CN111105094B - 利用气候数据预测金钱松适宜引种地的方法 - Google Patents

利用气候数据预测金钱松适宜引种地的方法 Download PDF

Info

Publication number
CN111105094B
CN111105094B CN201911349251.XA CN201911349251A CN111105094B CN 111105094 B CN111105094 B CN 111105094B CN 201911349251 A CN201911349251 A CN 201911349251A CN 111105094 B CN111105094 B CN 111105094B
Authority
CN
China
Prior art keywords
introduction
annual average
climate
climate data
predicting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911349251.XA
Other languages
English (en)
Other versions
CN111105094A (zh
Inventor
谢春平
刘大伟
南程慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Forest Police College
Original Assignee
Nanjing Forest Police College
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Forest Police College filed Critical Nanjing Forest Police College
Priority to CN201911349251.XA priority Critical patent/CN111105094B/zh
Publication of CN111105094A publication Critical patent/CN111105094A/zh
Application granted granted Critical
Publication of CN111105094B publication Critical patent/CN111105094B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
    • A01G17/005—Cultivation methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Botany (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及植物生态与栽培引种领域，公开了利用气候数据预测金钱松适宜引种地的方法，包括：将金钱松目标引种地的经度、纬度以及海拔高度数据代入预测方程中，得到预测年均温度和预测年均降水量，预测方程为：T＝44.481－0.077E－0.613N－0.004H，P＝1545.865+22.192E－93.973N+0.298H，其中T、P、E、N、H分别为预测年均温度、预测年均降水量，目标引种地的经度、纬度以及海拔高度；将预测年均温度和预测年均降水量分别与目标引种地的历史年均温度和历史年均降水量进行比较，误差在10％以内则认为适宜引种。该预测方法，可快速、准确预测目标引种地是否适合引种。

