• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      浙江水蜜桃成熟期集合預(yù)報模型*

      2018-06-19 03:53:28丁燁毅金志鳳黃鶴樓李清斌
      中國農(nóng)業(yè)氣象 2018年6期
      關(guān)鍵詞:水蜜桃物候成熟期

      楊 棟,丁燁毅,金志鳳,黃鶴樓,鄭 健,李清斌

      (1. 寧波市氣象局,寧波 315012;2. 浙江省氣候中心,杭州 310017;3. 奉化區(qū)氣象局,寧波 315500;4. 慈溪市氣象局,寧波 315300)

      作物物候期不但是農(nóng)業(yè)生產(chǎn)、管理和決策的重要依據(jù)[1],而且因其對氣候變化的快速響應(yīng)特性被選作氣候變化的“診斷指紋”[2-3]。目前對物候期的觀測和模擬主要集中于大宗作物和常見喬灌木[4-5],特色經(jīng)濟(jì)作物的物候期研究報道仍較少,僅針對少數(shù)賞花作物花期[6-7]和茶葉開采期[8]等開展了預(yù)報服務(wù)。水蜜桃是浙江名優(yōu)農(nóng)產(chǎn)品,開展成熟期預(yù)報對生產(chǎn)、采購、旅游及市場真?zhèn)伪鎰e意義重大。

      物候期預(yù)報模型主要可分為生理模型和統(tǒng)計模型。生理模型主要基于作物器官形態(tài)和內(nèi)源激素等因子[9-10],觀測復(fù)雜,業(yè)務(wù)應(yīng)用難度大;統(tǒng)計模型相對簡便易行,被廣泛應(yīng)用。目前統(tǒng)計模型構(gòu)建主要依據(jù)不同物候期之間內(nèi)在關(guān)系[11-12]或氣象因子對物候期影響[13-14],前者一定程度考慮了作物的生長特性,但特色作物的物候期觀測少且人為誤差較大;氣象部門高精度的自動化氣象觀測網(wǎng),為基于氣象要素的物候期模型構(gòu)建和應(yīng)用奠定了基礎(chǔ)。

      作物生長發(fā)育是光溫水等因子共同作用的結(jié)果,目前基于氣象因子的物候期模型較單一,多以積溫為輸入因子[6,13-14],且人為設(shè)定積溫時段,下限溫度固定[15]。不同時間尺度資料能反映不同的背景影響信號[16-17],而目前物候期模型構(gòu)建所用的氣象資料時間尺度也較單一。單一的資料和模型均會影響預(yù)報結(jié)果的精度和穩(wěn)定性,阻礙業(yè)務(wù)推廣應(yīng)用[18]。

      集合模型可將不同資料、不同模型有效融合,實現(xiàn)優(yōu)勢互補(bǔ),提高預(yù)報精度和穩(wěn)定度[18]。目前集合模型在天氣和氣候預(yù)報中得到廣泛應(yīng)用,但在農(nóng)業(yè)氣象服務(wù)中的應(yīng)用仍較少,僅少數(shù)學(xué)者針對大宗作物產(chǎn)量集合預(yù)報進(jìn)行了初步探究。宋迎波等[19-20]構(gòu)建美國玉米和小麥產(chǎn)量的地面模型、海溫模型和環(huán)流模型,并基于各模型的預(yù)報穩(wěn)定性,利用加權(quán)求和法構(gòu)建產(chǎn)量預(yù)報的集合模型,預(yù)報穩(wěn)定性明顯提升;邱美娟等[18,21]基于氣象指數(shù)模型和作物生長模型對冬小麥和早稻的預(yù)報準(zhǔn)確率,采用加權(quán)法構(gòu)建動態(tài)集成預(yù)報模型,預(yù)報準(zhǔn)確率和穩(wěn)定性均有所提高。集合模型中權(quán)重系數(shù)確定對預(yù)報準(zhǔn)確性至關(guān)重要,邱美娟等[22]對常見權(quán)重系數(shù)確定方法進(jìn)行比較,結(jié)果顯示利用相關(guān)系數(shù)法構(gòu)建的山東省小麥產(chǎn)量集合預(yù)報模型效果最佳。

      本研究擬利用寧波水蜜桃主產(chǎn)區(qū)近 13a物候期和氣象觀測資料,基于相關(guān)系數(shù)篩選多時間尺度、多統(tǒng)計時段、多氣象要素的成熟期預(yù)報因子,并利用逐步回歸法構(gòu)建篩選不同預(yù)報時效的集合成員,通過不同集合成員組合對比,構(gòu)建不同預(yù)報時效的成熟期最佳集合預(yù)報模型,以評估集合預(yù)報在浙江地區(qū)水蜜桃成熟期預(yù)報服務(wù)中的效果。

