基于连阴雨灾害预警模型的苹果园灾害预警方法

1.本发明属于气象灾害预报技术领域，具体涉及基于连阴雨灾害预警模型的苹果园灾害预警方法。


背景技术：

2.连阴雨的概念没有统一的定义，不同地区对连阴雨有不同的定义，一般要求连续降水若干天且雨量达到一定值才称为连阴雨。中国气象报社、福建气象局气象百科等文献，定义连阴雨是指连续3～5天以上的阴雨天气(中间可以有短暂日照)。且认为不同地区对连阴雨的定义不同，一般要求雨量达到一定值，例如持续天数≥5天，日降水量≥0.1毫米，过程总降水量≥30毫米为一个连阴雨过程；连阴雨日降水量可以是小雨、中雨，也可以是大雨或暴雨。
3.苹果轮纹病是危害苹果作物最为常见的一种病害，是造成我国苹果单产水平不高的重要原因之一，据调查发现，我国苹果果园总体发病率在70％以上，一般年份苹果产量损失20％～30％，多雨年份则达到40％～60％。轮纹病菌产孢的最适温度为25～30℃，在相对湿度大于90％的条件下孢子即可萌发。气温高于20℃，相对湿度高于75％或连续降雨，雨量达10mm以上时，利于病菌繁殖和孢子传播及侵入，病害严重发生。考虑到阴雨天气对苹果园病害发生及光合产物积累的影响，若与雨天相连的某天无雨，但其平均气湿≥80％且日照≤0.1小时，也可以作为连阴雨天气。
4.现有技术中存在多种方式对连阴雨灾害进行预警，但是每种方式只能针对特定场景下进行连阴雨灾害预警，因此这些预警方式都存在适用范围小和准确性低的缺点。


技术实现要素：

5.针对现有技术中的上述不足，本发明提供的基于连阴雨灾害预警模型的苹果园灾害预警方法实现了对苹果园连阴雨天的灾害进行预测和预警。
6.为了达到上述发明目的，本发明采用的技术方案为：基于连阴雨灾害预警模型的苹果园灾害预警方法，包括以下步骤：
7.s1、收集、分析苹果主产区气象观测站的气象数据，并通过层次分析法得到连阴雨天气影响苹果园生产的指标集x；
8.s2、根据影响苹果园生产的指标集x和连阴雨天气过程样本，得到观测矩阵a；
9.s3、基于观测矩阵a中的指标变量，对其进行标准化处理，得到标准化指标变量；
10.s4、进行大数据相关分析，通过计算标准化指标变量之间的样本相关系数，进而分析标准化指标变量的相关性，得到连阴雨天气过程影响苹果园生产的重要指标；
11.s5、根据重要指标建立连阴雨灾害预警模型；
12.s6、根据连阴雨灾害预警模型计算一年中苹果减产数量，完成苹果园灾害预警。
13.进一步地：所述步骤s1中，连阴雨天气影响苹果园生产的具体指标包括温度、湿度、光照、风速、降水量和持续天数；
14.所述步骤s1具体为：
15.通过从气象观测站的气象数据中筛选出苹果主产区的气象数据，并获取连阴雨天气影响苹果园生产的指标集x。
16.上述进一步方案的有益效果为：通过收集、分析气象观测站的气象数据并结合层次分析法，可以使筛选获得的具体指标更加准确。
17.进一步地：所述步骤s2具体为：
18.根据影响苹果园生产的指标集x＝(x1,x2,
…
,xm)，结合连阴雨天样本得到观测矩阵a；其中，m为具体指标的总数；
[0019][0020]
式中，(x
i1
,x
i2
,
…
,x
im
)为第i个连阴雨过程中的观测数据，其中i＝1,2,...,n，i为连阴雨天过程样本的序数，n为连阴雨天过程观测样本总数。
[0021]
上述进一步方案的有益效果为：建立观测矩阵a可以更直观的反应具体指标和连阴雨天样本的关系，便于进行相关性分析。
[0022]
进一步地：所述步骤s3具体为：
[0023]
记观测矩阵a中第k个指标变量xk的第i个观测为x
ik
，通过下式将指标变量xk进行标准化得到标准化指标变量x
′k和其第i个观测数据x
′
ik
，
[0024][0025]
式中，x
k max
为第k项指标变量xk的最大观测值，x
k min
