专利名称：基于修订的区域气候模式数据的小麦产量预测方法
技术领域：
本发明提供基于修订的区域气候模式数据的小麦产量预测方法，特别涉及利用小麦生长模拟系统结合修订后的区域气候模式数据提高小麦产量预测精度。
背景技术：
近半个多世纪以来，国际上出现了不少小麦生长模拟系统，如美国的DSSAT系统、 澳大利亚的APSM系统、中国的WheatGrow系统等，它们通过解析“气象一土壤一技术措施” 与小麦生理生态过程的机理关系，对小麦的生长发育及产量形成过程进行定量的预测。小麦生长模拟系统要实现对未来农业生产的预测与评价，首先要保证输入未来的气象数据， 而区域气候模式能够预测未来的气象数据。很多研究肯定了区域气候模式的准确性，但同时也指出产生的气象数据与观测数据相比存在系统性偏差，太少的连续干旱天数，无法重现高降雨事件，太多的微降雨天气等现象。另外，尽管区域气候模式具有较高的空间分辨率，从几十公里到上百公里，但测定小麦生长模拟系统一般是以田块为尺度进行预测，从而使得与基于田块尺度的小麦生长模拟系统与区域气候模式相结合时还存在时空尺度不匹配的问题。因此需要解决区域气候模式所产生的气象数据系统性偏差、太少的连续干旱天数、无法重现高降雨事件、太多的微降雨的天气以及与小麦生长模拟系统之间的尺度差 异等问题，以达到提高小麦生育期和产量预测精度的目的。
发明内容
本发明提供了基于修订的区域气候模式数据的小麦产量预测方法，即通过实测的逐日历史气象数据对区域气候模式生成的未来数据进行修订，解决区域气候模式产生的气象数据的系统性偏差、太少的连续干旱天数、无法重现高降雨事件、太多的微降雨的天气， 以及与以田块为尺度的小麦生长模拟系统相结合存在着尺度上不匹配的问题，达到提高小麦生长模拟系统对小麦生育期和产量预测精度的目的。本发明的目的在于提供一种基于修订的区域气候模式数据的小麦产量预测方法， 该方法包括以下步骤在小麦种植之前，利用五点取样法，将耕层土壤从上到下分四层进行田间土壤取样，然后通过室内物理化学分析，测定每层土壤容重、饱和含水量、田间持水量、萎焉含水量、实际含水量、土壤全氮、土壤氨态氮和硝态氮，记录小麦生长过程中的田间栽培管理数据；通过自动气象站记录小麦生长季历史k年田间逐日气象数据，气象数据包括日最高气温、日最低气温、日太阳辐射、日降水量；利用手持GPS定位仪测量该田块的经纬度，利用SuperMap软件提取区域气候模式 (RCM)中对应该田块的经纬度所在栅格的未来m年逐日气象数据；利用气象数据修订方法，将观测的历史k年田间逐日气象数据作为基础数据，修订区域气候模式生成的未来m年降雨频率，日降水量、日太阳辐射、日最高最低气温；
将修订后的区域气候模式生成的的逐日气象数据、以及相应的土壤数据、栽培管理数据，输入到小麦生长模拟系统，对该季小麦生育期和产量进行预测与评价。进一步，对区域气候模式的降雨频率进行修订的实现方法为以a月份为例，将自动气象站记录的历史k年所有a月份的降水天数(降雨量低于O. Imm认定为非降雨，降雨量高于O. Imm认定为降雨)除去a月份的总天数，即为历史观测a月份平均降水频率。用该降水频率乘以RCM生成的未来m年所有a月份的总天数，就得到根据历史观测数据估计的未来m年a月份总降水天数η天。
·
将RCM生成的未来m年所有a月份的降雨数据按照降雨量从大到小排列，第η天对应的降雨量作为临界降雨量，将该降雨量作为判断RCM生成的未来气象数据中是否降雨的阀值，低于阀值认定为非降雨，高于阀值认定为降雨。通过上述修订，使得RCM生成的气象数据未来m年a月份降雨频率等于该地区历史观测a月份的降雨频率。进一步，对区域气候模式生成的逐日降雨量进行修订采用以下步骤第一步，利用伽玛分布(公式I)代表RCM生成的和历史观测的每月降雨量的概率密度分布，，分别为反映概率分布的形状参数和尺度参数，X为每日降雨量。
权利要求
1.基于修订的区域气候模式数据的小麦产量预测方法，其特征在于，该方法包括以下步骤在小麦种植之前，利用五点取样法，将耕层土壤从上到下分四层进行田间土壤取样，然后通过室内物理化学分析，测定每层土壤容重、饱和含水量、田间持水量、萎焉含水量、实际含水量、土壤全氮、土壤氨态氮和硝态氮，记录小麦生长过程中的田间栽培管理数据；通过自动气象站记录小麦生长季历史k年田间逐日气象数据，气象数据包括日最高气温、日最低气温、日太阳辐射、日降水量；利用手持GPS定位仪测量该田块的经纬度，利用SuperMap软件提取区域气候模式 (RCM)中对应该田块的经纬度所在栅格的未来m年逐日气象数据；利用气象数据修订方法，将观测的k年田间逐日气象数据作为基础数据，修订区域气候模式生成的未来m年降雨频率，日降水量、日太阳辐射、日最高最低气温；将修订后的区域气候模式生成的的逐日气象数据、以及相应的土壤数据、栽培管理数据，输入到小麦生长模拟系统，对该季小麦生育期和产量进行预测与评价。
