趙桂濤，劉中聚，馮尚宗*，趙 理，王世偉，婁華敏

(1.山東省臨沂市農(nóng)業(yè)技術(shù)推廣站，山東 臨沂 276004；2.山東省臨沂市種子管理站，山東 臨沂 276004)

?

基于氣象因素的臨沂水稻產(chǎn)量評估預測模型

趙桂濤1，劉中聚1，馮尚宗1*，趙 理1，王世偉1，婁華敏2

(1.山東省臨沂市農(nóng)業(yè)技術(shù)推廣站，山東 臨沂 276004；2.山東省臨沂市種子管理站，山東 臨沂 276004)

臨沂市水稻產(chǎn)量總體呈上升趨勢，但受氣象因素影響有所波動。利用山東省臨沂市2001～2013年氣象資料和水稻產(chǎn)量數(shù)據(jù)，用指數(shù)平滑法測定水稻趨勢產(chǎn)量，分離出水稻氣象產(chǎn)量，與逐月平均日照時數(shù)、氣溫、降水量進行相關(guān)分析，確定了氣象因素影響產(chǎn)量的關(guān)鍵時期，建立回歸方程并進行檢驗。通過對歷年產(chǎn)量進行檢驗，預測精度最高為99.9%，最低為95.9%，平均精度為98.5%，預測模型具有較高的精度，可用作臨沂市水稻產(chǎn)量評估預測。

氣象因素；水稻產(chǎn)量；評估預測；模型

臨沂市地處山東省東南部，位于北緯34°22′～36°13′，東經(jīng)117°24′～119°11′。氣候?qū)贉貛Ъ撅L區(qū)大陸性氣候，氣溫適宜，四季分明，光照充足，雨熱同季，無霜期長，境內(nèi)水資源豐富，適宜水稻種植，是山東省第一大稻區(qū)[1]。臨沂屬華北黃淮海稻麥兩熟區(qū)，水稻主要沿沂河、沭河兩岸分布，種稻歷史久遠，歷代以“瑯琊之稻”、“塘崖貢米”聞名。近年來，水稻種植面積穩(wěn)定在5萬hm2左右。臨沂市水稻產(chǎn)量總體呈上升趨勢，但受氣候變化等因素影響單產(chǎn)有所波動，平均單產(chǎn)在8550 kg/hm2左右[2]。氣候變化對農(nóng)作物產(chǎn)量影響方面，常用的3種研究方法有模擬試驗、作物模型法、觀測統(tǒng)計法[3-5]。觀測統(tǒng)計法，即根據(jù)多年作物實際產(chǎn)量和氣象資料觀測數(shù)據(jù)，通過統(tǒng)計分析，研究氣象因子與作物產(chǎn)量之間的關(guān)系，這種方法比較客觀、嚴密，是生產(chǎn)中應用較為廣泛的一種方法。一般把作物產(chǎn)量分解為趨勢產(chǎn)量、氣象產(chǎn)量和隨機誤差3個部分，其中趨勢產(chǎn)量主要受社會生產(chǎn)力發(fā)展水平制約，也被稱為技術(shù)產(chǎn)量；氣象產(chǎn)量受氣候因素為主的短周期變化因子(農(nóng)業(yè)氣象災害為主)影響而波動[3]；隨機誤差影響小，可忽略不計。多數(shù)研究都是將產(chǎn)量分解為趨勢產(chǎn)量和氣象產(chǎn)量，用Y表示水稻實際產(chǎn)量，Yt表示趨勢產(chǎn)量，Yw表示氣象產(chǎn)量，則水稻產(chǎn)量構(gòu)成可表示為：Y=Yt+Yw[3-5]。測定趨勢產(chǎn)量常用的方法有移動平均法、指數(shù)平滑法、趨勢模型法等[3-10]，其中指數(shù)平滑法通過計算一系列指數(shù)平滑值消除不規(guī)則變動，測定發(fā)展趨勢，優(yōu)點是能夠?qū)v史數(shù)據(jù)信息充分反映到變化趨勢中，對不同時期的數(shù)據(jù)給予不同權(quán)數(shù)，能充分利用所有數(shù)據(jù)信息，同時增加近期數(shù)據(jù)對預測趨勢的權(quán)重，越是近期數(shù)據(jù)，權(quán)重越大，體現(xiàn)對各期數(shù)據(jù)的不同重視程度，從而對序列進行平滑修勻作用，消除不規(guī)則變動影響[8]。

