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
以临猗、洛川和栖霞为研究区域,基于2019年至2020年调查样本点的1km网格气象数据、实际开花日期数据、寒冷小时模型(CHM)和生长度小时模型(GDH),采用网格搜索法获得苹果大学开花初期的最佳冷/热需求。然后以随机森林算法(Random Forest、RF)为基准,将日温度特征值(Tmax日最高温度、Tmin日最低温度和温Tavg日平均日最低温度)分为七种日温度特征因子组合:单因子、双因子和三因子,建立了三个地区日温度特征因子不同组合下的日冷热量模型,筛选出最佳日温度特征因子。在此基础上,基于最优日温度特征因子,RF构建了苹果初花期预测模型,并用独立的实际初花期数据对预测模型的准确性进行了评价。结果表明:(1)在栖霞地区、520ch和4450gdh日气温的7个特征因子组合中,临猗地区苹果的最佳冷/热需求量分别为730ch和7350gdh,洛川地区苹果的最佳冷/热需求量分别为345ch和4950gdh。(2) Tmax、Tmin和塔夫格的每日冷热产品模型在估算日冷/热积量具有较高的精度,基于CHM模型的日冷积量估算值和RMSE之间的每日冷热产品为0.97~2.50ch,基于GDH模型的热积量估算值和RMSE之间的每日冷热量为1.73~15.76gdh。(3) 根据CHM/GDH模型,日冷/热积量、日冷/热积量估算值和RMSE之间的日冷热量分别为1.08~1.14 CH和2.03~3.74 GDH,预测值和实际值R~2分别为0.92和3.44d,其精度与基于实际逐时温度数据的精度一致。结果表明,本研究构建的苹果初花期预测模型能够有效地将输入的温度数据从小时尺度转换为日尺度,在苹果初花期后续预测中具有良好的应用价值和潜力。