CN111626638A - 夏玉米倒伏气象等级评估模型的构建与应用 - Google Patents
夏玉米倒伏气象等级评估模型的构建与应用 Download PDFInfo
- Publication number
- CN111626638A CN111626638A CN202010507378.6A CN202010507378A CN111626638A CN 111626638 A CN111626638 A CN 111626638A CN 202010507378 A CN202010507378 A CN 202010507378A CN 111626638 A CN111626638 A CN 111626638A
- Authority
- CN
- China
- Prior art keywords
- lodging
- rainfall
- wind speed
- rate
- meteorological
- 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.)
- Granted
Links
- 240000008042 Zea mays Species 0.000 title claims abstract description 48
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 48
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 43
- 235000005822 corn Nutrition 0.000 title claims abstract description 43
- 238000013210 evaluation model Methods 0.000 title claims abstract description 8
- 238000010276 construction Methods 0.000 title abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 111
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000001556 precipitation Methods 0.000 claims description 53
- 238000000611 regression analysis Methods 0.000 claims description 14
- 208000003643 Callosities Diseases 0.000 abstract description 5
- 206010020649 Hyperkeratosis Diseases 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000012271 agricultural production Methods 0.000 abstract description 2
- 230000002265 prevention Effects 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 11
- 238000012795 verification Methods 0.000 description 9
- 241000196324 Embryophyta Species 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 5
- 235000009973 maize Nutrition 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009418 agronomic effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Environmental & Geological Engineering (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Agronomy & Crop Science (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Buildings Adapted To Withstand Abnormal External Influences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种夏玉米倒伏气象等级评估模型的构建与应用,旨在解决现有技术中夏玉米倒伏灾害缺乏严谨的量化数据的技术问题。本发明夏玉米倒伏灾害气象预警评估模型的构建方法为:检测倒伏受灾地的倒伏当日的最大风速和极大风速;得大风型倒伏率Y;检测检测倒伏受灾地的倒伏过程雨量;得风雨型倒伏率Y'。本发明的夏玉米倒伏灾害气象预警评估方法,利用所构建的模型得出大风型倒伏率Y或风雨型倒伏率Y',预警或评估受灾地倒伏程度。本发明为夏玉米倒伏灾害预警和监测评估等提供严谨的量化数据指标依据,配合气象自动化观测手段获取气象数据,为开展倒伏灾害气象预警,指导农业生产防灾减灾提供参考依据。