为xk的最小观测值，其中k＝1,2,...,m，k为指标变量序数。
[0026]
上述进一步方案的有益效果为：标准化可以消除具体指标的单位量纲上的差异，可以解决在相关分析中由单位不同带来的不良影响。
[0027]
进一步地：所述步骤s4中计算的标准化指标变量之间的相关系数包括皮尔逊相关系数、距离相关系数、夹角余弦和马氏距离；记第a个标准化指标变量的观测样本为x
′a＝(x
′
1a
,x
′
2a
,
…
,x
′
na
)
′
，第i个连阴雨过程的标准化观测数据为x
′i＝(x
′
i1
,x
′
i2
,
…
,x
′
im
)；
[0028]
所述步骤s4具体为：
[0029]
通过下式计算变量x
′a,x
′b之间的皮尔逊相关系数分析标准化指标变量样本的线性关系；
[0030][0031]
式中，x
′a和x
′b表示第a和b两个标准化指标变量的样本，e(
·
)为期望值；
[0032]
通过下式计算距离相关系数dcorr(*,*)，进而分析标准化指标变量样本的线性和非线性关系；
[0033][0034]
式中，cov(
·
)为距离协方差值；
[0035]
通过夹角余弦计算标准化指标变量样本的相关性，并通过下式从向量方向的角度衡量其相关性；
[0036][0037][0038]
式中，r
ab
为标准化指标变量样本x
′a与标准化指标变量样本x
′b的夹角余弦，r
cd
为两个连阴雨天气过程标准化观测向量的夹角余弦，x
′
ck
和x
′
dk
分别表示标准化变量x
′k的第c和d次连阴雨天气过程的观测数据；
[0039]
通过马氏距离分析标准化连阴雨天观测数据的相似性，其中，马氏距离的表达式具体为：
[0040][0041]
式中，d(x
′a,x
′b)为变量x
′a与x
′b的马氏距离；s-1
为m个标准化指标变量样本的协方差矩阵的逆矩阵。
[0042]
根据皮尔逊相关系数、距离相关系数、马氏距离和夹角余弦的综合分析结果，得到连阴雨天气过程影响苹果园生产的重要指标，其包括连阴雨过程平均温度、连阴雨过程中日均温度最大值、连阴雨过程平均气湿、连阴雨过程日均日照时数、连阴雨过程总降水量、连阴雨过程持续天数和连阴雨过程中日降雨量≥10mm的天数。
[0043]
上述进一步方案的有益效果为：通过相关性分析可以获得影响苹果园生产的重要指标，并且通过马氏距离分析标准化连阴雨天观测数据的相似性，以避免大数吃小数的现象发生，本发明还对n个样本x
′i＝(x
′
i1
,x
′
i2
,
…
,x
′
im
),i＝1,2,
…
,n的相关性进行了综合分析，以确定不同区域间的相关性，并用于完善预警方法。
[0044]
进一步地：所述步骤s5包括以下分步骤：
[0045]
s51、根据影响苹果园生产的重要指标建立连阴雨灾害预警模型；
[0046]
其中，连阴雨灾害预警模型的表达式为：
[0047][0048]
式中，y为连阴雨天气导致的苹果灾损率，β0,β1,
…
,β7,α,γ均为模型参数，z1为连阴雨过程平均温度，z2为连阴雨过程中日均温度最大值，z3为连阴雨过程平均气湿，z4为连阴雨过程日均日照时数，z5为连阴雨过程总降水量，z6为连阴雨过程持续天数，z7为连阴雨
过程中日降雨量≥10mm的天数；
[0049]
s52、将各苹果主产区气象数据中的重要指标带入连阴雨灾害预警模型，并通过最小二乘法估算模型参数β0,β1,
…
,β7,α,γ的值；
[0050]
s53、将β0,β1,
…
,β7,α,γ的值带入连阴雨灾害预警模型，完善连阴雨灾害预警模型；
[0051]
其中，完善后的连阴雨灾害预警模型的表达式具体为：
[0052][0053]
并对y进行非负校正，即当y《0时令y＝0。
[0054]
上述进一步方案的有益效果为：连阴雨灾害预警模型可以预测连阴雨天气导致的苹果减产数量。
[0055]
