Filling and comparison of the growth period data of agricultural meteorological stations
LIUZhe1,2,, ZANXuli1,2, LIUWei1,2, LIUDiyou1,2, LIShaoming1,2,, ZHANGXiaodong1,2, ZHUDehai1,2 1. College of Land Science and Technology, China Agricultural University, Beijing 100083, China2. Key Laboratory of Remote Sensing for Agri-Hazards, Ministry of Agriculture, Beijing 100083, China 通讯作者:通讯作者:李绍明,E-mail: lshaoming@sina.com 收稿日期:2018-01-31
关键词:黄淮海夏播玉米区;生育期;区域试验;空间插值;对比分析 Abstract Accurate data of growth period are the basis for crop growth and production process information service. The crop growth period data recorded by agricultural meteorological include a lot of growth stage period information missing. Taking the Huang-Huai-Hai summer maize area as an example, this study calculated the accumulated temperature distribution ratio combining with the daily average temperature, and filled the information of the missing stage from 2002 to 2011. Ultimately this method filled the original growth period data of 13.8%, and the error of filling method was characterized. The results demonstrated that the errors in different growth stages were inconsistent, of which the error in milky maturity stage and maturity stage was the largest. In order to compare the difference between the growth period data of agricultural meteorological stations and the national maize regional test data, a variety of interpolation methods were applied to the two sets of data. By comparing MAE (Mean Absolute Error) and RMSE (Root Mean Square Error), we chosen the Ordinary Kriging method. We compared the interpolated insults and defined difference values between [0, 5] indicating a small difference, large difference at (5, 10], and extremely difference at (10, +∞). Our result shows that, with the exception of 2006 and 2007, the majority of the two sets growth period data difference are limited, in which the difference between the two sets of growth period data was the least appeared in 2003, 2005. The difference between the two sets of growth period data was the largest in 2006. In terms of average of multiple years, there is not a significant difference in most parts of the study area, accounting for 53% of the total number of the agricultural meteorological stations. This study can be used in the filling and comparison of growth stages data in other maize growing areas or other crops.
Keywords:Huang-Huai-Hai summer maize area;growth period;regional test;spatial interpolation;comparative analysis -->0 PDF (8560KB)元数据多维度评价相关文章收藏文章 本文引用格式导出EndNoteRisBibtex收藏本文--> 刘哲, 昝糈莉, 刘玮, 刘帝佑, 李绍明, 张晓东, 朱德海. 农业气象台站玉米生育期的填补及对比分析[J]. 资源科学, 2019, 41(1): 176-184 https://doi.org/10.18402/resci.2019.01.16 LIUZhe, ZANXuli, LIUWei, LIUDiyou, LIShaoming, ZHANGXiaodong, ZHUDehai. Filling and comparison of the growth period data of agricultural meteorological stations[J]. RESOURCES SCIENCE, 2019, 41(1): 176-184 https://doi.org/10.18402/resci.2019.01.16