1　材料與方法

1.1數(shù)據(jù)來源及數(shù)據(jù)分析工具

文中水稻產(chǎn)量數(shù)據(jù)、逐月平均日照時數(shù)、氣溫、降水量等氣象數(shù)據(jù)，來源于臨沂市統(tǒng)計年鑒，數(shù)據(jù)處理采用Excel 2010軟件進行。

1.2方法

水稻實際產(chǎn)量、趨勢產(chǎn)量、氣象產(chǎn)量分別用Y、Yt、Yw表示，則三者之間的關(guān)系可以表示為Y=Yt+Yw[3-5]，即Yw=Y-Yt。選用指數(shù)平滑法測定趨勢產(chǎn)量，根據(jù)Yw=Y-Yt計算得到氣象產(chǎn)量Yw。選擇從5月上旬水稻育秧開始到10月水稻收獲期間，逐月平均溫度、光照時數(shù)、降水量3個主要氣象指標，運用相關(guān)分析，獲取與水稻產(chǎn)量相關(guān)度最高的氣象因素，建立回歸模型并進行擬合優(yōu)度與顯著性檢驗，再計算歷年產(chǎn)量預測值，與歷年實際產(chǎn)量相比較，以對模型精度進行檢驗。在指數(shù)平滑中，平滑系數(shù)α取值不同，計算出的平滑結(jié)果會有較大差異[8]。本文平滑系數(shù)α分別取0.1、0.3、0.7，分別計算趨勢產(chǎn)量，分離氣象產(chǎn)量，最后根據(jù)實際情況取舍。

2　結(jié)果與分析

2.1水稻產(chǎn)量及趨勢產(chǎn)量、氣象產(chǎn)量

指數(shù)平滑法計算得到趨勢產(chǎn)量Yt，根據(jù)Yw=Y-Yt分離出氣象產(chǎn)量Yw，結(jié)果見表1。平滑系數(shù)α分別取值0.1、0.3、0.7時，2002年和2003年氣象產(chǎn)量均為減產(chǎn)，其中2002年臨沂遭受極端高溫、春夏秋三季干旱[11]，汛期降水量為新中國成立以來同期最少，相當于200年一遇的干旱年份[11]；2003年夏秋降水偏多、6月11～13日遭受冰雹襲擊[12]、8月下旬～10月中旬出現(xiàn)秋汛連陰雨[12]，降水多且伴隨寡照，這2年均是對水稻生產(chǎn)極為不利氣候的年份，可見分離得出的氣象產(chǎn)量能初步反映氣象條件對水稻產(chǎn)量的影響。

表1　水稻產(chǎn)量及趨勢產(chǎn)量、氣象產(chǎn)量　kg/hm2

2.2相關(guān)分析

選擇各月平均溫度、日照時數(shù)、降水量與氣象產(chǎn)量進行相關(guān)分析。表2結(jié)果顯示，臨沂水稻產(chǎn)量與當?shù)刂鹪缕骄鶞囟?、日照時數(shù)、降水量之間具有一定的相關(guān)性，與水稻產(chǎn)量相關(guān)度高的氣象因素依次有10月降水量、5月平均溫度、6月降水量、5月降水量、10月溫度、10月日照時數(shù)、5月日照時數(shù)等。

