基于日尺度的安徽省冬小麦生长过程阴湿害灾损评估模型研究

发布时间：2025-05-08 04:37

　　 为了构建日尺度的冬小麦阴湿害评估方法,综合应用基于HP滤波趋势产量分解法的安徽省冬小麦历年气象减产率数据、地面气象观测数据,以日尺度的标准化前期降水蒸散指数、日照百分率为阴湿害关键影响因子,通过有效阴湿害积与过程敏感性耦合方式,构建冬小麦全生育期阴湿害综合指数（overcast and waterlogging composite index,OWCI）,并选取阴湿害典型年样本,分别以Logistic曲线敏感性、等敏感性两种方法计算的阴湿害综合气象指数OWCIs、OWCIe为自变量、气象减产率（△Y）为因变量进行相关性分析,比较、验证两种方法在冬小麦阴湿害评估中的差异性与适用性。结果表明,△Y与两种方法的阴湿害综合气象指数均呈显著二次曲线相关,R²分别为0.843、0.805;检验样本的△Y实测值与两种方法模拟值的R²分别达0.685、0.573。对两种方法比较,Logistic曲线敏感性法建模的拟合性、误差、检验效果均优于等敏感性法,其气象减产率的均方根误差从7.78%下降到6.97%。应用Logistic曲线敏感性法模拟的2016年冬小麦...

【文章页数】：8 页

【部分图文】：

图1 冬小麦全生育期阴湿害敏感性系数Logistic曲线变化

式中l、r为拐点出现日期的日序数。本研究结合安徽小麦常年发育期[30],设渍害敏感性最小值日期出现在1月16日(越冬期),冬前进入快速增长与缓增期的拐点日期为12月1日(越冬前)、11月1日(出苗期),冬后进入快速增长与缓增期的拐点日期为3月1日(返青期)、4月21日(扬花期),....

图2 冬小麦湿渍害灾损评估模型模拟值与观测值比较(A:等敏感性方法;B:Logistic γi方法)

表2冬小麦湿渍害灾损评估模型回归参数Table2Regressionparametersinyieldlossmodelsforwinterwheatovercastandwaterloggingdisasterγi类型γitypesa....

图3 基于Logistic γi方法的2016年冬小麦阴湿害灾 损评估应用效果(色斑图:模拟值,标注:调查值)

应用基于Logistic法所建模型构建1981-2018年冬小麦阴湿害灾损率序列数据,并分别计算1981-2010年冬小麦阴湿害灾损率气候态值(△Y′)及2011年以来平均灾损与气候态值的距平百分率(Ya)。结果显示,△Y′总体呈纬向分布,沿江中西部及皖南大部为冬小麦阴湿害灾损....

图4 基于Logistic γi方法的冬小麦阴湿害灾损率空间分布(A:1981-2010年30年气候态均值;B:2011年以来均值)

图3基于Logisticγi方法的2016年冬小麦阴湿害灾损评估应用效果(色斑图:模拟值,标注:调查值)可见,2011年以来的平均阴湿害损失率较1981-2010年30年气候态值有加重趋势,其中沿淮Ya普遍大于90%,即加重1～2倍不等。

本文编号：4044333