不同方法在湖南省早稻产量动态预报中的比较

为了提高产量趋势预报的准确性和定量预报的准确率,利用1962—2002年气象、早稻产量和田间观测资料,建立基于气候适宜度、关键气象因子、作物生长模型的湖南省早稻产量动态预报方法,进行回代检验;并利用2003—2012年资料进行预报检验。分析表明:3种方法的预报准确率比较接近,平均在93.8%以上;基于气候适宜度预报方法的趋势预报准确性最高,较基于关键气象因子的预报方法高4%~6%;基于作物生长模型预报方法的误差5%以内样本百分率最高,较基于气候适宜度的预报方法高2%~20%。研究结果为湖南省早稻产量动态预报筛选出了较优的方法,即产量趋势预报选用基于气候适宜度的方法,定量预报选用基于作物生长模型的方法,同时可供我国其他早稻区的产量动态预报方法研究借鉴。     

基于气象要素的逐日玉米产量气象影响指数

利用1981—2020年5—9月气象数据与玉米产量数据,通过改进逐日降水适宜度并构建逐日气候适宜度模型,建立基于相似年逐日气象要素的作物生育期气候适宜度序列,利用气象产量与气候适宜指数建立模型,设计逐日作物产量气象影响指数以表征气象条件对作物的影响程度,基于该指数构建东北地区玉米逐日产量预报模型并分析其逐日预报准确率,用以表明该指数的准确性。结果表明:利用3个相似年预报结果加权集成综合相似年逐日作物产量气象影响指数可提高逐日预报准确率,黑龙江年尺度逐日预报准确率年际间波动小于东北其他地区。综合相似年月尺度下,随着玉米发育期的推进和实时气象数据的引入,月尺度平均预报准确率逐渐提高。东北地区玉米产量8月31日的日尺度预报准确率普遍高于7月31日;辽宁日尺度预报差异较大,但随着玉米发育期推进逐日预报产量和实际产量接近,准确率也提高。基于气象要素构建的逐日作物产量影响指数和同期气象影响指数可以定量评估不同时段气象条件对作物产量的影响程度,在一定程度上可提高农业气象业务定量化评价水平。     

春玉米产量动态预报技术的改进方法探索

为及时、准确地进行玉米产量预报,为吉林省玉米产量预报业务提供参考依据,为政府调控提供科技支撑,利用吉林省19802016年春玉米产量和50个气象站逐日气温、降水量、日照时数等资料,基于相似距离和相关系数构建综合诊断指标筛选气温、降水量、日照时数等各类气象要素历史相似年,根据各类气象要素历史相似年与预报年的玉米产量丰歉气象影响指数之间的关系,建立吉林省春玉米产量动态预报模型。同时,对历史相似年的筛选方法进行改进,利用欧氏距离直接筛选综合气候历史相似年,根据气候历史相似年与预报年的玉米产量丰歉气象影响指数之间的关系,构建春玉米产量预报模型。对比改进前、后的产量预报模型的预报,结果表明:两种方法在吉林省玉米单产预报中,预报准确率均较高,普遍在85%以上。产量预报模型对20022013年的预报检验结果表明,改进方法后20022013年单产预报平均准确率提高了3.9个百分点,均方根误差降低了4个百分点,标准差降低了2。对20142016年的预报检验结果表明,改进方法的玉米产量预报结果优于传统方法的预报结果。改进方法比传统方法准确率更高,稳定性更强,应用价值更高。     

基于Parsivel天气现象仪资料的郑州“7·20”罕见特大暴雨微物理特征分析

基于2016-2018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报。在KNN回归算法中,将模式起报时刻的温度视作“背景”,由模式预报减去起报时刻温度消除“背景”影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例。根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报。检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2%和5.2%;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8%和4.3%,较OCF的分别提高3.0%和1.3%。KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定。     

中国农业气象灾害监测预警系统建设

中国气象局多轨道业务建设项目"中国农业气象灾害监测预警系统建设"2007年取得了可喜成果.其中,"基于作物生长模拟模型的作物产量动态预报业务技术应用研究"对东北玉米、华北冬小麦和江南双季稻生长模拟模式及参数区域化技术进行了改进,完善了各类作物产量动态预测方法,初步建立了产量预测模型,探讨了该模型与当前业务系统连接过程中实时资料获取渠道及替代解决方案,最终研制完成了省级业务应用系统版本."东北玉米低温冷害监测研究"在前人单一监测和评估指标     

