高标准农田建设是实施新一轮千亿斤粮食产能提升行动的关键载体，是夯实粮食安全根基、支撑农业现代化发展的战略工程。在全球气候变暖背景下，极端天气气候事件频发重发，冬小麦生产面临的气象灾害与病虫害风险加剧，气候波动对粮食稳产增产的不确定性影响日益凸显。降低高标准农田因气象灾害损失是挖掘粮食产能潜力的核心环节，强化气象综合监测、提高气候资源利用效率，是增强农田抗灾韧性、保障高产稳产的重要举措。

本专刊聚焦高标准农田农业气象自动化观测程度不足、多源观测数据融合算法有待优化、智能网格预报产品空间精度与服务需求不匹配、服务效益定量化评估欠缺等瓶颈问题；依托高标准农田冬小麦小气候数据集，构建立体化智慧气象监测（地面自动观测、卫星遥感监测、移动设备巡测），重点开展冬小麦冠层小气候特征和模拟分析、农田土壤水分模拟测定与干旱和冻害监测评估研究，研发气象场景预报技术，并量化分析服务效益，形成系列综述性与研究性论文成果，系统揭示气象条件对高标准农田作物生长的影响机理，构建兼具系统性、科学性与实用性的高标准农田智慧气象服务技术研发体系。

本专刊旨在多角度展现气象监测科技在粮食产能提升中的支撑作用，分享高标准农田智慧气象保障技术的最新动进展，促进农业气象服务与高标准农田建设的深度融合，为保障粮食高产稳产、实现农业可持续发展提供科技支撑。

2023年10月在河南省新乡市高标准农田设置完全响应区、部分响应区和不响应区，并在部分响应区随机布设仅不开展赤霉病防控和仅不开展干热风防控两种处理，共5个试验处理。试验期间按照2期河南省农业气象灾害预警信息（干热风、赤霉病）和2期河南省农业气象服务周报建议，于试验点开展2次灌溉（返青期、拔节期）、赤霉病防控（抽穗期）和干热风防控（灌浆期）处理，并结合其他调查及观测结果，定量分析农业气象服务信息不同响应处理对冬小麦主要生长要素及经济效益的影响。结果表明：（1）及时响应（1～14d）冬小麦赤霉病和干热风灾害预警信息，并进行相关防控，可有效减轻危害，部分响应区赤霉病防控地块冬小麦赤霉病病穗率降低1.50个百分点，部分响应区干热风防控地块千粒重提高1.42g，灌浆速率提高0.12g·d⁻¹。（2）冬小麦抽穗期和灌浆期不同响应处理下，主要生长要素差异显著。完全响应处理下抽穗期平均穗、茎和叶干重分别为2.73g、6.57g和2.74g，整体高于部分响应处理；灌浆期平均穗、叶干重和穗粒数分别为21.34g、2.15g和41.93个，整体呈完全响应处理>部分响应处理>不响应处理的趋势。（3）对农业气象服务信息及时响应，可显著增产增收。完全响应处理较部分响应处理每公顷冬小麦可增产666.67kg，增收1690.00元，较不响应处理每公顷增产2310.81kg，增收4435.95元；部分响应处理较不响应处理每公顷可增产1644.14kg，增收2745.95.元。通过对农业气象服务信息不同响应处理产生的效益进行定量评估，对提升冬小麦单产具有重要科技支撑和生产指导意义。

