利用河南省118个县（区）2006−2024年国家气象站和 2023−2024年4个农业气象观测站麦田10−70cm逐小时气温数据，对比观测站百叶箱与麦田气温差异，以百叶箱气温≤4℃和≤2℃为指标，分析冬小麦拔节−开花期不同低温的时空特征，确定低温灾害的多发区和重发区，以提升春季低温灾害监测和防御能力。结果表明：（1）拔节−开花期麦田不同高度气温与百叶箱气温均存在极显著相关关系（P=0.001）；当麦田气温≤0℃时，百叶箱气温比麦田10−50cm气温平均偏高3.7℃。（2）百叶箱气温≤4℃、≤2℃和日最低气温出现时次均以6：00最多，频率分别为13.1%、15.5%和35.0%，≤4℃和≤2℃的最晚终日主要出现时段分别为4月21−25日和4月16−20日。（3）百叶箱气温≤4℃和≤2℃的低温时长和有害积寒高值区均出现在中南部的驻马店、漯河以及东部的商丘等地，这些地区的低温时长分别超过200h和120h，有害积寒分别大于50.0℃·h和10.0℃·h。低温时长与日最低气温和日有害积寒存在极显著的相关关系，但与日降温幅度相关性较小。（4）河南省冬小麦拔节−开花期最大降温幅度为5.8～9.2℃·d⁻¹，最大降温速度为1.0～2.0℃·h⁻¹。综合低温累计频率和常年拔节期出现时间，北部和西部春季低温频率小，中部和西南部重度低温频率小而轻度低温频率大，东部和中南部轻度和重度低温频率都较大，需重点防范。

基于2001−2022年中国西瓜和甜瓜生产相关数据，运用区位基尼系数、空间转移系数、面板计量模型等方法分析中国西甜瓜生产空间演化特征及其驱动因素。结果表明：（1）2001−2022年中国西瓜年产量变化相对稳定，基本维持在6.00×10⁷t左右；甜瓜产量呈持续增长态势，年均增加3.13%（P＜0.01）；2001−2022年中国西瓜和甜瓜单产水平均呈持续增长的态势，年均分别增加1.50%和2.37%（P＜0.01）。（2）2001−2022年中国甜瓜生产聚集程度高于西瓜，但二者空间聚集程度呈此消彼长的变化趋势；中国西瓜生产重心从河南宁陵县城附近迁移至河南鲁山县城附近，向西南方向迁移277.68km，甜瓜生产重心从河北衡水市附近迁移至陕西韩城市附近，向西南方向迁移623.38km。（3）2001−2022年中国西瓜和甜瓜生产稳定区类型的省域数量逐渐增多，西瓜和甜瓜分别增加至6个和9个，西瓜和甜瓜生产转入区类型的省域数量逐渐减少，分别减少至16个和7个，西瓜和甜瓜生产空间分布格局变化趋于稳定。（4）光照、政策支持、产值变化、城镇化、技术进步、有效灌溉面积及同类竞争等是推动中国西瓜和甜瓜生产空间演化的重要因子。未来中国西甜瓜产业发展还需持续加快相关栽培技术的创新与推广，加强产业相关基础设施建设，增强产业抗风险能力。

设施农业生产中作物根际温度波动可显著影响作物水分吸收、养分运输及光合作用等关键生理过程，现有环境调控技术多聚焦于空气温度优化，根际温度精准管理仍面临极端气候适应性不足与能源效率低下的双重挑战。为系统评估根际温度调控技术的研究进展与发展方向，本研究通过文献计量分析与技术特征比较，重点解析被动与主动调控技术的应用边界及增效路径，以期解决极端气候条件下根际温度失控风险与高能耗调控成本的矛盾。结果表明：被动调控技术（地膜覆盖、垄作栽培、相变材料等）通过物理屏障效应，可使作物根温波动幅度降低40%～60%，常规气候条件下具有显著节能优势，设施温室能耗降低60%～80%，但持续低温或高温环境作物根际存在控温失效的风险，其发生概率与气候极端性呈正相关关系。主动调控技术（热泵系统、主动蓄放热装置、营养液循环控温等）可实现±1℃的精准根际控温，使温室作物产量提升17%～55%，但存在系统能效系数（COP）偏低（1.5～1.9）、单位面积能耗成本过高（0.7～5.0kWh·m⁻²）的技术瓶颈。未来研究需深度融合物联网感知与多能互补技术，开发相变温度可调（15～25℃）的复合储能材料，构建气候预警−动态补偿−智能调控的全链条技术体系，以期实现设施作物根际温度管理从粗放缓冲向智慧调控的范式转变。