Description

利用气候数据预测金钱松适宜引种地的方法
技术领域
本发明涉及植物生态与栽培引种技术领域，具体而言，涉及利用气候数据预测金钱松适宜引种地的方法。
背景技术
植物引种驯化与人类的生活息息相关，有着悠久的历史。人类最早的植物引种驯化活动可以追溯到距今约7000年前的新石器时代，这是人类有目的的实践活动，是人工措施条件下的植物迁移工程。没有植物的引种驯化就不可能有人类的文明发展；植物的引种驯化导致了农业诞生和发展，并且推动着人类物质文明和精神文明的不断发展。它具有增加新的植物资源种类、良种代替劣种、扩大栽培范围、扩大园林植物资源、发挥植物的优良特性等优点。
根据相关的植物引种驯化理论，影响植物引种成败的重要因子之一即气候环境因子，其中温度和水分起着绝对主导作用。传统引种技术多数是将引种目的地与原生地进行简单的气候环境点对点比较；但由于环境样本量不足、缺乏可靠的统计结果支撑，引种失败案例常有发生。因此，如何在GIS技术的支撑下，结合大样本量的环境气候数据，对引种目的地进行适宜性分析，是当前引种技术需要解决的重要问题之一。
金钱松(Pseudolarix amabilis)为我国特有的单种属植物，世界五大庭园树种之一，零星分布于长江中下游各省温暖地区，野生种群数量呈减少趋势，现已被列为我国二级重点保护植物。金钱松在木材、药用、园林观赏等方面具有广泛的用途；它同时对保护我国中亚热带中低山地区的生态环境具有重要意义。因此，如何精准扩大其引种栽培范围，对该物种的保护及开发利用具有十分重要的指导意义。
鉴于此，特提出本发明。
发明内容
本发明的目的在于提供利用气候数据预测金钱松适宜引种地的方法。
本发明是这样实现的：
第一方面，实施例提供一种利用气候数据预测金钱松适宜引种地的方法，包括：
将金钱松目标引种地的经度、纬度以及海拔高度数据代入预测方程中，得到预测年均温度和预测年均降水量，预测方程为：
T＝44.481－0.077E－0.613N－0.004H，P＝1545.865+22.192E－93.973N+0.298H，其中T、P、E、N、H分别为预测年均温度、预测年均降水量，目标引种地的经度、纬度以及海拔高度；
将预测年均温度和预测年均降水量分别与目标引种地的历史年均温度和历史年均降水量进行比较，误差在10％以内则认为适宜引种。
在可选的实施方式中，还包括：
根据记录有多个金钱松原生地气候数据的气候数据库，结合“气候相似论”，通过多元回归分析得到预测方程。
在可选的实施方式中，得到预测方程之前还包括：收集多个金钱松原生地的气候数据得到气候数据库。
在可选的实施方式中，收集51个金钱松原生地的气候数据得到气候数据库。
在可选的实施方式中，收集多个金钱松原生地的气候数据的方法为：
获取金钱松的天然分布地的经纬度坐标；
将天然分布地的经纬度坐标输入DIVA-GIS 7.5软件内，通过该软件的内嵌气候数据和海拔高度，获得金钱松自然分布地的气候数据。
在可选的实施方式中，气候数据为：年均温度、年均降水和海拔高度。
在可选的实施方式中，获取金钱松的天然分布地的经纬度坐标的方法为：
通过中国国家标本平台和各地方植物志查阅金钱松的自然分布地；
获得自然分布地后对应查阅各个自然分布地的经纬度坐标。
在可选的实施方式中，查阅各个自然分布地的经纬度坐标所用到的工具为：Locaspace Viewer。
在可选的实施方式中，多元回归分析所用到的软件为SPSS 22.0。
本发明具有以下有益效果：
本发明通过上述设计得到的利用气候数据预测金钱松适宜引种地的方法，根据预测方程来预测目标引种地是否适合引种，解决了金钱松适宜引种不易预测的技术难题。为引种工作的开展提供了较为准确、科学的参考，同时也减少了盲目引种的发生、节省了大量的引种经费。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为金钱松天然分布地的分布区图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
植物引种驯化是指通过人工栽培，自然选择和人工选择。使野生植物、外来(外地或外国)的植物能适应本地的自然环境和栽种条件，成为生产或观赏需要的本地植物。对引种影响最大的因子为温度和水分，其中以整体的年均值影响较大。温度因子最显著的作用是支配植物的生长发育，限制着植物的分布；各种植物的生长发育需要一定的气温，所以在引种时必须考虑自然的地理分布及其温度条件。其次，水分是植物生长的必要条件，降雨量的多少直接影响植物引种成功与否。因此，在本发明中，主要以年均降水量和年均温度作为因素来考察目标引种地是否满足引种要求。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
本发明实施例提供的利用气候数据预测金钱松适宜引种地的方法为：
S1、获取所有金钱松的天然分布地的大致经纬坐标。
具体是：
通过中国国家标本平台(http://www.nsii.org.cn/2017/home.php)和各地方植物志查阅金钱松的自然分布地。
获得具体的分布地后，通过Locaspace Viewer查阅具体的地理坐标，中国有记录的金钱松天然分布地为51个(以县区级为单位)，见表1。
S2、将天然分布地的经纬度坐标输入DIVA-GIS 7.5软件内，获得分布区图如图1所示。通过该软件的内嵌气候数据和海拔高度，获得金钱松自然分布地的气候数据，气候数据为：年均温度、年均降水和海拔高度。提取每个金钱松分布区年均温度、年均降水和海拔高度记录至表2中得到气候数据库。
S3、根据记录有多个金钱松原生地气候数据的气候数据库，结合“气候相似论”，在SPSS 22.0内利用多元回归分析，构建金钱松适宜引种地的气候模型得到预测方程。
