【文章內(nèi)容簡(jiǎn)介】 模型需要按照天氣類型、月份和日內(nèi)不同時(shí)間分別構(gòu)建?？紤]到預(yù)報(bào)模型輸入因子的可獲取性，采取分不同預(yù)報(bào)時(shí)效的模型構(gòu)建，用于未來 、 以及小時(shí)預(yù)報(bào)模型構(gòu)建的備選因子分別參見表、表及表。模型表達(dá)形式見公式（） 。 （）0122nybxbx????式中： ——?dú)鉁?，單位為攝氏度（℃ ）；空氣相對(duì)濕度，單位為百分?jǐn)?shù)（）；地表溫度，單y位為攝氏度（℃ ）； 地溫，單位為攝氏度（℃ ）；——回歸系數(shù)，無量綱；0b2n——模型因子；1x ——篩選出的模型因子個(gè)數(shù)。表 未來 日光溫室氣象要素小時(shí)預(yù)報(bào)模型備選因子因子 單位 因子說明1x預(yù)報(bào)日預(yù)報(bào)時(shí)次 無量綱 常數(shù)2預(yù)報(bào)日預(yù)報(bào)時(shí)次的太陽(yáng)高度角 176。3預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 太陽(yáng)高度角 176。4預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 太陽(yáng)高度角 176。計(jì)算值13 / 515x預(yù)報(bào)日最高氣溫 ℃6預(yù)報(bào)日最低氣溫 ℃ 溫室外預(yù)報(bào)7預(yù)報(bào)日前 最高氣溫 ℃8預(yù)報(bào)日前 最低氣溫 ℃9x預(yù)報(bào)日前 最高氣溫 ℃10預(yù)報(bào)日前 最低氣溫 ℃溫室外實(shí)況預(yù)報(bào)日前 最高氣溫 ℃12預(yù)報(bào)日前 最低氣溫 ℃3x預(yù)報(bào)日前 最小空氣相對(duì)濕度4預(yù)報(bào)日前 最高 地溫 ℃15預(yù)報(bào)日前 最低 地溫 ℃6預(yù)報(bào)日前 平均氣溫 ℃7x預(yù)報(bào)日前 最高氣溫 ℃18預(yù)報(bào)日前 最低氣溫 ℃9預(yù)報(bào)日前 平均空氣相對(duì)濕度20預(yù)報(bào)日前 時(shí)最小空氣相對(duì)濕度1x預(yù)報(bào)日前 平均 地溫 ℃預(yù)報(bào)日前 最高 地溫 ℃23預(yù)報(bào)日前 最低 地溫 ℃溫室內(nèi)實(shí)況表 未來 光溫室氣象要素小時(shí)預(yù)報(bào)模型備選因子因子 單位 因子說明1x預(yù)報(bào)日預(yù)報(bào)時(shí)次 無量綱 常數(shù)2預(yù)報(bào)日預(yù)報(bào)時(shí)次的太陽(yáng)高度角 176。3預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 太陽(yáng)高度角 176。4預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 太陽(yáng)高度角 176。計(jì)算值5x預(yù)報(bào)日最高氣溫 ℃6預(yù)報(bào)日最低氣溫 ℃7預(yù)報(bào)日前 最高氣溫 ℃8預(yù)報(bào)日前 最低氣溫 ℃9x預(yù)報(bào)日前 最高氣溫 ℃10預(yù)報(bào)日前 最低氣溫 ℃溫室外預(yù)報(bào)預(yù)報(bào)日前 最高氣溫 ℃12預(yù)報(bào)日前 最低氣溫 ℃3x預(yù)報(bào)日前 最小空氣相對(duì)濕度4預(yù)報(bào)日前 最高 地溫 ℃15預(yù)報(bào)日前 最低 地溫 ℃溫室內(nèi)實(shí)況14 / 51表 未來 日光溫室氣象要素小時(shí)預(yù)報(bào)模型備選因子因子 單位 因子說明1x預(yù)報(bào)日預(yù)報(bào)時(shí)次 無量綱 常數(shù)2預(yù)報(bào)日預(yù)報(bào)時(shí)次的太陽(yáng)高度角 176。