进一步地：所述步骤s6中，计算一年中苹果减产数量具体为：通过下式计算一年中苹果灾损率y：
[0056][0057]
通过一年中苹果灾损率y进而得到一年中苹果减产数量；
[0058]
式中，y
t
为第t次连阴雨天气过程导致的苹果灾损率，t为一年中的连阴雨天气序数，t＝1,2,
…
,p；p为一年中的连阴雨天气总数。
[0059]
本发明的有益效果为：
[0060]
(1)本发明可以通过往年中的苹果主产区的气象数据，对连阴雨天气灾害进行判别和损失程度评估，为制定防灾减灾规划及实施措施提供理论依据。
[0061]
(2)本发明的连阴雨灾害预警的数学模型可以根据已有的连阴雨灾害评估结果和未来15天的天气预报数据，对未来15天的连阴雨灾害进行预测和预警。
[0062]
(3)当本发明的连阴雨灾害预警模型得出预警信息时，会给出对应此次连阴雨灾害的生产管理意见，可以有效降低苹果园的苹果减产数量。
附图说明
[0063]
图1为本发明的流程图。
具体实施方式
[0064]
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0065]
在本发明的一个实施例中，通过连阴雨灾害预警模型预测我国苹果主产区的苹果园灾害。
[0066]
如图1所示，基于连阴雨灾害预警模型的苹果园灾害预警方法，包括以下步骤：
[0067]
s1、收集、分析苹果主产区气象观测站的气象数据，并通过层次分析法得到连阴雨天气影响苹果园生产的指标集x；
[0068]
s2、根据影响苹果园生产的指标集x和连阴雨天过程样本，得到观测矩阵a；
[0069]
s3、基于观测矩阵a中的指标变量，对其进行标准化处理，得到标准化指标变量；
[0070]
s4、通过计算标准化指标变量之间的样本相关系数，进而分析标准化指标变量的相关性，得到连阴雨天气过程影响苹果园生产的重要指标；
[0071]
s5、根据重要指标建立连阴雨灾害预警模型；
[0072]
s6、根据连阴雨灾害预警模型计算一年中苹果减产数量，完成苹果园灾害预警。
[0073]
本发明称谓的连阴雨天气，是指连续≥5天日降水量≥0.1mm，或者日平均气湿≥80％、日照时数≤0.1小时且与雨日相连，总降水量≥30mm的天气过程。本定义把降水量≤0.1mm、几乎无日照，且气湿≥80％的日期计算在内，即把连接雨天、几乎无日照且气湿较大的天气算作连阴雨天气。
[0074]
本发明定义的连阴雨天气根据连阴雨持续天数l和日降水量≥10mm的天数rd10划分为三级：当4《l≤7且rd10≤4，为轻度连续阴雨；当4《l≤7且rd10≥5，或7《l≤10且rd10≤6，或l》10且rd10≤5，为中度连阴雨；当7《l≤10且rd10》6，或l》10且rd10》5，为重度连阴雨。
[0075]
所述步骤s1中，连阴雨天气影响苹果园生产的具体指标包括温度、湿度、光照、风速、降水量、持续天数和连阴雨过程中日降雨量≥10mm的天数；
[0076]
所述步骤s1具体为：
[0077]
在本发明的一个实施例中，通过我国699个气象观测站的气象数据中筛选出我国苹果主产区气象观测站的2011年1月至2020年11月的气象数据，并通过层次分析法获取连阴雨天气影响苹果园生产的指标集x。
[0078]
所述步骤s2具体为：
[0079]
根据影响苹果园生产的指标集x＝(x1,x2,
…
,xm)，结合连阴雨天样本得到观测矩阵a；其中，m为具体指标的总数；
[0080][0081]
式中，(x
i1
,x
i2
,
…
,x
im
)为第i个连阴雨过程中的观测数据，其中i＝1,2,...,n，i为连阴雨天过程样本的序数，n为连阴雨天过程观测样本总数。
[0082]
所述步骤s3具体为：
[0083]
记观测矩阵a中第k个指标变量的第i个观测为x
ik
，通过下式将指标变量xk进行标准化得到标准化指标变量x
