一种基于气象条件的荔枝大小年区域预报模型的构建方法
技术领域
本发明涉及一种模型构建方法，具体是一种基于气象条件的荔枝大小年区域预报模型的构建方法。
背景技术
荔枝(学名：Litchi chinensis Sonn.)，别名离枝，属无患子科荔枝属的常绿乔木，与香蕉、菠萝、龙眼一同号称“南国四大果品”。荔枝果皮有鳞斑状突起，成熟时通常暗红色至鲜红色，果肉产鲜时半透明凝脂状，味香美，但不耐储藏，分布于中国的西南部、南部和东南部，广东和福建南部栽培最盛，荔枝是大小年非常明显的亚热带水果，小年与大年相比减产达到80％以上。大小年产生的主要原因是气象条件限制了花开坐果和土壤养分供应不足，但是有关荔枝大小年年型诊断或预报方法还没有实现定量化，也没有直接找到大小年产生的根本原因，致使生产上的任何调控只能是仁者见仁智者见智，尽管多多少少都会有所收效，但是结果远不理想。
目前针对荔枝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，因此我们提出一种基于气象条件的荔枝大小年区域预报模型构建方法进行进一步优化。
发明内容
本发明的目的在于提供一种基于气象条件的荔枝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荔枝大小年区域预报模型的构建方法，其方法步骤如下：
S1：进行荔枝大小年年型数据的准备；
S2：进行气象数据的准备；
S3：建立区域预报概念模型；
S4：建立区域预报解析模型；
S5:得到具体预报模型。
作为本发明进一步的方案：所述S1中通过模型使用者进行监测荔枝产量大小年的年型数据，同时也可以是通过渠道获取的荔枝产量大小年的年型数据，监测的荔枝产量大小年的年型数据为同一地区1000亩以上的荔枝园，同时进行连续10年以上监测的监测数据。S1中通过相关部门调查和数据分析确定的大年、偏大年、平年、偏小年和小年5级，并分别赋值5、4、3、2和1数值。
作为本发明再进一步的方案：所述S2中的气象数据使用就近国家气象站免费公布的每日气象数据，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、降水量和日照时数。
作为本发明再进一步的方案：所述S3中设定Pi＝f(X1；X2；X3；X4)，其中X1为10月31天的日照时数累计值，其中X2为10-11月61天的每日最高温度的平均值，其中X3为10-11月61天的每日最小相对湿度的平均值，其中X4为11月30天的每日降水量的累计值。
作为本发明再进一步的方案：所述S4中设定Pi＝a0+a1*X1+a2*X2+a3*X3+a4*X4，其中a0、a1、a2、a3和a4均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：
1、本发明是基于一个地区过去连续10年以上荔枝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荔枝产地区域的大小年情况，当此模型关系成立后，就可以依据此模型和历史数据、实时数据和未来一段时间气象预报的气象数据进行荔枝大小年区域动态预报。
附图说明
图1为基于气象条件的荔枝大小年区域预报模型的构建方法的方法步骤框图。
具体实施方式
下面将结合本发明实施例中的附图，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。
请参阅图1，本发明实施例中，一种基于气象条件的荔枝大小年区域预报模型的构建方法，其方法步骤如下：
S1：进行荔枝大小年年型数据的准备；
S2：进行气象数据的准备；
S3：建立区域预报概念模型；
S4：建立区域预报解析模型；
S5：得到具体预报模型。
所述S1中通过模型使用者进行监测荔枝产量大小年的年型数据，同时也可以是通过渠道获取的荔枝产量大小年的年型数据，监测的荔枝产量大小年的年型数据为同一地区1000亩以上的荔枝园，同时进行连续10年以上监测的监测数据。S1中通过相关部门调查和数据分析确定的大年、偏大年、平年、偏小年和小年5级，并分别赋值5、4、3、2和1数值。
所述S2中的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、降水量和日照时数。
所述S3中设定Pi＝f(X1；X2；X3；X4)，其中X1为10月31天的日照时数累计值，其中X2为10-11月61天的每日最高温度的平均值，其中X3为10-11月61天的每日最小相对湿度的平均值，其中X4为11月30天的每日降水量的累计值。
所述S4中设定Pi＝a0+a1*X1+a2*X2+a3*X3+a4*X4，其中a0、a1、a2、a3和a4均为统计方法获得的模型参数。
模型的重要意义在于：如果模型得不出荔枝大小年与土壤养分供应的显著相关关系，则气象条件为荔枝产量大小年影响的主要因素；在不利气象年型下主动采取措施避免花期等与不利气象条件相遇,如暖冬采取植物生长调节剂控制早花、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。
实施例
S1：进行荔枝大小年年型数据的准备；
S2：进行气象数据的准备；
S3：建立区域预报概念模型；
S4：建立区域预报解析模型；
S5：得到具体预报模型。
S1中通过相关部门调查和数据分析确定1990-2019海南儋州荔枝产量大小年年型，将大年、偏大年、平年、偏小年和小年5级分别赋值5、4、3、2和1数值。
S2中通过国家气象站公布的数据得到1990-2019年的海南儋州的气象数据,气象数据包括每日的最高温度、平均温度、最低温度、平均湿度、最低湿度、降水量和日照时数。
S3中通过函数表达式Pi＝f(X1；X2；X3；X4)进行计算；其中X1为10月31天的日照时数累计值，X2为10-11月61天的每日最高温度的平均值，X3为10-11月61天的每日最小相对湿度的平均值，X4为11月30天的每日降水量的累计值，首先对以上四个变量进行0～1变换后再做主成分分析，选取前三个主成分作为自变量与年型赋值(Y)进行回归分析，得到相关系数r＝0.985**，合格率(误差＜±1)＝100％。
S4中Pi＝a0+a1*X1’+a2*X2’+a3*X3’，其中a0、a1、a2和a3为统计方法获得的模型参数，X1’、X2’、X3’为X1、X2、X3、X4(分别为10月31天的日照时数累计值、10-11月61天的每日最高温度的平均值、10-11月61天的每日最小相对湿度的平均值、11月30天的每日降水量的累计值)经过0～1变换后的前3个主成分。
S5中海南儋州当年荔枝大小年的具体预报模型为：
Pi＝3.2092-1.3301*X1’+0.3718*X2’+0.0060*X3’，r＝0.985**，n＝29，合格率100％。大年气象条件为：(1)10月31天的日照时数累计值＜160.0h；(2)10-11月61天的每日最高温度的平均值＜27.5℃；(3)10-11月61天的每日最小相对湿度的平均值＞65.0％；(4)11月30天的每日降水量的累计值＞425.0mm。
这里定义的预报合格率为：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。
