小麦重大病虫害发生流行的气候影响评价

 为分析评价气候变化对小麦重大病虫害发生流行的影响,揭示全球变暖趋势下异常气候条件对病虫害时空演替和发生规律的作用机制,通过收集整合20个中国冬小麦主产省(区、市)经规范连续、广泛系统的测报调查所获得的病虫害发生数据,对应2009-2010冬小麦生育期间气候特点和极端气候事件,与历史常规年份的病虫害发生状况和气候条件进行比较.结果表明,在该生长季,由于初冬强降温、春季持续低温以及西南麦区秋冬春三季连旱等异常天气气候条件的影响,小麦重大病虫害发生时期推迟,其中条锈病扩展流行范围小、发生轻,纹枯病和白粉病扩展流行范围广、发生中等,麦蜘蛛等前期虫害发生较轻,赤霉病、蚜虫等穗期病虫害发生严重.从而得出,影响不同种类病虫害发生流行的关键时期、关键气象因子有所不同,这为病虫害预测预报分类指导和关注重点提供了依据;为做好预测预报、评估气象灾害对病虫害发生的影响,应做到“大小兼顾、长短结合,分类关注、抓住关键”.     

基于BP神经网络的空气质量预测与分析

使用神经网络构造的算法,对秦皇岛市的空气质量进行预测。将秦皇岛市的气象监测数据与环境监测数据,按照季节关系分组,并进行相关性分析,从而确定出与空气质量呈强相关性的气象因子。并对其进行主成分分析,得出影响空气质量变化的主因子,以减少多种气象因子带来的数据处理难度。构建季节预测模型,并根据气象因子筛选结果,确定出神经网络模型需要输入的数据矩阵,从而通过气象参数变化对秦皇岛市的空气质量进行预测。并通过四个预测模型对季节空气质量的数值预测,得出了平均预测准确率,分别为81.18%,83.10%,81.72%,80.56%。结果表明,使用BP神经网络构建的秦皇岛市空气质量预测模型,可以成功预测该市四季的空气质量。     

基于Box-Cox变换的城市火灾起数的模型研究

文章应用极大似然方法,对某市1997—2007年11a间的月度火灾及气象数据进行了Box-Cox非线性变换,通过对变换后的月平均温度、月平均相对湿度、月平均风速、月平均降雨量等气象因子与火灾发生起数进行统计分析,建立了基于Box-Cox变换的线性回归模型,并从拟合误差、交叉验证均方误差等方面进行分析比较,最终建立回归模型;运用所得模型对2008年的火灾数据进行预测分析,结果表明,基于Box-Cox变换后数据建立的回归模型,能更好地预测火灾发生起数,从而达到对城市火灾控制的目的。     

碧螺春茶产量与采摘期气象因子的关系

研究苏州洞庭碧螺春茶产量与气象因子的关系。通过对2008年至2013年碧螺春采摘期气象因子和产量数据的相关性回归分析,建立了碧螺春茶产量与采摘期气象因素回归模型,并得出采摘期气象因子对茶叶产量的影响程度。从而实现在已知采摘期气象条件下对碧螺春茶产量预测。     

基于Hadoop框架和ARIMA算法的气象预测系统研究

对气象数据挖掘和ARIMA预测算法进行分析,构建了基于Hadoop的气象数据挖掘平台,并在该平台上设计实现了基于ARIMA算法的气象预测系统.实验结果表明,该气象预测系统具有易扩展性、易维护性和对海量气象数据的高效管理特性,实现了气象预测功能.     

浅析气象对农业病虫害的影响

气象因素是影响农作物病虫害发生发展的主要因素。本文主要就农作物病虫害的发生发展与气象的关系进行了论述和说明。以便对广大农民提出启示,可以根据不同的天气,有针对性的对病虫害进行防范。同时也为农业生产的可持续发展提供了理论依据。     

精细化气象因子对短期电力负荷预测的影响研究

为分析电力负荷变化特征与气象要素的关系,定量解析气象因子对电力负荷预测的主要贡献,该文以华中电网某地区为研究对象,预报因子选用电力负荷和精细化气象数据,依据逐步回归和BP神经网络模型建立滚动预报模型.通过研究发现：当日负荷除与历史负荷有较好的相关关系外,当日温度与前一日温度对负荷也有较大的影响.气象因子在逐步回归和神经网络预测方法中对负荷预测准确率的提升均有正的贡献,贡献率分别为0.28%～17.87%和0.97%～17.78%.尤其是转折天气条件下,精细化气象因子对短期负荷预测的准确率的提升尤为重要.     

熵在空气质量指数(AQI)预测中的应用

为了更准确地找出影响空气质量指数的气象因子与提高其预测精度,提出了基于熵、BP神经网络和时间序列模型的组合预测模型。该方法利用增加了特征变量的转移熵方法,得到影响AQI的气象因子及其影响度,将得到的气象因子与AQI实测值作为BP神经网络的输入因子和时间序列分析模型的特征因子,影响度作为BP神经网络输入因子的初始权重,构建BP神经网络预测模型和时间序列分析预测模型,最后用熵值法组合各个预测模型的预测结果。实验表明利用该方法对空气质量指数进行预测可提高其预测精度。     

心电信号与气象因子同步采集系统的研究

研究发现,气象因子的变化会影响人体生理参数的改变。目前的研究都是基于事后的统计分析。为此设计了一种动态采集系统,用于对气象因子和心电信号进行24h的同步采集,从而揭示气象因子变化与心电信号之间的对应关系。系统选W78LE516单片机和CPLD来构造控制电路,用读写速度快、功耗低的低电压外部数据存储器CF卡存储采集完的信号。最终采集到的数据可以在上位机上显示波形。     

城市热岛效应的灰色评价与预测

将灰色系统理论引入到城市热岛效应的评价与预测中,运用灰色关联度分析法对影响西安城市热岛效应的因子群进行了贡献测度分析.结果表明,人为热释放是造成城市热岛效应的主要因素,风速、日照时数和相对湿度是影响城市热岛效应的主要气象因子.系统云灰色模型(SCGM)的拟合和预测结果与实际情况取得了较好的一致性,表明西安城市热岛效应具有日益加重的趋势,也体现了SCGM在多因子关联系统预测中的优越性.     

麦赤霉病子囊孢子捕捉数与发病的关系

麦赤霉病的发生预测,过去主要是利用气象因子的方法,但仅用此法未必充分。为了提高麦赤霉病发生预测的精确度,作者对发病的主要原因病原菌子囊孢子飞散状况,自一九六○年起至一九六九年进行连续调查。结果表明,比以往利用气象因子的预测法精确度为高。调查方法:子囊孢子的捕捉,从四月一日至五月三十一日,采用明日山氏设计的孢子捕     

葡萄园凝露状况的解释模拟

依据流体内平板热平衡理论,对葡萄园内的叶温、湿度、辐射、气温和风等环境气象因子进行小气候观测之后,在解决葡萄园内温度、湿度、辐射和风等气象变量与标准气象台站气象因子问的关系的基础上,取得了葡萄园凝露时间的解释模拟经验公式和参数,为葡萄园之病虫害预报、防治决策提供了科学依据。     

江西省林业气象灾害风险调查与服务效益评估

自2016年11月至2017年5月,江西省气象服务中心在江西省林业厅森林防火总指挥部办公室的配合下开展了林业气象灾害风险调查与服务效益评估调查工作,调查共收集到22个风险点相关信息,数据显示,火灾风险是江西省林业气象灾害风险点的主要类型,调查得到18个监测站点信息,预警设施为16个。排在前3位影响林业生产的气象灾害类型为火灾、病虫害和雪害,主要致灾气象因子为气温、降水和风等。林业气象服务需求方面,排名前3位的是森林火险预报预警、森林火点监测(过程监测)和林业病虫害预报,2016年江西省气象服务效益贡献率达5.16%。     

