欒 青 ，馬雅麗 ，李偉偉 ，相 棟

（1.山西省氣候中心，山西太原030002；2.侯馬市氣象局，山西侯馬043010）

冬小麥?zhǔn)俏覈?guó)主要糧食作物之一，其播種面積占糧食播種面積的1/5。在北方，其地位更加重要，播種面積和總產(chǎn)量占全部糧食播種面積和總產(chǎn)量的1/2[1]。在當(dāng)今氣候變暖的背景下，農(nóng)業(yè)生產(chǎn)的不穩(wěn)定性、產(chǎn)量波動(dòng)增大等一系列問題顯得尤為突出[2-5]。

臨汾市是山西省冬小麥的種植主產(chǎn)區(qū)，據(jù)近5 a（2004—2009年）播種面積統(tǒng)計(jì)，臨汾市冬小麥種植面積占山西省冬小麥種植面積的33.8%。因此，準(zhǔn)確地估計(jì)冬小麥的產(chǎn)量，對(duì)于政府部門及時(shí)、準(zhǔn)確地掌握糧食生產(chǎn)狀況，進(jìn)行糧食宏觀調(diào)控具有至關(guān)重要的作用[6]。

本研究從冬小麥產(chǎn)量預(yù)報(bào)實(shí)際業(yè)務(wù)出發(fā)，在ArcGIS地理信息系統(tǒng)軟件下提取臨汾市冬小麥種植區(qū)不同時(shí)期的氣溫、降水和日照作為因子，建立了臨汾市冬小麥動(dòng)態(tài)氣象估產(chǎn)模型，經(jīng)驗(yàn)證模型估產(chǎn)誤差較小，穩(wěn)定度較高。

1 資料和方法

本研究選用的資料為臨汾市各縣（市）1981—2008年的氣象站地面觀測(cè)資料和冬小麥產(chǎn)量資料。1982—2007年數(shù)據(jù)用于建模，2008年的數(shù)據(jù)用來驗(yàn)證估產(chǎn)模型的準(zhǔn)確性。

氣象觀測(cè)資料包括旬降水量（mm）、旬平均氣溫（℃）、旬日照時(shí)數(shù)（h）；產(chǎn)量資料來自臨汾市各縣（市）冬小麥單產(chǎn)（kg/hm2）；地理信息數(shù)據(jù)來自臨汾市各縣（市）邊界矢量文件及冬小麥種植區(qū)矢量圖層（矢量圖層通過解譯MODIS衛(wèi)星資料，綜合了區(qū)域的DEM、坡度、坡向等資料得到[7]）。

數(shù)據(jù)處理過程包括[8]：（1）將研究區(qū)內(nèi)氣象站點(diǎn)的各氣象因子以旬為單位進(jìn)行空間內(nèi)插（插值方法選用克里格法（KRIGING）[9]，內(nèi)插空間分辨率為250 m），得到研究區(qū)內(nèi)1981—2008年每年各旬的氣溫、降水和日照3個(gè)氣象因子的空間數(shù)據(jù)。（2）在ArcGIS地理信息系統(tǒng)軟件下，利用Grid模塊提取研究區(qū)內(nèi)耕地部分1981—2008年各旬氣象數(shù)據(jù)。并利用縣界Coverage進(jìn)行分縣統(tǒng)計(jì)耕地上的氣象因素均值，最后將各縣氣象要素均值作為建模所用的氣象要素?cái)?shù)據(jù)。

2 模型建立

2.1 估產(chǎn)模型因子的選取

氣象條件對(duì)作物產(chǎn)量的形成起著重要的作用?？紤]到氣象因素對(duì)作物產(chǎn)量的影響具有貯存性，且對(duì)作物生長(zhǎng)具有一定的滯后性。因此，本研究建模時(shí)采用的氣象因子為一段時(shí)間內(nèi)的累積值。同時(shí)，從產(chǎn)量預(yù)報(bào)業(yè)務(wù)需求出發(fā)，本研究從冬小麥返青至成熟期，以旬為單位共模擬7次，建立7個(gè)時(shí)期的估產(chǎn)模型，分別為3月下旬、4月上旬、4月中旬、4月下旬、5月上旬、5月中旬和5月下旬。

