根据1961−2021年吉林省46个气象站逐日气象数据计算干燥度指数（Aridity index，AI），采用线性倾向估计和基于ArcGIS10.2的反距离加权空间插值方法分析AI的时空变化特征，并利用贡献率分析法对AI变化成因进行分析，以揭示气候变化背景下吉林省干湿气候变化特征及其成因。结果表明：1961−2021年吉林省及其西部、中部和东部AI均呈不显著下降变化。吉林省AI平均值空间差异显著，自西向东呈“高−低−高”的空间分布特征。全省划分为亚干旱、亚湿润和湿润区。研究期内亚湿润区域逐年代扩大，21世纪10年代（2010s）亚湿润区面积达到最大。1961−2021年吉林省ET₀呈不显著下降变化，降水量呈不显著上升变化。水汽压和平均气温均呈极显著上升趋势（P<0.01），气候倾向率分别为0.008kPa·10a⁻¹和0.32℃·10a⁻¹；净辐射和风速均呈极显著下降变化趋势（P<0.01），气候倾向率分别为−0.077MJ·m⁻²·10a⁻¹和−0.14m·s⁻¹·10a⁻¹。ET₀、净辐射、平均气温和风速大体呈自西向东逐渐降低的空间分布特征；降水量整体呈自西向东逐渐增加的空间分布特征；水汽压主要呈“低−高−低”的空间分布特征。绝大部分站点气象因子对AI均为负贡献。降水量是导致吉林省及其西部、东部AI降低的主要气象因子，其次是风速和ET₀；而在中部，风速为AI降低的主要气象因子，其次是降水量和ET₀。

在国家“碳达峰、碳中和”战略背景下，系统评估茶树固碳潜力对实现茶园生态产品价值化具有重要意义。由于小于2a幼龄茶树与大于3a的成龄茶树生长速率存在巨大差异，因此本文通过收集1950−2023年国内外茶园有关茶树生长研究的相关文献，并结合工作实践，依据幼龄茶树（0～2a）、成龄茶树（3～25a）地上和地下生物量数据，构建茶树生物量、碳储量生长动态模型，核算评估茶树固碳能力。结果表明：（1）建立了分树龄茶树地下生物量模型。根据茶树地上部生物量（B_a）与地下部生物量（B_b）关系，建立成龄茶树(非线性，B_b=0.013B_a²−0.087B_a+3.269，R²=0.959，P<0.001)和幼龄茶树地下部生物量模型(线性，B_b=0.665B_a-0.217，R²=0.933，P<0.001)；（2）形成了基于茶树地上部生物量核算茶树碳储量的模型。采用联合国政府间气候变化专门委员会（IPCC）提供的国际通用植物碳转换系数（0.5），通过茶树总生物量获取茶树碳储量，形成成龄茶树碳储量模型 (C=0.006B_a²+0.492B_a+1.536，R²=0.995，P<0.001)和幼龄茶树碳储量模型（C=0.833B_a− 0.108，R²=0.989，P<0.001）；（3）茶树碳储量估算模型简易精准。传统茶树生物量通过挖取整株茶树获取，而基于茶树地上部生物量为非破坏性活体茶树碳储量估算模型，提高了茶树碳储量估算的简易性和精准性，对茶树碳储量进行核算更有优势。

为研究晴天、多云和阴天3种天气类型下BP神经网络对设施大棚内平均气温和平均相对湿度的模拟能力，选取上海市松江区2021年3月1日−2022年2月28日四连栋塑料大棚内和同期气象站气象资料，以棚外平均气温、平均相对湿度、平均风速和太阳高度角为输入因子，构建年和季节尺度下3种天气类型的棚内温湿度BP神经网络预测模型，并对模型进行检验。结果表明：（1）年尺度下平均气温模型的均方根误差（RMSE）在0.8～1.1℃，决定系数R²≥0.9890（P<0.001）；平均相对湿度模型的RMSE在2.9～4.0个百分点，R²≥0.9434（P<0.001）。阴天的模拟效果最好，多云次之，晴天最低。（2）季节尺度下平均气温模型的RMSE平均值在0.7～0.9℃，R²平均值≥0.9765（P<0.001）；平均相对湿度模型的RMSE平均值在2.2～3.2个百分点，R²平均值≥0.9451（P<0.001）。其中，夏季的模拟效果最好，秋季次之，春季和冬季最低。季节尺度模型的模拟效果好于年尺度模型。（3）年和季节尺度下平均气温和平均相对湿度模型均通过0.001水平的独立样本显著性检验，表明模型模拟效果较好，可用于模拟温室内温湿度并推广。

