摘要
为提高逐日温度推算精度,采用微波亮温趋势面信息与地理因子相联合的方法,建立多元回归方程,实现了研究区2010年逐日平均气温的推算。所获逐日平均气温经验证,模拟结果与气象站观测结果均方根误差为1.75℃。微波趋势面信息的加入可使逐日平均气温的推算精度提高0.37℃。通过构建的春玉米动态发育期图,提高了春玉米冷害监测时监测指标和发育期的配合度。所获得陕甘宁春玉米冷害监测结果与2011年农业气象灾害统计年鉴的报道在时空上相吻合。研究构建的冷害监测方法简单有效,可为陕甘宁春玉米大范围冷害动态监测提供技术支持。
In order to improve the estimated accuracy of daily mean temperature,multiple regression equations were constru-cted by coupling microwave brightness temperature and geographical factors,which realized the calculation of daily mean temperature of the study area in 2010. Upon verification of the obtained daily mean temperature,the Root-Mean-Square betw-een the simulated results and the observations from weather station was1.75℃. The addition of the microwave brightness c-an increase the estimated accuracy of daily mean temperature by0.37℃. The dynamic graph for spring maize developmental phase constructed in the study improved the compatibility between the monitoring indicators and the developmental phaseat the monitoring time of spring maize for chilling injury. The results obtained from monitoring spring maize for chilling in-jury in Shaanxi-Gansu-Ningxia are and the Yearbook of Meteorological Disasters in China in 2011 are consistent with eachother in time and space.The chilling injury monitoring method constructed in the study is simple and effective,and it can p-rovide technical support for the dynamic monitoring for chilling injury of spring maize on a large scale in Shaanxi-Gansu-Ningxia.
引文
[1]中华人民共和国国家统计局.中国统计年鉴[EB/OL].http://www.stats.gov.cn/tjsj/ndsj/2015/indexch.htm,2015.
[2]高晓容,王春乙,张继权.气候变暖对东北玉米低温冷害分布规律的影响[J].生态学报,2012,32(7):2110-2118.
[3]张超.积温距平指标在玉米低温冷害监测中的适用性分析[J].内蒙古科技与经济,2017(3):71-73.
[4]单新兰,卫建国,韩颖娟.GIS和RS支持下宁夏水稻低温冷害监测预警[J].安徽农业科学,2011(3):1578-1581.
[5]何燕,李政,徐世宏,等.GIS在水稻“寒露风”冷害监测预警中的应用[J].灾害学,2012(1):68-72.
[6]程勇翔,王秀珍,郭建平,等.中国南方双季稻春季冷害动态监测[J].中国农业科学,2014(24):4790-4804.
[7]孙欣.基于MODIS数据的东北地区气温反演及玉米冷害监测研究[D].沈阳:沈阳农业大学,2017.
[8]张丽文.基于GIS和遥感的东北地区水稻冷害风险区划与监测研究[D].杭州:浙江大学,2013.
[9]张丽文,刘志雄,肖玮钰,等.RS和GIS支持下的全天候气温构建在湖北水稻低温冷害监测中的应用[J].湖北农业科学,2017(24):4757-4761,4776.
[10]张丽文,王秀珍,姜丽霞,等.用MODIS热量指数动态监测东北地区水稻延迟型冷害[J].遥感学报,2015(4):690-701.
[11]马玉平,王石立,李维京.基于作物生长模型的东北玉米冷害监测预测[J].作物学报,2011(10):1868-1878.
[12]陈德.基于遥感和作物模型的东北水稻低温冷害监测评估[D].南京:南京信息工程大学,2017.
[13]陈斐.长江中下游双季稻低温冷害监测研究[D].南京:南京信息工程大学,2014.
[14]胡列群,武鹏飞,李新建,等.基于ETM+影像的棉花低温冷害遥感监测方法研究[J].中国农学通报,2011(4):459-463.
[15]刘丹,于成龙,杜春英.基于遥感的东北地区水稻延迟型冷害动态监测[J].农业工程学报,2016(15):157-164.
[16]中华人民共和国自然资源部.2010年陕西省辖区面积区域构成情况[EB/OL].http://gtzyt.shaanxi.gov.cn/info/1196/3022.htm,2010-02-19.
[17]中华人民共和国自然资源部.宁夏回族自治区第一次全国地理国情普查公报[EB/OL].http://www.nxgtt.gov.cn/info/5492/325131.htm,2018-03-08
[18]中华人民共和国自然资源部.2016年甘肃省国土资源公报[EB/OL].http://www.gsdlr.gov.cn/content-e5b7140634534393be5bb0618dde712e.htm,2017-12-12.
[19]宁晓菊,张丽君,杨群涛,等.1951年以来中国无霜期的变化趋势[J].地理学报,2015,70(11):1811-1822.
[20]中国气象局气象数据中心.中国农作物生长发育和农田土壤湿度旬值数据集[EB/OL].http://data.cma.cn/data/cdcdetail/dataCode/AGME_AB2_CHN_TEN.html,2013.
[21]中国气象局气象数据中心.中国地面气候资料日值数据集(V3.0)[EB/OL].http://data.cma.cn/data/cdcdetail/dataCode/SURF_CLI_CHN_MUL_DAY_V3.0.html,2018-02-28.
[22]国家基础地理信息中心.国家大地测量成果[EB/OL].http://www.nsdi.gov.cn/article/sjcg/clkzd/,2018.
[23]地理空间数据云.DEM数字高程数据[EB/OL].http://www.gscloud.cn/sources/?cdataid=302&pdataid=10,2018.
[24]毛克彪,施建成,李召良,等.一个针对被动微波AMSR-E数据反演地表温度的物理统计算法[J].中国科学,2006,36(12):1170-1176.
[25]中国农业信息网.玉米生产与气象[EB/OL].http://www.agri.cn/V20/gw/nszl/201105/t20110504_1984604.htm,2011-05-04.
[26]程勇翔,潘灼坤,黄敬峰.作物发育期时空格局动态演示程序[P].中国专利:00662290,2014-08-14.
[27]蔡新玲,雷向杰,王娜,等.陕西省气象灾害灾情特征及年景评估[J].陕西气象,2011(4):17-20.