共查询到20条相似文献，搜索用时 15 毫秒
1.
用通径分析方法建立水稻纹枯病气象等级模型 总被引：1，自引：0，他引：1
基于大量前人研究成果提出水稻纹枯病综合气象等级预报模型γn=sum (Ci×Pi) from 1 to k;在分析不同气象因子对水稻纹枯病影响规律基础上,采用最优分析法,给出每个气象因子分级标准,得出每个因子在不同量值上对应的气象等级值Pi;利用荆州市往年水稻纹枯病发生面积及对应年份5～8月逐日气象资料,采用通径分析法,确定每个气象因子对纹枯病影响权重,从而建立基于逐日气象要素的水稻纹枯病气象等级模型,可以用于过去3～5 d(或周、旬)纹枯病气象条件监测和未来3～5 d(或周、旬)气象条件对纹枯病发生发展适宜程度预报。经检验,预报气象等级与病虫害实际发生等级吻合率为65%,方法简单可行,易于推广。 相似文献
2.
3.
利用湘北地区1987~2011年早稻单产和早稻生育期内旬平均气温、旬降水量、旬日照时数等气象资料,应用统计分析法建立了早稻的气象产量动态预报模型,并进行了预报验证。结果表明,通过分析气象产量与早稻生育期逐旬气象要素相关性,筛选出5月上旬的平均气温和日照时数、5月中旬平均气温、5月下旬日照时数、6月中旬降水量和7月中旬日照时数是影响湘北早稻产量的关键气象因子;基于关键气象因子建立了早稻气象产量动态预报模型。对1988~2009年早稻产量进行了预报验证,平均准确率在91.0%以上。该模型的预测结果基本反映了早稻产量的变化情况。 相似文献
4.
依据科尔沁沙地最典型地区-奈曼旗气象站1981-2010年逐月、逐旬降水资料,结合不同的气候特征,采用正交多项式回归法及相关分析法等数理统计方法,利用GIS技术分析了奈曼旗干旱对玉米产量的影响。结果表明,干旱对奈曼旗玉米产量的影响较其他气象因子大。 相似文献
5.
6.
基于历史资料应用的便捷性、安全性考虑,舍弃C/S模式的库管结构,采用B/S模式,利用高级编程语言开发一套基于B/S模式的网络历史地面气象资料管理应用系统。其中系统资料导入功能可以将徐州市(含5个县站)地面报表文件序列整编入库,构建徐州及5个县站1953年至现在的Oracle历史资料库,并分别建立时、日、旬、月、季、年历史资料、气候资料等数据表;编制资料库服务器端管理软件,实现对资料库进行指令级的管理调度及用户间的资源均衡分配;同时编制基于Web管理应用界面以满足用户对资料库的各种检索需要,页面针对各气象要素提供分时、日、旬、月、季、年及气候资料统计查询等应用功能,从而满足气象科研及社会各行各业对气象资料统计查询的需要。 相似文献
7.
利用多年水稻(早稻和晚稻)区域试验产量结果和有关试验点气象资料,分析了基因型×环境互作效应年间变化趋势、各试点平均产量与主要气象因子的关系、产量影响因子的主成分等,并用逐步回归分析法建立水稻产量回归模型.研究表明,水稻基因型×环境互作效应值在年度间相对稳定(早稻0.31,晚稻0.19).试点平均产量与气象因子的相关性分析结果表明,产量与水稻生长季节(3-10月)的总积温(0.326 87)和总辐射(0.268 86)有较大的相关性,而与总雨量(-0.432 32)呈较大的负相关.影响产量的主成分因子分别是热量、粒重、生育期和粒数;利用各主成分进行逐步回归建立的产量回归方程,相关系数(R)达0.949 83*. 相似文献
8.
早晚稻产量影响因子分析 总被引：1，自引：0，他引：1
利用多年水稻(早稻和晚稻)区域试验产量结果和有关试验点气象资料,分析了基因型×环境互作效应年度间变化趋势、各试点平均产量与主要气象因子的关系、产量影响因子的主成分等,并用逐步回归分析法建立了水稻产量回归模型。研究结果表明:水稻基因型×环境互作效应值在年度间相对稳定(早稻为0 35,晚稻为0 20)。试验点平均产量与气象因子的相关性分析结果表明,产量与水稻生长季节(3～10月)的总辐射和总积温有较大的相关性(相关系数为0 8056),而与总雨量呈较大的负相关(相关系数为-0 3423)。影响产量的主成分因子分别是热量、粒重、生育期和粒数,利用逐步回归分析法建立的产量回归方程,相关系数(R)达0 99983。 相似文献
9.