利用睿图−城市预报系统，结合北京地区自动站观测数据，对2021年8月16日北京对流性降水过程进行数值模拟和敏感性分析，探讨下垫面差异对夏季对流性降水热力和动力过程的影响，以期提高对对流性降水过程的预报能力。结果表明：（1）睿图−城市预报系统可较好模拟北京2021年8月16日强降水过程的时空特征，强降水落区位于城区西部，16日22：00前后为主要降水时段。强降水过程发生前期城市热岛效应明显，城区西部地区是明显暖中心，气温较郊区高1.0～2.0℃；若城市下垫面替换为农田下垫面，城市热岛强度减弱至1℃以下，对流强度减弱，降水量极值由117.1mm降至56.6mm，北京城区西部暴雨区消失，表明城市下垫面对本次对流性降水过程影响较大。（2）城市下垫面上空的感热通量强于农田下垫面，最大差值可达100W·m⁻²，通过补偿作用，引起低层大气辐合，易于不稳定能量释放，大气低层（≤600m）扰动位温增强，正中心可达1.0℃，降低大气静力稳定度，为对流发生提供了更有利的不稳定层结。（3）城市下垫面地表粗糙度较大，辐合上升运动和水汽垂直输送在城市迎风侧（海淀、石景山等西部地区）增强，辐合中心强度可达−30×10⁻⁴·s⁻¹，雨水混合比显著高值中心超过3g·kg⁻¹，低层水汽和能量得以向上输送，更利于对流性降水天气的发生，增强了降水。

采用涡度相关系统及其配套微气象设备对2021−2022年辽西地区樟子松人工林进行连续2a的观测，探明樟子松人工林能量流动过程，并揭示环境要素对樟子松人工林能量分配关键参数的影响，为理解陆地植被与气候变化的复杂关系提供参考。结果表明：2021年和2022年，向下长波辐射分别可抵消82%和81%的向上长波辐射，下垫面分别可反射12%和11%的向下短波辐射(S_d)，向下辐射的20%和21%分别可转化为净辐射(R_n)。非生长季，土壤热通量(G)和潜热通量(LE)与R_n的平均比值分别为−0.20和0.20；生长季，感热通量(H)和LE与R_n的平均比值分别为0.57和0.39。在半小时和日时间尺度上，蒸发比(EF)的动态变化基本与波文比相反。2021年生长季，在对日EF产生重要影响的环境要素中，日S_d、饱和水汽压差和风速为负作用，而空气湿度(H_a)、表层土壤含水量(SWC)和归一化植被指数(NDVI)为正作用，其中与SWC的相关系数最大；但2022年生长季日EF的主控因子为日S_d、空气温度、H_a、SWC和NDVI，且均为正相关，其中与NDVI的相关系数最大。辽西地区樟子松人工林G为非生长季重要能量来源，H为生长季主要能量耗散项，水分供应和植被生长共同主导该林的能量分配。

基于中国药食同源悬钩子属植物的实际分布样点以及28个环境变量，利用R语言ENMeval程序包优化MaxEnt模型，确定关键环境影响因子，预估当前（1970−2000年）和未来时期（2021−2040年、2061−2080年）中国悬钩子属植物的潜在适生分布。结果表明：经ENMeval程序包优化后，MaxEnt模型的Akaike信息标准系数为0，表明模型模拟性能好。海拔、等温性、0−30cm表层黏性土壤阳离子交换能力、最湿季平均温度和最冷月最低温度5个环境变量显著影响悬钩子属植物潜在适生分布。悬钩子属植物在当前（1970− 2000年）气候条件下高适生区面积为192.72×10⁴km²，主要集中在陕西、贵州、福建等地。2021−2040年和2061−2080年4种温室气体排放情景（SSP126、SSP245、SSP370和SSP585）下，悬钩子属植物潜在适生区总面积和高适生区面积比当前时期分别减少52.11%～66.36%、49.99%～71.61%，减少的地区主要分布在西北地区、华北地区、东北地区以及西南地区的西藏自治区和云南。综上，未来气候变化条件下悬钩子属植物适生区面积可能显著减少。对于悬钩子属植物面积减少地区，可采取迁地保护措施，保护该属植物资源。

