农作物产量预报是重要的农业气象业务服务内容。但目前在农业气象服务和产量预测中所使用产量预测模式与方法，很难满足当前农业气象业务服务需求，迫切需要更新、完善和新方法的补充。 本文以商空间的粒度计算理论和构造性机器学习方法为工具，以主要农作物(冬小麦)生长过程中气象条件对产量影响的历史数据为研究重点，确定主要农作物生长发育关键时期的农业气象服务指标，建立、完善和优化淮河区域主要农作物产量的农业气象预报模式，提高农作物产量预测水平。 根据气象时间序列的特点，在商空间粒度计算理论框架下，采用周、旬、月及混合粒度等多种粒度，本文从不同的层次分析了光、温、水分及其它环境气象数据信息对农作物产量的影响。通过分析，以灰色模型GM(1，1)与构造性机器学习方法(交叉覆盖算法)相结合建立主要农作物产量预测模型，并以此模型为依据，实现对农作物产量的预报。在构建模型过程中，通过估算作物对天气条件的反应，尤其是不同发育阶段对光、温、水分及其它环境气象要素的要求，进行作物的气候生态和产量预测研究，获取不同粒度的气候生态和主要农作物产量预测模型，提出气象要素和主要农作物产量的不同粒度的概念模型，将气象要素作为一个关键因子运用到主要农作物产量的预测中；改进统计预测方法中存在的随机性和偶然性，尤其是改善现有预测方法未考虑中长期天气变化的局限，提高模式的模拟和预测能力。