設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)技術(shù)指南

1、設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)技術(shù)指南2016 年 11 月設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)技術(shù)指南編寫(xiě)組主編 :薛曉萍 魏瑞江成員（按姓氏拼音排序）：韓 碩 樂(lè)章燕 李 春 李鴻怡 李 楠李秋月李榮平黎貞發(fā)孫立德 王 鑫薛慶禹葉彩華張曉月前言由山東省氣候中心牽頭組織編寫(xiě)的設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)技術(shù)指南中的設(shè)施農(nóng)業(yè)特指日光溫室蔬菜生產(chǎn)。希望通過(guò)該指南規(guī)范設(shè)施農(nóng)業(yè)氣象觀測(cè)，建立完善設(shè)施農(nóng)業(yè)（日光溫室）主要?dú)庀鬄?zāi)害（低溫、寡照、風(fēng)災(zāi)、雪災(zāi)等）不同風(fēng)險(xiǎn)等級(jí)的氣象致災(zāi)臨界閾值及指標(biāo)體系、預(yù)報(bào)模型及相關(guān)技術(shù)方法，構(gòu)建省市縣三級(jí)分工明確的設(shè)施農(nóng)業(yè)氣象服務(wù)體系，推動(dòng)我國(guó)北方地區(qū)開(kāi)展規(guī)范化設(shè)施農(nóng)業(yè)氣象服務(wù)。設(shè)施農(nóng)業(yè)是以園

2、藝作物高效生產(chǎn)和反季節(jié)栽培為產(chǎn)業(yè)定向， 其較高的投入產(chǎn)出比和高效生產(chǎn)模式， 極大地促進(jìn)了區(qū)域農(nóng)業(yè)提效、 農(nóng)民增收， 成為我國(guó)農(nóng)村經(jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)， 并逐步走向標(biāo)準(zhǔn)化生產(chǎn)。 目前， 我國(guó)設(shè)施農(nóng)業(yè)種植面積已達(dá)到 5430 多萬(wàn)畝，占世界總面積的89.3%以上，其中，日光溫室和塑料大棚屬于我國(guó)設(shè)施農(nóng)業(yè)生產(chǎn)的主要設(shè)施類(lèi)型， 由于其主要能量來(lái)源為太陽(yáng)輻射， 設(shè)施結(jié)構(gòu)相對(duì)簡(jiǎn)陋， 環(huán)境調(diào)控能力低， 抵御氣象災(zāi)害的能力較弱， 設(shè)施內(nèi)小氣候環(huán)境受外界氣象條件影響較大，其安全生產(chǎn)與氣象條件密切相關(guān)，極易遭受低溫、寡照、風(fēng)災(zāi)、 雪災(zāi)以及復(fù)合性災(zāi)害天氣影響， 氣象災(zāi)害是制約設(shè)施作物生長(zhǎng)、 產(chǎn)量與品質(zhì)形成的主要因素之

3、一。 氣象災(zāi)害已成為制約設(shè)施農(nóng)業(yè)可持續(xù)發(fā)展的主要因素之一。 為此， 迫切需要提高氣象保障服務(wù)能力。 本指南中設(shè)施農(nóng)業(yè)特指日光溫室蔬菜生產(chǎn)，氣象災(zāi)害為低溫、寡照、風(fēng)災(zāi)、雪災(zāi)等主要?dú)庀鬄?zāi)害。服務(wù)對(duì)象為涉農(nóng)決策部門(mén)和生產(chǎn)者。近年來(lái)， 我國(guó)設(shè)施農(nóng)業(yè)生產(chǎn)主要省 （市） 氣象部門(mén)相繼開(kāi)展了設(shè)施農(nóng)業(yè)氣象服務(wù)。依托 “設(shè)施農(nóng)業(yè)及特色農(nóng)產(chǎn)品氣象保障關(guān)鍵技術(shù)的研究” 、 “設(shè)施農(nóng)業(yè)氣象災(zāi)害預(yù)警及防御關(guān)鍵技術(shù)”及 “華北日光溫室小氣候資源高效利用技術(shù)研究”等一系列氣象行業(yè)研究項(xiàng)目， 以日光溫室和塑料大棚蔬菜生產(chǎn)為研究對(duì)象， 圍繞主要設(shè)施蔬菜的農(nóng)業(yè)氣象指標(biāo)庫(kù)構(gòu)建、 設(shè)施農(nóng)業(yè)小氣候要素觀測(cè)和預(yù)報(bào)技術(shù)研究、 日光溫室和塑

4、料大棚農(nóng)業(yè)氣象災(zāi)害等級(jí)指標(biāo)確定、 氣象災(zāi)害預(yù)警模型研制、 設(shè)施農(nóng)業(yè)氣象災(zāi)害預(yù)警業(yè)務(wù)系統(tǒng)搭建等開(kāi)展了一系列研究與應(yīng)用工作， 并通過(guò)業(yè)務(wù)系統(tǒng)實(shí)現(xiàn)了設(shè)施小氣候觀測(cè)數(shù)據(jù)的實(shí)時(shí)采集、 小氣候要素預(yù)報(bào)、 氣象災(zāi)害預(yù)警產(chǎn)品制 作與發(fā)布的自動(dòng)化、 客觀化與實(shí)時(shí)化， 在一定程度上提高了氣象部門(mén)設(shè)施農(nóng)業(yè)氣 象災(zāi)害預(yù)警服務(wù)水平與質(zhì)量， 提升設(shè)施農(nóng)業(yè)防災(zāi)減災(zāi)能力， 推動(dòng)設(shè)施農(nóng)業(yè)的發(fā)展。2015 年，中國(guó)氣象局減災(zāi)司下發(fā)了“減災(zāi)司關(guān)于開(kāi)展設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)試點(diǎn)工作的通知” （氣減函 2015 78 號(hào)） ，試點(diǎn)工作由減災(zāi)司組織，山東省氣象局牽頭，參試省市為北京、天津、河北、遼寧、山東省五省市，以 5省市為試點(diǎn)區(qū)域

5、， 以日光溫室蔬菜生產(chǎn)為服務(wù)對(duì)象， 基于已有研究成果， 對(duì)相關(guān)關(guān)鍵技術(shù)進(jìn)行轉(zhuǎn)化、 提升， 改進(jìn)研究區(qū)域主要設(shè)施蔬菜不同發(fā)育階段設(shè)施小氣候預(yù)報(bào)模型構(gòu)建、 氣象災(zāi)害指標(biāo)確定、 氣象災(zāi)害影響預(yù)報(bào)模型研制、 主要病蟲(chóng)害預(yù)報(bào)模型構(gòu)建等技術(shù)； 開(kāi)展低溫、 寡照影響的定量化評(píng)估技術(shù)研究； 完善設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)業(yè)務(wù)系統(tǒng)，并在試點(diǎn)區(qū)域各?。ㄊ校┍镜鼗?；在設(shè)施農(nóng)業(yè)生產(chǎn)重點(diǎn)縣開(kāi)展了氣象災(zāi)害影響預(yù)報(bào)服務(wù)，取得了較好的社會(huì)經(jīng)濟(jì)效益。當(dāng)然， 設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)是一項(xiàng)全新的業(yè)務(wù)， 同時(shí)， 我國(guó)地域遼闊，不同區(qū)域氣候差異較大， 設(shè)施結(jié)構(gòu)參數(shù)略有不同， 設(shè)施內(nèi)外能量交換速率亦存在差異， 因此設(shè)施內(nèi)外氣象要素間的量

