CN113761708A - 一种基于滚动气象预报的花期预报方法 - Google Patents
一种基于滚动气象预报的花期预报方法 Download PDFInfo
- Publication number
- CN113761708A CN113761708A CN202110829467.7A CN202110829467A CN113761708A CN 113761708 A CN113761708 A CN 113761708A CN 202110829467 A CN202110829467 A CN 202110829467A CN 113761708 A CN113761708 A CN 113761708A
- Authority
- CN
- China
- Prior art keywords
- flowering
- data
- forecast
- days
- accumulated temperature
- 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.)
- Pending
Links
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 title claims abstract description 166
- 238000005096 rolling process Methods 0.000 title claims abstract description 29
- 238000013277 forecasting method Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012417 linear regression Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000000611 regression analysis Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 230000018109 developmental process Effects 0.000 abstract 1
- 230000001737 promoting effect Effects 0.000 abstract 1
- 241000196324 Embryophyta Species 0.000 description 71
- 230000000694 effects Effects 0.000 description 14
- 241000208422 Rhododendron Species 0.000 description 8
- 241000759905 Camptotheca acuminata Species 0.000 description 5
- 235000007519 Chimonanthus praecox Nutrition 0.000 description 5
- 244000267823 Hydrangea macrophylla Species 0.000 description 5
- 235000014486 Hydrangea macrophylla Nutrition 0.000 description 5
- 241000167847 Koelreuteria paniculata Species 0.000 description 5
- 240000000161 Lagerstroemia indica Species 0.000 description 5
- 240000001359 Origanum dictamnus Species 0.000 description 5
- 235000015987 Origanum dictamnus Nutrition 0.000 description 5
- 235000004383 Origanum vulgare subsp. vulgare Nutrition 0.000 description 5
- 210000002700 urine Anatomy 0.000 description 5
- 241000220433 Albizia Species 0.000 description 4
- 244000071378 Viburnum opulus Species 0.000 description 4
- 235000019013 Viburnum opulus Nutrition 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 235000000283 Lagerstroemia parviflora Nutrition 0.000 description 3
- 241000219925 Oenothera Species 0.000 description 3
