辽宁省朝阳市农作物农业气象产量预报模型研究
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3. 各要素间相关性检验 选取建立多元回归方程的因子时， 若因子间有较强的相关性，会影响方程的 准确性。因此，对各气象要素两两进行相 关性检验，排除要素间相关性过强对预报 方程的影响。利用 Spearman、Pearson 和 Kendall's Tau-b 相关性检验方法，对上文 提到的各气象要素两两之间进行相关性 检验，两两间的检验统计量小于 0.001， 具有显著的相关性，最终确定建立农作物 气象产量模型的各气象要素为 4—9 月降 水量、春季平均气温、6 月日照时间。 4. 建立气象产量预报预报方程 根据最终确定的气象要素因子建立农 作物气象产量多元线性回归方程。利用逐 步回归的方法，将气象因子逐个引入，引 入因子的条件是该因子的方差贡献是显著 的。同时，每引入一个新因子后，按能通 过 0.05 的显著性 F 检验的标准对老因子进 行逐个检验，将方差贡献变为不显著的因 子剔除。建立农作物气象产量预报模型为： y（w）=300.56+0.36×（4—9 月 降 水）-26.98× 春季平均气温 -0.73×6 月 日照时间 （三）气象要素因子对农作物产量 的影响 （1）从农作物气象产量预报模型来
因子进行筛选。然后，利用逐步回归方 法建立预报方程。最后，应用 Excel 程 序进行数据处理和分析。
二、结果与分析 （一）气象产量统计 在农作物产量的气象预报模型中， 通常是将作物实际产量 y 分解为 3 个部 分：农业生产力水平变化引起的趋势产 量 y（x），由不稳定的活跃多变因子主 要是指气象条件引起的气象产量 y（w）， 某些偶然因素（一般被忽略）[5-6]。在雨 养农业的前提下，农作物实际产量沿时 间趋势线上下波动，一般用线性函数来 确定趋势产量。农作物实际产量 y 减去 趋势产量 y（x）得到气象产量 y（w）， 即 y（w）=y-y（x）。其中，趋势产量 y （x）=9.48x-18 716，x 为时间序列。 （二）气象产量预报模型的建立 1. 气象因子粗选 农作物生长发育与温度、降水、日 照息息相关，气象因子的选择是影响预 报模型准确性的重要因素。先对因子进 行粗选，以将日常进行产量预报的经验 为依据，选择农作物生长季各个关键期 主要影响气象要素，初步选取 4—9 月积 温、4—9 月日照时间、4—9 月降水量、 春季平均气温、春季降水量、春季大于 10 mm 降水日数、4 月降水量、5 月降水 量、7—8 月 降 水 量、7 月 降 水 量、8 月 降水量及 6 月日照时间作为建立农作物 气象产量与气象要素相关的因子。 2. 因子精选 完成因子粗选后进行因子的精选， 通过计算粗选因子与预报对象之间的线 性相关系数，挑选相关系数的绝对值较 大的各物理量为入选因子，入选因子要 通过信度为 0.05 的相关检验，才能作为
农业气象
ＮＯＮＧ ＹＥ ＱＩ ＸＩＡＮＧ
辽宁省朝阳市农作物农业气象产量预报模型研究
张富荣，郭佰汇，李书君，王 优，戴海燕，吴 丹
（朝阳市气象局，辽宁 朝阳 122000） 摘 要：农作物产量与气象条件密切相关。本文应用 Spearman、Pearson、Kendall's Tau-b 相关检验方法，统计分析影响辽宁省朝阳市农作物 产量的相关气象因子，用逐步回归方法建立气象产量预报模型，应用到实际产量预报业务中，为区域农作物产量预估提供科学依据。 关键词：农作物；产量；气象因子；预报模型；朝阳市
