基于气象因子的水稻产量预报模型

发布时间：2021-07-30 02:28

　　利用四川省南充市1989—2018年气象观测资料和水稻单产数据,分析5月上旬至8月下旬的平均气温、降水量、日照时数与水稻单产的相关性,采用线性回归方法建立基于气象因子的水稻产量预报模型。结果表明,5月下旬降水量、6月中旬平均气温、7月下旬日照时数、8月下旬日照时数和降水量与气象产量显著相关,建立南充水稻产量预报模型,回代检验准确度平均达95.4%,预报准确度达91.2%,2019年模型预报效果良好。 

【文章来源】：陕西气象. 2020,(05)

【文章页数】：3 页

【部分图文】：

1989—2018年南充水稻产量动态变化

【参考文献】：
期刊论文
[1]渭南玉米产量气象条件分析与预报模型研究[J]. 马耀绒,淡会星,尹贞钤,许伟峰.  陕西气象. 2020(02)
[2]基于关键气象因子的辽宁省水稻产量动态预报[J]. 李琳琳,王婷,李雨鸿,刘青,宋晓巍,赵振宇.  大麦与谷类科学. 2017(04)
[3]用SPSS建立岳阳名优黄茶的产量预测模型[J]. 覃鸿,郑露,黄菊梅,刘学.  茶叶通讯. 2017(02)
[4]夏玉米产量动态预报方法研究[J]. 徐延红.  陕西气象. 2017(03)
[5]基于气候适宜度的河南省夏玉米产量预报研究[J]. 李树岩,余卫东.  河南农业大学学报. 2015(01)
[6]渭南市冬小麦产量预报模型研究[J]. 尹贞钤,许伟峰,田中伟,冯伟.  陕西气象. 2014(05)
[7]基于气象关键因子的河南省夏玉米产量预报研究[J]. 李树岩,刘伟昌.  干旱地区农业研究. 2014(05)
[8]用SPSS建立自贡水稻产量年景预测模型[J]. 袁立新,段修荣,余先超.  四川气象. 2006(01)
[9]粮食产量预测的因子处理和建模方法[J]. 魏中海,王建勇,夏宣炎.  华中农业大学学报. 2004(06)

博士论文
[1]气候变化对中国水稻生产的影响研究[D]. 尹朝静.华中农业大学 2017



本文编号：3310499