一种春玉米产量预测模型获得方法及其产量预测方法技术

一种基于生长阶段气象条件的春玉米产量预测模型获得方法及其春玉米产量预测方法，属于玉米产量预测技术领域。解决了目前预测方法精度不足，时效性差的问题。本发明专利技术基于播种期到成熟期不同生长阶段气象条件的影响，建立气象评估理论经验模式,实现气象因子影响的参数化和模式化，实现当年玉米单产变化的滚动、定量预报，兼顾不同时期气象条件，突出气象灾害的影响，建立基于理论

【技术实现步骤摘要】
一种春玉米产量预测模型获得方法及其产量预测方法


[0001]本专利技术属于玉米产量预测
，具体涉及一种春玉米产量预测模型获得方法及其春玉米产量预测方法。

技术介绍

[0002]玉米是我国北方主要粮食作物之一，玉米的生长发育及产量的形成无时不受温度 、降水、风速、霜冻等气象因子的影响。玉米的生长发育、产量形成是一个动态的过程，实时跟踪气象条件对玉米生长发育的影响，进行气象灾害监测，定量掌握玉米产量动态变化过程是农业生产和农业经济管理的一个重要内容。
[0003]目前的产量预测方法多是基于作物气象指标判别，定量不够；作物模型方法实用误差较大；多数的预测方法将时间变量以年或整个生长期为单位，导致农作物产量预测的精度不足，时效性差。还有应用指数平滑、灰色预测方法，但误差较大、泛化性不强不利于应用。也有部分研究将气象资料多年平均值作为预报期的驱动数据，由于我国大部地区为典型的季风气候，年际变率大，且季节分布不均，这种方法并不能很好地体现气象要素的波动性，而且灾害性的异常天气会被平滑，这对模拟潜在的产量损失十分不利。
[0004]如何兼顾不同时期气象条件，突出气象灾害的影响，建立基于理论
‑
经验模型的动态玉米产量趋势预报技术，提升预报准确率和预报时效，是产量预报技术的发展趋势。

技术实现思路

[0005]本专利技术提供了一种基于生长阶段气象条件的春玉米产量预测模型获得方法及其春玉米产量预测方法，解决了目前预测方法精度不足，时效性差的问题，实现了玉米生长气象评估及产量预报的定量化和动态化，准确性高，利于应用。
[0006]本专利技术的技术方案如下：一种基于生长阶段气象条件的春玉米产量预测模型获得方法，所述方法包括如下步骤：S1，获取玉米种植区域内，历史年份的春玉米生育期气象数据和对应年份的玉米单产数据；所述历史年份为之前至少5年；S2，将所述春玉米生育期划分为5个阶段，将玉米种植区域内的春玉米生长季节水热气候进行分区；S3，根据步骤S1获得的数据，根据步骤S2划分的阶段，分别获得玉米种植区域内市县级地区的如下数据：各个阶段降水量年累计值和多阶段降水量年平均值及年最大值；各个阶段气温年平均值和多阶段气温年平均值及年最大值；各个阶段风速年最大值和多阶段风速年平均值及年最大值；年秋霜初日及对应的最低气温和年阶段平均秋霜初日；S4，根据彭曼方法计算市县级地区需水量值；S5，分别获得气象因子阶段产量偏差：
根据计算得到的市县级地区需水量值、阶段降水量年累计值及权重参数值代入阶段水分影响函数，得到阶段降水产量的偏差；所述权重参数值为气象因子阶段权重初始值和地区气候阶段权重初始值；根据计算得到的市县级地区阶段气温年平均值及权重参数值代入阶段气温影响函数，得到阶段气温产量的偏差；所述权重参数值为气象因子阶段权重初始值和地区气候阶段权重初始值；根据计算得到的市县级地区阶段风速年最大值及权重参数值代入阶段风速影响函数，得到阶段风速产量的偏差；所述权重参数值为气象因子阶段权重初始值和地区气候阶段权重初始值；根据计算得到的市县级地区年秋霜初日及对应的最低气温及权重参数值代入阶段秋霜冻影响函数，得到阶段秋霜冻的产量偏差；所述权重参数值为气象因子阶段权重初始值和地区气候阶段权重初始值；S6，将S5获得的气象因子阶段产量偏差代入产量分解模式得到产量预测模型；S7，根据步骤S1获得历史年份的玉米单产数据进行时间序列上的分段拟合；S8，将玉米单产数据进行产量分解并与预测模型进行验证对比，优化参数；S9，将优化的权重参数循环步骤S5
‑
S8，直到预测吻合度达到可接受的范围内，得到最终的产量预测模型。
[0007]进一步的，所述S5中的阶段水分影响函数为：式中，为5个生育阶段；为当年第生育阶段降水量；是第生育阶段玉米需水量，由彭曼标准方法计算得到；是农田严重洪涝灾害指标；为有效雨量经验系数；是少雨和多雨对产量影响差异的调节系数。
[0008]进一步的，所述S5中的阶段气温影响函数为：进一步的，所述S5中的阶段气温影响函数为：为当年第生育阶段的平均气温，第生育阶段多年平均气温，为第生育阶段多年平均气温的最大值，为第生育阶段多年平均气温的最小值。
[0009]进一步的，所述S5中的阶段风速影响函数为：进一步的，所述S5中的阶段风速影响函数为：为7级风力对应的风速值，即13.8 m
‑1.s；为当年第生育阶段内出现的极大
风速。
[0010]进一步的，所述S5中的阶段秋霜冻影响函数为：式中为第5生育阶段的初霜日序，是该地区多年平均霜冻初日。
[0011]一种基于生长阶段气象条件的春玉米产量丰歉动态产量预测方法，所述方法采用上述的方法获得的预测模型实现，所述方法为：（1）实时采集玉米种植区域的气象因子数据；（2）将所述气象因子数据、时间信息输入至所述预测模型中，所述预测模型输出预测产量信息。
[0012]所述气象因子数据为气温、降水或者极大风速，所述气温为平均气温、最低气温。
[0013]本专利技术遵循玉米气象学原理，在明确气象要素与产量相关模式基础上，建立玉米产量动态预报模型。该预报方法可实现玉米生长气象评估及产量预报的定量化和动态化，可在玉米生长发育中期预测产量丰歉趋势，在玉米灌浆期定量预报玉米产量。产量预报丰歉评估准确率达到80%以上，对制定粮食收储计划、价格取向和粮食进出口政策都有指导作用，对农业生产、粮食贸易和改善民生也由一定的帮助，可产生比较显著的经济和社会效益。
附图说明
[0014]图1为实施方式一所述的春玉米产量预测模型获得方法的流程图；其中气象因子包括：气温、降水和极大风速；图2为实施方式二所述的吉林省区域内1983
‑
2018年春玉米生长第2生育阶段模拟气象产量与实际气象产量吻合率；图3为实施方式二所述的吉林省区域内1983
‑
2018年春玉米生长第3生育阶段模拟气象产量与实际气象产量吻合率；图4为实施方式二所述的吉林省区域内1983
‑
2018年春玉米生长第4生育阶段模拟气象产量与实际气象产量吻合率；图5为实施方式二所述的吉林省区域内1983
‑
2018年春玉米生长第5生育阶段模拟气象产量与实际气象产量吻合率；图6
ꢀ‑
图9为对应的年份模型模拟的春玉米气象产量与实际气象产量对比图，其中：图6为2000年模拟的春玉米全生育期气象产量结果；图7为2000年实际的春玉米全生育期气象产量结果；图8为2004年模拟的春玉米全生育期气象产量结果；图9为2004年实际的春玉米全生育期气象产量结果；图10为第5生育阶段吉林省的县市模拟气象产量与实际气象产量比较，a为镇赉，b为农安，c为九台，d为珲春；图11为玉米产量丰欠动态评估系统示意图。
具体实施方式
[0015]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生长阶段气象条件的春玉米产量预测模型获得方法，其特征在于，所述方法包括如下步骤：S1，获取玉米种植区域内，历史年份的春玉米生育期气象数据和对应年份的玉米单产数据；所述历史年份为之前至少5年；S2，将所述春玉米生育期划分为5个阶段，将玉米种植区域内的春玉米生长季节水热气候进行分区；S3，根据步骤S1获得的数据，根据步骤S2划分的阶段，分别获得玉米种植区域内市县级地区的如下数据：各个阶段降水量年累计值和多阶段降水量年平均值及年最大值；各个阶段气温年平均值和多阶段气温年平均值及年最大值；各个阶段风速年最大值和多阶段风速年平均值及年最大值；年秋霜初日及对应的最低气温和年阶段平均秋霜初日；S4，根据彭曼方法计算市县级地区需水量值；S5，分别获得气象因子阶段产量偏差：根据计算得到的市县级地区需水量值、阶段降水量年累计值及权重参数值代入阶段水分影响函数，得到阶段降水产量的偏差；所述权重参数值为气象因子阶段权重初始值和地区气候阶段权重初始值；根据计算得到的市县级地区阶段气温年平均值及权重参数值代入阶段气温影响函数，得到阶段气温产量的偏差；所述权重参数值为气象因子阶段权重初始值和地区气候阶段权重初始值；根据计算得到的市县级地区阶段风速年最大值及权重参数值代入阶段风速影响函数，得到阶段风速产量的偏差；所述权重参数值为气象因子阶段权重初始值和地区气候阶段权重初始值；根据计算得到的市县级地区年秋霜初日及对应的最低气温及权重参数值代入阶段秋霜冻影响函数，得到阶段秋霜冻的产量偏差；所述权重参数值为气象因子阶段权重初始值和地区气候阶段权重初始值；S6，将S5获得的气象因子阶段产量偏差代入产量分解模式得到产量预测模型；S7，根据步骤S1获得历史年份的玉米单产数据进行时间序列上的分段拟合；S8，将玉米单产数据进...

【专利技术属性】
技术研发人员：赵明，李晓爽，伞宇烁，王莫寒，唐志会，韩春雨，于福东，朱丽羽，崔宇婷，王华，赵恩泽，
申请(专利权)人：吉林省中农阳光数据有限公司，
类型：发明
国别省市：