农业气象灾害风险预警是基于农业影响属性，将灾害性天气预报与农业承灾体的暴露度、脆弱性动态监测评估相结合，预估灾害对农业影响并开展风险预警服务工作。本研究概述农业气象灾害风险预警相关概念和术语，基于灾害危险性、暴露度和脆弱性三要素的定量化评判，梳理面向预警服务的农业气象灾害风险判识技术，并构建农业气象灾害风险预警业务技术流程。以2025年5月12−18日冬小麦干热风灾害风险预警为例，演示基于未来10d气象预报，开展干热风灾害风险指数计算、风险等级判识以及预警发布的全过程。结果表明：与既往农业气象灾害风险评估技术方法不同，农业气象灾害风险预警不是对历史灾害发生的概率和影响进行的评估，而是对未来灾害发生的可能性以及对农作物的不利影响进行预判并发布警示信息，其对灾害危险性、暴露度的判识是基于实时的气象预报和农情监测动态分析识别，具有实时性、动态性的特点。建立的农业气象灾害风险预警业务技术流程包括灾害风险指数计算、风险等级划分和预警发布指标确立等环节。当预报未来可能出现农业气象灾害时即启动风险指数计算工作，判断计算风险组成各要素并计算灾害风险指数；通过风险等级分级判定得到风险预估结果，当风险较高以上等级所占面积比例达到预警发布指标的面积比例时即向社会公众发布风险预警。针对不同农业气象灾害具体的风险指数计算方法、预警发布指标不尽相同。在目前的冬小麦干热风灾害风险预警中，暴露度的判识是进入开花灌浆阶段冬小麦的动态识别，危险性的判识是采用未来10d干热风天数和等级组合，脆弱性的判识是采用气象行业标准《小麦干热风灾害等级》干热风危害参考值，预警发布指标为干热风灾害风险较高以上等级面积占北方冬麦区小麦播种面积比例≥15%。

基于《濮阳统计年鉴》的时序数据，采用碳排放系数法测算2009−2021年濮阳市农业碳排放量，运用Tapio脱钩模型分析其与经济增长的脱钩关系，结合LMDI模型分解碳排放的主要驱动因素，为地区实现农业绿色低碳发展提供参考。结果表明：2009−2021年濮阳市农业碳排放呈“升−降−升−降”的态势，年均排放量为33.55×10⁴t，2018年达峰值（43.70×10⁴t），2021年降至30.23×10⁴t（较2018年下降30.82%）；碳排放强度2009−2016年下降，2017−2018年小幅回升，2018−2021年持续降至研究期最低值（0.1078t·万元⁻¹），表明农业低碳化转型成效显著。碳排放结构以化肥为主（占比73.51%），其次为农用塑料薄膜（11.35%）、农用柴油（5.88%）和农药（5.78%）等。脱钩状态呈阶段性特征，具体表现为2010−2014年以弱脱钩为主，2015−2016年转为强脱钩，2017−2018年出现负脱钩，2019−2021年恢复强脱钩。LMDI分解显示，农业生产效率（贡献率33.78%）、地区产业结构（10.02%）、劳动力规模（3.15%）是碳减排的主要驱动因素，而地区经济发展（44.69%）、城镇化（7.02%）、农业产业结构（1.34%）则对碳排放增长起正向作用。研究认为，需通过技术创新、结构调整、提升农户低碳能力等措施，推动濮阳市农业低碳高质量发展。

基于1961−2020年东北三省78个气象站逐日0cm地温和平均气温观测资料，采用趋势分析、相关性分析等方法，解析东北三省0cm地温和平均气温的时空变化特征，以期理解东北三省0cm地温和气温的时空变化特征，为气候变化背景下区域农业生产布局调整和气候资源高效利用提供参考。结果表明：1961−2020年东北三省0cm地温高值区较平均气温高值区分布偏北，1991−2020年0cm地温和平均气温较1961−1990年高温区北移；1961−2020年东北三省0cm地温和平均气温的增温速率分别为0.75℃·10a⁻¹和0.30℃·10a⁻¹（P＜0.01），且1991−2020年0cm地温增温速率（1.30℃·10a⁻¹）较1961−1990年（0.20℃·10a⁻¹）偏高，而平均气温的增温速率（0.15℃·10a⁻¹）则低于1961−1990年（0.27℃·10a⁻¹）。1961−2020年东北三省0cm地温春、夏、秋和冬季的增温速率分别为0.56℃·10a⁻¹、0.37℃·10a⁻¹、0.49℃·10a⁻¹和1.54℃·10a⁻¹（P＜0.01），其中1961−1990年增温趋势较小，1991−2020年增温趋势较大。1961−2020年东北三省平均气温春、夏、秋和冬季季节尺度的增温幅度分别为0.35℃·10a⁻¹、0.21℃·10a⁻¹、0.26℃·10a⁻¹和0.41℃·10a⁻¹（P＜0.01），1991−2020年春、夏、秋增温幅度高于1961−1990年，冬季平均气温的增温幅度低于1961−1990年。1961−2020年东北三省年和春、夏、秋和冬季四季0cm地温和平均气温相关关系达极显著，相关系数分别为0.99、0.95、0.88、0.99和0.98。1961−2020年东北三省年和春、夏、秋和冬季季节尺度0cm地温和平均气温的差值分别为2.1℃、2.3℃、3.8℃、1.3℃和0.9℃；1991−2020年差值较1961−1990年增大，且夏季差值最大，其次为春季、秋季和冬季。

