贡献者

并非所有气象数据都是一样的。全球、地区、全国、全市或某一特定领域--气象数据源的范围和准确性与使用它们的项目一样各不相同。可用的数据源包括研究气象站、消费级气象站、虚拟数据、卫星数据等。了解种植者的不同选择，并知道如何选择最佳数据源来确定生长度日、蒸散量等，这对数据的有效性和节约时间非常重要。

您需要的数据类型取决于您计划如何使用这些数据。病虫害综合防治、作物模型、灌溉、霜冻、农药漂移以及基于员工热应激的劳动力管理都有独特的数据要求。同样，您所处理的作物类型也会极大地改变所需的数据。在本文中，我们将比较各种类型的气象数据源以及它们能为种植者提供的服务。

全球模式

全球模型综合了卫星数据、一些地面测量数据和气象气球，可以预测大气各层的情况。种植者可以使用的很多气象服务都是基于全球模型的。这些模型通常被称为 "虚拟气象站"，并非基于一个或另一个站点，而是基于在全球范围内建立的网格。这些模型假定当前时间为 T-0，并提供对未来的预测。由于虚拟气象站的建立和运行需要大量资源，因此通常由政府机构管理。手机上提供的天气服务通常基于多个全球模型的组合，并对从这些模型中获取的数据进行统计插值，以提供 "本地 "预报。

气象站网络

区域气象站网络（也称中间网）通常在全州范围内运行。它们由多种仪器组成，包括 METER 的ATMOS 41和ATMOS 41W或 Campbell Scientific 的MetPRO和MesoPRO。这些气象站设在开阔、平坦、无遮挡、有草地覆盖的地方，以提供中立的区域代表性。气象站旨在通过实施标准配置和定期维护仪器，建立长期的高质量测量记录。虽然这些网络在提供全州或区域大气模式方面表现出色，但其目的并不是监测微气候。

特定站点

因此，许多种植者选择在果园和田地里设置气象站，以了解作物所处的特定小气候，并能够管理资源和做出决策。过去，特定地点的气象站很难维护，而且需要花费更多的时间和专业知识，这超出了许多种植者的能力范围。但现在，技术的进步使研究级气象站更具成本效益，也更方便用户使用，使大多数种植者都能获得高质量的测量结果。

特定地点气象站可安装在两个地点。它们可以安装在冠层外，以捕捉作物生长时的小气候。或者将其安装在冠层内，以捕捉微气候和管理效应，包括作物内部的蒸发、冷却和风流。

树冠外的测量结果与树冠内的测量结果差别很大，尤其是对果树等农作物而言。在华盛顿果树研究委员会资助的一项苹果树研究中，研究人员在树冠内外都放置了气象站，以比较读数的差异。如下图 X 所示，在有树叶的季节，树冠内比树冠外要凉爽得多。这一结果是合理的，因为蒸发和灌溉会导致蒸发冷却。夜间冷空气被困在果园中，因此傍晚时分逆温更强时，果园的温度会更低。

图 2 显示的是 2020 年夏季的数据，当时气温平均变化了 2 华氏度。事实证明，2021 年的夏天更热，净影响为 4 华氏度。湿度测量也反映了这一巨大差异，显示树冠内比树冠外更湿润。树冠内的风力也大大低于树冠外的风力，只有一个明显的例外，那就是使用风力机来防止霜冻。这些差异会对作物、开花、病虫害模型产生很大影响。如果您只能在树冠外进行测量，您需要考虑这些潜在的差异，但我们强烈建议您尽可能在树冠内进行额外的测量。

尽管如此，METER 还是建议将主要气象站放在树冠外，因为漂移法规要求在树冠外测量风力，而且计算蒸散量时也要考虑到环境对树冠的总体影响。树冠外的气象站也会减少磨损，因为它不会有与树冠相互作用的风险。出于管理目的，您需要将树冠层内的测量结果与基线进行比较。树冠外的测量结果可为这些比较提供参考。最后，建立针对具体地点的预测是可能的，但要做到这一点，您需要不受管理污染的测量结果。

生长度日比较

了解数据源之间差异的最佳方法是同时比较一个地点的所有可能数据源，并对结果进行评估。下图 3 显示了一个果园的情况。在这个地点，我们能够比较利用五个来源的数据计算出的生长度日 (GDD)：树冠层内的气象站、树冠层外的气象站、一个名为 DarkSky 的天气应用程序（现已关闭）提供的虚拟天气，以及该地点南部（帕斯科）和西北部（林戈尔德）的两个 AgWeatherNetwork 介网数据点。

