不同统计模型在冬小麦产量预报中的预报能力评估——以江苏麦区为例

• 作者: 宋迎波 徐敏 徐经纬 高苹
• 来源期刊: 中国生态农业学报(中英文)
• 关键词: 冬小麦 产量预报 丰歉相似年法 关键气象因子法 气候适宜度法 产量分离方法 最优模型集成
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 农业生态经济与生态农业
• 页码范围: 438-447
• 页数: 10页
• 分类号: F062.2
• 语种: 中文
• DOI: 10.13930/j.cnki.cjea.190814

摘要

在多类冬小麦单产统计预报模型中筛选出预报能力强的模型, 并对优选出的模型进行加权集成, 以此提高产量预报准确率, 对保障粮食安全具有重要意义.利用 1993—2018 年江苏省 69 个基本气象观测站逐日气象资料和冬小麦产量数据及生育期资料, 在 5 种气象产量分离方法(线性分离、差值百分率、5 年滑动平均、3年滑动平均、二次曲线)的基础上, 采用准确率、标准差、相关系数、泰勒图等检验法, 评估分析了丰歉相似年法、关键气象因子法、气候适宜度法与集成预报法在江苏省冬小麦单产预报中的模拟效果.结果表明:1)对于同一种预报方法, 不同的产量分离法对预报精度影响较大, 二次曲线分离法要好于其他4种方法; 丰歉相似年预报方法中加权法的预报精度高于大概率法.1993—2013年丰歉相似年法、关键气象因子法、气候适宜度法平均准确率分别为89.67%、94.86%和94.96%.2)集成预报法近5年预报准确率在96.33%以上, 高于丰歉加权模型、关键气象因子二次曲线分离模型、气候适宜度二次曲线分离模型等单个最优模型, 在一定程度上可以弥补单一预报方法预报结果稳定性差的不足.3)起报时间越接近成熟期, 预报因子信息越全面, 则预报模型准确率越高.研究结果可为江苏省冬小麦采用合理的单产预报模型提供科学依据, 同时模型筛选思路也可供外省借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋迎波		49	745	15.0	26.0
2	高苹		70	1022	15.0	29.0
3	徐敏		30	133	7.0	9.0