Description
技术领域
本发明涉及农业灾害评估技术领域,具体涉及一种夏玉米倒伏气象等级评估模型的构建与应用。
背景技术
黄淮海夏玉米区是中国最大的玉米集中产区,常年播种面积占全国40%以上;总产量约2200万t,占全国总产量的 34%左右。近年来该区夏玉米播种面积和产量均呈现出逐渐增加的趋势,对保障全国粮食安全起着重要的作用。夏玉米生长季主要集中在6~9月,也是强对流天气的多发季节,在多雨、多风的气象条件下,极易发生倒伏或倒折,严重影响着玉米的生长发育和产量形成,也不利于玉米机械化生产。
倒伏是一个综合复杂的现象,受外界气象条件、栽培技术、化控剂、植物本身及土壤特性等多种因素影响,其中外界气象条件是倒伏的直接诱因,大风和强降雨是主导因素。前人多是从农艺性状、力学特性等角度研究作物抗倒性评价指标,而倒伏致灾气象等级指标的研究较少,本发明中主要发明人李树岩等根据农业气象观测报表中的倒伏灾害记载,在前期研究过程中初步构建了夏玉米关键生育阶段倒伏气象指标,但该指标的建立主要基于灾情信息的描述,仅给出了一个大概的定性致灾风雨等级,缺乏严谨的量化数据的支持,精确性难以保证。
鉴于倒伏灾害的发生严重影响着夏玉米生产的稳定性,也影响着全年粮食生产形势的稳定,开展夏玉米倒伏灾害的监测、预警和评估成为亟需解决的技术问题,以期为倒伏气象保险指数等的精确制定及研判提供科学依据。
发明内容
本发明要解决的技术问题是提供一种夏玉米倒伏气象等级评估模型的构建与应用,根据气象条件判定夏玉米倒伏程度的方法,并进行了应用,以期解决现有夏玉米倒伏灾害评估技术中缺乏严谨的量化的气象判定指标的技术问题。
为解决上述技术问题,本发明采用如下技术方案:
设计一种夏玉米倒伏气象等级评估模型的构建方法,包括以下步骤:
(1)监测倒伏受灾地的倒伏当日的最大风速和极大风速;
(2)将极大风速或最大风速与总倒伏率进行回归分析;
(3)监测倒伏受灾地的大风过程前5日降水量和大风倒伏当日的逐小时降水量;
(4)将不同时间尺度的降水量与总倒伏率回归分析,确定过程雨量;
(5)以过程雨量15mm为界,判定倒伏的风雨的组合类型,<15mm时为大风型倒伏,≥15mm时为风雨型倒伏;
(6)根据风雨的组合类型,采用逐步回归方法建立大风、过程雨量与总倒伏率的大风型倒伏率Y或风雨型倒伏率Y'多元回归方程;所述大风采用极大风速或最大风速作为变量。
优选的,在所述步骤(4)中,所述过程雨量为倒伏发生前1日的日降水与倒伏当日剔除无效降水后日降水的总和。
优选的,在所述步骤(6)中,所述大风型倒伏率Y如下:
Y=0.396x1-0.327 或Y=0.502x1+0.926;
其中,x1为极大风速或最大风速。
优选的,在所述步骤(6)中,所述风雨型倒伏率Y'如下:
Y'=0.400x1+0.299x2+1.667 或 Y'=0.218x1+0.355x2+3.796;
其中,x1为极大风速或最大风速;x2为过程雨量。
提供一种夏玉米倒伏气象等级评估方法,包括以下步骤:
(1)监测倒伏受灾地的倒伏当日的最大风速和极大风速;
(2)监测倒伏受灾地的倒伏过程雨量;
(3)利用所构建的模型得出大风型倒伏率Y或风雨型倒伏率Y',评估受灾地倒伏程度。
优选的:
当倒伏受灾地的倒伏过程雨量<15mm且极大风速≥14m/s或过程雨量<15mm且最大风速≥8m/s时,倒伏率为[5, 10) %,为轻度倒伏;
当倒伏受灾地的倒伏过程雨量<15mm且极大风速≥25m/s、或过程雨量≥15mm且极大风速≥11m/s、过程雨量<15mm且最大风速≥18m/s、或过程雨量≥15mm且最大风速≥5m/s时,倒伏率为[10,20) %,为中度倒伏;
当倒伏受灾地的倒伏过程雨量≥40mm且极大风速≥15m/s、或过程雨量≥40mm且最大风速≥7m/s时,倒伏率为≥20%,为重度倒伏。
优选的,所述过程雨量为倒伏发生前1日的日降水与倒伏当日剔除无效降水后日降水的总和。
与现有技术相比,本发明的主要有益技术效果在于:
1. 本发明为夏玉米倒伏灾害预警和监测评估等提供严谨的量化数据指标依据,配合气象自动化观测手段获取气象数据,为开展倒伏灾害气象预警,指导农业生产防灾减灾提供参考依据。