6、化關(guān)系存在區(qū)域差別， 相關(guān)的指標(biāo)與預(yù)報(bào)技術(shù)有待于進(jìn)一步完善， 各氣候區(qū)域在業(yè)務(wù)服務(wù)工作中， 應(yīng)針對(duì)本地氣候和設(shè)施農(nóng)業(yè)生產(chǎn)特點(diǎn)開(kāi)展本地化應(yīng)用。1 資料要求 11.1 設(shè)施內(nèi)觀測(cè)資料 11.1.1 小氣候觀測(cè)資料 11.1.2 作物信息 11.2 設(shè)施外觀測(cè)資料 11.3 天氣預(yù)報(bào)信息 21.4 天氣類(lèi)型信息 21.5 主要設(shè)施蔬菜農(nóng)業(yè)氣象指標(biāo) 32 低溫災(zāi)害影響預(yù)報(bào) 42.1 低溫災(zāi)害指標(biāo)確定 42.1.1 文獻(xiàn)檢索法 42.1.2 人工氣候模擬法 52.1.3 溫室控制試驗(yàn)法 52.2 預(yù)報(bào)方法 62.2.1 基于小氣候預(yù)報(bào)模型法 62.2.1.1 溫室最低氣溫預(yù)報(bào) 62.2.1.1.1 基于

7、grnitf經(jīng)網(wǎng)絡(luò)法的溫室最低氣溫預(yù)報(bào) 62.2.1.1.2 基于逐步回歸法的溫室最低氣溫預(yù)報(bào) 72.2.1.1.3 案例 92.2.1.2 溫室逐小時(shí)氣溫預(yù)報(bào) 122.2.1.2.1 預(yù)報(bào)時(shí)效 122.2.1.2.2 預(yù)報(bào)方法 122.2.1.2.3 預(yù)報(bào)模型構(gòu)建 122.2.1.2.4 案例 142.2.1.3 災(zāi)害等級(jí)預(yù)報(bào) 172.2.2 基于結(jié)構(gòu)方程法 172.2.2.1 結(jié)構(gòu)方程構(gòu)建 172.2.2.2 預(yù)報(bào)模型構(gòu)建 182.2.2.3 致災(zāi)因子等級(jí)賦值 192.2.2.4 案例 223 寡照災(zāi)害影響預(yù)報(bào) 243.1 寡照災(zāi)害指標(biāo) 243.1.1 人工氣候模擬法 253.1.2 溫室

8、控制試驗(yàn)法 253.2 預(yù)報(bào)方法 263.2.1 基于寡照日數(shù)法 263.2.2 基于結(jié)構(gòu)方程法 263.2.2.1 基于持續(xù) 1-3 天寡照天氣 263.2.2.1.1 預(yù)報(bào)模型 263.2.2.1.2 因子賦值計(jì)算 283.2.2.1.3 范例 303.2.2.2 基于持續(xù) 3天以上寡照天氣 323.2.2.2.1 預(yù)報(bào)模型 323.2.2.2.2 范例 344 風(fēng)災(zāi)影響預(yù)報(bào) 354.1 風(fēng)災(zāi)指標(biāo) 354.1.1 風(fēng)壓系數(shù)及臨界風(fēng)速確定 354.1.2 臨界風(fēng)速轉(zhuǎn)換 364.2 預(yù)報(bào)方法 365 雪災(zāi)影響預(yù)報(bào) 375.1 雪災(zāi)指標(biāo) 375.1.1 積雪模型構(gòu)建 375.1.2 積雪模型參數(shù)

9、化 375.1.3 雪災(zāi)等級(jí)指標(biāo) 405.2 預(yù)報(bào)方法 416 災(zāi)害影響服務(wù)效益評(píng)估 416.1 效益評(píng)估方法一 416.1.1 技術(shù)方法 416.1.2 范例 436.2 效益評(píng)估方法二 446.2.1 技術(shù)方法 446.2.2 范例 451 資料要求1.1 設(shè)施內(nèi)觀測(cè)資料1.1.1 小氣候觀測(cè)資料要做好設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)工作，首先應(yīng)掌握一定數(shù)量的設(shè)施小氣候資料。通過(guò)建站觀測(cè)或收集前期觀測(cè)資料來(lái)獲取設(shè)施小氣候資料。設(shè)施小氣候觀測(cè)應(yīng)按照中國(guó)氣象局2015 年 5 月 1 日起開(kāi)始實(shí)施的氣象行業(yè)標(biāo)準(zhǔn)qx/t 261 2015設(shè)施農(nóng)業(yè)小氣候觀測(cè)規(guī)范日光溫室和塑料大棚進(jìn)行。其中要求日光溫室小氣

10、候觀測(cè)儀器應(yīng)布設(shè)在日光溫室內(nèi)東西長(zhǎng)度的中間、 南北跨度自南向北作物種植區(qū) 2/3 的位置。觀測(cè)項(xiàng)目包括日光溫室內(nèi)氣溫、空氣相對(duì)濕度、地溫、總輻射、光合有效輻射和二氧化碳濃度等?？傒椛浜凸夂嫌行л椛溆^測(cè)以地方平均太陽(yáng)時(shí)24 時(shí)為日界，其余觀測(cè)項(xiàng)目均以北京時(shí) 20時(shí)為日界。氣溫傳感器感應(yīng)中心距離地面150cm,空氣相對(duì)濕度傳感器感應(yīng)中心距離地面150cm， 0 cm 地溫傳感器感應(yīng)部分一半埋入土中，10cm、20cm和40cm地溫傳感器感應(yīng)中心分別埋入地下10cm、20cm和40cm,輻射傳感器支架高度200 cm。預(yù)報(bào)所需小氣候觀測(cè)資料主要包括每小時(shí)的整點(diǎn)氣溫、 空氣相對(duì)濕度、 地溫 （ 0 c

11、m、 5 cm、 10 cm、 20 cm、 40 cm） 、最高氣溫、最低氣溫、最小空氣相對(duì)濕度。1.1.2 作物信息做好設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)工作必須掌握設(shè)施內(nèi)作物生長(zhǎng)與災(zāi)情觀測(cè)資料。 設(shè)施內(nèi)作物生長(zhǎng)資料包括種植作物的名稱(chēng)、作物發(fā)育期、作物生長(zhǎng)農(nóng)業(yè)氣象指標(biāo)、作物高度、采收量等；設(shè)施內(nèi)災(zāi)情資料包括受災(zāi)類(lèi)型、受災(zāi)程度、受災(zāi)表征、因?yàn)?zāi)減產(chǎn)、采取措施及恢復(fù)情況等。1.2 設(shè)施外觀測(cè)資料雖然設(shè)施內(nèi)小氣候有一定的封閉性，但受外界氣象條件的影響也較大，且具有一定的滯后性，所以掌握設(shè)施種植區(qū)氣象臺(tái)站的氣象觀測(cè)資料是不可缺少的。影響設(shè)施內(nèi)小 氣候最直接、也最容易獲取的外界氣象要素主要有最低氣溫、最高氣溫、

