Chrome Extension
WeChat Mini Program
Use on ChatGLM

基于WOFOST模型的冬小麦产量动态预报方法

Agricultural Research In The Arid Areas(2022)

Cited 0|Views18
No score
Abstract
为了确定基于WOFOST作物模型的冬小麦产量动态预报方法及产量预报业务应用效果,利用全国冬小麦主产区内174个农业气象站冬小麦生育期、叶面积指数和土壤湿度等观测资料以及15个农业气象试验站冬小麦生物量观测资料,完成WOFOST冬小麦模型参数本地化和区域化.利用全国冬小麦主产区约1 200个气象观测站起报日前的逐日气象资料及起报日后30 a平均气候值组成的冬小麦全生育期气象数据驱动模型,模拟得到冬小麦地上总生物量和穗干重,站点和县级尺度的冬小麦单产直接采用穗干重来进行产量预报,省级和全国区域冬小麦平均单产根据模拟值2 a间的变化幅度进行产量预报.根据不同空间尺度的历史年预报冬小麦单产与实际产量数据的对比,进行基于WOFOST模型的冬小麦产量预报方法效果检验.结果表明:(1)2014-2019年期间295个农业气象站次冬小麦产量估测平均准确率为81.8%,220个次县冬小麦单产估测平均准确率为84.3%,预报结果具有可用性;(2)12个主产省(市、区)冬小麦单产2003-2019年平均预报准确率为88.2%~96.4%,全国冬小麦单产预报准确率为93.9%~95.9%,总体预报准确率较高,说明基于WOFOST模型的冬小麦产量动态预报方法具有可行性;(3)基于WOFOST模型与统计方法的冬小麦平均单产估产结果准确率略偏低,但预报的时效性和动态性具有更好的优势,能满足作物产量预报业务需求.基于WOFOST模型的不同空间尺度冬小麦单产动态产量估测的准确率验证,说明WOFOST在作物产量预报业务应用具有可行性;利用作物模型进行基于站点尺度的产量预报能够提高作物产量预报时空精细化能力,也能扩展到大尺度区域应用以达到对农业决策和宏观调控的目的.
More
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined