Reasonable programming and planting of crops is the key to balancing the economic benefits of the agricultural industry and the sustainable development of resources, and is an important way to increase farmers' income and achieve prosperity. Crop planting programming in Lingqiu county of Shanxi province, was used to quantify the impact of interannual risks of yield, cost and price on planting programming using stochastic parameters combination with the impact of plot type, crop rotation and market demand on planting. At the same time, complementary crop substitution mechanism had been integrated, with planting profit and coordination degree as the bi−objectives. Three crop planting programming models were designed and constructed and evaluated. The results showed that the actual planting profit of 41 kinds of crops planted in Lingqiu county in 2023 were 5926348.25 yuan, and the planting coordination degree was 66.67. The planting scheme with bi−objective programming (M1) achieved a profit increase of 71.01% and a planting coordination increase of 60.75%. The planting scheme with bi−objective programming considering market risk (M2) increased the profit by 75.42% and the planting coordination increased by 60.94%. The profit increase of the planting scheme with bi−objective programming under the complementary substitution condition (M3) reached 164.42%, and the planting coordination increased by 60.75%. The results of all three planting schemes could achieve an increase of more than 60% with coordination of crop planting in the region, and an increase of more than 70% of profits. The bi−objective planting programming model had a good ability to improve profits and planting coordination, and could provide support for adjustment and optimization in crop planting programming and crop industry layout. The crop planting bi−objective programming model designed and constructed in this paper and its programming results had certain guiding value for optimizing the regional crop planting structure and layout, promoting the supply−side structural reform of the agricultural industry, improving the economic benefits of the agricultural industry and coordinating the sustainable development of the agricultural industry.

选取云南省为研究区，通过构建化肥、农药、农膜、灌溉和机械化作业等农资投入的碳排放核算体系，系统评估2005−2019年种植业碳排放特征；结合Tapio脱钩模型揭示云南省种植业生产资料投入的碳排放与经济增长的演进关系，运用LMDI分解法定量识别驱动因素，基于GM(1,1)灰色模型预测2020−2029年云南省种植业生产资料投入的碳排放趋势。结果表明：2005−2019年云南省种植业生产农资投入品碳排放量呈倒“U”型动态变化，2017年达峰值（398.67×10⁴t），2019年下降至336.14×10⁴t。2005−2019年云南省种植业生产农资投入品单位产值的碳排放强度逐年递减，年平均降幅为8.47%，其中化肥使用是最主要的碳排放源；种植业生产资料投入的碳排放与经济增长存在4种状态，即弱脱钩、扩张连接、扩张负脱钩和强脱钩。2018年以后，种植业生产资料投入的碳排放与经济增长由弱脱钩状态向强脱钩状态演进。经济规模、能源结构和农业产业结构是推动种植业生产农资投入品碳排放增长的正向驱动因素，其中经济规模的驱动效应尤为显著；能源强度和人口规模则构成了负向驱动因素。在确认数据适合采用灰色预测模型GM(1,1)后，预测得出2020−2029年云南省种植业生产农资投入品的碳排放量将持续下降，到2029年，碳排放量将减至177.81×10⁴t。基于上述结果，建议提高云南农业生产科技水平，加强农业生产技术培训和低碳理念的宣传，优化种植结构，并建立科学的农业管理制度，以提高云南农作物生产碳减排效率，助力云南省农业生产绿色长久健康发展。

