应用气象学报  2007, 18 (4): 539-547   PDF    
引用本文
钱拴, 陈晖, 王良宇. 全国棉花发育期业务预报方法研究[J]. 应用气象学报, 2007, 18(4): 539-547.
Qian Shuan, Chen Hui, Wang Liangyu. Operational Prediction Method of Nationwide Cotton Development Stages[J]. Journal of Applied Meteorological Science, 2007, 18(4): 539-547  
全国棉花发育期业务预报方法研究
钱拴, 陈晖, 王良宇     
国家气象中心, 北京 100081
2006-05-11 收到, 2007-01-08 收到修改稿.
资助项目: 中国气象局“中国农业气象预报系统建设”项目资助    
摘要: 棉花发育期是反映棉花个体与群体生育状况的重要标志, 正确预报棉花发育期对于开展棉花气象灾害预警防御和生产管理措施建议至关重要。为此, 针对全国农业气象业务服务中尚未开展棉花发育期预报的状况, 通过对全国农业气象观测网50个站棉花发育期的变异性和影响棉花生长发育速率因子的分析, 根据实际业务资料现状和业务运行特点, 结合天气预报, 提出了以棉花发育阶段有效积温和间隔日数为指标建立棉花发育期业务预报模式的思路, 实现了可实时动态预报棉花发育期的业务运行方法。模式历史拟合、外推和试预报与实际对比的结果表明:全国50个站棉花第五真叶和开花发育期误差在5 d以内出现的频次达80%以上, 出苗、第三真叶、现蕾等发育期在70%以上, 平均绝对误差小于4 d; 裂铃期误差在6 d以内出现的频次接近70%, 平均绝对误差小于6 d, 效果较好。对棉花停止生长发育期综合考虑积温和初霜日期两个因素, 其历史拟合、外推和试预报误差在10 d以内出现的频次接近70%, 平均绝对误差接近10 d, 基本可以满足全国农业气象业务以旬为服务时效的要求。
关键词: 棉花发育期    动态预报    业务实现    
Operational Prediction Method of Nationwide Cotton Development Stages
Qian Shuan, Chen Hui, Wang Liangyu     
National Meteorological Center, Beijing 100081
Abstract: The cotton development stages are the important features for the description of cotton individual and population characters. Accurate prediction of cotton development stage is very important for realizing various services on early warning and recovery of meteorological disasters and management strategies for cotton production, but there isn't the prediction function for cotton development stage in nationwide agrometeorological operation. In order to satisfy the service demand, the prediction method of the cotton development stage on the base of the operational data is studied. Cotton is main planted in Xinjiang Uygur Autonomous Region, Yellow River and Yangtze River drainage areas in China, where climate features are different. 50 cotton-produced counties of nationwide agrometeorological observation network are located in above main cotton-produced regions, the observation of their cotton development stages reflect the course and status of Chinese cotton development well. The time for same cotton development stage is different each other in different cotton areas, the difference between years is high by analyzing the variability of cotton development stages. The various factors affecting cotton development for 50 cotton observation stations are very different. So the prediction model of the cotton development stage is built in simple station, simple development period. Among affecting factors of cotton development stages, active temperature accumulation is the most main factor for the whole cotton area, precipitation is also relative in some cotton-produced counties located in Yellow River drainage area. According to above results, operational prediction model based on active accumulated temperature and growth days index for cotton development stages has been built, considering received data available and service characteristics of nationwide agrometeorological operation, combining with the results of weather forecast. Among models, active accumulated temperature and growth days index are refreshed year by year, cotton development stages are refreshed decade by decade, historical or forecast temperature is refreshed day by day, the timely operational dynamic prediction of cotton development stages has been realized in this way. The model results of the historical fitting from 1992 to 2001, extrapolating prediction from 2002 to 2003 and testing prediction in 2004 are as follow comparing with observed cotton development stages. The frequencies within 5 days error are above 80% for the fifth leaves and blooming stages, above 70% for emergence, the third leaves and squaring stages, their average absolute errors are within 4 days for above stages. The frequency within 6 days error is near to 70% and average absolute error is within 6 days for boll opening. The frequency within 10 days error is near to 70% and average absolute error is near to 10 days for stopping growth by integrating two methods of active temperature accumulation and first frost in autumn. These results are satisfied, which could meet the demands of nationwide agrometeorological operation service.
Key words: cotton development stage     dynamic forecast     operational realization    
引言