基于2010−2023年黄河“几”字弯20个地级市的年度自然、社会及经济数据，构建农业水贫困与粮食生产脆弱性评价指标体系，运用熵值法、耦合协调度模型及地理探测器，系统分析黄河“几”字弯农业水贫困与粮食生产脆弱性耦合协调度的时空演变特征及驱动因素，以期为黄河流域农业高质量发展提供科学依据。结果表明：（1）2010−2023年黄河“几”字弯地区农业水贫困指数呈显著上升趋势，数值由0.25增至0.32（P<0.05），贫困程度由中等等级降至较低等级；粮食生产脆弱性指数呈显著下降趋势，数值由0.55降至0.41（P<0.05），脆弱程度由较高等级降至中等等级。（2）2010−2023年黄河“几”字弯地区农业水贫困与粮食生产脆弱性耦合协调度年平均为0.59，总体处于中等水平，但空间分异显著，呈“东南高、西北低”的空间格局，东南部水土流失区耦合协调度最高且稳定（0.61），西北部荒漠区耦合协调度居中（0.58），北部河套平原区耦合协调度波动剧烈且内部差异悬殊（0.53～0.61）。（3）农业水贫困与粮食生产脆弱性耦合协调度区域差异本质上是水资源供给与粮食生产需求匹配程度的反映。自然本底条件是协调度的基础，年降水量和单位面积耕地水资源占有量是主导因子；农业技术管理因子（如节水灌溉率、水库库容）可有效弥补自然缺陷，但需与资源禀赋相匹配。综上，黄河“几”字弯水贫困与粮食生产脆弱性高度耦合，单一技术或资源改善的成效较低，需实施多措并举的综合调控以提升区域协调韧性。

基于遥感影像和农业观测数据，结合2019−2023年黑龙江粮食主产区归一化植被指数（Normalized difference vegetation index，NDVI）旬值和日值，构建主要粮食作物长势分级模型（Crop growth grading model，CGG）与收获监测模型（Harvest monitoring model，HM），分析黑龙江粮食主产区主要粮食作物长势以及收获区域的时空演变特征，以期提升区域智慧气象保障粮食安全能力，助力区域农业发展。结果表明：（1）构建的CGG模型和HM模型可较好判识2019−2023年黑龙江粮食主产区主要粮食作物长势和收获，总体平均绝对百分误差（Mean absolute percentage error，MAPE）低于25.0%；（2）CGG模型模拟发现2019−2023年黑龙江粮食主产区主要粮食作物长势逐年向好明显，2023年主要粮食作物生长季黑龙江粮食主产区生长状态优良和较差等级的时段，分别占全生长季的43.3%和8.3%；（3）基于HM模型可知，2019−2023年截至10月下旬黑龙江粮食主产区绝大部分地区主要粮食作物已收获，大豆收获进度略晚于玉米和水稻。说明构建的CGG模型和HM模型可评估黑龙江粮食主产区主要粮食作物长势和收获情况，2019−2023年黑龙江粮食主产区主要粮食作物长势向好，收获及时。

