论文部分内容阅读
全球气候变暖,极端气候事件和气候胁迫现象增多,为冬小麦的生产带来严重的威胁和挑战。冻害是影响冬小麦生产的主要气象灾害之一,建立科学合理的冬小麦冻害指标,进行冻害发生概率预报,可为冬小麦冻害的监测、预报、防御措施提供科学合理的依据,保障粮食的安全生产。利用1980-2007年河北省23个农业气象观测站冬小麦冻害记录(113条)、生育期逐日平均气温以及产量资料,采用案例分析法,根据冬小麦温度适应性和冻害效应,以动态、相对变化的原则,划分冻害发生时间和冻害类型,建立了分时段、分类型的冻害气温指标,确定指标算法及指标值。在此指标体系的基础上,建立了基于贝叶斯网络的冬小麦冻害发生的概率预报模型,以栾城为例对模型进行验证。主要结果如下:(1)冬小麦冻害发生时间划分为越冬前、越冬期和早春期三个时段;(2)依据剧烈降温强度、低温持续时间长度、前后气温变化程度,对每个时段划分的三种冻害类型分别为:越冬前剧烈降温型、积温不足型、前暖后冷型;越冬期骤然降温型、长寒型、冻融型;早春期温度骤降型、低温型、冻融型。(3)建立相应的动态化冻害气温指标分别为:当日气温与前5d日气温差(Tdrop5);越冬前积温与历年平均的比(ΣTV+);连续20天气温距平>0的天数(DTa+),连续20天气温距平<0的天数(DTa-);越冬期负积温与历年平均的比(ΣTV-),越冬期天数与历年平均的比(DWV),日均温距平<0的天数与全越冬期的比(DVTa-);连续日均气温距平>0的天数(DTa+),连续日均气温距平<0的天数(DTa-)。并确定了每个时段冻害类型的指标值。(4)利用新搜集到的2013-2016年北方麦区冬小麦冻害实际记录对建立的指标进行检验,证明了这些指标具有可行性。(5)分析了河北省1980-2007年冬小麦冻害规律,共有16年发生冻害,20世纪80年代冻害发生率最高,冻害分散分布在大部分冬麦区;90年代减少;2000年以后有增加趋势,主要分布在河北省中南部地区。(6)根据冬小麦冻害动态化气温指标,建立了基于贝叶斯网络的冬小麦冻害预报模型。对栾城1981-2011年逐日平均气温进行分析,输入模型中,更新冻害指标变量状态,统计逐年冻害的发生次数,并计算了相应年份冬小麦的波动产量,将两者比较分析,结果表明:除了部分年份冻害发生总次数与波动产量关系复杂外,其它年份均呈明显的负相关关系,模型具有很好的应用效果。