基于产量构成要素的冬小麦气象灾害产量损失评估方法技术

本发明专利技术提供了一种基于产量构成要素的冬小麦气象灾害产量损失评估方法，该方法为：计算生育期某个灾害对穗数、穗粒数或者千粒重的产量构成损失率E、N或者W，对每一个像元而言，建立灾损模型数学表达式，计算某一像元的某一次灾害对产量的损失率Ylose

【技术实现步骤摘要】
基于产量构成要素的冬小麦气象灾害产量损失评估方法
本专利技术属于小麦产量损失评估
，具体涉及一种基于产量构成要素的冬小麦气象灾害产量损失评估方法。
技术介绍
现有的冬小麦气象灾害产量损失评估方法有人工模拟法、资料统计分析法、数学模型法、作物模型模拟法等。现有技术大多都是某种气象灾害对冬小麦产量损失的评估，在多种灾害对产量的累积叠加效应方面的研究尚显不足。此外，现有方法大多具有地域适应性，只适用于某一区域的冬小麦灾损研究，异地应用时由于不同气候条件、经纬度、土壤类型等条件的变化将导致准确性受到影响。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术的不足，提供一种基于产量构成要素的冬小麦气象灾害产量损失评估方法，该方法考虑多种灾害对产量的累积叠加效应，可以针对任意区域、任意空间分辨率的尺度进行评估，特别的结合遥感数据从栅格、像元的角度进行气象灾害产量损失评估。为解决上述技术问题，本专利技术采用的技术方案是：一种基于产量构成要素的冬小麦气象灾害产量损失评估方法，所述冬小麦气象灾害产量损失评估方法，考虑多种灾害对产量的累积叠加效应，针对任意区域、任意空间分辨率的尺度进行评估，该方法为：S1、计算生育期某个灾害对穗数、穗粒数或者千粒重的产量构成损失率E、N或者W，式中，E、N和W依次为生育期某个灾害对穗数、穗粒数和千粒重的产量构成损失率，i为灾害种类，Pi为灾害等级；f(Pi)为某个灾害的灾害等级对应的产量构成损失率；S2、对每一个像元而言，建立灾损模型数学表达式：F＝f(EorMorW)×g(a)；其中，F为产量损失率，f(EorNorW)为产量构成损失率EorNorW，g(a)为产量构成损失率EorNorW的调整系数，即为前期的灾害或生长状态对当前灾害产量损失的反馈影响；S3、某一像元的某一次灾害对产量的损失率Ylose像元为：Ylose像元＝1-{[1-E×g(a)]×[1-N×g(a)]×[1-W×g(a)]}；S4、当像元尺度结果升尺度到区域时，根据该像元的产量损失率占区域产量损失率的权重来计算：Q像元为该像元的灾损权重指数，该像元的灾损权重指数由气候潜在产量和市多年平均产量确定。本专利技术与现有技术相比具有以下优点：本专利技术考虑到作物生长季可能有多种灾害，比如小麦生长季可能会遭遇冻害，干旱和干热风灾害，需要考虑多种灾害对产量的累积叠加效应，同时还需考虑前期灾害对后续生长的反馈影响，比如返青期冻害导致粒数、穗数下降会导致收获时候千粒重增加。因此本专利技术采用产量构成的方法，评估作物生育期不同灾害强度对产量构成因素(穗数、穗粒数和千粒重)的影响，考虑每个灾害的累积和反馈机制，最终产量的损失率由穗数、穗粒数和千粒重的损失率共同决定。本专利技术的灾损评估机理和机制具有明确的科学理论支撑，可以针对任意区域、任意空间分辨率的尺度进行评估，特别的结合遥感数据从栅格(像元)的角度进行气象灾害产量损失评估。下面结合附图和实施例对本专利技术作进一步详细说明。附图说明图1是本专利技术实施例1的华北冬小麦灾损权重指数栅格图。图2是本专利技术实施例1的小麦霜冻害灾害强度栅格图读取的某像元的霜冻害等级图。图3是本专利技术实施例1的小麦低温冷害穗数、穗粒数、千粒重损失率和产量损失率图。图4是本专利技术实施例1的小麦低温冷害各市产量损失率图。具体实施方式实施例1本实施例的基于产量构成要素的冬小麦气象灾害产量损失评估方法，所述冬小麦气象灾害产量损失评估方法，考虑多种灾害对产量的累积叠加效应，针对任意区域、任意空间分辨率的尺度进行评估，该方法为：S1、计算生育期某个灾害对穗数、穗粒数或者千粒重的产量构成损失率E、N或者W，式中，E、N和W依次为生育期某个灾害对穗数、穗粒数和千粒重的产量构成损失率，i为灾害种类，Pi为灾害等级；f(Pi)为某个灾害的灾害等级对应的产量构成损失率；确定不同灾害各生育期像元尺度的产量构成损失率E,N,W值；确定像元尺度的产量构成损失率E,N,W值需考虑3个因素：灾害强度、生育时期和灾害类型。