表2　氣象產(chǎn)量與各因子相關(guān)分析

2.3回歸分析

根據(jù)相關(guān)分析結(jié)果，各選擇相關(guān)程度最高2個因子進行回歸分析。α=0.1時選擇10月降水量與5月平均溫度，α=0.3時選擇10月降水量與6月降水量，α=0.7時選擇6月降水量和8月平均溫度?；貧w統(tǒng)計結(jié)果見表3。

尾氣處理單元加氫爐采用在線制氫工藝，在低負荷工況下，風氣比7∶1，加氫爐燃燒穩(wěn)定，所產(chǎn)生的還原性氣體能夠?qū)⒖藙谒瓜到y(tǒng)帶來的硫蒸氣、SO2氣體轉(zhuǎn)化為H 2 S，急冷水p H值、急冷塔塔頂H 2體積分數(shù)滿足工藝控制指標要求，見圖5。

表3　氣象產(chǎn)量與關(guān)鍵氣象因素回歸統(tǒng)計

α=0.3時關(guān)鍵因子有6月、10月降水量，分別設(shè)為R6、R10，用Yw表示氣象產(chǎn)量。

氣象產(chǎn)量Yw回歸方程為：Yw=210.0013+3.537933×R6-10.3323×R10。

從表4、表5可知，SignificanceF為0.009536小于0.01，說明6月降水量、10月降水量聯(lián)合起來對水稻產(chǎn)量有極顯著影響；R6的P值0.01032小于0.05，表明6月降水量對水稻產(chǎn)量有顯著影響，R10的P值0.006981遠小于0.01，說明10月降水量對水稻產(chǎn)量有極顯著影響。

設(shè)臨沂水稻實際產(chǎn)量為Y，i年的水稻產(chǎn)量用Y(i)表示，(i+1)年的水稻產(chǎn)量用Y(i+1)表示，i年趨勢產(chǎn)量為Yt(i)，(i+1)年趨勢產(chǎn)量為Yt(i+1)。根據(jù)指數(shù)平滑法計算公式，取平滑系數(shù)α為0.3，則(i+1)年趨勢產(chǎn)量Yt(i+1)計算方程為：

Yt(i+1)=0.3×Y(i)+(1-0.3)×Yt(i)

根據(jù)Y=Yt+Yw，得臨沂市水稻產(chǎn)量預測方程為：

其中R6、R10分別表示(i+1)年的6月降水量、10月降水量。

表4　平滑系數(shù)α=0.3時方差分析

表5　平滑系數(shù)α=0.3時回歸參數(shù)

2.4結(jié)果檢驗

2.4.1對比2003～2014年實際產(chǎn)量與預測產(chǎn)量通過與歷年產(chǎn)量比較，預測精度最高99.9%，最低95.9%，平均精度98.5%。

2.4.2預測2015年產(chǎn)量設(shè)2014年產(chǎn)量為Y(2014)，趨勢產(chǎn)量為Yt(2014)；2015年產(chǎn)量為Y(2015)，趨勢產(chǎn)量為Yt(2015)，氣象產(chǎn)量為Yw(2015)，則根據(jù)預測方程為：

Y(2015)=0.3×Y(2014)+0.7×Yt(2014)+210.0013+3.537933×R6-10.3323×R10

查詢氣象資料，2015年6月降水量為108.6 mm，設(shè)為R6=108.6；2015年10月降水量為14.6 mm，設(shè)為R10=14.6。由表1得到Y(jié)(2014)=8653.5，Yt(2014)=8463.3。經(jīng)計算得：

Y(2015)=0.3×8653.5+0.7×8463.3+210.0013+3.537933×108.6-10.3323×14.6=8963.7

預測得到2015年水稻產(chǎn)量8963.7 kg/hm2，2015年水稻產(chǎn)量統(tǒng)計數(shù)為8892 kg/hm2，預測精度99.2%。由此可見，預測模型具有較高的精度。

