專利名稱：基于修訂的區(qū)域氣候模式數(shù)據(jù)的小麥產(chǎn)量預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明提供基于修訂的區(qū)域氣候模式數(shù)據(jù)的小麥產(chǎn)量預(yù)測(cè)方法，特別涉及利用小麥生長(zhǎng)模擬系統(tǒng)結(jié)合修訂后的區(qū)域氣候模式數(shù)據(jù)提高小麥產(chǎn)量預(yù)測(cè)精度。
背景技術(shù)：
近半個(gè)多世紀(jì)以來(lái)，國(guó)際上出現(xiàn)了不少小麥生長(zhǎng)模擬系統(tǒng)，如美國(guó)的DSSAT系統(tǒng)、 澳大利亞的APSM系統(tǒng)、中國(guó)的WheatGrow系統(tǒng)等，它們通過(guò)解析“氣象一土壤一技術(shù)措施” 與小麥生理生態(tài)過(guò)程的機(jī)理關(guān)系，對(duì)小麥的生長(zhǎng)發(fā)育及產(chǎn)量形成過(guò)程進(jìn)行定量的預(yù)測(cè)。小麥生長(zhǎng)模擬系統(tǒng)要實(shí)現(xiàn)對(duì)未來(lái)農(nóng)業(yè)生產(chǎn)的預(yù)測(cè)與評(píng)價(jià)，首先要保證輸入未來(lái)的氣象數(shù)據(jù)， 而區(qū)域氣候模式能夠預(yù)測(cè)未來(lái)的氣象數(shù)據(jù)。很多研究肯定了區(qū)域氣候模式的準(zhǔn)確性，但同時(shí)也指出產(chǎn)生的氣象數(shù)據(jù)與觀測(cè)數(shù)據(jù)相比存在系統(tǒng)性偏差，太少的連續(xù)干旱天數(shù)，無(wú)法重現(xiàn)高降雨事件，太多的微降雨天氣等現(xiàn)象。另外，盡管區(qū)域氣候模式具有較高的空間分辨率，從幾十公里到上百公里，但測(cè)定小麥生長(zhǎng)模擬系統(tǒng)一般是以田塊為尺度進(jìn)行預(yù)測(cè)，從而使得與基于田塊尺度的小麥生長(zhǎng)模擬系統(tǒng)與區(qū)域氣候模式相結(jié)合時(shí)還存在時(shí)空尺度不匹配的問(wèn)題。因此需要解決區(qū)域氣候模式所產(chǎn)生的氣象數(shù)據(jù)系統(tǒng)性偏差、太少的連續(xù)干旱天數(shù)、無(wú)法重現(xiàn)高降雨事件、太多的微降雨的天氣以及與小麥生長(zhǎng)模擬系統(tǒng)之間的尺度差 異等問(wèn)題，以達(dá)到提高小麥生育期和產(chǎn)量預(yù)測(cè)精度的目的。

發(fā)明內(nèi)容
本發(fā)明提供了基于修訂的區(qū)域氣候模式數(shù)據(jù)的小麥產(chǎn)量預(yù)測(cè)方法，即通過(guò)實(shí)測(cè)的逐日歷史氣象數(shù)據(jù)對(duì)區(qū)域氣候模式生成的未來(lái)數(shù)據(jù)進(jìn)行修訂，解決區(qū)域氣候模式產(chǎn)生的氣象數(shù)據(jù)的系統(tǒng)性偏差、太少的連續(xù)干旱天數(shù)、無(wú)法重現(xiàn)高降雨事件、太多的微降雨的天氣， 以及與以田塊為尺度的小麥生長(zhǎng)模擬系統(tǒng)相結(jié)合存在著尺度上不匹配的問(wèn)題，達(dá)到提高小麥生長(zhǎng)模擬系統(tǒng)對(duì)小麥生育期和產(chǎn)量預(yù)測(cè)精度的目的。