12、平均氣溫、日 照時(shí)數(shù)等。風(fēng)災(zāi)主要由于瞬時(shí)最大風(fēng)速引起，雪災(zāi)主要由于持續(xù)降雪量引起。故在開(kāi)展 設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)時(shí)，需要利用設(shè)施種植區(qū)氣象臺(tái)站歷史的和實(shí)時(shí)的最低氣 溫、最高氣溫、平均氣溫、日照時(shí)數(shù)、最大風(fēng)速、降雪量等資料。1.3 天氣預(yù)報(bào)信息對(duì)設(shè)施農(nóng)業(yè)氣象災(zāi)害影響進(jìn)行預(yù)報(bào)離不開(kāi)未來(lái)天氣預(yù)報(bào)信息。主要關(guān)注天氣狀況、 最高氣溫、最低氣溫、風(fēng)速、降雪量等預(yù)報(bào)信息。1.4 天氣類(lèi)型信息日光溫室內(nèi)小氣候環(huán)境條件依賴(lài)于外界天氣狀況， 凡涉及到小氣候要素預(yù)報(bào)相關(guān)內(nèi) 容，其預(yù)報(bào)模型需考慮不同天氣類(lèi)型分別構(gòu)建。 天氣類(lèi)型可根據(jù)日照百分率劃分為晴天、 多云、陰天三類(lèi)，劃分標(biāo)準(zhǔn)及計(jì)算方法參見(jiàn)表 1-1及公式1-

13、1。表1-1天氣類(lèi)型劃分方法天氣類(lèi)型劃分方法60%日照百分率 <100%多云20%日照百分率 <60%陰天0%c日照百分率<20%p=tsx100%（1.1）ta1式中：p 日照百分率，單位為百分率（ ），取整數(shù)；ts 日照時(shí)數(shù)，單位為小時(shí)（h）;ta 可照時(shí)數(shù)，單位為小時(shí)（h）。1.5主要設(shè)施蔬菜農(nóng)業(yè)氣象指標(biāo)開(kāi)展設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)服務(wù)，需要了解設(shè)施內(nèi)所種植的蔬菜生長(zhǎng)發(fā)育對(duì)環(huán) 境氣象條件的需求，尤其是對(duì)環(huán)境溫度的需求，常見(jiàn)的設(shè)施蔬菜主要農(nóng)業(yè)氣象指標(biāo)（溫 度）見(jiàn)表1-2。表1-2主要設(shè)施蔬菜農(nóng)業(yè)氣象指標(biāo)（ c）蔬菜分類(lèi)名稱(chēng)發(fā)育期最低溫度適宜溫度最高溫度下限上限茄果類(lèi)番茄發(fā)

14、芽期15203050幼苗期15202540開(kāi)花期12253040結(jié)果期12253040采收期12253040茄子播種苗期10152535營(yíng)養(yǎng)生長(zhǎng)期10173035開(kāi)花結(jié)果期12163035辣椒播種一出苗期:15253035莖葉生長(zhǎng)期12163032開(kāi)花結(jié)果期10152535瓜類(lèi)黃瓜發(fā)利112253035幼1tb15222540伸蔓期15252840開(kāi)花期13253040結(jié)瓜期13253040采收期13233240苦瓜播種一出苗10253035莖葉生長(zhǎng)期12152832開(kāi)花一結(jié)瓜期10203033甜瓜播種一出苗期15253537莖葉生長(zhǎng)期13163036開(kāi)花結(jié)果期13153036西瓜發(fā)利1515

15、3545幼1tb5222545伸蔓期5252845果實(shí)發(fā)育5283045葉菜類(lèi)1tb8152028葉叢期10122230豆類(lèi)蕓豆播種一出苗期10152530莖葉生長(zhǎng)期10182832開(kāi)花結(jié)莢期121625280類(lèi)大白采播種苗期15202528蓮座期12172226結(jié)球期5121822蔥姜蒜類(lèi)生姜播種一出苗期10222528分枝期16202830姜塊膨大期12172528收噂081518大蒜播種一出苗期3122030返青起身期3121630抽耋期10152526膨大成熟收獲期10202326水果類(lèi)草莓定植期2253036花芽分化期2172036開(kāi)花期2202236坐果期2222536果實(shí)膨大期2

16、252836成熟期22225362低溫災(zāi)害影響預(yù)報(bào)2.1 低溫災(zāi)害指標(biāo)確定低溫災(zāi)害等級(jí)指標(biāo)的確定方法主要有：人工氣候模擬法、對(duì)比觀測(cè)試驗(yàn)法、文獻(xiàn)檢 索法、部門(mén)信息交換法、實(shí)地調(diào)查法等，可根據(jù)實(shí)際情況及對(duì)指標(biāo)的需求情況靈活選取 為了使所確定的指標(biāo)更切合實(shí)際，建議采用文獻(xiàn)檢索、人工氣候模擬和對(duì)比觀測(cè)試驗(yàn)相 結(jié)合的方法，綜合確定溫室蔬菜低溫災(zāi)害等級(jí)指標(biāo)。低溫災(zāi)害分為無(wú)、輕、中和重四個(gè) 等級(jí)，預(yù)報(bào)等級(jí)指數(shù)分別以1, 2, 3, 4標(biāo)識(shí)。2.1.1 文獻(xiàn)檢索法近年來(lái)，基于設(shè)施農(nóng)業(yè)生產(chǎn)防災(zāi)減災(zāi)的需要，相關(guān)涉農(nóng)科研院所和高校的科研技術(shù) 人員，針對(duì)黃瓜、番茄、甜椒、茄子等蔬菜的各個(gè)生長(zhǎng)階段，開(kāi)展了大量的低溫影

17、響研 究工作，研究成果基本以科技論文方式呈現(xiàn)，故通過(guò)查閱相關(guān)文獻(xiàn)，可獲取部分設(shè)施蔬 菜的低溫冷害指標(biāo)信息。2.1.2 人工氣候模擬法采用人工氣候箱或氣候室，控制不同溫度水平和低溫處理時(shí)間，觀測(cè)試驗(yàn)控制期間 和恢復(fù)處理后蔬菜光合、葉綠素?zé)晒狻⒚富钚缘壬韰?shù)以及生長(zhǎng)發(fā)育生態(tài)，采用（公 式2-1）計(jì)算確定蔬菜輕、中、重度低溫冷害等級(jí)指標(biāo)。p （fv ）lti ,pg、： fm，,i。（2-1）rmaxfv 匚gfm式中，lti為低溫脅迫指標(biāo)，pgmax和p'gmax分別表示最適溫度及低溫狀態(tài)下的 最大光合速率，fv/fm和（fv/fm）'分別表示最適溫度及低溫狀態(tài)下的 psii潛在

18、光化 學(xué)效率。2.1.3 溫室控制試驗(yàn)法選定典型日光溫室，通過(guò)通風(fēng)或減少覆蓋物等方法，控制溫室內(nèi)溫度水平，觀測(cè)試 驗(yàn)控制期間和恢復(fù)處理后蔬菜光合、發(fā)育期、株高等生理生態(tài)參數(shù)，確定低溫冷害等級(jí) 指標(biāo)。此方法與人工氣候模法互為補(bǔ)充。基于上述三種方法，結(jié)合災(zāi)害調(diào)查、專(zhuān)家咨詢(xún)，可獲得蔬菜低溫冷害等級(jí)指標(biāo)。表 （2-1）為主要設(shè)施蔬菜黃瓜、番茄、芹菜低溫災(zāi)害等級(jí)指標(biāo)實(shí)例。表2-1主要設(shè)施蔬菜低溫災(zāi)害等級(jí)指標(biāo)（ c ）等級(jí)要素花果期番茄黃瓜甜椒加于番茄黃瓜甜椒加于無(wú)最低氣溫>5>8>10>10>8>10>12>12輕最低氣溫3-55-86-106-105-8