我国棉花种植范围很广, 各产区气候迥异, 影响棉花生长发育的主要气象因子各不相同[1]。棉花生育期内的春、夏、秋三季气象灾害多, 影响严重, 棉花生产常出现大幅波动, 如2003年我国棉花受低温、阴雨、寡照以及高温、干旱等多种灾害的严重影响, 产量大幅度下降, 品质低劣[2]。因此, 加强气象为棉花生产的前瞻性服务, 如棉花气象灾害的早期预警、栽培和管理措施的及早提示等, 对于确保棉花高产、稳产、优质有十分重要的意义。然而, 这些服务需要预知棉花未来所处的发育状态, 这样进行灾害预警和管理决策服务才更有针对性。但迄今为止, 农业气象业务实践中一直缺少棉花等作物发育期预报功能。因此, 研究棉花发育期业务预报方法十分必要。

国外在环境气象因子影响作物生长发育快慢方面做了许多工作, 一般用GDD (Growing Degree Days) 来预报作物发育期[3-5]。近20多年来, 我国研究了许多作物发育期模拟模型, 为开展作物发育期预报打下了一定的理论基础[6-15]。但是, 大多数作物模型是针对实验数据或有限区域范围, 存在着模型参数多、研究范围越广参数越难确定等问题。近年来虽然在农业气象灾害预警方面开展了一些作物模型参数区域尺度的应用研究, 但均未涉及作物发育期预报[16]。特别是受业务渠道中资料获取的数量、质量和时效等因素的诸多限制, 作物模型的实际业务应用仍存在相当的难度[17-20]。棉花发育期模拟模型由于涉及水分和营养胁迫等难以获取的参数, 加之模拟的发育期较少[6-7, 11], 难以满足业务需求, 因此, 一直未投入业务应用。另外, 未来天气对作物生长发育的快慢有着重要的影响, 但天气预报的结果还未用于作物发育期预报中。为此, 本文通过分析全国农业气象业务中棉花发育期的变化情况以及棉花生长发育快慢与气象条件、管理、栽培等因素的关系, 从业务服务需求和运行特点以及资料现状出发, 并结合天气预报, 探讨研究适合业务实时运行的全国棉花发育期预报方法, 开展业务服务。

1 资料及其处理 1.1 棉花发育期

研究所用的棉花资料来自中国气象局全国农业气象地面观测网每旬上报的AB报, 棉花观测站有50个, 主要位于新疆、黄河和长江流域3大产棉区。观测项目包括棉花品种熟性、发育日期、发育程度、高度等。本研究每旬从实时收集的农业气象地面观测资料中提取棉花发育普遍日期, 追加处理成以播种、出苗、第三真叶、第五真叶、现蕾、开花、裂铃、停止生长等8个发育期为字段、以一年为一记录、每个站点一个文件; 另外, 还提取棉花品种熟性, 如普通棉早熟、中熟、晚熟和长绒棉早熟、中熟、晚熟等。研究所用资料时间为1992—2004年, 其中2004年资料留作预报检验使用。

1.2 气象资料

研究所用的历史气象资料为棉花站点1992—2003年的逐日气温、降水量, 来自国家气象中心; 所用的天气预报值为2004年棉花生长期间中央气象台预报的未来1~5 d日最高气温、最低气温、天气 (晴、多云、阴、小雨、中雨、大雨、暴雨) 状况。

历史气温资料有日平均气温、最高和最低气温, 天气预报预报的是每日的最高、最低气温。为了使历史气温与预报气温能够匹配, 在全国棉花发育期业务预报方法的研究中, 统一采用作物模型研究中以日最高、最低气温的算术平均值计算日平均气温的做法。

1.3 棉花相邻发育期间隔日数及有效积温和降水量的计算

本研究中某地棉花生长发育的快慢用两个相邻发育期之间的间隔日数表示, 用式 (1) 计算。两个发育期之间的热量条件用有效积温表示, 棉花某发育阶段的有效积温为该阶段内日有效温度 (日平均温度减去生物学下限温度) 的总和, 用式 (2) 计算。两个发育期之间的水分条件用降水量来反映, 用式 (3) 计算。棉花某发育阶段间隔日数、有效积温的多年均值用式 (4) 与 (5) 计算。

(1)
(2)
(3)
(4)
(5)

