為了構(gòu)建日尺度的冬小麥陰濕害評估方法,綜合應(yīng)用基于HP濾波趨勢產(chǎn)量分解法的安徽省冬小麥歷年氣象減產(chǎn)率數(shù)據(jù)、地面氣象觀測數(shù)據(jù),以日尺度的標(biāo)準(zhǔn)化前期降水蒸散指數(shù)、日照百分率為陰濕害關(guān)鍵影響因子,通過有效陰濕害積與過程敏感性耦合方式,構(gòu)建冬小麥全生育期陰濕害綜合指數(shù)（overcast and waterlogging composite index,OWCI）,并選取陰濕害典型年樣本,分別以Logistic曲線敏感性、等敏感性兩種方法計算的陰濕害綜合氣象指數(shù)OWCIs、OWCIe為自變量、氣象減產(chǎn)率（△Y）為因變量進(jìn)行相關(guān)性分析,比較、驗證兩種方法在冬小麥陰濕害評估中的差異性與適用性。結(jié)果表明,△Y與兩種方法的陰濕害綜合氣象指數(shù)均呈顯著二次曲線相關(guān),R²分別為0.843、0.805;檢驗樣本的△Y實測值與兩種方法模擬值的R²分別達(dá)0.685、0.573。對兩種方法比較,Logistic曲線敏感性法建模的擬合性、誤差、檢驗效果均優(yōu)于等敏感性法,其氣象減產(chǎn)率的均方根誤差從7.78%下降到6.97%。應(yīng)用Logistic曲線敏感性法模擬的2016年冬小麥...

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1 冬小麥全生育期陰濕害敏感性系數(shù)Logistic曲線變化

式中l(wèi)、r為拐點出現(xiàn)日期的日序數(shù)。本研究結(jié)合安徽小麥常年發(fā)育期[30],設(shè)漬害敏感性最小值日期出現(xiàn)在1月16日(越冬期),冬前進(jìn)入快速增長與緩增期的拐點日期為12月1日(越冬前)、11月1日(出苗期),冬后進(jìn)入快速增長與緩增期的拐點日期為3月1日(返青期)、4月21日(揚(yáng)花期),....

圖2 冬小麥濕漬害災(zāi)損評估模型模擬值與觀測值比較(A:等敏感性方法;B:Logistic γi方法)

表2冬小麥濕漬害災(zāi)損評估模型回歸參數(shù)Table2Regressionparametersinyieldlossmodelsforwinterwheatovercastandwaterloggingdisasterγi類型γitypesa....

圖3 基于Logistic γi方法的2016年冬小麥陰濕害災(zāi) 損評估應(yīng)用效果(色斑圖:模擬值,標(biāo)注:調(diào)查值)

應(yīng)用基于Logistic法所建模型構(gòu)建1981-2018年冬小麥陰濕害災(zāi)損率序列數(shù)據(jù),并分別計算1981-2010年冬小麥陰濕害災(zāi)損率氣候態(tài)值(△Y′)及2011年以來平均災(zāi)損與氣候態(tài)值的距平百分率(Ya)。結(jié)果顯示,△Y′總體呈緯向分布,沿江中西部及皖南大部為冬小麥陰濕害災(zāi)損....

圖4 基于Logistic γi方法的冬小麥陰濕害災(zāi)損率空間分布(A:1981-2010年30年氣候態(tài)均值;B:2011年以來均值)

圖3基于Logisticγi方法的2016年冬小麥陰濕害災(zāi)損評估應(yīng)用效果(色斑圖:模擬值,標(biāo)注:調(diào)查值)可見,2011年以來的平均陰濕害損失率較1981-2010年30年氣候態(tài)值有加重趨勢,其中沿淮Ya普遍大于90%,即加重1～2倍不等。

本文編號：4044333