- 235000004496 Oenothera biennis Nutrition 0.000 description 3
- 240000007967 Rhododendron lapponicum Species 0.000 description 3
- 235000008296 Rhododendron lapponicum Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 235000011438 Albizia odoratissima Nutrition 0.000 description 2
- 241000245063 Primula Species 0.000 description 2
- 235000016311 Primula vulgaris Nutrition 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 244000195896 dadap Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000332371 Abutilon x hybridum Species 0.000 description 1
- 240000007185 Albizia julibrissin Species 0.000 description 1
- 235000011468 Albizia julibrissin Nutrition 0.000 description 1
- 241000167854 Bourreria succulenta Species 0.000 description 1
- 244000070010 Erythrina variegata Species 0.000 description 1
- 241000555712 Forsythia Species 0.000 description 1
- 241000218922 Magnoliophyta Species 0.000 description 1
- 241000167562 Pittosporum tobira Species 0.000 description 1
- 235000011449 Rosa Nutrition 0.000 description 1
- 241000328914 Toffolettia Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000019693 cherries Nutrition 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010152 pollination Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Cultivation Of Plants (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
Abstract
本发明公开一种基于滚动气象预报的花期预报方法,包括通过历史多年的花期数据,及日均温数据,预先计算出常见观赏性植物以旬为单位的平均有效积温,系统利用线性回归的方法建立预报模型,抓取30天气象预报信息,计算30天内两个旬的平均有效积温并带入模型,对即将开放以及已经开放的植物进行集中展示,动态实时更新花期数据,并提供该植物观花的最佳地理信息位置,为游客在合适时间观赏最佳盛开的花卉提供指南,推动赏花经济高质量发展。本发明只需要日均温数据便能预测植物花期,花期预报的准确发布,还为花农搭配植物、美化园林提供更多可能性。
Description
技术领域
本发明属于植物花期及数据预测技术领域,具体涉及一种基于滚动气象预报的花期预报方法。
背景技术
近些年来,花期预报技术受到学术界广泛关注,这是由于花期预报为生产生活带来极大的便利。农业生产方面,提高花农工作效率,对授粉、栽培管理及采摘时间提前做出规划,为研究、控制花期的技术奠定基础;花期预报气象服务助力旅游业打造赏花经济,充分发挥地方特色开展赏花活动,实现“精准预报,只为完美邂逅”。花卉植物实用价值与观赏价值并存,然而,花卉植物对环境条件非常敏感,一次降温、一场风雨就可能对赏花效果造成影响,由此可见,植物花期的准确预报具有重要意义,但是,目前的花期预报还存在以下问题:
(1)目前缺少对多种植物的花期开展连续预报的研究。
(2)已有的花期预报研究中,缺少基于易获取数据,通过便捷的方式得到花期预报。
(3)影响植物花期的气象因素众多,目前研究花期预报模型缺少引用多个气象因子作为变量,使花期预报不够精准。
发明内容
本发明解决的技术问题:提供一种基于滚动气象预报的花期预报系统,能让人们提前预知常见植物花期时间,有充足的时间做好采摘或观赏的准备工作,确保达到最佳效果。
技术方案:为了解决上述技术问题,本发明采用的技术方案如下:
