在多類冬小麥單產(chǎn)統(tǒng)計預(yù)報模型中篩選出預(yù)報能力強(qiáng)的模型,并對優(yōu)選出的模型進(jìn)行加權(quán)集成,以此提高產(chǎn)量預(yù)報準(zhǔn)確率,對保障糧食安全具有重要意義。利用1993—2018年江蘇省69個基本氣象觀測站逐日氣象資料和冬小麥產(chǎn)量數(shù)據(jù)及生育期資料,在5種氣象產(chǎn)量分離方法（線性分離、差值百分率、5年滑動平均、3年滑動平均、二次曲線）的基礎(chǔ)上,采用準(zhǔn)確率、標(biāo)準(zhǔn)差、相關(guān)系數(shù)、泰勒圖等檢驗法,評估分析了豐歉相似年法、關(guān)鍵氣象因子法、氣候適宜度法與集成預(yù)報法在江蘇省冬小麥單產(chǎn)預(yù)報中的模擬效果。結(jié)果表明:1)對于同一種預(yù)報方法,不同的產(chǎn)量分離法對預(yù)報精度影響較大,二次曲線分離法要好于其他4種方法;豐歉相似年預(yù)報方法中加權(quán)法的預(yù)報精度高于大概率法。1993—2013年豐歉相似年法、關(guān)鍵氣象因子法、氣候適宜度法平均準(zhǔn)確率分別為89.67%、94.86%和94.96%。2)集成預(yù)報法近5年預(yù)報準(zhǔn)確率在96.33%以上,高于豐歉加權(quán)模型、關(guān)鍵氣象因子二次曲線分離模型、氣候適宜度二次曲線分離模型等單個最優(yōu)模型,在一定程度上可以彌補(bǔ)單一預(yù)報方法預(yù)報結(jié)果穩(wěn)定性差的不足。3)起報時間越接近成熟期,預(yù)報因子信息越全面,則預(yù)報模型準(zhǔn)確率... 

【文章來源】：中國生態(tài)農(nóng)業(yè)學(xué)報(中英文). 2020,28(03)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

1993—2013年江蘇省12種冬小麥單產(chǎn)預(yù)報模型歷史模擬值與實際值(a:起報時間4月10日;b:起報時間5月10日)

泰勒圖能夠?qū)嶋H值和模擬值的相關(guān)系數(shù)、標(biāo)準(zhǔn)差放在一張極坐標(biāo)中,可直觀且較全面地評估多個模型的模擬能力和差異[21],當(dāng)模擬值與實際值之間的距離越近時,代表該模型的模擬能力越強(qiáng)。圖3給出了江蘇省冬小麥單產(chǎn)的泰勒圖,圖中黑色五角星為實際單產(chǎn),12種不同顏色的圓點為12種預(yù)報模型。1993—2013年4月10日和5月10日兩種起報時間下,除了豐歉相似年加權(quán)模型和大概率模型離實際值較遠(yuǎn)外,其余10個預(yù)報模型相對比較集中,與觀測值的標(biāo)準(zhǔn)差為0.5～0.9,其中氣候適宜度和關(guān)鍵氣象因子的二次曲線分離、線性分離法離實際值的距離最近,與觀測值的標(biāo)準(zhǔn)差在0.5左右,說明這4種模型的模擬能力較強(qiáng)。從模擬值與觀測值的相關(guān)系數(shù)來看,豐歉相似年法預(yù)報模型的相關(guān)系數(shù)范圍是0.263～0.348(平均0.322),關(guān)鍵氣象因子法5種預(yù)報模型的相關(guān)系數(shù)范圍是0.778～0.887(平均0.828),氣候適宜度法5種預(yù)報模型的相關(guān)系數(shù)范圍是0.666～0.901(平均0.807),關(guān)鍵氣象因子法和氣候適宜度法的5種預(yù)報模型模擬值與實際值的相關(guān)系數(shù)均通過了P<0.001的顯著性檢驗,明顯高于豐歉相似年法2種預(yù)報模型的相關(guān)系數(shù)。關(guān)鍵氣象因子法和氣候適宜度法中均是二次曲線分離模型相關(guān)系數(shù)最高、線性分離模型位列第二;12種模型正確率全部進(jìn)行比較,則是氣候適宜度法中二次曲線分離模型的相關(guān)系數(shù)最高,豐歉相似年法大概率模型的相關(guān)系數(shù)最低。比較4月10日和5月10日兩種起報時間下的12種預(yù)報模型與實際值的距離總體相當(dāng),平均相關(guān)系數(shù)分別是0.732、0.737,5月10起報的模擬效果略好于4月10日起報的。圖3 1993—2013年江蘇省冬小麥12種單產(chǎn)預(yù)報模型歷史模擬值與實際值的泰勒圖