′k和其第i个观测数据x
′
ik
，
[0084][0085]
式中，x
kmax
为第k项指标变量xk的最大观测值，x
kmin
为xk的最小观测值，其中k＝1,2,...,m，k为指标变量序数。
[0086]
由于影响苹果园生产的具体指标的单位(尺度)不同，如温度、湿度、光照等，其变化范围具有明显的差异，存在着量级、量纲上的差异。通过标准化处理可以消除具体指标之间单位差异造成的不良影响。
[0087]
所述步骤s4中计算的标准化指标变量之间的相关系数包括皮尔逊相关系数、距离相关系数、夹角余弦和马氏距离；记第a个标准化指标变量的观测样本为x
′a＝(x
′
1a
,x
′
2a
,
…
,x
′
na
)
′
，第i个连阴雨过程的标准化观测数据为x
′i＝(x
′
i1
,x
′
i2
,
…
,x
′
im
)；
[0088]
在本实施例中，通过大数据相关分析，计算标准化指标变量之间的样本相关系数，找到了连阴雨天气影响苹果产量的重要指标。
[0089]
所述步骤s4具体为：
[0090]
通过下式计算变量x
′a,x
′b之间的皮尔逊相关系数分析标准化指标变量样本的线性关系；
[0091][0092]
式中，x
′a和x
′b表示第a和b两个标准化指标变量的样本，e(
·
)为样本数学期望值；
[0093]
皮尔逊相关系数主要用于衡量标准化指标变量样本之间的线性相关关系。当两个标准化指标变量样本的线性关系增强时，相关系数趋于1或-1；当两个标准化指标变量样本同方向变化时，表明两者正相关关系，相关系数大于0；两个标准化指标变量样本反方向变化时，表明两者负相关关系，相关系数小于0；如果相关系数等于0，表明它们之间不存在线性相关关系。
[0094]
通过下式计算距离相关系数dcorr(*,*)，进而分析标准化指标变量样本的线性和非线性关系；
[0095][0096]
式中，cov(
·
)为协方差值；
[0097]
距离相关系数可以反映了标准化指标变量样本之间的非线性相关性，如果距离相关系数较小，就可以判定两个标准化指标变量样本较接近独立。
[0098]
通过夹角余弦计算标准化指标变量样本的相关性，并通过下式从向量方向的角度衡量其相关性；
[0099][0100][0101]
式中，r
ab
为标准化指标变量样本x
′a与标准化指标变量样本x
′b的夹角余弦，r
cd
为两个连阴雨天气过程标准化观测数据的夹角余弦，x
′
ck
和x
′
dk
分别表示标准化变量x
′k的第c
和d次连阴雨天气过程的观测数据；
[0102]
夹角余弦反应了向量方向的一致性。
[0103]
通过马氏距离分析标准化连阴雨天观测数据的相似性，以避免出现大数吃小数的现象。其中，马氏距离的表达式具体为：
[0104][0105]
式中，d(x
′a,x
′b)为变量x
′a与x
′b的马氏距离；s-1
为m个标准化指标变量样本的协方差矩阵的逆矩阵。
[0106]
马氏距离可以反应两个标准化指标变量样本之间的相似性，并将所有变量一视同仁(无论数值大小)。
[0107]
根据皮尔逊相关系数、距离相关系数、马氏距离和夹角余弦的分析结果，得到连阴雨天气过程影响苹果园生产的重要指标，其包括连阴雨过程平均温度、连阴雨过程中日均温度最大值、连阴雨过程平均气湿、连阴雨过程日均日照时数、连阴雨过程总降水量、连阴雨过程持续天数和过程中日降雨量≥10mm的天数。
[0108]
本发明还对n个样本x
′i＝(x
′
i1
,x
′
i2
,
…
,x
′
im
),i＝1,2,
…
,n的相关性进行了综合分析，以确定不同区域间的相关性，并用于完善预警方法。
[0109]
所述步骤s5包括以下分步骤：
[0110]
s51、根据影响苹果园生产的重要指标建立连阴雨灾害预警模型；
[0111]
其中，连阴雨灾害预警模型的表达式为：
[0112][0113]