19、8-108-128-12中最低氣溫0-31-53-63-60-31-53-83-8w燈持續(xù)時(shí)間>20小時(shí)>20小時(shí)重最低氣溫<0<1<3<3<0<0<2<2w燈持續(xù)時(shí)間>30小時(shí)>30小時(shí)2.2 預(yù)報(bào)方法在日光溫室蔬菜生產(chǎn)過(guò)程中，常因外界極端低溫天氣導(dǎo)致溫室內(nèi)氣溫降低，根據(jù)天 氣預(yù)報(bào)，當(dāng)預(yù)計(jì)未來(lái)溫室內(nèi)最低氣溫可能達(dá)到蔬菜受害指標(biāo)時(shí)，需要發(fā)布低溫災(zāi)害影響 預(yù)報(bào)信息。通常低溫災(zāi)害預(yù)報(bào)方法分為基于小氣候預(yù)報(bào)模型法和基于結(jié)構(gòu)方程模型法2類(lèi)。2.2.1 基于小氣候預(yù)報(bào)模型法根據(jù)已有的溫室內(nèi)外觀測(cè)數(shù)據(jù)，選取極端低溫天氣條件下溫室內(nèi)外觀

20、測(cè)數(shù)據(jù)，采用 統(tǒng)計(jì)方法，分別構(gòu)建溫室內(nèi)最低氣溫預(yù)報(bào)模型和溫室內(nèi)逐小時(shí)氣溫預(yù)報(bào)模型；利用溫室 內(nèi)外氣象觀測(cè)數(shù)據(jù)，結(jié)合天氣預(yù)報(bào)信息的解釋?xiě)?yīng)用，對(duì)溫室最低氣溫進(jìn)行預(yù)報(bào)；依據(jù)各 類(lèi)蔬菜低溫災(zāi)害等級(jí)指標(biāo)和受災(zāi)生理生態(tài)特征，制作發(fā)布溫室蔬菜低溫災(zāi)害影響預(yù)報(bào)信息。溫室小氣候預(yù)報(bào)模型構(gòu)建推薦 grnn神經(jīng)網(wǎng)絡(luò)法和逐步回歸法。2.2.1.1 溫室最低氣溫預(yù)報(bào)2.2.1.1.1 基于grnn神經(jīng)網(wǎng)絡(luò)法的溫室最低氣溫預(yù)報(bào)(1)預(yù)報(bào)時(shí)效日光溫室內(nèi)日最低氣溫的預(yù)報(bào)時(shí)效為 168小時(shí)，即未來(lái)7天。(2) grnn神經(jīng)網(wǎng)絡(luò)法介紹基于數(shù)據(jù)挖掘的機(jī)器學(xué)習(xí)方法 一人工智能神經(jīng)網(wǎng)絡(luò)一建立溫室最低溫度預(yù)報(bào)模型。 模型以溫室外氣溫為輸

21、入要素，該模型的主要技術(shù)優(yōu)勢(shì)在于基于溫室觀測(cè)數(shù)據(jù)智能建 模，降低了模型應(yīng)用成本，且模型本身對(duì)預(yù)報(bào)量和因子間的線性和非線性關(guān)系均有較好 的模擬逼近能力。grnn具有較強(qiáng)的非線性映射能力和強(qiáng)大的柔性網(wǎng)絡(luò)結(jié)構(gòu)，主要包括輸入層、模式層、求和層以及輸出層4個(gè)層結(jié)構(gòu)，容錯(cuò)性較好，適于解決非線性問(wèn)題，在樣本點(diǎn)較少 情形下預(yù)測(cè)效果亦較好。設(shè)網(wǎng)絡(luò)的輸入層為x =1x1,x2，用,xn】t ,輸出層為y = yi,y2*l,yn。則模式層神經(jīng)元傳遞函數(shù)為:(2-2)(2-3)(2-4)(2-5)p=exppx-xj2x')i=1,2mnj2仃j求和層至求和層輸出函數(shù)為：nsd = ' pj神經(jīng)元j

22、的輸出對(duì)應(yīng)估算y的的第j個(gè)輸出:j 1smiyj= - j =1,21,1ksd(3)建模及預(yù)報(bào)所需數(shù)據(jù)建模數(shù)據(jù)包括：日光溫室內(nèi)日最低氣溫、溫室外日最高氣溫、溫室外日最低氣溫;預(yù)報(bào)數(shù)據(jù)輸入量：預(yù)報(bào)日溫室外日最高氣溫、預(yù)報(bào)日溫室外日最低氣溫；預(yù)報(bào)數(shù)據(jù)輸出量：預(yù)報(bào)日日光溫室內(nèi)日最低氣溫。備注：建模數(shù)據(jù)要求至少一個(gè)完整生產(chǎn)季資料(11月至次年4月)。2.2.1.1.2基于逐步回歸法的溫室最低氣溫預(yù)報(bào)(1)預(yù)報(bào)時(shí)效日光溫室內(nèi)日最低氣溫的預(yù)報(bào)時(shí)效為 168小時(shí)，即未來(lái)7天。(2)預(yù)報(bào)方法基于f檢驗(yàn)的逐步回歸。(3)預(yù)報(bào)模型構(gòu)建(2-6)按照不同預(yù)報(bào)時(shí)效，分別構(gòu)建未來(lái)1 h24 h、25 h48 h以及4

23、9168h日最低氣溫預(yù) 報(bào)模型，相應(yīng)的模型構(gòu)建備選因子分別參見(jiàn)表 2-2、表2-3及表2-4。模型表達(dá)形式見(jiàn)公 式(2-6)。y =a0 , a1x1 a2x2 . i 卜 an1xn1式中：日光溫室內(nèi)日最低氣溫，單位為攝氏度(c)；a0an1回歸系數(shù)，無(wú)量綱;xixn2模型因子；n1篩選出的模型因子個(gè)數(shù)。表2-2未來(lái)1 h24 h日光溫室氣象要素日最低氣溫預(yù)報(bào)模型備選因子序號(hào)因子因子說(shuō)明|xi預(yù)報(bào)日最高氣溫溫室外預(yù)報(bào)x2預(yù)報(bào)日最低氣溫x3預(yù)報(bào)日前1 h24 h最高氣溫溫室內(nèi)實(shí)況x4預(yù)報(bào)日前1 h24 h最低氣溫x5預(yù)報(bào)日前1 h24 h最小相對(duì)濕度x6預(yù)報(bào)日前1 h24 h最圖0 cm地溫x

