一种梅花花期预报方法

摘要

本发明公开一种梅花花期预报方法，根据历史数据，得到不同年份梅花初花期儒略日有效积温、需冷量，并确定二者最佳权重，构建梅花花期预报模型；然后根据多年梅花初花期资料，获得历史时期梅花初花期、盛花期和末花期分布特征；然后采集当年日平均气温及未来七日内的气温预报信息，滚动累加并比对历年对应积温数据，利用最佳权重开展花期临近预报；出现花芽后，结合花蕾观测，校正临近花期预报，提高梅花初花期预测精度。本发明基于日平均气温数预测梅花花期动态，借助滚动气象预报和植物学特性提高梅花初花期、盛花期和末花期预报精度，为游客和相关单位适时安排赏梅活动提供较为准确、科学的参考，该发明属于自然科学范畴的基础学科技术创新。

说明书

技术领域

本发明属于植物生态与物候观测技术领域，具体涉及一种梅花花期预报方法。

背景技术

梅，蔷薇科，杏属，落叶小乔木。梅花栽植已有3000多年历史，我国是梅的故乡，早有爱梅、赏梅的传统。南京植梅始于六朝，唐宋元明清以及民国相沿不衰。1982年，梅花被命名为南京市市花。国家级大型旅游节庆——南京国际梅花节的开展，很大程度上提升了城市知名度。但由花期预报研究较少，花节日期预报精度还有待提高，时常会出现“人已至，花未开”的尴尬状况，因而开展花期预报的重要性可见一斑。

发明内容

本发明解决的技术问题：提供一种利用当地日平均气温值进行梅花的初花期、盛花期和末花期预报方法。

技术方案：为了解决上述技术问题，本发明采用的技术方案如下：

步骤S1：根据历年花期及气象数据，得到历年完成初花期、盛花期和末花期的儒略日的有效积温、需冷量，并确定二者最佳权重，构建初花期预报模型；

步骤S2：基于初花期预报模型，采集当年观测日平均气温数据，结合未来7～30日的气温预报信息，开展梅花初花期、盛花期和末花期的滚动预报，并比对历年对应积温数据，利用最佳权重推算当年预测花期范围；

步骤S3：梅花出现花芽后，结合花蕾观测资料，利用统计方法计算花蕾出现时间、大小、梅花初花期关系，用于改进梅花临近花期预报结果，提高梅花花期预报精度。

作为优选，在步骤S1中，历年花期及气象数据包括：历史花期数据和历史日均温数据。

作为优选，历年均有效积温的计算方法为：

K＝N(T-C)

其中，K为梅花完成某阶段发育所需要的总热量，N为梅花完成某阶段所需时间，T为梅花某阶段的平均温度，C为梅花生物学零度温度。

作为优选，结合历史十三年气象资料和花期资料，使用“犹他模型”将日均温转换为低温单位，累加得到需冷量，以十三年平均值为需冷量估值。

作为优选，步骤S2中，从当年1月1日开始，利用Python进行气象参数采集，抓取梅花生长区域内的当日气象数据及未来七日内的预报气温数据，取每日最高气温与最低气温的平均值为当日平均气温。

作为优选，在有效积温数据及需冷量数据比对积温估值推测花期时，按照“当实际积温达到积温估值的90％-110％时的后一日为预测初花期、盛花期和末花期”的判断标准，预测出准确的开花日期。

