馮敏玉+黃淑娥

摘 要：為更好地預(yù)測(cè)早稻產(chǎn)量，文章統(tǒng)計(jì)分析了1994—2010年南昌早稻生長(zhǎng)期間的氣象因子及早稻產(chǎn)量資料，通過(guò)5年滑動(dòng)平均和多元線性回歸的方法建立了南昌市早稻產(chǎn)量的氣候預(yù)測(cè)模型。結(jié)果表明，模型預(yù)測(cè)結(jié)果與早稻實(shí)際單產(chǎn)擬合率較高，平均精度達(dá)97.0%。此模型預(yù)測(cè)結(jié)果可為早稻產(chǎn)量預(yù)報(bào)分析提供科學(xué)依據(jù)。

關(guān)鍵詞：早稻產(chǎn)量；預(yù)測(cè)模型；5年滑動(dòng)平均；線性回歸

中圖分類號(hào)：S511.3+1 文獻(xiàn)標(biāo)識(shí)碼：A DOI 編碼：10.3969/j.issn.1006-6500.2017.09.021

Abstract： For predicting the early rice yield better， the data were analyzed in this paper， which included the meteorological factors and rice yield from 1994 to 2010 in Nanchang， throughing the method of multiple linear regression and 5 year moving average. The climate prediction model was established. Testing results showed there was a high fitting rate between the model prediction results and actual yield of early rice. The average accuracy was 97.0%. The result indicated that this model could provide scientific basis for early rice yield forecast analysis.

Key words： early rice yield； prediction model； 5 year moving average； linear regression

水稻是我國(guó)主要的糧食作物，隨著全球氣候變暖，極端氣候事件頻發(fā)[1-2]，對(duì)水稻生產(chǎn)造成影響，水稻產(chǎn)量波動(dòng)大。

我國(guó)幅員遼闊，區(qū)域氣候特征明顯，各地農(nóng)業(yè)生產(chǎn)受氣候影響差異顯著。由于農(nóng)作物種類多，區(qū)域環(huán)境條件差異大，而氣候變化對(duì)作物的影響復(fù)雜多變，有的地區(qū)影響是正效應(yīng)，而另一些地區(qū)影響則是負(fù)效應(yīng)。

有研究表明，水稻生育期因氣候變暖而縮短，產(chǎn)量面臨不同程度的減產(chǎn)[3-6]。帥細(xì)強(qiáng)等[7]建立了不同發(fā)育期水稻模擬生物量與相對(duì)氣象產(chǎn)量的相關(guān)統(tǒng)計(jì)模型，結(jié)合趨勢(shì)產(chǎn)量預(yù)測(cè)，實(shí)現(xiàn)了地區(qū)級(jí)雙季稻不同發(fā)育期的產(chǎn)量動(dòng)態(tài)預(yù)測(cè)，效果較好。鄭昌玲等[9]利用早稻不同生育階段氣象因子的綜合聚類指標(biāo)選擇氣象相似年型，再根據(jù)相似年的產(chǎn)量變化確定分析了產(chǎn)量氣象影響指數(shù)，建立全國(guó)和區(qū)域早稻單產(chǎn)動(dòng)態(tài)預(yù)報(bào)模型。姜麗霞等[10]通過(guò)對(duì)玉米生長(zhǎng)過(guò)程的干物質(zhì)累積曲線進(jìn)行逐時(shí)段的溫度和水分訂正，建立了黑龍江省玉米氣候產(chǎn)量的預(yù)測(cè)模式。杜春英等[11]根據(jù)歷年水稻產(chǎn)量豐歉氣象影響指數(shù)，建立了黑龍江省水稻產(chǎn)量豐歉趨勢(shì)動(dòng)態(tài)預(yù)報(bào)模型。作物模擬模型能夠充分發(fā)揮監(jiān)測(cè)和調(diào)控作物生長(zhǎng)、預(yù)測(cè)產(chǎn)量的功能，在生產(chǎn)上發(fā)揮了積極作用。

南昌屬亞熱帶地區(qū)，以生產(chǎn)雙季水稻為主，雙季早稻種植面積基本維持在10萬(wàn)hm2以上，2003年受干旱影響，早稻生產(chǎn)面積不足10萬(wàn)hm2，產(chǎn)量減幅也很大。2003年以后，產(chǎn)量波動(dòng)較小且大致呈上升的趨勢(shì)。