2. 本发明首先根据灾害调查的总倒伏率与不同时间尺度降水量的关系,明确了对倒伏影响显著的“过程雨量”,当“过程雨量”为倒伏发生前1日的“日降水”与倒伏当日剔除无效降水后“日降水”的总和时,“过程雨量”与总倒伏率的相关性最好,拟合方程R2为0.920;以“过程雨量”15mm为界将倒伏致灾天气类型划分为“大风型”和“风雨型”,极大风速与总倒伏率拟合的R2为0.730(大风型)和0.662(风雨型);分别建立两种天气类型气象条件与倒伏率的回归方程,以总倒伏率大于等于5%、10%和20%作为轻、中、重倒伏等级划分标准,确定达到不同等级倒伏率的风速和“过程雨量”的阈值,综合两种天气类型构建分级指标。夏玉米倒伏气象等级指标验证结果表明,指标判定灾情与实际灾情等级一致的占77%,相差一个等级的占23%。
附图说明
图1为夏玉米倒伏气象等级指标构建流程图。
图2为小时降水量与总倒伏率的回归分析关系图。
图3为日降水量与总倒伏率的回归分析关系图。
图4为剔除无效降水后总倒伏率与日降水量的拟合关系图。
图5为不同时段累积降水与总倒伏率的回归分析关系图;
图中,a、b、c、d的“过程雨量”分别为倒伏前5日、3日、2日和1日的降水与倒伏当日剔除无效降水后“日降水量”的总和。
图6为极大风速与总倒伏率的回归分析关系图;
图中,a为“过程雨量”<15mm,b为“过程雨量”≥15mm。
图7为最大风速与总倒伏率的回归分析关系图;
图中,a为“过程雨量”<15mm,b为“过程雨量”≥15mm。
具体实施方式
下面结合附图和实施例来说明本发明的具体实施方式,但以下实施例只是用来详细说明本发明,并不以任何方式限制本发明的范围。
在以下实施例中所涉及的仪器设备如无特别说明,均为常规仪器设备;所涉及的试验方法,如无特别说明,均为常规方法。
实施例一:夏玉米倒伏气象等级评估模型的构建
1. 试验设计及数据获取
(1)倒伏灾情数据
所用数据来源于鹤壁市农业科学院2003-2019年玉米品种区域试验中关于自然倒伏的观测记载。试验为河南省夏玉米区域试验,每年参加试验的品种数量和具体品种名称不尽相同,且品种名称为保密数据仅用代号表示。试验前茬作物为小麦,各参试品种同期播种,同期收获。每个品种的试验小区面积为20m2,密度一般在60000~67500株/hm2,个别年份稍作调整。各参试品种除草、灌溉、施肥、中耕等田间管理措施保持一致。试验概况如表1所示。
试验要求每年均要进行各品种倒伏情况调查,并记载倒伏日期。首先将倒伏类型划分为两大类:“根倒伏”和“茎倒折”。根倒伏为植株从根部歪斜,主茎不发生折断且与地面夹角小于45°;茎倒折为茎秆在穗位节及以下发生弯折或折断。遇倒伏灾害时按品种试验小区调查倒伏率,75000株组密度调查90株,67500株组及以下的小区调查81株,分别统计“根倒伏”和“茎倒折”的株数除以总株数即为相应的倒伏率和倒折率。两种类型的数据相加为总倒伏率,由于品种的样本量大,加上保护行等试验田总面积可以代表大田生产水平,因此计算多个品种的平均总倒伏率来代表当年受灾的程度。
(2)致灾气象数据
根据倒伏灾情数据中记载的倒伏灾害发生时间,反查提取倒伏灾害发生时的气象数据,数据来源于距离试验田约10km的淇县地面气象观测站,气象要素包括日最大风速、日最大风速出现时间、日极大风速、日极大风速出现时间、日降水量、逐小时降水量。其中日最大风速为某个时段内出现的最大10分钟平均风速值,日极大风速为某个时段内出现的最大瞬时风速值,在自动气象站中,瞬时风速指3秒钟的平均风速。气象数据如表1所示。
地面观测规范中关于大风的观测主要包括“日极大风速”和“日最大风速”。其中,日极大风速为瞬时风速的最大值,能较准确的反映受灾程度,但在实际应用中数据获取不是很方便,而最大风速为常规的可交换共享的观测要素,数据获取相对较容易,因此同时考虑极大风速和最大风速两个阈值指标。
表1鹤壁试验点夏玉米区域试验品种倒伏灾害概况
2.倒伏气象等级指标构建
(1)总体思路
研究发现,倒伏主要受风速和降水两个气象条件影响,由倒伏典型案例分析可知,大风是发生倒伏的必要条件,且风速量级不同倒伏程度有差异。由表1也可知倒伏事件一般都会伴随一定的降水;因此,分别分析倒伏率与大风、降雨的关系。虽然大部分倒伏灾害都是风雨相加,但是降水并非倒伏发生的必要条件,其变化范围亦较大,降水对倒伏的程度起到了叠加影响的作用。因此,首先判断是否有降水,以及降水量级对倒伏的影响,从而可将夏玉米倒伏灾害划分为“大风型”和“风雨混合型”。
分析大风和降水两个主要致灾因子与夏玉米总倒伏率的关系,确定影响倒伏的“过程降水量”,分别建立“大风型”和“风雨混合型”气象条件与倒伏率回归模型,进而合理划分轻、中、重等级,构建倒伏气象等级指标。指标构建方法如图1所示。
(2)倒伏气象等级指标的影响因素分析与构建
1) 降水与总倒伏率的关系
发明人的前期研究表明,土壤湿度过大,根系疏松,遇大风过程易发生根部倒伏。排除灌溉因素,土壤水分主要来源于前期降水;因此,大风同期及之前的降水是影响倒伏发生的重要因素。本发明将对一次倒伏过程造成影响的降水总量定义为过“过程雨量”,“过程雨量”的确定是影响倒伏的降水指标的关键。发生倒伏的大风过程可能持续几分钟、几十分钟,甚至数小时;因此,需从逐小时数据和逐日数据分别着手,确定对倒伏产生叠加效应的“过程雨量”。
① 大风过程同期“1小时降水量”与总倒伏率回归分析