天气雷达因其时空分辨率高、探测范围大、组网覆盖广，在短时临近预报与降水量定量估计等气象业务中发挥重要作用。雷达回波包括降水、昆虫和鸟类回波，但当前气象业务中通常将昆虫、鸟类等非气象回波作为噪音剔除，造成信息浪费。本研究基于连云港双偏振天气雷达数据，利用模糊逻辑算法构建降水、昆虫与鸟类回波的识别算法，评估该算法的识别效果，并分析其在降水、昆虫、鸟类三类回波及其混合情况中的识别结果，以期为开展空中生物监测提供依据。结果表明：（1）对模糊逻辑算法的识别结果添加后处理，降水回波与生物回波的识别准确率ACC（Accuracy）分别由0.90、0.88提升为0.95、0.94。（2）使用模糊逻辑算法将生物回波分类为昆虫回波与鸟类回波的结果，准确率ACC为0.96，真阳性率TPR（True positive rate）为0.94，真阴性率TNR（True negative rate）为0.98，HSS评分（Heidke skill score）达0.92。说明研究构建的雷达回波识别算法可较好地识别降水、昆虫与鸟类回波及其差异。

利用贵州省2020−2024年辣椒主产区15个采样点的辣椒干物质、粗纤维、还原糖、辣椒素等品质数据和气象观测资料，采用相关分析、回归分析、加权求和等方法，构建辣椒气候品质评价模型并验证，基于该模型评估贵州辣椒的气候品质时空分布特征，以期为优质辣椒生产气候资源合理利用提供参考依据。结果表明：（1）影响贵州辣椒品质的关键气象因子为5月中旬−6月中旬累计日照时数、8月中旬−9月下旬累计日照时数、4月中旬−6月上旬平均日较差和7月上旬−9月下旬平均日较差；（2）基于归一化后的干物质、粗纤维、还原糖、辣椒素构建辣椒气候品质指数I_CQ（Climate quality index），可较好地表征辣椒的综合品质水平，辣椒气候品质可划为4个等级，I_CQ＜0.39为一般等级，0.39≤I_CQ＜0.46为良等级，0.46≤I_CQ＜0.53为优等级，I_CQ≥0.53为特优等级；（3）基于2024年数据，辣椒气候品质评价模型决定系数R²为0.88，残差均在0.07以内，均方根误差RMSE为0.05，相对误差RE为10.12%，表明该模型模拟精度较高，一致性较好；（4）2005−2024年辣椒气候品质指数在[0.26,0.69]区间内波动，空间分布呈自东向西逐步递减，其中锦屏、印江、台江、沿河和余庆等地辣椒气候品质较好。

水稻始穗期是稻曲病、穗稻瘟、纹枯病等病害病菌侵入谷粒等器官造成稻米品质降低产量减少的关键期。为提高水稻病害防治针对性，更好满足“预防为主，综合防治，绿色控害，减药增效”的要求，本文以江苏单季稻为例，利用历史气象资料和水稻生育期观测资料，在分析水稻始穗期特征及其关键影响因子基础上，应用主成分分析法（PCA）、误差反向传播神经网络算法（BP）、随机森林算法（RF）研究水稻始穗期的预估方法。设置4组模拟方案分别建立水稻始穗期预测模型，以决定系数、均方根误差作为评判指标，对模型精度及其普适性进行分析评价。结果表明：苏北、苏中、苏南地区水稻始穗期的跨度分别在8月4−31日、8月9日−9月18日和8月16日−9月20日，各区平均标准差分别为4d、6d和5d；江苏各区影响水稻始穗期的关键因子基本一致，水稻始穗前3个生育期日序最为关键，播种−分蘖、分蘖−拔节、拔节−孕穗三个生育阶段的温度类因子重要性明显大于降水和日照类因子；与基于RF算法模型相比，基于BP算法的模型模拟精度更高，且对PCA处理后消除相关性的预测因子具有更好的“接纳性”，对江苏各区水稻始穗期模拟预测误差均在2d以内，预测提前量在10d左右，可为准确把握水稻病害防治关键期提供技术支撑。

研发冰雹发生概率和冰雹大小的分类识别产品，可提高冰雹识别准确率。基于2022年河南省92个冰雹实况观测记录以及雷达数据和探空数据，选取组合反射率（CR）、基本反射率55dBZ的高度与0℃层高度差（H₀）、基本反射率45dBZ的高度与−20℃层高度差（H₋₂₀）、垂直液态含水量（VIL）、垂直液态含水量密度（VILD）和回波顶高（ET）、差分反射率（ZDR）、差分传播相移率（KDP）和相关系数（CC）共9个特征参量，通过融合模糊逻辑和以KNN为基础弱分类器的半监督学习（FL−ST−KNN）算法模型对冰雹发生概率和大小分级识别，进一步降低其对建筑、农业生产和人员安全的影响。结果表明：FL−ST−KNN算法模型在测试集（占数据集的20%）上的准确率达到83%，其精确率80%，召回率83%，表明对多数类样本的识别高度可靠，且F1分数接近80%的优良阈值，说明该算法模型在冰雹发生概率和冰雹大小识别中具有较好效果。