基于不同空间尺度的作物产量集成预报——以江苏一季稻为例

基于1981-2016年江苏省不同区域一季稻产量序列,计算站点尺度的气温、降水、日照适宜度以及综合气候适宜度,在此基础上构建基于气候适宜指数的作物产量预报模型,开展不同空间尺度的一季稻产量精细化预报。同时,以各主产地市、县一季稻种植面积百分比为权重,加权集成省级产量,开展基于不同空间尺度一季稻产量序列的大区域尺度产量预测。结果表明:(1)江苏省不同区域一季稻气象产量与不同时段气候适宜指数之间存在较高的相关性,基于气候适宜指数的预报方法适用于江苏省不同区域一季稻单产预报。(2)2012-2016年省级尺度模型预报平均准确率高于97.5%,主产地市、县模型平均预报准确率低于省级尺度预报模型,主产县预报准确率年际间波动较大,表明预报区域越小,预报的难度提升。(3)基于气候适宜指数模型的江苏省级、主产地市集成,主产县集成模型预报准确率大部在95%以上,整体上看主产县集成优于主产地市集成,主产地市集成优于省级尺度模型。由此,开展地市级和县级尺度的精细化产量预报可提升省级尺度预报准确率,同时提高县级作物产量预报能力。     

农业气象产量预报方法中权重系数的确定

基于气候适宜度指数的作物产量预报中,各旬气候适宜度加权集成构成了气候适宜度指数,权重系数的确定对预报的准确性至关重要.本文以山东省冬小麦为例,分别采用绝对值法、归一化法和相关系数法确定各旬产量预报的权重系数,分析不同权重系数确定方法得到的气候适宜度指数之间的相关性及气候适宜度指数与农业气象产量的相关性,并利用相对较优的方法进行冬小麦产量动态预报.结果表明:与绝对值法和归一化法相比,采用相关系数法确定的权重系数计算的气候适宜度指数与气象产量的相关系数多数均通过了P0.01水平的显著性检验,可较全面的反映冬小麦生长发育随气候条件的变化关系.建立的冬小麦产量动态预报模型历史回代检验的准确率基本均为94.5%以上,标准化均方根误差n-RMSE均小于7.0%,表明建立的模型模拟性能较好.对2010—2011年山东省冬小麦产量的外推预报表明,预报平均准确率为93.0%以上,多数预报准确率为96.0%以上,可满足冬小麦产量预报的业务需求.     

农业气象学在作物生产模拟及其应用中的作用

就作物模拟模型及其应用,以及气象因子在这些模拟应用中的重要性作了综合论述.为了说明气象和气候变率对作物生产的影响,农业气象要素(包括最高和最低气温、太阳辐射及降水量)被当作作物模拟模型的基本输入因子.多数作物模型使用的气象资料为逐日值,因为很多地区没有更小时间尺度的观测资料.气象及其它输入数据均采用标准文件格式,这有利于数据在不同模型中使用.如果输入因子缺少或数据丢失、无效,将会影响到作物模型模拟的准确性.利用天气发生器随机生成的逐日气象数据可以解决数据丢失或序列较短的问题.当然,模拟时要尽可能采用气象观测资料,以确保作物产量模拟值的准确性,这在热带地区显得尤其重要.许多作物模型用来进行产量预报和决策管理,作物产量及其相关变量的预测变率以及自然资源的利用主要由天气气候条件的短期与长期变化所致.模型的产品可用来制定相应的管理决策,提供给农户和其他关注农业生产的人们.作物模型也广泛应用于气候变化对农业生产和粮食安全性的影响研究.最近,作物模型又用于气候变率和厄尔尼诺与南方涛动(ENSO)的影响研究.随着计算机的普及,农场主、农业咨询人员以及政策制定、决策者等模型的使用者也将越来越多.历史资料和作物生长期间的气象观测资料以及短期、中期、长期天气预报将在这些应用中发挥重要作用.     