灾害强度即为轻中重害；灾害类型为小麦低温冷害、干旱和干热风；生育时期则需根据不同灾害具体确定。通过文献再分析(Meta-Analysis)和专家调研等方式确定损失率值，以下是本模型根据Meta-Analysis方法和专家调研方式确定的具体的损失率值：小麦干旱主要发生在3个生育期：拔节前、拔节-抽穗期、抽穗-成熟期。拔节期干旱主要影响穗数，轻、中、重旱对穗数的损失率(E值)分别为3％、9％和18％，对穗粒数没有影响(即为N＝0)，对千粒重仅重旱的损失率(W值)为10.7％；拔节-抽穗期干旱主要影响穗粒数，轻、中、重旱对穗数的损失率(E值)分别为1.5％、3％和5％，对穗粒数的损失率(N值)分别为2.5％、13.5％和24.2％，对千粒重的损失率(W值)分别为4.9％、9.6％和15.5％；抽穗-成熟期干旱影响灌浆速率，导致千粒重降低和秕粒增多，进一步降低穗粒数，轻、中、重旱对穗数和穗粒数无影响(E＝0，N＝0)，对千粒重的损失率(W值)分别为7.9％、13.8％和22.2％。小麦干热风主要发生在灌浆中后期，对千粒重影响比较大，轻、中、重干热风灾害对穗数和穗粒数无影响(E＝0，N＝0)，对千粒重的损失率(W值)分别为4.8％、8.5％和13.5％。综合以上的结果，得到表1。表1基于产量构成的小麦低温冷害、干旱和干热风的产量构成损失率E,N,W值注：干旱、干热风和霜冻害的灾害强度指标分别按照GB/T20481-2017、QX/T82-2007和QX/T88-2008计算；“--”表示未调查；S2、对每一个像元而言，建立灾损模型数学表达式：F＝f(EorMorW)×g(a)；其中，F为产量损失率，f(EorNorW)为产量构成损失率EorNorW，g(a)为产量构成损失率EorNorW的调整系数，即为前期的灾害或生长状态对当前灾害产量损失的反馈影响；确定不同灾害各生育期像元尺度的产量构成损失率EorNorW的调整系数的调整系数g(a)；g(a)表征的是前期的灾害或生长状态对当前灾害产量构成要素损失的反馈影响，取值为0-1，取值为0时表示作物生长状态良好，当前灾害对产量构成要素没有影响，取值为1时表示作物生长状态处于平均态，当前灾害对产量构成要素的影响不变；g(a)值可由专家现场确定，本模型取值为1；S3、某一像元的某一次灾害对产量的损失率Ylose像元为：Ylose像元＝1-{[1-E×g(a)]×[1-N×g(a)]×[1-W×g(a)]}；后续灾害对产量构成的影响直接基于前一个灾害影响后的产量构成进行累加；例如，小麦在拔节-抽穗期遭受了一次轻度的干旱，则产量构成损失率E,N,W分别为1.5％，2.5％和4.9％，调整系数g(a)为1，因此该像元的产量损失本文档来自技高网...

【技术保护点】
1.一种基于产量构成要素的冬小麦气象灾害产量损失评估方法，其特征在于，所述冬小麦气象灾害产量损失评估方法，考虑多种灾害对产量的累积叠加效应，针对任意区域、任意空间分辨率的尺度进行评估，该方法为：/nS1、计算生育期某个灾害对穗数、穗粒数或者千粒重的产量构成损失率E、N或者W，

【技术特征摘要】
1.一种基于产量构成要素的冬小麦气象灾害产量损失评估方法，其特征在于，所述冬小麦气象灾害产量损失评估方法，考虑多种灾害对产量的累积叠加效应，针对任意区域、任意空间分辨率的尺度进行评估，该方法为：
S1、计算生育期某个灾害对穗数、穗粒数或者千粒重的产量构成损失率E、N或者W，式中，E、N和W依次为生育期某个灾害对穗数、穗粒数和千粒重的产量构成损失率，i为灾害种类，Pi为灾害等级；f(Pi)为某个灾害的灾害等级对应的产量构成损失率；
S2、对每一个像元而言，建立灾损模型数学表达式：
F＝f(EorMorW)×g(a)；其中，F...

【专利技术属性】
技术研发人员：胡琦，邢梦媛，王晓晨，潘学标，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11