首先根据逐小时气象数据,提取日极大风速出现时的1小时内降水,作为“过程雨量”,分析1小时内降水量与总倒伏率的相关关系,如图2所示。总体上1小时内降水量与总倒伏率呈正相关,但部分点的离散性较大,线性回归方程的R2仅为0.463,拟合效果不是很理想。模拟误差较大的点主要分布在“1小时降水量”接近0的年份;因此,需考虑对“过程雨量”的时间尺度进行扩展,加入大风过程前后的降水作为“过程雨量”。
② 大风倒伏当日的“日降水量”与总倒伏率回归分析
由于“过程雨量”的选择不能局限于大风过程同期的1小时降水;因此,将“过程雨量”的界定暂时扩大到“日降水量”的尺度来分析。大风过程当日的降水量与总倒伏率的相关关系,结果如由图3所示,拟合方程的R2也很低,分析其原因,主要是两个点的日降水量与总倒伏率的拟合关系很差,一个是2010年8月19日的倒伏过程,日降水量为142.2,另一个是2019年8月1日,日降水量为47.6。通过反查逐小时气象资料分析这两次倒伏过程的降水分布特征发现,这两次灾害的“日降水量”主要发生在大风过程之后,或者说是在夏玉米倒伏之后。其中2010年8月19日的142.2mm降水全部为大风过程之后;2019年8月1日16时发生大风过程,同期1小时内降水量为10.9mm,之后截止到20时总降水量为36.7mm。因此,以伴随大风过程的“1小时降水量”为分界线,对之前的降水量进行累加,之后的降水量作为无效降水进行剔除。无效降水剔除后的总倒伏率与日降水量拟合效果如图4所示,拟合效果有极大的提升,R2从0.004变为0.917达极显著水平。
③ 过程雨量的确定
由以上分析可知,对“过程雨量”的确定既要累加大风过程之前的降水,又要剔除过程后的无效降水,才能达到与倒伏率较好的相关性。但倒伏过程的前期降水从何时累积也是需要界定的问题,因此分别提取了倒伏前5日、3日、2日和1日的降水,累加到倒伏当日剔除无效降水后“日降水量”,计算降水总和,分别作为“过程雨量”,与总倒伏率进行拟合分析,结果如图5所示。随着纳入“过程雨量”的日期越接近大风过程,其拟合效果越好,将倒伏前5日(图5a)和3日(图5b)的降水纳入“过程雨量”拟合效果相近,R2分别为0.756和0.754。将倒伏前2日(图5c)的降水纳入“过程雨量”时拟合方程R2为0.846,将倒伏前1日(图5d)的降水纳入“过程雨量”时拟合效果最好,拟合方程R2为0.920,且R2略高于图3的拟合效果接近。因此,“过程雨量”定义为大风倒伏前1日与倒伏当日剔除无效降水后的降水量总和。
2) 大风与总倒伏率的关系
分析极大风速和最大风速与总倒伏率的拟合关系,其拟合方程的R2分别为0.203和0.030,拟合效果均较差。进一步分析发现,当“过程雨量”≤11.7mm时,极大风速和总倒伏率呈显著正相关,其拟合方程如图6a所示,R2为0.730;当“过程雨量”≥18.8mm时,极大风速和总倒伏率亦呈显著正相关,其拟合方程如图6b所示,R2为0.662。由此,可按降水量的多少可将倒伏过程划分为不同的风雨组合类型,以11.7mm和18.8mm的均值为参考,可大概设定以降水量15mm为界,当降水量<15mm时为大风型倒伏,当降水量≥15mm时为风雨型倒伏。
最大风速与总倒伏率的回归分析如图7所示。方程拟合效果较极大风速略差,但其总体趋势一致。
3)大风、过程雨量与总倒伏率的回归模型
根据风雨的组合类型,采用逐步回归方法建立大风、过程雨量与总倒伏率多元回归方程,其中大风分别采用极大风速和最大风速两个变量。根据建立的回归方程,计算达到不同程度倒伏所对应的气象条件。将夏玉米倒伏灾害按倒伏率划分为轻、中、重三级,其对应的倒伏率指标为5%~10%轻度倒伏,10%~20%中度倒伏,>20%为重度倒伏。
① “大风型”倒伏的多元回归模型
经逐步回归分析可知,仅风速数据进入方程,大风型倒伏主要考虑不同风速条件下倒伏程度。其拟合回归方程如表2所示。其中x1为风速(极大风速或最大风速),Y为倒伏率。
表2 “大风型”倒伏的回归方程
根据建立的回归方程,计算达到不同倒伏等级的阈值时的极大和最大风速,结果如表3所示。当极大风速为14m/s,最大风速为8m/s时,拟合倒伏率为5.2%和4.9%,接近于轻度倒伏指标5%,因此将极大风速为14m/s和最大风速为8m/s作为轻度倒伏的阈值。同理,将极大风速为25m/s和最大风速为18m/s作为中度倒伏的阈值。但当极大风速为51m/s和最大风速为38m/s时,拟合倒伏率才达到20%左右,这样的风速水平在陆地很少出现;因此,不能作为重度倒伏的评估指标。
表3 不同等级“大风型”倒伏的气象阈值
② “风雨型”倒伏的多元回归模型
经多元逐步回归分析可知,风速和降水数据均进入方程,“风雨型”倒伏要综合考虑不同风速和降水匹配条件下的倒伏程度。其拟合回归方程如表4所示。其中x1为风速(极大风速或最大风速),x2为过程雨量,Y为倒伏率。
表4 “风雨型”倒伏的多元回归方程