臨汾市冬小麥生長(zhǎng)期一般為：9月上旬播種，10月上旬出苗生長(zhǎng)，12月至第2年2月為越冬期，3月份開始返青生長(zhǎng)，一直到6月上旬收獲，全生育期有240～250 d。氣溫、降水和日照時(shí)數(shù)以及各因子的累積作用對(duì)冬小麥產(chǎn)量影響較大[10]，因此，本研究建模時(shí)選用的氣象因子為：9月1日至11月30日的降水量（R9-11），12月1日至第2年2月28日降水量（R12-2），第2年3月降水量（R3）；10月1日至11月30日平均氣溫（T10-11），12月1日至第2年2月28日的平均氣溫（T12-2），第 2年 3月平均氣溫（T3）；第 2年3月日照時(shí)數(shù)（S3）。當(dāng)模擬4月上旬時(shí)，R3/T3/S3分別改為R3-4f/T3-4f/S3-4f表示3月上旬持續(xù)到4月上旬的各因子狀況……，以此類推。

2.2 產(chǎn)量數(shù)據(jù)處理

2.2.1 產(chǎn)量分解 農(nóng)作物的最終產(chǎn)量是在各種自然因素和非自然因素的綜合影響下形成的。到目前為止，國(guó)內(nèi)外研究者大都將這些因素按影響的性質(zhì)和時(shí)間尺度劃分為農(nóng)業(yè)技術(shù)措施、氣象條件和隨機(jī)“噪聲”3大類。

因此，可將作物產(chǎn)量Yt分解為3個(gè)部分：（1）由技術(shù)進(jìn)步、農(nóng)業(yè)政策、物質(zhì)投入的增長(zhǎng)而引起的作物產(chǎn)量的增長(zhǎng)，它反映了一定歷史時(shí)期的社會(huì)經(jīng)濟(jì)技術(shù)發(fā)展水平，稱為時(shí)間技術(shù)趨勢(shì)產(chǎn)量，簡(jiǎn)稱趨勢(shì)產(chǎn)量（Yit）；（2）由氣象條件類差異造成作物產(chǎn)量的波動(dòng)，相應(yīng)的產(chǎn)量分量稱為氣象產(chǎn)量（Yiw），它反映氣象波動(dòng)對(duì)產(chǎn)量的影響；（3）由隨機(jī)因子影響的隨機(jī)誤差項(xiàng)產(chǎn)量（ei）（為不可控制因素，一般可忽略不計(jì)）。即：

氣象模型建立的關(guān)鍵步驟是將農(nóng)作物產(chǎn)量分解成趨勢(shì)產(chǎn)量和氣象產(chǎn)量。然后再分別模擬趨勢(shì)產(chǎn)量和氣象產(chǎn)量。

氣象產(chǎn)量＝農(nóng)作物產(chǎn)量－趨勢(shì)產(chǎn)量，即：

2.2.2 趨勢(shì)產(chǎn)量的預(yù)測(cè) 趨勢(shì)產(chǎn)量預(yù)測(cè)的方法有直線回歸、指數(shù)函數(shù)、正交多項(xiàng)式回歸、冪函數(shù)、滑動(dòng)平均法等，進(jìn)行趨勢(shì)產(chǎn)量預(yù)報(bào)建模時(shí)可根據(jù)實(shí)地產(chǎn)量狀況選擇其中的1種方法進(jìn)行計(jì)算。趨勢(shì)產(chǎn)量的形式一般符合“S”型曲線或直線形式。本研究采用3點(diǎn)滑動(dòng)平均法來計(jì)算趨勢(shì)產(chǎn)量。

