一种基于滚动气象预报的花期预报方法与流程

1.本发明属于植物花期及数据预测技术领域，具体涉及一种基于滚动气象预报的花期预报方法。


背景技术：

2.近些年来，花期预报技术受到学术界广泛关注，这是由于花期预报为生产生活带来极大的便利。农业生产方面，提高花农工作效率，对授粉、栽培管理及采摘时间提前做出规划，为研究、控制花期的技术奠定基础；花期预报气象服务助力旅游业打造赏花经济，充分发挥地方特色开展赏花活动，实现“精准预报，只为完美邂逅”。花卉植物实用价值与观赏价值并存，然而，花卉植物对环境条件非常敏感，一次降温、一场风雨就可能对赏花效果造成影响，由此可见，植物花期的准确预报具有重要意义，但是，目前的花期预报还存在以下问题：
3.(1)目前缺少对多种植物的花期开展连续预报的研究。
4.(2)已有的花期预报研究中，缺少基于易获取数据，通过便捷的方式得到花期预报。
5.(3)影响植物花期的气象因素众多，目前研究花期预报模型缺少引用多个气象因子作为变量，使花期预报不够精准。


技术实现要素：

6.本发明解决的技术问题：提供一种基于滚动气象预报的花期预报系统，能让人们提前预知常见植物花期时间，有充足的时间做好采摘或观赏的准备工作，确保达到最佳效果。
7.技术方案：为了解决上述技术问题，本发明采用的技术方案如下：
8.一种基于滚动气象预报的花期预报方法，包括：通过历史多年的花期数据，及日均温数据，预先计算出常见观赏性植物以旬为单位的平均有效积温，利用线性回归的方法建立预报模型，抓取30天气象预报信息，计算30天内两个旬的平均有效积温并带入预报模型，对即将开放以及已经开放的植物进行集中展示，动态实时更新花期数据，并提供该植物观花的最佳地理位置信息。
9.具体包括以下步骤：
10.步骤一，获取历史日均温数据及未来日均温预报数据；
11.步骤二，使用观赏性植物花期与气象数据的相关统计方法；
12.步骤三，根据所述统计的主要气象要素数据，基于滚动气象预报数据建立花期预报模型。
13.步骤四，将数据存入系统更新，实时更新花期数据，集中展示近期处于花期和静候开放的植物。
14.作为优选，步骤一中，通过部署在天气网站的服务器上的自建服务，动态获取未来
的气象信息。
15.作为优选，步骤二中，对观赏性植物花期与同年花期前期气象要素进行相关分析，获取与植物花期相关显著的气象因子作为关键影响因子，将关键影响因子引入再进行逐步回归分析，建立多元线性回归方程。
16.作为优选，步骤三中，根据统计的主要气象要素数据获取影响植物花期的关键因子，利用关键因子与儒略日之间存在直线回归关系，采用相关分析和逐步回归的统计方法，建立植物花期预报模型；然后，根据滚动气象预报数据，计算预报年所需的气象因子，代入模型中获得花期儒略日，换算得到预测年花期的具体日期。
17.作为优选，步骤四中，根据获取的实时气象数据计算后带入花期预报模型，得出具体开花时间区间数据并呈现。
18.作为优选，通过花期预报系统的软件界面呈现花期预报信息，期预报系统实现藏花馆、赏花地图、天气预报和科普功能。
19.有益效果：与现有技术相比，本发明具有以下优点：
20.(1)根据植物花期物候获取的资料，筛选影响植物花期显著的气象因子，将关键因子逐步回归分析，引用多个相关的气象因子构建花期预测模型。
21.(2)只需要日均温数据通过科学计算，便能提前10天(一旬)以上准确预测花期，为农业生产等相关单位和游客提供较为准确、科学的参考。
22.(3)基于滚动气象预报数据，动态发布植物花期物候预报，理论和实际结合起来，应用到实际生活中。
23.根据本发明实施例的基于滚动气象预报的花期预报系统，可以适于大多数非极端天气地区，同样作为植物花期预测的方法。
附图说明
24.图1是根据本发明实施例的基于气象滚动预报的花期预报技术的示意图；
25.图2是实施例1的白花杜鹃初花期模拟结果示意图；
26.图3是实施例2的11种南京市常见木本观赏性植物的初花期模拟示意图；
27.图4是此花期预报系统程序界面设计流程示意图；
28.图5是根据本发明实施例，基于花期物候学知识，结合编程技术，形成的花期预报系统主页界面示意图；
29.图6是根据本发明实施例，基于花期物候学知识，结合编程技术，形成的花期预报系统赏花地图界面示意图。
具体实施方式