影响水稻产量因子的研究 总被引：7，自引：0，他引：7
季彪俊 《西南大学学报(自然科学版)》2005,27(5):579-583
利用多年水稻(早稻和晚稻)区域试验产量结果和有关试验点气象资料,分析了基因型×环境互作效应年间变化趋势、各试点平均产量与主要气象因子的关系、产量影响因子的主成分等,并用逐步回归分析法建立水稻产量回归模型。研究表明,水稻基因型×环境互作效应值在年度间相对稳定(早稻0.31,晚稻0.19)。试点平均产量与气象因子的相关性分析结果表明,产量与水稻生长季节(3-10月)的总积温(0.326 87)和总辐射(0.268 86)有较大的相关性,而与总雨量(-0.432 32)呈较大的负相关。影响产量的主成分因子分别是热量、粒重、生育期和粒数;利用各主成分进行逐步回归建立的产量回归方程,相关系数(R)达0.949 83*。 相似文献
10.
11.
为达到用前期气候因子变化来评估土壤水分变化的目的,采用统计回归方法,利用不同土壤类型的3个农牧业气象观测站1988-2006年的气象和土壤水分观测资料,选取前一旬气温、降水、蒸发量和土壤水分4个因子,建立了呼伦贝尔市5月上旬-8月下旬0～40cm土壤水分144个动态预测模型,68.8%的方程通过了显著性检验;拟合相对误差小于±10%的为77.8%,小于±15%的为84.3%;利用实测资料对该模型进行验证表明,模型平均相对误差在20%左右,可用于预测呼伦贝尔市植物生长季各旬0～40 cm各层土壤水分的动态变化. 相似文献
12.
浑善达克沙地处于中国陆地生态系统对全球变化响应的一级敏感区,植被对气候变化敏感.基于1998-2010年SPOT/VEGETATION VGT-S10逐旬NDVI数据,研究区域典型植被的旬归一化植被指数(NDVI)动态变化及其与温度、降水的相关性以及气象因子影响的滞后效应.结果表明,长时间旬NDVI序列较好地反映了主要植被类型随着季节变化的生长发育状况;生长季节内植被旬NDVI和气温的相关性高于其与降水的相关性,气温、降水对不同植被的影响具有滞后效应,滞后期均在40d以内,滞后期长短因植被而异;年际间旬NDVI与降雨量、温度的相关分析表明在植被快速生长期降雨量对植被生长有重要促进作用,而温度在植被生长初期和成熟期则是植被旬NDVI提高的重要原因;由于春、冬季旬NDVI与温度、降水变化的高度一致性,全年旬NDVI与气象因子相关分析的可靠性降低;而生长季节内植被旬NDVI与降水、温度的相关性分析可以很好地揭示气象因子与植被生长发育的关系. 相似文献
13.
基于粒子群优化(PSO)超限学习机预测新疆参考作物蒸散量 总被引：1，自引：0，他引：1
参考作物蒸散量(ET0)的准确预测对于作物需水量预测、农田精准灌溉和提高水资源利用效率等具有重要意义.为了解决传统方法获取ET0的弊端,本研究基于粒子群优化(Particle swarm optimization,PSO)-超限学习机(Extreme learning machine,ELM)预测ET0.通过选取新疆地区3个站点(乌鲁木齐、喀什、哈密)的最高气温(Tmax)、最低气温(Tmin)、平均相对湿度(RH)、风速(u2)、光照时间(n)等气象数据,建立PSO-ELM预测模型,对模型精度和普适性进行研究,并通过与ELM、Makkink、I-A模型的对比,探究不同气象因子组合模型的预测精度.结果表明,PSO-ELM模型在5种气象因子输入下具有最高预测精度(平均R2=0.9747,平均MAE=0.2520 mm/d,平均RMSE=0.3643 mm/d).由PSO-ELM6模型与ELM、Makkink、I-A模型的对比结果看出,在相同的气象因子输入条件下,3个站点用PSO-ELM6模型预测的效果最好.通过对PSO-ELM3模型在新疆地区普适性的研究发现,该模型具有较高的预测精度(平均R2=0.9465,平均MAE=0.3070 mm/d,平均RMSE=0.3569 mm/d).不同站点、不同气象因子输入的PSO-ELM模型能够较为精准地反映气象因子与ET0之间复杂的非线性关系,且模型在新疆地区的普适性较好,可以为新疆地区逐日ET0预测提供新的方法. 相似文献
14.
栽培条件和气候条件都是大豆高产的重要影响因子,本文拟就大豆“铁丰18号”的光、温、水气象趋势产量效应,作数量分析,为大豆程序化栽培提供依据。现以1978～1982年省内15个区域试验点的69个小区产量为基础样本,结合当地5～9月15个旬逐旬光照、降水、温度资料,应用主成分回归方法.分析气候因子的影响效应。 相似文献
15.