式中，y为连阴雨天气导致的苹果灾损率，β0,β1,
…
,β7,α,γ均为模型参数，z1为连阴雨过程平均温度，z2为连阴雨过程中日均温度最大值，z3为连阴雨过程平均气湿，z4为连阴雨过程日均日照时数，z5为连阴雨过程总降水量，z6为连阴雨过程持续天数，z7为连阴雨过程中日降雨量≥10mm的天数；
[0114]
s52、将我国苹果各主产区气象数据中的重要指标观测样本及相应的灾损率调查数据，带入连阴雨灾害预警模型，使用spss26.0统计软件，并通过最小二乘法和神经网络回归方法，估算模型参数β0,β1,
…
,β7,α,γ的值；
[0115]
s53、将β0,β1,
…
,β7,α,γ的值带入连阴雨灾害预警模型，完善连阴雨灾害预警模型；
[0116]
其中，完善后的连阴雨灾害预警模型的表达式具体为：
[0117][0118]
并对y进行非负校正，即当y《0时令y＝0。上述模型中各变量的显著性概率均小于0.05，复相关系数为0.92，可以用于预测预报。
[0119]
在本实施例中，对我国28个苹果主产县的苹果园连阴雨灾害进行了长达10年的连续调查分析，并应用现代数学方法建立了连阴雨灾害预警模型，实现了对我国各苹果主产县连阴雨灾害灾损率的量化预测，达到了较高的预测精度，并在农业部苹果全产业链预测预警系统上可持续运行。
[0120]
所述步骤s6中，计算一年中苹果减产数量具体为：通过下式计算一年中苹果灾损率y：
[0121][0122]
通过一年中苹果灾损率y进而得到一年中苹果减产数量；
[0123]
式中，y
t
为第t次连阴雨天气过程导致的苹果灾损率，t为一年中的连阴雨天气序数，t＝1,2,
…
,p；p为一年中的连阴雨天气总数。
[0124]
在本发明的一个实施例中，利用本发明的连阴雨灾害预警模型对陕西延长、武功，山东龙口、海阳，河北承德，辽宁新民、葫芦岛等120个苹果主产县2011～2019年的数据进行灾害判别和损失程度评估，并对这些地区2020年的连阴雨灾害进行了实时预警，达到了预期目标。
[0125]
在本发明的一个实施例中，本发明的连阴雨灾害预警的数学模型应用过程为：每日定时读取昨日的降水量、气温、气湿和日照时数等气象数据，并判断昨日及前面连续的若干日是否构成连阴雨天气过程。
[0126]
若昨日与前日结合形成连阴雨天气过程，则通过连阴雨灾害预警模型分析评估该过程对苹果产量的影响程度，必要时进行预警，并以覆盖同一过程昨日结果的方式，储存当日的评估结果，为接下来的产量预测、可视化等其他模型提供数据支持。
[0127]
读入未来15日(含当日)的相关天气预报数据，预报未来15日是否扩展过去的连阴雨天气过程，或形成新的连阴雨天气过程。
[0128]
若当日与昨日结合形成连阴雨天气过程，则通过连阴雨灾害预警模型预评估该过程对苹果产量的影响，以覆盖同一过程昨日结果的方式，储存当日的评估结果，并进一步预测、评估未来15天的连阴雨天气状况，必要时进行预警。
[0129]
若当日与昨日结合未形成连阴雨天气过程，则预报未来15日是否形成新的连阴雨天气过程(该过程可能包括过去的1～3天)，分析其对苹果产量的影响程度，并视其严重程度确定是否进行预警。
[0130]
本发明的实施过程为：收集、分析苹果主产区的气象数据和连阴雨天过程样本，并每日实时更新；筛选苹果主产区的气象数据中的连阴雨灾害对苹果园生产影响的指标集x，并结合连阴雨天样本得到观测矩阵a；对观测矩阵a中的指标变量xk进行标准化得到标准化指标变量x
′k，并使用皮尔逊相关系数、距离相关系数、马氏距离和夹角余弦对标准化指标变量样本和标准化连阴雨过程观测数据进行大数据相关分析，得到连阴雨天气过程影响苹果园生产的重要指标，其包括连阴雨过程平均温度、连阴雨过程中日均温度最大值、连阴雨过程平均气湿、连阴雨过程日均日照时数、连阴雨过程总降水量、连阴雨过程持续天数和过程中降雨量≥10mm的天数。根据影响苹果园生产的重要指标建立连阴雨灾害预警模型，并进行神经网络回归分析，得到连阴雨灾害预警模型的参数值，可以计算得到连阴雨天气导致的苹果灾损率，结合一年中的连阴雨天气，可以计算得到一年中苹果灾损率y，进而得到一年中的苹果减产数量，最终完成苹果连阴雨灾害的预测和预警。