根据建立的多元回归方程,计算达到不同倒伏等级的阈值时的风速和雨量。由于风速是倒伏灾害发生的必要条件,或者说是背景条件,因此在倒伏率达到某一等级的所有灾害样本中,取风速的最小值,表明在该风速条件下可发生这一等级的倒伏,待风速确定后,再根据回归方程确定达到不同倒伏等级的雨量阈值。基于以上思路,在倒伏率大于10%的中度倒伏建模样本中,极大风速最低值为11.3 m/s,最大风速最低值为5.6 m/s,因此,中度倒伏的风速阈值确定为11m/s(极大风速)和5m/s(最大风速),且经回代可知过程雨量为15mm时,拟合倒伏率接近于10%,且15mm也是划分“大风型”和“风雨型”倒伏的一个分界点。在倒伏率大于20%的重度倒伏建模样本中,极大风速最低值为15.1,最大风速最低值为7.1;因此,重度倒伏的风速阈值确定为15m/s(极大风速)和7m/s(最大风速),且经回代可知过程雨量为40mm时,拟合倒伏率接近于20%。结果如表5所示。
表5 不同等级“风雨型”倒伏的气象阈值
4)夏玉米倒伏气象等级指标划分
按照总倒伏率的轻、中、重等级,综合表3和表5的结果,构建夏玉米倒伏气象等级指标。由回归方程外推轻度倒伏灾害指标(表5)可知,当极大风速为10m/s,过程雨量为0mm时,拟合倒伏率接近5%,由于推算的降水已经为0mm,不属于风雨混合型倒伏,因此轻度倒伏指标仅选择“大风型”表3的结果。由表3也可知发生重度倒伏,要求极大风速达到51m/s以上,这在陆地很罕见,没有实际应用价值,因此重度倒伏等级的气象指标仅参考“风雨混合型”表5的结果。最后建立的夏玉米气象等级指标如表6所示。
表6 夏玉米倒伏气象等级指标
注:Rn为过程雨量,Fe为极大风速,Fm为最大风速。
实施例二:夏玉米倒伏等级指标验证
根据农业气象观测年报表中关于夏玉米生长季灾害的记载,收集筛选历史倒伏典型案例,数据来源于河南省19个农业气象观测站。主要包括灾害发生时间、地点、天气条件、受灾面积和比例等。由于指标构建所用倒伏率基于大田生产水平,因此尽量选取能反映大田生产水平的案例来验证,筛选的部分典型案例如表7所示。
表7 用于指标验证的历史倒伏典型案例
收集倒伏历史典型案例,根据实际观测记载和倒伏灾情描述估算倒伏率,根据记录的倒伏发生日期,反查灾害过程的气象资料,包括当日降水和前一日降水,最大风速和极大风速。根据夏玉米倒伏等级指标对灾害发生等级进行判定,与倒伏实际灾情等级相对照,进行指标验证,结果如表8所示。受历史气象观测资料的限制,极大风速和逐小时雨量较难获得,对过程雨量的判定不完全准确,也影响到结果验证的准确性,但根据当前气象资料判定结果可知,26个验证样本中,有20个样本的指标判定灾情与实际灾情等级一致,占77%;有6个样本的指标判定灾情与实际灾情等级相差一个等级,占23%,没有相差两个以上等级的情况。
表8 夏玉米倒伏气象等级指标验证
上面结合附图和实施例对本发明作了详细的说明,但是,所属技术领域的技术人员能够理解,在不脱离本发明宗旨的前提下,还可以对上述实施例中的各个具体参数进行变更,形成多个具体的实施例,均为本发明的常见变化范围,在此不再一一详述。
Claims (7)
1.一种夏玉米倒伏气象等级评估模型的构建方法,其特征在于,包括以下步骤:
(1)监测倒伏受灾地的倒伏当日的最大风速和极大风速;
(2)将极大风速或最大风速与总倒伏率进行回归分析;
(3)监测倒伏受灾地的大风过程前5日降水量和大风倒伏当日的逐小时降水量;
(4)将不同时间尺度的降水量与总倒伏率回归分析,确定过程雨量;
(5)以过程雨量15mm为界,判定倒伏的风雨的组合类型,<15mm时为大风型倒伏,≥15mm时为风雨型倒伏;
(6)根据风雨的组合类型,采用逐步回归方法建立大风、过程雨量与总倒伏率的大风型倒伏率Y或风雨型倒伏率Y'多元回归方程;所述大风采用极大风速或最大风速作为变量。
2.根据权利要求1所述的夏玉米倒伏气象等级评估模型的构建方法,其特征在于,在所述步骤(4)中,所述过程雨量为倒伏发生前1日的日降水与倒伏当日剔除无效降水后日降水的总和。
3.根据权利要求1所述的夏玉米倒伏气象等级评估模型的构建方法,其特征在于,在所述步骤(6)中,所述大风型倒伏率Y如下:
Y=0.396x1-0.327 或Y=0.502x1+0.926;
其中,x1为极大风速或最大风速。
4.根据权利要求1所述的夏玉米倒伏气象等级评估模型的构建方法,其特征在于,在所述步骤(6)中,所述风雨型倒伏率Y'如下:
Y'=0.400x1+0.299x2+1.667 或 Y'=0.218x1+0.355x2+3.796;
其中,x1为极大风速或最大风速;x2为过程雨量。
5.一种夏玉米倒伏气象等级评估方法,其特征在于,包括以下步骤:
(1)监测倒伏受灾地的倒伏当日的最大风速和极大风速;
(2)监测倒伏受灾地的倒伏过程雨量;
(3)利用权利要求1所构建的模型得出大风型倒伏率Y或风雨型倒伏率Y',评估受灾地倒伏程度。
6.根据权利要求5所述的夏玉米倒伏气象等级评估方法,其特征在于:
当倒伏受灾地的倒伏过程雨量<15mm且极大风速≥14m/s或过程雨量<15mm且最大风速≥8m/s时,倒伏率为[5, 10) %,为轻度倒伏;
当倒伏受灾地的倒伏过程雨量<15mm且极大风速≥25m/s、或过程雨量≥15mm且极大风速≥11m/s、过程雨量<15mm且最大风速≥18m/s、或过程雨量≥15mm且最大风速≥5m/s时,倒伏率为[10,20) %,为中度倒伏;
当倒伏受灾地的倒伏过程雨量≥40mm且极大风速≥15m/s、或过程雨量≥40mm且最大风速≥7m/s时,倒伏率为≥20%,为重度倒伏。
7.根据权利要求5所述的夏玉米倒伏气象等级评估方法,其特征在于,所述过程雨量为倒伏发生前1日的日降水与倒伏当日剔除无效降水后日降水的总和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010507378.6A CN111626638B (zh) | 2020-06-05 | 2020-06-05 | 夏玉米倒伏气象等级评估模型的构建与应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010507378.6A CN111626638B (zh) | 2020-06-05 | 2020-06-05 | 夏玉米倒伏气象等级评估模型的构建与应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111626638A true CN111626638A (zh) | 2020-09-04 |
CN111626638B CN111626638B (zh) | 2024-02-02 |
Family
ID=72259570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010507378.6A Active CN111626638B (zh) | 2020-06-05 | 2020-06-05 | 夏玉米倒伏气象等级评估模型的构建与应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626638B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115577951A (zh) * | 2022-10-19 | 2023-01-06 | 北京爱科农科技有限公司 | 一种基于玉米生长机理模型的夏玉米倒伏预警算法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101876623A (zh) * | 2009-12-08 | 2010-11-03 | 中国农业大学 | 玉米新品种抗倒性检测环境定量化分析方法及其系统 |
CN103177301A (zh) * | 2013-03-12 | 2013-06-26 | 南京信息工程大学 | 一种台风灾害风险预估方法 |
CN104484722A (zh) * | 2014-12-24 | 2015-04-01 | 贵州电网公司电力调度控制中心 | 一种基于cim标准的气象因子影响电网灾害模型建模方法 |
RU2013149579A (ru) * | 2013-11-06 | 2015-05-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Воронежский государственный аграрный университет имени императора Петра 1" (ФГБОУ ВПО Воронежский ГАУ) | Способ прогнозирования полегания стеблевых культур в условиях лесостепи центрального черноземья |
CN106910022A (zh) * | 2017-02-28 | 2017-06-30 | 河南科技学院 | 小麦群体抗倒伏临界风速测定及计算方法 |
CN108898499A (zh) * | 2018-05-31 | 2018-11-27 | 河南省气象科学研究所 | 一种冬小麦干热风保险天气指数计算方法 |
US20190059209A1 (en) * | 2017-08-24 | 2019-02-28 | Pioneer Hi-Bred International, Inc. | High resolution soil rooting zone penetrometer |
CN110533287A (zh) * | 2019-07-23 | 2019-12-03 | 河南省气象科学研究所 | 夏玉米干旱灾损定量测评模型的构建与应用 |
-
2020
