公共文化服务平台

基于遗传优化BP神经网络的水稻气象产量预报模型被引量：18: 2012年; 利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。; 罗梦森景元书熊世为; 关键词：水稻气象产量 BP神经网络

酸性降水对油菜产量的影响评估被引量：2: 2013年; 文章利用1992-2011年南京市酸雨资料和油菜的产量资料,分析了酸雨对南京市油菜产量的影响,结果发现:油菜全生育期降水pH值与产量呈正相关,其中1-4月的降水pH值对油菜后期产量形成影响最显著。基于月降水pH值,建立了油菜产量的多项式回归模型,通过反演,发现该模型对产量模拟和灾损评估具有较好效果。; 张佩王伟丽吴洪颜曹春信茆海云; 关键词：油菜酸雨

2013年持续高温对江苏省水稻生产的影响被引量：3: 2019年; 根据江苏省69个气象台站1961—2013年6月下旬至11月上旬的常规气象资料,统计分析2013年水稻各生育期及高温时段的光温水特征,深入研究气象因子对水稻产量构成因素的影响。结果表明,2013年夏季持续高温少雨对水稻生长有利有弊,虽然穗粒数、结实率、千粒质量都有所下降,但前期持续高温天气有利于水稻分蘖发生与成穗,单位有效穗数较2012年大幅增加,产量构成4因素中呈"一增三减"特点;从品种而言,生育期偏早的籼稻较粳稻受害程度更大,大面积粳稻抽穗扬花期避开了极端高温时期,产量所受影响较小;从区域而言,淮北地区的水稻生产受害程度更大。; 张佩于庚康徐敏任义方高苹; 关键词：水稻

雷暴云的集合预报技术及其应用被引量：6: 2012年; 以中尺度非静力WRF模式的格点预报结果作为云模式的初值集合,经云模式的多初值雷暴预报及预报结果的集合分析,建立了雷暴云的集合预报方法。将该方法应用于南京周边地区未来一天雷暴天气的特征预报,并利用南京夏季9个雷暴天气的多普勒雷达资料(SCIT,storm cell identification and tracking)进行预报效果的检验。结果表明,雷暴云的集合预报对研究区域内未来一天雷暴强度、分布预报效果较好,尤其对强雷暴的分布有较强的预警预测能力。此外,雷暴持续时间概率密度分布的集合预报产品,在雷暴影响范围概率预报上的应用,提高了雷达对雷暴的预警监测能力。; 王佳智协飞陈钰文商兆堂白卡娃; 关键词：雷暴

南京夏季高温日数异常分析: 利用南京气象观测站1951～2007年逐日最高气温观测资料,美国NCEP/NCAR再分析资料中1951年1月—2006年12月的平均高度场、风场资料,运用小波分析、二项式滑动平均、合成分析等方法,分析了南京57年来高温日...; 孙燕濮媚娟张备姚丽娜刘梅; 关键词：高温日数环流背景; 文献传递

江苏省连阴雨过程时空分布特征分析被引量：17: 2011年; 通过综合各地连阴雨指标因子,确定了江苏省连阴雨过程的标准,根据指标体系,对其时空分布特征进行了分析,得出江苏省年均连阴雨次数为12.3次,连阴雨的空间分布存在着明显的北少南多的特征,可见沿江苏南地区为连阴雨的频发地区。其中从对农作物危害程度来看,主要是春季连阴雨(3—5月)和秋季连阴雨(9—11月)影响较大,这两个时段连阴雨过程发生次数较多,分别为年均3.1和2.7次,其中春季3月和秋季9月的连阴雨出现次数最多。为了进一步定量评估连阴雨的强度,我们设计了连阴雨强度指数模型,对强度指数MLYY进行了分级,实施了对连阴雨强度的进一步把握,更好地为决策部门提供了服务。; 项瑛程婷王可法李进喜唐红昇; 关键词：连阴雨

江苏省淮北地区冬小麦发育期特征及对气候变暖的响应被引量：3: 2012年; 根据江苏省淮北地区6个农业气象观测站冬小麦主要发育期观测资料和11个气象台站1961—2009年冬小麦生育期内的气象观测资料,利用线性倾向估计、相关分析等数理统计方法分析了冬小麦主要发育期的基本特征、变化趋势及影响因素。结果表明:(1)从各主要发育期的多年平均情况看,各站之间差别以越冬期最小,拔节期最大。拔节期及之前的各生育期变幅较拔节后各生育期的大。(2)播种至起身期遵循纬度越高越早,拔节及拔节后的各发育期则遵循纬度越高越晚的变化规律。(3)从各发育期的变化趋势上看,冬小麦播种和越冬期随时间的变化趋势不明显,拔节、孕穗、抽穗和开花期逐年提前,尤其是孕穗、抽穗和开花期的提前趋势显著。(4)播种期内降水量年际间波动大是导致冬小麦播种期变化趋势不明显的主要原因;各站≥0℃终日的出现日期年际间波动大,且变化趋势不明显,可能是冬小麦越冬期变化趋势不明显且变幅最大的原因。(5)拔节、孕穗、抽穗和开花期逐年提前主要是由于冬季和春季平均气温逐年升高,而与冬前、冬季和春季的降水量和日照时数关系不大。; 张佩姚薇谢小萍何浪高苹; 关键词：发育期气候变暖冬小麦

