草面温度在霜预报中的应用

发布时间：2021-07-09 00:53

　　为了避免农作物遇霜后遭受冻害,本研究采用草面温度对霜进行预测。利用连云港气象观测站2014—2016年逐时气象要素,包括气温、0 cm地温、露点温度、水汽压、气压以及2 min平均风速等气象要素作为影响连云港地区草面温度的关键因子,并以这6个要素作为属性特征,以草温作为标志量构建训练样本集,结合KNN数据挖掘算法构建草温预测模型,并根据草温判别是否有霜出现。结果表明:基于该算法构建的草温预测模型效果较好,预报平均误差1.2℃;根据草温预测霜的准确率高达90.2%,尤其对初终霜的预报具有很好的指示意义。因此,引入草温作为霜的预报指标,对于避免农作物遭受霜害具有十分重要的意义。 

【文章来源】：中国农学通报. 2020,36(15)

【文章页数】：6 页

【部分图文】：

草面温度与各气象要素拟合图

图1 草面温度与各气象要素拟合图对于K值的确定是根据具体实验数据的不同而定，从K=1开始，利用测试集检验分类的错误率，然后选择产生最小错误率的K。一般而言，训练集的维度和样本量越大，K值也会相对增加。为便于在最邻近的子集中进行投票，K值的选取一般为奇数。结果表明，当K=3时，模型结果最优。

(2)KNN算法是一种非参数化监督算法，其可以避开建立固定的回归预报方程等不利因素影响。KNN分类器属性特征由气温、0 cm地温、露点温度、气压、水汽压及2 min平均风速等6个变量构成，标志项为草面温度。KNN分类器实验结果表明K=3时效果最优。图2 连云港各月实际草温与预测草温对比曲线图


本文编号：3272676