基于重庆市2023年4−10月降水量和土壤相对湿度逐小时监测数据，以重庆市农田典型黏壤土土质为研究对象，利用随机森林和一元线性回归方法，分析不同降水事件、降水强度及0−50cm土层初始土壤相对湿度条件下土壤相对湿度变化情况，探究土壤水分含量对降水事件的响应，旨在揭示重庆地区自然降水条件下农田土壤水分变化机理，为土壤水分含量预报和农业干旱预警等提供技术支撑。结果表明：（1）降水量增大对40−50cm土壤水分含量变化和补给影响增强。小雨事件影响深度局限于0−20cm土层，中雨以上事件可影响20−50cm土层，其中暴雨事件对40−50cm层土壤水分含量的增量影响较无降水情况下提升5.92个百分点。（2）较大的降水强度提高了水分下渗效率，Ⅳ级降水强度事件下40−50cm土层土壤水分补给滞后时间（0.76h）和土壤水分补给速率（2.29个百分点·h⁻¹）较Ⅰ级降水强度事件的补给滞后时间（2.90h）有所缩短，补给速率（0.10个百分点·h⁻¹）有所提升。（3）初始土壤处于干旱状态下（初始土壤相对湿度＜60%），0−10cm土层土壤水分对单位降水量的响应强度（0.38个百分点·mm⁻¹）较40−50cm土层的（0.16个百分点·mm⁻¹）高2.4倍，中雨至暴雨（10～50mm）、Ⅱ和Ⅲ级降水强度（5～15mm·h⁻¹）事件使耕作层（0−20cm土层）土壤相对湿度提升10～30个百分点，明显改善土壤干旱情况，初始土壤处于适宜状态（土壤相对湿度≥60%），各层土壤相对湿度增量较干旱状态约降低50个百分点。

随着全球气候变暖加剧，极端降水事件频发，强度增强，通过影响区域土壤水循环，进而影响土壤氧化亚氮（N₂O）排放及其微生物调控机制。但目前极端降水事件对土壤N₂O的排放机制尚不明确。本研究基于农田、草地、森林以及湿地不同土地利用类型间N₂O排放通量的差异，综述极端降水事件对不同土地利用类型土壤N₂O排放的影响，深入探讨其微生物调控机制，以期为解决农业系统碳中和目标提供依据。结果表明：极端降水通过改变土壤水分动态、碳氮可利用性及微生物功能基因表达，增加了土壤N₂O排放，但具体效应受土壤类型、土地利用方式及降水特征等多种因素共同影响。在微生物层面，极端降水迅速增强微生物活性，影响硝化和反硝化作用相关功能基因（如amoA、nirS、nosZ）的丰度与活性，进而调控N₂O的排放路径。未来研究应进一步拓宽土地类型范围，加强微生物群落结构与功能基因表达的解析，并综合考虑多因素相互作用对土壤N₂O排放的影响，以期为土壤N₂O增汇减排提供理论依据，助力实现碳达峰碳中和目标。

为深入探究基于SPAD−502叶绿素仪的胡麻氮素营养诊断方法和氮肥管理推荐方案，以胡麻‘陇亚11号’为试验材料，采用田间二因素裂区试验设计，研究不同施氮量（N0为0kg·hm⁻²、N1为60kg·hm⁻²、N2为120kg·hm⁻²、N3为180kg·hm⁻²）和分施比（T1为全部基施，T2为基肥:现蕾肥=2:1，T3为基肥:分茎肥:现蕾肥=1:1:1）下胡麻叶片SPAD值与氮素营养诊断指标和施氮量的关系以及施氮量对籽粒产量的影响。结果表明：不同施氮水平下，胡麻同一生育时期的叶片SPAD值随施氮量的增加均呈逐渐递增趋势，表现为N3>N2>N1>N0；不同分施比下，胡麻各生育时期叶片SPAD值均表现为T2>T3>T1。各氮肥综合运筹处理下，胡麻各关键生育时期叶片SPAD值均表现为N3T2处理显著高于其他处理，表明该处理下叶片的叶绿素相对含量较高。在分茎期、现蕾期、盛花期和青果期，胡麻叶片SPAD值与氮素营养诊断指标及施氮量均呈显著线性相关关系；籽粒产量与施氮量呈二次函数的关系：y=−0.0288x²+8.1724x+1090.2083，施氮量142kg·hm⁻²时胡麻籽粒产量最高，为1670kg·hm⁻²；各生育时期最适叶片SPAD值在53.4～73.7，临界叶片SPAD值在41.0～57.6。以此建立了胡麻各关键生育时期的施肥推荐管理方案。

