農(nóng)業(yè)氣象科技始終堅(jiān)持把為農(nóng)業(yè)生產(chǎn)服務(wù)作為氣象服務(wù)的重中之重，強(qiáng)化農(nóng)村氣象災(zāi)害監(jiān)測(cè)預(yù)報(bào)預(yù)警技術(shù)水平，建立適應(yīng)農(nóng)業(yè)生產(chǎn)需求的農(nóng)業(yè)氣象科技支撐體系，提高氣象服務(wù)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革能力，為農(nóng)業(yè)生產(chǎn)防災(zāi)減災(zāi)和趨利避害提供了科學(xué)指導(dǎo)。

1.面向農(nóng)業(yè)氣象業(yè)務(wù)發(fā)展需求，深入開展關(guān)鍵技術(shù)研究

依托國(guó)家科技項(xiàng)目，針對(duì)小麥、水稻、玉米等主要農(nóng)作物的農(nóng)業(yè)氣象服務(wù)需求，著力解決關(guān)鍵科技問題，氣象為農(nóng)服務(wù)科技支撐能力顯著提升。開展了CO2不同濃度水平及對(duì)應(yīng)增溫幅度小麥需水量變化和水分利用效率回歸統(tǒng)計(jì)分析研究；分析了冬前和春季灌溉對(duì)華北冬小麥生長(zhǎng)發(fā)育和籽粒產(chǎn)量的影響；初步構(gòu)建了國(guó)家級(jí)冬小麥精細(xì)化土壤墑情和灌溉預(yù)報(bào)系統(tǒng)；針對(duì)西南地區(qū)復(fù)雜地形的水稻洪澇災(zāi)害構(gòu)建了風(fēng)險(xiǎn)評(píng)估模型；發(fā)展了基于地面遙感信息與氣溫的夏玉米土壤水分估算方法，提出了玉米干旱過程遙感監(jiān)測(cè)的冠層含水量指標(biāo)；基于夏玉米干旱模擬實(shí)驗(yàn)數(shù)據(jù)，確定了夏玉米不同發(fā)育期指標(biāo)對(duì)干旱的敏感指數(shù)。

2.大力推進(jìn)農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警評(píng)估技術(shù)進(jìn)步

針對(duì)農(nóng)業(yè)氣象災(zāi)害防災(zāi)減災(zāi)的業(yè)務(wù)應(yīng)用需求，開展了全國(guó)、區(qū)域主要農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)評(píng)估、預(yù)警預(yù)測(cè)及風(fēng)險(xiǎn)評(píng)估技術(shù)與應(yīng)用研究，解決了“指標(biāo)創(chuàng)建、實(shí)時(shí)監(jiān)測(cè)、精細(xì)預(yù)警與滾動(dòng)預(yù)測(cè)、動(dòng)態(tài)評(píng)估”等關(guān)鍵技術(shù)問題。發(fā)展了西南農(nóng)業(yè)干旱、南方雙季稻低溫災(zāi)害、黃淮海小麥干熱風(fēng)、南方水稻和玉米洪澇災(zāi)害、全國(guó)小麥白粉病、稻飛虱發(fā)生等級(jí)氣象指標(biāo)；研發(fā)了區(qū)域農(nóng)業(yè)干旱、小麥干熱風(fēng)立體監(jiān)測(cè)和動(dòng)態(tài)評(píng)估技術(shù)，區(qū)域小麥干旱、干熱風(fēng)、水稻低溫災(zāi)害以及全國(guó)小麥白粉病、稻飛虱精細(xì)預(yù)警與滾動(dòng)預(yù)測(cè)技術(shù)；提出了多種農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)動(dòng)態(tài)評(píng)估、綜合評(píng)價(jià)與風(fēng)險(xiǎn)制圖技術(shù)，構(gòu)建了農(nóng)業(yè)氣象災(zāi)害動(dòng)態(tài)監(jiān)測(cè)評(píng)估、預(yù)測(cè)預(yù)警和風(fēng)險(xiǎn)評(píng)估技術(shù)體系，對(duì)推動(dòng)農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警評(píng)估技術(shù)進(jìn)步和業(yè)務(wù)發(fā)展起到了重要的支撐作用。

3.加強(qiáng)提升農(nóng)業(yè)氣象格點(diǎn)化、精細(xì)化服務(wù)能力

利用精細(xì)化格點(diǎn)資料，將農(nóng)業(yè)氣象影響預(yù)報(bào)產(chǎn)品空間分辨率從10km提高到了5km，預(yù)報(bào)時(shí)間尺度由7天提高到了10天?；緦?shí)現(xiàn)了5km格點(diǎn)的農(nóng)業(yè)氣象災(zāi)害影響預(yù)報(bào)和農(nóng)用天氣預(yù)報(bào)產(chǎn)品的自動(dòng)制作，提高了預(yù)報(bào)類產(chǎn)品的客觀化水平，在夏收夏種氣象服務(wù)、盛夏高溫影響評(píng)估與預(yù)報(bào)服務(wù)中得到應(yīng)用。

4.聚焦提高主要農(nóng)作物產(chǎn)量動(dòng)態(tài)預(yù)報(bào)技術(shù)水平

研發(fā)了基于作物產(chǎn)量歷史豐歉氣象影響指數(shù)、關(guān)鍵氣象因子影響指數(shù)、氣候適宜指數(shù)的一季稻產(chǎn)量逐月動(dòng)態(tài)預(yù)報(bào)技術(shù)，完成全國(guó)農(nóng)業(yè)氣象災(zāi)害服務(wù)保障系統(tǒng)中一季稻和棉花預(yù)報(bào)功能模塊開發(fā)，并在月報(bào)和作物產(chǎn)量預(yù)報(bào)業(yè)務(wù)中應(yīng)用。研究表明，引進(jìn)30年氣候適宜度平均值與30年逐年氣候適宜度預(yù)報(bào)效果好于原模型。

5.產(chǎn)量預(yù)報(bào)服務(wù)成效顯著

采用統(tǒng)計(jì)模型與作物生長(zhǎng)模擬模型、遙感長(zhǎng)勢(shì)動(dòng)態(tài)監(jiān)測(cè)分析相結(jié)合的方法，開展冬小麥、棉花、玉米、雙季早晚稻動(dòng)態(tài)預(yù)報(bào)業(yè)務(wù)服務(wù)，對(duì)作物產(chǎn)量進(jìn)行科學(xué)研判。2016年冬小麥總產(chǎn)預(yù)報(bào)準(zhǔn)確率為98.7%、早稻總產(chǎn)預(yù)報(bào)準(zhǔn)確率為98.6%，作物產(chǎn)量預(yù)報(bào)產(chǎn)品受到農(nóng)業(yè)部等多部門關(guān)注。2016年還增加了南美大豆等產(chǎn)量預(yù)報(bào)產(chǎn)品，拓展了服務(wù)內(nèi)容，社會(huì)服務(wù)成效顯著。