利用多时相哨兵一号（Sentinel−1）地球观测卫星的合成孔径雷达（Synthetic Aperture Radar, SAR）遥感影像数据、气象、灾害、作物等多源数据，建立基于Sentinel−1双极化水体指数（Sentinel−1 Dual−polarized Water Index，SDWI）的夏玉米洪涝灾害区域监测方法，以县级行政单元为研究对象，提取夏玉米洪涝灾害淹没信息，确定县级单元中各乡镇夏玉米淹没区面积，开展2021年河南省浚县夏玉米拔节−成熟期洪涝灾害过程的动态监测及灾情评估。结果表明：（1）基于SDWI指数的夏玉米洪涝灾害区域监测方法，可以较好地监测河南省浚县夏玉米洪涝灾害的发生发展过程。监测结果显示，2021年夏玉米拔节−成熟期洪涝灾害主要发生在浚县中西部和南部，洪涝灾害对白寺镇和小河镇夏玉米的影响较大。（2）洪涝灾害对夏玉米的影响较大，整个研究区夏玉米受灾较为严重，受灾面积最大达4043.60×10⁴m²。与平水期7月15日相比，洪水期7月27日全县夏玉米洪水淹没面积占种植面积的百分比上升到12.10%，8月8日则达到19.28%。（3）在县级行政单元中，各地夏玉米受灾情况差异很大。白寺镇受灾最为严重，其次为小河镇。与洪水期7月27日相比，8月8日各镇夏玉米新增淹没面积与全县新增淹没面积的百分比、各镇夏玉米新增淹没面积与各镇淹没面积的百分比、各镇淹没面积与全县种植面积的百分比，白寺镇均表现较高，分别为54.01%、52.74%和7.37%；其次为小河镇，分别为20.45%、24.01%和6.13%。

利用2015−2022年成都平原经济区8市水稻生长季国家级环境空气质量监测站地面臭氧（O₃）小时浓度，分析不同时间尺度下O₃小时浓度、剂量指标（AOT40）的时空变化特征，评估2015−2022年成都平原经济区O₃污染对水稻产量的影响及其经济损失，揭示成都平原经济区水稻生长季的O₃污染规律，为科学制定污染防控策略提供依据。结果表明：2015−2022年成都平原经济区日平均O₃小时浓度呈明显的单峰型变化特征，其中成都的峰值最高，为145.1μg·m⁻³，年平均O₃小时浓度表现为波动上升变化趋势，区域增幅为21.6μg·m⁻³；空间分布上，区域年平均O₃小时浓度按大小排序呈Ⅰ区（成都、德阳、眉山）＞Ⅱ区（绵阳、遂宁、资阳）＞Ⅲ区（乐山、雅安），资阳年平均O₃小时浓度最大，为79.5μg·m⁻³，雅安最小，为67.5μg·m⁻³。2015−2022年成都平原经济区的AOT40年变化趋势与O₃小时浓度基本一致，但AOT40较O₃小时浓度峰值提前、谷值滞后，2022年区域平均AOT40较2015年增加2.7×10⁻³mL·L⁻¹·h。2015−2022年成都年平均AOT40最高，为8.0×10⁻³mL·L⁻¹·h，雅安最低，为1.4×10⁻³mL·L⁻¹·h。2015−2022年O₃污染导致成都平原经济区水稻减产231.3万t，占实际总产量的4.9%，年均经济损失达7.62亿元。综上，成都平原经济区O₃污染已对粮食安全构成威胁，未来需采取有效的减排措施，降低O₃污染对农业的负面影响，以保障区域粮食安全。

