何建強(qiáng)教授團(tuán)隊(duì)在大尺度作物產(chǎn)量預(yù)測(cè)研究中取得新進(jìn)展

　　近日，水建學(xué)院何建強(qiáng)教授團(tuán)隊(duì)在農(nóng)林氣象領(lǐng)域權(quán)威期刊《Agricultural and Forest Meteorology》連續(xù)發(fā)表題為“Using support vector machine to deal with the missing of solar radiation data in daily reference evapotranspiration estimation in China”和題為“Weather records from recent years performed better than analogue years when merging with real-time weather measurements for dynamic within-season predictions of rainfed maize yield”的研究論文。水建學(xué)院博士研究生陳上為兩篇論文第一作者，水建學(xué)院何建強(qiáng)教授、機(jī)電學(xué)院蘇寶峰副教授以及國(guó)家氣象局何亮高級(jí)工程師為共同通訊作者。

 

　　高空間分辨率的氣象數(shù)據(jù)往往是大尺度作物產(chǎn)量預(yù)測(cè)的限制要素。由于建造和維護(hù)成本等問(wèn)題，具備太陽(yáng)輻射（Rs）觀測(cè)條件的氣象站點(diǎn)相對(duì)較少，遠(yuǎn)不能滿(mǎn)足相關(guān)業(yè)務(wù)要求。因此，基于簡(jiǎn)單氣象因子的Angstrom-Prescott（A-P）公式被廣泛用于估算太陽(yáng)輻射。然而，A-P公式經(jīng)驗(yàn)系數(shù)（a和b）具有較強(qiáng)的空間變異性，稀疏分布的太陽(yáng)輻射觀測(cè)站點(diǎn)無(wú)法為校準(zhǔn)該系數(shù)提供充足的觀測(cè)數(shù)據(jù)。研究對(duì)比了不同經(jīng)驗(yàn)方法和機(jī)器學(xué)習(xí)算法在A-P公式經(jīng)驗(yàn)系數(shù)、Rs以及ET0估算中的表現(xiàn)，發(fā)現(xiàn)機(jī)器學(xué)習(xí)算法能夠提供較高精度的A-P公式經(jīng)驗(yàn)系數(shù)，其估算值被用于在中國(guó)地區(qū)進(jìn)一步插值生成高空間分辨率的產(chǎn)品。利用本研究提供的A-P公式經(jīng)驗(yàn)系數(shù)估算的Rs值，Penman-Monteith公式獲得了與直接使用機(jī)器學(xué)習(xí)算法相似的ET0估算精度?？紤]到編程的復(fù)雜性，作者認(rèn)為Penman-Monteith公式結(jié)合A-P公式經(jīng)驗(yàn)系數(shù)產(chǎn)品更加適合中國(guó)地區(qū)的ET0估算。

 

　　基于作物生長(zhǎng)模型的生長(zhǎng)季內(nèi)動(dòng)態(tài)產(chǎn)量預(yù)測(cè)能夠?yàn)樘镩g管理措施的實(shí)施以及區(qū)域糧食安全提供重要參考。然而，提供包含預(yù)測(cè)日期至收獲日期之間未知?dú)庀髷?shù)據(jù)的完整覆蓋生長(zhǎng)季的氣象數(shù)據(jù)序列是進(jìn)行此類(lèi)產(chǎn)量預(yù)測(cè)的前提。研究提供了兩種從當(dāng)?shù)貧v史氣象觀測(cè)中尋找相似年份的思路：第一種利用播種前不同年份的氣象數(shù)據(jù)；第二種基于k-NN算法搜索不同氣象因子組合各自對(duì)應(yīng)的氣象相似年型。研究發(fā)現(xiàn)，兩種算法相較于使用全部歷史年份數(shù)據(jù)的原始產(chǎn)量預(yù)測(cè)均能提高相關(guān)預(yù)測(cè)精度。考慮到數(shù)據(jù)和算力的需求，該研究更加推薦使用目標(biāo)生育期前10年的氣象數(shù)據(jù)用作生育期內(nèi)未知?dú)庀髷?shù)據(jù)的替代。

 

　　這兩篇論文的發(fā)表，不僅為Angstrom-Prescott公式在我國(guó)的應(yīng)用提供了可靠的參數(shù)、簡(jiǎn)化了公式應(yīng)用難度、提高了陽(yáng)光輻射估算精度，同時(shí)為開(kāi)展大尺度作物生長(zhǎng)模擬和產(chǎn)量預(yù)報(bào)提供了可靠的數(shù)據(jù)支撐，結(jié)合本研究所建立的作物生長(zhǎng)季內(nèi)動(dòng)態(tài)產(chǎn)量預(yù)測(cè)方法，從而為我國(guó)主要糧食作物的空間大尺度產(chǎn)量預(yù)測(cè)研究和業(yè)務(wù)化應(yīng)用提供了新的途徑和方法，表明西北農(nóng)林科技大學(xué)在該領(lǐng)域研究方面又邁上了新的臺(tái)階。該研究得到國(guó)家自然科學(xué)基金（41961124006，52079115）、國(guó)家重點(diǎn)研發(fā)計(jì)劃（2018YFB1500901），陜西省重點(diǎn)研發(fā)計(jì)劃（2019ZDLNY07-03），我校“雙一流”建設(shè)“農(nóng)業(yè)高效用水與區(qū)域水安全學(xué)科群”所屬“農(nóng)業(yè)生境系統(tǒng)過(guò)程模擬與管理”團(tuán)隊(duì)，以及國(guó)家“111”計(jì)劃（B12007）等項(xiàng)目的資助。

 

　　論文鏈接：

 

　　Using support vector machine to deal with the missing of solar radiation data in daily reference evapotranspiration estimation in China

 

　　https://www.sciencedirect.com/science/article/pii/S0168192322000570

 

　　Weather records from recent years performed better than analogue years when merging with real-time weather measurements for dynamic within-season predictions of rainfed maize yield

 

　　https://www.sciencedirect.com/science/article/pii/S0168192322000041