以53个不同类型中、晚籼稻品种为供试材料，于2022年在湖南长沙县开展分期播种试验，设置5月1、11、21和31日以及6月21日和7月1、11和21日8个播期，结合各播期下灌浆期平均温度（T_ave）与稻米品质性状，采用优化后GMM（高斯混合模型）与Mean−Shift（均值漂移）聚类算法，构建水稻灌浆期平均温度与稻米品质性状的定量模型并检验，以期为未来气候变化下水稻优质稻米的栽培管理提供参考。结果表明：水稻灌浆期平均温度显著影响稻米品质，不同播期下水稻垩白粒率和垩白度变异系数分别为39.0%和48.6%，温度影响最显著；碱消值、胶稠度、透明度和整精米率变异系数分别为23.9%、20.2%、17.5%和8.9%，温度影响中等；直链淀粉含量、精米率和糙米率变异系数分别为4.0%、2.5%和0.8%，温度影响最小。基于GMM与Mean−Shift聚类算法构建的8个播期下灌浆期平均温度与各米质性状关系模型，垩白度、胶稠度和碱消值拟合函数R²值均大于0.900，糙米率、精米率、整精米率和垩白粒率拟合函数R²值均大于0.800，透明度拟合函数R²值为0.778，直链淀粉含量拟合函数R²值为0.573；对拟合函数进行检验，除直链淀粉含量外，其他8个品质性状测试R²值均大于0.600，拟合效果好，模型能准确反映各米质性状响应灌浆期平均温度变化规律。随着播期推迟，灌浆期平均温度从高温30.8℃到低温18.4℃，加工品质糙米率、精米率及整精米率呈先升后降的变化趋势，对应最佳灌浆期平均温度分别为22.0℃、22.0℃和25.3℃；外观品质垩白粒率、垩白度及透明度呈先降后升的变化趋势，对应最佳灌浆期平均温度分别为25.7℃、25.5℃和25.2℃；对食味品质的影响变化略有不同，其中直链淀粉含量变化较小，胶稠度呈单向递减的变化趋势，碱消值呈单向递增的变化趋势；温度过高或过低均不利于稻米加工品质及外观品质，高温有利于胶稠度变软但糊化温度较高，低温有利于糊化温度降低但胶稠度变硬。综合考虑，以灌浆期平均温度为25℃时稻米加工及外观品质均较佳，对应各米质性状分别为糙米率80.7%，精米率71.2%，整精米率55.1%，垩白粒率12.7%，垩白度3.1%，透明度1.7，直链淀粉含量17.9%，胶稠度62.7mm，碱消值5.2，达到农业行业标准《食用稻品种品质》（NY/T 593−2021）3级优质稻米标准。

基于新疆棉区1990−2019年逐日气温数据和各县（市、区）棉花产量数据，采用Mann−Kendall趋势检验和Sen’s slope方法，分析棉花产量与苗期低温灾害、花铃期低温灾害的时空变化特征，利用Copula函数评估低温冷害对棉花产量的影响，以期揭示其历史演变规律，以及低温灾害对棉花产量损失的影响，助力棉农规避棉花生产风险。结果表明：1990−2019年新疆86.3%的地区棉花产量呈极显著增加趋势（P＜0.01），平均每年增产30.22kg·hm⁻²。新疆棉花产量高值区域主要集中在天山附近，稳定性自西向东逐渐增加。1990−2019年新疆棉花种植区低温灾害情况发生显著变化，27.4%的棉花种植县（市、区）苗期低温灾害（LST）累计日数极显著减少；37.0%的棉花种植县（市、区）花铃期低温灾害（LTB）累计日数呈极显著下降趋势（P＜0.01）。随着LST累计日数增加，南疆和北疆棉花气象产量发生减产的概率分别提高19.1个和19.0个百分点。随着LTB累计日数增加，南疆和北疆棉花气象产量发生减产的概率分别提高18.6个和20.5个百分点。综上所述，1990−2019年新疆棉花产量显著上升，低温灾害频率总体下降，低温灾害持续时间增加，棉花减产风险增加，且北疆受影响程度高于南疆。

基于1961−2024年河西走廊17个国家级气象站长序列均一数据，利用趋势分析、突变检验和变化差异检验，分析1961−2024年酿酒葡萄潜在生育期内≥10℃有效积温、水热值、日照时数及采收前降水量与平均气温等关键因子的时空变化特征，评估其对酿酒葡萄气候品质的影响，为河西走廊酿酒葡萄种植适应气候变化提供科学依据。结果表明：1961−2024年河西走廊热量资源显著改善，酿酒葡萄潜在生育期内≥10℃有效积温呈极显著上升趋势（6.1℃·d·a⁻¹，P<0.01），于1997年前后发生突变，潜在生育期内平均有效积温由1169℃·d升至1408℃·d，酿酒葡萄气候品质由一般等级提升至优良等级。1961−2024年河西走廊酿酒葡萄潜在生育期内水热值亦呈极显著上升趋势（11.6℃·mm·a⁻¹，P<0.01），多次突破酿酒葡萄潜在生育期水热值适宜阈值，对张掖、金昌和武威等地酿酒葡萄气候品质产生不利影响。光照资源丰富且持续优化（2.7h·a⁻¹，P<0.01），特别是低海拔地区增温增光趋势明显，对酿酒葡萄气候品质形成具有积极意义。1961−2024年河西走廊酿酒葡萄气候品质总体提升，祁连山东侧的酒泉−高台−武威一带显著上升，种植适宜区向东扩展，但西南山区略有下降。气候变化对酿酒葡萄气候品质的影响具有明显的阈值效应和区域分异特征。河西走廊热量资源和光照资源的增加是酿酒葡萄气候品质提升的主导因素，但过度增温及水热值上升也会引发酿酒葡萄气候品质下降的风险。