预测方程为：T＝44.481－0.077E－0.613N－0.004H，P＝1545.865+22.192E－93.973N+0.298H，其中T、P、E、N、H分别为预测年均温度、预测年均降水量，目标引种地的经度、纬度以及海拔高度。具体参数及显著性见表3和表4。各参数显著性良好，在0.05水平显著性明显。因此，这两个方程可作为金钱松引种的气候参数模型。
S4、将所述预测年均温度和所述预测年均降水量分别与目标引种地的历史年均温度和历史年均降水量进行比较，误差在10％以内则认为适宜引种。
表1金钱松天然分布坐标记录
Figure BDA0002334263290000051
/>
Figure BDA0002334263290000061
/>
Figure BDA0002334263290000071
表2金钱松气候及海拔建模数据
Figure BDA0002334263290000072
/>
Figure BDA0002334263290000081
表3金钱松适宜引种地年均温模型参数
Figure BDA0002334263290000082
Figure BDA0002334263290000091
/>
表4金钱松适宜引种地年均降水模型参数
Figure BDA0002334263290000092
实验例
以已成功引种的区域为例(这些区域原本并没有金钱松的分布)，验证该模型的准确性。
通过实地调查南京、杭州、武汉、上海、南昌、长沙等地均已有成功引种记录，通过方程比对验证模型。比对结果如表5所示。
表5各成功引种地区通过方程比对验证结果
Figure BDA0002334263290000093
通过表5明显看出，各引种成功地区根据方程计算得到的预测值与真实值均较为接近，误差较小均满足误差在10％以内。因此，能够说明利用气候数据预测金钱松适宜引种地的方法可准确预测目标引种地是否适合引种，该方法可在引种方面可推广使用。
综上所述，本发明提供的利用气候数据预测金钱松适宜引种地的方法，在传统引种理论的基础上，在地理气候大数据的基础上，结合数学模型，研究了金钱松物种分布规律，解决了金钱松适宜引种不易预测的技术难题。该发明属于自然科学范畴的基础学科技术创新，在传统引种理论的支持下，结合当前国际流行的物种分布数学模型技术，推进了植物引种研究领域的学科创新，加快了基础研究和应用技术成果转移转化。
利用本发明可有效地预测金钱松适宜引种目标地，为引种工作的开展提供了较为准确、科学的参考，同时也减少了盲目引种的发生、节省了大量的引种经费，该发明属于自然科学范畴的基础学科技术创新。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种利用气候数据预测金钱松适宜引种地的方法，其特征在于，包括：
根据记录有多个金钱松原生地气候数据的气候数据库，结合“气候相似论”，通过多元回归分析得到预测方程；
将金钱松目标引种地的经度、纬度以及海拔高度数据代入预测方程中，得到预测年均温度和预测年均降水量，所述预测方程为：
T＝44.481－0.077E－0.613N－0.004H，P＝1545.865+22.192E－93.973N+0.298H，其中T、P、E、N、H分别为所述预测年均温度、所述预测年均降水量，目标引种地的所述经度、所述纬度以及所述海拔高度；
将所述预测年均温度和所述预测年均降水量分别与目标引种地的历史年均温度和历史年均降水量进行比较，误差在10％以内则认为适宜引种。
2.根据权利要求1所述的利用气候数据预测金钱松适宜引种地的方法，其特征在于，得到所述预测方程之前还包括：收集多个金钱松原生地的气候数据得到所述气候数据库。
3.根据权利要求2所述的利用气候数据预测金钱松适宜引种地的方法，其特征在于，收集51个金钱松原生地的气候数据得到所述气候数据库。
4.根据权利要求2所述的利用气候数据预测金钱松适宜引种地的方法，其特征在于，收集多个金钱松原生地的气候数据的方法为：
获取所述金钱松的天然分布地的经纬度坐标；
将天然分布地的所述经纬度坐标输入DIVA-GIS 7.5软件内，通过该软件的内嵌气候数据和海拔高度，获得所述金钱松自然分布地的气候数据。
5.根据权利要求4所述的利用气候数据预测金钱松适宜引种地的方法，其特征在于，所述气候数据为：年均温度、年均降水和海拔高度。
6.根据权利要求4所述的利用气候数据预测金钱松适宜引种地的方法，其特征在于，获取所述金钱松的天然分布地的经纬度坐标的方法为：
通过中国国家标本平台和各地方植物志查阅金钱松的自然分布地；
获得自然分布地后对应查阅各个自然分布地的经纬度坐标。
7.根据权利要求6所述的利用气候数据预测金钱松适宜引种地的方法，其特征在于，查阅各个自然分布地的经纬度坐标所用到的工具为：Locaspace Viewer。
8.根据权利要求1所述的利用气候数据预测金钱松适宜引种地的方法，其特征在于，多元回归分析所用到的软件为SPSS 22.0。
CN201911349251.XA 2019-12-24 2019-12-24 利用气候数据预测金钱松适宜引种地的方法 Active CN111105094B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911349251.XA CN111105094B (zh) 2019-12-24 2019-12-24 利用气候数据预测金钱松适宜引种地的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911349251.XA CN111105094B (zh) 2019-12-24 2019-12-24 利用气候数据预测金钱松适宜引种地的方法