3　結(jié)論與討論

3.1相關(guān)分析結(jié)果討論

相關(guān)分析結(jié)果顯示臨沂水稻產(chǎn)量與當?shù)刂鹪缕骄鶞囟?、日照時數(shù)、降水量之間具有一定的相關(guān)性，氣象條件不利的年份與預測水稻氣象減產(chǎn)的年份相符，可見分離得出的氣象產(chǎn)量能反映氣象條件對水稻產(chǎn)量的影響。相關(guān)度從高到低依次有10月降水量、6月降水量、5月降水量、10月溫度、10月日照時數(shù)、5月日照時數(shù)等。

水稻氣象產(chǎn)量與10月降水量相關(guān)系數(shù)r值為-0.4858，且|r|最大，表明水稻產(chǎn)量與10月降水量呈負相關(guān)且相關(guān)程度最高，說明隨著10月降水量增加，臨沂水稻產(chǎn)量呈下降趨勢。水稻是喜陽作物，對光照條件要求較高，臨沂水稻10月處于灌漿期，降水量增多，則導致日照時數(shù)減少、氣溫下降，水稻灌漿時間減少、灌漿強度降低，導致水稻產(chǎn)量下降。

水稻氣象產(chǎn)量與6月份降水量相關(guān)系數(shù)r值為0.4137，表明水稻產(chǎn)量與6月降水量呈正相關(guān)，說明隨著6月降水量增加，臨沂水稻產(chǎn)量呈增加趨勢。臨沂水稻返青期在6月份，降水量增多，日照時數(shù)減少，對水稻秧苗返青及提高秧苗成活率非常有利。

3.2回歸分析結(jié)果討論

回歸分析顯示6月降水量對水稻產(chǎn)量有顯著影響、10月降水量對水稻產(chǎn)量有極顯著影響，且6月降水量、10月降水量聯(lián)合起來對水稻產(chǎn)量有極顯著影響。由回歸分析得到臨沂市水稻氣象產(chǎn)量預測模型，進而建立臨沂市水稻產(chǎn)量預測模型：

Y(i+1)=0.3×Y(i)+0.7×Yt(i)+210.0013+3.537933×R6-10.3323×R10

其中Y(i)表示i年的水稻產(chǎn)量，Y(i+1)表示(i+1)年的水稻產(chǎn)量，Yt(i)表示i年趨勢產(chǎn)量，Yt(i+1)表示(i+1)年趨勢產(chǎn)量。R6、R10分別表示(i+1)年6月降水量、10月降水量。

用模型對2003～2014年歷年水稻產(chǎn)量進行檢驗，并對2015年產(chǎn)量進行預測，結(jié)果顯示預測精度最高99.9%，最低95.9%，平均精度98.5%。

在長時間序列的作物產(chǎn)量與氣象因子關(guān)系的觀測統(tǒng)計研究中，測定趨勢產(chǎn)量而得到準確的氣象產(chǎn)量尤其重要，不同趨勢產(chǎn)量模擬方法分離的氣象產(chǎn)量的結(jié)果可能不同，甚至截然相反[3]。文中采用指數(shù)平滑法，設(shè)置不同平滑系數(shù)分解趨勢產(chǎn)量，最后根據(jù)實際情況取舍，確定平滑系數(shù)0.3時，預測模型擬合優(yōu)度高、誤差較小，也能反映不利氣象條件對水稻產(chǎn)量的影響。本文基于臨沂市統(tǒng)計年鑒公布的逐月氣象因素對臨沂水稻產(chǎn)量進行預測評估，從逐月光、溫、水等基本氣象資料預測評估水稻產(chǎn)量，探求影響當?shù)厮井a(chǎn)量的關(guān)鍵因子，與水稻實際生產(chǎn)對比，具有較高的精度，可用作臨沂市水稻產(chǎn)量評估預測，為當?shù)厮旧a(chǎn)提供一定的參考。

[1] 劉延剛,劉麗娟,劉德友，等.臨沂市水稻生產(chǎn)現(xiàn)狀及可持續(xù)發(fā)展對策[J].山東農(nóng)業(yè)科學,2011(11):112-114.