30.下面结合具体实施例，进一步阐明本发明，实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
31.一种基于滚动气象预报的花期预报系统，以南京为例，包括如下步骤：
32.步骤一：获取南京市历史日均温数据及未来日均温预报数据；
33.从中国天气网站抓取南京市的气象数据，历史日均温数据及未来三十天日均温的预报数据。通过部署在天气网站的服务器上的自建服务，利用jsoup框架向天气网站发出请
求，抓取所需元素，获得气象数据，存入数据，形成相应的数据库，用户需要获取未来的气象信息时，从数据库发送请求，数据库核对网页数据是否更新，若已更新数据，则数据库先进行自身数据更新，再将数据返回给请求者；若未更新数据，则数据库直接将数据返回给请求者。
34.步骤二，观赏性植物花期与气象数据的相关统计方法；
35.根据1980
‑
2012常见观赏性植物花期的观测和记载资料，统计植物花期以日、旬、月为单位的气象观测资料，包括日平均气温、旬平均、月平均积温等气象要素；南京市位于东部季风区，属于亚热带季风气候，亚热带地区通常以10℃为生物学零度，高于这一温度，植物开始生长，所以通常以10度有效积温计算旬平均、月平均积温数据，但有些观赏性植物花期集中在3、4月份，温度数据多数低于10度，此时以5度有效积温计算数据；将植物花期作为儒略日，利用儒略日的换算方法计算有效积温；统计每年稳定通过10℃(5℃)植物花期集中月份的≥10℃(5℃)平均积温、花期集中月份以旬为单位≥10℃(5℃)平均积温等气象因子；对观赏性植物花期与同年花期前期气象要素进行相关分析，重点通过对决定系数(r的平方)、t检验、误差等方面分析，获取与植物花期相关显著的气象因子作为关键影响因子，将关键影响因子引入再进行逐步回归分析，建立多元线性回归方程。
36.花期包括：根据全国通用的农业气象观测规范，对观赏性植物各个花期阶段进行观测，花期阶段包括初花期、盛花期和末花期；观测植物进入各个花期阶段，是以观测的一株数中花已经开放的花量所占的百分率所确定的；观测到有5％的花已经开放的日期为初花期，观测记录有50％的花已经开放(单株花量最多)的日期为单株盛花期，各单株盛花期最集中的时期为盛花期，观测到还有5％的花未开放记为末花期，末花日期减去初花日期为花期；
37.步骤三，根据所述统计的主要气象要素数据，基于滚动气象预报数据建立花期预报模型。
38.首先，根据所述统计的主要气象要素数据获取影响植物花期的关键因子，利用关键因子与儒略日之间存在直线回归关系，采用相关分析和逐步回归的统计方法，建立植物花期预报模型；然后，根据滚动气象预报数据，计算预报年所需的气象因子，代入模型中获得花期儒略日，换算得到预测年花期的具体日期。
39.步骤四，将数据存入系统更新，实时更新花期数据，集中展示近期处于花期和静候开放的植物。
40.预测预报年植物花期的预测结果是大致日期，首先，利用部署在天气网站的服务器实时更新数据实现滚动气象预报；其次，气候数据即时存入数据库计算旬平均有效积温，根据计算的数据，代入到每种植物不同的预报模型中，逐一计算，得出具体的开花区间等数据；然后，最新数据自动录入数据库，软件自动读取，通过网络从服务器上的数据库里传到预报系统；最终，系统呈现的结果是通过软件界面的形式展示常见观赏性植物的花期预报，分为已开、盛开、未开三种类型，实现植物花期连续滚动预报。
41.本发明将物候学与编程技术结合，形成多种植物连续花期预报系统。界面包括五大板块：藏花馆、赏花地图、主页、天气预报和科普，采用swift ui框架进行设计，在保证功能的前提下提供了简洁易用的交互ui，利用卡片式的设计语言，高纯度的色块为交互营造舒适感，系统提供的原生控件灵敏性高、扩展性好。动态更新花期数据，并提供该种植物观
花的地理位置，以期推动和提高南京市观赏植物花期和预报，更好地为市民赏花提供服务。
42.系统主页集中展示正处于花期的观赏性植物，并注明几天后凋谢的提示。一些辅助功能包括：藏花馆功能以列表形式展现常见的具有观赏价值的本本植物的花名、学名、科属、花期及其他详细信息。赏花地图功能将观赏植物按季节分类，在地图上将最佳赏花地点进行标识，点击相关标识可以直接查看对应植物的具体信息。天气预报界面，不仅有常规的天气预报白天到夜间的气温，还结合地点和花期提供观花指数和赏花建议。科普功能对观赏植物的各个花期及预报原理等信息进行解说。