以高标准农田气象保障工程质量为研究对象，利用德尔菲法识别工程质量影响因素，建立工程质量综合评价指标体系，应用层次分析法求解各指标权重，基于模糊综合评价法构建适用于高标准农田气象保障工程质量的定量化评价模型，评估工程质量的综合及单项指标等级、得分，指出工程建设质量的优势和短板，为工程质量评价、规划和升级提供参考。结果表明：高标准农田气象保障工程质量评价指标涵盖观测站网工程建设质量、预报预警系统建设质量、信息发布系统建设质量、防灾减灾工程建设质量、气象保障效益评估5个一级指标、8个二级指标和25个三级指标。5个一级指标的权重排序由高到低依次为观测站网（0.261）＞预报预警（0.251）＞防灾减灾（0.228）＞信息发布（0.154）＞效益评估（0.106），其中，观测站网、预报预警和防灾减灾3项一级指标的权重占比74%，是工程质量评价的关键性指标。信息发布和效益评估2项一级指标权重虽只占26%，但在为农气象服务链条中起前后衔接重要作用；二级指标中，同属1个一级指标下的3对二级指标两两间权重相差较小；三级指标中，灌溉与排水工程质量、灾情预报预警准确率、观测数据及时性指标是权重最高的前3项。以河南省郸城县的某高标准农田气象保障工程为案例，工程质量综合评分为86.3分，属良好等级。其中，5个一级指标均为良好，但各三级指标的评价结果存在差异，在观测站网工程建设、气象信息发布系统、防灾减灾基础设施和能力建设方面效用较好，但预报预警准确率和为农服务满意度等方面存在薄弱点。案例应用结果验证了综合评价模型的有效性和适用性，也为工程质量评价和管理提供了依据。

利用自然社会交互耦合视角，构建“气象环境−耕地质量−主体响应−防灾减损”的理论框架，基于2004−2022年中国省级层面高标准农田建设及农业气象灾害数据，运用连续型双重差分模型，系统分析农业气象灾害中高标准农田建设的防灾减损效应及机制。结果表明：（1）高标准农田建设显著且持续提升了农业气象灾害防御能力，对农业气象灾害冲击具有明显的防灾减损效应。新增高标准农田建设面积大的（≥5.3万hm²）实验组，其农业气象灾害成灾率显著下降了12.7个百分点，因灾粮食损失降低了16.5%。经平行趋势和稳健性检验后结果可信。（2）在灾害类型、建后管护水平和区域农业功能定位三个维度上高标准农田建设的防灾减损效应均可发挥积极的作用，其中对农业抵御旱灾的能力最为显著，在高标准农田管护水平高的区域防灾减损效应更为突出，在粮食主产省份的防灾减损效果较主销区更为明显。（3）带动农业保险和灾害监测预警能力提升，促进农业社会化服务和设施农业发展，是高标准农田建设助力农业防灾减损的重要途径。为此，在加快推进新一轮高标准农田建设时，坚持差异化阶段推进原则，探索“建管用养”一体化发展的长效机制，引导高标准农田的使用方式向现代化集约化转型，可为农业强国建设提供根本支撑。

宇宙线快中子法是可实现百米尺度土壤水分探测的新技术，填补了传统点探测与遥感探测的尺度空缺。本研究基于2020年5−11月中国气象局乌兰乌苏农业气象试验站的宇宙线快中子法仪器原位测量数据、单点烘干称重法测定数据、频域反射（Frequency domain reflectometry，FDR）测量数据以及分布式烘干称重法测定数据，研究在典型绿洲农田区域土壤水分测量中宇宙线快中子法的适用性，重点探讨基于N₀参数法获得的宇宙线快中子法区域土壤含水量与单点烘干称重法、FDR法、分布式烘干称重法土壤含水量的关系，对比分析3种方法对降水事件的敏感性并进行验证，为典型绿洲农田生态系统区域尺度土壤水分观测提供依据。结果表明：宇宙线快中子法土壤含水量与单点烘干称重法测定土壤含水量相关性较好，尤其是可反映试验区土壤表层（0−30cm）水分变化特征，相关系数最高达到0.66；受FDR传感器安装深度影响，宇宙线快中子法对降水事件的敏感性优于FDR法。宇宙线快中子法土壤含水量与FDR法土壤含水量的多层平均值呈显著线性关系，0−30cm土壤含水量决定系数R²为0.57，均方根误差为0.018cm³·cm⁻³；与分布式烘干称重法0−5cm、0−10cm、0−20cm、0−35cm土壤含水量决定系数R²分别为0.61、0.61、0.52和0.30，均方根误差分别为0.015cm³·cm⁻³、0.010cm³·cm⁻³、0.011cm³·cm⁻³和0.017cm³·cm⁻³。绿洲农田生态系统中，相较于单点烘干称重法、FDR法和分布式烘干称重法，宇宙线快中子法能更准确地反映区域尺度土壤含水量的时空变化规律，且对小降水事件或慢降水事件的反应更灵敏；宇宙线快中子法能够对土壤表层平均水分实现更准确测量。