2.3 建模方法

按照2.2產(chǎn)量分解方法及趨勢(shì)產(chǎn)量的預(yù)測(cè)方法，將1981—2008年山西省臨汾市冬小麥產(chǎn)量數(shù)據(jù)分解成趨勢(shì)產(chǎn)量和氣象產(chǎn)量。在ArcGIS地理信息系統(tǒng)軟件下，首先以旬為單位，將氣溫、降水和日照數(shù)據(jù)插值，然后提取臨汾市冬小麥種植區(qū)的氣象要素。將分解得到的氣象產(chǎn)量作為因變量，提取的旬氣象要素作為自變量，在SPSS 11.5統(tǒng)計(jì)軟件中進(jìn)行多元回歸，建立冬小麥估產(chǎn)模型，共建立7個(gè)時(shí)期的預(yù)報(bào)模型。

3 結(jié)果與分析

3.1 建模結(jié)果

本研究成果目標(biāo)是要在實(shí)際業(yè)務(wù)中進(jìn)行運(yùn)用，因此，大致按照冬小麥生育期以旬為單位，從3月下旬開始到5月下旬，共建立7個(gè)時(shí)期的冬小麥產(chǎn)量預(yù)報(bào)模型。

以3月下旬為例，建立的冬小麥氣象產(chǎn)量預(yù)報(bào)模型為：Y＝0.99×R9-11＋1.96×R12-2－0.61×R3＋8.30×T10-11－55.56×T12-2＋76.09×T3－2.72×S3－339.607。

以此類推建立4月上旬、4月中旬、4月下旬、5月上旬、5月中旬和5月下旬的臨汾市冬小麥的氣象產(chǎn)量預(yù)報(bào)模型，各模型參數(shù)如表1所示。

表1 臨汾市冬小麥估產(chǎn)模型參數(shù)

3.2 模型驗(yàn)證

將2008年的氣象數(shù)據(jù)分別代入表1中不同時(shí)期的氣象估產(chǎn)模型中，計(jì)算2008年臨汾市的氣象產(chǎn)量，然后再加上趨勢(shì)產(chǎn)量，得到2008年不同時(shí)期冬小麥的預(yù)測(cè)產(chǎn)量。將預(yù)測(cè)值與實(shí)際統(tǒng)計(jì)值進(jìn)行比較，對(duì)模型進(jìn)行驗(yàn)證。驗(yàn)證結(jié)果如表2所示。

表2 臨汾市冬小麥動(dòng)態(tài)估產(chǎn)模型驗(yàn)證結(jié)果

從表2的驗(yàn)證結(jié)果可以看出，2008年3月下旬至5月下旬，利用臨汾市冬小麥動(dòng)態(tài)估產(chǎn)模型模擬結(jié)果的相對(duì)誤差在-0.36%～5.87%之間，變幅最大為6.2%，相對(duì)誤差絕對(duì)值在0.33%～5.87%之間，其平均相對(duì)誤差絕對(duì)值為3.54%。

4 結(jié)論與討論

（1）本研究在ArcGIS系統(tǒng)支持下，首先將離散的氣象站點(diǎn)觀測(cè)數(shù)據(jù)利用空間內(nèi)插的方法進(jìn)行插值，然后再提取冬小麥種植區(qū)的氣象要素，將提取的氣溫、降水和日照數(shù)據(jù)與冬小麥產(chǎn)量建立多元回歸模型。相比單純利用氣象站點(diǎn)的觀測(cè)數(shù)據(jù)，建模具有更強(qiáng)的科學(xué)性。

（2）本研究在建立冬小麥估產(chǎn)模型時(shí)，選取了氣溫、降水、日照3個(gè)主要?dú)庀笠蜃?，且考慮了氣象因子對(duì)作物產(chǎn)量的貯存性和滯后性。通過驗(yàn)證，本研究建立的冬小麥動(dòng)態(tài)估產(chǎn)模型的誤差較小，波動(dòng)性變化較小，穩(wěn)定度高，適合于實(shí)際業(yè)務(wù)運(yùn)行。模型結(jié)果及因子選取方法對(duì)山西省冬小麥估產(chǎn)工作具有一定的指導(dǎo)意義。