43.系统特点包括：藏花馆界面为每种植物提供点赞和收藏功能，方面用户对喜欢的植物点赞和收藏；顶部的搜索栏能够自动显示和隐藏，在搜索栏中，用户可以输入关键字检索特定植物，列表会按照用户输入关键字对植物进行动态匹配并进行展示。多个界面有弹窗功能，如赏花地图中，点击详细信息界面的“寻花”可以链接到赏花地图中，跳转到相应的地图界面，点击地图上的标注，弹出弹窗，方面查看地理及植物信息。
44.根据本发明实施例的基于滚动气象预报的花期预报系统，可以适于大多数非极端天气地区，同样作为植物花期预测的方法。本发明在获取多年数据基础下，通过建立花期与气象因子多元回归方程实现花期的预测。
45.不同植物花期不一致，儒略日与积温之间的线性关系不同，则影响花期显著的气象因子不同，为证明本发明的有效性，选择12种南京市常见木本观赏性植物：金钟花、绯红晚樱、白花杜鹃、海桐、荚蒾、重瓣溲疏、阴绣球、合欢、紫薇、喜树、栾树和腊梅，这些植物初花期从2月份到12月份，主要分布在4月至5月。1其中，3月份开花的植物有金钟花，4月份开花的植物有绯红晚樱和白花杜鹃，5月份开花的植物有海桐、荚蒾和重瓣溲疏，6月份开花的植物有阴绣球和合欢，7月份开花的植物有紫薇和喜树，8月份开花的植物有栾树，12月份开花的植物有腊梅。可以看出选择的12种观赏植物的初花期时间分布合理，有助于验证不同月份的花期物候对温度的敏感性。南京市花期资料从1980起至2012年止，其中1994
‑
2008年为缺测年段，本实施例中选择1980
‑
1995中连续年历史花期数据建立花期模型。白花杜鹃在4月下旬进入初花期，5月上旬结束末花期，历史花期资料完整，对白花杜鹃实施例进行详细阐述，其余几种植物以初花期预报为实施例，进行准确性验证。
46.实施例1
47.本实施例基于滚动气象预报的白花杜鹃的花期预报系统。
48.本发明通过统计1980
‑
1995年南京市的白花杜鹃模型引用的气象因子，白花杜鹃初花期多集中在4月下旬，且花期集中在3、4月份，平均日均温多数低于10度，以5度有效积温计算相关气象数据，故所需计算的历史数据包括：以旬为单位的2月中旬至4月中旬≥5℃平均有效积温、以月为单位的2月至4月≥5℃平均有效积温(后文简称有效积温)；选择连续性较好的1980
‑
1992年数据建立模型，将1993
‑
1995年数据输入模型中，对白花杜鹃花期进行预测，检验拟合效果。
49.需要说明的是，选取1980
‑
1995年数据仅出于示例目的，具体统计多少时长的数据，根据用户需要进行选择。
50.筛选显著性高的气象因子，进行逐步回归分析：对所有统计结果线性回归显著性、权重分析，将显著性高、分析权重大的气象因子引入进行逐步回归分析，对白花杜鹃初花期、盛花期预报最终建立的模型引入的因子是2月平均有效积温(x1)、3月上旬平均有效积
温(x2)、3月中旬平均有效积温(x3)、4月上旬平均有效积温(x4)、4月中旬平均有效积温(x5)：
51.y＝135.32066
‑
2.68571x1‑
1.15782x2‑
0.71854x3‑
0.94799x4‑
0.90038x552.r2＝0.88538
53.计算结果y可以作为白花杜鹃的初花期进行预报
54.y＝129.37325
‑
1.41227x1‑
0.48697x2‑
0.86028x3‑
0.68617x4‑
0.34881x555.r2＝0.9293
56.计算结果y可以作为白花杜鹃的盛花期进行预报
57.对白花杜鹃末花期预报最终建立的模型引入的因子是2月平均有效积温(x1)、3月上旬平均有效积温(x2)、3月中旬平均有效积温(x3)、3月下旬平均有效积温(x4)、4月上旬平均有效积温(x5)、4月中旬平均有效积温(x6)、4月下旬平均有效积温(x7)
58.y＝143.84288
‑
3.1187x1 0.29246x2‑
0.82894x3 0.26197x4‑
0.6782x5‑
0.85381x6‑
0.21935x759.r2＝0.87321
60.实施例2
61.本实施例基于滚动气象预报的11种南京市常见木本观赏性植物初花期花期预报系统。
62.统计1980
‑
1995年南京市的金钟花、绯红晚樱、海桐、荚蒾、重瓣溲疏、阴绣球、合欢、紫薇、喜树、栾树和腊梅初花期模型引用的气象因子，主要统计的历史数据为初花期之前以旬为单位的平均有效积温和以月为单位的平均有效积温，其中，金钟花和绯红晚樱初花期多集中在3