- 2020-06-05 CN CN202010507378.6A patent/CN111626638B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101876623A (zh) * | 2009-12-08 | 2010-11-03 | 中国农业大学 | 玉米新品种抗倒性检测环境定量化分析方法及其系统 |
CN103177301A (zh) * | 2013-03-12 | 2013-06-26 | 南京信息工程大学 | 一种台风灾害风险预估方法 |
RU2013149579A (ru) * | 2013-11-06 | 2015-05-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Воронежский государственный аграрный университет имени императора Петра 1" (ФГБОУ ВПО Воронежский ГАУ) | Способ прогнозирования полегания стеблевых культур в условиях лесостепи центрального черноземья |
CN104484722A (zh) * | 2014-12-24 | 2015-04-01 | 贵州电网公司电力调度控制中心 | 一种基于cim标准的气象因子影响电网灾害模型建模方法 |
CN106910022A (zh) * | 2017-02-28 | 2017-06-30 | 河南科技学院 | 小麦群体抗倒伏临界风速测定及计算方法 |
US20190059209A1 (en) * | 2017-08-24 | 2019-02-28 | Pioneer Hi-Bred International, Inc. | High resolution soil rooting zone penetrometer |
CN108898499A (zh) * | 2018-05-31 | 2018-11-27 | 河南省气象科学研究所 | 一种冬小麦干热风保险天气指数计算方法 |
CN110533287A (zh) * | 2019-07-23 | 2019-12-03 | 河南省气象科学研究所 | 夏玉米干旱灾损定量测评模型的构建与应用 |
Non-Patent Citations (8)
Title |
---|
乔世昌;张清山;张万琴;: "小麦茎秆抗倒伏数学模型设计", no. 02 * |
吴春艳: "北京地区玉米风灾损失定量评估模型研究" * |
姚晓红;许彦平;姚延锋;: "天水市农业气象灾害对主要粮食作物生产影响的量化评估研究", no. 08 * |
牛浩;陈盛伟;: "玉米风雨倒伏指数保险产品设计研究――以山东省宁阳县为例", no. 12 * |
郝双利;刘丹;吴强;田永;李玉姣;许文静;张静华;: "滦州市一次夏玉米倒伏气象因素简析", no. 01 * |
郭小芹;刘明春;陈立夫;王旭红;: "河西东部设施农业风灾指标设计及其特征研究", no. 08 * |
郭贝宁;: "夏玉米大风暴雨不同倒伏方式的产量灾损评估研究", no. 30 * |
金志凤;叶建刚;霍治国;姚益平;毛飞;: "浙江省热带气旋灾损和等级评估", no. 06 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115577951A (zh) * | 2022-10-19 | 2023-01-06 | 北京爱科农科技有限公司 | 一种基于玉米生长机理模型的夏玉米倒伏预警算法 |
CN115577951B (zh) * | 2022-10-19 | 2023-09-19 | 北京爱科农科技有限公司 | 一种基于玉米生长机理模型的夏玉米倒伏预警算法 |
Also Published As
Publication number | Publication date |
---|---|
CN111626638B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hammer et al. | The value of skill in seasonal climate forecasting to wheat crop management in a region with high climatic variability | |
Haylock et al. | Trends in extreme rainfall indices for an updated high quality data set for Australia, 1910–1998 | |
Diodato | Estimating RUSLE’s rainfall factor in the part of Italy with a Mediterranean rainfall regime | |