山东省冬小麦产量动态集成预报方法

在新型统计检验聚类分析 (CAST) 方法对山东省冬小麦种植区进行合理分区的基础上,利用基于作物产量历史丰歉气象影响指数、关键气象因子影响指数、气候适宜度指数、WOFOST (world food study) 作物生长模型分别建立各区域冬小麦产量动态预报方法,利用这4种方法分别对2004—2011年山东省冬小麦产量进行动态预报,在分析历史预报结果平均准确率的基础上,剔除预报准确率低于90.0%的预报方法,确定每种方法的权重系数,采用加权方法建立山东省冬小麦产量动态集成预报方法。结果表明:4种单一产量预报方法在各区域各时段的预报准确率很不稳定,波动范围较大。而集成预报方法对山东省各区域冬小麦产量动态预报准确率相对于4种单一预报方法均有所提高,预报准确率普遍在95.0%以上,且其预报结果稳定性较好,变化比较平稳, 集成预报方法更适合在业务上应用。     

辽宁水稻年景预报模型研究

选用1961—2015年东北地区26个气象站月平均气温资料、国家气候中心74项环流特征量指数、NCEP/NCAR再分析资料和1986—2015年辽宁省水稻单产资料,分析了辽宁省水稻产量的时间变化特征,基于大气环流对长期天气过程影响的滞后性,考虑预报因子的显著、稳定性和独立性,应用多元线性回归方法建立水稻年景的预报模型。结果表明:(1)辽宁省水稻实际产量、趋势产量、气象产量均呈增加趋势,发生气候突变时间分别为1992、1997和1994年,实际产量与气象产量的关系较密切;(2)水稻年景预报模型经F检验,具有统计学意义,预报基本正确率为81.9%,用该模型预测2014、2015年水稻年景,均接近实际值。     

Quantifying the value of historical climate knowledge and climate forecasts using agricultural systems modelling

A well tested agricultural systems model was used together with 114 years of historical climate data to study the performance of a dryland wheat–fallow system as impacted by climate variations and nitrogen input levels in southeast Australia, and to investigate the value of: (1) historical climate knowledge, (2) a perfect climate forecast, and (3) various forecasts of targeted variables. The potential value of historical climate records increases exponentially with the number of years of data. In order to confidently quantify the long term optimal nitrogen application rate at the study site at least 30 years of climate data are required. For nitrogen management only, the potential value of a perfect climate forecast is about $54/ha/year with a reduction of excess nitrogen application of 20 kg N/ha/year. The value of an ENSO based forecast system is $2/ha/year. Perfect forecasting of three or six categories of growing season rainfall would have a value of $10–12/ha/year. Perfect forecasts of three or six categories of simulated crop yield would bring about $33–34/ha/year. Choosing integrated variables as a forecasting target, for example crop yield derived from agricultural modelling, has the potential to significantly increase the value of forecasts.     

面向Internet的农业气象产量动态预报

针对信息时代Internet网上用户对产量预报动态查询的需求 ,探讨了面向Inter net的农业气象产量预报的解决方案。试验结果表明 ,由于作物生长发育和产量形成是一个光、温、水、土条件长期、综合作用 ,生物量长期累积的过程 ,因此利用积分回归方法 ,考虑全生育期光、温、水气象因子的综合影响 ,根据已出现的天气实况 ,在假定后期天气条件正常的情况下 ,有可能预测出未来产量的趋势。随着天气实况的逐一出现 ,后期的预报结果可望逐步接近实际值。统计检验和试报结果误差均在允许范围内。     

基于气候适宜度的玉米产量动态预报方法

夏玉米是河北省主要粮食作物之一, 其生长发育及产量形成受气象条件影响很大, 开展玉米产量动态预报对河北省农业生产和粮食安全具有重要意义。该文结合夏玉米生理特性, 建立了夏玉米气候适宜度模型, 利用此模型借助于SPSS统计软件, 计算了1972—2005年河北省8个市夏玉米生育期内逐旬气候适宜度, 以此为基础, 建立了河北省8个市夏玉米不同时段产量预报模型。结果表明:夏玉米气候适宜度与产量相关显著; 1972—2005年历史预报检验和2006—2007年预报试验平均准确率分别为88.8%和96.8%, 能够满足业务服务需要。     

