一种基于气象条件的芒果大小年区域预报模型的构建方法
技术领域
本发明涉及作物栽培
技术领域
，具体是一种基于气象条件的芒果大小年区域预报模型的构建方法。背景技术
我国是世界芒果第二大主产国，芒果种植历史悠久，近半个世纪以来发展迅速，成为热带地区的重要特色农业产业。目前国内芒果主要有三大产区，分别是海南、广西百色和四川攀枝花。海南是我国最大的芒果产地，目前主要进行反季节栽培，产量大小年不明显。攀枝花市，2018年芒果种植面积达57万亩。百色市右江干热河谷是广西芒果产区，主要分布在右江区、田阳县、田东县、田林县，2017年，芒果种植面积已超过120万亩。海南、广西百色、四川攀枝花三大芒果产区2017年产量分别为48万吨、42万吨和20万吨。芒果是我国重要的仅次于香蕉的第二大热带水果，也是大宗热带水果出口，及进口数量最少的热带水果品种，国内生产消费基本可以维持平衡。
水果生产的大小年现象，是我国乃至世界制约水果发展最大的不确定性。大小年产量大幅度波动，是水果生产的普遍现象，也是一直困扰着水果产业及果农的老大难。大小年不单纯带来产量及收益的年度波动，也带来对树木的损伤和风险，主要表现在树木营养及生殖生长养分供应失调、加剧病虫害爆发损伤风险、降低树木抵御气象灾害的能力等诸多方面，从而造成水果生产的积年甚至不可恢复的损伤。
芒果大小年现象，主要受限于冬春气候、花期和幼果期气象条件、土壤养分即适度和平衡供应、植物体内养分调配，控制植物营养生长和生殖生长内源激素生产及调配，人工管理技术干预等因素，正是这些因素影响和决定着大年、小年或平年及其峰谷波动及幅度。上述影响因素，数量种类繁多、错综复杂、有些因素间存在矢量影响，并且伴随着关键生长时段以及整个生长期序列发挥作用，所以靠单一措施和技术解决大小年的困境是不现实的，实践也证明是不可行的。另外，不同年景即年型、不同地域地块、不同树龄及长势的有效调控管理措施千差万别，不尽相同。这些也可能是造成老生常谈大小年顽症无法解决的根本原因所在。
目前针对芒果大小年成因的研究结果尚无定论，生产上也出现了能一定程度上对小年进行调控的方法，但是还不能形成通用的技术或技术体系，因此亟需设计一种基于气象条件的芒果大小年区域预报模型的构建方法。
发明内容
本发明的目的在于提供一种基于气象条件的芒果大小年区域预报模型的构建方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于气象条件的芒果大小年区域预报模型的构建方法，其构建方法步骤如下：
S1:首先准备芒果大小年年型数据，芒果大小年年型数据由模型使用者监测或其他方式获得；要求是同一地区至少1000亩以上芒果园连续10年以上的监测数据，产量年型分大年、偏大年、平年、偏小年、小年5等，分别赋值5、4、3、2、1数值。
S2:进一步准备气象数据；
S3:进一步确定区域预报概念模型；
S4:最终确定区域预报解析模型。
作为本发明再进一步的方案：所述步骤S2中气象数据使用就近国家气象站免费公布的每日气象数据，一般地在100公里范围内均具有国家气象站，一个气象站平均覆盖3～4个县，历史气象数据可以追溯到几十年以前；气象数据指标包括每日的最高温度、平均温度、最低温度、平均相对湿度、最小相对湿度、降水量、日照时数。
作为本发明再进一步的方案：所述步骤S3中区域预报概念模型为Pi＝f(X1；X2)；其中：X1、X2为大雪节气最低温度和谷雨节气平均湿度。大雪和谷雨节气的时间段为从大雪或谷雨当天开始日起到下一个节气到来的前一天为止，平均约15天。
作为本发明再进一步的方案：所述步骤S4中区域预报解析模型为Pi＝a0+a1*X1+a2*X2，其中a0～a2为统计方法获得的模型参数。
与现有技术相比，本发明的有益效果是：
本发明是基于一个地区过去连续10年以上芒果大小年年型监测结果和就近气象站的气象数据而建立的，模型简单、实用、参数容易获得、预报精度高，可以代表一个气象站所覆盖的芒果产地区域的大小年情况；
本发明区域预报解析模型的重要意义在于：
(a)模型中没有出现土壤养分年型参数，说明芒果大小年主要是气象条件成因；
(b)芒果大小年调控技术应该主要针对气象条件，即当季在不利气象年型下应该主动采取措施避免花期与不利气象条件相遇,如暖冬情况下人工摘花或采取植物生长调节剂控制早花、灌溉增加水分或搭建防雨棚控制降水、增加或降低日照强度等，同时也可以通过调节田间小气候的方式避免小年或偏小年的发生。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例中，一种基于气象条件的芒果大小年区域预报模型的构建方法，其构建方法步骤如下：
S1:首先准备芒果大小年年型数据；
S2:进一步准备气象数据；
S3:进一步确定区域预报概念模型；
S4:最终确定区域预报解析模型；
所述步骤S1中芒果大小年年型数据由模型使用者监测或其他方式获得；要求是同一地区至少1000亩以上芒果园连续10年以上的监测数据，产量年型分大年、偏大年、平年、偏小年、小年5等，分别赋值5、4、3、2、1数值。
所述步骤S2中气象数据使用就近国家气象站免费公布的每日气象数据，一般地在100公里范围内均具有国家气象站，一个气象站平均覆盖3～4个县，历史气象数据可以追溯到几十年以前；气象数据指标包括每日的最高温度、平均温度、最低温度、平均相对湿度、最小相对湿度、降水量、日照时数；
所述步骤S3中区域预报概念模型为Pi＝f(X1；X2)；其中：X1、X2大雪节气最低温度(正相关，12.0℃～14.0℃为宜)和谷雨节气平均湿度(负相关，71.0％～80.0％为宜)；大雪和谷雨节气的时间段为从大雪或谷雨当天开始日起到下一个节气到来的前一天为止，平均约15天。
所述步骤S4中区域预报解析模型为Pi＝a0+a1*X1+a2*X2，其中a0～a2为统计方法获得的模型参数。
其具体实施应用实例如下：
(1)芒果大小年年型数据的准备：
根据对相关部门调查和数据分析确定1991-2019年29年广西南宁芒果产量大小年年型，确定分5级，即小年、偏小年、平年、偏大年、大年，分别赋值1、2、3、4、5数值。
(2)气象数据的准备：
1990-2019年的南宁市气象数据来源于国家气象站,气象数据包括每日的最高温度、平均温度、最低温度、平均相对湿度、最小相对湿度、降水量、日照时数。
(3)区域预报概念模型为：
Pi＝f(X1；X2)；其中：X1、X2大雪节气最低温度(正相关，12.0℃～14.0℃为宜)和谷雨节气平均湿度(负相关，71.0％～80.0％为宜)；大雪和谷雨节气的时间段为从大雪或谷雨当天开始日起到下一个节气到来的前一天为止，平均约15天。
(4)区域预报解析模型为：
Pi＝a0+a1*X1+a2*X2，其中a0～a2为统计方法获得的模型参数。
(5)具体预报模型：
当年芒果大小年预报模型：Pi＝9.8630+0.2044*X1-0.1291*X2，r＝0.883**，n＝41，其中n为年，合格率100％。预报合格率定义为：与当年实测年型相比，误差在±1个年型内的结果为预报合格。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