基于2020−2024年福建省试验获取177份坐果率−气象因子样本集，运用相关分析法筛选显著影响坐果率的特征气象因子，采用多元线性逐步回归（MSR）、随机森林（RF）、梯度提升决策树（GBDT）分别构建黄金百香果坐果率气象评估模型，并检验模型的准确度，以期为福建地区黄金百香果生产管理优化和产量提升提供参考。结果表明：（1）基于MSR模型，黄金百香果40个特征气象因子中仅4个气象因子对其坐果率的影响通过了0.05水平的显著性检验，即开花前10d−开花当日平均气温越高、开花前11～20d日照时数越短、开花当日降水量越大以及开花当日日照时数越长，黄金百香果坐果率越低。（2）针对RF和GBDT模型分析40个特征气象因子重要性排名前8位的因子发现，影响黄金百香果坐果率的共同关键气象因子为开花前10d−开花当日最高气温、开花前10d−开花当日平均气温、开花当日降水量、开花前20d相对湿度和开花前11−20d降水量。（3）基于样本测试集，MSR、RF和GBDT模型的均方根误差（RMSE）分别为16.7个、10.7个和11.7个百分点，决定系数（R²）分别为0.66、0.86和0.83，说明MSR、RF和GBDT模型模拟效果均较佳，MSR模型模拟精度显著低于GBDT和RF模型；RF模型在测试集表现最优，泛化能力最佳。综上，GBDT模型在训练集拟合最优（RMSE=6.8个百分点，R²=0.95），但其在测试集MSR略低于RF模型。

基于2018−2021年广东南海早稻‘野丰占’的分期播种试验数据与南海国家基本站逐日气象数据，采用Logistic生长模型模拟早稻移栽−成熟阶段地上部干物质总重量和抽穗−成熟阶段千粒重的动态变化，采用修正后的Gompertz模型模拟早稻移栽−乳熟阶段叶面积指数动态变化，建立气象因子−生长参数−产量变化的关联路径，解析早稻不同生育阶段的气象条件对早稻生长参数的调控及其对产量的影响。结果表明：基于2018−2021年南海早稻‘野丰占’移栽−成熟期地上部干物重、抽穗后10d−成熟期千粒重、移栽−乳熟期叶面积指数以及同期气象数据，Logistic模型模拟早稻地上部干物重和千粒重与修正Gompertz模型模拟早稻叶面积指数的拟合精度均较高，拟合优度R²＞0.98，归一化均方根误差NRMSE≤5.71%。两个模型模拟共衍生11个早稻生长参数，其中最大干物重潜力、干物重积累拐点、最大叶面积指数、最大千粒重潜力和灌浆拐点在内的5个参数与早稻产量相关关系显著（P＜0.05），确定为核心参数。早稻产量、核心参数与不同生育阶段气象因子的相关关系表明，气象条件的差异驱动核心参数变化，进而影响早稻产量变化的生理调控路径主要有两个，一是光合生产与籽粒容量建成路径，播种−抽穗期日照时数增加可显著提高最大叶面积指数（LAI_max）和千粒重（G_max），为早稻高产奠定基础；二是早稻生育进程与籽粒充实路径，分蘖−抽穗期高温日数极显著推迟早稻灌浆拐点时间（DAH_m），延长了有效灌浆期，利于早稻粒重的增加。播种−拔节期阴雨寡照是早稻减产的主要胁迫因子。综上，保证南海早稻拔节−抽穗期充足的光照、规避播种−拔节期阴雨天气及灌浆期高温胁迫，是提升该地区早稻气候适应性的关键。