一种基于滚动气象预报的花期预报方法,包括:通过历史多年的花期数据,及日均温数据,预先计算出常见观赏性植物以旬为单位的平均有效积温,利用线性回归的方法建立预报模型,抓取30天气象预报信息,计算30天内两个旬的平均有效积温并带入预报模型,对即将开放以及已经开放的植物进行集中展示,动态实时更新花期数据,并提供该植物观花的最佳地理位置信息。
具体包括以下步骤:
步骤一,获取历史日均温数据及未来日均温预报数据;
步骤二,使用观赏性植物花期与气象数据的相关统计方法;
步骤三,根据所述统计的主要气象要素数据,基于滚动气象预报数据建立花期预报模型。
步骤四,将数据存入系统更新,实时更新花期数据,集中展示近期处于花期和静候开放的植物。
作为优选,步骤一中,通过部署在天气网站的服务器上的自建服务,动态获取未来的气象信息。
作为优选,步骤二中,对观赏性植物花期与同年花期前期气象要素进行相关分析,获取与植物花期相关显著的气象因子作为关键影响因子,将关键影响因子引入再进行逐步回归分析,建立多元线性回归方程。
作为优选,步骤三中,根据统计的主要气象要素数据获取影响植物花期的关键因子,利用关键因子与儒略日之间存在直线回归关系,采用相关分析和逐步回归的统计方法,建立植物花期预报模型;然后,根据滚动气象预报数据,计算预报年所需的气象因子,代入模型中获得花期儒略日,换算得到预测年花期的具体日期。
作为优选,步骤四中,根据获取的实时气象数据计算后带入花期预报模型,得出具体开花时间区间数据并呈现。
作为优选,通过花期预报系统的软件界面呈现花期预报信息,期预报系统实现藏花馆、赏花地图、天气预报和科普功能。
有益效果:与现有技术相比,本发明具有以下优点:
(1)根据植物花期物候获取的资料,筛选影响植物花期显著的气象因子,将关键因子逐步回归分析,引用多个相关的气象因子构建花期预测模型。
(2)只需要日均温数据通过科学计算,便能提前10天(一旬)以上准确预测花期,为农业生产等相关单位和游客提供较为准确、科学的参考。
(3)基于滚动气象预报数据,动态发布植物花期物候预报,理论和实际结合起来,应用到实际生活中。
根据本发明实施例的基于滚动气象预报的花期预报系统,可以适于大多数非极端天气地区,同样作为植物花期预测的方法。
附图说明
图1是根据本发明实施例的基于气象滚动预报的花期预报技术的示意图;
图2是实施例1的白花杜鹃初花期模拟结果示意图;
图3是实施例2的11种南京市常见木本观赏性植物的初花期模拟示意图;
图4是此花期预报系统程序界面设计流程示意图;
图5是根据本发明实施例,基于花期物候学知识,结合编程技术,形成的花期预报系统主页界面示意图;
图6是根据本发明实施例,基于花期物候学知识,结合编程技术,形成的花期预报系统赏花地图界面示意图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,实施例在以本发明技术方案为前提下进行实施,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
一种基于滚动气象预报的花期预报系统,以南京为例,包括如下步骤:
步骤一:获取南京市历史日均温数据及未来日均温预报数据;
从中国天气网站抓取南京市的气象数据,历史日均温数据及未来三十天日均温的预报数据。通过部署在天气网站的服务器上的自建服务,利用jsoup框架向天气网站发出请求,抓取所需元素,获得气象数据,存入数据,形成相应的数据库,用户需要获取未来的气象信息时,从数据库发送请求,数据库核对网页数据是否更新,若已更新数据,则数据库先进行自身数据更新,再将数据返回给请求者;若未更新数据,则数据库直接将数据返回给请求者。
步骤二,观赏性植物花期与气象数据的相关统计方法;
根据1980-2012常见观赏性植物花期的观测和记载资料,统计植物花期以日、旬、月为单位的气象观测资料,包括日平均气温、旬平均、月平均积温等气象要素;南京市位于东部季风区,属于亚热带季风气候,亚热带地区通常以10℃为生物学零度,高于这一温度,植物开始生长,所以通常以10度有效积温计算旬平均、月平均积温数据,但有些观赏性植物花期集中在3、4月份,温度数据多数低于10度,此时以5度有效积温计算数据;将植物花期作为儒略日,利用儒略日的换算方法计算有效积温;统计每年稳定通过10℃(5℃)植物花期集中月份的≥10℃(5℃)平均积温、花期集中月份以旬为单位≥10℃(5℃)平均积温等气象因子;对观赏性植物花期与同年花期前期气象要素进行相关分析,重点通过对决定系数(R的平方)、T检验、误差等方面分析,获取与植物花期相关显著的气象因子作为关键影响因子,将关键影响因子引入再进行逐步回归分析,建立多元线性回归方程。
花期包括:根据全国通用的农业气象观测规范,对观赏性植物各个花期阶段进行观测,花期阶段包括初花期、盛花期和末花期;观测植物进入各个花期阶段,是以观测的一株数中花已经开放的花量所占的百分率所确定的;观测到有5%的花已经开放的日期为初花期,观测记录有50%的花已经开放(单株花量最多)的日期为单株盛花期,各单株盛花期最集中的时期为盛花期,观测到还有5%的花未开放记为末花期,末花日期减去初花日期为花期;