作为优选，将预测出准确初花期所对应的儒略日分别代入所求最佳权重公式中，得到最佳预测花期，结合最佳权重对应的误差范围，可得到当年预测花期范围。

作为优选，在所述步骤S3中，以取得的当年预测花期范围为基础，结合花蕾观测、气温、降水因素，辅助临近花期预报，提高初花期、盛花期和末花期预报精度。

有益效果：与现有技术相比，本发明具有以下优点：

(1)只需要日均温作为初始数据便能准确梅花花期动态，并使用Python抓取未来天气预报信息，减少了数据收集过程，降低了花期预报的操作难度；

(2)以需冷量模型与有效积温模型相结合的方式进行预测，通过设置不同比例权重进一步校正了花期的长期预报；

(3)以取得的当年预测花期范围为基础，结合花蕾观测，联系气温、降水等因素，辅助临近花期预报，得到梅花的初花期、盛花期和末花期更为准确预测花期预报信息。

(4)基于大量观测数据，同时开展了梅花初花期、盛花期和末花期的预测，相比已有初花期研究，更能满足人们出游需求。

本发明的梅花花期预报方法，为游客和相关单位适时安排赏梅活动提供较为准确、科学的参考，属于自然科学范畴的基础学科技术创新。

附图说明

图1根据本发明实施例的一种梅花花期预报技术的流程图；

图2根据本发明实施例的一种梅花花期预报技术的示意图；

图3Python抓取天气预报信息的导出表格数据；

图4南京市绿萼梅实际初花期与预测初花期模拟对比图；

图5根据本发明实施例的花期预报系统软件界面展示图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。

以绿萼梅为例，本申请的梅花花期预报方法，主要包括以下步骤：

步骤S1：根据历年花期及气象数据，得到历年完成初花期、盛花期和末花期的儒略日(即计算自元月1日至该日期的日数)的有效积温和需冷量，并确定二者最佳权重，构建初花期预报模型；

即，计算历年均有效积温与历年均需冷量，并求取均值，比照均值分别得到每年两份预测初花期儒略日，以此为数据集求取符合该物种的最佳权重，最后结合当年数据，得到该年的花期预报结果。

其中，历年花期及气象数据包括：历史花期数据和历史日均温数据。历年均有效积温为：将日均温转换为有效温度，历年1月1日起至植物初花前一天的有效温度累积值的年平均值，即有效积温估值；历年均需冷量为：将日均温转换为低温单位，历年1月1日起至植物初花前一天的低温单位累积值的年平均值，即需冷量估值。

在本实施例中，统计1980-1989及1991-1993十三年梅花花期及历年日均温气温数据。根据历史生育期数据和历史日均温数据，建立各阶段花期预报模型。需要说明的是，13年仅是出于示例的目的，具体统计多少时长的数据，根据用户需要进行选取。

计算历年均有效积温的方法，包括如下步骤：

首先，确定梅花生物学零度温度，即开始萌发的温度：根据已有研究，对于梅花而言，日平均气温要达到5℃以上才是有效积温，当有效积温达到一定值时，梅花才能开放。梅花生物学零度温度，即为5℃；

然后，确定梅花历年均有效积温，结合南京市1980-1989及1991-1993十三年气象资料和花期资料，并以前十年为参考年份，以后三年为验证年份。利用公式K＝N(T-C)进行梅花有效积温计算。K为梅花完成某阶段发育所需要的总热量，N为梅花完成某阶段所需时间，T为梅花某阶段的平均温度，C为生物学零度温度。

计算历年均有效积温的实例如下：

(1)计算一年有效积温。以1980年梅花初花期为例：查找梅花1980年初花期，提取该年日均温数据，将气温数据转化为生物学有效温度(高于下限温度5℃的温度值)。从1月1日起，计算至植物初花前一天的有效温度累积值，为该年梅花初花期有效积温。

(2)计算历年均有效积温。以1980-1989十年有效积温平均值为年均有效积温估值，即目标年份所参考的有效积温估值，其结果见表1。

表1.南京市绿萼梅1980-1989十年有效积温数据统计表

计算历年均需冷量的方法，具体步骤为：

结合南京市1980-1989及1991-1993十三年气象资料和花期资料，使用“犹他模型”将日均温转换为低温单位，累加得到需冷量，以十三年平均值为需冷量估值。

以获得最小误差为目的计算最佳权重，利用公式x＝a*A+b*B求取加权平均预测值。其中，x为最佳预测花期的儒略日，A为使用有效积温法预测花期的儒略日，B为使用需冷量法预测花期的儒略日，a、b分别为二者最佳权值。