1961年至2007年江苏省高温气候特征分析被引量：17: 2011年; 本文充分利用江苏省1961年-2007年高温资料,采用小波分析、气候倾向率等气候诊断方法,探讨了江苏省近50年高温的时空分布规律、气候变化趋势、周期性特征。结果表明:高温日数的地理分布呈东北-西南向逐渐递增,沿江苏南地区高温日明显高于东北部沿海地区;在年代际变化中,年高温日数明显的正距平期主要分布在20世纪60年代到70年代初和2001年-2007年,其中60年代到70年代初是高温日数相对偏多的时段,特别是长江以南地区,南京距平值达到25～30天,负距平期主要出现于70年代中期、80年代初～90年代中后期,其中70年代中期、1981年、1986年和2000年为负距平较强的时期,距平值为-6天;气候趋势上,沿江苏南地区高温日数年际变化呈增加趋势,除沿江苏南,其它地区高温日数年际变化整体呈减少趋势,江苏地区每10a高温日数增加或减少约0.3天;在周期分布上,江苏10a以上的周期都相对比较稳定且具有全域性,从长周期分析沿江以北近几年高温日数处于偏少的周期内,而沿江苏南处于增多周期内。各区域存在不同时间尺度年高温日数气候突变点,江苏西北部发生在1968年,江苏东北部发生在1970年、1983年、1988年,江淮地区发生在1972年、1975年、1982年,沿江苏南发生在1971年、1977年、1983年和2002年。; 刘梅彭晓燕李进喜濮梅娟; 关键词：高温气候趋势系数小波分析

气候变化背景下江苏省冬小麦发育期对冬季积温的响应被引量：3: 2014年; 利用江苏省35个气象台站1960—2010年的冬季积温资料和9个农业气象观测站的冬小麦主要发育期资料,利用曼-肯德尔(Mann-Kendall)法、线性倾向估计和相关分析等数理统计方法,分析江苏省冬季积温的时空分规律、冬小麦主要发育期的基本特征和变化趋势及冬季积温对冬小麦各主要发育期的影响。结果表明:气候变暖背景下,(1)淮北地区自20世纪90年代初、淮河以南地区自20世纪90年代中期起的冬季积温呈显著增加的趋势;(2)从主要发育期特征来看,淮河以南地区播种—拔节期及以后各发育期长度较淮北地区更短;冬小麦播种—拔节期长度的各地差距最大,播种—孕穗、抽穗、开花、乳熟和成熟期长度的差别逐渐缩小,且淮河以南地区各站点播种—孕穗、抽穗、开花、乳熟和成熟期长度的差距较淮北地区小;(3)从主要发育期长度的年际变化趋势来看,近30年来,播种—拔节期长度明显缩短,拔节—成熟期长度则显著延长,且产量形成的关键期——开花—乳熟期长度随时间也明显延长;(4)随着冬季积温的增加,播种—越冬、拔节—成熟、开花—乳熟期长度显著延长,越冬—拔节、播种—拔节期的长度与冬季积温线性负相关。分析冬季积温对冬小麦各发育期的影响,为进一步掌握其发育期变化的规律提供依据,对更好地指导冬小麦的生产管理具有重要的指导意义。; 张佩谢小萍姚薇高苹; 关键词：气候变暖

基于海温和环流特征量的江苏省小麦适播期预测被引量：8: 2012年; 基于江苏省60个气象台站1961—2010年冬小麦冬前生长期间的气温资料,利用曼-肯德尔法(Mann-Kendall method)分析发现,小麦冬前生长期间日均气温及有效积温在全球气候变暖背景下均有明显的增暖趋势。同时根据江苏省各地区冬小麦有记录以来的农业气象资料分析可得,播期与冬前总积温、有效积温具有极显著的相关关系,尤以有效积温更为显著,均通过了0.001显著水平检验,故可利用冬前有效积温确定冬小麦适播期。在此基础上,根据海气相互作用原理以及500 hPa大气环流特征量能表征天气形势和控制天气条件的这一特性,利用最优化因子相关技术对海温及环流特征量进行普查,从中挑选一批与冬前有效积温相关显著、稳定性强、因子相互独立、可靠的海温和环流特征量作为长期预报因子,建立冬前有效积温的海温模型和环流模型,其拟合效果和试报效果甚佳,可投入业务应用,提前1～2月预测冬前有效积温,从而确定冬小麦适播期。; 高苹张佩谢小萍胡洛林项瑛; 关键词：农用天气预报海温环流特征量

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

江苏省气象局开放基金

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

江苏省气象局开放基金

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