24、7預(yù)報(bào)日前1 h24 h最低0 cm地溫x8預(yù)報(bào)日前25 h48 h平均氣溫x9預(yù)報(bào)日前25 h48 h最高氣溫x10預(yù)報(bào)日前25 h48 h最低氣溫x11預(yù)報(bào)目前25 h48 h平均相對(duì)濕度x12預(yù)報(bào)目前25 h48 h最小相對(duì)濕度x13預(yù)報(bào)日前25 h48 h平均0 cm地溫x14預(yù)報(bào)日前25 h48 h最圖0 cm地溫x15預(yù)報(bào)目前25 h48 h最低0 cm地溫x16預(yù)報(bào)日前1 h24 h最高氣溫溫室外實(shí)況x17預(yù)報(bào)日前1 h24 h最低氣溫x18預(yù)報(bào)日前25 h48 h最高氣溫x19預(yù)報(bào)日前25 h48 h最低氣溫表2-3未來(lái)25 h48 h日光溫室氣象要素日最低氣溫預(yù)報(bào)模型備選因子

25、序號(hào)因子因子說(shuō)明x1預(yù)報(bào)日最高氣溫溫室外預(yù)報(bào)x2預(yù)報(bào)日最低氣溫x3預(yù)報(bào)日前1 h24 h最高氣溫x4預(yù)報(bào)日前1 h24 h最低氣溫x5預(yù)報(bào)日前25 h48 h最高氣溫溫室內(nèi)實(shí)況x6預(yù)報(bào)日前25 h48 h最低氣溫x7預(yù)報(bào)目前25 h48 h最小相對(duì)濕度x8預(yù)報(bào)日前25 h48 h最圖0 cm地溫x9預(yù)報(bào)目前25 h48 h最低0 cm地溫x10預(yù)報(bào)日前25 h48 h最高氣溫溫室外實(shí)況x11預(yù)報(bào)日前25 h48 h最低氣溫表2-4未來(lái)49 h168 h日光溫室氣象要素日最低氣溫預(yù)報(bào)模型備選因子序號(hào)因子因子說(shuō)明xi預(yù)報(bào)日最高氣溫溫室外預(yù)報(bào)x2預(yù)報(bào)日最低氣溫x3預(yù)報(bào)日前1 h24 h最高氣溫x4預(yù)

26、報(bào)日前1 h24 h最低氣溫x5預(yù)報(bào)日前25 h48 h最高氣溫x預(yù)報(bào)日前25 h48 h最低氣溫2.2.1.1.3 案例(1) grnn神經(jīng)網(wǎng)絡(luò)法范例利用山東省2007-2013年晴天、多云、陰天條件下日光溫室內(nèi)最低氣溫及自動(dòng)氣象 站最高氣溫、最低氣溫實(shí)測(cè)資料，采用神經(jīng)網(wǎng)絡(luò)的方法建立日光溫室內(nèi)最低溫度預(yù)報(bào)模 型，模擬2014-2015年溫室內(nèi)最低溫度，并以同期實(shí)測(cè)資料進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果如下：晴天條件下溫室內(nèi)最低氣溫樣本量為 70個(gè)，模擬值與實(shí)測(cè)值對(duì)比檢驗(yàn)結(jié)果 rmse 為1.1c；多云條件下溫室內(nèi)最低氣溫樣本量為24個(gè)，模擬值與實(shí)測(cè)值對(duì)比檢驗(yàn)結(jié)果rmse為2.0c ；陰天條件下溫室內(nèi)最低氣溫

27、樣本量為 31個(gè)，模擬值與實(shí)測(cè)值對(duì)比檢驗(yàn) 結(jié)果rmse為20c ,圖2-1為天氣類(lèi)型下溫室內(nèi)最低氣溫模擬值與實(shí)測(cè)值1:1對(duì)比圖。201:1 線n=70 rmse=1.148915101520模擬值/ c.c/值測(cè)實(shí)圖2-156789101112131415模擬值/ c不同天氣條件下溫室內(nèi)最低氣溫模擬值與實(shí)測(cè)值對(duì)比圖(2)逐步回歸法范例利用山東省2008-2014年生產(chǎn)季內(nèi)萊蕪、東營(yíng)、淄博日光溫室小氣候觀測(cè)站逐小時(shí) 觀測(cè)資料及該區(qū)域自動(dòng)氣象站逐日觀測(cè)資料，構(gòu)建不同時(shí)效溫室內(nèi)日最低氣溫預(yù)報(bào)模 型：12月未來(lái)1 h24 h氣象要素日最低氣溫預(yù)報(bào)模型示例：yi=254+0.25x2+0.05x3+0.

28、80x4-0.17x6+0.34xi3-0.19xi7式中，y1為12月晴天日光溫室內(nèi)日最低氣溫；x2為溫室外預(yù)報(bào)日最低氣溫；x3為 溫室內(nèi)預(yù)報(bào)日前1 h24 h最高氣溫；x4為溫室內(nèi)預(yù)報(bào)日前1 h24 h最低氣溫；k為溫室 內(nèi)預(yù)報(bào)日前1 h24 h最高0 cm地溫；x13為溫室內(nèi)預(yù)報(bào)日前25 h48 h平均0 cm地溫； x17為溫室外預(yù)報(bào)日前1 h24 h最低氣溫。12月未來(lái)25 h48 h氣象要素日最低氣溫預(yù)報(bào)模型示例：y2=0.60+0.29x2-0.18x4+0.10x5+0.77x6式中，y2為12月晴天日光溫室內(nèi)日最低氣溫；x2為溫室外預(yù)報(bào)日最低氣溫；x4為溫室外預(yù)報(bào)日前1 h2

29、4 h最低氣溫；x5為溫室內(nèi)預(yù)報(bào)日前25 h48 h最高氣溫；k為溫 室內(nèi)預(yù)報(bào)日前25 h48 h最低氣溫。11月未來(lái)49 h168 h氣象要素日最低氣溫預(yù)報(bào)模型示例：y3=8.57+0.32x2+0.10x3-0.18x4+0.11x5式中，y3為11月陰天日光溫室內(nèi)日最低氣溫；x2為溫室外預(yù)報(bào)日最低氣溫；x3為 溫室外預(yù)報(bào)日前1 h24 h最高氣溫；x4為溫室外預(yù)報(bào)日前1 h24 h最低氣溫；x5為溫室 外預(yù)報(bào)日前25 h48 h最高氣溫。利用2014年11月至2015年4月萊蕪、東營(yíng)、淄博日光溫室小氣候觀測(cè)站逐小時(shí) 觀測(cè)資料及該區(qū)域自動(dòng)氣象站逐日觀測(cè)資料進(jìn)行最低氣溫預(yù)報(bào)模型檢驗(yàn)，圖 2-

30、2為12 月晴天未來(lái)1天日最低氣溫預(yù)報(bào)值與實(shí)際觀測(cè)值 1:1對(duì)比圖。表2-5為山東省未來(lái)1-72 小時(shí)日最低氣溫預(yù)報(bào)模型檢驗(yàn)結(jié)果，預(yù)報(bào)誤差低于2 c概率達(dá)91%-100%。圖2-2山東12月晴天未來(lái)1天日最低氣溫預(yù)報(bào)值與實(shí)際對(duì)比圖a膽景里表2-5山東省未來(lái)1-72小時(shí)小氣候日要素預(yù)報(bào)模型檢驗(yàn)結(jié)果預(yù)報(bào)時(shí)效最低溫度準(zhǔn)確率（） w2c1-24小時(shí)9625-48小時(shí)10049-72小時(shí)912.2.1.2溫室逐小時(shí)氣溫預(yù)報(bào)2.2.1.2.1 預(yù)報(bào)時(shí)效日光溫室內(nèi)日最低氣溫的預(yù)報(bào)時(shí)效為168小時(shí)，即未來(lái)7天。2.2.1.2.2 預(yù)報(bào)方法基于f檢驗(yàn)的逐步回歸。2.2.1.2.3 預(yù)報(bào)模型構(gòu)建溫室外天氣狀況對(duì)溫