利用1980-2012年熊岳国家气象站观赏山桃花物候期观测资料和气象观测资料,利用回归分析旬平均气温、降水、相对湿度、日照、地温、0℃积温等要素与山桃花花期的相关性进行分析,得出气温、0℃积温、地温对花期的影响显著;通过筛选预报因子,建立了观赏山桃花期预报模型。通过33年资料检验,模型与花期拟合较好,满足气象服务需求,为旅游景点提供可靠的观赏山桃花期预测。 相似文献
16.
利用2017—2020年六盘山区油菜观测资料及相关气象资料,分析气温、降水、日照等对油菜始花期的影响,从而建立油菜始花期预测模型。结果显示：油菜始花期与部分月份的温度、日照等相关性较高,其中6月上中旬平均气温(X1)和6月上中旬日照时数(X2)对六盘山区油菜始花期的影响最为显著。建立预报模型：Y=65.760 88-3.320 65 X1+0.030 055 X2,利用该模型对油菜始花期进行回测,误差在0.1～1.2 d,准确率较高。利用2021年相关气象因子数值,对油菜始花期进行预测,预测值与实际观测值两者相差1.78 d,建立的预报模型能较好预测六盘山区油菜始花期。 相似文献
17.
18.
【目的】明确江西省油茶油酸含量的关键气象因子和关系模型,为江西省油茶品质气候评价及油茶品质气候区划等提供技术参考。【方法】利用6份油茶油酸含量检测数据（2018—2019年江西九江市柴桑区、丰城市和万安县油茶油酸含量检测数据）和同期气象数据（2018—2019年逐日平均气温、最低气温、最高气温、降水量、平均相对湿度和日照时数等）,采用相关分析和线性回归方法,研究影响江西油茶油酸含量的关键气象因子,建立江西省油茶油酸含量气象评价模型,再利用10组油茶油酸含量检测数据（2018—2019年江西省10家油茶基地油茶油酸含量检测数据）和同期气象数据对评价模型进行检验。【结果】影响江西省油茶油酸含量的关键气象因子有10月下旬—11月下旬降水日数（X2）、3月极端最高气温（X6）、8月下旬—9月下旬气温日较差（X9）和10月下旬—11月下旬日照时数（X12）,其中10月下旬—11月下旬降水日数对油茶油酸含量影响最大。研究建立的油酸含量（Y）气象评价模型为Y=0.1777X2+0.1078X6+0.2320X9-0.0152X12+75.5950,模型决定系数R2=0.9871。模型检验结果显示,油茶油酸含量评价值与实测值之差在±5%以内,模型对油酸含量等级的评价结果准确率为70%。【结论】依据关键气象因子建立的江西省油茶油酸含量气象评价模型准确率较高,能较好地反映气象条件对油茶油酸含量的影响程度,可应用于江西省油茶气候品质评价,同时可为油茶品质气候区划提供参考。 相似文献
19.
利用湖南省油菜种植区1991—2020年10个农业气象观测代表站的油菜生育期观测资料、1991—2020年逐日的气象资料以及油菜的产量资料,构建连阴雨类型并统计发生情况,采用拉格朗日插值法,通过期望产量提取油菜连阴雨灾损率,建立连阴雨日数与油菜产量损失评估模型.结果表明,油菜因连阴雨导致的产量灾损率在1.4％～18.1％之间,平均灾损率为8.0％;油菜花期—绿角形成期持续无日照(S1)和有/无降水日,日照不足2 h的组合最长持续日数(R3)2种类型的连阴雨同时出现时,油菜将显著性减产;绿角形成期—成熟期单独出现持续降水(R1),有/无降水和日照不足2 h组合(R3)的连阴雨类型时,一般减产率小于15％,而同时出现S 1和R3将导致油菜明显减产;以最长连续无日照(S1)、最长连续降水日数(R1)和最长连续降水和无降水且日照小于2 h的组合日数(R3)为主,划分为轻、中、重3个等级的连阴雨气象灾害指标;最后构建了不同等级连阴雨与灾损率的评估模型,通过计算得到油菜花期—绿角形成期、绿角形成期—成熟期遇轻度连阴雨时的平均灾损率分别为6.34％和8.11％;油菜花期—绿角形成期、绿角形成期—成熟期遇中度连阴雨时的平均灾损率分别为12.72％和11.10％.该研究结果可为农业决策和生产部门进行品种规划、灾害风险管理和种植管理提供科学依据. 相似文献