式 (1)~(5) 中, i表示棉花生长年份, 即1992, 1993, …, 2003年; j表示棉花所处的发育阶段, 因棉花发育期个数为8, 则j取1, 2, …, 7, 分别表示播种至出苗、出苗至第三真叶、第三真叶至第五真叶、第五真叶至现蕾、现蕾至开花、开花至裂铃、裂铃至停止生长等发育阶段; Si,j表示棉花第i年第j个发育期出现的日期, Si,j+1表示棉花第i年第j+1个发育期出现的日期, 均用儒略历的年内日数表示; Ni,j为棉花第i年第j个发育阶段所经历的天数, 即间隔日数; Ai,j, pi,j分别为棉花第i年第j个发育阶段的有效积温、累积降水量; d为Ni,j内的第d天, 取1, 2, …, Ni,j; Tb为棉花生物学下限温度12 ℃; Ti,d, pi,d为第i年第d天的日平均温度、降水量; , 分别为棉花第j发育阶段的多年平均间隔日数、有效积温, nj为该发育阶段有资料的年数。

2 棉花发育期业务预报方法和模式

由于本研究直接面向业务服务, 因此在方法研究的过程中要紧扣业务需求和资料现状, 对影响棉花生长发育快慢的各种因子进行逐一分析, 并参考棉花发育期模拟模型, 突出关键并可业务实时获取的影响因子, 以建立能业务实时运行的全国棉花发育期预报模式。为此, 首先对业务中收集的全国50个站棉花发育日期及影响棉花生长快慢的因子进行分析, 然后确定可业务实现的预报方法和模式。

2.1 棉花发育期变异性分析

为了了解全国主产区棉花发育期的年际波动情况, 分析其变异性, 用式 (6) 计算了每个站棉花各个发育期年际系列的变幅:

(6)

式 (6) 中, X是某个棉花站点某个发育期年际序列的全距, 反映该发育期的年际变化幅度[21], Xmax, Xmin分别是该发育期序列中出现的最晚、最早日期。

对全国50个站1992—2003年上报的棉花品种熟性以及种植制度等资料的分析结果表明, 全国除新疆、甘肃等内陆棉区以及华北中北部种植少量早熟春播棉、黄河流域种植少量麦茬夏播棉外, 我国大部分棉区种植中熟春播棉。表 1列举了代表不同产区、不同种植制度和品种的产棉县1992—2003年棉花发育期变化情况。可以看出, 品种熟性和种植制度相同而位于不同地区的站, 棉花同一发育期出现的日期以及年际变化幅度不同, 如同为早熟春播棉的新疆乌苏和河北深县棉花开花期差异明显, 乌苏棉花开花期为6月底至7月下旬, 深县为6月底至8月上旬, 前者年际变幅为28 d, 后者达40 d。同一地区、不同种植制度和品种的棉花发育日期及年际变幅差别也很大, 如黄河流域河北深县早熟春播棉、山东曹县中熟春播棉以及河南新乡的中熟夏播棉同一发育期出现日期以及年际变幅大不相同, 如深县棉花开花期集中在6月底至8月上旬, 年际变幅达40 d, 曹县为7月上中旬, 年际变幅20 d, 新乡为8月上中旬, 年际变幅21 d。由此可见, 我国不同产棉县之间棉花同一发育期出现的日期以及年际变幅不同, 情况比较复杂, 说明在研究全国棉花发育期业务预报方法时, 应分站考虑。此外, 即便是同一个站点, 棉花不同发育期年际波动也不同, 如湖北江陵棉花停止生长期年际变幅为18 d, 裂铃期达43 d。因此, 还应分发育阶段考虑。

表 1 我国部分主产棉县1992—2003年棉花发育期年际变化 Table 1 Cotton development stage variations between years for some main cotton-produced counties in China

2.2 影响棉花生长发育速率的因子分析

棉花同其他作物一样, 其生长发育的快慢除受自身的生物学特性制约外, 还受温度、水分、光照、土壤、栽培、管理等多种因素的综合影响。若以作物发育速率, 即间隔日数的倒数表示生长发育的快慢[6-14], 则棉花生长发育速率与各影响因子之间的关系可表达成如下形式:

(7)