31、室內(nèi)環(huán)境小氣候的影響，除了考慮晴、多云和陰天不同天氣類(lèi) 型外，不同月份、日內(nèi)不同時(shí)間段溫室內(nèi)外氣象要素相關(guān)關(guān)系也存在較大差異，為此， 為了提高預(yù)報(bào)精度，逐小時(shí)氣溫預(yù)報(bào)模型需要按照天氣類(lèi)型、月份和日內(nèi)不同時(shí)間分別 構(gòu)建?？紤]到預(yù)報(bào)模型輸入因子的可獲取性，采取分不同預(yù)報(bào)時(shí)效的模型構(gòu)建，用于未 來(lái)1 h24 h、25 h48 h以及49168h小時(shí)預(yù)報(bào)模型構(gòu)建的備選因子分別參見(jiàn)表2-6、表2-7及表2-8。模型表達(dá)形式見(jiàn)公式（2-7）。y =b0 +白x +2x2 +川+bn2xn2（2-7）式中：y 氣溫，單位為攝氏度（c）；空氣相對(duì)濕度，單位為百分?jǐn)?shù)（）；地表溫度，單位為攝氏度（c） ；10 c

32、m地溫，單位為攝氏度（c）；bobn2 回歸系數(shù)，無(wú)量綱；xixn2模型因子；n2篩選出的模型因子個(gè)數(shù)。表2-6未來(lái)1 h24 h日光溫室氣象要素小時(shí)預(yù)報(bào)模型備選因子x因子單位因子說(shuō)明xi預(yù)報(bào)日預(yù)報(bào)時(shí)次無(wú)量綱常數(shù)x2預(yù)報(bào)日預(yù)報(bào)時(shí)次的太陽(yáng)高度角°計(jì)算值x3預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 1h太陽(yáng)高度角°x4預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 2h太陽(yáng)高度角°x5預(yù)報(bào)日最高氣溫c溫室外預(yù)報(bào)x預(yù)報(bào)日最低氣溫cx7預(yù)報(bào)目前24 h最高氣溫c溫室外實(shí)況x預(yù)報(bào)目前24 h最低氣溫cx9預(yù)報(bào)日前25 h 48 h最高氣溫cx10預(yù)報(bào)日前25 h 48 h最低氣溫cx11預(yù)報(bào)日前24 h最高氣溫c溫室內(nèi)實(shí)況

33、x12預(yù)報(bào)目前24 h最低氣溫cx13預(yù)報(bào)目前24 h最小空氣相對(duì)濕度%x14預(yù)報(bào)日前24 h最高0 cm地溫cx15預(yù)報(bào)日前24 h最低0 cm地溫cx16預(yù)報(bào)日前25 h 48 h平均氣溫cx17預(yù)報(bào)日前25 h 48 h最高氣溫cx18預(yù)報(bào)日前25 h 48 h最低氣溫cx19預(yù)報(bào)日前25 h 48 h平均空氣相對(duì)濕度%x20預(yù)報(bào)目前25 h 48 h時(shí)最小空氣相對(duì)濕度%x21預(yù)報(bào)目前25 h 48 h平土勻0 cm地溫cx22預(yù)報(bào)目前25 h 48 h最高0 cm地溫cx23預(yù)報(bào)目前25 h 48 h最低0 cm地溫c表2-7未來(lái)25 h48 h光溫室氣象要素小時(shí)預(yù)報(bào)模型備選因子x因子

34、單位因子說(shuō)明x1預(yù)報(bào)日預(yù)報(bào)時(shí)次無(wú)量綱常數(shù)x2預(yù)報(bào)日預(yù)報(bào)時(shí)次的太陽(yáng)高度角°計(jì)算值x3預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 1h太陽(yáng)高度角°x4預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 2h太陽(yáng)高度角°x預(yù)報(bào)日最高氣溫c溫室外預(yù)報(bào)x6預(yù)報(bào)日最低氣溫cx7預(yù)報(bào)日前1 h24 h最高氣溫cx預(yù)報(bào)日前1 h24 h最低氣溫c*9預(yù)報(bào)日前25 h48 h最高氣溫cx10預(yù)報(bào)日前25 h48 h最低氣溫cxii預(yù)報(bào)日前25 h48 h最高氣溫c溫室內(nèi)實(shí)況x12預(yù)報(bào)日前25 h48 h最低氣溫cx13預(yù)報(bào)目前25 h48 h最小空氣相對(duì)濕度%x4預(yù)報(bào)目前25 h48 h最高0 cm地溫cx15預(yù)報(bào)目前25 h48 h最

35、低0 cm地溫c表2-8未來(lái)49 h168 h日光溫室氣象要素小時(shí)預(yù)報(bào)模型備選因子x因子單位因子說(shuō)明xi預(yù)報(bào)日預(yù)報(bào)時(shí)次無(wú)量綱常數(shù)又2預(yù)報(bào)日預(yù)報(bào)時(shí)次的太陽(yáng)高度角°計(jì)算值x3預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 1h太陽(yáng)高度角°x4預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 2 h太陽(yáng)高度角°x預(yù)報(bào)日最高氣溫c溫室外預(yù)報(bào)x6預(yù)報(bào)日最低氣溫cx7預(yù)報(bào)日前1 h24 h最高氣溫cx8預(yù)報(bào)日前1 h24 h最低氣溫cx9預(yù)報(bào)日前25 h48 h最高氣溫cxi0預(yù)報(bào)日前25 h48 h最低氣溫c2.2.1.2.4 案例基于共同的小氣候觀測(cè)要素，利用逐步回歸方法，對(duì)不同季節(jié)月份、不同天氣類(lèi)型以及不同時(shí)間段分別構(gòu)建逐小時(shí)

36、的氣溫預(yù)報(bào)模型。以山東省12月晴天未來(lái)1-24小時(shí)逐小時(shí)氣溫預(yù)報(bào)為例,預(yù)報(bào)準(zhǔn)確率見(jiàn)表 2-9。0-7時(shí)預(yù)報(bào)模型：yi=-1.67-0.12xi+0.09x4+0.34xi5+0.86x20式中，yi為12月晴天未來(lái)1-24小時(shí)0-7時(shí)逐小時(shí)氣溫；xi為預(yù)報(bào)日預(yù)報(bào)時(shí)次；x4 為預(yù)報(bào)日預(yù)報(bào)時(shí)次的前2 h太陽(yáng)高度角；xi5為室內(nèi)預(yù)報(bào)日前24 h最低0 cm地溫；x?。為 室內(nèi)預(yù)報(bào)日前25 h 48 h平均0 cm地溫。8-17時(shí)預(yù)報(bào)模型：y2=0.61-0.21xi-0.04x2+0.13x4+0.18x5-0.26x7+0.56x9-0.27xi3+0.77xi6+0.03x20式中，y2為12月