本發(fā)明的目的在于提供一種基于修訂的區(qū)域氣候模式數(shù)據(jù)的小麥產(chǎn)量預(yù)測(cè)方法， 該方法包括以下步驟在小麥種植之前，利用五點(diǎn)取樣法，將耕層土壤從上到下分四層進(jìn)行田間土壤取樣，然后通過(guò)室內(nèi)物理化學(xué)分析，測(cè)定每層土壤容重、飽和含水量、田間持水量、萎焉含水量、實(shí)際含水量、土壤全氮、土壤氨態(tài)氮和硝態(tài)氮，記錄小麥生長(zhǎng)過(guò)程中的田間栽培管理數(shù)據(jù)；通過(guò)自動(dòng)氣象站記錄小麥生長(zhǎng)季歷史k年田間逐日氣象數(shù)據(jù)，氣象數(shù)據(jù)包括日最高氣溫、日最低氣溫、日太陽(yáng)輻射、日降水量；利用手持GPS定位儀測(cè)量該田塊的經(jīng)緯度，利用SuperMap軟件提取區(qū)域氣候模式 (RCM)中對(duì)應(yīng)該田塊的經(jīng)緯度所在柵格的未來(lái)m年逐日氣象數(shù)據(jù)；利用氣象數(shù)據(jù)修訂方法，將觀測(cè)的歷史k年田間逐日氣象數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，修訂區(qū)域氣候模式生成的未來(lái)m年降雨頻率，日降水量、日太陽(yáng)輻射、日最高最低氣溫；
將修訂后的區(qū)域氣候模式生成的的逐日氣象數(shù)據(jù)、以及相應(yīng)的土壤數(shù)據(jù)、栽培管理數(shù)據(jù)，輸入到小麥生長(zhǎng)模擬系統(tǒng)，對(duì)該季小麥生育期和產(chǎn)量進(jìn)行預(yù)測(cè)與評(píng)價(jià)。進(jìn)一步，對(duì)區(qū)域氣候模式的降雨頻率進(jìn)行修訂的實(shí)現(xiàn)方法為以a月份為例，將自動(dòng)氣象站記錄的歷史k年所有a月份的降水天數(shù)(降雨量低于O. Imm認(rèn)定為非降雨，降雨量高于O. Imm認(rèn)定為降雨)除去a月份的總天數(shù)，即為歷史觀測(cè)a月份平均降水頻率。用該降水頻率乘以RCM生成的未來(lái)m年所有a月份的總天數(shù)，就得到根據(jù)歷史觀測(cè)數(shù)據(jù)估計(jì)的未來(lái)m年a月份總降水天數(shù)η天。
·
將RCM生成的未來(lái)m年所有a月份的降雨數(shù)據(jù)按照降雨量從大到小排列，第η天對(duì)應(yīng)的降雨量作為臨界降雨量，將該降雨量作為判斷RCM生成的未來(lái)氣象數(shù)據(jù)中是否降雨的閥值，低于閥值認(rèn)定為非降雨，高于閥值認(rèn)定為降雨。通過(guò)上述修訂，使得RCM生成的氣象數(shù)據(jù)未來(lái)m年a月份降雨頻率等于該地區(qū)歷史觀測(cè)a月份的降雨頻率。進(jìn)一步，對(duì)區(qū)域氣候模式生成的逐日降雨量進(jìn)行修訂采用以下步驟第一步，利用伽瑪分布(公式I)代表RCM生成的和歷史觀測(cè)的每月降雨量的概率密度分布，，分別為反映概率分布的形狀參數(shù)和尺度參數(shù)，X為每日降雨量。
權(quán)利要求
1.基于修訂的區(qū)域氣候模式數(shù)據(jù)的小麥產(chǎn)量預(yù)測(cè)方法，其特征在于，該方法包括以下步驟在小麥種植之前，利用五點(diǎn)取樣法，將耕層土壤從上到下分四層進(jìn)行田間土壤取樣，然后通過(guò)室內(nèi)物理化學(xué)分析，測(cè)定每層土壤容重、飽和含水量、田間持水量、萎焉含水量、實(shí)際含水量、土壤全氮、土壤氨態(tài)氮和硝態(tài)氮，記錄小麥生長(zhǎng)過(guò)程中的田間栽培管理數(shù)據(jù)；通過(guò)自動(dòng)氣象站記錄小麥生長(zhǎng)季歷史k年田間逐日氣象數(shù)據(jù)，氣象數(shù)據(jù)包括日最高氣溫、日最低氣溫、日太陽(yáng)輻射、日降水量；利用手持GPS定位儀測(cè)量該田塊的經(jīng)緯度，利用SuperMap軟件提取區(qū)域氣候模式 (RCM)中對(duì)應(yīng)該田塊的經(jīng)緯度所在柵格的未來(lái)m年逐日氣象數(shù)據(jù)；利用氣象數(shù)據(jù)修訂方法，將觀測(cè)的k年田間逐日氣象數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，修訂區(qū)域氣候模式生成的未來(lái)m年降雨頻率，日降水量、日太陽(yáng)輻射、日最高最低氣溫；將修訂后的區(qū)域氣候模式生成的的逐日氣象數(shù)據(jù)、以及相應(yīng)的土壤數(shù)據(jù)、栽培管理數(shù)據(jù)，輸入到小麥生長(zhǎng)模擬系統(tǒng)，對(duì)該季小麥生育期和產(chǎn)量進(jìn)行預(yù)測(cè)與評(píng)價(jià)。
2.如權(quán)利要求I所述的方法，其特征在于，對(duì)區(qū)域氣候模式生成的降雨頻率進(jìn)行修訂的實(shí)現(xiàn)方法為第一步，以a月份為例，將自動(dòng)氣象站記錄的歷史k年所有a月份的降水天數(shù)除去a月份的總天數(shù)，即為歷史觀測(cè)a月份平均降水頻率；第二步，用該降水頻率乘以RCM生成的未來(lái)m年所有a月份的總天數(shù)，就得到根據(jù)歷史觀測(cè)數(shù)據(jù)估計(jì)的未來(lái)m年a月份總降水天數(shù)η天；第三步，將RCM生成的未來(lái)多年所有a月份的降雨數(shù)據(jù)按照降雨量從大到小排列，第η 天對(duì)應(yīng)的降雨量作為臨界降雨量，將該降雨量作為判斷RCM生成的未來(lái)氣象數(shù)據(jù)中是否降雨的閥值，低于閥值認(rèn)定為非降雨，高于閥值認(rèn)定為降雨，通過(guò)上述修訂，使得RCM生成的氣象數(shù)據(jù)未來(lái)m年a月份降雨頻率等于該地區(qū)歷史觀測(cè)a月份的降雨頻率。
3.如權(quán)利要求I所述的方法，其特征在于，對(duì)區(qū)域氣候模式生成的逐日降雨量進(jìn)行修訂采用以下步驟第一步，利用伽瑪分布和公式(I)代表RCM生成的和歷史觀測(cè)每月降雨量的概率密度分布，，分別為反映概率分布的形狀參數(shù)和尺度參數(shù)，X為每日降雨量， 第二步，利用極大釋然方法估計(jì)得到每月的RCM和歷史觀測(cè)降雨量參數(shù)，和公式(2)， 月降雨量的平均值、方差s2， 第三步，假如RCM生成的某月第一天的降雨量為R，將R帶入公式(3)，計(jì)算其對(duì)應(yīng)的該月RCM生成的降雨量數(shù)據(jù)的累積概率F(x ( R)， 第四步，再將累積概率F (X ( R)帶入歷史觀測(cè)每月降雨量數(shù)據(jù)累積概率的反函數(shù)，得到公式(4)，R,即為修訂后的逐日降雨量，