式 (7) 中, Vj表示棉花第j生长发育阶段的发育速率; nj为完成该发育阶段所需天数; tj为该阶段生长快慢温度影响因子, wj为水分影响因子, sj为光照影响因子, mj为由土壤、栽培、管理等因素决定的影响因子, cj为由作物品种等本身生育特性决定的影响因子。

对于mj, 就同一棉花站点而言, 其土壤状况、栽培技术、农田管理水平等因素可以看作是相对稳定的, 较短年限年际间棉花发育期比较时可以不考虑mj的影响。对于cj, 通过对全国50个站点1992—2003年棉花品种熟性的分析结果来看, 同一站点棉花品种熟性年际间变化不大, 因此对于同一站点也可以不考虑cj的影响。对于sj, 我国棉花为中、早熟品种, 发育期对日长反映不敏感[12], 故式 (7) 中不考虑sj的影响。通过上述分析后, 对单个棉花站点而言, 影响棉花生长发育快慢的主要因子为温度和水分。

2.3 业务预报方法确定

鉴于上述结果, 对全国农业气象业务中50个站1992—2003年棉花相邻两个发育期的间隔日数与有效积温、降水量进行了单相关和偏相关分析 (表 2)。结果表明:①我国各产区棉花生长发育间隔日数普遍与有效积温线性相关, 并且相关十分显著。②各产区与降水量的相关情况不同。除新疆为绿洲灌溉农业, 不做与降水量的相关分析外, 黄河流域产棉区与降水量的线性相关通过了0.001水平显著性检验, 但其相关系数全部小于与有效积温的相关系数; 长江流域由于降水较多, 近80%的站发育间隔日数与降水量的相关通过0.01显著性水平检验, 部分地点与降水的单相关程度更低, 甚至未通过0.1显著性水平检验。③黄河和长江流域大部地区棉花生长发育的快慢与有效积温的偏相关系数大大高于与降水量的偏相关系数, 说明温度影响最为关键, 降水影响很小, 仅陕西和山西的部分地点与降水偏相关系数稍大。有关作物发育期的其他研究也表明, 在温带气候条件下, 温度是影响作物生长发育快慢的主要因子, 发育期可以用积温来表示[6-7,11-12,22]。

表 2 全国50个站点棉花相邻发育期间隔日数与有效积温、降水量之间的相关 Table 2 Correlation between days of two stages and its active temperature accumulation, precipitation for 50 cotton-produced counties in China

从业务资料现状来看, 目前可以获取的历史资料为逐日最低气温、最高气温、降水量以及天气预报预报的未来5 d逐日最低气温、最高气温以及降水状况。对于温度部分, 业务中历史逐日最高、最低气温和天气预报的逐日最高、最低气温能够匹配, 而且连续, 可以实时获取, 能满足棉花发育期业务预报的需求。对于降水部分, 由于天气预报预报的日降水量很粗, 对于山西、陕西等部分站点, 建立棉花发育期业务预报模式时不考虑降水的影响。

综上分析, 全国棉花发育期业务预报方法确定为:以影响棉花生长发育快慢的温度为关键因子; 用预报前的10年历史资料确定棉花各发育阶段所需的有效积温和间隔日数指标, 逐站逐发育阶段建立棉花发育期业务预报模式。为了在一定程度上克服气候变化和品种更新问题, 对有效积温和间隔日数指标进行逐年滚动更新。

2.4 业务预报模式建立

全国农业气象业务在每旬1日、11日、21日收到上一旬作物生长发育资料, 因此只有在每旬的第一天才能收到上一旬以前的作物发育日期。在进行当年棉花发育期预报时, 一般需要两段时间温度数据, 即上一个发育期 (上几旬收集到的) 到制作发育期预报日的实况气温和制作发育期预报日到未来某个天气预报时效日 (1~5 d) 的逐日预报气温。所有资料均可从国家气象中心MICAPS系统下载, 计算逐日日平均气温。各发育阶段预报棉花发育期出现日期的业务模式:

(8)

式 (8) 中, Sj为棉花上一个发育期出现的日期; Sj+1为棉花在上一个发育期之后所处的发育进程日期, 用儒略历的年内日数表示; u1为棉花上一个发育期至制作棉花发育期预报时的天数, Tm为该时段内的逐日日平均气温; u2为制作棉花发育期预报时至未来某个天气预报时效日的天数, Tf为制作棉花发育期预报时预报的未来逐日日平均气温。