利用2021−2023年冬小麦生长期（10月−翌年5月）高标准农田小气候监测数据，在分析土壤水分对农田小气候要素响应滞后性的基础上，引入Optuna框架的超参数优化方法建立随机森林（Random forest，RF）、BP神经网络（BP neural network，BPNN）和支持向量机回归（Support vector regression，SVR）3种机器学习模型，预估3d、5d和10d共3个预见期5个土层深度（10cm、20cm、30cm、40cm和50cm）的土壤相对湿度，以期为高标准农田土壤水分预估提供参考。结果表明：（1）冬小麦生长期内，河南省高标准农田5个土层深度土壤相对湿度呈波动下降趋势，播种−出苗期5个土层的土壤相对湿度的时段平均值最大（90.4%），抽穗−成熟期最小（73.9%）。（2）河南省高标准农田土壤相对湿度对不同小气候要素响应时间与强弱不一致。其中，对10cm、20cm和50cm处地温响应最慢但最强，响应时间集中在5～10d，相关系数为0.32～0.57；对空气相对湿度的响应最快但最弱，响应时间集中在1～3d，相关系数小于0.20。随着土层深度增加，土壤相对湿度与降水量、日平均气温和日最高气温相关关系呈递减趋势，与日最大风速、3个土层深处地温（10cm、20cm和50cm）相关关系则逐渐增加。（3）不同预见期下5个土深处土壤相对湿度的模拟模型中，RF模型精度最高，决定系数（R²）为0.87～0.98，均方根误差（RMSE）为0.02～0.05，平均绝对误差（MAE）为0.01～0.03；SVR模型次之（R²为0.77～0.97，RMSE为0.03～0.07，MAE为0.02～0.04）；BPNN模型精度较低（R²为0.60～0.97，RMSE为0.04～0.07，MAE为0.01～0.06）。综合评价RF模型更适合高标准农田土壤墒情短期预测，可为河南高标准农田精准水分管理提供技术支撑。

针对小气候站数据质量等问题给参考作物蒸散量（ET₀）估算带来的挑战，选取河南省高标准农田2020−2023年16个有完整数据记录的农田小气候站和13个临近国家气象站点逐日气象观测数据，采用13种典型ET₀估算经验模型和8种机器学习模型，以Penman−Monteith（PM）模型为基准，评估不同模型的准确性，并在最优模型的基础上提供15种ET₀组合方案，以期提供一个准确、合适、简单的替代模型估算ET₀，为高标准农田农业水资源管理提供科学指导。结果表明：除风速（WS）外，小气候站与国家站逐日观测的平均气温（T_ave）、最高气温（T_max）、最低气温（T_min）、平均空气相对湿度（RH）、饱和水汽压差（VPD）和净辐射（R_n）拟合度较高，R²均高于0.654（P<0.05），基于两套数据计算的ET₀相关关系也较好，R²为0.880，RMSE为0.59mm。13种经验模型中，综合考虑温度、辐射、相对湿度和风速的Valiantzas3（Val3）模型效果最佳（R²=0.933，RMSE=0.461mm），其次是考虑辐射和温度因子的Jensen−Haise（JH）模型（R²=0.916，RMSE=0.774mm）。基于温度的Hargreaves−Samani（HS）模型的总体精度较高（R²=0.817，RMSE=0.713mm）；而基于质量传输的Penman（Pen）、WMO和Trabert（Tra）模型的模拟精度较低，不建议作为ET₀评估的选择方案。8种机器学习模型中，多层感知机（MLP）模型模拟精度最优（R²=0.998，RMSE=0.059mm），各输入参数重要性排序为R_n>VPD>WS>T_max>T_ave>T_min>RH。基于MLP模型的15种模型输入参数组合方案中，相同输入参数条件下，机器学习模型的模拟精度总体优于经验模型，综合考虑R_n+T_ave+RH+WS的组合模型表现最优。