      1 資料與方法

      1.1 數(shù)據(jù)來源

      挑選寧波水蜜桃主要產(chǎn)區(qū)[23]作為研究區(qū)域,對主產(chǎn)區(qū)“湖景蜜露”水蜜桃成熟期及其它關(guān)鍵物候期進(jìn)行觀測。其中奉化水蜜桃研究所 2005?2017年對奉化地區(qū)水蜜桃多個關(guān)鍵物候期進(jìn)行了觀測,慈溪地區(qū)對 2015?2017年水蜜桃多個關(guān)鍵物候期進(jìn)行觀測,鄞州和寧海地區(qū)收集了1~2a成熟期觀測資料。選取資料較豐富的奉化水蜜桃研究所2006?2016年觀測數(shù)據(jù),結(jié)合研究時段內(nèi)相關(guān)氣象要素進(jìn)行成熟期模型構(gòu)建,奉化水蜜桃研究所2005年和2017年觀測資料及其它地區(qū)觀測資料用于模型預(yù)測結(jié)果檢驗。觀測站點信息、觀測因子、模型建立和檢驗時樣本分配等具體信息見表1。

      為確保氣象資料的準(zhǔn)確性和完整性,相關(guān)資料均來自對應(yīng)區(qū)縣的國家基本站,站點信息如下:奉化(站號 58565),121.43°E,29.68°N;慈溪(站號58467),121.27°E,30.20°N;鄞州(站號 58562),121.55°E,29.78°N;寧海(站號 58567),121.43°E,29.32°N。水蜜桃觀測站點與氣象站點海拔高度差異較小。氣象數(shù)據(jù)時間尺度包括小時、日、候、旬、月尺度;氣象要素包括熱量因子(平均氣溫、最高氣溫、最低氣溫、活動積溫)、水分因子(平均相對濕度、累積降水量)、光照因子(日照時數(shù))。此外還構(gòu)建了反映光照和熱量條件的綜合因子——日輻熱積指數(shù)(PTEP),計算方法為

      表1 實驗站點及樣本說明Table 1 Information about experiment sites and data samples

      式中,Qs為太陽輻射日總量(MJ·m?2·d?1),主要參考左大康法[24],具體參數(shù)選取及修訂參考相關(guān)文獻(xiàn)[25];T為日平均氣溫(℃)。

      1.2 集合預(yù)報模型

      1.2.1 預(yù)報因子篩選

      第一步,基于成熟歷期(各物候期起始時間?成熟期經(jīng)歷的日數(shù),即成熟期相對于起點日的日序)與各氣象要素之間的相關(guān)關(guān)系,選擇與成熟期相關(guān)系數(shù)(R)絕對值>0.7的因子作為成熟期預(yù)報的關(guān)鍵氣象因子。水蜜桃生育期氣象要素統(tǒng)計的時間尺度分別為小時、日、候、旬、月。起始時間按兩種方式分別統(tǒng)計:一類是基于試驗站統(tǒng)計的物候期,如落葉、葉芽萌動、始花、末花、硬核期;另一類是選擇與各物候期接近的固定日期,近13a(2005?2017年)研究區(qū)域水蜜桃關(guān)鍵物候期的平均日期分別為:落葉(11月10日)、葉芽萌動(3月15日)、始花(3月20日)、末花(3月30日)、硬核期(5月25日),為計算便捷,分別選取11月1日、3月1日、4月1日、6月1日對應(yīng)各物候期,此外還增加1月1日作為起始時期的固定日期。

      計算積溫時還需考慮最佳下限溫度和積溫時段,利用氣溫觀測資料(精度0.1℃),0.1℃為步幅,以上述起始時間為積溫起點,分別計算不同下限溫度的積溫,通過對某時段內(nèi)不同下限溫度的積溫與成熟歷期之間的相關(guān)性分析,篩選最佳積溫下限溫度和積溫時段,具體可參考相關(guān)文獻(xiàn)[6]。圖1為自落葉期算起不同時段(以日為步長)內(nèi)不同下限溫度(以 0.1℃為步長)下的小時積溫與成熟歷期的相關(guān)系數(shù)(R)分布,篩選正相關(guān)和負(fù)相關(guān)時相關(guān)系數(shù)絕對值最大值對應(yīng)的因子作為成熟期的預(yù)報因子。由圖可見,225d內(nèi)≥14.6℃小時活動積溫與成熟期之間相關(guān)系數(shù)達(dá)?0.81,64d內(nèi)≥8.4℃小時活動積溫與成熟期之間相關(guān)系數(shù)為0.83,絕對值均大于0.7,故將兩者篩選為成熟期的預(yù)報因子。

      圖1 自落葉期算起不同時段(以日為步長)內(nèi)不同下限溫度(以0.1℃為步長)下的小時積溫與成熟期日序(落葉期為1)的相關(guān)系數(shù)(R)分布Fig. 1 Distrbution of correlation coefficient (R) between the ordinaly day of maturity(defoliation is 1) and hourly accumulated temperature with different base temperature (in steps of 0.1℃ ) and time period (in daily steps) from the defoliation