[0131]
本发明的有益效果为：本发明可以通过收集往年中的苹果主产区的气象数据，对连阴雨天气灾害进行判别和损失程度评估，为制定防灾减灾规划和实施措施提供理论依据。
[0132]
本发明的连阴雨灾害预警的数学模型可以根据已有的连阴雨灾害评估结果和未来15天的天气预报数据，对未来15天的连阴雨灾害进行预测和预警。
[0133]
当本发明的连阴雨灾害预警模型得出预警信息时，会给出对应此次连阴雨灾害的生产管理意见，可以有效降低苹果园的苹果减产数量。
[0134]
在本发明的描述中，需要理解的是，术语“中心”、“厚度”、“上”、“下”、“水平”、“顶”、“底”、“内”、“外”、“径向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含指明的技术特征的数量。因此，限定由“第一”、“第二”、“第三”的特征可以明示或隐含地包括一个或者更多个该特征。

技术特征：
1.基于连阴雨灾害预警模型的苹果园灾害预警方法，其特征在于，包括以下步骤：s1、收集、分析苹果主产区气象观测站的气象数据，并通过层次分析法得到连阴雨天气影响苹果园生产的指标集x；s2、根据影响苹果园生产的指标集x和连阴雨天过程样本，得到观测矩阵a；s3、基于观测矩阵a中的指标变量，对其进行标准化处理，得到标准化指标变量；s4、进行大数据相关分析，通过计算标准化指标变量之间的样本相关系数，进而分析标准化指标变量的相关性，得到连阴雨天气过程影响苹果园生产的重要指标；s5、根据重要指标建立连阴雨灾害预警模型；s6、根据连阴雨灾害预警模型计算一年中苹果减产数量，完成苹果园灾害预警。2.根据权利要求1所述的基于连阴雨灾害预警模型的苹果园灾害预警方法，其特征在于，所述步骤s1中，连阴雨天气影响苹果园生产的具体指标包括温度、湿度、光照、风速、降水量、持续天数和日降雨量≥10mm的天数；所述步骤s1具体为：从苹果主产区的气象观测站的众多气象数据中筛选出连阴雨天气影响苹果园生产的指标集x。3.根据权利要求1所述的基于连阴雨灾害预警模型的苹果园灾害预警方法，其特征在于，所述步骤s2具体为：根据连阴雨天气影响苹果园生产的指标集x＝(x1,x2,
…
,x
m
)，结合连阴雨天气样本得到观测矩阵a；其中，m为具体指标的总数；式中，(x
i1
,x
i2
,
…
,x
im
)为第i个连阴雨过程中的观测数据，其中i＝1,2,...,n，i为连阴雨天过程样本的序数，n为连阴雨天过程观测样本总数。4.根据权利要求3所述的基于连阴雨灾害预警模型的苹果园灾害预警方法，其特征在于，所述步骤s3具体为：记观测矩阵a中第k个指标变量的第i个观测为x
ik
，通过下式将指标变量x
k
进行标准化得到标准化指标变量x
′
k
和其第i个观测数据x
′
ik
，式中，x
kmax
为第k项指标变量x
k
的最大观测值，x
kmin
为x
k
的最小观测值，其中k＝1,2,...,m，k为指标变量序数。5.根据权利要求3所述的基于连阴雨灾害预警模型的苹果园灾害预警方法，其特征在于，所述步骤s4中计算的标准化指标变量之间的相关系数包括皮尔逊相关系数、距离相关系数、夹角余弦和马氏距离；记第a个标准化指标变量的观测样本为x
′
a
＝(x
′
1a
,x
′
2a
,
…
,x
′
na
)
′
，第i个连阴雨过程的标准化观测数据为x
′
i
＝(x
′
i1
,x
′
i2
,
…
,x
′
im
)；
所述步骤s4具体为：通过下式计算变量x
′