为充分利用新疆高标准农田小气候观测数据，定量评价其与国家气象站观测数据差异，为因地制宜利用热量资源，调整种植制度和作物布局提供参考，选取2015-2024年南疆和北疆高标准农田农业小气候观测站和邻近国家气象站逐日气温观测数据，采用散点图、线性回归等数理统计分析方法，明确新疆高标准农田冬小麦生长季热量资源特征及其与国家气象站的异同。结果表明：（1）南、北疆农业小气候观测站与国家气象站日平均气温、最高气温、最低气温相关系数在0.997～1.000（P<0.001），具有较好的一致性。高标准农田冬小麦不同生育阶段较对应气象站日平均气温偏低0.4～2.1℃，日最低气温偏低0.8～3.2℃，日最高气温普遍偏高0～0.7℃；冬小麦播种出苗期、分蘖期、拔节期、抽穗开花期、灌浆成熟期气温差值较大，最大差值3.2℃，冬小麦越冬期、返青期差值较小，最大差值1.6℃；（2）与对应的国家气象站相比，南、北疆高标准农田小气候观测站冬小麦生长季年平均≥0℃活动积温偏少8.0～61.0℃·d、≥10℃活动积温偏少0～59.3℃·d，年平均＜0℃活动积温在越冬期偏多26.7～96.0℃·d、返青期偏少0.2～1.6℃·d；（3）与对应的国家气象站相比，南疆高标准农田农业小气候观测站极端最高气温偏高0.4℃、最低气温偏低0.1℃。北疆高标准农田农业小气候观测站极端最高、最低气温分别偏低0.5℃、0.2℃，且极端气温出现的日期不一致。南疆高标准农田农业小气候观测站冬小麦抽穗开花期、灌浆成熟期年平均≥35℃高温日数偏多0.7d，北疆偏少3.4d。南、北疆农业小气候观测站冬小麦返青期年平均≤-3℃低温日数偏多1.8d和1.0d。高标准农田小气候站冬小麦生长季热量资源与邻近国家站高度相关，受作物生长环境及下垫面影响，二者具有一定差异，其差值规律可为利用国家气象站开展冬小麦气象服务提供技术支撑。

为研究冬小麦田间温湿度变化及其与临近气象观测站温湿度的定量关系，2022年10月−2023年5月在商丘农业气象观测站冬小麦试验田10cm、30cm、50cm、70cm、150cm高度处安装温湿度记录仪，研究不同生长阶段和不同天气类型冬小麦田间温湿度时空特征。采用线性回归方法，分别建立冬小麦全生育期和不同天气类型下田间温湿度与百叶箱温湿度的关系模型，并进行检验，以期为冬小麦气象服务提供数据支撑，提高农业气象服务水平。结果表明：（1）冬小麦分蘖−越冬期、返青−抽穗期、开花−成熟期田间各高度气温与百叶箱气温日变化特征一致，且3个生长阶段田间各高度气温7：00−16：00均高于百叶箱气温0.1～4.1℃，其余时段均低于百叶箱气温0.1～3.7℃。3个生长阶段田间各高度日最高气温出现时间较百叶箱温度偏早1～2h，最低气温较百叶箱偏早0～1h。（2）除冬小麦开花−成熟期50−150cm处上午某些时刻田间空气相对湿度低于百叶箱0.1～3.7个百分点，其他生长阶段、高度和时次均高于百叶箱0.6～26.8个百分点。3个生长阶段百叶箱空气相对湿度最小值出现时间比田间晚1～2h。（3）田间和百叶箱温湿度的日变化幅度大小依次为晴天>多云>阴天。晴天百叶箱与田间10−150cm气温差的平均值分别较多云和阴天高0.4℃和0.5℃，晴天百叶箱与田间10−150cm空气相对湿度差平均值分别较多云和阴天高1.8个和2.1个百分点。（4）全生育期和不同天气类型不同时间尺度田间各高度温湿度模拟模型均通过了0.01水平的显著性检验，且日尺度模拟效果优于小时尺度模型，气温模拟效果优于空气相对湿度，所有模型的模拟精度随田间监测高度增加逐渐升高。不同天气类型下，田间各高度温湿度模拟效果阴天＞多云＞晴天。