37、晴天未來(lái)1-24小時(shí)8-17時(shí)逐小時(shí)氣溫；xi為預(yù)報(bào)日預(yù)報(bào)時(shí)次；x2為預(yù)報(bào)日預(yù)報(bào)時(shí)次的太陽(yáng)高度角；x4為預(yù)報(bào)日預(yù)報(bào)時(shí)次的前2 h太陽(yáng)高度角；x5為室外 預(yù)報(bào)日最高氣溫；x7為室外預(yù)報(bào)日前24 h最高氣溫；x9為室外預(yù)報(bào)日前25 h 48 h最高 氣溫；xi3為室內(nèi)預(yù)報(bào)日前24 h最小空氣相對(duì)濕度；xi6為室內(nèi)預(yù)報(bào)日前25 h 48 h平均 氣溫；x20為室內(nèi)預(yù)報(bào)日前25 h 48 h時(shí)最小空氣相對(duì)濕度。18-23時(shí)預(yù)報(bào)模型：y3=7.50-0.16xi-0.03x2+0.11x4+0.40x7-0.33xii+0.83xi5-0.25xi6-0.54x22式中，y3為12月晴天未來(lái)1-24小時(shí)

38、18-23時(shí)逐小時(shí)氣溫；xi為預(yù)報(bào)日預(yù)報(bào)時(shí)次；x2為預(yù)報(bào)日預(yù)報(bào)時(shí)次的太陽(yáng)高度角；x4為預(yù)報(bào)日預(yù)報(bào)時(shí)次的前2 h太陽(yáng)高度角；x7為室 外預(yù)報(bào)日前24 h最高氣溫；xii為室內(nèi)預(yù)報(bào)日前24 h最高氣溫；xi5為室內(nèi)預(yù)報(bào)日前25 h 48 h最高氣溫；xi6為室內(nèi)預(yù)報(bào)日前25 h 48 h最低氣溫；x22為室外預(yù)報(bào)日前25 h 48 h 最高氣溫。表2-9 12月晴天未來(lái)1-24小時(shí)氣溫預(yù)報(bào)模型檢驗(yàn)準(zhǔn)備率時(shí)間段總樣本樣本數(shù)（2c）準(zhǔn)確率（磴c ）0-76785540.828-175274090.78118-23168980.58平均準(zhǔn)確率137310610.770510152025-e圖2-3 未來(lái)

39、1-24小時(shí)00:00-07:00逐小時(shí)氣溫預(yù)報(bào)值與實(shí)測(cè)值對(duì)比圖圖2-4未來(lái)1-24小時(shí)天08:00-17:00逐小時(shí)氣溫預(yù)報(bào)值與實(shí)測(cè)值對(duì)比圖ptall彘罡252。1510500510152025觀測(cè)值圖2-5 未來(lái)1-24小時(shí)18:00-23:00逐小時(shí)氣溫預(yù)報(bào)值與實(shí)測(cè)值對(duì)比圖利用相同方法構(gòu)建不同月份、不同天氣類(lèi)型、不同時(shí)段的未來(lái) 1-168小時(shí)氣溫預(yù)報(bào) 模型，檢驗(yàn)結(jié)果見(jiàn)表2-10。其中，未來(lái)1-24小時(shí)氣溫預(yù)報(bào)準(zhǔn)確率為 82%,未來(lái)25-48 小時(shí)預(yù)報(bào)準(zhǔn)確率為78%,未來(lái)49-168小時(shí)預(yù)報(bào)準(zhǔn)確率為77%。表2-10山東省未來(lái)1-168小時(shí)氣溫預(yù)報(bào)模型檢驗(yàn)結(jié)果預(yù)報(bào)時(shí)效1-24小時(shí)25-48

40、小時(shí)49-168小時(shí)準(zhǔn)確率（w 2 c）82%78%77%2.2.1.3災(zāi)害等級(jí)預(yù)報(bào)利用2.2.1.1和2.2.1.2中建立的小氣候預(yù)報(bào)模型，可預(yù)報(bào)獲得溫室日最低氣溫，結(jié) 合低溫災(zāi)害指標(biāo)，對(duì)設(shè)施農(nóng)業(yè)低溫災(zāi)害影響等級(jí)進(jìn)行判識(shí)從而確定最終預(yù)報(bào)結(jié)果，預(yù)報(bào) 等級(jí)分別為無(wú)災(zāi)、輕災(zāi)、中災(zāi)、重災(zāi)（圖 2-6）。預(yù)報(bào)結(jié)果逐時(shí)氣溫影響預(yù)報(bào) 無(wú)/輕/中/重2.2.2基于結(jié)構(gòu)方程法溫室內(nèi)最低氣溫，受設(shè)施內(nèi)、外環(huán)境諸多氣象要素共同影響，且其影響具有一定滯 后性。以往影響因子選擇，通常是采用相關(guān)比較法，由于部分氣象因子間常常存在高度 相關(guān)性，干擾了致災(zāi)因子甄別的客觀性，為此，可以通過(guò)引入結(jié)構(gòu)方程理論，將驗(yàn)證性 因子模型

41、和（潛變量）因果模型有機(jī)結(jié)合，構(gòu)建能夠解釋設(shè)施內(nèi)、外氣象要素多因變量 之間、隱性變量和顯變量之間定量關(guān)系的結(jié)構(gòu)方程，通過(guò)路徑系數(shù)確定了致災(zāi)因子及其 對(duì)災(zāi)害形成的貢獻(xiàn)度。利用層次分析法客觀量化致災(zāi)因子的影響權(quán)重，并構(gòu)建災(zāi)害預(yù)警 模型。2.2.2.1 結(jié)構(gòu)方程構(gòu)建結(jié)構(gòu)方程模型的建立過(guò)程包括三個(gè)主要步驟，即構(gòu)造模型、估計(jì)模型參數(shù)以及檢驗(yàn) 模型對(duì)數(shù)據(jù)的擬合程度。在進(jìn)行模型估計(jì)之前，先要根據(jù)理論分析或根據(jù)以往研究成果來(lái)設(shè)定初始理論模型，再確定此模型中需要估計(jì)的參數(shù)，最后對(duì)測(cè)量模型部分按驗(yàn)證性因子分析模型的識(shí) 別方法進(jìn)行判斷，如果通過(guò)則整個(gè)模型可以識(shí)別。模型主要常用的參數(shù)估計(jì)方法為未加 權(quán)最小平方法、一般

42、化最小平方法、極大似然估計(jì)法、漸進(jìn)分布自由法、尺度自由最小 平方法。極大似然估計(jì)法是目前應(yīng)用最廣的 sem適配函數(shù)估計(jì)法。路徑分析中，變量間的影響效果包含直接效果與間接效果，兩者的效果總量合稱(chēng)為外因變量對(duì)內(nèi)因變量影響的總效果值。以五個(gè)變量間的路徑模型圖2-7為例：圖2-7路徑模型圖預(yù)測(cè)變量x1對(duì)效標(biāo)變量x3的直接效果路徑為p31,直接效果為單向箭頭的影響，中 間沒(méi)有中介變量，其它變量間的效果影響用同樣方式表示。上圖中共提供了直接效果項(xiàng) 為9個(gè)。間接效果是預(yù)測(cè)變量對(duì)效標(biāo)變量的影響，通過(guò)一個(gè)以上的中介變量，如外因變 量x1對(duì)內(nèi)因變量x5為例，其間接效果影響路徑有3條。2.2.2.2 預(yù)報(bào)模型構(gòu)建通