      1.2.2 集合成員構(gòu)建及劃分

      第二步,利用關(guān)鍵氣象因子,構(gòu)建不同時間尺度和時間起點的預(yù)報模型,作為構(gòu)建集合預(yù)報模型的成員庫,并對各成員的預(yù)報時效進(jìn)行劃分。依據(jù)時間尺度和時間起點將篩選的成熟期關(guān)鍵氣象因子進(jìn)行分類,將相同時間尺度和時間起點下的氣象因子構(gòu)建一個成熟期逐步回歸模型,進(jìn)而構(gòu)建集合預(yù)報成員庫。

      模型預(yù)報效果評價主要依據(jù)成熟期預(yù)報值與觀測值的絕對誤差A(yù)E、均方根誤差RMSE和相關(guān)系數(shù)R,計算方法為

      式中,ys指模型模擬的成熟期,yo指成熟期的實際觀測值。

      初步挑選 AE和 RMSE<2d,R>0.7的模型,利用泰勒圖法[26]對所選模型優(yōu)劣進(jìn)行綜合評價,挑選優(yōu)秀的集合預(yù)報成員。按模型構(gòu)建的氣象因子距離成熟期的時間長短,將模型劃分為長期(預(yù)報提前量>15d)和中短期(預(yù)報提前量≤15d),劃分時遵循“木桶原則”,即模型預(yù)報時效由與成熟期相隔最近的預(yù)報因子決定。例如,模型Y由Xi和Xj兩個因子組成,其中因子Xi和Xj統(tǒng)計時段的結(jié)束日期距離成熟期的日數(shù)分別為di和dj,則以di和dj中較小的值作為模型的預(yù)報時效。

      1.2.3 集合預(yù)報模型的構(gòu)建和評價

      第三步,構(gòu)建集合預(yù)報模型,并評價和篩選不同預(yù)報時效下最佳集合預(yù)報模型。將同一預(yù)報時效的逐步回歸模型相互組合,構(gòu)建基于加權(quán)求和法的成熟期集合預(yù)報模型,各集合成員的權(quán)重系數(shù)主要依據(jù)算術(shù)平均法、回歸系數(shù)法、相關(guān)系數(shù)法和絕對誤差法確定[22],不同情況下的計算值分別為

      式中,λi為第i個集合成員的權(quán)重;n為集合成員數(shù)目;ai為第i個集合模型成員對成熟期的預(yù)報值與觀測值的線性回歸系數(shù);Ri為第i個集合模型成員對成熟期的預(yù)報值與觀測值的相關(guān)系數(shù);AEi為第 i個集合成員對成熟期預(yù)報的絕對誤差,1/AEi為預(yù)報準(zhǔn)確性參數(shù),其數(shù)值越大表明預(yù)報越準(zhǔn)確;Me為集合預(yù)報模型對水蜜桃成熟期的預(yù)報結(jié)果;Mi為第 i個集合成員對成熟期的預(yù)報結(jié)果。

      利用AE、RMSE和R對構(gòu)建的集合預(yù)報模型進(jìn)行評價和篩選,進(jìn)而篩選各預(yù)報時效下的最佳集合方案。預(yù)報精度評價因子AE和R權(quán)重分別設(shè)定為0.4和0.3;預(yù)報穩(wěn)定性評價因子RMSE權(quán)重為0.3。故綜合評價因子S的計算方法為

      式中,Sj為第j個初選集合模型的綜合評價值,其值越大表明第j個初選集合模型的效果越佳;指第j個集合模型預(yù)報的絕對誤差的倒數(shù),其值越小表征預(yù)報準(zhǔn)確性越高;為全部初步入選的集合模型的絕對誤差倒數(shù)的平均值;Rj和RMSEj分別為第j個集合模型的相關(guān)系數(shù)和均方根誤差;和為全部初步入選的集合模型的相關(guān)系數(shù)和均方根誤差的平均值。挑選不同預(yù)報時效下,綜合評價因子S最高的模型作為該預(yù)報時效下的最佳集合預(yù)報模型。

      2 結(jié)果與分析

      2.1 關(guān)鍵氣象因子庫的構(gòu)建

      利用奉化水蜜桃研究所 2006?2016年物候期和相應(yīng)氣象站點的觀測資料,構(gòu)建水蜜桃生育期氣象要素時間序列。分別按小時、日、候、旬、月 5種時間尺度,基于物候期(包括落葉、葉芽萌動、始花、末花、硬核期)和固定日期(包括11月1日、1月1日、4月1日、6月1日),統(tǒng)計從起始時間至某時(小時、日、候、旬、月)的氣溫日較差、輻熱積、降水量、相對濕度和積溫等,輸入MATLAB程序,計算所有氣象要素與成熟期的相關(guān)系數(shù),并篩選相關(guān)系數(shù)的絕對值>0.7的因子,形成建立成熟期預(yù)報模型的關(guān)鍵氣象因子庫,結(jié)果見表2。