计算历年均需冷量的实例如下：

结合南京市1980-1989及1991-1993十三年气象资料和花期资料，进行梅花需冷量计算。

(1)计算一年需冷量。以1980年梅花初花期为例：查找梅花1980年初花期，提取该年日均温数据，使用“犹他模型”，将气温数据转化为低温单位。从1月1日起，计算至植物初花前一天的低温单位累积值，为该年梅花初花期需冷量。

需要说明的是，犹他模型是由美国犹他州立大学的Richardson等提出，该模型使用加权值的方法来表示温度范围，以CU作为计量单位。具体转化方式见表2。

表2.温度向低温单位的转换

(2)计算历年均需冷量。以1980-1989十年有效积温平均值为年均需冷量估值，即目标年份所参考的需冷量估值，其结果见表3。

表3.南京市绿萼梅1980-1989十年需冷量数据统计表

最后，以获得最小误差为目的，利用机器学习方法确定各个特征的权重。要求权值和为1计算最佳权重，将结果代入公式x＝a*A+b*B中，以求取加权平均预测值。其中，x为最佳预测花期的儒略日，A为使用有效积温法预测花期的儒略日，B为使用需冷量法预测花期的儒略日，a、b分别为二者最佳权值。

该实施例中，机器学习素材为实际初花期和分别由有效积温法及需冷量法计算获得的预测花期，为统一标准，该初花期均用儒略日表示。预测花期时，以“当实际积温达到积温估值的90％-110％时的后一日为预测初花期”判断标准。具体操作于步骤二展示。以绿萼梅为例，确定最佳权值：a＝0.928571，b＝0.071429，误差范围为±5.384615，即以最佳预测花期前后5天为预测花期范围。

步骤S2：基于花期预报模型，采集当年观测日平均气温数据，结合未来7～30日的气温预报信息，开展梅花初花期、盛花期和末花期的滚动预报，并比对历年对应积温数据，利用最佳权重推算当年预测花期范围；从当年1月1日开始，基于“中国天气网”数据信息，利用Python进行气象参数采集，抓取梅花生长区域内的当日气象数据及未来七日内的预报气温数据，取每日最高气温与最低气温的平均值为当日平均气温。

在有效积温数据及需冷量数据比对积温估值推测花期时，按照“当实际积温达到积温估值的90％-110％时的后一日为预测初花期”的判断标准，预测出准确的开花日期。

当处于积温估值90％-110％内的实际积温出现多个或不存在时，按下列两种情况进行矫正：

(a)当温度较低，日均温连续稳定，处于积温估值90％-110％内的实际积温出现多个时，取多个积温的中位数或两位中间数中的较大者所在日期为预测花期；

(b)当温度快速升高，连续两日的积温不在估值判断范围内，同时其中的第二日高于110％积温估值时，以其中第二日为预测花期。

将预测出准确初花期所对应的儒略日分别代入所求最佳权重公式中，得到最佳预测花期。结合最佳权重对应的误差范围，可得到当年预测花期范围。

以取得的当年预测花期范围为基础，结合花蕾观测、气温、降水等因素，辅助临近花期预报，提高初花期、盛花期和末花期预报精度，得到准确预测花期。

具体操作实例如下：

具体的，导入requests库用于访问url连接；通过模拟浏览器以访问网页获取页面数据，通过返回的状态码判定是否访问成功，如状态码为200则表明可正常访问。最后将抓取的网页数据文本保存；分析网页源代码，将对应数据填充区域的代码特征进行提取，确定抓取的数据范围。在命令行终端中使用Python3命令运行Python脚本代码，提取有效数据；最终，将数据以CSV文件格式输出并保存到文件。导出表格数据显示如图3。

需要说明的是，本发明的气温数据源于国家气象数据局。由于现在天气预报主要依靠的数值天气模式，而目前参考较多的欧洲数值预报中心提供的产品，预报资料最长的时限是10天。国内预报的准确准确性主要考虑季节的差异。一般来讲三天内的天气预报目前准确率可以达到90％以上，天气形势比较稳定的情形下，7天内的天气预报较为准确，因此本发明所取未来天气数据期限为7天。