步骤三,根据所述统计的主要气象要素数据,基于滚动气象预报数据建立花期预报模型。
首先,根据所述统计的主要气象要素数据获取影响植物花期的关键因子,利用关键因子与儒略日之间存在直线回归关系,采用相关分析和逐步回归的统计方法,建立植物花期预报模型;然后,根据滚动气象预报数据,计算预报年所需的气象因子,代入模型中获得花期儒略日,换算得到预测年花期的具体日期。
步骤四,将数据存入系统更新,实时更新花期数据,集中展示近期处于花期和静候开放的植物。
预测预报年植物花期的预测结果是大致日期,首先,利用部署在天气网站的服务器实时更新数据实现滚动气象预报;其次,气候数据即时存入数据库计算旬平均有效积温,根据计算的数据,代入到每种植物不同的预报模型中,逐一计算,得出具体的开花区间等数据;然后,最新数据自动录入数据库,软件自动读取,通过网络从服务器上的数据库里传到预报系统;最终,系统呈现的结果是通过软件界面的形式展示常见观赏性植物的花期预报,分为已开、盛开、未开三种类型,实现植物花期连续滚动预报。
本发明将物候学与编程技术结合,形成多种植物连续花期预报系统。界面包括五大板块:藏花馆、赏花地图、主页、天气预报和科普,采用Swift UI框架进行设计,在保证功能的前提下提供了简洁易用的交互UI,利用卡片式的设计语言,高纯度的色块为交互营造舒适感,系统提供的原生控件灵敏性高、扩展性好。动态更新花期数据,并提供该种植物观花的地理位置,以期推动和提高南京市观赏植物花期和预报,更好地为市民赏花提供服务。
系统主页集中展示正处于花期的观赏性植物,并注明几天后凋谢的提示。一些辅助功能包括:藏花馆功能以列表形式展现常见的具有观赏价值的本本植物的花名、学名、科属、花期及其他详细信息。赏花地图功能将观赏植物按季节分类,在地图上将最佳赏花地点进行标识,点击相关标识可以直接查看对应植物的具体信息。天气预报界面,不仅有常规的天气预报白天到夜间的气温,还结合地点和花期提供观花指数和赏花建议。科普功能对观赏植物的各个花期及预报原理等信息进行解说。
系统特点包括:藏花馆界面为每种植物提供点赞和收藏功能,方面用户对喜欢的植物点赞和收藏;顶部的搜索栏能够自动显示和隐藏,在搜索栏中,用户可以输入关键字检索特定植物,列表会按照用户输入关键字对植物进行动态匹配并进行展示。多个界面有弹窗功能,如赏花地图中,点击详细信息界面的“寻花”可以链接到赏花地图中,跳转到相应的地图界面,点击地图上的标注,弹出弹窗,方面查看地理及植物信息。
根据本发明实施例的基于滚动气象预报的花期预报系统,可以适于大多数非极端天气地区,同样作为植物花期预测的方法。本发明在获取多年数据基础下,通过建立花期与气象因子多元回归方程实现花期的预测。
不同植物花期不一致,儒略日与积温之间的线性关系不同,则影响花期显著的气象因子不同,为证明本发明的有效性,选择12种南京市常见木本观赏性植物:金钟花、绯红晚樱、白花杜鹃、海桐、荚蒾、重瓣溲疏、阴绣球、合欢、紫薇、喜树、栾树和腊梅,这些植物初花期从2月份到12月份,主要分布在4月至5月。1其中,3月份开花的植物有金钟花,4月份开花的植物有绯红晚樱和白花杜鹃,5月份开花的植物有海桐、荚蒾和重瓣溲疏,6月份开花的植物有阴绣球和合欢,7月份开花的植物有紫薇和喜树,8月份开花的植物有栾树,12月份开花的植物有腊梅。可以看出选择的12种观赏植物的初花期时间分布合理,有助于验证不同月份的花期物候对温度的敏感性。南京市花期资料从1980起至2012年止,其中1994-2008年为缺测年段,本实施例中选择1980-1995中连续年历史花期数据建立花期模型。白花杜鹃在4月下旬进入初花期,5月上旬结束末花期,历史花期资料完整,对白花杜鹃实施例进行详细阐述,其余几种植物以初花期预报为实施例,进行准确性验证。
实施例1
本实施例基于滚动气象预报的白花杜鹃的花期预报系统。
本发明通过统计1980-1995年南京市的白花杜鹃模型引用的气象因子,白花杜鹃初花期多集中在4月下旬,且花期集中在3、4月份,平均日均温多数低于10度,以5度有效积温计算相关气象数据,故所需计算的历史数据包括:以旬为单位的2月中旬至4月中旬≥5℃平均有效积温、以月为单位的2月至4月≥5℃平均有效积温(后文简称有效积温);选择连续性较好的1980-1992年数据建立模型,将1993-1995年数据输入模型中,对白花杜鹃花期进行预测,检验拟合效果。
需要说明的是,选取1980-1995年数据仅出于示例目的,具体统计多少时长的数据,根据用户需要进行选择。
筛选显著性高的气象因子,进行逐步回归分析:对所有统计结果线性回归显著性、权重分析,将显著性高、分析权重大的气象因子引入进行逐步回归分析,对白花杜鹃初花期、盛花期预报最终建立的模型引入的因子是2月平均有效积温(X1)、3月上旬平均有效积温(X2)、3月中旬平均有效积温(X3)、4月上旬平均有效积温(X4)、4月中旬平均有效积温(X5):
Y=135.32066-2.68571X1-1.15782X2-0.71854X3-0.94799X4-0.90038X5
R2=0.88538
计算结果Y可以作为白花杜鹃的初花期进行预报