基于GIS的滑坡信息管理和预测预报系统的设计

探讨了基于GIS的滑坡信息管理和预测预报系统的设计。该系统以GIS软件MapInfo为平台，将与滑坡发生有关的多种数据进行存储、管理和分析，然后在充分考虑滑坡稳定性与各因素之间的统计相关性和位置相关性的基础上，建立滑坡影响因子叠加预测模型和神经网络预测模型。该系统不仅可以有效地管理滑坡数据，而且可以进行滑坡预测预报，为决策提供依据。     

基于相似日和灰色理论的短期电力负荷预测研究

针对短期电力负荷预测易受气象因素影响的特点,提出基于相似日和灰色理论的短期电力负荷预测模型;首先通过对日类型的判断得到相同日类型的负荷数据,然后对气象数据序列进行模糊化聚类处理,并结合预测日的气象数据,采用灰色关联方法进行关联分析,选取与预测日关联度高的负荷数据作为相似日负荷数据,采用灰色预测方法对相似日负荷数据进行短期电力负荷预测;仿真结果表明,选取了相似日之后的预测结果比未选取相似日的预测结果精度要高。     

基于时序数据挖掘的澜沧江流域气象预报系统

 在对澜沧江流域多年气象数据分析研究的基础上,依据气象数据的时序特性,结合数据挖掘中比例规则挖掘技术,实现了一个基于时序数据挖掘的气象预报系统.该系统对澜沧江流域近40年气象数据进行预测实验,结果表明:基于数据挖掘的气象预报系统的研究是对气象预报新路的有益探索.此外,该系统还提供了友好的用户界面和可视化结果展示.     

基于滑动窗口和LSTM的PM2.5浓度预测模型

随着环境空气质量日趋重要,PM2.5浓度也逐渐受到重视.以北亡市某空气质量监测站2010.1.1～2014.12.31的PM2.5浓度的小时数据以及对应的气象数据作为样本进行实验.首先对数据进行预处理,考虑到PM2.5前后关联性很强这一特点,将数据进行基二时间的滑动窗口处理以利用数据的时序性,然后对各气象因子进行皮尔逊相关分析,构建了5层长短期记忆(LSTM)网络模型,引入了学习率指数衰减方法,来预测1 h后的PM2.5浓度,并将其与Lasso回归、支持向量回归(SVR)模型、XGBoost模型对比,发现构建的LSTM模型预测效果最好.     

云南桔小实蝇发生量预测模型研究

2003-2008年从田间系统地监测了云南元江和华宁桔小实蝇的发生规律.将诱虫资料和温度、湿度、雨量、光照等气象资料作为预测因子,采用简单逐步回归和多因子互作回归分别进行拟合,建立了不同发生量预测预报模型,并对其进行检验.结果表明发生量与多因子交互之间存在相关关系,可采用预报模型较为准确地预测出桔小实蝇的发生量,且多因子互作组建的模型比简单逐步回归的结果可靠.     

基于灰色关联度和主成分分析的不同地区API综合评价

为研究API与各气象要素之间的内在联系,建立API的数学模型,选取合适的气象因子对空气污染指数进行预测提供理论支撑,本文利用统计学方法分析了6个污染物指数的变化规律及其随不同气象要素的变化特征;运用灰色关联度分析法对13个气象因子与空气污染指数的相关性进行了排序;采用主成分分析方法对12个气象因子进行了降维,找出几个综合因子反映原来变量的信息,得出不同气象因子对不同污染物指标的影响程度以及影响不同地区API的主成分具有差异性的结论。对于深入认识不同地区的空气环境质量与影响因素之间的相关性,准确把握API影响因子信息进而制定有针对性的空气环境治理措施,指导API的预测具有一定的现实意义。     

黄脊竹蝗Ceracris kiangsu发生与气象因子的相关性研究

福建省长汀县1988年至1997年历年黄脊竹蝗Ceracris kiangsu Tsai发生面积与历年主要气象因子变量相关性进行研究。结果表明,黄脊竹蝗发生与气象因子有密切的关系,黄脊竹蝗发生与10月、1月、7月及4月、5月、6月份的气温,与9月、11月及1月、7月、6月份的降雨量,与6月、3月、7月及9月、2月份的日照时数相关密切。其相关性研究对预测和防治竹蝗有一定的指导意义。