取每日最高气温与最低气温的平均值为当日平均气温。从当年1月1日开始，将所取日均温转换为目标形式后逐一累加，比对梅花积温估值，按照“当实际积温达到积温估值的90％-110％时的后一日为预测初花期”的判断标准，预测出准确的开花日期。

基于表1表3中的相关数据，使用以上预报技术对绿萼梅1991-1993三年的初花期进行模拟预测。累加每日有效温度或低温单位，根据积温估值，当梅花初花期有效积温达到35.37℃-43.23℃或需冷量达到36.27℃-44.33℃时，其所在日期即为当年预测初花期。具体见表4表5。

表4.南京市绿萼梅1991-1993年实际初花期和预测初花期对比(有效积温法)

表5.南京市绿萼梅1991-1993年实际初花期和预测初花期对比(需冷量法)

将1991-1993年预测初花期所对应的儒略日代入已赋值的权重公式中，得到最佳预测花期，具体数据展示如表6。

表6.南京市绿萼梅1991-1993年及1991-1993十三年花期数据

如图4，由三组曲线图可明显看出，加权模拟值更接近观测值，可对有效积温模拟值及需冷量模拟值进行有效修正。

结合最佳权重对应的误差范围，可得到当年预测花期范围。预测当年梅花各阶段花期的具体日期的预测结果，以一个时间区间的形式呈现。

步骤S3：梅花出现花芽后，结合花蕾观测资料，利用统计方法计算花蕾出现时间、大小、梅花初花期关系，用于改进梅花临近花期预报结果，提高梅花花期预报精度。

以取得的当年预测花期范围为基础，结合花蕾观测，联系气温、降水等因素，辅助临近花期预报，得到准确预测花期。

花芽发育到接近于开花时的状态称为花蕾期，期间往往会有颜色、形态的变化，因此，在临近花期预测时，可以通过对花蕾的持续观测，来进一步修正植物的预测开花期。由于缺少绿萼梅花蕾期相关信息，此处以杜鹃为例，说明如何通过观测花蕾发育情况辅助判断花期。

植物成花过程中会经过花芽分化阶段，一般花芽分化又可分为生理分化、形态分化两个阶段。生理分化期先于形态分化期1个月左右。在生理分化完成后，即出现花芽后，开始进行观察。梅花2-3(-6)朵簇生枝顶，花芽呈卵球形。以标定的一株梅花为例，在花芽阶段，记录时间t

从表6中的信息可知，基于有效积温与需冷量模型的权重分析法虽有效减小了花期预报的误差，但仍会出现1985年21天误差与1989年16天误差的大误差情况，因此，利用花蕾观测，可有效减少误差，得到更为准确的预测花期。

以上述花期预报技术为基础，结合相关计算机技术，获得以APP为最终展示方式的花期预报系统。该APP界面包括藏花馆、赏花地图、主页、天气预报和科普等五大板块，采用Swift UI框架进行设计，在保证功能的前提下提供了简洁易用的交互UI，利用卡片式的设计语言，高纯度的色块为交互营造舒适感，为本发明的花期预报系统提供良好的观赏与应用价值。实时更新花期数据，借助滚动气象预报和植物学特性提高梅花初花期、盛花期和末花期预报精度，为游客和相关单位适时安排赏梅活动提供较为准确、科学的参考。最终相关展示界面如图5所示。

根据本发明实施例的一种梅花的花期预报技术，利用该植物的生物学特点及物候特征判断该种植物的开花情况，可以适用于南京等亚热带，气候温暖湿润的地区，同样可以应用于开花集中在春夏季的木本开花植物的花期预测。需要注意的是，犹他模型只能有效预测高和中需冷量品种休眠的结束，不能有效预测低需冷量品种休眠的结束，并且犹他模型在暖冬或低纬度地区不适用，因此本发明不适用于以上情况。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。