气候变化对我国小麦发育及产量可能影响的模拟研究

利用随机天气模型, 将气候模式对大气中CO₂倍增时预测的气候情景与CERES-小麦模式相连接, 研究了气候变化对我国冬小麦和春小麦生产的可能影响.结果表明, 气候变化后小麦发育将加快, 生育期缩短, 冬小麦平均缩短7.3天, 春小麦平均缩短10.5天, 春小麦生育期缩短的绝对数和相对数均大于冬小麦.籽粒产量呈下降趋势, 冬小麦平均减产7%~8%, 雨养条件下比水分适宜时减产幅度略大.春小麦的减产幅度大于冬小麦, 水分适宜时平均减产17.7%, 雨养时平均减产31.4%.     

数值预报误差订正技术中相似-动力方法的发展

Due to the increasing requirement for high-level weather and climate forecasting accuracy, it is necessary to exploit a strategy for model error correction while developing numerical modeling and data assimilation techniques. This study classifies the correction strategies according to the types of forecast errors, and reviews recent studies on these correction strategies. Among others, the analogue-dynamical method has been developed in China, which combines statistical methods with the dynamical model, corrects model errors based on analogue information, and effectively utilizes historical data in dynamical forecasts. In this study, the fundamental principles and technical solutions of the analogue-dynamical method and associated development history for forecasts on different timescales are introduced. It is shown that this method can effectively improve medium- and extended-range forecasts, monthly-average circulation forecast, and short-term climate prediction. As an innovative technique independently developed in China, the analogue- dynamical method plays an important role in both weather forecast and climate prediction, and has potential applications in wider fields.     

国家级现代农业气象业务技术进展

农业气象业务技术是开展农业气象服务的基础和前提,因此,农业气象业务技术的研发一直是国家级农业气象业务服务的核心工作。近年来,国家级农业气象业务技术已逐步迈向精细化、定量化,涵盖了农业气象监测评价、作物产量预报、农业气象灾害监测评估与影响预报、农用天气预报、农林病虫害发生发展气象等级预报等诸多领域。随着农业气象业务技术的发展,支撑农业气象服务的客观产品更加丰富和多样化,既有站点产品,又有格点产品,涵盖了日、周、月、季、年等不同时间尺度。以农业气象指标、数理统计模型、作物生长模拟、卫星遥感、地理信息系统、大数据等技术为核心的国家级农业气象业务平台（CAgMSS）已成为全国农业气象业务系统的重要品牌。面向现代农业发展对气象服务日益增长的需求,精细化、精准化的农业气象灾害监测与风险评估技术、作物长势评估与产量预报综合集成技术、农业应对气候变化技术以及农业气象大数据挖掘与人工智能技术将是未来国家级农业气象业务技术发展的重点。     

Vulnerability and adaptation assessments of agriculturalcrops under climate change in the Southeastern USA

Summary  It is expected that a change in climatic conditions due to global warming will directly impact agricultural production. Most climate change studies have been applied at very large scales, in which regions were represented by only one or two weather stations, which were mainly located at airports of major cities. The objective of this study was to determine the potential impact of climate change at a local level, taking into account weather data recorded at remote locations. Daily weather data for a 30-year period were obtained for more than 500 sites, representing the southeastern region of the USA. Climate change scenarios, using transient and equilibrium global circulation models (GCM), were defined, created and applied to the daily historical weather data. The modified temperature, precipitation and solar radiation databases corresponding to each of the climate change scenarios were used to run the CERES v.3.5 simulation model for maize and winter wheat and the CROPGRO v.3.5 model for soybean and peanut. The GCM scenarios projected a shorter duration of the crop-growing season. Under the current level of CO₂, the GCM scenarios projected a decrease of crop yields in the 2020s. When the direct effects of CO₂ were assumed in the study, the scenarios resulted in an increase in soybean and peanut yield. Under equilibrium , the GCM climate change scenarios projected a decrease of maize and winter wheat yield. The indirect effects of climate change also tended to decrease soybean and peanut yield. However, when the direct effects of CO₂ were included, most of the scenarios resulted in an increase in legume yields. Possible changes in sowing data, hybrids and cultivar selection, and fertilization were considered as adaptation options to mitigate the potential negative impact of potential warming. Received July 20, 1999/Revised April 18, 2000     