针对传统反演方法在有云条件下反演能力受限，以及GIIRS（Geostationary interferometric infrared sounder）业务产品无法提供整层大气温湿信息等问题，本研究基于2019年12月和2020年7月干涉式垂直大气探测仪GIIRS的实况观测资料，利用深度学习的卷积神经网络方法CNN（Convolutional neural network）实现大气温度和湿度垂直廓线反演，优化网络框架和神经网络参数。以2019年12月和2020年7月无线电探空观测为真值，评估CNN反演算法和GIIRS L2级业务产品，以期解决传统反演方法在有云条件下反演能力受限，以及GIIRS L2级业务产品无法提供整层大气温湿信息等问题。结果表明：所构建的CNN模型成功实现了大气温度和湿度廓线的整层反演。通过对453组独立测试样本的验证，模型反演温度的RMSE整层平均为3.152K，最大相关系数达0.995，CNN网络具备良好的泛化能力和预测准确性；输入GIIRS实况资料后，晴空条件下CNN网络在对流层中低层附近反演精度最高，RMSE在3～5K。有云条件下，GIIRS L2级业务产品仅反演云顶以上高度的温度廓线，而CNN网络可以反演整层的温度廓线。CNN网络的反演精度在有云条件下优于GIIRS L2级业务产品。利用CNN迁移学习特征反演了2019年12月和2020年7月的湿度廓线，不论是晴空还是有云，整层平均湿度的RMSE均小于2g·kg⁻¹。

为探究采收前侧方LED远红光（730nm）补光（基于红蓝光）对水培生菜生长及品质的调控作用，以意大利生菜为试验材料，在全智能环控植物工厂条件下开展试验。试验以种植架水培槽顶部照明为主光源，于采收前6d增设LED侧方补光处理，对照组（CK）为红蓝光（4:1，光强150.0μmol·m⁻²·s⁻¹，补光时间3h），试验组在对照组基础上分别增加5种光强（12.5、25.0、50.0、75.0和150.0μmol·m⁻²·s⁻¹）的远红光，分析不同光处理对生菜产量和品质的影响，旨在缓解种植架生菜侧方光照不足的问题，以期为植物工厂水培生菜提质增效提供理论依据与技术参数。结果表明：与CK处理相比，补充远红光显著提高了最靠近侧方灯具的第1行和第2行生菜的地上部鲜重、干重及叶面积，且增幅随远红光光强增强而升高，当远红光强度为150.0μmol·m⁻²·s⁻¹时，地上部干重较CK处理提高93%。补充远红光还增加了第1、第2行生菜的1−3层叶片的抗坏血酸含量，在远红光光强50.0μmol·m⁻²·s⁻¹时，第1行第2层叶片在50.0μmol·m⁻²·s⁻¹远红光处理下抗坏血酸含量最高（213μg·g⁻¹）。随着远红光光强增加，第1、第2行生菜1−3层叶片的光合色素、可溶性蛋白、可溶性糖、总酚及类黄酮含量逐渐降低，在150.0μmol·m⁻²·s⁻¹时达到最低值，此变化趋势与生菜生长的地上部鲜重、干重及叶面积等指标呈负相关。综合考虑生菜产量、品质指标及补光能耗，50.0μmol·m⁻²·s⁻¹的侧方远红光补光处理栽培效果最佳。

红边波段与红边植被指数被证实与作物类型的精细化识别有关，评估卫星遥感影像红边信息对具体农作物种植提取精度的影响，可为相关卫星数据在农业上的深入应用提供有效参考。为探究HJ−2卫星遥感影像红边信息对冬小麦种植提取精度的影响，以安徽省萧县为研究区，通过冬小麦拔节期单时相影像构建4种不同波段和衍生植被指数参与条件下的种植提取方案，在此基础上利用Jeffries−Matusita（J−M）距离计算样本类别可分性，采用随机森林算法开展地物分类，对比分析不同方案冬小麦−其他植被类别的可分性、识别精度、冬小麦种植区分布图结果。结果表明：全部红边信息参与条件下，较无红边信息无衍生植被指数参与条件下，冬小麦−其他植被类别可分性由1.9337提高到1.9988，识别精度中分类精度UA（用户精度）、PA（生产者精度）、OA（总体精度）和Kappa系数分别由86.92%、90.37%、85.11%和0.77提高到98.45%、95.67%、94.95%和0.92，AA（面积精度）由80.38%提高到98.94%，RE（相对误差）由19.62%降至1.06%，冬小麦种植区分布图中错分现象、“椒盐现象”有效降低，识别出的冬小麦种植地块完整、平滑、边界连续性好。研究表明，引入HJ−2卫星遥感影像红边信息参与分类可有效提高冬小麦种植提取的精度和制图效果，对国产红边卫星的推广应用和冬小麦的精准监测具有重要参考意义。