2.如权利要求I所述的方法，其特征在于，对区域气候模式生成的降雨频率进行修订的实现方法为第一步，以a月份为例，将自动气象站记录的历史k年所有a月份的降水天数除去a月份的总天数，即为历史观测a月份平均降水频率；第二步，用该降水频率乘以RCM生成的未来m年所有a月份的总天数，就得到根据历史观测数据估计的未来m年a月份总降水天数η天；第三步，将RCM生成的未来多年所有a月份的降雨数据按照降雨量从大到小排列，第η 天对应的降雨量作为临界降雨量，将该降雨量作为判断RCM生成的未来气象数据中是否降雨的阀值，低于阀值认定为非降雨，高于阀值认定为降雨，通过上述修订，使得RCM生成的气象数据未来m年a月份降雨频率等于该地区历史观测a月份的降雨频率。
3.如权利要求I所述的方法，其特征在于，对区域气候模式生成的逐日降雨量进行修订采用以下步骤第一步，利用伽玛分布和公式(I)代表RCM生成的和历史观测每月降雨量的概率密度分布，，分别为反映概率分布的形状参数和尺度参数，X为每日降雨量， 第二步，利用极大释然方法估计得到每月的RCM和历史观测降雨量参数，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为R，将R带入公式(3)，计算其对应的该月RCM生成的降雨量数据的累积概率F(x ( R)， 第四步，再将累积概率F (X ( R)带入历史观测每月降雨量数据累积概率的反函数，得到公式(4)，R,即为修订后的逐日降雨量，
4.如权利要求I所述的方法，其特征在于，对区域气候模式生成的逐日太阳辐射进行修订采用以下步骤第一步，利用贝塔分布和公式(5)代表RCM和历史观测每月太阳辐射的概率密度分布， Γ ( ·)代表伽玛分布，
5.如权利要求I所述的方法，其特征在于，对区域气候模式生成的逐日温度进行修订采用以下步骤第一步，利用高斯分布代表RCM和历史观测每月最高、最低温度的概率密度分布公式
6.根据权利要求2所述方法，其特征在于，所述的历史k年的范围是0-20年，a月份的范围为卜12月份。
7.根据权利要求2所述方法，其特征在于，所述的未来m年的范围是10-40年，η天的范围为大于O天。
8.根据权利要求4所述的的方法，其特征在于，第二步所述的贝塔分布的X值范围在O I之间，而太阳辐射的范围在O 33MJ · m_2 · (Γ之间，因此对月太阳辐射的平均值、方差进行公式的转换公式(12)，使得X值范围在O到I之间，a = OMJ · m_2 · cf1，b = 33MJ · m 2 · d 1 ；
9.如权利要求I所述的方法，其特征在于，所述区域气候模式生成的逐日气象数据获取方法为利用手持GPS定位仪测量田间的经纬度(X，y)，利用SuperMap中的根据经纟韦度提取栅格数据的功能get_value(x, y),编程提取m年 RCM生成的数据对应该经纬度的栅格数值；将提取的逐日降雨量、太阳辐射、最高温度、最低温度的数据，按照日期排序，分别保存到不同的文本文件中，作为气象数据修订的输入文件。
全文摘要
本发明提供了一种基于修订的区域气候模式数据的小麦产量预测方法，通过观测的历史逐日气象数据，对未来区域气候模式修订的日最高最低温度、降雨强度、降雨频率、太阳辐射数据进行修订，使区域气候的数据既保持其原有的年际变化规律，又符合该站点历史气象变化规律，解决了区域气候的模拟值与观测数据之间系统性偏差、太少的连续干旱天数、无法重现高降雨事件以及时空尺度上的不匹配等带来的问题；进一步将修订后的区域气候模式数据与小麦生长模拟系统相结合，有效地提高了小麦成熟期和产量的预测精度，实现了小麦生长模拟系统和区域气候模式尺度上的统一。
文档编号G06Q10/04GK102722766SQ20121017957
公开日2012年10月10日 申请日期2012年6月4日 优先权日2012年6月4日
发明者刘小军, 吕尊富, 曹卫星, 朱艳, 汤亮 申请人:南京农业大学