      由表2可見,在小時尺度上,滿足條件的關(guān)鍵氣象因子共有7個,均為積溫因子,說明小時尺度熱量因子是決定成熟期的關(guān)鍵氣象因子。日尺度有12個關(guān)鍵氣象因子滿足條件,以熱量因子為主。小時和日尺度氣象因子中,休眠期積溫與成熟期呈正相關(guān),打破休眠后成熟期與積溫呈負(fù)相關(guān),主要由于水蜜桃打破休眠需要一定的需冷量積累,前期過多的熱量資源會推遲成熟期,而休眠期后熱量資源的積累有利于水蜜桃成熟[27]。在候尺度上有7個關(guān)鍵氣象因子滿足條件,光、溫、水因子共同影響水蜜桃成熟期。在旬尺度上有4個關(guān)鍵因子,主要為光、溫因子。月尺度因子較少,僅3月平均降水量滿足篩選條件??梢?,不同時間尺度氣象因子對成熟期的指示性存在一定差異,將不同時間尺度、不同氣象資料合理搭配可反應(yīng)不同的背景信號對成熟期的影響。

      表2 與成熟期相關(guān)顯著的氣象因子篩選結(jié)果Table 2 Selecting results of meteorological factors significantly correlated with maturation

      2.2 模型庫的構(gòu)建

      將表2中篩選的氣象因子按時間尺度和時間起點進(jìn)行分類,基于同一時間尺度相同時間起點的氣象因子,利用逐步回歸法構(gòu)建成熟期預(yù)報模型,初步挑選AE<2d,RMSE<2d,R>0.7的模型,構(gòu)建成熟期預(yù)報模型庫,并利用泰勒圖對所選預(yù)報模型優(yōu)劣進(jìn)行綜合評價。由圖2可見,日尺度模型整體效果最佳,共6個模型入選模型庫,其R值基本保持在0.8以上,其中3個模型R值大于0.85;AE平均值較模型庫成員平均值低0.1d,RMSE低0.05d。旬尺度模型精度相對偏差,除11月1日為起點的模型外,其余模型AE和RMSE較平均值偏高0.2~0.3d。小時和日尺度模型中以固定日期為起點的模型入選模型庫的數(shù)量為8個,而以物候期為起點的模型入選數(shù)量僅2個。以物候期為起點的模型精度整體低于以對應(yīng)固定日期為起點的模型精度,但以硬核期為起點的模型精度較對應(yīng)固定日期(6月1日)為起點的模型明顯偏高,以日尺度為例,其AE和RMSE值均縮小0.2d,R值提高約0.2。

      由于業(yè)務(wù)應(yīng)用中涉及服務(wù)時效性,按預(yù)報時效將所篩選的成熟期逐步回歸模型庫進(jìn)行分類,模型預(yù)報時效主要由模型的構(gòu)成因子中預(yù)報時效最短的因子決定。長期模型庫成員庫AE、RMSE和R平均值分別為1.1d、1.4d和0.82;中短期模型庫成員庫分別為1.3d、1.5d和0.84。模型構(gòu)成、精度及分類的具體信息見表3。

      圖2 水蜜桃成熟期預(yù)報模型精度評估的泰勒圖Fig. 2 Taylor diagram of the peach maturity forecasting models’ accuracy

      表3 水蜜桃成熟始期模型預(yù)報時效性分類Table 3 Classification of mature models based on period of validity

      2.3 集合模型的構(gòu)建與檢驗

      2.3.1 模型構(gòu)建

      將表3中同一預(yù)報時效下的模型相互組合,利用加權(quán)求和法構(gòu)建基于多模型預(yù)報結(jié)果的成熟期集合預(yù)報模型,權(quán)重系數(shù)確定主要基于模型預(yù)報值與觀測值的回歸系數(shù)、相關(guān)系數(shù)和絕對誤差,篩選最優(yōu)的集合模型方案如表4??紤]各地可獲取資料差異及預(yù)報精度需求,構(gòu)建含物候期觀測(成熟期除外)和不含物候期觀測的集合預(yù)報模型。

      由表4可見,長期和中短期集合預(yù)報模型的精度和穩(wěn)定度較單一的預(yù)報模型(表3)明顯提升,長期集合模型AE和RMSE的平均值較非集合模型分別縮小0.4d和0.47d,R值提高0.15;不含物候期的中短期集合預(yù)報模型AE和RMSE均縮小了0.44d,R值提高0.08,含物候期資料的集合預(yù)報模型AE和RMSE分別縮小0.68d和0.79d,R值提高0.12。中短期集合預(yù)報模型中,融合硬核期觀測資料能將模型AE縮小30%左右。

      基于不同權(quán)重系數(shù)分配方法構(gòu)建的加權(quán)集合模型對成熟期預(yù)報精度均有不同程度的提升,但不同集合方法在不同預(yù)報時效的集合模型構(gòu)建中的表現(xiàn)仍存在一定差異。不含物候期的長期模型中絕對誤差法構(gòu)建的集合模型精度最高,AE和RMSE較其它方法均最低,相關(guān)系數(shù)法和回歸系數(shù)法精度次之,算術(shù)平均法構(gòu)建的集合模型精度最低,其 AE和RMSE較絕對誤差法分別偏高了13%和7%;不含物候期的中短期模型,絕對誤差法和回歸系數(shù)法構(gòu)建的集合模型精度相當(dāng),相關(guān)系數(shù)法次之,算術(shù)平均法效果最差;四種方法構(gòu)建的含物候期觀測數(shù)據(jù)的中短期集合模型,整體差異較小。綜上可知,基于絕對誤差法分配的權(quán)重系數(shù)所構(gòu)建的加權(quán)集合模型整體效果最佳。