以3个优质籼稻品种为材料，设置5个纯氮施氮水平（N₀：0、N₁₂₀：120kg·hm⁻²、N₁₅₀：150kg·hm⁻²、N₁₈₀：180kg·hm⁻²和N₂₁₀：210kg·hm⁻²），于2023−2024年在江西省赣北地区开展田间试验，分析不同施氮水平对不同品种优质稻光温资源利用、产量及品质的影响，为提升研究区优质稻产量潜力和气候资源利用提供参考。结果表明：随着施氮量的增加，2023−2024年供试优质稻全生育期分别延长了4～11d和4～13d，生育期的延长主要表现在优质稻生殖生长阶段。优质稻全生育期≥10℃活动积温和太阳辐射总体呈递增趋势，2023年≥10℃活动积温增幅为2.5%～8.7%，2024年为2.6%～11.4%，太阳辐射2023年增幅为1.1%～8.3%，2024年为2.0%～9.1%；≥10℃活动积温生产效率、光能生产效率、光能利用率呈先升后降趋势，N₁₅₀处理下最高。每穗粒数和产量均以N₁₅₀处理最高，结实率呈下降趋势，有效穗数呈递增趋势。稻米加工品质以N₁₅₀处理表现最好；外观品质随施氮量增加而降低；直链淀粉含量呈先降后升趋势，‘野香优莉丝’和‘泰丰优308’2a试验均以N₁₅₀处理最低；胶稠度呈先升后降趋势，除2023年‘野香优莉丝’在N₁₈₀处理下最高外，其他均在N₁₅₀处理下最高。综上，全生育期施氮水平为150kg·hm⁻²时，能获得高产优质且光温利用率高，是赣北地区优质籼稻种植值得推荐的氮肥施用量。

基于荔枝生物学特性，利用1991−2024年四川渠县及其周边和合江县16个站气象观测资料和GIS资料，运用气候模拟分析、GIS区划技术，选取年≥10℃活动积温、1月平均气温和平均年极端最低气温为指标，运用综合权重法开展荔枝引种气候区划，系统评估四川渠县引种荔枝的气候可行性。结果表明：（1）渠县大部年平均气温17.0～17.9℃，海拔300m以下区域年≥10.0℃活动积温高于5500℃·d，预计荔枝花果期较合江县偏晚7～10d，具备引种晚熟荔枝的气候潜力，但冬季霜冻是其主要限制因素。（2）渠县1月极端最低气温为−3.3℃（80%保证率−2.1℃），露地种植难以安全越冬；盛夏高温（极端44.0℃）、伏旱及暴雨洪涝等气象灾害进一步增加了引种风险。（3）近34a来渠县气候变暖显著，年≥10.0℃活动积温显著增加（172.46℃·d·10a⁻¹），但冬季变暖不显著，霜冻风险仍常年存在，引种荔枝需配套防寒措施。（4）气候区划显示，渠县31°N以南、海拔300m以下的河谷地带为引种适宜区，海拔300−400m区域为次适宜区；海拔高于400m的山丘区不适宜引种。建议渠县优先在海拔300m以下区域引种晚熟荔枝，结合本地气候特点同步研发经济型冬季防寒技术，统筹防寒技术、品种优化和产业韧性，通过设施农业、抗寒品种选育以及灾害防控体系构建等措施提升荔枝引种成功率，逐步探索可持续产业模式，避免盲目引种扩种。