数值天气预报和气候预测可预报性研究的若干动力学方法

简要回顾了数值天气预报和气候预测可预报性研究的若干动力学方法,包括用于研究第一类可预报性问题的线性奇异向量（LSV）和条件非线性最优初始扰动（CNOP-I）方法,以及Lyapunov指数和非线性局部Lyapunov指数方法。前两种方法用于研究预报或预测的预报误差问题,可以用于估计天气预报和气候预测的最大预报误差,而且根据导致最大预报误差的初始误差结构的信息,这两种方法可以用于确定预报或预测的初值敏感区。应该指出的是,LSV是基于线性化模式,对于描述非线性大气和海洋的运动具有局限性。因而,对于非线性模式,应该选择使用CNOP-I估计最大预报误差。Lyapunov指数和非线性局部Lyapunov指数可以用于研究第一类可预报性问题中的预报时限问题,前者是基于线性模式,不能解释非线性对预报时限的影响,而非线性局部Lyapunov指数方法则考虑了非线性的影响,能够较好地估计实际天气和气候的预报时限。第二类可预报性问题的研究方法相对较少,本文仅介绍了由我国科学家提出的关于模式参数扰动的条件非线性最优参数扰动（CNOP-P）方法,该方法可以用于寻找到对预报有最大影响的参数扰动,并可以进一步确定哪些参数最应该利用观测资料进行校准。另一方面,通过对比CNOP-I和CNOP-P对预报误差的影响,可以判断导致预报不确定性的主要误差因子,进而指导人们着力改进模式或者初始场。     

条件非线性最优扰动在可预报性问题研究中的应用

本文总结了近年来条件非线性最优扰动方法的应用研究的主要进展.主要包括四个方面:(1)将条件非线性最优扰动(CNOP)方法拓展到既考虑初始扰动又考虑模式参数扰动,形成了拓展的CNOP方法.拓展的CNOP方法不仅能够应用于研究分别由初始误差和模式参数误差导致的可预报性问题,而且能够用于探讨初始误差和模式参数误差同时存在的情形;(2)将拓展的CNOP方法分别应用于ENSO和黑潮可预报性研究,考察了初始误差和模式参数误差对其可预报性的影响,揭示了初始误差在导致ENSO和黑潮大弯曲路径预报不确定性中的重要作用;(3)考察了阻塞事件发生的最优前期征兆(OPR)以及导致其预报不确定性的最优增长初始误差(OGR),揭示了OPR和OGR空间模态及其演变机制的相似性及其局地性特征;(4)研究了台风预报的目标观测问题,用CNOP方法确定了台风预报的目标观测敏感区,通过观测系统模拟试验(OSSEs)和/或观测系统试验(OSEs),表明了CNOP敏感区在改进台风预报中的有效性.具体地,台风OGR的主要误差分布在某一特定区域,空间分布具有明显的局地性特征,在台风OGR的局地性区域增加观测,有效改进了台风的预报技巧,该区域代表了台风预报的初值敏感区.事实上,上述El Ni(n)o事件、黑潮路径变异以及阻塞事件的OGR的空间分布也具有明显的局地性特征,这些事件的OGR刻画的局地性区域可能也代表了初值敏感区.     

Bred vectors of the Lorenz63 system

The breeding method has been widely used in studies of data assimilation, predictability and instabilities. The bred vectors(BVs), which are the nonlinear difference between the control and perturbed runs, represent the time-evolving rapidly growing errors in dynamic systems. The Lorenz(1963) model(hereafter Lorenz63 model) has chaotic dynamics similar to weather and climate. This study investigates the features of BVs of the Lorenz63 model and its impact on regime prediction of the Lorenz63 model. The results show that the Lorenz63 model has two different BVs for each breeding cycle, and the two BVs approach being identical when growth rate is high. The duration of the current and next regime is associated with the relative directions between the BV with high growth rate and the model trajectory.