排序方式: 共有3条查询结果,搜索用时 93 毫秒
1
1.
为连云港市种植业结构调整及晚稻生产提供参考,以1975-2014年连云港市5个气象站(点)的日照时数、气温、降水、风速、相对湿度、总云量和低云量等基础数据为资料,采用线性趋势法、累计距平法和Mann-Kendall法研究近40年连云港市的日照时数空间分布变化特征及其日照时数与当地晚稻产量的关系。结果表明:在时间序列变化上,连云港市1975-2015年的年日照时数显著减少,夏季、秋季和冬季的日照时数也显著减少,春季日照时数变化不明显,且1997年是连云港市年日照时数减少的突变点。在空间分布变化上,连云港市的年日照时数由北向南逐渐减少,且年日照时数与气温、降水、相对湿度、总云量和低云量呈负相关,与风速呈正相关,并以总云量对日照时数的影响最大。气温的升高与风速的降低是连云港市日照时数逐年减少的重要原因,连云港市日照时数的变化趋势不利于当地晚稻产量的增加。 相似文献
2.
利用江苏省统计局提供的全省75个县(市、区)1981—2018年的冬小麦产量,基于灰色系统滑动模型得到各县(市、区)冬小麦气象产量.采用K-means算法对全省各县(市、区)冬小麦气象产量进行聚类分析,将全省客观划分为南、北2个冬小麦种植区,区域连续且相互独立.通过C4.5决策树算法,基于130项前期春季气候因子对2个种植区的冬小麦气象产量"是否歉年"分别建立决策树预测模型.在北种植区冬小麦是否歉年的预测中,决策树模型的自学习准确率为82.0%,测试准确率为90.9%;在南种植区冬小麦是否歉年的预测中,决策树模型的自学习准确率为92.5%,测试准确率为91.67%.结果表明,K-means算法和C4.5算法对江苏省冬小麦气象产量区划和预测具有良好效果,可为江苏省冬小麦产量预测提供有意义的参考. 相似文献
3.
1