李世娟,劉升平,諸葉平,張 杰
(1. 農業農村部信息服務技術重點實驗室,北京 100081;2. 中國農業科學院農業信息研究所,北京 100081)
隨著數字農業或智慧農業的飛速發展,對其核心研究內容環境—作物系統模擬的要求越來越細致、精準。此類模型通常需要逐日天氣數據,盡管可以使用歷史逐日天氣數據,但其較難獲取且成本高昂。來自全球氣候模型和區域氣候模型的數據經常降尺度以匹配水文模型所需的空間和時間分辨率,但數據精確性不高。隨機天氣發生器(Weather Stochastic Simulator,SWG)是基于研究區域天氣特征的數值工具,可以產生與歷史觀測在統計上相似的長期氣候變量系列,主要用于生成區域氣候模型、水文模型和作物生理模型的輸入值,以評估氣候變化對田間規模的作物生產、水文和土壤侵蝕方面的影響。針對SWG已開展了多年持續研究。
天氣發生器通常涉及多個變量,如降水、太陽輻射、溫度等,其中降水是關鍵變量,每日最高、最低溫度和太陽總輻射根據降水量進行建模。一種方法是采用一階或二階馬爾可夫鏈模擬降水發生概率日降水由一定的概率分布模型模擬,如指數分布、伽馬分布、混合指數模型、對數正態分布。該方法使用參數控制降水概率分布,可提升天氣發生器功能。因此,研究人員在日降水概率模型、日降水概率分布模型、利用傳統平均氣候特征進行參數估計等方面進行了研究。WGEN(Weather Generator,WGEN)是Richardson等提出的一類實用、應用廣泛的天氣發生器,采用二態一階馬爾可夫鏈框架模擬降水,即某一天降水發生的概率取決于前一天是否降水,降水量采用雙參數伽馬分布建模?!?br>