3預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 太陽(yáng)高度角 176。4預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 太陽(yáng)高度角 176。計(jì)算值5x預(yù)報(bào)日最高氣溫 ℃6預(yù)報(bào)日最低氣溫 ℃7預(yù)報(bào)日前 最高氣溫 ℃8預(yù)報(bào)日前 最低氣溫 ℃9x預(yù)報(bào)日前 最高氣溫 ℃10預(yù)報(bào)日前 最低氣溫 ℃溫室外預(yù)報(bào)案例 基于共同的小氣候觀測(cè)要素，利用逐步回歸方法，對(duì)不同季節(jié)月份、不同天氣類型以及不同時(shí)間段分別構(gòu)建逐小時(shí)的氣溫預(yù)報(bào)模型。以山東省月晴天未來小時(shí)逐小時(shí)氣溫預(yù)報(bào)為例，預(yù)報(bào)準(zhǔn)確率見表。 時(shí)預(yù)報(bào)模型： 式中，為月晴天未來小時(shí)時(shí)逐小時(shí)氣溫；為預(yù)報(bào)日預(yù)報(bào)時(shí)次；為預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 太陽(yáng)高度角；為室內(nèi)預(yù)報(bào)日前 最低 地溫；為室內(nèi)預(yù)報(bào)日前 平均 地溫。 時(shí)預(yù)報(bào)模型： 式中，為月晴天未來小時(shí)時(shí)逐小時(shí)氣溫；為預(yù)報(bào)日預(yù)報(bào)時(shí)次；為預(yù)報(bào)日預(yù)報(bào)時(shí)次的太陽(yáng)高度角；為預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 太陽(yáng)高度角；為室外預(yù)報(bào)日最高氣溫；為室外預(yù)報(bào)日前 最高氣溫；為室外預(yù)報(bào)日前 最高氣溫；為室內(nèi)預(yù)報(bào)日前 最小空氣相對(duì)濕度；為室內(nèi)預(yù)報(bào)日前 平均氣溫；為室內(nèi)預(yù)報(bào)日前 時(shí)最小空氣相對(duì)濕度。 時(shí)預(yù)報(bào)模型： 式中，為月晴天未來小時(shí)時(shí)逐小時(shí)氣溫；為預(yù)報(bào)日預(yù)報(bào)時(shí)次；為預(yù)報(bào)日預(yù)報(bào)時(shí)次15 / 51的太陽(yáng)高度角；為預(yù)報(bào)日預(yù)報(bào)時(shí)次的前 太陽(yáng)高度角；為室外預(yù)報(bào)日前 最高氣溫；為室內(nèi)預(yù)報(bào)日前 最高氣溫；為室內(nèi)預(yù)報(bào)日前 最高氣溫；為室內(nèi)預(yù)報(bào)日前 最低氣溫；為室外預(yù)報(bào)日前 最高氣溫。表 月晴天未來小時(shí)氣溫預(yù)報(bào)模型檢驗(yàn)準(zhǔn)備率時(shí)間段 總樣本 樣本數(shù)（≤℃） 準(zhǔn)確率（≤℃）平均準(zhǔn)確率圖 未來小時(shí) 逐小時(shí)氣溫預(yù)報(bào)值與實(shí)測(cè)值對(duì)比圖16 / 51圖 未來小時(shí)天逐小時(shí)氣溫預(yù)報(bào)值與實(shí)測(cè)值對(duì)比圖圖 未來小時(shí)逐小時(shí)氣溫預(yù)報(bào)值與實(shí)測(cè)值對(duì)比圖 利用相同方法構(gòu)建不同月份、不同天氣類型、不同時(shí)段的未來小時(shí)氣溫預(yù)報(bào)模型，檢驗(yàn)結(jié)果見表。其中，未來小時(shí)氣溫預(yù)報(bào)準(zhǔn)確率為，未來小時(shí)預(yù)報(bào)準(zhǔn)確率為，未來小時(shí)預(yù)報(bào)準(zhǔn)確率為。