基于河南省6个农业气象观测站2021−2023年‘新麦26’（强筋型）和‘扬麦15’（弱筋型）小麦品质数据及同期气象数据，利用相关分析法确定不同筋型小麦主要品质与气象因子的关系，并通过逐步回归构建主要品质指标对气象因子响应的定量方程。结果表明：站点间同种筋型小麦同一品质指标差异显著（P<0.05）。强筋型小麦品质总体优于弱筋型小麦，其中强筋型小麦籽粒蛋白质含量较弱筋型小麦高1.97g·100g⁻¹，湿面筋含量比弱筋型小麦高0.56个百分点，沉淀指数则比弱筋型小麦高24.25mL。拔节−孕穗期温湿因素对两种筋型小麦蛋白质含量和沉淀指数均有显著影响（r>0.28，P<0.05），而抽穗−开花期光照因素对两种筋型小麦湿面筋含量有显著负影响（r<−0.45，P<0.05）。此外，强筋型小麦的蛋白质含量主要受拔节−孕穗期温热因素、水湿因素及抽穗−开花期光照因素的影响，而弱筋型小麦的蛋白质含量还与乳熟−成熟期温热因素密切相关。两种筋型小麦的湿面筋含量均对抽穗−开花期的光照因素和乳熟−成熟期温热因素有显著响应。强筋型小麦的沉淀指数在抽穗−开花期易受光照因素影响，而弱筋型小麦的沉淀指数则在乳熟−成熟期更易受光照和温热因素的双重影响。逐步回归模型分析表明，不同筋型小麦的品质指标受不同气象因子的调控，且这些气象因子的影响在小麦不同发育时期存在显著差异。研究揭示了气象因子对小麦品质形成的调控机制，为优质专用小麦的区域化种植和精准农业管理提供了科学依据，对优化田间管理措施、应对气候变化及提高小麦生产质量具有重要意义。

农业生产中常采用有机肥与化肥配合施用的方法降低单一施用化肥产生的负面效应，但有机肥替代化肥的比例不合理易导致作物减产，且目前有机肥替代化肥后对农田N₂O排放的影响结果尚不统一。为探究有机肥替代化肥对农田N₂O排放及作物产量的影响，本研究以内蒙古河套灌区向日葵田为研究对象，于2023年在巴彦淖尔市农牧业科学院干召庙试验基地设置有机肥不替代化肥（T0），分别替代25%（T25）、50%（T50）、75%（T75）和100%化肥（T100）共5个施肥处理，采用静态箱−气相色谱法测定农田N₂O排放，结合土壤碳氮指标、酶活性及向日葵产量等定量分析，明确农田N₂O排放规律及其与土壤指标的关系，探明当地向日葵生产中的适宜有机肥替代比例。结果表明：向日葵追肥后（7月13日−8月10日）是N₂O排放的峰值阶段。与T0处理相比，T25、T50、T75、T100处理分别使生长季农田N₂O累计排放显著降低30%、45%、52%和64%。与T0处理相比，有机肥替代化肥后土壤可溶性碳、氮（DOC、DON）含量分别显著提高11%～30%和38%～53%；氧化亚氮还原酶（NOS）活性显著提高11%～32%；一氧化氮还原酶（NOR）活性显著降低14%～30%。DOC和DON含量与NOS活性呈显著相关性，DON含量与NOR活性呈显著相关性，NOS活性的提高及NOR活性的降低导致农田N₂O累计排放量降低。与T0处理相比，T25处理向日葵产量显著提高30%，T50处理向日葵产量无显著降低，且T25和T50处理N₂O排放强度均较低，是适合当地向日葵稳产减排的有机肥替代化肥施肥方案。

及时、准确地掌握农作物产量信息对国家粮食政策的决策制定和安全评估至关重要。遥感技术以低成本、高时效的特点，为区域大面积农作物产量估算提供有效手段。强化农学知识对单产估算模型的约束，解决训练样本稀缺问题，是目前农作物单产遥感估算研究的重要方向。本文归纳已有文献研究，总结梳理由数据与知识双重驱动的作物单产遥感估算方法，在混合建模方法基础上，系统阐述作物单产估算研究中多情景模拟数据集的构建方法和作物单产估算建模方法，概述常用的模型与算法，并总结遥感技术在混合建模方法中的应用。最后，综合讨论混合建模方法的不确定性，以及作物单产估算研究未来发展趋势与面临的挑战。结果表明：基于数据与知识双重驱动的混合建模方法在作物单产遥感估算领域取得重要进展。将数据驱动模型与知识驱动模型优势互补，能解决地面样本依赖问题的同时增强模型机理支撑。遥感数据源的不确定性、知识驱动模型对作物生理过程模拟的不确定性和数据驱动模型预测的不确定性是限制作物单产遥感估算精度提高的主要因素。如何提高模型输入数据的质量和可用性，强化知识驱动模型理论基础，加强数据驱动模型算法改进是未来混合建模方法应用于作物单产估算研究的发展趋势。

