量,构建基于长短期记忆(Long Short-term memory,LSTM)估产模型,并与传统随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)和决策树(Decision Tree,DT)模型对比,研究不同模型的估产性能,分析不同特征对模型精度的影响,评估模型的提前预测能力。研究结果表明:1)基于全部数据的LSTM模型精度最高,平均R2为0.853,平均NRMSE为7.22%。与DT、RF和SVR模型相比,LSTM模型将R2提高了0.324、0.088和0.028;2)光合作用相关的地面下行长波辐射(R20.737)、近地面气温(R20.747)、地面下行短波辐射(R20.735)和降水率(R20.681)超过了其他单一特征的估产能力,在单一特征的基础上增加特征的数量将进一步提高估产的准确性。气象数据、波段反射率和植被指数对估产的贡献依次降低,当同时使用这三种数据时估产准确性最高(R20.866、NRMSE7.00%)。3)小麦生长周期从10月8日至次年6月10日,8 d一个时相,合计32个时相数据,基于三种数据源的LSTM模型预测产量的能力在1~6时相增加,在7~19时相趋于平稳,在20~29时相再次上升,30~32时相基本保持稳定不再增加。当使用前29个时相的数据时,LSTM模型可以提前24 d获得最大的产量预测精度(R20.873、NRMSE 6.90%)。本研究提出的方法不仅估产精度较高,而且能够实现提前预测产量,可为农业管理和农业经济活动提供高效可靠的大面积冬小麦估产途径。