Y=129.37325-1.41227X1-0.48697X2-0.86028X3-0.68617X4-0.34881X5
R2=0.9293
计算结果Y可以作为白花杜鹃的盛花期进行预报
对白花杜鹃末花期预报最终建立的模型引入的因子是2月平均有效积温(X1)、3月上旬平均有效积温(X2)、3月中旬平均有效积温(X3)、3月下旬平均有效积温(X4)、4月上旬平均有效积温(X5)、4月中旬平均有效积温(X6)、4月下旬平均有效积温(X7)
Y=143.84288-3.1187X1+0.29246X2-0.82894X3+0.26197X4-0.6782X5-0.85381X6-0.21935X7
R2=0.87321
实施例2
本实施例基于滚动气象预报的11种南京市常见木本观赏性植物初花期花期预报系统。
统计1980-1995年南京市的金钟花、绯红晚樱、海桐、荚蒾、重瓣溲疏、阴绣球、合欢、紫薇、喜树、栾树和腊梅初花期模型引用的气象因子,主要统计的历史数据为初花期之前以旬为单位的平均有效积温和以月为单位的平均有效积温,其中,金钟花和绯红晚樱初花期多集中在3-4月上旬,花期集中在3、4月份,平均日均温多数低于10度,以5度有效积温计算相关气象数据,其他10种植物以10度有效积温计算相关数据。
选择显著性高的气象因子,进行逐步回归分析,建立多元线性回归方程:
(1)金钟花初花期预报模型:选择连续年1980-1992花期数据建立模型,将1993-1995年数据输入模型,对初花期进行预测,并检验拟合效果。引入的因子是2月中旬平均有效积温(X1)、2月下旬平均有效积温(X2)、3月上旬平均有效积温(X3)、3月中旬平均有效积温(X4):
Y=91.92551-3.90273X1-1.69537X2-2.35295X3-0.95934X4
R2=0.70676
(2)绯红晚樱初花期预报模型:选择连续年1980-1991花期数据建立模型,将1992-1994年数据输入模型,对初花期进行预测,并检验拟合效果。引入的因子是2月平均有效积温(X1)、3月上旬平均有效积温(X2)、3月中旬平均有效积温(X3)、3月下旬平均有效积温(X4)、4月上旬平均有效积温(X5):
Y=128.36597-0.84478X1-0.91192X2-1.93595X3-0.67099X4-2.18009X5
R2=0.80954
(3)海桐初花期预报模型:选择连续年1980-1992花期数据建立模型,将1993-1995年数据输入模型,对初花期进行预测,并检验拟合效果。引入的因子是3月上旬平均有效积温(X1)、3月中旬平均有效积温(X2)、3月下旬平均有效积温(X3)、4月上旬平均有效积温(X4)、4月中旬平均有效积温(X5)、4月下旬平均有效积温(X6):
Y=140.91068-0.86934X1-5.11591X2+2.85666X3+0.46878X4-0.33488X5-1.81785X6
R2=0.93535
(4)荚蒾初花期预报模型:选择连续年1980-1988花期数据建立模型,将1992、1993年数据输入模型,对初花期进行预测,并检验拟合效果。引入的因子是3月上旬平均有效积温(X1)、3月中旬平均有效积温(X2)、3月下旬平均有效积温(X3)、4月上旬平均有效积温(X4)、4月中旬平均有效积温(X5)、4月下旬平均有效积温(X6):
Y=130.63423+2.11399X1-1.04549X2-0.78628X3-0.70619X4+0.44786X5-0.39104X6
R2=0.82867
(5)重瓣溲疏初花期预报模型:选择连续年1980-1992花期数据建立模型,将1993-1995年数据输入模型,对初花期进行预测,并检验拟合效果。对重瓣溲疏初花期预报最终建立的模型引入的因子是3月平均有效积温(X1)、4月上旬平均有效积温(X2)、4月中旬平均有效积温(X3)、4月下旬平均有效积温(X4)、5月上旬平均有效积温(X5):
Y=143.59234-8.4658X1-0.04885X2+1.30656X3+1.10117X4-2.23442X5
R2=0.83765
(6)阴绣球初花期预报模型:选择连续年1980-1992花期数据建立模型,将1993-1995年数据输入模型,对初花期进行预测,并检验拟合效果。对阴绣球初花期预报最终建立的模型引入的因子是3月上旬平均有效积温(X1)、3月中旬平均有效积温(X2)、3月下旬平均有效积温(X3)、4月上旬平均有效积温(X4)、4月中旬平均有效积温(X5)、4月下旬平均有效积温(X6)、5月上旬平均有效积温(X7)、5月中旬平均有效积温(X8):
Y=159.08738-5.842X1+0.03334X2-1.50281X3-0.05015X4+2.53195X5+0.85797X6-2.88613X7-0.03686X8
R2=0.87033