表 山東省未來小時(shí)氣溫預(yù)報(bào)模型檢驗(yàn)結(jié)果預(yù)報(bào)時(shí)效 小時(shí) 小時(shí) 小時(shí)準(zhǔn)確率（≤ ℃） 災(zāi)害等級(jí)預(yù)報(bào) 利用和中建立的小氣候預(yù)報(bào)模型，可預(yù)報(bào)獲得溫室日最低氣溫，結(jié)合低溫災(zāi)害指標(biāo)，對(duì)設(shè)施農(nóng)業(yè)低溫災(zāi)害影響等級(jí)進(jìn)行判識(shí)從而確定最終預(yù)報(bào)結(jié)果，預(yù)報(bào)等級(jí)分別為無災(zāi)、輕災(zāi)、中災(zāi)、重災(zāi)（圖） 。17 / 51基于結(jié)構(gòu)方程法溫室內(nèi)最低氣溫，受設(shè)施內(nèi)、外環(huán)境諸多氣象要素共同影響，且其影響具有一定滯后性。以往影響因子選擇，通常是采用相關(guān)比較法，由于部分氣象因子間常常存在高度相關(guān)性，干擾了致災(zāi)因子甄別的客觀性，為此，可以通過引入結(jié)構(gòu)方程理論，將驗(yàn)證性因子模型和（潛變量）因果模型有機(jī)結(jié)合，構(gòu)建能夠解釋設(shè)施內(nèi)、外氣象要素多因變量之間、隱性變量和顯變量之間定量關(guān)系的結(jié)構(gòu)方程，通過路徑系數(shù)確定了致災(zāi)因子及其對(duì)災(zāi)害形成的貢獻(xiàn)度。利用層次分析法客觀量化致災(zāi)因子的影響權(quán)重，并構(gòu)建災(zāi)害預(yù)警模型。結(jié)構(gòu)方程構(gòu)建結(jié)構(gòu)方程模型的建立過程包括三個(gè)主要步驟，即構(gòu)造模型、估計(jì)模型參數(shù)以及檢驗(yàn)?zāi)Ｐ蛯?duì)數(shù)據(jù)的擬合程度。在進(jìn)行模型估計(jì)之前，先要根據(jù)理論分析或根據(jù)以往研究成果來設(shè)定初始理論模型，再確定此模型中需要估計(jì)的參數(shù)，最后對(duì)測(cè)量模型部分按驗(yàn)證性因子分析模型的識(shí)別方法進(jìn)行判斷，如果通過則整個(gè)模型可以識(shí)別。模型主要常用的參數(shù)估計(jì)方法為未加權(quán)最小平方法、一般化最小平方法、極大似然估計(jì)法、漸進(jìn)分布自由法、尺度自由最小平方法。極大似然估計(jì)法是目前應(yīng)用最廣的適配函數(shù)估計(jì)法。路徑分析中，變量間的影響效果包含直接效果與間接效果，兩者的效果總量合稱為外因變量對(duì)內(nèi)因變量影響的總效果值。以五個(gè)變量間的路徑模型圖為例：18 / 51x1x2x3x4x5e31e51e41圖 路徑模型圖預(yù)測(cè)變量對(duì)效標(biāo)變量的直接效果路徑為，直接效果為單向箭頭的影響，中間沒有中介變量，其它變量間的效果影響用同樣方式表示。上圖中共提供了直接效果項(xiàng)為個(gè)。間接效果是預(yù)測(cè)變量對(duì)效標(biāo)變量的影響，通過一個(gè)以上的中介變量，如外因變量對(duì)內(nèi)因變量為例，其間接效果影響路徑有條。預(yù)報(bào)模型構(gòu)建通過對(duì)所構(gòu)建的結(jié)構(gòu)方程模型進(jìn)行路徑分析，經(jīng)統(tǒng)計(jì)分析獲得各因子對(duì)預(yù)測(cè)變量的貢獻(xiàn)度，從而確定主要致災(zāi)因子；根據(jù)主要致災(zāi)因子的貢獻(xiàn)度和排序，采用層次分析法確定各因子的權(quán)重系數(shù)；利用權(quán)重系數(shù)構(gòu)建低溫災(zāi)害影響指數(shù)模型。