本分析中的最佳线是代表树冠内气象站的绿色线。位于林戈尔德的农业气象网（AWN）站点与树冠层内的测量结果非常吻合，因为该区域通常比杉木路站点的温度要低，但如前所述，树冠层内的条件通常比作物周围区域的条件要低。虽然这些信息不谋而合，但 Ringold 地点并不能准确代表树冠内的测量值。用帕斯科的 AWN 数据计算的 GDD 与冠层内的测量值相差 15 天，虚拟气象数据相差 8 天，冠层外的气象站相差 5 天。树冠层外的气象站得出的数据可能比树冠层内的数据更暖或更冷，但通常会有系统性差异，而中继站的相关性则不太准确，虚拟气象在一段时间内没有可预测的相关性。

虚拟台站与真实台站

2012-2020 年，AgWeatherNet 发起了一项研究，将 DarkSky 与他们通过气象站测量的数据进行比较。之所以选择 DarkSky，是因为当时 DarkSky 是最好的虚拟数据源之一。156 个气象站每天使用重复的气温传感器收集每日最高和最低气温，因此每天的对比数据不到 50 万个。

图 4 显示了虚拟数据的最低和最高温度相对于气象站地面实况的误差分布。最高气温的标准偏差大多在 2 华氏度（1.1 摄氏度）以内，相当于低级消费气象站的标准偏差。相比之下，ATMOS 41 的气温标准偏差为 0.45 华氏度（0.25 摄氏度）。即使大多数测量值都在标准偏差范围内，仍有相当数量的读数超出了这一临界值。在测量低温时，准确度的变化会更大。

虚拟天气模型在夜间的表现历来不佳，因为它们无法捕捉冷空气流动或当地地形。由于它们是全球模型，因此无法包含具体地点的细节。由于这些原因，虚拟天气模型绝不能用于做出霜冻或其他依赖短期数据积累的管理决策，如花粉管生长模型。虚拟天气对于依赖长期积累的参数很有用，因为误差会平均化，但任何依赖短期数据的决策在使用这种数据源时都会受到很大影响。

该研究还包括系统性地点偏差的考察，即对整个 8 年研究中出现偏差的地点的数据进行比较。如图 5 所示，虚拟数据与地面测量数据相比，各地点的偏差并不一致，不足以进行可靠的调整，尤其是在处理最低气温时。

如图 6 所示，在将站点偏差稳定性与其所在位置的数据进行比较时，研究还显示每个站点的偏差每年都有很大变化。

虽然全球模型会随着时间的推移不断更新，但并不能保证针对您的具体地点的计算结果会有所改进。它们的精确度永远无法复制在您的站点进行测量所获得的精确度。如果您将这些测量结果用于任何模型或计算（如 GDD），您的结果可能会完全不正确，而且无法对其进行可靠的校准。

物候模型是一个例子，说明错误计算的 GDD 可能会产生巨大的负面影响。害虫物种无法通过内部调节自身温度，只能依靠环境温度提供生长所需的能量。因此，生长度日可用于预测生物体在生长过程中何时会达到某些阶段性目标，并了解种植者何时需要做好应对其影响的准备。

上图 7 是天气误差随时间放大的一个很好的例子。这两幅图分别显示了 375 个生长度日和 1375 个生长度日的苹果蠹蛾模型，375 个生长度日是苹果蠹蛾生长季节的早期，而 1375 个生长度日则是苹果蠹蛾生长季节的中期。这些数据是整个 8 年研究中所有观测站点的虚拟气象数据的总和，因此数据中代表了 1248 个观测站年。在 375 个生长度日中，74% 的站点在 8 年中至少有一次出现 5 天或 5 天以上的偏差，这就是我们认为的 "坏年份"。由于每年都有不同的站点出现偏差，因此无法对这些误差进行预测或调整。到了季节中期，误差变得如此之大和普遍，以至于虚拟天气无法用于这种建模。

实践中的气象站

大多数种植者都知道不能依赖虚拟天气来满足计算需求。在使用附近中继站的气象站时，种植者从经验中了解到，他们需要根据自己的精确位置滑动刻度，明白自己的具体地形和小气候通常会在哪个方向上偏差多少天。虚拟天气无法提供足够的相关性来进行可靠的调整。就像马可-波罗游戏一样，你可能闭着眼睛朝着朋友喊 "波罗！"的方向行进，越来越近，突然他们游到了水下，声音突然从另一个方向传来。

最后，全球模式与气象站结合使用具有很大的价值，可以成为非常有用的工具。区域网络对于长期模型非常有用，但种植者自己的气象站却无法实现这一点，因为气象站建立的时间并不长。这三种气象资料来源都不应被忽视。相反，重要的是要了解它们的优缺点，以确保为每种应用选择正确的数据源。

有问题吗？

我们的科学家拥有数十年帮助研究人员和种植者测量土壤-植物-大气连续体的经验。

• 咨询专家
• 索取报价