(7)合欢初花期预报模型:选择连续年1980-1992花期数据建立模型,将1993-1995年数据输入模型,对初花期进行预测,并检验拟合效果。对合欢初花期预报最终建立的模型引入的因子是3月中旬平均有效积温(X1)、3月下旬平均有效积温(X2)、4月上旬平均有效积温(X3)、4月中旬平均有效积温(X4)、4月下旬平均有效积温(X5)、5月上旬平均有效积温(X6)、5月中旬平均有效积温(X7)、5月下旬平均有效积温(X8):
Y=197.92237-1.24395X1-0.5569X2+0.00608X3-1.93716X4-0.67372X5+0.30276X6-0.41677X7-1.94347X8
R2=1
(8)紫薇初花期预报模型:选择连续年1980-1995花期数据建立模型,花期数据不完整,只对初花期建立模型,检验拟合效果。对紫薇初花期预报最终建立的模型引入的因子是4月上旬平均有效积温(X1)、4月中旬平均有效积温(X2)、4月下旬平均有效积温(X3)、5月上旬平均有效积温(X4)、5月中旬平均有效积温(X5)、5月下旬平均有效积温(X6)、6月上旬平均有效积温(X7)、6月中旬平均有效积温(X8):
Y=325.85671-1.78711X1+6.56971X2+2.54243X3-4.98761X4-2.56797X5+4.17631X6-10.07697X7-2.35924X8
R2=0.91572
(9)喜树初花期预报模型:选择连续年1980-1992花期数据建立模型,将1993-1995年数据输入模型,对初花期进行预测,并检验拟合效果。对喜树初花期预报最终建立的模型引入的因子是5月上旬平均有效积温(X1)、5月中旬平均有效积温(X2)、5月下旬平均有效积温(X3)、6月上旬平均有效积温(X4)、6月中旬平均有效积温(X5)、6月下旬平均有效积温(X6)、7月上旬平均有效积温(X7):
Y=285.22309-0.53026X1-0.99093X2-1.172X3-1.1868X4+0.58934X5-0.90884X6-2.41917X7
R2=0.97172
(10)栾树初花期预报模型:选择连续年1980-1987花期数据建立模型,将1992-1994年数据输入模型,对初花期进行预测,并检验拟合效果。对栾树初花期预报最终建立的模型引入的因子是6月平均有效积温(X1)、7月上旬平均有效积温(X2)、7月中旬平均有效积温(X3)、8月上旬平均有效积温(X4)、8月中旬平均有效积温(X5)、8月下旬平均有效积温(X6):
Y=82.63715+8.40764X1+0.5957X2-3.6073X3+1.89153X4+0.10089X5+3.60319
R2=1
(11)腊梅初花期预报模型:选择连续年1980-1989花期数据建立模型,将1990、1992年数据输入模型,对初花期进行预测,并检验拟合效果。对腊梅初花期预报最终建立的模型引入的因子是9月平均有效积温(X1)、10月上旬平均有效积温(X2)、10月中旬平均有效积温(X3)、10月下旬平均有效积温(X4)、11月上旬平均有效积温(X5)、11月中旬平均有效积温(X6)、11月下旬平均有效积温(X7):
Y=176.32243+5.09258X1+10.65647X2+4.07781X3+5.19317X4-10.66433X5+10.94219X6-27.68881X7
R2=0.90898
基于以上实施例,本发明在获取多年数据基础下,结合实时更新的滚动气象预报数据,通过建立花期有效积温回归方程实现花期的预测。
上述说明并非是对本发明的限制,本发明也并不限于上述举例,对于本领域的普通技术人员来说,在不脱离本发明的原理和宗旨的情况下,还可以做出若干改进和变化,这些都属于本发明的保护范围。
Claims (7)
1.一种基于滚动气象预报的花期预报方法,其特征在于,包括:通过历史多年的花期数据,及日均温数据,预先计算出常见观赏性植物以旬为单位的平均有效积温,利用线性回归的方法建立预报模型,抓取30天气象预报信息,计算30天内两个旬的平均有效积温并带入预报模型,对即将开放以及已经开放的植物进行集中展示,动态实时更新花期数据,并提供该植物观花的最佳地理位置信息。
2.根据权利要求1所述的基于滚动气象预报的花期预报方法,其特征在于:具体包括以下步骤:
步骤一,获取历史日均温数据及未来日均温预报数据;
步骤二,使用观赏性植物花期与气象数据的相关统计方法;
步骤三,根据所述统计的主要气象要素数据,基于滚动气象预报数据建立花期预报模型。
步骤四,将数据存入系统更新,实时更新花期数据,集中展示近期处于花期和静候开放的植物。
3.根据权利要求2所述的基于滚动气象预报的花期预报方法,其特征在于:步骤一中,通过部署在天气网站的服务器上的自建服务,动态获取未来的气象信息。
4.根据权利要求2所述的基于滚动气象预报的花期预报方法,其特征在于:步骤二中,对观赏性植物花期与同年花期前期气象要素进行相关分析,获取与植物花期相关显著的气象因子作为关键影响因子,将关键影响因子引入再进行逐步回归分析,建立多元线性回归方程。
5.根据权利要求2所述的基于滚动气象预报的花期预报方法,其特征在于:步骤三中,根据统计的主要气象要素数据获取影响植物花期的关键因子,利用关键因子与儒略日之间存在直线回归关系,采用相关分析和逐步回归的统计方法,建立植物花期预报模型;然后,根据滚动气象预报数据,计算预报年所需的气象因子,代入模型中获得花期儒略日,换算得到预测年花期的具体日期。