基于2018−2021年广东南海早稻‘野丰占’的分期播种试验数据与南海国家基本站逐日气象数据，采用Logistic生长模型模拟早稻移栽−成熟阶段地上部干物质总重量和抽穗−成熟阶段千粒重的动态变化，采用修正后的Gompertz模型模拟早稻移栽−乳熟阶段叶面积指数动态变化，建立气象因子−生长参数−产量变化的关联路径，解析早稻不同生育阶段的气象条件对早稻生长参数的调控及其对产量的影响。结果表明：基于2018−2021年南海早稻‘野丰占’移栽−成熟期地上部干物重、抽穗后10d−成熟期千粒重、移栽−乳熟期叶面积指数以及同期气象数据，Logistic模型模拟早稻地上部干物重和千粒重与修正Gompertz模型模拟早稻叶面积指数的拟合精度均较高，拟合优度R²＞0.98，归一化均方根误差NRMSE≤5.71%。两个模型模拟共衍生11个早稻生长参数，其中最大干物重潜力、干物重积累拐点、最大叶面积指数、最大千粒重潜力和灌浆拐点在内的5个参数与早稻产量相关关系显著（P＜0.05），确定为核心参数。早稻产量、核心参数与不同生育阶段气象因子的相关关系表明，气象条件的差异驱动核心参数变化，进而影响早稻产量变化的生理调控路径主要有两个，一是光合生产与籽粒容量建成路径，播种−抽穗期日照时数增加可显著提高最大叶面积指数（LAI_max）和千粒重（G_max），为早稻高产奠定基础；二是早稻生育进程与籽粒充实路径，分蘖−抽穗期高温日数极显著推迟早稻灌浆拐点时间（DAH_m），延长了有效灌浆期，利于早稻粒重的增加。播种−拔节期阴雨寡照是早稻减产的主要胁迫因子。综上，保证南海早稻拔节−抽穗期充足的光照、规避播种−拔节期阴雨天气及灌浆期高温胁迫，是提升该地区早稻气候适应性的关键。

全球气候变化加剧，温度异常、降水量时空分异以及次生灾害显著影响了植物类中药材产量、品质与道地性，严重威胁中药材栽培管理。本研究综述极端气候事件对植物类中药材生长和药理成分含量的影响，探讨高温胁迫、低温冻害、干旱和洪涝等农业气象灾害对中药材生理生态过程的干预作用，以及对中药材适生区迁移、市场投机行为的驱动，探讨以气象监测预警、适应性栽培技术创新及生态补偿机制为核心的应对策略。结果表明：高温胁迫、低温冻害、降水量异常等极端气候事件会显著降低中药材产量，区域极端天气气候事件也将导致中药材内总酚、类黄酮和皂苷等有效成分含量降低，导致中药材的药效波动，影响最终价格以及市场的稳定性。针对极端气候事件需采取相应的气候适应性措施，利用MaxEnt模型等明确或优化中药材的适宜种植区，针对气象敏感性中药材适当引入大棚等设施开展保护性栽培和育种，构建综合病害防控体系，利用“灾后应急恢复”与“生态长效补偿”协同机制等方式，提升中药材的气候适应性及市场适应性，以减轻极端气候变化对中药材生产的不利影响。

基于1960−2022年淮河流域内172个国家气象观测站的逐日降水量资料及500hPa西北太平洋副热带高压脊线位置数据，利用经验正交函数（EOF）确定淮河流域南北分区的界限，结合滑动平均与统计检验等方法，构建淮河流域雨季监测的关键指标体系，包括区域雨日、区域雨季起止日和淮河流域雨季起止日的判定方法；基于关键指标体系，分析1960−2022年全流域雨季特征，选取典型旱涝年份验证其雨季起止日，以期构建科学、实用的淮河流域雨季监测方法。结果表明：淮河流域雨季南北分区以EOF第二模态空间载荷系数0线为界；某日区域内有1/3以上的气象观测站出现大于或等于0.1mm的降水，且该区域平均日降水量≥1.0mm为一个区域雨日；1960−2022年淮河流域南区雨季平均开始日为6月20日，平均结束日为7月20日，平均持续时间31d；北区雨季平均开始日为6月25日，平均结束日为7月25日，平均持续时间29d；淮河流域平均开始日为6月19日，平均结束日为7月26日，平均持续时间32d。基于典型干旱年（1988年）与典型洪涝年（1991年）验证指标体系，1988年淮河流域识别为空雨季，与该年流域性干旱的气象灾害特征相符；1991年淮河流域雨季起始日为5月29日，结束日为8月7日，相较于1960−2022年淮河流域平均雨季（6月19日−7月26日），呈起始偏早、持续时间偏长的特征，与该年流域性持续特大洪涝的气象灾害相符，验证了本研究构建的淮河流域雨季监测指标体系的可靠性。本研究构建的雨季监测指标可为淮河流域农业生产、防汛抗旱等气象服务提供理论依据和技术支撑，对提升流域气象灾害预警与资源调度具有重要意义。