按照3.1章节介绍的方法,结合已有农业气象站点生育期数据以及气象站点数据,构建黄淮海夏玉米区内的玉米关键生育阶段积温比例模型,实现农业气象台站玉米缺失生育时期的信息填补(表1)。通过表1可以看出,采取上述生育期填补方法,能有效地扩充数据量,总体来讲,黄淮海夏玉米区内10a共填补428条玉米(夏玉米)生育时期记录,约占填补前玉米(夏玉米)生育时期数据的13.8%,其中出苗记录增加106条,成熟记录增加46条,表现在某一年份某一生育时期就是农业气象站点数目的增加,如黄淮海夏玉米区内2002年、2007年有玉米出苗记录的站点分别从18个、6个增加到40个、42个。 Table 1 表1 表12002—2011年农业气象台站玉米生育时期数据填补情况 Table 1The situation of the filling of agricultural meteorological stations’ maize growth period data from 2002 to 2011
数据来源
总体记录
出苗记录
成熟记录
农气站点数据(填补前)
3 104
346
412
农气站点数据(填补后)
3 532
452
458
新窗口打开 为检验该方法的有效性、科学性,随机抽取生育期填补对象的10%作为验证样本,样本量的分配比例与原始数据在各生育时期所占比例一致,结果显示该方法能准确地填补站点的缺失生育时期(图1)。同时,以常见的缺失数据填补方法——线性内插法为参照,比较两种方法的填补误差大小(表2)。可看出本文提出的积温比例模型填补方法不论是总体误差还是各个关键生育时期的误差都远小于线性内插法,表明该方法优于线性内插法,具有一定的先进性及实用性。分析积温比例模型方法的填补误差,填补的生育时期不同,得到的误差大小也不同,整体而言,平均绝对误差大小在1.40~4.18之间、均方根误差在1.82~5.20之间,乳熟期、成熟期的填补误差大于其他生育时期。本文提出的玉米生育期数据填补方法充分利用已有生育期数据,挖掘其内在规律以扩充数据,有利于以玉米生育期为基础数据的系列研究。 显示原图|下载原图ZIP|生成PPT 图1生育时期填补模拟值与实测值对比 -->Figure 1Comparison between simulated and observed value of growth period filling -->
Table 2 表2 表2黄淮海夏玉米区农业气象台站玉米生育时期填补误差 Table 2Filling errors in maize growth period of agricultural meteorological stations in Huang-Huai-Hai summer maize area (d)
新窗口打开 同样地,随机选取2002—2011年黄淮海夏玉米区内农业气象台站生育期总记录的10%,约45组作为验证样本。分别使用RBF、IDW、普通克里格插值(OK)对出苗期、成熟期进行插值,利用MAE和RMSE参数选取最优插值法,结果显示,普通克里格插值(OK)精度最高。 综上,采取普通克里格法对国家玉米区域试验站点的生育期以及农业气象台站的出苗期、成熟期进行插值,得到2002—2011年黄淮海夏玉米区内来源不同的生育期及多年平均生育期天数分布情况(图2)。从图2可以看出整个黄淮海夏玉米区的生育期天数差异不超过10d,且存在纬向分布趋势,纬度越大,生育期越长。 显示原图|下载原图ZIP|生成PPT 图22002—2011年黄淮海夏玉米区年平均生育期天数(国家区域试验站点) -->Figure 2The annual average growth period in Huang-Huai-Hai summer maize area from 2002 to 2011(national regional test stations) -->
4.3 生育期数据对比分析
利用ArcGIS软件,将两种来源不同的生育期数据进行比较,界定差异绝对值大小在[0,5]之间的数据差异较小,(5,10]之间的数据差异较大,(10,+∞)之间的数据差异极大,并从差异值的平均水平,差异值的时空分布角度分析研究结果。 由农业气象台站填补后生育期与国家玉米区域试验站点生育期多年平均绝对值差异、多年平均差异值(图3),可以了解2002—2011年两套生育期数据差异值的平均水平: (1)大部分区域(黄淮海夏播玉米区的西南和中部地区)生育期差异绝对值处于[0,5]之间,两套生育期数据相似度高,约占研究区农业气象台站总数的53%;但是研究区域的北部、东北部区域生育期差异绝对值大都处于(5,10]之间,两套生育期数据的差异较大,约占农业气象台站总数的47%。 (2)农业气象台站与国家玉米区域试验站点生育期差异值大小的地域分布规律十分明显,以河南省与山西省、陕西省的交界处为界线,界线以东农业气象台站的生育期都较国家区域试验站点生育期短,界线以西农业气象台站的生育期都较国家区域试验站点长。 显示原图|下载原图ZIP|生成PPT 图32002—2011年黄淮海夏玉米区多年平均生育期差异 -->Figure 3Difference of average growth period in Huang-Huai-Hai summer maize area from 2002 to 2011 -->
差异值的平均分布只是对两套生育期数据的相似度、一致水平有了大概的了解,差异值在年际、省份的波动变化情况,由如图4、图5可以看出: (1)整体来看,在黄淮海夏播玉米区的西部两套生育期数据差异值小,主要包括山西、陕西、河南省西部;黄淮海夏播玉米区的东北部两套生育期数据差异值常年较大,主要包括山东省、河北省中部、天津市、北京市。值得注意的是2004年、2006年、2007年、2008年、2009年、2011年山东省、河北省、天津市、北京市出现了差异值极大的站点。 (2)除2006年、2007年以外,其余年份50%以上的农业气象台站与国家玉米区域试验站生育期一致性好。2003年、2005年两套生育期数据的差异最小,较小差异值对应的农业气象站比例分别为63%、69.6%;2006年两套生育期数据的差异最大,较小差异值对应的农业气象站比例为25.6%。 显示原图|下载原图ZIP|生成PPT 图42002—2011年黄淮海夏玉米区生育期差异值分布 -->Figure 4Distribution of differences in growth period of Huang-Huai-Hai summer maize area from 2002 to 2011 -->
显示原图|下载原图ZIP|生成PPT 图52002—2011年不同生育期差异值对应农业气象台站计数情况 -->Figure 5Agricultural meteorological stations’ count correspond to different growth period differences from 2002 to 2011 -->