（3）本研究估產(chǎn)模型還存在一定的弊端，一是需要大量的氣象資料，二是極端天氣氣候事件可能導(dǎo)致較高的估產(chǎn)誤差。因此，使用該估產(chǎn)模型時(shí)再結(jié)合遙感估產(chǎn)，能提供精度更高的估產(chǎn)結(jié)果。

（4）大量學(xué)者對(duì)冬小麥估產(chǎn)都進(jìn)行過研究，但數(shù)據(jù)大都基于氣象站觀測(cè)數(shù)據(jù)、抽樣調(diào)查數(shù)據(jù)或是統(tǒng)計(jì)數(shù)據(jù)，存在一定的片面性。本研究首先提取冬小麥種植區(qū)的氣象要素，然后再建模，相比單純利用氣象站點(diǎn)的觀測(cè)數(shù)據(jù)建模，具有更強(qiáng)的科學(xué)性。

（5）本研究提取1981—2008年氣象因子時(shí)使用了同一個(gè)冬小麥種植區(qū)矢量圖層，且受到MODIS衛(wèi)星數(shù)據(jù)空間分辨率（250 m）的限制，提取的冬小麥種植面積存在一定的誤差。如果使用更高分辨率的衛(wèi)星數(shù)據(jù)解譯，種植面積將更加準(zhǔn)確，估產(chǎn)的誤差也將進(jìn)一步減小。

[1]任建強(qiáng)，陳仲新，唐華俊.基于MODIS-NDVI的區(qū)域冬小麥遙感估產(chǎn)：以山東省濟(jì)寧市為例[J].應(yīng)用生態(tài)學(xué)報(bào)，2006，17（12）：2371-2375.

[2]車少靜，智利輝.氣候變暖對(duì)石家莊冬小麥主要生育期的影響及對(duì)策[J].中國(guó)農(nóng)業(yè)氣象，2005，26（3）：180-183.

[3]余衛(wèi)東，趙國(guó)強(qiáng)，陳懷亮.氣候變化對(duì)河南省主要農(nóng)作物生育期的影響[J].中國(guó)農(nóng)業(yè)氣象，2007，28（1）：9-12.

[4]汪青春，張國(guó)勝，李林，等.柴達(dá)木盆地近40 a氣候變化及其對(duì)農(nóng)業(yè)影響的研究[J].干旱氣象，2004，22（4）：32.

[5]姚曉紅，李俠.氣候變暖對(duì)天水市川灌地玉米生長(zhǎng)發(fā)育的影響及對(duì)策研究[J].干旱氣象，2006，24（3）：30.

[6]王培娟，謝東輝，張佳華，等.BEPS模型在華北平原冬小麥估產(chǎn)中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（10）：148-153.

[7]常捷.基于RS和GIS的流域耕地時(shí)空變化研究：以伊洛河流域中部洛寧縣為例[J].河南農(nóng)業(yè)科學(xué)，2003（7）：37-39.

[8]任建強(qiáng).基于遙感技術(shù)的冬小麥區(qū)域估產(chǎn)模型研究 [D].北京：中國(guó)農(nóng)業(yè)大學(xué)，2006.

[9]段晉芳，王青杵，王改玲，等.基于GIS的山西永定河流域降水空間插值方法分析[J].山西農(nóng)業(yè)科學(xué)，2010，38（3）：44-47.

[10]朱蒙芬，李紅艷，孟春香，等.呼倫貝爾市2006年氣候條件對(duì)農(nóng)業(yè)影響分析[J].內(nèi)蒙古農(nóng)業(yè)科技，2009（5）：77-78.