圖為基于山東觀測(cè)數(shù)據(jù)的日光溫室內(nèi)最低氣溫結(jié)構(gòu)方程模型，因子貢獻(xiàn)度見表，由此，日光溫室低溫災(zāi)害影響等級(jí)預(yù)報(bào)模型為： 式中：代表前天溫室內(nèi)最低氣溫；代表前天溫室內(nèi)地表溫度；代表前天溫室內(nèi)最低氣溫；代表當(dāng)天溫室外最低氣溫；代表前天溫室外總輻射；代表前天溫室內(nèi)地表溫度；代表前天溫室外最低氣溫；代表前天溫室外總輻射；代表前天溫室外最低氣溫。上述模型值是一個(gè)等級(jí)值，≦≦，按照舍入法則取整為， ， ， ，分別對(duì)應(yīng)無、輕、中、重個(gè)災(zāi)害影響預(yù)報(bào)等級(jí)，模型中各致災(zāi)因子亦為無量綱的等級(jí)量值，即模型中個(gè)因子均劃分為四個(gè)等級(jí)值，致災(zāi)因子等級(jí)值的劃分與賦值，可根據(jù)溫室蔬菜不同發(fā)育階段災(zāi)害等級(jí)指標(biāo)值與各致災(zāi)因子觀測(cè)數(shù)據(jù)的對(duì)應(yīng)關(guān)系進(jìn)行確定，按照無、輕、中、重分19 / 51別標(biāo)記為、 、 、 。圖 日光溫室內(nèi)最低氣溫結(jié)構(gòu)方程模型的路徑圖表 所選氣象因子貢獻(xiàn)度及排序結(jié)果氣象因子 貢獻(xiàn)度排序致災(zāi)因子等級(jí)賦值 設(shè)施農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)結(jié)果為災(zāi)害的氣象等級(jí)，模型中各致災(zāi)因子的輸入量均為無量綱的等級(jí)值，即根據(jù)無、輕、中、重災(zāi)害等級(jí)分別將有量綱數(shù)據(jù)轉(zhuǎn)化賦值為、 、 。以山東日光溫室為例，分別給出如下因子等級(jí)轉(zhuǎn)換方法。（）厘米地溫等級(jí)轉(zhuǎn)換利用溫室內(nèi)最低氣溫與地溫的歷史資料進(jìn)行次非線性擬合，以山東黃瓜為例得到表擬合結(jié)果，將溫室內(nèi)最低氣溫指標(biāo)代入擬合方程，得到地表溫度等級(jí)界限值（表） 。表 二次擬合方程站點(diǎn) 擬合方程（為溫室內(nèi)最低氣溫；為地表厘米溫度）臨淄 章丘 利津 萊蕪 平度 20 / 51表（） 溫室內(nèi)最低氣溫與地表厘米溫度等級(jí)指標(biāo)轉(zhuǎn)換（苗期）品種 室內(nèi)最低溫 臨淄 萊蕪 東營(yíng) 平度 濟(jì)南 等級(jí)≤ ≤ ≤ ≤ ≤ ≤黃瓜 ≤ ≤ ≤ ≤ ≤ ≤番茄 ≤ ≤芹菜 表（） 溫室內(nèi)最低氣溫與地表厘米溫度等級(jí)指標(biāo)轉(zhuǎn)換（花果期）品種 室內(nèi)最低溫 淄博 萊蕪 東營(yíng) 平度 濟(jì)南 等級(jí)≤ ≤ ≤ ≤ ≤ ≤黃瓜 ≤ ≤ ≤ ≤ ≤ ≤番茄 ≤ ≤ ≤ ≤ ≤ ≤芹菜 （）輻射等級(jí)轉(zhuǎn)換 山東省現(xiàn)有濟(jì)南、莒縣、福山個(gè)太陽(yáng)輻射觀測(cè)站，其他地區(qū)均無輻射觀測(cè)站點(diǎn)，因此，需要對(duì)不同地區(qū)的太陽(yáng)輻射進(jìn)行轉(zhuǎn)換。日照百分率是一天中日照時(shí)數(shù)與可照時(shí)數(shù)的比值，也與地理緯度有直接關(guān)系（氣象學(xué)， ） ，因此考慮利用不同站點(diǎn)間日照百分率的相關(guān)性轉(zhuǎn)換為太陽(yáng)輻射的相關(guān)性。以山東省章丘、平度、臨淄、利津、萊蕪五站為例，提取相同時(shí)段內(nèi)各站及濟(jì)南、莒縣、福山三站日照時(shí)數(shù)并計(jì)算日照百分率，分別對(duì)五站與濟(jì)南、莒縣、福山三站的日照百分率進(jìn)行相關(guān)性計(jì)算，結(jié)果均通過自由度為的顯著性檢驗(yàn)，如表。其中章丘、臨淄、利津、萊蕪四站均與濟(jì)南站相關(guān)系數(shù)最大，21 / 51平度與福山相關(guān)系數(shù)最大。