四川省是全國的油菜（Brassica napus L.）種植大省,及時、準確地進行產(chǎn)量預報對保障國家糧油安全具有重要意義。利用1983—2012年四川盆區(qū)30個站點的油菜產(chǎn)量資料和逐日氣象資料以及13個農(nóng)業(yè)氣象觀測站的生育期資料,基于相關(guān)系數(shù)和歐氏距離建立綜合診斷指標,判定歷史相似年型,最終通過研究分析預報年與歷史相似年油菜產(chǎn)量氣象影響指數(shù)間的關(guān)系,確定四川盆區(qū)油菜產(chǎn)量動態(tài)預報方法�；卮鷻z驗結(jié)果表明,盆區(qū)各產(chǎn)區(qū)的動態(tài)趨勢預報平均正確率在80%及以上,盆區(qū)集成的平均正確率在70%及以上;盆區(qū)各產(chǎn)區(qū)的動態(tài)定量預報平均準確率在89.37%及以上,盆區(qū)集成的平均準確率在96.16%及以上。預報檢驗結(jié)果表明,盆區(qū)各產(chǎn)區(qū)的動態(tài)定量預報準確率在89.11%及以上,盆區(qū)集成的準確率在95.84%及以上。預報結(jié)果的準確率較高,可以應(yīng)用于實際業(yè)務(wù)服務(wù)。 

【文章來源】：湖北農(nóng)業(yè)科學. 2020,59(23)

【文章頁數(shù)】：5 頁

【文章目錄】：
1 材料與方法
    1.1 資料來源
    1.2 代表站點選取
    1.3 資料處理
        1.3.1 產(chǎn)量資料處理
        1.3.2 生育期資料處理
        1.3.3 氣象資料處理
    1.4 模型構(gòu)建的基本原理及預報方法
        1.4.1 基本原理
        1.4.2 預報方法
2 結(jié)果與分析
    2.1 四川盆區(qū)油菜產(chǎn)量動態(tài)預報模型建立
    2.2 動態(tài)預報模型回代檢驗
    2.3 動態(tài)預報模型預報檢驗
3 小結(jié)與討論


【參考文獻】：
期刊論文
[1]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. 2019(01)
[2]基于積分回歸法黑龍江省作物產(chǎn)量動態(tài)預報研究[J]. 朱海霞,李東明,王銘,王萍,閆平,李秀芬.  氣象與環(huán)境學報. 2018(03)
[3]基于氣候適宜指數(shù)的江西晚稻產(chǎn)量動態(tài)預報模型構(gòu)建及應(yīng)用[J]. 易靈偉,楊愛萍,余焰文,蔡哲.  氣象. 2016(07)
[4]基于關(guān)鍵氣象因子的湘北早稻產(chǎn)量動態(tài)預報[J]. 李涵茂,帥細強,戴平,方麗,賀紅志.  湖南農(nóng)業(yè)科學. 2015(01)
[5]我國油料產(chǎn)業(yè)形勢分析與發(fā)展對策建議[J]. 王漢中,殷艷.  中國油料作物學報. 2014(03)
[6]基于遙感的國外作物長勢監(jiān)測與產(chǎn)量趨勢估計[J]. 錢永蘭,侯英雨,延昊,毛留喜,吳門新,何延波.  農(nóng)業(yè)工程學報. 2012(13)
[7]基于氣候適宜度指數(shù)的山東省冬小麥產(chǎn)量動態(tài)預報[J]. 李曼華,薛曉萍,李鴻怡.  中國農(nóng)學通報. 2012(12)
[8]基于關(guān)鍵氣象因子的中稻單產(chǎn)動態(tài)預報[J]. 唐余學,羅孳孳,范莉,陽園燕.  中國農(nóng)業(yè)氣象. 2011(S1)
[9]5-氨基乙酰丙酸對冬油菜（Brassica napus L.）冬前生長的影響（摘要）（英文）[J]. 張樹杰,李玲,李光明,張春雷.  Agricultural Science & Technology. 2011(03)
[10]氣候適宜指數(shù)在早稻產(chǎn)量動態(tài)預報上的應(yīng)用[J]. 易雪,王建林,宋迎波.  氣象. 2010(06)



本文編號：3435652