‑
4月上旬，花期集中在3、4月份，平均日均温多数低于10度，以5度有效积温计算相关气象数据，其他10种植物以10度有效积温计算相关数据。
63.选择显著性高的气象因子，进行逐步回归分析，建立多元线性回归方程：
64.(1)金钟花初花期预报模型：选择连续年1980
‑
1992花期数据建立模型，将1993
‑
1995年数据输入模型，对初花期进行预测，并检验拟合效果。引入的因子是2月中旬平均有效积温(x1)、2月下旬平均有效积温(x2)、3月上旬平均有效积温(x3)、3月中旬平均有效积温(x4)：
65.y＝91.92551
‑
3.90273x1‑
1.69537x2‑
2.35295x3‑
0.95934x466.r2＝0.70676
67.(2)绯红晚樱初花期预报模型：选择连续年1980
‑
1991花期数据建立模型，将1992
‑
1994年数据输入模型，对初花期进行预测，并检验拟合效果。引入的因子是2月平均有效积温(x1)、3月上旬平均有效积温(x2)、3月中旬平均有效积温(x3)、3月下旬平均有效积温(x4)、4月上旬平均有效积温(x5)：
68.y＝128.36597
‑
0.84478x1‑
0.91192x2‑
1.93595x3‑
0.67099x4‑
2.18009x569.r2＝0.80954
70.(3)海桐初花期预报模型：选择连续年1980
‑
1992花期数据建立模型，将1993
‑
1995年数据输入模型，对初花期进行预测，并检验拟合效果。引入的因子是3月上旬平均有效积温(x1)、3月中旬平均有效积温(x2)、3月下旬平均有效积温(x3)、4月上旬平均有效积温(x4)、4月中旬平均有效积温(x5)、4月下旬平均有效积温(x6)：
87.r2＝0.91572
88.(9)喜树初花期预报模型：选择连续年1980
‑
1992花期数据建立模型，将1993
‑
1995年数据输入模型，对初花期进行预测，并检验拟合效果。对喜树初花期预报最终建立的模型引入的因子是5月上旬平均有效积温(x1)、5月中旬平均有效积温(x2)、5月下旬平均有效积温(x3)、6月上旬平均有效积温(x4)、6月中旬平均有效积温(x5)、6月下旬平均有效积温(x6)、7月上旬平均有效积温(x7)：
89.y＝285.22309
‑
0.53026x1‑
0.99093x2‑
1.172x3‑
1.1868x4 0.58934x5‑
0.90884x6‑
2.41917x790.r2＝0.97172
91.(10)栾树初花期预报模型：选择连续年1980
‑
1987花期数据建立模型，将1992
‑
1994年数据输入模型，对初花期进行预测，并检验拟合效果。对栾树初花期预报最终建立的模型引入的因子是6月平均有效积温(x1)、7月上旬平均有效积温(x2)、7月中旬平均有效积温(x3)、8月上旬平均有效积温(x4)、8月中旬平均有效积温(x5)、8月下旬平均有效积温(x6)：
92.y＝82.63715 8.40764x1 0.5957x2‑
3.6073x3 1.89153x4 0.10089x5 3.60319
93.r2＝1
94.(11)腊梅初花期预报模型：选择连续年1980
‑
1989花期数据建立模型，将1990、1992年数据输入模型，对初花期进行预测，并检验拟合效果。对腊梅初花期预报最终建立的模型引入的因子是9月平均有效积温(x1)、10月上旬平均有效积温(x2)、10月中旬平均有效积温(x3)、10月下旬平均有效积温(x4)、11月上旬平均有效积温(x5)、11月中旬平均有效积温(x6)、11月下旬平均有效积温(x7)：
95.y＝176.32243 5.09258x1 10.65647x2 4.07781x3 5.19317x4‑
10.66433x5 10.94219x6‑
27.68881x796.r2＝0.90898
97.基于以上实施例，本发明在获取多年数据基础下，结合实时更新的滚动气象预报数据，通过建立花期有效积温回归方程实现花期的预测。
98.上述说明并非是对本发明的限制，本发明也并不限于上述举例，对于本领域的普通技术人员来说，在不脱离本发明的原理和宗旨的情况下，还可以做出若干改进和变化，这些都属于本发明的保护范围。