在制作棉花发育期预报时计算式 (8), 判断条件是否成立。若成立, 说明棉花进入了下一个发育状态, 当日的Sj+1即为要预报的棉花下一个发育日期; 否则, 棉花还处于上一个发育状态, 所处的发育进程为上一个发育期Sj后的天。

3 棉花发育期业务预报的实现及检验 3.1 业务预报模式的实现 3.1.1 模式所需资料的动态更新和具体实现

在实际业务中, 当年运行模式 (8) 进行棉花发育期预报时, 要实现3种资料的不同时间尺度的更新。一是模式中使用的, , 每年可根据逐站前10年的历史气温、棉花发育期资料利用式 (1) 至式 (2) 和式 (4) 至式 (5) 计算, 确定当年棉花7个发育阶段中每个发育阶段所需的有效积温和间隔日数指标, 此部分为年度更新。二是当年每旬的第一天根据全国农业气象情报系统收集的上一旬农气AB报实况, 进行棉花发育期资料的动态更新, 以确定棉花上一个发育期出现的日期Sj, 此部分为旬更新。三是当年棉花生长期间逐日最高、最低气温资料的更新, 即棉花发育期预报制作日之前的逐日实况气温更新和未来5 d天气预报预报的逐日气温更新, 气温资料的更新可逐日进行, 也可每隔一段时间进行, 视制作发育期预报的时间间隔要求而定。

在, 年度更新的基础上, 利用式 (8) 进行当年棉花发育期动态预报时, 要考虑业务实现中可能遇到的各种情况, 做到无一疏漏。如:上一发育期为开花期 (S6), 要预报的下一个发育期为裂铃期 (S7), 相应的开花至裂铃期所用的有效积温和间隔日数为, 。在当前旬利用式 (8) 制作裂铃期预报的过程中, 要考虑开花期是否是在上一旬内出现这2种情况以及要预报的裂铃期是否会在未来天气预报时效日 (5 d) 内出现2种情况, 总共4种组合, 来判断预报结果 (表 3)。从表 3可见, 4种组合确定了式 (8) 中的S6, u1, u2, Tm, Tf等变量。预报结果只有两种:①棉花进入裂铃期, 其日期为满足的当日S7; ②天气预报时效日结束时棉花未进入裂铃期, 仍处于开花期, 所处的发育进程为开花期后的 (S7-S6) 天。

表 3 棉花发育期预报的各种情况组合及结果 (以预报裂铃期为例) Table 3 Various possible combination and results in predicting cotton development stages (such as boll opening)

3.1.2 停止生长发育期的特殊考虑与预报

农业气象观测规范对于棉花停止生长期观测的规定为:因霜冻的突然侵袭, 棉株幼嫩部分不再继续生长或呈凋萎状态的地区以秋季出现霜冻的当天记为停止生长期; 停止生长前拔杆的地区以拔杆日期记为停止生长期[23]。实际上, 观测员在观测过程中还会出现以下情况:①在没有冷空气影响棉花正常成熟的情况下, 观测员记录的停止生长日期为正常停止生长日期; ②有的地区在棉花成熟以后一直让棉花长在地里, 观测人员记录的棉花停止生长日期可能比实况要晚。因此, 棉花停止生长期观测标准不统一, 观测员在观测掌握上也存在着很大的差异。为此, 在确定棉花停止生长期预报方法时, 需要尽量考虑实际情况。首先, 考虑棉花正常成熟、观测员正常记录的情况, 这种情况下可利用式 (8) 预报有效积温满足的日期, 即积温预报法; 第二, 根据天气预报预报的未来日最低气温判断早霜冻出现的日期, 即霜冻判断法。然后, 以积温满足日期和早霜冻出现日期中较早出现的日期作为停止生长日期, 进行综合预报。这种方法比单一的积温预报法或霜冻判断法预报精度有了明显的提高 (图 1)。

图 1. 全国50个站点1992—2001年棉花停止生长期不同预报方法历史拟合误差频率图 Fig 1. Historical simulated error frenquencies of cotton growth stopping from 1992 to 2001 for 50 cotton-produced counties by using different forecast ways

3.2 历史拟合、外推预报与试预报检验 3.2.1 历史拟合检验

利用全国50个站逐站1992—2001年棉花各个发育阶段的, , 按照上述业务流程, 以逐年逐日最高气温、最低气温, 按式 (8) 对50个站从1992年到2001年棉花各个发育期出现的日期进行拟合, 与实况对比结果见图 2。可以看出, 棉花出苗、第三真叶、第五真叶、现蕾、开花等发育期拟合效果较好, 拟合平均绝对误差小于5 d, 误差在5 d以内出现的频次达70%以上, 在10 d以内出现的频次达90%以上; 裂铃发育期拟合精度比上述发育期稍差, 拟合平均绝对误差为6 d, 且6 d以内出现的频次接近70%, 效果尚可; 对棉花停止生长发育期的拟合, 采用综合预报方法, 拟合误差在10 d以内出现的频次接近70%, 平均绝对误差为10 d, 基本可以满足农业气象以旬为服务尺度的要求。

图 2. 全国50个站点1992—2001年棉花发育期历史拟合误差频率图 (a) 及历史拟合误差图 (b) Fig 2. Historical simulated error frequencies (a) and historical simulated error (b) of cotton development stages from 1992 to 2001 for 50 cotton-produced counties

3.2.2 外推预报检验

以2002年和2003年为例, 按照上述业务流程, 利用式 (1)、式 (2) 和式 (4)、式 (5), 分别逐站计算了全国50个站各个发育阶段1992—2001年、1993—2002年的 与。然后利用2002年、2003年各个站的实际逐日最高气温和最低气温, 根据预报模式 (8) 和棉花停止生长期综合预报法, 分别对2002年和2003年2年的50个站棉花各个发育期进行了外推试报, 预报效果见图 3。从图 3a看出, 棉花第三真叶、第五真叶、现蕾、开花等发育期预报误差天数在4 d以内出现的频次达80%以上, 图 3b也显示上述发育期预报平均绝对误差在3 d以内, 预报精度较高。出苗发育期预报精度稍低于上述发育期, 但预报误差在4 d以内出现的频次达70%以上, 预报平均绝对误差在4 d以内, 预报效果也不错。裂铃期预报精度稍差, 但有近80%的预报误差天数在7 d以内, 预报效果尚可。停止生长期有65%的预报误差在7 d以内, 70%的在10 d以内, 全国预报平均绝对误差为9 d。

图 3. 全国50个站点2002—2003年棉花发育期外推预报误差频率 (a) 及外推预报误差 (b) Fig 3. Ectrapolated prediction error frequencies (a) and extrapolated prediction error (b) of cotton development stages from 2002 to 2003 for 50 cotton-produced counties

3.2.3 试预报检验

按照上述业务流程, 利用式 (1)、式 (2) 和式 (4)、式 (5), 逐站计算了全国50个站棉花各个发育阶段1994—2003年的, 。利用2004年棉花生长期间中央气象台预报的逐日最高气温和最低气温, 部分没有气温预报值的站点采用纬度和海拔高度接近的临近站点天气预报结果代替, 根据预报模式 (8) 和棉花停止生长期综合预报法, 对2004年50个站棉花各个发育期进行了试预报。与当年棉花发育期观测值的对比结果表明:棉花出苗、第三真叶、第五真叶、现蕾、开花等发育期预报误差天数在4 d以内出现的站数达80%以上, 预报平均绝对误差在3 d以内, 预报精度较高。裂铃期有70%的站点预报误差天数在5 d以内, 预报平均绝对误差小于5 d, 预报效果尚可。停止生长期有61%的站点预报误差在10 d以内, 预报平均绝对误差为13 d, 试报效果稍差。

4 结论与讨论

通过针对全国范围的以农业气象实际业务资料现状和业务特点为基础的面向服务为宗旨的棉花发育期业务预报方法研究, 可见:

1) 在对影响棉花生长发育速率的各种因素的科学分析基础上, 根据业务资料现状和服务特点, 由繁到简合理简化, 突出关键影响因子, 提出了棉花发育期业务预报的研究思路、过程和实现方案。

2) 建立的棉花发育期业务预报模式充分考虑了业务复杂情况, 在逐年、逐旬、逐日滚动更新模式所需各种资料的基础上实现了棉花发育期的动态预报。预报检验结果较好, 基本可以满足农业气象业务服务的需求。

