基于日气温特征值与冷/热积量模型耦合的苹果始花期预报模型

摘要

以临猗、洛川和栖霞3个富士系苹果主产区为研究区,基于2019−2020年各地调查样点的1km格网气象数据、实际始花期数据以及冷小时模型(Chilling Hour Model,CHM)和生长度小时(Growing Degree Hour,GDH)模型,利用网格搜索法得到苹果始花期最优冷/热需求量;然后将日气温特征值(日最高温T_(max)、日最低温T_(min)和日平均温T_(avg))划分为单因子、双因子和三因子7种日气温特征因子组合方式,利用随机森林算法(Random Forest,RF)构建3个地区不同日气温特征因子组合下的日冷/热积量模型,以筛选最优日气温特征因子;在此基础上,基于最优日气温特征因子,利用RF构建苹果始花期预报模型,并通过独立实际始花期数据对预报模型进行精度评价。结果表明:(1)临猗地区的苹果始花期最优冷/热需求量分别为730CH和7350GDH,洛川地区分别为345CH和4950GDH,栖霞地区分别为520CH和4450GDH;(2)7种日气温特征因子组合中,T_(max)、T_(min)和T_(avg)三因子组合下的3个地区日冷/热积量模型在估算日冷/热积量时均具有较高的准确性,日冷积量估算值与基于CHM模型得到的日冷积量间的RMSE为0.97~2.50CH,日热积量估算值与基于GDH模型得到的日热积量间的RMSE为1.73~15.76GDH;(3)利用苹果始花期预报模型估算日冷/热积量,日冷/热积量估算值与基于CHM/GDH模型得到的日冷/热积量间的RMSE分别为1.08~1.14CH和2.03~3.74GDH;当利用该模型进行苹果始花期预报时,预报值与实际值R^(2)为0.92,RMSE为3.44d,其精度与基于真实逐小时气温数据的精度整体一致,表明本研究构建的苹果始花期预报模型可以有效将输入气温数据从逐小时尺度转换为日尺度,这在后续苹果始花期预报工作中具有较好的应用价值和潜力。