6.根据权利要求2所述的基于滚动气象预报的花期预报方法,其特征在于:步骤四中,根据获取的实时气象数据计算后带入花期预报模型,得出具体开花时间区间数据并呈现。
7.根据权利要求6所述的基于滚动气象预报的花期预报方法,其特征在于:通过花期预报系统的软件界面呈现花期预报信息,期预报系统实现藏花馆、赏花地图、天气预报和科普功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110829467.7A CN113761708A (zh) | 2021-07-21 | 2021-07-21 | 一种基于滚动气象预报的花期预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110829467.7A CN113761708A (zh) | 2021-07-21 | 2021-07-21 | 一种基于滚动气象预报的花期预报方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113761708A true CN113761708A (zh) | 2021-12-07 |
Family
ID=78787843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110829467.7A Pending CN113761708A (zh) | 2021-07-21 | 2021-07-21 | 一种基于滚动气象预报的花期预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113761708A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005100130A (ja) * | 2003-09-25 | 2005-04-14 | Sec:Kk | 農業情報配信システム |
CN106577152A (zh) * | 2017-01-04 | 2017-04-26 | 方文贵 | 类浙江温暖地区荸荠杨梅的初花期和疏花期的预测与疏花技术 |
CN110264018A (zh) * | 2019-07-09 | 2019-09-20 | 北京兴农丰华科技有限公司 | 一种基于历年有效积温的冬小麦生育期预测方法 |
CN110276482A (zh) * | 2019-06-03 | 2019-09-24 | 宁波市气象台 | 一种植物花果生育期起止时间的预报方法 |
CN112987132A (zh) * | 2021-02-03 | 2021-06-18 | 菏泽市气象局 | 一种牡丹气象服务技术研究系统及方法 |
-
2021
- 2021-07-21 CN CN202110829467.7A patent/CN113761708A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005100130A (ja) * | 2003-09-25 | 2005-04-14 | Sec:Kk | 農業情報配信システム |
CN106577152A (zh) * | 2017-01-04 | 2017-04-26 | 方文贵 | 类浙江温暖地区荸荠杨梅的初花期和疏花期的预测与疏花技术 |
CN110276482A (zh) * | 2019-06-03 | 2019-09-24 | 宁波市气象台 | 一种植物花果生育期起止时间的预报方法 |
CN110264018A (zh) * | 2019-07-09 | 2019-09-20 | 北京兴农丰华科技有限公司 | 一种基于历年有效积温的冬小麦生育期预测方法 |
CN112987132A (zh) * | 2021-02-03 | 2021-06-18 | 菏泽市气象局 | 一种牡丹气象服务技术研究系统及方法 |
Non-Patent Citations (1)
Title |
---|
岳高峰等: "基于气象条件下的牡丹花期预报预测研究", 《江西农业学报》, vol. 32, no. 2, 15 February 2020 (2020-02-15), pages 105 - 109 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Impact of climate-related changes to the timing of autumn foliage colouration on tourism in Japan | |
CN107944596A (zh) | 一种基于物联网的甜瓜生长管理专家系统 | |