3) 本研究将天气预报及时地应用于棉花发育期预报之中, 实现了历史资料和天气预报结果的紧密衔接, 可以更好地发挥天气预报在农业气象服务中的作用。

不足之处:一是作物发育期观测属于目测项目, 观测数据的客观性和准确性与器测数据有相当的差距, 造成了棉花有些发育期预报精度较低。例如, 停止生长期, 本研究虽进行了综合考虑和处理, 但预报结果仍不是十分理想; 二是棉花发育期预报模式需要在业务实践中进一步的验证和改进, 如山西、陕西等北方棉区应当尽量考虑降水对棉花发育快慢的影响; 三是棉花发育期预报是在天气预报的基础上所做的应用预报, 其预报精度受到天气预报结果的制约, 因此, 本研究也显示出了农业气象等下游预报产品对天气预报产品 (温度、降水) 的精度和精细化程度的更高要求。

参考文献
[1] 钱拴, 王建林. 棉花产量丰歉气象指标和评价模型. 气象科技, 2001, 29, (3): 30–35.
[2] 吕厚荃. 2003年棉花气候条件评价∥国家气候中心. 2003年全国气候影响评价.北京:气象出版社, 2004.
[3] Lu Hsiuying, Lu Chuntang, Chan Litfu, et al. Seasonal variation in linear increase of Taro harvest index explained by growing degree days. Agronomy Journal, 2001, 93: 1136–1141. DOI:10.2134/agronj2001.9351136x
[4] Teasdalea J R, Devinea T E, Mosjidisb J A, et al. Growth and development of hairy vetch cultivars in the Northeastern United States as influenced by planting and harvesting date. Agronomy Journal, 2004, 96: 1266–1271. DOI:10.2134/agronj2004.1266
[5] Reddy K R, Hodges H F, McCarty W H, et al. Weather and Cotton Growth: Present and Future. Mississippi Agricultural and Experimental Station Bulletin 1061. 1996.
[6] 潘学标, 李玉娥.气候对新疆棉花生产影响的区域评估系统研究∥《我国短期气候预测系统的研究》之三项目办公室和执行专家组.气候异常对国民经济影响评估业务系统的研究.北京:气象出版社, 2001: 57-68.
[7] 潘学标. 作物模型原理. 北京: 气象出版社, 2003.
[8] 高亮之, 金之庆, 黄耀, 等. 水稻计算机模拟模型及其应用之一, 水稻钟模型———水稻发育动态的计算机模型. 中国农业气象, 1989, 10, (3): 3–10.
[9] 冯利平, 高亮之, 金之庆, 等. 小麦发育期动态模拟模型的研究. 作物学报, 1997, 23, (4): 418–424.
[10] 孙冷, 杨继武, 王馥棠.玉米生育的动力模拟模式∥王馥棠.气候变化对我国农业影响的研究.北京:气象出版社, 1996: 19-26.
[11] 张建华, 李迎春, 余行杰. 温度对棉花产量结构及发育速率的可能影响. 应用气象学报, 1997, 8, (3): 379–383.
[12] 张建华, 李迎春, 余行杰. 作物物候规律的研究. 作物学报, 2000, 26, (5): 635–639.
[13] 张敬涛, 周丰锁, 褚宏艳, 等. 大豆生育阶段动态模型的研究. 大豆科学, 2002, 21, (3): 203–207.
[14] 刘洪, 金之庆. 油菜发育动态模拟模型. 应用气象学报, 2003, 14, (5): 634–640.
[15] 刘布春, 王石立, 庄立伟, 等. 基于东北玉米区域动力模型的低温冷害预报应用研究. 应用气象学报, 2003, 14, (5): 616–625.
[16] 王石立. 近年来我国农业气象灾害预报方法研究概述. 应用气象学报, 2003, 14, (5): 574–582.
[17] 刘布春, 王石立, 马玉平. 国外作物模型区域应用研究进展. 气象科技, 2002, 30, (4): 193–203.
[18] 钱拴, 王建林. 农业气象作物产量预报的特点与思考. 气象科技, 2003, 31, (5): 257–261.
[19] 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.
[20] 王馥棠. 中国气象科学研究院农业气象研究50年进展. 应用气象学报, 2006, 17, (6): 778–785.
[21] 魏淑秋. 农业气象统计. 福州: 福建科学技术出版社, 1985.
[22] 薛晓萍, 史可琳, 王建林. 不同气候生态棉区化学调控适宜期的试验及其应用. 应用气象学报, 1998, 9, (3): 371–375.
[23] 国家气象局.农业气象观测规范.北京:气象出版社, 1993.