APP下载

丹棱“不知火”挂果率及产量气候趋势预测方法研究

2018-05-14李奇穗吕莲

南方农业·上旬 2018年1期
关键词:气象要素神经网络

李奇穗 吕莲

摘 要 通过神经网络拟合出四川省丹棱县2012—2015年气候要素值与“不知火”杂柑当年挂果率、667 m2产量之间关系,得出挂果率及单位面积产量气候趋势预测方法,再运用此方法对2016年挂果率和667 m2产量预测值与实际值作比较,发现月平均气温、降水量、日照时数预测值与实际值之间的误差都在10%以下,在3个气象要素中以采用月平均气温的误差最小,最接近实际值。

关键词 杂柑;不知火;气象要素;挂果率;单位面积产量;神经网络

中图分类号:S666 文献标志码:B DOI:10.19415/j.cnki.1673-890x.2018.1.021

“不知火”又名凸顶柑、丑柑,为原产日本的晚熟柑橘品种,由清见和中野3号椪柑杂交而成。“不知火”果大无核,可溶性固形物含量高,含糖量14%~15%,极晚熟(次年3月采摘),抗逆性强,果实柔软多汁、脆嫩化渣、风味极好、品质特优,是一个综合性状优良的晚熟品种。但其耐寒性较弱,且果实须在树上越冬成熟,因此“不知火”对种植区域气象条件有着极高的要求[1]。近年来,气候变化日益显现,对“不知火”挂果及产量形成影响也越来越明显,目前国内外学者在气候变化对“不知火”生长的影响及“不知火”留树保鲜方面做了研究,并取得了一系列研究成果[2]。但在气象因子与“不知火”挂果、单位面积产量之间的关系方面尚未有研究。本文通过神经网络方法拟合丹棱2012—2015年气象因子与相应年份丹棱“不知火”挂果率和产量之间的关系,并运用此关系反向验算2016年丹棱“不知火”挂果率和产量,得出验算值与实际之间的误差。

丹棱县隶属于四川省眉山市,距成都市区90 km。地处四川盆地西南边缘,岷东以西,青衣江以东。县城在总岗山南麓,地貌以浅丘为主,地势由西北向东南倾斜,海拔在469~1 017 m。丹棱属亚热带湿润气候区,气候温和,四季分明,冬无严寒,夏无酷暑,雨量充沛,无霜期长。年平均气温16.7 ℃,历史极端最高气温38.3 ℃,极端最低气温-3.7 ℃;雨量充沛,分布不均,年均降水量1 157.9 mm,其中5—9月降水量932.7 mm,占全年降水量81%;年无霜期301 d;年平均日照时数939.8 h。丹棱于1998年引入“不知火”,采用高接换种技术嫁接,距今已有 18年历程,日积月累后具有成熟而丰富的栽培技术和经验, 并于2012年进入了国家农业部颁发的农产品地理保护名录,丹棱更是荣获“中国橘橙之乡”的美誉。“不知火”当之无愧地成为地方特色经济农产品之一。近年来,由于气候条件的差异日显,“不知火”挂果率和年际产量波动较大[3]。本文分析气象因子与“不知火”挂果率、单位面积产量之间关系,以期预测挂果率、单位面积产量,及时更好地为果农和地方经济服务。

1 资料来源和处理方法

相关资料主要包括“不知火”年挂果率和单位面积产量,资料来源于丹棱县果技站。气象资料主要包括2012—2016年的逐月平均气温、降水量、日照时数,由丹棱县气象局提供。

采用神经网络相关方法,将各月平均气温、降水量和日照与“不知火”挂果率、单位面积产量进行拟合相关性分析,得出“不知火”气候趋势挂果率和单位面积产量。

人工神经网络是一种模仿动物神经网络行为特征,进行并行信息处理的算法数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)和之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的關系,从而达到处理信息的目的,并具有自学习和自适应的能力[4]。随着神经网络理论本身以及相关理论、相关技术的不断发展,目前神经网络在农业、水利、水土保持等方面应用比较广泛。

2 结果分析与验证

2.1 制作气候要素曲线图

用2012—2015年的气候数据采用神经网络图作出气候要素曲线图(见图1~图3)。

2.2 神经网络训练拟合

利用2016年的气候要素值,通过“不知火”挂果率及单位面积产量气候趋势预测方法计算“不知火”的挂果率和667 m2产量,再与当年实际挂果率和

667 m2产量作比较。

1)通过2016年逐月平均气温计算出的挂果率0.659与实际挂果率0.720误差-0.061,通过2016年逐月降水量计算出的挂果率与实际挂果率误差-0.042,通过2016年逐月日照时数计算出的挂果率与实际挂果率误差0.083。

2)通过2016年逐月平均气温计算出的667 m2产量1.489 4与实际667 m2产量1.500 0误差-0.010 6,通过2016年逐月降水量计算出的667 m2产量与实际667 m2产量误差-0.096 0,通过2016年逐月日照时数计算出的667 m2产量与实际667 m2产量误差-0.074 0。

3 小结与讨论

“不知火”生育期长,历经各个季节气象条件变化的考验,然而在气温、降水、光照等要素均无法控制的条件下,气候多变将直接影响“不知火”发育生长[5],进一步影响“不知火”的产量和品质[6]。本文通过神经网络拟合出丹棱县2012—2015年气候要素值与“不知火”杂柑当年挂果率、667 m2产量之间关系,得出挂果率及单位面积产量气候趋势预测方法,再运用此方法对2016年挂果率和667 m2产量预测值与实际值作比较,发现月平均气温、降水量、日照时数预测值与实际值之间的误差都在10%以下,在3个气象要素中尤以采用月平均气温的误差最小,最接近实际值。

参考文献:

[1] 倪超,顾海敏,何永坤.涪陵区关键气候因子变化对柑橘产量的影响[J].江西农业学报,2017,29(8):29-33.

[2] 谢友祥.气象条件对柑橘种植的影响分析[J].农业工程技术,2016(26):77.

[3] 叶美德,汪峰.柑橘产量气候异常减产模式的初步研究[J].中国农业气象,1993,14(2):22-24.

[4] 毛健,赵红东,姚婧婧.人工神经网络的发展及应用[J].电子设计工程,2011,19(24):62-65.

[5] 鲍江峰,夏仁学.生态因子对柑橘果实品质的影响[J].应用生态学报,2004,15(8):1477-1480.

[6] 张光伦.生态因子对果实品质的影响[J].果树科学,1994,11(2):120-124.

(责任编辑:丁志祥)

猜你喜欢

气象要素神经网络
茶叶生产气象要素和气象保障服务
基于人工智能LSTM循环神经网络的学习成绩预测
基于图像处理与卷积神经网络的零件识别
基于改进VGG-16神经网络的图像分类方法
基于自适应神经网络的电网稳定性预测
三次样条和二次删除相辅助的WASD神经网络与日本人口预测
影响航空飞行安全的气象要素探讨
康乐县气候资源特点分析
河蟹养殖水温预报模型研究
探测环境变化对临沭站气象要素的影响