表 日照百分率相關(guān)系數(shù)表濟(jì)南 福山 莒縣章丘 ** ** **平度 ** ** **臨淄 ** ** **利津 ** ** **萊蕪 ** ** ** 選取最大相關(guān)系數(shù)的對(duì)應(yīng)站點(diǎn)作為輻射值參考站，利用兩站點(diǎn)線性擬合方程（表）計(jì)算各站日總輻射。表 線性擬合方程濟(jì)南臨淄 章丘 利津 萊蕪 福山平度 將計(jì)算得到的五站逐日太陽(yáng)總輻射按≤，陰（級(jí)） ；，多云（級(jí)） ；≤，少云（級(jí)）；≥ ，晴（級(jí)）四個(gè)等級(jí)進(jìn)行匹配篩選，將篩選出的各級(jí)太陽(yáng)總輻射按保證率取平均值，計(jì)算得到太陽(yáng)總輻射等級(jí)指標(biāo)值，各站結(jié)果見表。表 輻射轉(zhuǎn)換結(jié)果日照百分率 章丘 平度 臨淄 利津 萊蕪≤ ≤ ≤ ≤ ≤ ≤≤≥ 案例 參照致災(zāi)因子等級(jí)賦值方法，北京市應(yīng)用房山佛子莊、昌平小湯山兩站年小氣候22 / 51觀測(cè)資料，對(duì)低溫災(zāi)害影響預(yù)報(bào)模型（公式）進(jìn)行應(yīng)用并檢驗(yàn)。賦值結(jié)果見表、表。（） 、地溫等級(jí)賦值y =+ +178。 =.84605101520255 510152025室內(nèi)最低氣溫 室 內(nèi) 2cm地 溫 y=++178。= 室 內(nèi) 最 低 溫 度圖 北京市小氣候要素等級(jí)轉(zhuǎn)換表 () 最低氣溫與地溫等級(jí)指標(biāo)轉(zhuǎn)換（苗期）品種 室內(nèi)最低溫 厘米地溫 厘米地溫 等級(jí)≤ ≤ ≤黃瓜 ≤ ≤ ≤番茄 表 () 最低氣溫與地溫等級(jí)指標(biāo)轉(zhuǎn)換（花果期）品種 室內(nèi)最低溫 厘米地溫 厘米地溫 等級(jí)≤ ≤ ≤黃瓜 ≤ ≤ ≤番茄 （）輻射等級(jí)賦值表 日照百分率與輻射等級(jí)指標(biāo)轉(zhuǎn)換23 / 51房山 昌平 平谷 等級(jí)≤ ≤ ≤ ≤≤≥ （）模型檢驗(yàn)將各因子劃分的等級(jí)后，模型計(jì)算得到的亦為四個(gè)等級(jí)（四舍五入取整） ，模型計(jì)算得到的等級(jí)與實(shí)際當(dāng)日溫室內(nèi)最低氣溫按低溫指標(biāo)劃分的等級(jí)進(jìn)行差值計(jì)算，即得到誤差等級(jí)。將各要素等級(jí)代入低溫預(yù)警模型，計(jì)算得到低溫冷害預(yù)警等級(jí)，計(jì)算等級(jí)比較得到預(yù)報(bào)準(zhǔn)確率如表。表 北京地區(qū)日光溫室低溫預(yù)警模型檢驗(yàn)結(jié)果統(tǒng)計(jì)表 黃瓜（苗期）站點(diǎn) 房山佛子莊 房山韓村河 昌平小湯山 平谷 總樣本≤()(≤) 黃瓜（花果期）站點(diǎn) 房山佛子莊 房山韓村河 昌平小湯山 平谷總樣本≤()(≤)24 / 51西紅柿（苗期）站點(diǎn) 房山佛子莊 房山韓村河 昌平小湯山 平谷總樣本≤()(≤)西紅柿（花果期）站點(diǎn) 房山佛子莊 房山韓村河 昌平小湯山 平谷總樣本≤()(≤)寡照災(zāi)害影響預(yù)報(bào)寡照災(zāi)害指標(biāo)寡照災(zāi)害等級(jí)指標(biāo)的確定方法主要有：人工氣候箱模擬法、對(duì)比觀測(cè)試驗(yàn)法、文獻(xiàn)檢索法、部門信息交換法、實(shí)地調(diào)查法等，可根據(jù)實(shí)際情況及對(duì)指標(biāo)的需求情況靈活選取。為了使所確定的指標(biāo)更切合實(shí)際，建議人工氣候模擬和對(duì)比觀測(cè)試驗(yàn)相結(jié)合，綜合確定溫室蔬菜寡照災(zāi)害等級(jí)指標(biāo)。寡照災(zāi)害分為無、輕、中和重四個(gè)等級(jí)，預(yù)報(bào)等級(jí)指數(shù)分別以， ， ，標(biāo)識(shí)。人工氣候模擬法采用人工氣候箱