基于粒子群优化小波神经网络模型的春玉米生育阶段干旱预测
曹秀佳1
谷健2
马宁宁3
刘泳圻4
王子豪1
尹光华3
1.中国科学院 沈阳应用生态研究所,沈阳 110016;中国科学院大学,北京 1000492.中国科学院 沈阳应用生态研究所,沈阳 110016;辽宁省农业科学院 耕作栽培研究所,沈阳 1101613.中国科学院 沈阳应用生态研究所,沈阳 1100164.沈阳农业大学,沈阳 110016
摘要：[目的]为更好地开展区域性作物生长季气候干旱预测,指导春玉米高效节水补灌生产.[方法]采用皮尔逊相关系数方法选取了与干旱指数最相关的因子,利用阜新市阜蒙县1965—2019年逐日气象数据,探索建立了粒子群算法优化的小波神经网络模型(PSO-WNN),将春玉米不同生育阶段的水分亏缺指数结果进行对比验证模型精度,并利用模型模拟预测未来5 a干旱发生情况.[结果]通过模型验证,春玉米5个生育阶段(播种—出苗阶段、出苗—拔节阶段、拔节—抽雄阶段、抽雄—乳熟阶段、乳熟—成熟阶段)的均方根误差(RMSE)分别为0.0419、0.0174、0.0481、0.0297、0.0421,决定系数R2分别为0.8402、0.9853、0.8990、0.9575、0.9177,且预测结果与实际干旱等级相符.[结论]文中构建的模型适用于阜新地区春玉米干旱预测,未来5 a该地区春玉米在播种—出苗阶段可能无旱或轻旱,出苗-拔节阶段可能发生中旱甚至特旱,生育后期干旱程度逐渐减弱,拔节—抽雄和抽雄—乳熟两个阶段出现轻旱概率较高,乳熟—成熟阶段出现干旱的概率较低,程度较小,表明未来几年该地区春玉米生产应该更多关注出苗—拔节阶段的旱情.
关键词：干旱预测小波神经网络春玉米作物水分亏缺指数
分类号：S423(气象灾害及其防御)
资助基金：国家重点研发计划(2017YFD0300704)国家重点研发计划(2018YFD0300301)辽宁省兴辽英才计划青年拔尖人才项目(XLYC1907106)辽宁省博士启动基金(2019-BS-259)中国博士后科学基金(2018M641708)
论文发表日期：2021-03-28
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 125-133 )
英文信息