我国农业气象产量预报研究开始于 20 世纪初叶。进入 20 世纪 70 年代，农 业气象产量预报技术发展迅速，不仅将 土壤、地势等因素引入产量预报模式， 还开展了作物群体生长的动力学模拟研 究 [1-2]。不少国家已逐步将预报模式交付 业务部门试用，现大范围作物产量的预 报已具有一定准确性，误差仅为实产的 ±10%。目前，产量预报正朝着长期预 报方向发展，预报准确率将随预报模式 的完善而进一步提高 。 [3-4]
一、资料与方法 （一）资料来源 产量资料来源于朝阳市统计局，气 象资料来源于朝阳市气象局资料室。产 量资料选取 1985—2015 年朝阳市农作物 单位面积产量。气象资料选取朝阳市 7 个气象台站 1985—2015 年农作物生长季 主要时段气象资料：4—9 月积温、4—9 月日照时间、4—9 月降水量、春季（3— 5 月，下同）平均气温、春季降水量、 春季大于 10 mm 降水日数、4 月降水量、 5 月降水量、7 月降水量、8 月降水量、7— 8 月总降水量及 6 月日照时间。 （二）分析方法 首 先， 选 用 Spearman、Pearson、 Kendall's Tau-b 相关性检验方法对粗选
朝 阳 市 位 于 辽 宁 省 西 部， 地 处 东 经 118 ° 50 ′ ～ 121 ° 20 ′、 北 纬 40° 35′～ 42° 20′，属于半湿润半干 旱的易旱气候区。全市现有耕地面积约 46.7 万 hm2，是农业大市，农业生产仍然 属于“雨养农业”，气象条件是导致农作 物产量增减波动的主要因素。因此，利用 农作物产量和气象条件进行对比分析，建 立农作物气象产量预报模型，对区域农作 物产量预报评估具有现实意义。
精选因子，最后建立预报模型。 在 进 行 相 关 性 检 验 时， 选 用
Spearman、Pearson、Kendall's Tau-b 相 关 性检验方法对粗选因子进行筛选，对各检 验方法得出的检验统计量进行分析，各检 验方法在农作物产量相关性检验上表现 一致，筛选出检验统计量小于 0.05 的要 素是 4—9 月积温、4—9 月降水量、春季 平均气温、7—8 月降水量、7 月降水量。
（下转第 31 页）
河南农业 ２０１９ 年第 １ 期（中）
ＨＥＮＡＮＮＯＮＧＹＥ ２９
农ቤተ መጻሕፍቲ ባይዱ水利
ＮＯＮＧ ＴＩＡＮ ＳＨＵＩ ＬＩ
工作人员参与相关业务培训，使其熟练 掌握专业知识并在工作中形成责任感。 与此同时，概预算工作人员还需不断拓 展自身知识面，学习理论知识，由于水 利工程种类不同，施工方法也会因不同 环境而加以改变，对此编制人员对概预 算工作应有较高的熟练度，更好地满足 概预算工作要求。
因子进行筛选。然后，利用逐步回归方 法建立预报方程。最后，应用 Excel 程 序进行数据处理和分析。
二、结果与分析 （一）气象产量统计 在农作物产量的气象预报模型中， 通常是将作物实际产量 y 分解为 3 个部 分：农业生产力水平变化引起的趋势产 量 y（x），由不稳定的活跃多变因子主 要是指气象条件引起的气象产量 y（w）， 某些偶然因素（一般被忽略）[5-6]。在雨 养农业的前提下，农作物实际产量沿时 间趋势线上下波动，一般用线性函数来 确定趋势产量。农作物实际产量 y 减去 趋势产量 y（x）得到气象产量 y（w）， 即 y（w）=y-y（x）。其中，趋势产量 y （x）=9.48x-18 716，x 为时间序列。 （二）气象产量预报模型的建立 1. 气象因子粗选 农作物生长发育与温度、降水、日 照息息相关，气象因子的选择是影响预 报模型准确性的重要因素。先对因子进 行粗选，以将日常进行产量预报的经验 为依据，选择农作物生长季各个关键期 主要影响气象要素，初步选取 4—9 月积 温、4—9 月日照时间、4—9 月降水量、 春季平均气温、春季降水量、春季大于 10 mm 降水日数、4 月降水量、5 月降水 量、7—8 月 降 水 量、7 月 降 水 量、8 月 降水量及 6 月日照时间作为建立农作物 气象产量与气象要素相关的因子。 2. 因子精选 完成因子粗选后进行因子的精选， 通过计算粗选因子与预报对象之间的线 性相关系数，挑选相关系数的绝对值较 大的各物理量为入选因子，入选因子要 通过信度为 0.05 的相关检验，才能作为
