现代农业气象业务是指适应现代农业生产需求,依托规范的农业气象观测、农业气象试验和先进农业气象业务技术及其业务平台,为现代农业的合理布局、防灾减灾、应对气候变化及国家粮食安全保障提供有效气象科技支撑和保障服务[1]。农业气象业务技术是指在实时业务环境中能够稳定运行并可应用于业务服务的指标、模型、方法及其平台的总称。我国农业气象业务最初诞生于中央气象台,1958年中央气象局研制发布的第1期《全国农业气象旬报》成为农业气象业务开始的标志[2]。经过近60年的发展,农业气象业务已成为全国气象部门业务规模最大、业务技术最成熟、业务体系最规范的专业气象服务。自2002年起,国家级农业气象业务从中国气象科学研究院调整到国家气象中心(中央气象台),实现了农业气象业务与短期、中期天气预报业务的有机结合,不同时间尺度的农业气象灾害预报、农用天气预报、农业气象影响预报等农业气象业务技术蓬勃发展,在气象为农服务中发挥着极为重要的作用。
同时,随着现代农业对气象服务需求的增加,农业气象业务领域不断拓展,从最初的农业气象监测评价和国内作物产量预报逐步扩展到农业气象监测评价、农业气象预报、农业气象灾害和农林病虫害监测预报、国内外作物产量动态预报、重要农事活动气象监测预报、生态气象监测评估等业务领域。农业气象业务客观产品不断丰富,呈多样化、系列化、精细化发展趋势,从支撑农业气象服务的周尺度、月尺度、季尺度、年尺度的日照时数、气温、降水空间分布图形产品,发展到精细化、格点化的多时间尺度农业气象要素、农业气象灾害、农作物长势等定量监测、评估与预报客观数值产品及图形产品。农业气象业务技术不断进步,农业气象定量评价、作物产量动态预报、作物生长定量评估、农业气象灾害(含病虫害)影响评估与预报等农业气象业务核心技术取得了明显进步,初步形成了多指标集成、多模型集成、多数据集成的业务技术体系,国家级农业气象业务基本实现了从点到面、从单一指标到综合指标、从定性到定量、从宏观到精细的快速发展。
本文从农业气象监测评价、农作物产量预报、农业气象灾害监测预报、农林病虫害发生发展气象等级预报、农用天气预报和农业气象业务系统等领域,分别阐述近年来国家级农业气象业务产品技术现状和发展动态。
1 农业气象监测评价农业气象监测评价技术及客观产品是开展农业气象业务服务的基础支撑,主要包括农业气象要素的监测与定量评价、作物生长状况的定量评估、土壤水分的监测评估,已形成日、周、月、季、年不同时间尺度的监测与定量评价产品体系。
1.1 全国农田土壤墒情监测评估全国土壤墒情监测评估是目前国家级日尺度农业气象业务产品的主要内容,包括10 cm,20 cm,30 cm,40 cm,50 cm等不同深度土壤相对湿度的5 km×5 km格点空间分布图。产品分为两类:一类是土壤湿度实况图,以[0,40%),[40%,60%),[60%,90%),[90%,100%]划分为不同等级(图 1a);另一类是实况土壤湿度与前期湿度的对比图,分为土壤持续缺墒、土壤缺墒、土壤缺墒解除、土壤墒情适宜、土壤过湿解除、土壤过湿和土壤持续过湿7个等级(图 1b)。目前,全国大约2200个土壤水分自动观测站资料实现业务化应用。尽管与土壤水分人工观测(烘干称重法)相比,自动观测站的土壤水分监测结果有一定误差[3],但通过实时对比分析和时空尺度多维严格质量控制[4],质量控制后的自动观测站观测的土壤水分结果能够真实客观地反映农田土壤水分实际状况。
1.2 农业气象要素定量评价技术
温度、降水、日照时数等农业气象单要素定量评价技术及产品,距平法、历史排位法、比值法仍是农业气象业务服务常用方法的重要组成部分。作物生长是受不同时期光、温、水等气象要素共同作用的结果,不同生长发育阶段各气象要素的作用也不同。因此,在农业气象要素的定量评价中,同一时期经常会出现某一气象因子适宜而另一气象因子不适宜的情况。依据光、温、水气象因子对农作物不同阶段生长发育的影响,建立相应的温度、水分、日照时数单因子适宜度函数和光温水综合气候适宜度函数[5-7],可以定量评价作物生长气象条件适宜程度。
其中,温度适宜度函数可以表示为
(1) |
式(1)中,f(t)是温度适宜度,t为作物某发育阶段的平均温度;tl, th, to分别为该时段内作物生长发育所需的下限温度、上限温度和最适温度,tl, th, to依作物品种和发育阶段而定[8]。
日照适宜度函数可以表示为
(2) |
式(2)中,f(q)是日照适宜度函数,q和qo分别为作物某生长发育阶段内的平均日照时数和作物该生长发育阶段所需日照时数的临界值。
水分适宜函数可以表示为
(3) |
式(3)中,f(p)为水分适宜函数;p, wo, wl, wh分别为作物某发育阶段的降水量、最适需水量、需水量的下限和上限。
光温水综合气候适宜度影响函数:
(4) |
或
(5) |
其中,Fi(t, q, p), f(ti), f(qi), f(pi)分别为某发育阶段综合适宜指数、温度影响函数、日照时数影响函数和水分影响函数,wti,wqi,wpi为对应的权重系数。
由上述系列公式可知,只要确定作物生长过程中光、温、水气象指标,就可以计算出作物生长气候适宜度。通过建立作物生长气象指标连续动态变化曲线[9],国家气象中心实现了冬小麦、水稻、玉米逐日气候适宜度的实时计算,开发了日、周、月、年不同时间尺度和站点、格点、区域不同空间尺度的农业气象定量评价客观产品(图 2)。气象条件对作物生长发育的适宜程度是一个相对的量化指标,不同区域、不同品种的适宜评价指标也不同。在国家级农业气象业务中,基于近30年日气候适宜度序列来确定非常适宜、适宜、不适宜3个等级指标[9]。
1.3 作物生长状况定量评估技术
国家级农作物生长状况定量评估技术主要有地面观测、卫星遥感监测、作物生长模型模拟3种方法。
农作物生长状况地面观测主要包括作物生长高度、密度、发育期、苗情(一类苗、二类苗、三类苗)等,全国大约653个农业气象观测站开展农作物观测。采用当前苗情实况(一类苗、二类苗、三类苗所占比例)与上年同期或近5年同期的对比值评价作物长势,以发育期距平评价作物生长速度或生育进程。基于地面观测的作物生长状况评估客观产品每周定期生成,该产品的优点是地面人工观测值,相对真实客观,缺点是观测点相对较少且人为干扰因素大,缺乏一定的代表性。
作物长势卫星遥感监测主要是基于遥感反演的植被指数,利用差值模型(当年植被指数与上年同期或多年同期植被指数相比)、标准化模型(植被状态指数)监测作物长势[10]。依据差值模型或标准化模型计算结果,一般将作物长势分为偏差、略偏差、持平、略偏好和偏好(表 1、图 3)[10]。农作物长势遥感监测产品每旬定期生成,该产品的优点是格点产品、空间分辨率高、没有人为因素干扰,能够真实反映地面实际情况,但云或气溶胶的影响难以彻底消除。
作物生长模拟模型运用数学物理方法和计算机技术,对作物生育期内光合、呼吸、蒸腾等重要生理生态过程及其与气象、土壤等环境条件以及耕作、灌溉、施肥等技术条件的关系进行定量描述和预测,再现农作物生长发育及产量形成过程[11-13]。近年来,国家气象中心联合相关单位开发了可业务应用的作物生长模拟与分析应用平台,实现了基于作物模型模拟叶面积指数、地上总生物量和穗生物量来定量评估冬小麦、玉米(春玉米、夏玉米)和水稻(双季早稻、双季晚稻、一季稻)生长状况。具体评估方法采用当年叶面积指数、地上总生物量或穗生物量与比较年进行差值或比值运算,并依据作物区域生长差异,分区域、分发育阶段构建差值或比值运算结果的分级标准,将作物长势分为偏差、略偏差、持平、略偏好和偏好(表 2)。农作物生长状况模拟产品每周定期生成,该产品的优点是基于气象要素和机理模型模拟作物生长过程,既有单点模拟产品,也有格点模拟产品,在一定程度上能够解释气象条件对作物发育的具体影响,但作物模型参数本地化工作量很大,需要大量试验资料支撑,且当前作物模型存在一定的不确定性。
2 农作物产量预报
农作物产量预报业务自20世纪80年代中期开始在全国气象部门逐步发展起来[14],经历了从大宗作物产量预报到特色经济作物产量预报,从国内作物产量预报到国外重点产粮区作物产量预报,从年景展望、趋势预报、定量预报到逐月趋势/定量动态预报的发展过程。农作物产量预报一直是我国农业气象科研和业务服务的一项重要工作,主要是基于作物生长过程与气象条件之间的相互关系,构建数学关系模型预报作物最终产量。在作物产量预报过程中,影响作物生长的天气气候条件分析、预报的技术方法选择对预报的准确性至关重要。作物产量预报技术手段主要分为数理统计预报、作物生长模型模拟和遥感模型估算。目前国家级产量预报业务分为国内作物产量动态预报和国外作物产量预报两部分。
2.1 数理统计方法数理统计方法具有技术相对成熟、数学模型简单、预报准确率高等特点,是国家级和省级农业气象业务单位开展作物产量预报的主要手段,其中关键因子法、气候适宜度法、丰歉指数法[15-18]在目前作物产量业务预报中应用最为广泛。
关键因子法是利用作物单产和生育期内多年气象资料,以旬为步长,分析作物生育期内各旬温度、降水量、日照时数与气象产量的相关性,筛选影响气象产量的关键因子[19-20],建立产量预报的多元回归模型。利用动态更新的关键因子和回归模型,开展作物产量逐旬动态预报。
气候适宜度指数法以旬或候为步长,计算作物播种至成熟阶段的气候适宜度累计值(一般预报时间至作物成熟时间的气象要素采用相似年同时段的气象要素替代),依据作物单产增减率和累计适宜度的相关关系,建立基于气候适宜指数的作物产量动态预报模型[21-22]。
丰歉指数法是结合作物生长发育和产量形成的气象指标,利用历史年与预测年作物生长过程中的温度、降水量、日照时数等资料,计算作物播种后的累计有效温度、累积降水量、标准化降水量、累计日照时数、标准化日照时数等,通过相关系数和欧氏距离建立综合诊断指标,对生育阶段的气象因子进行综合聚类分析,研究历史年、预测年作物产量丰歉气象影响指数,建立作物产量动态预报模型[23-24]。
随着机器学习技术的发展,人工神经网络、灰色模型、遗传算法、支持向量机等数理统计方法在作物产量预报中也不断得到应用发展[25-28]。结合不同地区、不同作物、不同生育进程中生理指标和气象条件,在不同预报时段通过相关分析筛选影响作物产量增减的关键因子,依据机器学习算法建立数学模拟模型开展产量预报。
2.2 作物生长模型方法与数理统计方法相比而言,作物生长模拟模型具备较强的机理性,可充分考虑作物生长过程中的气象条件、品种、土壤、施肥、灌溉等管理措施对作物物质和能量转化过程的影响,模拟作物生长发育过程和最终产量。近年来,作物模型技术[29-31]逐渐被用于产量预报。国家气象中心利用开发的作物生长模拟与分析应用平台,开展作物产量趋势、定量预报,提高作物产量预报业务技术的机理化、定量化、精细化水平。基于作物模型的产量预报方法主要有3类:①直接法, 直接利用作物模型模拟的穗干重,乘经济系数(当地籽粒重与穗干重之间的比例系数)得到当年产量预报值;②作物产量动力-统计预报模型, 利用作物模型模拟的干物质与作物产量的相关关系,建立作物产量预测模型;③相对百分比法, 利用作物模型模拟当年作物生物量与前一年生物量的相对百分比,乘前一年实际产量,得到当年产量预报值。目前,在国家级业务中应用较多的是作物产量动力-统计模型和相对百分比方法,其中利用相对百分比法预报全国冬小麦单产的准确率接近95%(图 4)。
2.3 遥感估算方法
随着卫星遥感技术不断发展,农作物遥感估产被广泛应用于农业气象业务服务。依据遥感反演的植被指数或叶面积指数与作物产量的关系,通过曲线回归、偏最小二乘回归算法等构建估产模型,为开展大范围、精细化作物产量预报服务提供了重要的技术支持[32-35]。在国家级作物产量预报业务中,由于国内的作物观测信息、气象观测信息以及种植分布信息比较全面,因此,数理统计模型、农学模型、动力-统计模型应用相对较多,预报效果相对较好。国外重点产粮区由于缺乏足够的作物、气象等观测信息支撑,遥感估产模型成为国外作物产量预报的主要方法。国外作物产量遥感估算模型构建包括4个步骤:一是确定国外主要作物的空间分布及种植特点,二是根据行政边界和作物空间分布信息提取作物生长季旬归一化植被指数,三是分析作物产量和旬归一化植被指数的相关关系构建作物产量遥感估算模型,四是作物产量遥感估算模型精度分析评估。目前,国家气象中心基本建立了北美、南美、欧盟、东南亚等粮食主产国作物产量遥感估算方法并形成了业务服务能力,针对美国大豆、玉米、小麦,建立了作物产量逐月遥感预报模型,平均预报精度在97%以上。国外作物产量预报,为国家有关部门及时了解世界主要粮食生产国的作物产量丰歉变化趋势,制定粮食贸易和宏观调控政策提供参考。
2.4 集成预报方法由于不同预报方法各有优缺点和实用性,采用单一方法在精度、可行性等方面存在一定不确定性,在预报效果上难以满足业务服务的需求,因此,多方法、多模型集成预报技术逐渐应用于产量预报业务[36-37]。除了多方法、多模型预报结果的集成外,多源数据和技术方法融合在提高作物估产精度上有较好表现,如作物模型同化遥感技术,将遥感反演的参数作为作物模型的输入参数进行同化,能有效提高模型的预测精度[38-41]。根据业务发展和服务需求,国家气象中心发展了一系列业务集成技术,基于作物产量关键因子法、丰歉指数法、气候适宜度指数法,通过加权集成建立了作物产量气象统计预报综合模型。构建了作物产量气象统计预报、遥感估产、作物模型模拟、农学模型综合集成技术体系,逐月生成主要大宗农作物分省产量动态预报产品。通过发展业务集成技术,近年来我国粮食产量预报准确率逐步提升到一个较高水平(图 5a),2008—2017年全年粮食平均单产的准确率为99.4%(图 5b)。
3 农业气象灾害监测预报
农业气象灾害是危害农作物生产的主要风险源,对作物产量和品质有重要影响。农业气象灾害的发生及其危害程度与气候条件、作物种类、发育阶段、土壤和管理措施等密切相关。由于我国地域辽阔、地形复杂,区域农业和气候类型多样,农业气象灾害具有明显的地域和季节特点。农业气象灾害监测预报是灾害风险评估和防控的基础和前提,长期以来,农业气象灾害的监测预报研究一直受到科研业务人员的关注[42-44],同时也是国家级农业气象业务服务重点[2]。
3.1 监测评估与预报技术农业气象灾害监测评估通常包括指标判断、数理统计、遥感监测和田间实地调查等方法。农业气象灾害监测预报技术基本业务流程是利用观测的土壤湿度、温度、降水、大风、日照时数等气象实况要素以及天气气候客观预报产品,结合作物发育资料,通过灾害指标与模型计算生成格点或站点监测评估与预报产品。目前,国家气象中心已实现了全国主要大宗作物干旱、渍涝、低温冷害、霜冻、寒害、冻害、低温阴雨、寒露风、干热风、高温热害等农业气象灾害监测评估与预报的业务化运行,定期发布产品。在业务上,农业气象灾害分为简单型和复合型两种。简单型农业气象灾害指标相对单一[45-50],如低温冷害、寒露风、寒害、冻害和高温热害等温度类农业气象灾害,通过指标判断、计算灾害达标日数可以确定灾害等级。复合型农业气象灾害是多因素综合影响所致[48, 51],灾害指标相对复杂,需要同时考虑多个气象要素才能确定灾害等级,如干热风灾害指标包括温度、空气湿度、风速等因子等指标,渍涝灾害指标包括降水量、降水日数和日照时数等因子。
在评价多因素复合的农业气象灾害时,单一指标或单一模型往往具有局限性[52-53],需要采用多种指标、多模型进行综合集成判别,才能取得较好的效果[54-55]。以农业干旱为例,国家气象中心已构建集成卫星遥感、土壤相对湿度、作物水分亏缺、降水距平的综合指标,融合土地利用信息建立农业干旱综合监测模型,实现了农业干旱的逐日动态监测(图 6a)。
农业气象灾害监测技术经过多年发展及业务应用,相对于农业气象灾害评估技术更为成熟。农业气象灾害评估在业务服务上通常包括两个方面:一是灾害强度的评估,二是灾害影响评估。关于农业气象灾害强度评估方法研究比较多,但普适性较差,业务中应用难度大,国家气象中心正在研发长时间序列灾害指数集,尝试构建基于过程、月、年不同时间尺度的灾害强度评估业务方法。农业气象灾害影响评估与预报大多数是以产量损失目标来构建评估模型与方法。传统数理统计方法由于其缺乏机理性,在灾害产量损失评估上存在不确定性。随着作物模生长型模拟技术的发展,业务上逐步开展了基于作物模型的灾害影响评估。通过设置不同气候情景(灾害情景、正常情景),利用作物模型模拟不同气候情景下的作物生长状况,比较不同气候情景的模拟结果(图 7),即可实现气象灾害对作物生长的影响评估和预测[56-58]。同时,通过作物生长发育过程气象灾害敏感性分析,结合试验资料,开展典型农业气象灾害影响过程模拟改进研究,实现农业气象灾害对作物影响定量分析和动态评估[58-59]。
另外,遥感技术能以宏观的视角高效地监测灾害发生的范围、程度及演变过程[60]。目前,在国家级农业气象业务中,遥感技术主要应用于农业干旱监测。利用遥感反演的归一化植被指数(NDVI)和地表温度(LST),构建植被温度指数(VTCI)模型[61],依据植被温度指数值的范围,分为正常、轻旱、中旱、重旱、特旱等干旱等级,实现农作物干旱遥感监测(图 6b)。
随着格点化天气要素预报业务技术的发展,国家气象中心实现了我国主要农业气象灾害监测预报格点业务产品每日自动生成,产品更趋于精细化、定量化与精准化。
3.2 灾害风险评估技术针对农业生态系统的特征,从致灾因子的危险性、承灾体的脆弱性、孕灾环境的敏感性和防灾减灾能力等方面开展农业气象灾害风险评估,对全面了解农业气象灾害发生特点、遴选监测预警防控重点有重要支持作用。
农业气象灾害风险水平受多种因素影响,可以由多因素集成度量:
(6) |
式(6)中,R为风险指数,H为致灾因子危险性(危险性因素的强度与其发生概率乘积),E为暴露度,S为承灾体对于危险因素的敏感性(或易损性),P为承灾体对于危险因素的减灾能力。
考虑不同地区作物种植生长状况、农业气象灾害发生特点、地形坡度等地理环境、作物受灾实际损失情况、社会经济水平、地区防灾减灾能力等多因素,利用概率统计、信息扩散理论、可变模糊模型等技术手段,从不同角度建立主要农作物全生育期和不同发育阶段的不同农业气象灾害风险评估模型[62-68],开展主要农作物农业气象灾害风险分析,为针对性防灾减灾服务提供参考。
4 农林病虫害气象等级预报农林病虫害具有种类多、危害大并时常爆发成灾的特点,尤其是20世纪90年代以来,农作物病虫害进入高发期, 发生面积和发生频率显著增加[44, 69]。开展病虫害的实时监测和临近预报对指导农田病虫害防治、减轻病虫害危害具有重要意义。农林病虫害的发生、发展、流行与气象条件关系密切。
目前,国家级农林病虫害气象服务中,以病虫害发生流行气象等级预报为主,涵盖小麦赤霉病和条锈病、水稻稻飞虱和稻瘟病、草原蝗虫、玉米螟和棉铃虫等。病虫害发生发展气象等级预报主要是分析病虫害发生流行的环境气象条件(气象指标和大气环流指标)[69-70],利用回归分析、模糊数学、神经网络等建模方法构建预报模型[71-73],分析与预测未来一定时段的气象条件对病虫害发生流行适宜程度。病虫害发生发展分为低、较高、高3个气象等级。
4.1 病害气象等级预报技术病害气象等级预报是根据影响病害发生流行程度与不同时段气象条件(日照时数、温度、风速、湿度、降水量)的相关关系,确定危害作物的关键生育期、关键促病因子,通过数学方法构建促病指数模型,依据未来天气条件预报病害发生流行的气象等级;同时结合前期病害发生实际情况对病害未来发生趋势进行预估。
以小麦赤霉病为例,影响病害流行的关键促病因子为温度(不低于15℃)和湿度(不低于85%),其判别标准包括:(1)日平均气温不低于15℃,相对湿度不低于60%,日照时数不超过5 h;(2)日平均气温不低于15℃,相对湿度不低于85%。满足上述其中一个判别标准作为适宜赤霉病的达标日(连续2 d开始统计,中间可有1 d间断),以满足关键促病因子的达标日数作为流行程度评价指标。根据赤霉病发生发展气象指数分级标准(表 3)预报赤霉病发生发展气象等级。
4.2 虫害气象等级预报技术
虫害气象等级预报是通过虫害发生发展与气象条件的相关分析,筛选关键生长发育阶段和关键气象要素,建立虫害气象适宜度指数模型。依据预报的虫害气象适宜度指数,确定虫害气象等级。
以内蒙古地区草原蝗虫为例,通过相关分析,选取4月地温(X1)和降水量(X2)、前一年11月至当年4月降水量(X3)、前一年7月中下旬平均温度(X4)为关键气象因子;以4月平均地温与4月降水量的比值为指标(C4),根据C4大小将区域分为两类,分别建立虫害适宜度指数模型,参考蝗虫发生发展气象分级标准(表 4),预报草原蝗虫发生发展气象等级[74]。其中,C4<1,代表 4月(蝗卵孵化出土阶段)降水较好的站点和年份,气象适宜度指数Z=(X1+X3)2+3X1+2.5X2+1.5X3+X4;C4≥1,代表 4月降水较少的站点和年份,气象适宜度指数Z=(X1+X3)2+3X1+7X2+2.5X3+X4。
5 农用天气预报业务技术 5.1 农用天气预报定义
近年来,随着气象为农服务的广泛开展,农用天气预报受到各级气象部门的高度重视,并作为农业气象服务的一项重要内容。但由于对农用天气预报的概念、内涵认识不同,在业务服务过程中存在业务界定不清晰,常与其他农业气象预报业务混淆。因此, 有必要对农用天气预报的定义及内涵进行阐述。
农用天气是指从农业生产角度分析、考虑和应用的天气,着重强调对农业生产活动和作物生长影响较大的天气现象或天气过程[76]。我国农业生产中经常出现的主要农用天气类型包括冬春季节的农作物越冬天气、春耕春播季节的播种育秧天气、夏收连阴雨天气、夏季干热风和伏旱天气、秋风秋雨和寒露风天气等。农用天气预报是根据当地农业生产过程中作物生长发育、各主要农事活动以及相关技术措施对天气条件的需要而编发的针对性较强的专业气象预报[77]。农用天气预报业务是从农业生产需要出发,在天气预报、气候预测、农业气象预报的基础上,结合农业气象指标技术、农业气象诊断评价技术,分析、预测未来天气条件对农业生产的具体影响,提出针对性的措施和建议,为农业生产的全过程提供指导性服务的农业气象专项业务。
5.2 农用天气预报技术农用天气预报业务内容包括主要农事活动天气预报、灾害性农业高影响天气预报、农作物关键生长期天气预报。农事活动天气预报是指主要农事活动期间天气对农事活动适宜程度的预报及影响分析,既包括天气条件对农事活动效率(益)的影响,也包括由天气决定的相关农事活动难易程度的预测和评估,如备耕整地、播种、施肥、灌溉、喷药、收获等生产活动过程中天气适宜程度预报。灾害性农业高影响天气预报是异常天气预报与农业气象灾害指标有机结合的农业高影响天气预报,如少雨易旱天气、多雨易涝天气、低温冷害天气、寒露风天气、水稻烂秧天气、高温热害天气、阴雨寡照天气等灾害性天气对农业生产不利程度预报。农作物关键期天气预报是针对农作物生长发育对天气要素变化非常敏感的时期,开展的天气及影响预报,如作物播种出苗期天气、作物抽穗开花期天气、花卉开花与观赏期天气、果树开花期天气、作物成熟期天气等关键期天气对农作物生长发育利弊程度的预报。
农用天气预报业务关键技术主要包括农业气象指标及天气对农业影响评价方法。农业气象指标是判别天气对农业适宜程度的基础,包含农业生物生长发育气象指标、农业气象灾害指标、农事效率及农事操作气象指标等,需要根据多年研究基础和当地农业气象业务实际建立指标体系或指标库。通常情况下,农业气象指标的获取方法大致有两类:一类在人工气候箱中通过试验观测研究获取的农业气象指标(简称实验室指标);另一类是利用多年大田试验观测数据经科学分析得到的农业气象指标(简称大田指标)。这两类指标反映了单点上特定作物在特定栽培方式下作物生长与气象条件的关系,具有明显的地域性。农业气象服务是针对于区域的,如何将单点的实验室指标或大田指标形成农业气象业务服务中可用的指标(简称业务服务指标),是目前农业气象业务中迫切需要解决的技术难题。
农用天气预报服务指标体系的建立采用如下过程:①在查阅、调研文献的基础上,收集、整理我国各大作物(冬小麦、玉米、水稻、大豆)主产区各生育期的气象适宜指标、不利气象条件指标(实验室指标或大田指标);②在考虑气候相似性、地形地貌、品种属性的基础上,将收集整理的指标进行外推,形成区域性指标(业务服务指标);③利用气象因子的气候态分布特征(概率分布),对区域性指标的业务适用性(满足一定的概率)进行评估。
天气对农业影响评价方法主要有指标判别法、相关分析法、隶属函数分析法以及一些综合分析方法。多数农业生物生长及农事活动对天气要素的要求有上下限阈值,如东北春季整地的最适宜土壤相对湿度为70%,土壤相对湿度上限为90%,土壤相对湿度下限为50%[78],天气对农事活动的影响函数可能是非线性的或分段线性的。在国家级业务系统中,天气对农业生产适宜程度模型是采取分段线性函数构建。气象指标要根据作物生长或农事活动与天气要素的关系来决定,同时又因地域而有所差异。某一农事活动(或生产环节)往往同时受到几种天气要素的共同影响(如玉米播种受天气(晴雨)、土壤水分、气温、土壤解冻深度等因素制约),因此,采用集成方法计算多要素对农业生产的综合适宜程度。目前,在国家级春耕春播气象服务中已应用格点化天气预报产品制作作物播种气象适宜度预报(图 8)。
6 现代农业气象业务系统(CAgMSS)
自开展全国农业气象业务服务以来,农业气象业务系统经历了从无到有、从功能单一DOS版农业气象要素制图系统发展到集监测、分析、评估、预报、产品制作于一体的C/S架构现代农业气象业务综合平台CAgMSS(China AgroMeteorological Service System)[79]。由于各阶段业务需求不同以及计算机技术的快速发展,不同时期开发的业务系统差异较大,数据格式和产品表现形式不规范。为了规范全国农业气象业务服务,解决国家-省级农业气象业务平台一体化问题,国家气象中心牵头研发了适用于国家级和省级的农业气象业务服务平台CAg- MSS。CAgMSS包含农业气象评价、作物产量气象预报、农业气象灾害监测评估、农林病虫害气象等级预报、农用天气预报、生态气象监测评估、遥感监测、作物模型应用等8个专业技术子系统和农业气象综合数据库应用服务、农业气象业务产品制作2个通用子系统,共60余个模块、2000余个功能点,涵盖了生态与农业气象监测、评估、预报、预警业务全过程,实现了从数据采集入库、模型运算处理、产品制作和发布的业务一体化应用。2012年起,CAgMSS已全面支撑国家级农业气象业务服务,具备了全国农业气象业务技术辐射能力,在省级气象业务单位进行了推广应用,为国家级和省级农业气象业务服务提供了平台支撑。特别是2017年国家气象中心推出CAgMSS众创平台,为加快推进国家级和省级农业气象业务平台一体化建设,实现全国农业气象业务集约化发展奠定了基础。
7 展望全国农业气象业务服务经历了近几十年的发展取得了长足的进步,在气象为农服务中发挥了重要的作用。随着我国现代农业的发展,农业防灾减灾、国家粮食安全保障、农业应对气候变化、新型农业经营主体、农业保险等诸多方面对农业气象业务与服务提出了新的需求和挑战,农业气象灾害监测与风险评估技术、作物生长状况综合监测评估技术、农业应对气候变化业务技术、农业气象大数据挖掘与人工智能等将是未来国家级农业气象业务技术发展的重点。
7.1 强化农业气象灾害影响与风险评估技术研发服务于农业防灾减灾和保障国家粮食安全仍然是农业气象业务服务的根本任务。我国是一个农业气象灾害多发的国家,每年因农业气象灾害造成的经济损失呈增加趋势。因此,加强农业防灾减灾能力建设,发展精准化、定量化的全方位、多层次、立体式农业气象灾害监测与影响评估和精细化农业气象灾害风险预估的业务技术体系是现代农业气象业务发展重点领域之一。要实现农业气象灾害监测、影响评估和风险预估的精准化、定量化,首先要建立与作物生长过程、生理特征及受害影响相结合的农业气象灾害指标体系;其次要发展基于作物模型模拟、指标评判、遥感监测相结合的农业气象灾害影响定量评估技术体系;第三要构建基于过程的农业气象灾害指数集,研发不同时间尺度、不同空间尺度的多灾种农业气象灾害综合评价技术;第四要以致灾因子危险性、承灾体脆弱性、灾情损失等为评价对象,构建主要农区灾害风险评估指标与模型,同时发展基于数据的概率风险评估方法和基于情景模拟的评估方法。
7.2 构建农业气象监测评估与预报一体化集成技术我国农业基础设施相对薄弱,农业“靠天吃饭”的局面没有得到根本性改变。因此,加强国家粮食安全气象保障服务能力建设,发展面向农业生产全过程的多元化、定量化的农业气象监测、预报与专家决策支持系统于一体的无缝隙业务技术体系,实现我国农业生产“看天管理”,是现代农业气象业务发展的另一个重点领域。首先要加强月、季、年气候预测产品与农业气象预报技术融合,发展农业气候年景预测和农作物最适播期预报技术,指导农业生产通过调节作物播种日期,规避作物生长关键期重要气象灾害风险。其次要研发地面监测、卫星遥感反演、数理统计模型和机理性作物生长模型融合技术,构建作物生长状况综合评估模型与指标,指导农业生产根据作物生长状况开展精细化田间管理。
7.3 发展应对气候变化的农业气象业务支撑技术在气候变化的大背景下,我国农业气候资源格局必然发生变化,而气候资源格局的变化也必然导致我国农业结构和种植结构的变化。因此,开展气候资源动态评估和精细化作物种植气候适宜性区划技术等农业应对气候变化业务,将成为现代农业气象业务发展的第3个重点领域。在气候变化背景下,研究我国不同区域尺度优势特色农产品精细化种植气候适宜性区划指标和气候要素网格推算模型,制作国家-省-市-县4级优势、特色农业、经济林果等不同空间分辨率的区划图,对各地农业生产发挥区域气候优势、趋利避害、提高资源整体效益具有重要意义。另外,气候变化与农业生产关系紧密,适应气候变化的不同地区种植结构调整方向有所差异,因此,研究种植制度、作物布局、品种布局与气候变化的关系可为我国现代农业发展和粮食安全提供气象保障。
7.4 发展智慧农业气象业务技术随着物联网、互联网+、人工智能、图像自动识别等新技术的发展,观测自动化、业务智能化、服务智慧化也将是现代农业气象业务发展的又一个重要领域。研究作物生长实景观测自动识别技术、作物模型模拟与专家决策支持系统技术、农业气象大数据挖掘与深度学习技术,支撑智慧农业气象业务服务的发展。目前,国家级农业气象业务以智慧农业气象为抓手,在发展核心业务技术基础上,着力开发CAgMSS-农业气象大数据分析平台、CAgMSS-智能业务产品平台、CAgMSS-智慧服务平台等CAg- MSS系列业务系统。农业气象业务正朝着技术先进、流程自动、系统智能、服务智慧的方向发展。
[1] |
王建林. 现代化农业气象业务. 北京: 气象出版社, 2010.
|
[2] |
毛留喜, 吕厚荃. 国家级农业气象业务技术综述. 气象, 2010, 36(7): 75-80. |
[3] |
王良宇, 何延波. 自动土壤水分观测数据异常值阈值研究. 气象, 2015, 41(8): 1017-1022. |
[4] |
陈金华, 杨再强, 杨太明, 等. 安徽省土壤水分监测预测系统. 应用气象学报, 2011, 22(2): 249-256. DOI:10.3969/j.issn.1001-7313.2011.02.014 |
[5] |
谭方颖, 王建林, 程路. 东北地区单季稻温度适宜性及其变化特征. 生态学杂志, 2017, 36(3): 719-724. |
[6] |
侯英雨, 王良宇, 毛留喜, 等. 基于气候适宜度的东北地区春玉米发育期模拟模型. 生态学杂志, 2012, 31(9): 2431-2436. |
[7] |
张建军, 马晓群, 许莹. 安徽省一季稻生长气候适宜性评价指标的建立与试用. 气象, 2013, 39(1): 88-93. |
[8] |
罗怀良, 闫宁. 区域种植业气候适宜度及其对种植活动的响应——以四川省盐亭县为例. 生态学报, 2016, 36(24): 7981-7991. |
[9] |
侯英雨, 张艳红, 王良宇, 等. 东北地区春玉米气候适宜度模型. 应用生态学报, 2013, 24(11): 3207-3212. |
[10] |
钱永兰, 侯英雨, 延昊, 等. 基于遥感的国外作物长势监测与产量趋势估计. 农业工程学报, 2012, 28(13): 166-171. |
[11] |
马玉平, 王石立, 王馥棠. 作物模拟模型在农业气象业务应用中的研究初探. 应用气象学报, 2005, 16(3): 293-303. DOI:10.3969/j.issn.1001-7313.2005.03.003 |
[12] |
黄健熙, 贾世灵, 马鸿元, 等. 基于WOFOST模型的中国主产区冬小麦生长过程动态模拟. 农业工程学报, 2017, 33(10): 222-228. DOI:10.11975/j.issn.1002-6819.2017.10.029 |
[13] |
侯英雨. 作物模型业务应用技术指南. 北京: 国家气象中心, 2016.
|
[14] |
王春乙, 张雪芬, 孙忠富, 等. 进入21世纪的中国农业气象研究. 气象学报, 2007, 67(5): 815-824. DOI:10.3321/j.issn:0577-6619.2007.05.017 |
[15] |
宋迎波, 王建林, 杨霏云, 等. 粮食安全气象服务. 北京: 气象出版社, 2006.
|
[16] |
帅细强, 陆魁东, 黄晚华. 不同方法在湖南省早稻产量动态预报中的比较. 应用气象学报, 2015, 26(1): 103-111. |
[17] |
魏瑞江, 宋迎波, 王鑫. 基于气候适宜度的玉米产量动态预报方法. 应用气象学报, 2009, 20(5): 622-626. DOI:10.3969/j.issn.1001-7313.2009.05.014 |
[18] |
任玉玉, 千怀遂. 河南省棉花气候适宜度变化趋势分析. 应用气象学报, 2006, 17(1): 87-93. DOI:10.3969/j.issn.1001-7313.2006.01.012 |
[19] |
李树岩, 刘伟昌. 基于气象关键因子的河南省夏玉米产量预报研究. 干旱地区农业研究, 2014, 32(5): 223-227. |
[20] |
唐余学, 罗孳孳, 范莉, 等. 基于关键气象因子的中稻单产动态预报. 中国农业气象, 2011, 32(1): 140-143. |
[21] |
易灵伟, 杨爱萍, 余焰文, 等. 基于气候适宜指数的江西晚稻产量动态预报模型构建及应用. 气象, 2016, 42(7): 885-891. |
[22] |
杜春英, 李帅, 王晾晾, 等. 基于历史产量丰歉影响指数的黑龙江省水稻产量动态预报. 中国农业气象, 2010, 31(3): 427-430. DOI:10.3969/j.issn.1000-6362.2010.03.019 |
[23] |
宋迎波, 王建林, 陈晖, 等. 中国油菜产量动态预报方法研究. 气象, 2008, 34(3): 93-99. DOI:10.3969/j.issn.1673-8411.2008.03.032 |
[24] |
易雪, 王建林, 宋迎波, 等. 早稻产量动态集成预报方法研究. 中国水稻科学, 2011, 25(3): 307-313. DOI:10.3969/j.issn.1001-7216.2011.03.012 |
[25] |
王桂芝, 胡慧, 陈纪波, 等. 基于BP滤波的Fourier模型在粮食产量预测中的应用. 中国农业气象, 2015, 36(4): 472-478. DOI:10.3969/j.issn.1000-6362.2015.04.011 |
[26] |
王海军, 柳敏燕, 高娟. 利用遗传算法和支持向量机测算农用地理论单产和可实现单产. 农业工程学报, 2013, 29(19): 244-252. DOI:10.3969/j.issn.1002-6819.2013.19.030 |
[27] |
向昌盛, 周子英, 武丽娜. 粮食产量预测的支持向量机模型研究. 湖南农业大学学报(社会科学版), 2010, 11(1): 6-10. DOI:10.3969/j.issn.1009-2013.2010.01.003 |
[28] |
李哲, 张军涛. 人工神经网络与遗传算法相结合在作物估产中的应用. 生态学报, 2001, 21(5): 716-720. DOI:10.3321/j.issn:1000-0933.2001.05.005 |
[29] |
Li H, Jiang Z W, Chen Z X, et al. Assimilation of temporal-spatial leaf area index into the CERES-Wheat model with ensemble Kalman filter and uncertainty assessment for improving winter wheat yield estimation. Journal of Integrative Agriculture, 2016, 15(10): 60345-60347. |
[30] |
秦鹏程, 刘敏, 万素琴. 不完整气象资料下基于作物模型的产量预报方法. 应用气象学报, 2016, 27(4): 407-416. |
[31] |
王雪姣, 潘学标, 王森, 等. 基于COSIM模型的新疆棉花产量动态预报方法. 农业工程学报, 2017, 33(8): 160-165. |
[32] |
陈鹏飞, 杨飞, 杜佳. 基于环境减灾卫星时序归一化植被指数的冬小麦产量估测. 农业工程学报, 2013, 29(11): 124-131. |
[33] |
Huang J, Wang X, Li X, et al. Remotely sensed rice yield prediction using multi-temporal NDVI data derived from NOAA's-AVHRR. Plos One, 2013, 8(8): e70816. DOI:10.1371/journal.pone.0070816 |
[34] |
张东霞, 张继贤, 常帆, 等. 遥感技术在主要粮食作物估产中的应用. 测绘学报, 2014, 39(11): 95-98. |
[35] |
谭昌伟, 罗明, 杨昕, 等. 运用PLS算法由HJ-1A/1B遥感影像估测区域小麦实际单产. 农业工程学报, 2015, 31(15): 161-166. DOI:10.11975/j.issn.1002-6819.2015.15.022 |
[36] |
邱美娟, 宋迎波, 王建林, 等. 山东省冬小麦产量动态集成预报方法. 应用气象学报, 2016, 27(2): 191-200. |
[37] |
陈昌为, 朱秀芳, 蔡毅, 等. 一种基于趋势单产和遥感修正模型的混合估产模型. 中国农业科学, 2017, 50(10): 1792-1801. DOI:10.3864/j.issn.0578-1752.2017.10.005 |
[38] |
Li Z H, Jin X L, Zhao C J, et al. Estimating wheat yield and quality by coupling the DSSAT-CERES model and proximal remote sensing. European Journal of Agronomy, 2015, 71: 53-62. DOI:10.1016/j.eja.2015.08.006 |
[39] |
Huang J X, Tian L Y, Ma H Y, et al. Improving winter wheat yield estimation by assimilation of the leaf area index from Landsat TM and MODIS data into the WOFOST model. Agricultural and Forest Meteorology, 2015, 204: 106-121. DOI:10.1016/j.agrformet.2015.02.001 |
[40] |
黄健熙, 马鸿元, 田丽燕, 等. 基于时间序列LAI和ET同化的冬小麦遥感估产方法比较. 农业工程学报, 2015, 31(4): 197-203. DOI:10.3969/j.issn.1002-6819.2015.04.028 |
[41] |
Yao F M, Tang Y J, Wang P J, et al. Estimation of maize yield by using a process-based model and remote sensing data in the Northeast China Plain. Physics and Chemistry of the Earth, 2015, 87: 142-152. |
[42] |
郭建平. 农业气象灾害监测预测技术研究进展. 应用气象学报, 2016, 27(5): 620-630. |
[43] |
王春乙, 张继权, 霍治国, 等. 农业气象灾害风险评估研究进展与展望. 气象学报, 2015, 68(1): 1-19. DOI:10.3969/j.issn.1005-0582.2015.01.001 |
[44] |
霍治国, 王石立. 农业和生物气象灾害. 北京: 气象出版社, 2009.
|
[45] |
王春乙, 娄秀荣, 王建林. 中国农业气象灾害对作物产量的影响. 自然灾害学报, 2007, 16(5): 37-43. DOI:10.3969/j.issn.1004-4574.2007.05.006 |
[46] |
郭建平. 农作物低温冷害监测预测理论与实践. 北京: 气象出版社, 2009.
|
[47] |
GB/T 21985-2008.主要农作物高温危害温度指标.北京:中国标准出版社, 2008.
|
[48] |
QX/T 82-2007.小麦干热风灾害等级.北京:气象出版社, 2007.
|
[49] |
QX/T 88-2008.作物霜冻害等级.北京:气象出版社, 2008.
|
[50] |
QX/T 167-2012.北方春玉米冷害评估技术规范.北京:气象出版社, 2012.
|
[51] |
QX/T 107-2009.冬小麦、油菜渍涝等级.北京:气象出版社, 2009.
|
[52] |
谢五三, 王胜, 唐为安, 等. 干旱指数在淮河流域的适用性对比. 应用气象学报, 2014, 25(2): 176-184. DOI:10.3969/j.issn.1001-7313.2014.02.007 |
[53] |
Liu X F, Zhu X F, Pan Y Z, et al. Agricultural drought monitoring:Progress, challenges, and prospects. Journal of Geographical Sciences, 2016, 26(6): 750-767. DOI:10.1007/s11442-016-1297-9 |
[54] |
Hao Z. Drought characterization from a multivariate perspective:A review. J Hydrol, 2015, 527: 668-678. DOI:10.1016/j.jhydrol.2015.05.031 |
[55] |
BG/T 32136-2015.农业干旱等级.北京:中国标准出版社, 2015.
|
[56] |
Ma Y P, Wang S L, Li W J. Monitoring and predicting of maize chilling damage based on crop growth model in Northeast China. Acta Agronomica Sinica, 2011, 37(10): 1868-1878. DOI:10.3724/SP.J.1006.2011.01868 |
[57] |
张建平, 赵艳霞, 王春乙, 等. 基于WOFOST作物生长模型的冬小麦干旱影响评估技术. 生态学报, 2013, 33(6): 1762-1769. |
[58] |
张建平, 王靖, 何永坤, 等. 基于WOFOST作物模型的玉米区域干旱影响评估技术. 中国生态农业学报, 2017, 25(3): 451-459. |
[59] |
张建平, 王春乙, 赵艳霞, 等. 基于作物模型的低温冷害对我国东北三省玉米产量影响评估. 生态学报, 2012, 32(13): 4132-4138. |
[60] |
张丽文, 王秀珍, 姜丽霞, 等. 用MODIS热量指数动态监测东北地区水稻延迟型冷害. 遥感学报, 2015, 19(4): 690-701. |
[61] |
侯英雨, 柳钦火, 延昊, 等. 我国陆地植被净初级生产力变化规律及其对气候的响应. 应用生态学报, 2007, 18(7): 1546-1553. DOI:10.3321/j.issn:1001-9332.2007.07.023 |
[62] |
Zhang L, Huo Z G, Zhang L Z, et al. Integrated risk assessment of major meteorological disasters in paprika pepper in Huanan Province. Journal of Tropical Meteorology, 2017, 23(3): 334-344. |
[63] |
张蕾, 霍治国, 黄大鹏, 等. 10-11月海南省瓜菜苗期湿涝风险评估与区划. 应用气象学报, 2015, 26(4): 432-441. |
[64] |
薛昌颖, 张弘, 刘荣花. 黄淮海地区夏玉米生长季的干旱风险. 应用生态学报, 2016, 27(5): 1521-1529. |
[65] |
Zhang D, Wang G L, Zhou H C. Assessment on agricultural drought risk based on Variable Fuzzy Sets Model. Chinese Geographical Science, 2011, 21(2): 167-175. DOI:10.1007/s11769-011-0456-2 |
[66] |
高晓容, 王春乙, 张继权, 等. 东北地区玉米主要气象灾害风险评价模型研究. 中国农业科学, 2014, 47(21): 4257-4268. DOI:10.3864/j.issn.0578-1752.2014.21.011 |
[67] |
Sun Z, Zhang J Q, Yan D H, et al. The impact of irrigation water supply rate on agricultural drought disaster risk:A case about maize based on EPIC in Baicheng City, China. Natural Hazards, 2015, 78(1): 23-40. DOI:10.1007/s11069-015-1695-9 |
[68] |
王春乙, 张玉静, 张继权. 华北地区冬小麦主要气象灾害风险评价. 农业工程学报, 2016, 32(增刊Ⅰ): 203-213. |
[69] |
Zhang L, Yang B Y, Li S, et al. Disease-weather relationships for wheat powdery mildew under climate change in China. Journal of Agricultural Science, 2017, 155: 1239-1252. DOI:10.1017/S0021859617000442 |
[70] |
于彩霞, 霍治国, 张蕾, 等. 中国稻飞虱发生的大气环流指示指标. 生态学杂志, 2014, 33(4): 1053-1060. |
[71] |
卢小凤, 霍治国. 桂林地区稻飞虱发生等级气象预报模型. 生态学杂志, 2013, 32(9): 2444-2450. |
[72] |
张蕾, 霍治国, 王丽, 等. 河北省小麦白粉病发生气象等级动态预警. 生态学杂志, 2015, 34(11): 3139-3145. |
[73] |
武荣盛, 陈素华. 内蒙古地区玉米螟发生的气象条件适宜度预报. 中国农业气象, 2011, 32(3): 471-474. DOI:10.3969/j.issn.1000-6362.2011.03.025 |
[74] |
郭安红, 王建林, 王纯枝, 等. 内蒙古草原蝗虫发生发展气象适宜度指数构建方法. 气象科技, 2009, 37(1): 42-47. DOI:10.3969/j.issn.1671-6345.2009.01.008 |
[75] |
李轩, 郭安红, 庄立伟. 基于GIS的主要农作物病虫害气象等级预报系统研究. 国土资源遥感, 2012, 24(1): 104-109. |
[76] |
闵庆文. 农用天气预报. 北京: 气象出版社, 1988.
|
[77] |
刘锦銮, 何键, 陈新光. 广东省农用天气预报技术研究. 气象, 2006, 32(2): 116-120. DOI:10.3969/j.issn.1000-0526.2006.02.021 |
[78] |
马树庆, 陈剑, 王琪, 等. 东北地区玉米整地、播种和收获气象适宜度评价模型. 气象, 2013, 39(6): 782-788. |
[79] |
庄立伟, 卫建国, 毛留喜. 软件设计模式在农业气象系统开发中的应用. 应用气象学报, 2011, 22(5): 631-640. DOI:10.3969/j.issn.1001-7313.2011.05.014 |