燕亚菲
- 作品数：7 被引量：41H指数：5
- 供职机构：中国科学院大气物理研究所更多>>
- 发文基金：四川省教育厅重点项目更多>>
- 相关领域：农业科学天文地球更多>>
- 四川巴中地区38年来气候变化特征分析被引量：6
- 2010年
- 利用1971-2008年巴中地区4个站点的地面常规观测资料和滑动平均、MK法及MHF小波分析等统计诊断方法,分析了该地区降水和温度的年际、年代际的气候变化特征。结果表明:巴中地区的年均气温总体上表现出暖→冷→暖3个阶段,并呈现出8年的准周期变化特征;冬春气温的年代际变化显示出暖→冷→暖3个阶段性特征,而夏秋气温的年代际变化则显示出暖→冷→暖→冷4个阶段性特征。巴中地区的年降水量呈现出减少的趋势,递减率为13.813mm/10年;春季降水量低于全国的春季平均水平,夏、秋季平均降水量均高于全国的平均水平,且占到全年降水量的80%以上。巴中地区的年降水量存在较为显著的2年和6年的准周期变化,降水量增加和减少的突变较多显示出其复杂性。春、夏、秋三季的降水量有随温度升高而下降的趋势,而冬季的降水量有随温度的升高先增多后减少的趋势。巴中气候特征的分析对巴中农业区划和生产安排有其重要意义。
- 张雷肖天贵燕亚菲张恒钟樨
- 关键词：大气科学气候变化降水量气温小波分析
- BP神经网络在小麦赤霉病气象预测中的应用被引量：13
- 2010年
- 应用BP神经网络的方法建立四川资中小麦赤霉病发病的预报模型,为预防小麦赤霉病发病提供科学依据。根据四川资中小麦赤霉病发生发展的气象生理指标及历年该病发生的统计资料,借助人工神经网络强大的函数映射能力,采用Fletcher-Reeves算法的变梯度反向传播算法——Traincgf,建立了小麦赤霉病发病的气象预报模型。该模型不需要事先确定数学模型,拟合与预测的平均绝对偏差分别为0.01,0.05,优于多元线性回归模型的0.17,0.29。BP神经网络预报模型的拟合精度和预报精度都较高,优于多元线性回归模型,能很好地实现预期效果,对小麦赤霉病发病的预测预防工作具有一定的指导意义。
- 刘志红张雷燕亚菲周洁张正健张涵斌
- 关键词：BP神经网络小麦赤霉病
- BP神经网络在小麦赤霉病气象预测中的应用
- 小麦赤霉病是四川小春粮食作物的主要病害之一,其流行主要取决于三方面因素的配合:大量菌源的存在、高温高湿的气候条件和小麦最易感染生育期状况。赤霉病不仅造成小麦的严重减产,更重要的是恶化其子粒品质,降低种用价值,且带病麦粒含...
- 刘志红燕亚菲张雷
- 关键词：BP神经网络小麦赤霉病
- 文献传递
- 西藏冰雹的气候特征被引量：13
- 2012年
- 利用1981～2008年的逐日冰雹资料和2007～2008年的天气图资料,通过线性倾向估计、功率谱和聚类分析等方法,分析了西藏冰雹的气候特征及天气背景,结果表明:西藏地区年均冰雹日数呈下降趋势,并呈现出2～3年的准周期变化。多雹区沿高原地形和山脉呈带状分布,北部较多,西部和东部相对较少。全区年均冰雹日数为20.8天,最大中心位于那曲;西藏地区冰雹具有明显的季、月、日变化,冰雹在3～10月均有发生,主要出现在6～9月,为典型的夏雹型,夜间和早晨很少降雹,主要发生在12～20时之间。西藏地区冰雹与海拔高度和雷暴有很好的正相关,冰雹的发生与低涡、切变线、西风槽和西太平洋副高等天气系统有着密切的联系。
- 张雷石汉青燕亚菲杨平吕陶勇张涵斌
- 关键词：强对流天气冰雹气候特征
- BP神经网络在小麦赤霉病气象预测中的应用
- 小麦赤霉病是四川小春粮食作物的主要病害之一,其流行主要取决于三方面因素的配合:大量菌源的存在、高温高湿的气候条件和小麦最易感染生育期状况.赤霉病不仅造成小麦的严重减产,更重要的是恶化其子粒品质,降低种用价值,且带病麦粒含...
- 刘志红燕亚菲张雷
- 关键词：BP神经网络小麦赤霉病气象预测
- 资中小麦赤霉病的气候发病规律及防治被引量：5
- 2010年
- 以四川资中为例,分析了21年小麦赤霉病的发生规律,同时通过对气象因子的主成分分析,提取了与该病发生关联度较大的气象因子,并将其对小麦赤霉病发生的影响进行了分析。结果表明:21年来资中小麦赤霉病的发生情况较严重,其中最严重的是2000年,1996年次之,病穗率都超过16%。3月下旬～4月中旬的降水量、温度、相对湿度以及前一年秋季的降水和冬季的温度在不同程度上影响小麦赤霉病的发生。最后,提出了防治小麦赤霉病发生的相关措施。
- 燕亚菲张雷刘志红周洁
- 关键词：小麦赤霉病发病规律气象因子
- 灰色人工神经网络在稻瘟病发生预报中的应用被引量：5
- 2010年
- 针对稻瘟病在水稻生长过程中存在的严重危害,基于四川资中地区1998—2008年的稻瘟病发生资料,运用灰色人工神经网络的方法(GBP),建立了稻瘟病发生的预报模型,结果表明:灰色人工神经网络模型的平均相对误差为0.0946,远远优于GM(1.1)模型的1.8857。灰色人工神经网络模型可以拟合任意一种函数关系,且该模型信息利用率高,避免了系统数据辨识方法在序列累加时因正负抵消而产生信息失真的现象。灰色人工神经网络模型的拟合和预测精度较高,可以用于该地区稻瘟病发生的预测工作。
- 张雷燕亚菲刘志红向卫国
- 关键词：稻瘟病GM(1.1)模型水稻