a
,x
′
b
之间的皮尔逊相关系数分析标准化指标变量样本的线性关系；式中，x
′
a
和x
′
b
表示第a和b两个标准化指标变量的样本，e(
·
)为期望值；通过下式计算距离相关系数dcorr(*,*)，进而分析标准化指标变量样本的线性和非线性关系；式中，cov(
·
)为距离协方差值；通过夹角余弦计算标准化指标变量样本的相关性，并通过下式从向量方向的角度衡量其相关性；其相关性；式中，r
ab
为标准化指标变量样本x
′
a
与标准化指标变量样本x
′
b
的夹角余弦，r
cd
为两个连阴雨天气过程标准化观测向量的夹角余弦，x
′
ck
和x
′
dk
分别表示标准化变量x
′
k
的第c和d次连阴雨天气过程的观测数据；通过马氏距离分析标准化连阴雨天观测数据的相似性，其中，马氏距离的表达式具体为：式中，d(x
′
a
,x
′
b
)为变量x
′
a
与x
′
b
的马氏距离；s-1
为m个标准化指标变量样本的协方差矩阵的逆矩阵。根据皮尔逊相关系数、距离相关系数、马氏距离和夹角余弦的综合分析结果，得到连阴雨天气过程影响苹果园生产的重要指标，其包括连阴雨过程平均温度、连阴雨过程中日均温度最大值、连阴雨过程平均气湿、连阴雨过程日均日照时数、连阴雨过程总降水量、连阴雨过程持续天数和连阴雨过程中日降雨量≥10mm的天数；通过对n个样本x
′
i
＝(x
′
i1
,x
′
i2
,
…
,x
′
im
)，i＝1,2,
…
,n的相关性进行了综合分析，进而确定不同区域间的相关性。
6.根据权利要求1所述的基于连阴雨灾害预警模型的苹果园灾害预警方法，其特征在于，所述步骤s5包括以下分步骤：s51、根据影响苹果园生产的重要指标建立连阴雨灾害预警模型；其中，连阴雨灾害预警模型的表达式为：式中，y为连阴雨天气导致的苹果灾损率(％)，β0,β1,
…
,β7,α,γ均为模型参数，z1为连阴雨过程平均温度，z2为连阴雨过程中日均温度最大值，z3为连阴雨过程平均气湿，z4为连阴雨过程日均日照时数，z5为连阴雨过程总降水量，z6为连阴雨过程持续天数，z7为连阴雨过程中日降雨量≥10mm的天数；s52、将各苹果主产区气象数据中的重要指标带入连阴雨灾害预警模型，并通过最小二乘法估算模型参数β0,β1,
…
,β7,α,γ的值；s53、将β0,β1,
…
,β7,α,γ的值带入连阴雨灾害预警模型，完善连阴雨灾害预警模型；其中，完善后的连阴雨灾害预警模型的表达式具体为：并对y进行非负校正，即当y<0时令y＝0。7.根据权利要求6所述的基于连阴雨灾害预警模型的苹果园灾害预警方法，其特征在于，所述步骤s6中，计算一年中苹果减产数量具体为：通过下式计算一年中苹果灾损率y：通过一年中苹果灾损率y进而得到一年中苹果减产数量；式中，y
t
为第t次连阴雨天气过程导致的苹果灾损率，t为一年中的连阴雨天气序数，t＝1,2,
…
,p；p为一年中的连阴雨天气总数。

技术总结
本发明公开了基于连阴雨灾害预警模型的苹果园灾害预警方法，包括以下步骤：S1、收集、分析苹果主产区气象观测站的气象数据，并通过层次分析法得到连阴雨天气影响苹果园生产的指标集X；S2、根据影响苹果园生产的指标集X和连阴雨天气过程的观测样本，得到观测矩阵A；S3、基于观测矩阵A中的指标变量，对其进行标准化处理，得到标准化指标变量；S4、通过大数据分析计算标准化指标变量之间的样本相关系数，进而分析标准化指标变量的相关性，得到连阴雨天气过程影响苹果园生产的重要指标；S5、根据重要指标建立连阴雨灾害预警模型；S6、根据连阴雨灾害预警模型计算一年中苹果减产数量，完成苹果园灾害预警。苹果园灾害预警。苹果园灾害预警。


技术研发人员：王志军 程述汉 孟丽 殷瑞锋 王鲁 兰鹏 张亮 武装
受保护的技术使用者：山东农业大学
技术研发日：2021.11.29
技术公布日：2022/3/8