      2.3.2 模型檢驗

      利用絕對誤差法構(gòu)建的不同時效加權(quán)集合模型對寧波水蜜桃主產(chǎn)區(qū)的“湖景蜜露”成熟期進(jìn)行預(yù)報,其預(yù)報與觀測結(jié)果的比較見表5。由表可知,長期模型對寧海地區(qū)水蜜桃成熟期預(yù)報結(jié)果略偏早,其余地區(qū)略偏晚;中短期模型對慈溪地區(qū)預(yù)報結(jié)果略偏晚,其它地區(qū)偏早2~3d。長期和中短期預(yù)報模型對主產(chǎn)區(qū)水蜜桃成熟期均保持了較高的預(yù)報精度,預(yù)報誤差基本控制在1~2d??梢?,將長期和中短期集合模型相結(jié)合,能進(jìn)一步提高精度,整體誤差基本控制在2d以內(nèi)。

      表4 水蜜桃成熟期集合預(yù)報模型Table 4 Collection models of peach maturity forecasting

      表5 水蜜桃成熟期集合模型的預(yù)報誤差(d)Table 5 Prediction error of the collection models on peach maturity(d)

      3 結(jié)論與討論

      3.1 結(jié)論

      (1)基于不同時間尺度和起點模型構(gòu)建的加權(quán)集合模型,對水蜜桃成熟期預(yù)報的精度和穩(wěn)定度較單一模型均有不同程度的提升,回代檢驗絕對誤差平均僅0.69(0.56~0.87)d,均方根誤差平均為0.90(0.69~1.14)d,R 值平均達(dá) 0.95(0.92~0.98),滿足業(yè)務(wù)應(yīng)用需求。

      (2)加權(quán)模型構(gòu)建時,不同模型權(quán)重系數(shù)的 4種分配方法(算術(shù)平均法、回歸系數(shù)法、相關(guān)系數(shù)法、絕對誤差法)均取得較好效果,其中絕對誤差法構(gòu)建的加權(quán)集合模型最佳,回代檢驗的絕對誤差和均方根誤差平均值分別為0.66d和0.88d,對寧波水蜜桃主產(chǎn)區(qū)成熟期預(yù)報的絕對誤差≤2d。

      3.2 討論

      集合預(yù)報模型具有較高的精度和穩(wěn)定度,為作物物候期模擬提供了有效方法。本研究構(gòu)建了不同預(yù)報時效和不同融入信息的集合預(yù)報模型,滿足了不同服務(wù)時效和精度需求的業(yè)務(wù)開展。所構(gòu)建的集合預(yù)報模型通過了寧波不同主產(chǎn)區(qū)的驗證和修訂,保證了其普適性。

      依據(jù)生產(chǎn)服務(wù)的時效性需求,將集合模型初步分為長期和中短期,為水蜜桃生產(chǎn)、采購、旅游、市場真假鑒別等不同服務(wù)需求提供了選擇。中短期集合模型精度較長期集合預(yù)報模型并未顯示出明顯的優(yōu)勢,但對水蜜桃成熟期進(jìn)行中短期預(yù)報時,可將長期模型與中短期模型相集合,對寧波主產(chǎn)區(qū)水蜜桃成熟期的預(yù)報結(jié)果亦表明兩種預(yù)報時效的集合模型相結(jié)合能提高預(yù)報精度和穩(wěn)定度。綜上可見,隨著預(yù)報時效的縮短,集合模型能實現(xiàn)預(yù)報精度的提升。目前對水蜜桃物候期觀測較少,并且觀測的誤差仍較大,但在集合模型中適當(dāng)融合觀測難度及誤差相對較小、且受氣象要素影響較大的硬核期信息,能進(jìn)一步優(yōu)化集合模型,故針對高精度服務(wù)的需求,可適當(dāng)增加關(guān)鍵物候期的精細(xì)化觀測。此外,本研究提煉了大量不同預(yù)報時效的成熟期預(yù)報因子,為不同預(yù)報時效進(jìn)行進(jìn)一步細(xì)分及集合成員庫的豐富提供了保障。

      集合模型可為寧波水蜜桃主產(chǎn)區(qū)應(yīng)對氣候變化提供科學(xué)依據(jù)。受全球氣候變化影響,多種作物的物候期發(fā)生了顯著變化[1-3],而物候期變化與作物安全高效生產(chǎn)密切相關(guān)。利用集合模型對近 65a寧波“湖景蜜露”水蜜桃成熟期進(jìn)行模擬,結(jié)果顯示成熟期呈提早趨勢,進(jìn)入21世紀(jì)后,水蜜桃成熟期年際波動顯著增大,年際差異平均值約為21世紀(jì)前的2倍,這與氣象要素年際波動增大密切相關(guān)。受氣候變化影響,近年來寧波地區(qū)高溫干旱、極端低溫、連陰雨等極端氣象災(zāi)害頻發(fā),對水蜜桃產(chǎn)量、品質(zhì)和生產(chǎn)安全影響顯著[28-30]。成熟期波動增大,使種植戶對關(guān)鍵物候期的把握能力下降,調(diào)整種植管理制度的難度加大。