农业气象
ＮＯＮＧ ＹＥ ＱＩ ＸＩＡＮＧ
辽宁省朝阳市农作物农业气象产量预报模型研究
张富荣，郭佰汇，李书君，王 优，戴海燕，吴 丹
（朝阳市气象局，辽宁 朝阳 122000） 摘 要：农作物产量与气象条件密切相关。本文应用 Spearman、Pearson、Kendall's Tau-b 相关检验方法，统计分析影响辽宁省朝阳市农作物 产量的相关气象因子，用逐步回归方法建立气象产量预报模型，应用到实际产量预报业务中，为区域农作物产量预估提供科学依据。 关键词：农作物；产量；气象因子；预报模型；朝阳市
我国农业气象产量预报研究开始于 20 世纪初叶。进入 20 世纪 70 年代，农 业气象产量预报技术发展迅速，不仅将 土壤、地势等因素引入产量预报模式， 还开展了作物群体生长的动力学模拟研 究 [1-2]。不少国家已逐步将预报模式交付 业务部门试用，现大范围作物产量的预 报已具有一定准确性，误差仅为实产的 ±10%。目前，产量预报正朝着长期预 报方向发展，预报准确率将随预报模式 的完善而进一步提高 。 [3-4]
一、资料与方法 （一）资料来源 产量资料来源于朝阳市统计局，气 象资料来源于朝阳市气象局资料室。产 量资料选取 1985—2015 年朝阳市农作物 单位面积产量。气象资料选取朝阳市 7 个气象台站 1985—2015 年农作物生长季 主要时段气象资料：4—9 月积温、4—9 月日照时间、4—9 月降水量、春季（3— 5 月，下同）平均气温、春季降水量、 春季大于 10 mm 降水日数、4 月降水量、 5 月降水量、7 月降水量、8 月降水量、7— 8 月总降水量及 6 月日照时间。 （二）分析方法 首 先， 选 用 Spearman、Pearson、 Kendall's Tau-b 相关性检验方法对粗选
朝 阳 市 位 于 辽 宁 省 西 部， 地 处 东 经 118 ° 50 ′ ～ 121 ° 20 ′、 北 纬 40° 35′～ 42° 20′，属于半湿润半干 旱的易旱气候区。全市现有耕地面积约 46.7 万 hm2，是农业大市，农业生产仍然 属于“雨养农业”，气象条件是导致农作 物产量增减波动的主要因素。因此，利用 农作物产量和气象条件进行对比分析，建 立农作物气象产量预报模型，对区域农作 物产量预报评估具有现实意义。
精选因子，最后建立预报模型。 在 进 行 相 关 性 检 验 时， 选 用
Spearman、Pearson、Kendall's Tau-b 相 关 性检验方法对粗选因子进行筛选，对各检 验方法得出的检验统计量进行分析，各检 验方法在农作物产量相关性检验上表现 一致，筛选出检验统计量小于 0.05 的要 素是 4—9 月积温、4—9 月降水量、春季 平均气温、7—8 月降水量、7 月降水量。
（下转第 31 页）
河南农业 ２０１９ 年第 １ 期（中）
ＨＥＮＡＮＮＯＮＧＹＥ ２９
农ቤተ መጻሕፍቲ ባይዱ水利
ＮＯＮＧ ＴＩＡＮ ＳＨＵＩ ＬＩ
工作人员参与相关业务培训，使其熟练 掌握专业知识并在工作中形成责任感。 与此同时，概预算工作人员还需不断拓 展自身知识面，学习理论知识，由于水 利工程种类不同，施工方法也会因不同 环境而加以改变，对此编制人员对概预 算工作应有较高的熟练度，更好地满足 概预算工作要求。