[2] 趙成宇,姚靜,齊敬冰，等.現(xiàn)代農(nóng)作物生產(chǎn)技術(shù)[M].北京:中國農(nóng)業(yè)科學出版社，2015:87.

[3] 房世波.分離趨勢產(chǎn)量和氣象產(chǎn)量的方法探討[J].自然災害學報,2011,20(6):13-18.

[4] 溫曉慧,溫桂清,薛敏.用直線滑動平均法做作物趨勢產(chǎn)量預報[J].黑龍江氣象,1994(1):24-15.

[5] 魏中海,王建勇,景秀.農(nóng)作物產(chǎn)量綜合預測的數(shù)學模型[J].湖北農(nóng)業(yè)科學,2005(2):37-40.

[6] 呂學梅,張磊,劉圣娟.多元雙重篩選回歸法分析氣候因子對臨沂市水稻產(chǎn)量因素的影響[J].安徽農(nóng)業(yè)科學,2008,14(20):115-117.

[7] 朱秀紅,李秀珍,姚文軍，等.基于SPSS的日照市小麥產(chǎn)量年景預測模型[J].中國農(nóng)學通報,2010,26(2):295-297.

[8] 袁衛(wèi),龐皓,曾五一，等.統(tǒng)計學[M].北京:高等教育出版社,2009:266-268.

[9] 王尚明，張文紅，曾凱，等.晚稻寒露風氣象災害指標試驗研究[J].江西農(nóng)業(yè)學報，2014,26(2)：66-68.

[10] 徐恒玉,張?zhí)靷?郭昊天.用Excel對農(nóng)業(yè)試驗數(shù)據(jù)進行統(tǒng)計分析[J].安徽農(nóng)業(yè)科學,2003,31(4):645-647.

[11] 張勝平,陳希村,蘇傳寶，等.2002年山東省嚴重干旱分析[J].水文,2006,24(3):42-45.

[12] 王凌.2003年度我國天氣氣候特點[J].氣象,2004,30(4):29-32.

(責任編輯：曾小軍)

Prediction and Evaluation Model of Rice Yield Based on Meteorological Factors in Linyi

ZHAO Gui-tao1, LIU Zhong-ju1, FENG Shang-zong1*, ZHAO Li1, WANG Shi-wei1, LOU Hua-min2

(1. Agricultural Technique Popularization Station of Linyi City in Shandong Province, Linyi 276004, China;2. Seed Management Station of Linyi City in Shandong Province, Linyi 276004, China)

The yield of rice in Linyi city generally has an upward tendency, but it shows a little fluctuation due to the influences of meteorological factors. According to the meteorological data and rice yield data of Linyi city in Shandong province during the years 2001～2013, we measured the tendency yield of rice by using exponential smoothing method, and separated out the meteorological yield of rice from it. Through the analysis of correlations between rice meteorological yield and monthly average sunshine duration, air temperature, rainfall, the author found the key period in which the meteorological factors had effects on rice yield, and established and tested a regression equation. By comparing the actual yield and forecast yield of rice over the years, this forecast model had a high forecast accuracy (95.9%～99.9%, 98.5% in average), so it could be used for the prediction and evaluation of rice yield in Linyi city.

Meteorological factor; Rice yield; Prediction and evaluation; Model

2016-05-18

山東省現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系水稻創(chuàng)新團隊項目資金(SDAIT-17-12)。

趙桂濤(1981─)，男，山東臨沂人，農(nóng)藝師，從事農(nóng)業(yè)技術(shù)試驗示范推廣工作。*通訊作者：馮尚宗。

S511

A

1001-8581(2016)10-0071-04