基于聚类法筛选历史相似气象数据的玉米产量DSSAT-CERES-Maize预测

• Published in: 农业工程学报 Vol. 33; no. 19; pp. 147 - 155
• Main Author: 陈上 窦子荷 蒋腾聪 李华龙 马海姣 冯浩 于强 何建强
• Format: Journal Article
• Language: Chinese
• Published: 西北农林科技大学中国旱区节水农业研究院,杨凌 712100%西北农林科技大学中国旱区节水农业研究院,杨凌 712100 2017; 中国科学院水利部水土保持研究所,杨凌 712100%中国科学院水利部水土保持研究所,杨凌,712100%西北农林科技大学旱区农业水土工程教育部重点实验室,杨凌 712100; 西北农林科技大学中国旱区节水农业研究院,杨凌 712100; 中国科学院水利部水土保持研究所,杨凌 712100; 西北农林科技大学旱区农业水土工程教育部重点实验室,杨凌 712100
• Subjects: 聚类;气象预报;模型;玉米;产量预测;CERES-Maize;K-NN; K-NN; yield forecasting; 聚类; models; weather forecasting; 玉米; clustering algorithms; 模型; 产量预测; 气象预报; CERES-Maize; maize
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2017.19.019

根据陕西杨凌、合阳、长武3个站点各2 a玉米试验,在对玉米生长模拟模型CERES-Maize进行调试、验证的基础上,探索在生育期内进行动态产量预测的方法并验证。研究将目标生育期内未知气象数据分别用试验地的多年历史同期数据代替,结合生育期实时数据对应生成多个完整的气象数据序列运行模型预测产量。随着生育期的推进,逐日在气象数据序列中融入目标年实测的气象数据,从播种至收获动态模拟玉米产量。此外该研究使用改进前后的K-NN算法从历史气象年份中筛选目标年的气象相似年份进而预测产量。通过对3种方法预测精度及预测效率对比,确定改进的K-NN算法最优。研究表明,玉米生育前期产量预测可靠性和准确率均较差,抽雄后预测精度迅速提高;利用改进的K-NN算法在3个站点全生育期预测产量的平均绝对相对误差的均值分别为9.9%、19.8%、17.9%,抽雄后预测产量的平均绝对相对误差在0.2%~12.6%之间,相比于使用全部历史年份数据进行全生育期产量预测,模拟所需时间从61 min缩短至25 min。对该方法中降雨因子的筛选进一步改进可提高预报精度,未来有望达到业务应用水平。