本文以黄淮海夏播玉米区为例开展了农业气象台站缺失生育时期的填补工作,结合国家玉米区域试验数据,对比两套主要生育期数据的差异,可以得出以下结论: (1)利用关键生育阶段积温比例能有效、准确地填补缺失生育时期数据,2002—2011年黄淮海夏玉米区共填补428条生育时期记录,约占原始数据量的13.8%,积温比例模型填补缺失生育时期的均方根误差在1.82~5.20之间。 (2)黄淮海夏播玉米区内,基于多年数据的平均水平,西南和中部地区两套生育期数据的差异值小;同时农业气象台站生育期普遍较国家玉米区域试验站点生育期短;就省份而言,河北省南部、山西、陕西、安徽、湖北省以及河南、江苏省大部分地区数据差异值小。 (3)黄淮海夏播玉米区内,除2006年、2007年以外,其余年份两套生育期的大部分数据差异小、一致性好。其中2003年、2005年两套生育期数据差异最小,2006年两套生育期数据差异最大,在使用数据时应引起注意。 The authors have declared that no competing interests exist.
[Li ZG, YangP, Tang HJ, et al. Trend of spring maize phenophases and spatio-temporal responses to temperature in three provinces of Northeast China during the past 20 years [J]. , 2013, 33(18): 5818-5827. ] [本文引用: 1]
[ LiuZ, LiuW, Zan XL, et al. Research on several years environmental characteristics of temporal and spatial planting regionalization description-a case study in northeast spring maize [J]. , 2017, 48(6): 1-9. ] [本文引用: 1]
[Wang SJ.Spatial Distribution of Multi-Environment Trial Station for Maize Varieties-a Case Study of Jilin Province [D]. , 2015. ] [本文引用: 1]
[4]
Setiyono TD, WeissA, SpechtJ, et al. Understanding and modeling the effect of temperature and daylength on soybean phenology under high-yield conditions [J]. , 2007, 100(2-3): 257-271. [本文引用: 1]
[Xu CZ, Dong XY, Yang HB, et al. Effect of accumulative temperature changes on maturation duration of summer maize with double ripening [J]. , 2009, (2): 34-37. ] [本文引用: 1]
[Sun MM, Jiang LX, Yu RH, et al. Study on heat index at growing stages of corn and the planting border of different varieties in the North [J]. , 1998, 19(4): 8-12. ] [本文引用: 1]
[LiY, Dong ZQ, Song XM.The destability of the accumulated temperature theory and the evaluation for its modified models [J]. , 1993, (S1): 93-96. ] [本文引用: 1]
[XiaoJ, LiN, Jiang HF.Calculation and stability of accumulated temperatures in the growing season of winter wheat [J]. , 2010, 32(2): 64-67. ] [本文引用: 1]
[Li RP, Zhou GS, Wang XY, et al. Comparative analysis of simulation on crop development stage using different phonological models in Northeast China [J]. , 2012, 28(3): 25-30. ] [本文引用: 1]
[Shi SQ, Chen YQ, Li ZG, et al. Spatial simulation of indices based on spatial interpolation technique and regional planning for planting maize in Jilin Province [J]. , 2011, 31(4): 408-414. ] [本文引用: 1]
[23]
ChaiT, Draxler RR.Root mean square error (RMSE) or mean absolute error (MAE) [J]. , 2014, 7(3): 1247-1250. [本文引用: 1]
[Song LQ, TianY, WuL, et al. On comparison of spatial interpolation methods of daily rainfall data: a case study of Shenzhen [J]. , 2008, 10(5): 566-572. ] [本文引用: 2]
[LiuQ, Yan CR, Mei XR, et al. Integrating geographic features and weather data for methodology of rasterizing spring maize growth stages [J]. , 2011, 31(14): 4056-4061. ] [本文引用: 1]
[Zhang YQ, LiuQ, Yan CR, et al. Methodology for rasterizing accumulated temperature data in the Yellow River Basin [J]. , 2009, 29(10): 5580-5585. ] [本文引用: 1]