43、過(guò)對(duì)所構(gòu)建的結(jié)構(gòu)方程模型進(jìn)行路徑分析，經(jīng)統(tǒng)計(jì)分析獲得各因子對(duì)預(yù)測(cè)變量的貢獻(xiàn)度，從而確定主要致災(zāi)因子；根據(jù)主要致災(zāi)因子的貢獻(xiàn)度和排序，采用層次分析法 確定各因子的權(quán)重系數(shù)；利用權(quán)重系數(shù)構(gòu)建低溫災(zāi)害影響指數(shù)模型。圖2-10為基于山東觀測(cè)數(shù)據(jù)的日光溫室內(nèi)最低氣溫結(jié)構(gòu)方程模型，因子貢獻(xiàn)度見(jiàn)表2-11,由此，日光溫室低溫災(zāi)害影響等級(jí)預(yù)報(bào)模型為：k=0.2149xi +0.1925x2+0.1734x3+0.1217x4+0.0942x5+0.0822x6+0.0720x7+0.0424x8+0.032式中：xi代表前1天溫室內(nèi)最低氣溫；x2代表前2天溫室內(nèi)地表溫度；x3代表前2 大溫室內(nèi)最低氣溫；x4代

44、表當(dāng)天溫室外最低氣溫；x5代表前2天溫室外總輻射；x6代 表前1天溫室內(nèi)地表溫度；x7代表前1天溫室外最低氣溫；x8代表前1天溫室外總輻射； x9代表前2天溫室外最低氣溫。上述模型k值是一個(gè)等級(jí)值，1三k三4,按照4舍5入法則取整為1, 2, 3, 4,分 別對(duì)應(yīng)無(wú)、輕、中、重4個(gè)災(zāi)害影響預(yù)報(bào)等級(jí)，模型中各致災(zāi)因子亦為無(wú)量綱的等級(jí)量 值，即模型中9個(gè)因子均劃分為1-4四個(gè)等級(jí)值，致災(zāi)因子等級(jí)值的劃分與賦值，可根 據(jù)溫室蔬菜不同發(fā)育階段災(zāi)害等級(jí)指標(biāo)值與各致災(zāi)因子觀測(cè)數(shù)據(jù)的對(duì)應(yīng)關(guān)系進(jìn)行確定， 按照無(wú)、輕、中、重分別標(biāo)記為1、2、3、4。圖2-8日光溫室內(nèi)最低氣溫結(jié)構(gòu)方程模型的路徑圖表2-11所選氣

45、象因子貢獻(xiàn)度及排序結(jié)果氣象因子outtdoouttd1total 1total 2dw002outtd2dw001intd2intd1貝獻(xiàn)度0.120.070.040.090.190.030.080.170.21排序4785296312.2.2.3 致災(zāi)因子等級(jí)賦值設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)結(jié)果為災(zāi)害的氣象等級(jí)，模型中各致災(zāi)因子的輸入量均為無(wú)量綱的等級(jí)值，即根據(jù)無(wú)、輕、中、重災(zāi)害等級(jí)分別將有量綱數(shù)據(jù)轉(zhuǎn)化賦值為1、2、3、4。以山東日光溫室為例，分別給出如下因子等級(jí)轉(zhuǎn)換方法。（1） 0厘米地溫等級(jí)轉(zhuǎn)換利用溫室內(nèi)最低氣溫與地溫的歷史資料進(jìn)行 2次非線性擬合，以山東黃瓜為例得到 表2-12擬合結(jié)果，將

46、溫室內(nèi)最低氣溫指標(biāo)代入擬合方程， 得到地表溫度等級(jí)界限值（表 2-13）。表2-12二次擬合方程站點(diǎn)擬合方程（x為溫室內(nèi)最低氣溫；y為地表0厘米溫度）r2臨淄y = 7.8179+0.82704x+0.00766x 20.8159章丘y = 8.66154+0.66159x+0.01468 x 20.7108利津 一一_ _2y = 8.8539+0.78025x+0.00105 x0.8059萊蕪y = 11.39445+0.33076x+0.02215 x20.7541平度y = 5.30136+1.09283x-0.00753 x20.7041表2-13 （a）溫室內(nèi)最低氣溫與地表 0厘

47、米溫度等級(jí)指標(biāo)轉(zhuǎn)換（苗期）品種室內(nèi)最低溫臨淄萊蕪東宮平度濟(jì)南等級(jí)<8< 14.9245< 15.4581< 15.1631< 13.5621p < 14.89384黃瓜1218.845418.553218.368117.33118.714531521.94721.339620.793919.999621.88842>15>21.947>21.3396>20.7939>19.9996>21.88841<6< 13.0559< 14.1764< 13.5732< 11.5873 13.15964番

48、茄1016.854316.917116.761415.476716.745431521.94721.339620.793919.999621.88842>15>21.947>21.3396>20.7939>19.9996>21.88841v16.9985211.08588.07474.201< 8.014634芹菜310.36812.586111.20418.5120810.77843814.924515.458115.163113.562114.89382>8>14.9245>15.4581>15.1631>13.562

49、1>14.89381表2-13 （b） 溫室內(nèi)最低氣溫與地表 0厘米溫度等級(jí)指標(biāo)轉(zhuǎn)換（花果期）品種室內(nèi)最低溫淄博萊蕪東宮平度濟(jì)南等級(jí)<5用2.1446<13.602<12.7814<10.577342.33654黃瓜1016.854316.917116.761415.476716.745431218.845418.553218.368117.33118.71452>12>18.8454>18.5532>18.3681>17.331>18.71451<5用2.144643.602<12.7814<10.57734

50、2.33654番茄1016.854316.917116.761415.476716.745431319.86419.437719.174618.235619.74312>13>19.864>19.4377>19.1746>18.2356>19.74311v1 6.99852< 11.0858< 8.0747<4.21< 8.014634芹菜512.144611.08588.07474.2018.0146331016.854313.60212.781410.577312.33652>10>16.8543>16.9171

51、>16.7614>15.4767>16.74541（2）輻射等級(jí)轉(zhuǎn)換山東省現(xiàn)有濟(jì)南、莒縣、福山3個(gè)太陽(yáng)輻射觀測(cè)站，其他地區(qū)均無(wú)輻射觀測(cè)站點(diǎn)， 因此，需要對(duì)不同地區(qū)的太陽(yáng)輻射進(jìn)行轉(zhuǎn)換。 日照百分率p是一天中日照時(shí)數(shù)t與可照 時(shí)數(shù)的比值，也與地理緯度有直接關(guān)系（氣象學(xué)， 1995）,因此考慮利用不同站點(diǎn)問(wèn)日 照百分率的相關(guān)性轉(zhuǎn)換為太陽(yáng)輻射的相關(guān)性。以山東省章丘、平度、臨淄、利津、萊蕪 五站為例，提取相同時(shí)段內(nèi)各站及濟(jì)南、莒縣、福山三站日照時(shí)數(shù)并計(jì)算日照百分率， 分別對(duì)五站與濟(jì)南、莒縣、福山三站的日照百分率進(jìn)行相關(guān)性計(jì)算，結(jié)果均通過(guò)自由度 為0.01的顯著性檢驗(yàn)，如表2-14。其中章丘、臨淄、利津、萊蕪四站均與濟(jì)南站相關(guān) 系數(shù)最大，平度與福山相關(guān)系數(shù)最大。表2