      受特色作物機(jī)理性模型偏少限制,本研究集合成員均為統(tǒng)計模型,機(jī)理性相對偏弱,并且對氣象之外的環(huán)境要素及人工管理等因素考慮較少。多種類型模型相互結(jié)合能有效融合不同信息,實現(xiàn)優(yōu)勢互補(bǔ)。邱美娟等[18,21]將氣象指數(shù)類模型與作物生長模型(WOFOST,ORYZA2000)相結(jié)合,構(gòu)建的冬小麥和水稻動態(tài)集合預(yù)報,能實現(xiàn)統(tǒng)計模型和機(jī)理性模型的優(yōu)勢互補(bǔ);遙感數(shù)據(jù)和作物模型集成在農(nóng)業(yè)領(lǐng)域也廣泛應(yīng)用[31]。未來可繼續(xù)開展多要素、多類型模型融合技術(shù)的研究。此外,對構(gòu)建的集合預(yù)報模型綜合評價篩選時,不同評價因子權(quán)重系數(shù)的分配仍存在一定的主觀性,實際應(yīng)用時可依據(jù)需求適當(dāng)調(diào)整。

      參考文獻(xiàn)References

      [1]肖國舉,張強(qiáng),王靜.全球氣候變化對農(nóng)業(yè)生態(tài)系統(tǒng)的影響研究進(jìn)展[J].應(yīng)用生態(tài)學(xué)報,2007,18(8):1877-1885.Xiao G J,Zhang Q,Wang J.Impact of global climate change on agroecosystem:a review[J].Chinese Journal of Applied Ecology,2007,18(8):1877-1885.(in Chinese)

      [2]Parmesan C.Influences of species,latitudes and methodologies on estimates of phenological response to global warming[J].Global Change Biology, 2007,13(9):1860-1872.

      [3]Root T,Price J,Hall K,et al.Fingerprints of global warming on wild animals and plants[J].Nature,2003,421:57-60.

      [4]張利華,孟錦,張永強(qiáng),等.徐州地區(qū)冬小麥成熟期預(yù)報[J]江蘇農(nóng)業(yè)科學(xué),2011,39(6):157-159.Zhang L H,Meng J,Zhang Y Q,et al.Prediction of winter wheat maturity in Xuzhou[J].Jiangsu Agricultural Sciences,2011,39(6):157-159.(in Chinese)

      [5]朱媛君,郝琦,清華,等.呼和浩特自然歷主要物候期和物候季節(jié)變化特征及歸因[J].中國農(nóng)業(yè)氣象,2017,38(1): 9-20.Zhu Y J,Hao Q,Qing H,et al.Changes of main phenophases of natural calendar and phenological seasons in Hohhot[J].Chinese Journal of Agrometeorology,2017,38(1):9-20.(in Chinese)

      [6]姚日升,涂小萍,丁燁毅,等.寧波桃樹花期預(yù)報方法[J].氣象科技,2014,42(1):180-186.Yao R S,Tu X P,Ding Y Y,et al.A method for forecasting peach flowering in Ningbo[J].Meteorological Science and Technology,2014,42(1):180-186.(in Chinese)

      [7]孔凡忠,劉繼敏,孔莉,等.菏澤牡丹初花期的中長期預(yù)報模型[J].中國農(nóng)業(yè)氣象,2011,32(1):115-121.Kong F Z,Liu J M,Kong L,et al.Mid and long term forecast model for early florescence of Heze peony[J].Chinese Journal of Agrometeorology,2011,32(1):115-121.(in Chinese)

      [8]姜燕敏,金志鳳,李松平,等.浙南春茶開采前后氣象條件分析及開采期預(yù)報[J].中國農(nóng)業(yè)氣象,2015,36(2):212-219.Jiang Y M,Jin Z F,Li S P,et al.Meteorological conditions analysis and prediction model establishment on springtea first plucking date in south Zhejiang[J].Chinese Journal of Agrometeorology,2015,36(2):212-219.(in Chinese)

      [9]張明慶,楊國棟,許曉波.樹木花期預(yù)報的花芽形態(tài)測量法研究:以大山櫻花期預(yù)報為例[J].植物生態(tài)學(xué)報,2005,29(4):610-614.Zhang M Q,Yang G D,Xu X B.The use of flower bud measurements for forecasting florescence in Prunus sargentii[J].Acta Phytoecologica Sinica,2005,29(4):610-614.(in Chinese)