Publications (2)

Publication Number Publication Date
CN111105094A CN111105094A (zh) 2020-05-05
CN111105094B true CN111105094B (zh) 2023-05-23

Family

ID=70424212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911349251.XA Active CN111105094B (zh) 2019-12-24 2019-12-24 利用气候数据预测金钱松适宜引种地的方法

Country Status (1)

Country Link
CN (1) CN111105094B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003006274A (ja) * 2001-06-25 2003-01-10 National Agricultural Research Organization 生育段階毎の気候的類似性に基づく導入適作物・適品種、栽培適地、適作期判定システム
JP2017084079A (ja) * 2015-10-27 2017-05-18 日本電信電話株式会社 目的地予測装置、目的地予測方法、及び目的地予測プログラム
CN106845699A (zh) * 2017-01-05 2017-06-13 南昌大学 一种预测油茶适生区的方法
CN109978324A (zh) * 2019-01-22 2019-07-05 袁隆平农业高科技股份有限公司 一种引种选址方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10251347B2 (en) * 2016-01-07 2019-04-09 The Climate Corporation Generating digital models of crop yield based on crop planting dates and relative maturity values

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003006274A (ja) * 2001-06-25 2003-01-10 National Agricultural Research Organization 生育段階毎の気候的類似性に基づく導入適作物・適品種、栽培適地、適作期判定システム
JP2017084079A (ja) * 2015-10-27 2017-05-18 日本電信電話株式会社 目的地予測装置、目的地予測方法、及び目的地予測プログラム
CN106845699A (zh) * 2017-01-05 2017-06-13 南昌大学 一种预测油茶适生区的方法
CN109978324A (zh) * 2019-01-22 2019-07-05 袁隆平农业高科技股份有限公司 一种引种选址方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢春平 等.浙江安吉金钱松群落特征研究.植物资源与环境学报.2018,第第27卷卷(第第27卷期),91-99. *

Also Published As

Publication number Publication date
CN111105094A (zh) 2020-05-05

Similar Documents

Publication Publication Date Title
Chen et al. Accelerated increase in vegetation carbon sequestration in China after 2010: A turning point resulting from climate and human interaction
Fraga et al. Climate change projections for olive yields in the Mediterranean Basin
Paudel et al. Quantifying the factors affecting leaf litter decomposition across a tropical forest disturbance gradient
Fischer et al. Evapotranspiration of a high-density poplar stand in comparison with a reference grass cover in the Czech–Moravian Highlands
CN103577581B (zh) 农产品价格趋势预测方法
Lesur et al. Assessing nitrate leaching during the three‐first years of Miscanthus× giganteus from on‐farm measurements and modeling
Woznicki et al. Assessing uncertainty in best management practice effectiveness under future climate scenarios
Moore et al. The carbon and nitrogen cycle impacts of reverting perennial bioenergy switchgrass to an annual maize crop rotation
CN116842350A (zh) 一种污染场地植物修复的分析方法、系统及介质
Zhu et al. Estimating the contribution of groundwater to the root zone of winter wheat using root density distribution functions
Lichstein et al. Confronting terrestrial biosphere models with forest inventory data
Novakovskiy et al. Hydrometeorological database (HMDB) for practical research in ecology
Zhang et al. Land cover change instead of solar radiation change dominates the forest GPP increase during the recent phase of the Shelterbelt Program for Pearl River
Zhou et al. Effects of ecological restoration‐induced land‐use change and improved management on grassland net primary productivity in the S hiyanghe R iver B asin, north‐west C hina
Goude et al. Using hybrid modelling to predict basal area and evaluate effects of climate change on growth of Norway spruce and Scots pine stands
Hartwich et al. Hydrological modelling of changes in the water balance due to the impact of woody biomass production in the North German Plain
Shuanglong et al. Patterns and driving forces of cropland abandonment in mountainous areas
CN111105094B (zh) 利用气候数据预测金钱松适宜引种地的方法
Santopuoli et al. Dynamics of the silver fir (Abies alba Mill.) natural regeneration in a mixed forest in the Central Apennine
CN114416692B (zh) 一种构建流域水环境管理数据资源体系的方法
Müller et al. The effects of natural and artificial edges on phenology: a case study of Ctenitis submarginalis
Rachid-Casnati et al. Using soil-based and physiographic variables to improve stand growth equations in Uruguayan forest plantations
Juliev et al. Land Degradation Issues in Uzbekistan
Peng et al. Modeling stem volume growth of Qinghai spruce (Picea crassifolia Kom.) in Qilian Mountains of Northwest China
Singh et al. Simulating crop yield using the DSSAT v4. 7-CROPGRO-soyabean model with gridded weather and soil data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant