基于歷史氣象數(shù)據(jù)和CERES-Maize模型的玉米產(chǎn)量預(yù)測及灌溉決策方法.pdf

1、作物生長模型能夠模擬作物生長發(fā)育和產(chǎn)量形成過程，及其對環(huán)境的響應(yīng)，從而為農(nóng)作物產(chǎn)量預(yù)測提供了一種有效的方法。本研究利用陜西楊凌（2014和2015）、合陽(2009和2011)、長武（2010和2011）的田間試驗數(shù)據(jù)以及各站點的多年歷史氣象數(shù)據(jù)，嘗試建立基于玉米生長模擬模型CERES-Maize和歷史氣象數(shù)據(jù)的玉米產(chǎn)量預(yù)測方法，并對方法的可靠性和精度進(jìn)行分析。研究將全生育期內(nèi)玉米生長模擬所需的氣象數(shù)據(jù)分為已知氣象數(shù)據(jù)和未知氣象數(shù)據(jù)2個

2、部分，其中已知氣象數(shù)據(jù)來自當(dāng)?shù)氐臍庀笳?，而未知氣象?shù)據(jù)分別用試驗地的多年歷史同期氣象數(shù)據(jù)代替，對應(yīng)生成多個完整的氣象數(shù)據(jù)序列，再利用這些氣象數(shù)據(jù)序列運(yùn)行CERES-Maize模型預(yù)測目標(biāo)年份的玉米產(chǎn)量。隨著玉米生育期的推進(jìn)，逐日在氣象數(shù)據(jù)序列中融入目標(biāo)年實際測得的氣象數(shù)據(jù)，從播種至收獲逐日動態(tài)模擬玉米產(chǎn)量。此外，為減少預(yù)測過程的運(yùn)算次數(shù)并降低預(yù)測的不確定性，該研究對比分析了歷史年份和目標(biāo)年份的逐日氣象數(shù)據(jù)（包括最高溫度Tmax最低溫度T

3、min、降雨rainfall、太陽輻射SRAD），然后使用一般K-NN(K nearest neighbor)算法和改進(jìn)的K-NN算法從歷史氣象年份中篩選目標(biāo)年的氣象相似年份，即相似年型，再使用相似年份的氣象數(shù)據(jù)替代玉米生育期內(nèi)未知的氣象數(shù)據(jù)生成氣象數(shù)據(jù)序列并進(jìn)行玉米產(chǎn)量預(yù)測。此外，根據(jù)該產(chǎn)量預(yù)測方法在生育期內(nèi)動態(tài)預(yù)測產(chǎn)量的分布趨勢進(jìn)行灌溉決策，對逐日模擬的多個產(chǎn)量的中位數(shù)進(jìn)行線性擬合，擬合直線的斜率連續(xù)下降若干天作為灌溉觸發(fā)條件實施灌

4、溉。研究發(fā)現(xiàn):
　　(1)玉米抽雄后（大約距收獲前45～60 d），每日預(yù)測的多個產(chǎn)量的分布開始收斂并逐漸趨于實測值，不確定性迅速下降，變異系數(shù)(CV)和平均絕對相對誤差(MARE)小于15％，即根據(jù)該方法可以在玉米生育期內(nèi)進(jìn)行較高精度的產(chǎn)量預(yù)測。
　　(2)利用普通K-NN算法對比逐日氣象數(shù)據(jù)篩選相似年份并使用其氣象數(shù)據(jù)進(jìn)行產(chǎn)量預(yù)測時，預(yù)測精度并未如預(yù)期得到顯著提高，總體精度較差;利用改進(jìn)的K-NN算法對比7d內(nèi)氣象數(shù)據(jù)的

5、均值來篩選相似年份，并利用其氣象數(shù)據(jù)進(jìn)行玉米產(chǎn)量預(yù)測時精度得到顯著提高，同時模型運(yùn)算次數(shù)減少、預(yù)測所需時間縮短。
　　(3)基于逐日預(yù)測產(chǎn)量的分布趨勢建立灌溉決策方法，該方法能夠根據(jù)人為設(shè)定的灌溉緊迫程度準(zhǔn)確捕捉生育期內(nèi)模擬產(chǎn)量整體連續(xù)下降階段，觸發(fā)灌溉事件，并根據(jù)設(shè)定的單次灌水量自動修改CERES-maize模型試驗文件，自動進(jìn)行灌溉。
　　(4)由于大多數(shù)氣象站點有實測歷史氣象數(shù)據(jù)的年份相對較少，結(jié)合生育期實時數(shù)據(jù)僅能生