4.如權(quán)利要求I所述的方法，其特征在于，對(duì)區(qū)域氣候模式生成的逐日太陽(yáng)輻射進(jìn)行修訂采用以下步驟第一步，利用貝塔分布和公式(5)代表RCM和歷史觀測(cè)每月太陽(yáng)輻射的概率密度分布， Γ ( ·)代表伽瑪分布，
5.如權(quán)利要求I所述的方法，其特征在于，對(duì)區(qū)域氣候模式生成的逐日溫度進(jìn)行修訂采用以下步驟第一步，利用高斯分布代表RCM和歷史觀測(cè)每月最高、最低溫度的概率密度分布公式
6.根據(jù)權(quán)利要求2所述方法，其特征在于，所述的歷史k年的范圍是0-20年，a月份的范圍為卜12月份。
7.根據(jù)權(quán)利要求2所述方法，其特征在于，所述的未來(lái)m年的范圍是10-40年，η天的范圍為大于O天。
8.根據(jù)權(quán)利要求4所述的的方法，其特征在于，第二步所述的貝塔分布的X值范圍在O I之間，而太陽(yáng)輻射的范圍在O 33MJ · m_2 · (Γ之間，因此對(duì)月太陽(yáng)輻射的平均值、方差進(jìn)行公式的轉(zhuǎn)換公式(12)，使得X值范圍在O到I之間，a = OMJ · m_2 · cf1，b = 33MJ · m 2 · d 1 ；
9.如權(quán)利要求I所述的方法，其特征在于，所述區(qū)域氣候模式生成的逐日氣象數(shù)據(jù)獲取方法為利用手持GPS定位儀測(cè)量田間的經(jīng)緯度(X，y)，利用SuperMap中的根據(jù)經(jīng)纟韋度提取柵格數(shù)據(jù)的功能get_value(x, y),編程提取m年 RCM生成的數(shù)據(jù)對(duì)應(yīng)該經(jīng)緯度的柵格數(shù)值；將提取的逐日降雨量、太陽(yáng)輻射、最高溫度、最低溫度的數(shù)據(jù)，按照日期排序，分別保存到不同的文本文件中，作為氣象數(shù)據(jù)修訂的輸入文件。
全文摘要
本發(fā)明提供了一種基于修訂的區(qū)域氣候模式數(shù)據(jù)的小麥產(chǎn)量預(yù)測(cè)方法，通過(guò)觀測(cè)的歷史逐日氣象數(shù)據(jù)，對(duì)未來(lái)區(qū)域氣候模式修訂的日最高最低溫度、降雨強(qiáng)度、降雨頻率、太陽(yáng)輻射數(shù)據(jù)進(jìn)行修訂，使區(qū)域氣候的數(shù)據(jù)既保持其原有的年際變化規(guī)律，又符合該站點(diǎn)歷史氣象變化規(guī)律，解決了區(qū)域氣候的模擬值與觀測(cè)數(shù)據(jù)之間系統(tǒng)性偏差、太少的連續(xù)干旱天數(shù)、無(wú)法重現(xiàn)高降雨事件以及時(shí)空尺度上的不匹配等帶來(lái)的問(wèn)題；進(jìn)一步將修訂后的區(qū)域氣候模式數(shù)據(jù)與小麥生長(zhǎng)模擬系統(tǒng)相結(jié)合，有效地提高了小麥成熟期和產(chǎn)量的預(yù)測(cè)精度，實(shí)現(xiàn)了小麥生長(zhǎng)模擬系統(tǒng)和區(qū)域氣候模式尺度上的統(tǒng)一。
文檔編號(hào)G06Q10/04GK102722766SQ20121017957
公開(kāi)日2012年10月10日 申請(qǐng)日期2012年6月4日 優(yōu)先權(quán)日2012年6月4日
發(fā)明者劉小軍, 呂尊富, 曹衛(wèi)星, 朱艷, 湯亮 申請(qǐng)人:南京農(nóng)業(yè)大學(xué)