Verdoodt et al. | Environmental assessment tools for multi-scale land resources information systems: A case study of Rwanda | |
Panchen et al. | Patterns and biases in an Arctic herbarium specimen collection: Implications for phenological research | |
CN105912836A (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
Zhang et al. | Bayesian analysis of climate change effects on observed and projected airborne levels of birch pollen | |
KR102538887B1 (ko) | 산림경영 자동화시스템을 통한 임야탄소배출권 사업계획서비스 제공시스템 | |
CN111708776A (zh) | 一种基于gis技术开发的农业数据平台 | |
Richardson et al. | Remotely-sensed spectral indicators of sorghum development and their use in growth modeling | |
Pearson et al. | Phenological trends in the California poppy (Eschscholzia californica): digitized herbarium specimens reveal intraspecific variation in the sensitivity of flowering date to climate change | |
Cola et al. | BerryTone—a simulation model for the daily course of grape berry temperature | |
Park et al. | Climate affects the rate at which species successively flower: capturing an emergent property of regional floras | |
CN109710889A (zh) | 一种基于树木年轮精确估计森林生产力的取样方法 | |
CN110276482B (zh) | 一种植物花果生育期起止时间的预报方法 | |
CN113761708A (zh) | 一种基于滚动气象预报的花期预报方法 | |
CN103927687A (zh) | 杉木智能施肥系统 | |
Cohen et al. | Adaptability of Mediterranean agricultural systems to climate change. The example of the Sierra Mágina olive-growing region (Andalusia, Spain). Part I: past and present | |
Bansouleh | Development of a spatial planning support system for agricultural policy formulation related to land and water resources in Borkhar & Meymeh district, Iran | |
Buchkowski et al. | Warmer temperatures promote shrub radial growth but not cover in the central Canadian Arctic | |
Smith | Site selection for establishment & management of vineyards | |
CN114004442A (zh) | 一种基于多方法的宅基地利用信息获取方法 | |
Guan et al. | Analysis of canopy phenology in man-made forests using near-earth remote sensing | |
Popov et al. | Environmental information system for monitoring landscaping objects | |
Thornbush | Tracking the use of climbing plants in the urban landscape through the photoarchives of two Oxford colleges, 1861–1964 |
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 |