基于2009−2023年甘肃省河西、陇中、陇东及南部4个子区的14个市（州）农作物受灾率数据，综合运用冷热点分析、重心迁移模型、核密度估计和Dagum基尼系数等方法，分析甘肃4个子区农作物受灾率的时空分异特征，借助地理探测器量化自然与人为因素对受灾格局的影响及其交互效应，揭示2009−2023年甘肃省农作物受灾率的时空演变规律及关键影响因子，为优化区域农业布局和防控农业气象灾害风险提供参考。结果表明：（1）2009−2023年甘肃省4个子区农作物受灾率整体呈下降趋势，旱灾是主导的农业气象灾害。（2）2009−2023年甘肃省农作物受灾率的冷点区呈减少趋势，并于2021年完全消失，此后仅有热点区，至2023年热点区集中分布在河西地区的张掖市、金昌市和武威市。2009−2023年甘肃省农作物受灾率重心整体由陇中地区的白银市向西北方向迁移至河西地区的武威市，迁移距离为238.7km。（3）基于核密度估计，2009−2023年甘肃省农作物受灾率趋缓，但河西地区受灾空间分布差异加剧；陇中地区受灾差异缩减；陇东地区和南部地区呈两极分化且该子区内各市（州）差异较大。（4）2009−2023年甘肃省农作物受灾率的基尼系数在0.389～0.604区间呈波动上升趋势，甘肃省各区农作物受灾率总体差异较大。（5）甘肃省有效灌溉面积（0.230）、坡度（0.153）和农业机械总动力（0.143）是影响农作物受灾率的主要因子。海拔与农业机械总动力的交互作用（0.447）对甘肃农作物受灾率的影响最高。综上所述，甘肃省农作物受灾格局受地形条件和农业机械化水平的双重制约，未来应着重因地制宜加强水利设施建设，优化水资源配置，提升农业机械化水平，以增强抗灾能力，破解水资源短缺与利用低效并存的瓶颈。

长江中下游地区是中国主要双季稻区，寒露风是影响该区域主要的农业气象灾害，科学评估其风险对指导生产意义重大。基于1961−2023年长江中下游晚稻种植区220个国家气象站晚稻抽穗扬花期日平均气温和日照时数资料、31个农业气象观测站晚稻发育期资料和各主产县（市、区）晚稻单产和种植面积等资料，综合考虑当量冷积温、低温持续天数及过程日照时数等低温强度要素，建立寒露风过程强度指数，同时引入年内多次寒露风过程的累计效应，构建年寒露风强度指数。在此基础上，融合高分辨率的土地利用信息，从致灾因子危险性、承灾体的暴露度和脆弱性三个方面构建寒露风风险评估模型。结果表明：（1）寒露风过程强度指数可有效量化灾害强度，湖南大部、湖北中部、浙江西部和南部等部分地区平均寒露风过程强度指数较高，其余地区相对较低。（2）采用核密度估计方法确定了年寒露风强度等级，年寒露风强度指数≤3为轻度寒露风年，3～10为中度寒露风年，＞10为重度寒露风年，其划分结果与实际灾情高度吻合，验证了该指数的可靠性。（3）基于自然断点法确定长江中下游寒露风综合风险等级，显示高和较高风险区分布在湖南北部和中部、湖北西南部地区；低和较低风险区分布在湖南南部、湖北东部、江西北部和南部、安徽南部、浙江大部地区，其余地区为中风险区。

为实现水稻钾素营养胁迫程度的精准、快速识别，以ResNet34为核心构建一种基于SAE−ResNet34的水稻钾素识别方法。以晚稻‘黄华占’为研究对象，设置6个施钾梯度田间试验，施肥总量分别为0(K1)、3.78g·m⁻²(K1)、9.45g·m⁻²(K2)、14.17(K3)g·m⁻²、18.90g·m⁻²(K4)和28.35g·m⁻²(K5)，基于对水稻分蘖期和拔节期各分蘖茎完全展开的顶三叶叶片扫描所得到的图像数据，在数据预处理阶段加入ESRGAN增强型超分辨率生成对抗网络；在每个残差块中将ReLU激活函数换成Swish激活函数，设计Addition特征融合结构和引入ELA高效局部注意力机制模块，以期解决图像resize后分辨率降低引起部分特征值丢失与网络模型分类准确度较低的问题。结果表明：基于SAE−ResNet34快速识别方法，水稻分蘖期和拔节期的6种钾素胁迫程度的平均识别准确率分别达到了82.87%和84.58%，较原始ResNet34网络分别提高了7.1个百分点和6.7个百分点；混淆矩阵结果表明水稻分蘖期和拔节期最佳识别准确率分别为83.67%的K3处理和89.11%的K4处理；与VGG16、ResNet50、Swin Transformer等图像分类网络相比，SAE−ResNet34网络在精确度、召回率和F1分数上的表现仅稍次于VGG16，训练迭代250次的耗时最短，模型大小为97.49MB，仅比ResNet50大7.43MB，综合表现最佳。综上，基于SAE−ResNet34网络模型的识别方法能快速、准确对水稻分蘖期和拔节期的钾素营养胁迫程度进行识别，可为水稻等作物的营养诊断识别提供科学参考。