圖2 1993—2013年江蘇省冬小麥12種單產(chǎn)預(yù)報模型的歷史擬合平均準(zhǔn)確率(a)和單產(chǎn)增減正確率(b)由此可見,經(jīng)過21年的歷史擬合檢驗,綜合考慮準(zhǔn)確率、正確率的排序與泰勒圖,得到3類方法中最優(yōu)預(yù)報模型分別是:豐歉加權(quán)模型、關(guān)鍵氣象因子二次曲線分離模型和氣候適宜度二次曲線分離模型。

【參考文獻(xiàn)】：
期刊論文
[1]主要作物產(chǎn)量分離方法比較[J]. 李心怡,張祎,趙艷霞,杜子璇,楊沈斌.  應(yīng)用氣象學(xué)報. 2020(01)
[2]作物生長模型的應(yīng)用研究進(jìn)展[J]. 孫揚(yáng)越,申雙和.  中國農(nóng)業(yè)氣象. 2019(07)
[3]氣候適宜度國內(nèi)外研究進(jìn)展及展望[J]. 魏瑞江,王鑫.  地球科學(xué)進(jìn)展. 2019(06)
[4]兩種不同產(chǎn)量歷史豐歉氣象影響指數(shù)確定方法在農(nóng)業(yè)氣象產(chǎn)量預(yù)報中的對比研究[J]. 邱美娟,劉布春,劉園,張玥瀅,吳昕悅,肖楠舒,龐靜漪.  氣象與環(huán)境科學(xué). 2019(01)
[5]基于兩種方法建立遼寧大豆產(chǎn)量豐歉預(yù)報模型對比[J]. 王賀然,張慧,王瑩,李晶,米娜,王若男,李琳琳,董巍,張琪,蘇航.  中國農(nóng)業(yè)氣象. 2018(11)
[6]基于遙感信息和WOFOST模型參數(shù)同化的冬小麥單產(chǎn)估算方法研究[J]. 陳艷玲,顧曉鶴,宮阿都,胡圣武.  麥類作物學(xué)報. 2018(09)
[7]基于氣候適宜度的江蘇水稻氣候年景預(yù)測方法[J]. 徐敏,吳洪顏,張佩,高蘋,徐經(jīng)緯.  氣象. 2018(09)
[8]基于氣候適宜度指數(shù)的吉林省大豆單產(chǎn)動態(tài)預(yù)報研究[J]. 邱美娟,郭春明,王冬妮,慕臣英,穆佳,曲思邈,袁福香,王琪.  大豆科學(xué). 2018(03)
[9]農(nóng)學(xué)模式在冬小麥產(chǎn)量動態(tài)預(yù)報中的應(yīng)用[J]. 成林,劉榮花.  氣象與環(huán)境科學(xué). 2017(02)
[10]3種水稻趨勢產(chǎn)量擬合方法的比較分析[J]. 趙東妮,王艷華,任傳友,馬熙達(dá),徐一丹,陳偉.  中國生態(tài)農(nóng)業(yè)學(xué)報. 2017(03)

碩士論文
[1]基于動力與統(tǒng)計相結(jié)合的精細(xì)化冬小麥產(chǎn)量動態(tài)預(yù)報集成技術(shù)研究[D]. 邱美娟.中國氣象科學(xué)研究院 2014



本文編號：3505304