      [10]柴振林,華錫奇,王琦.雷竹花期激素動態(tài)及其與開花相關(guān)性研究[J].浙江林業(yè)科技,2005,25(1):28-30.Chai Z L,Hua X Q,Wang Q.Study on relationship between dynamic hormones and flowering of Phyllostachys praecox cv.pervernalis[J].Jour. Of Zhejiang For. SCI. & TEXH,2005,25(1):28-30.(in Chinese)

      [11]孫凡雅,沈向,康鸞,等.觀賞海棠雜交后代萌芽期觀察及花期預(yù)測的灰色關(guān)聯(lián)度分析[J].植物資源與環(huán)境學(xué)報, 2008,17(4):51-54.Sun F Y,Shen X,Kang L,et al.Observation of sprouting stage and grey relational degree analysis on flowering stage forecast of hybrid progenies of crabapple(Malus spp)[J].Journal of Plant Resources Environment,2008,17(4):51-54.(in Chinese)

      [12]張明慶,蔡霞.北京地區(qū)春季主要園林樹木的花期預(yù)測研究[J].首都師范大學(xué)學(xué)報:自然科學(xué)版,2005,26(2):85-90.Zhang M Q,Cai X.Research on the forecast of the gardening plants bloomingin spring time in Beijing area[J].Journal of Capital Normal University(Natural Science Edition),2005,26(2):85-90.(in Chinese)

      [13]郁珍艷,高大偉,吳利紅,等.氣象條件對浙江省泡桐物候期的影響研究[J].氣象科學(xué),2014,34(6):666-671.Yu Z Y,Gao D W,Wu L H,et al.Influence of weather conditions on paulownia phenological period in Zhejiang province[J].Journal of the Meteorological Sciences,2014,34(6):666-671.(in Chinese)

      [14]張增信,王言鑫,楊艷蓉,等.南京地區(qū) 8種常見觀賞樹木花期可預(yù)報研究[J].生態(tài)科學(xué),2014,33(4):642-648.Zhang Z X,Wang Y X,Yang Y R,et al.Changes and prediction of florescence of ligneous plants in Nanjing[J].Ecological Science,2014,33(4):642-648.(in Chinese)

      [15]葉彩華,周孝煌,姜會飛,等.下限溫度對北京櫻花盛花始期模擬效果的影響[J].中國農(nóng)業(yè)氣象,2018,39(1):1-8.Ye C H,Zhou X H,Jiang H F,et al.Impacts of different base temperature on simulation effect of beginning flowering date of Prunus discoidea in Beijing[J].Chinese Journal of Agrometeorology,2018,39(1):1-8.(in Chinese)

      [16]張雪松,閆藝蘭,胡正華.不同時間尺度農(nóng)田蒸散影響因子的通徑分析[J].中國農(nóng)業(yè)氣象,2017,38(4):201-210.Zhang X S,Yan Y L,Hu Z H.Using path analysis to identify impacting factors of evapotranspiration at different time scales in farmland[J].Chinese Journal of Agrometeorology,2017,38(4):201-210.(in Chinese)

      [17]Wu W,Fan L,Li M F,et al.Sensitivity analysis of crop growth models to multi-temporal scale solar radiation[J].Transactions of the CSAE,2012,28(3):123-128.

      [18]邱美娟,宋迎波,王建林,等.山東省冬小麥產(chǎn)量動態(tài)集成預(yù)報方法[J].應(yīng)用氣象學(xué)報,2016,27(2):191-200.Qiu M J,Song Y B,Wang J L,et al.Integrated technology of yield dynamic prediction of winter wheat in Shandong province[J].Journal of Applied Meteorological Science,2016,27(2):191-200.(in Chinese)

      [19]宋迎波,楊霏云,鄭昌玲,等.美國玉米產(chǎn)量業(yè)務(wù)預(yù)報方法研究[J].中國農(nóng)業(yè)氣象,2008,29(4):446-449.Song Y B,Yang F Y,Zheng C L,et al.Research on operational forecast methods of corn yields in the United States of America(USA)[J].Chinese Journal of Agrometeorology,2008,29(4):446-449.(in Chinese)

      [20]宋迎波,王建林,鄭昌玲,等.美國小麥產(chǎn)量業(yè)務(wù)預(yù)報方法研究[J].氣象科技,2009,37(2):186-189.Song Y B,Wang J L,Zheng C L,et al.Research on operational forecast of wheat yields for America[J].Meteorological Science and Technology,2009,37(2):186-189.(in Chinese)

      [21]易雪,王建林,宋迎波,等.早稻產(chǎn)量動態(tài)繼承預(yù)報方法研究[J].中國水稻科學(xué),2011,25(3):307-313.Yi X,Wang J L,Song Y B,et al.Study on dynamic integrated prediction of early rice yield[J].Chin J Rice Sci,2011,25(3):307-313.(in Chinese)

      [22]邱美娟,宋迎波,王建林,等.農(nóng)業(yè)氣象產(chǎn)量預(yù)報方法中權(quán)重系數(shù)的確定[J].氣象與環(huán)境學(xué)報,2016,32(2):106-111.Qiu M J,Song Y B,Wang J L,et al.Determination of weight coefficient in agro-meteorological yield prediction[J].Journal of Meteorology and Environment,2016,32(2):106-111.(in Chinese)