Rao et al. | Climate variability and change: Farmer perceptions and understanding of intra-seasonal variability in rainfall and associated risk in semi-arid Kenya | |
Wu et al. | An agricultural drought risk‐assessment model for corn and soybeans | |
CN110909973B (zh) | 考虑下垫面条件的旱情综合监测评估方法 | |
Mhizha et al. | Use of the FAO AquaCrop model in developing sowing guidelines for rainfed maize in Zimbabwe | |
CN104361249B (zh) | 基于作物生长模型的作物旱灾致灾强度指数计算方法 | |
CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
Rivoire et al. | Impact of the dry-day definition on Mediterranean extreme dry-spell analysis | |
Nathan et al. | Suitability of different data sources in rainfall pattern characterization in the tropical central highlands of Kenya | |
CN110793921A (zh) | 一种抽雄授粉期玉米洪涝灾害遥感监测与评估方法与系统 | |
Gavazzi et al. | Canopy rainfall interception measured over ten years in a coastal plain loblolly pine (Pinus taeda L.) plantation | |
Carter et al. | Estimating regional crop potential in Finland under a changing climate | |
CN111626638B (zh) | 夏玉米倒伏气象等级评估模型的构建与应用 | |
Moeletsi | Agroclimatological risk assessment of rainfed maize production for the Free State Province of South Africa | |
Wambua | Spatio-temporal characterization of agricultural drought using soil moisture deficit index (SMDI) in the upper Tana River basin, Kenya | |
Mendonça et al. | Temporal and spatial uncertainty of erosion soil loss from an argisol under sugarcane management scenarios | |
CN114219183A (zh) | 一种基于气象条件的北流荔枝产量大小年年型等级区域预测模型的构建方法 | |
CN110956322B (zh) | 气候变暖趋势下的夏玉米花期高温灾害风险预测方法 | |
Legesse | Agricultural drought assessment using remote sensing and GIS techniques | |
Sun et al. | Dynamic drought risk assessment using crop model and remote sensing techniques | |
Sentelhas et al. | Evaluation of the WGEN and SIMMETEO weather generators for the Brazilian tropics and subtropics, using crop simulation models | |
Masupha et al. | Drought analysis on maize in the Luvuvhu River Catchment, South Africa | |
Yirga | Effect of climate variations on maize yields across Abeshge district in Ethiopia |
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 |