基于1981−2024年青海省东部地区冰雹观测资料，运用Mann−Kendall检验和小波分析等方法，分析冰雹发生次数、大小和持续时间的时空变化特征，以期了解该地区冰雹发生、发展和异常变化规律，为区域防雹减灾、保障农业生产安全提供依据。结果表明：（1）1981−2024年青海省东部地区年平均降雹次数为35.5次，冰雹平均直径为6.2mm，平均单次降雹持续时间为6.9min。（2）1981−2024年青海省东部地区降雹次数以1.08次·a⁻¹的速率极显著减少（P＜0.001），冰雹直径和降雹持续时间无显著变化，降雹次数、直径和降雹持续时间均在7月达峰值。从日尺度看，降雹事件主要发生在午后至傍晚（14：00−17：00），冰雹直径和降雹持续时间的日峰值出现在21：00左右。降雹次数、冰雹直径及降雹持续时间分别于2001年、1994年、1984年存在明显的突变，且存在2～3a、5a及5～6a的周期振荡。（3）1981−2024年降雹次数的空间格局与年代际降雹次数分布一致，均表现为西北多、东南少的空间特征，且降雹次数与海拔呈显著正相关关系。综上，1981−2024年青海省东部地区冰雹活动呈减少趋势，对当地农业生产较为有利，但该区域气候系统复杂，仍需关注局部地区强降雹事件的发生。

天气指数保险作为创新型保险产品，是应对农业气象灾害的重要风险管理工具之一，具有运营成本低、不易出现道德风险和逆向选择等优点，但是却面临基差风险和系统性风险的双重挑战。本研究从风险建模角度出发，系统总结当前天气指数保险在基差风险和系统性风险控制方面的成果，从天气指数设计、天气指数-产量关系建模、农业气象系统性风险应对等方面，分析现有研究方法的优缺点以及发展趋势，并提出未来展望，以期为中国天气指数保险的优化设计、农业气象风险管理的推进以及粮食安全保障提供有益参考。结果表明：在天气指数设计层面，多源数据融合、多灾因、多指标和定制天气指数是控制基差风险的主要手段；在天气指数-产量关系建模层面，高维度、非对称、非线性与交互性是控制基差风险的关键；在系统性风险的研究层面，多变量时空相依建模是系统性风险度量的研究重点，再保险、购买金融衍生品和扩大风险池是分散系统性风险的主要策略。多灾因耦合机制不清、作物受灾机理不明，现有研究尚未能解决多灾种交互作用导致作物减产的量化问题，未来可基于数据与模型联合驱动挖掘多种气象风险之间复杂相依关系及其对作物减产的复合影响。产品设计方面，现有研究多采用分步研究方法，会导致误差累加，扩大产品设计与预期的差距，未来需进一步探索从产品设计整体考虑的最优天气指数保险的设计框架。天气指数保险的基差风险和系统性风险存在此消彼长、相互转化的关系，未来需从整体探究保险的责任边界。

温度衍生品主要是用于降低或规避不利天气对农业等相关产业的潜在风险，本研究基于1980−2020年黑龙江省逐日气温观测资料和65个县的大豆单产数据，计算温度衍生品标的温度指数和气象产量收益，构建65个样本的场内温度衍生品最优套保策略，并采用在险价值和期望短缺两个金融风险指标进行策略评估，研究温度衍生品在黑龙江大豆产业天气风险管理中的潜在效果。结果表明：使用温度衍生品后，65个样本大豆种植的在险价值改善幅度为17.63%～63.78%，平均改善幅度为38.91%；期望短缺改善12.66%～43.64%，平均改善幅度为29.24%；最优套保策略合约月份集中于7月和9月，且期望短缺的最优套保月份集中在9月。该结果说明使用温度衍生品可明显转移黑龙江大豆种植的天气风险，且主要风险时段为7月和9月，严重低温风险在9月，这与黑龙江省大豆7月易发低温冷害、9月易发早霜冻害且早霜冻害往往导致严重减产的生产实际相符。

2025年秋季（9−11月），全国平均气温10.8℃，连续7a高于10.0℃，为1961年以来历史同期第6高。全国平均降水量155.6mm，较常年（1991−2020年，下同）同期偏多32.4%；全国平均日照时数546.9h，较常年同期偏少4.1%。2025年秋季，东北和南方大部农区热量条件较好，光照适宜，气象条件总体有利于秋收作物灌浆成熟及收获晾晒。但9月−10月中旬，黄淮、西北东部等农区出现长时间大范围的连阴雨天气，影响该地区秋收秋种进度。台风带来的强对流天气导致江南东部、东南沿海与华南西部等地部分低洼农田出现积水，对秋收作物成熟和收晒造成了一定影响。