三七具有极高的药用和经济价值，喜温喜湿，温湿度是影响其生长的重要环境参数。目前，三七设施栽培以人工经验为主，设施环境调控存在严重滞后性，导致三七易受病虫害影响造成减产，严重阻碍产业发展。本研究利用卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆神经网络（LSTM）和Informer模型四种深度机器学习算法初步优选设施三七温湿度预测模型，构建改进的PCA−Informer模型以提高模型训练效率和性能。同时，通过环境监测传感器实现数据采集，将PCA−Informer模型嵌入平台软件，采用Django框架结合Python技术实现平台主要功能模块，开发三七设施栽培环境监测、温湿度预测和预警平台。结果表明：（1）Informer模型相较于其他三种深度机器学习算法预测精度最高，空气温度和湿度的平均绝对误差（MAE）分别为0.860℃和3.870个百分点，决定系数（R²）分别为0.959和0.964。（2）通过Informer模型的Encoder层加入主成分分析（PCA）算法构建的PCA−Informer模型，可提高设施栽培三七温湿度预测模型的训练效率和性能。相较于Informer模型，PCA−Informer模型预测空气温度和湿度的MAE分别减少0.140℃和0.621个百分点，R²分别提高了0.0100和0.0021。（3）三七设施栽培环境监测、温湿度预测和预警平台可实现设施三七未来3d温湿度精准预测和预警。

广西横州市茉莉花价格受暴雨影响显著，建立面向茉莉花的暴雨灾害风险评估模型，对减轻暴雨灾害造成的经济损失具有重要意义。本研究利用2022−2024年气象观测数据和茉莉花价格数据，结合GIS与遥感技术，构建基于信息熵权重法的暴雨灾害风险评估模型，并以此搭建茉莉花暴雨灾害风险预报系统，实现横州茉莉花暴雨灾害风险日尺度更新预报。结果表明：（1）茉莉花暴雨致灾危险性的关键影响因素是暴雨过程持续天数，影响达40.6%，其次是24h降水量和过程累计降水量。暴雨导致茉莉花当日的花价下跌15.9%～25.5%。（2）横州市茉莉花暴雨灾害风险划分为低（26.4%）、中（44.6%）和高（29.0%）等级，高风险区主要分布在横州市南部和东部。（3）基于暴雨灾害风险评估模型构建茉莉花暴雨灾害风险预报系统，2024年38次暴雨事件预报准确率达63.1%。较准确地验证了2024年6月3−5日暴雨过程，结果显示3日和4日的风险预报偏低，5日的风险预报与实际花价跌幅较为相符。综上，基于精细化天气预警信息，茉莉花暴雨灾害风险预报系统可帮助花农制定应对策略，减少花农生产损失，提高生产效率，提升横州茉莉花产业的气象灾害风险抵抗能力。

马铃薯农田实景拍摄图像中，花朵在图像中特征信息占比小，当达到开花普遍期和盛花期时花朵不仅细小，且分布密集。目前主流的图像识别模型都容易产生漏检，检测精度不高。为了解决该问题，本研究以2019−2023年宁夏8套马铃薯农田实景监测系统拍摄的图像作为资料，对YOLOv5进行了改进。借鉴DenseNet的思想，在YOLOv5的基础上加入DenseBlock，提出一种稠密结构CD5−256，并引入注意力机制模块，形成YOLOv5CD5−256模型，将该模型与YOLOv5L、YOLOv8L、YOLOv8X、YOLOv9C和YOLOv9E进行对比。结果表明：YOLOv5CD5−256在测试集上的精确率（P）、召回率（R）以及平均精度均值（mAP）分别达到0.83、0.85和0.82，比YOLOv5L的各项指标均提升0.20，比YOLOv8L、YOLOv8X、YOLOv9C、YOLOv9E提升0.15～0.17，在6个模型中表现最佳。在马铃薯开花初期，6个模型都有较好的检测能力，YOLOv5CD5−256模型比其他5个模型无明显优势。当马铃薯进入开花普遍期和盛花期，出现大量细小且分布较为密集的花朵时，YOLOv5CD5−256模型的平均漏检率比其他模型低0.20～0.23，表现出明显的优势。说明该模型可应用于马铃薯开花初期、普遍期和盛花期不同时期的花朵检测，尤其对小特征、密集型分布的花朵检测能力明显好于当前的主流模型，可作为马铃薯花朵的识别模型。

基于2025年夏收粮油作物（冬小麦、油菜）产区约1800个气象站逐日气象观测资料和295个农业气象站农业气象观测资料，利用统计分析、卫星遥感、实地调查等方法，结合冬小麦和油菜生育期内气候适宜度指数、农业气象灾害指数及卫星遥感植被指数（NDVI），评估气象条件对夏收粮油作物生长发育及产量形成的影响。结果表明：2024/2025年度（2024年10月−2025年5月）冬小麦、油菜生育期内，产区大部光热充足，降水量总体偏少，且时空分布不均，豫陕晋等地春旱发生偏重，影响冬小麦产量形成；湘鄂赣等地秋播期阶段性干旱、春季阶段性阴雨及强对流天气不利油菜生长发育，但影响偏轻。夏收粮油作物成熟收获阶段，产区大部多晴好天气，夏收进展顺利、质量高。总体上，2024/2025年度冬小麦生育期内气象条件表现为光温条件好、水分条件前好后差，油菜生育期内气象条件好于常年（1991−2020年平均值）和2023/2024年度。