      [23]朱麟,凌建剛,陳曙穎,等.“湖景蜜露”水蜜桃品質(zhì)分析方法的研究[J].包裝與食品機(jī)械,2015,33(6):1-5.Zhu L,Ling J G,Chen S Y,et al.Study on quality analysis methods of " Hujingmilu " peach[J].Packaging and Food Machinery, 2015, 33(6):1-5.(in Chinese)

      [24]左大康,王懿賢,陳建綏.中國地區(qū)太陽總輻射的空間分布特征[J].氣象學(xué)報,1963,33(1):78-95.Zuo D K,Wang Y X,Chen J S.Characteristics of distribution of total radiation in China[J].Acta Meteorologica Sinica,1963,33(1):78-95.(in Chinese)

      [25]金志鳳,楊棟,姚益平,等.浙江省茶葉氣候生產(chǎn)潛力評估[J].生態(tài)學(xué)雜志,2016,35(7):1791-1798.Jin Z F,Yang D,Yao Y P,et al.Assessment on climatic potential productivity of tea in Zhejiang Province[J].Chinese Journal of Ecology,2016,35(7):1791-1798.(in Chinese)

      [26]Taylor K E.Summarizing multiple aspects of model performance in a single diagram[J].Journal of Geophysical Research Atmospheres, 2001,106(D7):7183-7192.

      [27]王海波,劉鳳之,王寶亮,等.落葉果樹的需冷量和需熱量[J].中國果樹,2009,(2):50-53.Wang H B,Liu F Z,Wang B L,et al.Cold and heat requirement of deciduous fruit tree[J].China Fruits,2009,(2):50-53.(in Chinese)

      [28]許彥平,姚曉紅,劉曉強(qiáng),等.氣象災(zāi)害對天水市蜜桃生產(chǎn)影響的評估[J].西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版),2016,44(1):149-154.Xu Y P,Yao X H,Liu X Q,et al.Evaluation on influence of meteorological disasters to peach production in Tianshui city[J].Journal of Northwest A&F University(Nat. Sci. Ed.),2016,44(1):149-154.(in Chinese)

      [29]許彥平,姚曉紅,萬信,等.天水蜜桃開花坐果期霜凍災(zāi)害氣象風(fēng)險評估[J].中國農(nóng)業(yè)氣象,2013,34(5):606- 610.Xu Y P,Yao X H,Wan X,et al.Risk assessment of meteorological frost disaster during flowering and fruit bearingperiod of Tianshui peach[J].Chinese Journal of Agrometeorology,2013,34(5):606-610.(in Chinese)

      [30]姚曉紅,許彥平,劉曉強(qiáng),等.天水春夏季連陰雨天氣對蜜桃生產(chǎn)影響的評估技術(shù)研究[J].中國農(nóng)學(xué)通報,2014,30(31):181-185.Yao X H,Xu Y P,Liu X Q,et al.Influence evaluation of continuous rain to peach production in spring and summer in Tianshui[J].Chinese Agricultural Science Bulletin,2014,30(31):181-185.(in Chinese)

      [31]李存軍,王紀(jì)華,王嫻,等.遙感數(shù)據(jù)和作物模型集成方法與應(yīng)用前景[J].農(nóng)業(yè)工程學(xué)報,2008,24(11):295-301.Li C J,Wang J H,Wang X,et al.Methods for integration of remote sensing data and crop model and their prospects in agricultural application[J].Transactions of CSAE,2008,24(11):295-301.(in Chinese)

      猜你喜歡
      水蜜桃物候成熟期
      海南橡膠林生態(tài)系統(tǒng)凈碳交換物候特征
      七彩夏令營“戀”上水蜜桃
      華人時刊(2021年15期)2021-11-27 09:16:30
      聰聰吃水蜜桃
      陳曉明 進(jìn)入加速期和成熟期,未來十五年是花都濱水新城黃金時代
      果實成熟期土壤含水量對‘北紅’葡萄花色苷和果實品質(zhì)的影響
      中國果樹(2020年2期)2020-07-25 02:14:18
      芳香甜美的水蜜桃兒
      水蜜桃價格下跌 后期恐難以走高
      ‘灰棗’及其芽變品系的物候和生育特性研究
      5種忍冬科植物物候期觀察和比較
      約旦野生二棱大麥在川西高原的物候期和農(nóng)藝性狀分析
      大荔县| 张家界市| 元阳县| 永新县| 凤台县| 安徽省| 手游| 南宁市| 都昌县| 新晃| 邯郸县| 延川县| 卓资县| 宜兰县| 天等县| 凤山县| 屏山县| 绥棱县| 稻城县| 新宁县| 宁波市| 达孜县| 双鸭山市| 宜宾市| 维西| 靖宇县| 个旧市| 思茅市| 铜陵市| 和静县| 疏附县| 和平区| 上栗县| 扬州市| 池州市| 玉林市| 富蕴县| 务川| 西畴县| 建瓯市| 如皋市|