本研究利用1994年以來(lái)南昌地區(qū)早稻生長(zhǎng)期間的旬平均氣溫、旬降水量、旬日照時(shí)數(shù)等氣象觀測(cè)資料，對(duì)早稻氣象產(chǎn)量與相關(guān)氣象因子進(jìn)行分析，建立適宜于南昌地區(qū)的早稻氣象產(chǎn)量的預(yù)測(cè)模型，為南昌早稻產(chǎn)量預(yù)報(bào)提供技術(shù)方法和科學(xué)依據(jù)。

1 材料和方法

1.1 資料來(lái)源

1994—2014年的氣象資料來(lái)源于南昌市國(guó)家氣象觀測(cè)站，資料包括3月中旬至7月上旬逐旬平均氣溫、降水量和日照時(shí)數(shù)；早稻產(chǎn)量資料來(lái)源于南昌市統(tǒng)計(jì)局。

1.2 研究方法

根據(jù)南昌市1994—2010年早稻單產(chǎn)數(shù)據(jù)，對(duì)早稻單產(chǎn)時(shí)間序列采用5年滑動(dòng)平均得出趨勢(shì)產(chǎn)量，實(shí)際產(chǎn)量減去趨勢(shì)產(chǎn)量即為氣象產(chǎn)量。

采用一元線性回歸和多元線性回歸分析方法[12]，分別建立Yt，Yw的預(yù)測(cè)模型，二者相加即可得到早稻產(chǎn)量的預(yù)測(cè)模型。

2 結(jié)果與分析

2.1 早稻產(chǎn)量的年際波動(dòng)

1994—2016年，南昌市早稻單產(chǎn)大體上經(jīng)歷了3個(gè)階段：1994—1997年，單產(chǎn)相對(duì)較高；1998—2003年，極端天氣現(xiàn)象頻發(fā)（1998年暴雨天氣多，2003年旱災(zāi)嚴(yán)重），早稻產(chǎn)量波動(dòng)較大，早稻單產(chǎn)總體偏低；2004—2016年，早稻生長(zhǎng)期間氣象條件相對(duì)穩(wěn)定，早稻產(chǎn)量穩(wěn)步增長(zhǎng)（圖1）。

受經(jīng)濟(jì)因素影響，糧食種植面積每年均會(huì)有小幅的波動(dòng)。在實(shí)際生產(chǎn)過(guò)程中，氣象因子對(duì)水稻產(chǎn)量的影響明顯。從圖1可以看出，1995，1998，2003年單產(chǎn)和總產(chǎn)均相對(duì)較低，原因可能是由于1995，1998年洪澇災(zāi)害嚴(yán)重，單產(chǎn)受到嚴(yán)重影響；而2003年干旱嚴(yán)重導(dǎo)致產(chǎn)量下降，2010年降水偏多，產(chǎn)量又明顯下降。

2.2 趨勢(shì)產(chǎn)量預(yù)測(cè)模型的建立

模擬趨勢(shì)產(chǎn)量的方法有多種，用得較多的是滑動(dòng)平均法。采用5年滑動(dòng)平均法對(duì)1994—2010年早稻實(shí)際單產(chǎn)進(jìn)行滑動(dòng)處理，分離出趨勢(shì)產(chǎn)量Yt和氣象產(chǎn)量Yw，滑動(dòng)后樣本序列變成1998—2010年。建立一組新的數(shù)據(jù)文件，對(duì)趨勢(shì)產(chǎn)量與年份進(jìn)行一元線性回歸分析。得出回歸方程如下。

2.3 早稻氣象產(chǎn)量預(yù)測(cè)模型的建立

影響農(nóng)業(yè)生產(chǎn)的氣候環(huán)境包括光、溫、水等多個(gè)氣象因子，各因子量的過(guò)與不及均會(huì)對(duì)產(chǎn)量產(chǎn)生較大的影響。通過(guò)多元線性回歸分析，建立回歸分析模型，更能體現(xiàn)氣象因子的綜合作用。通過(guò)對(duì)1998—2010年氣象產(chǎn)量與早稻生育期各旬氣象因子進(jìn)行相關(guān)分析，結(jié)果發(fā)現(xiàn)，早稻氣象產(chǎn)量與6月下旬的平均氣溫、6月中旬和6月下旬的日照呈正相關(guān)，相關(guān)系數(shù)分別為0.513 5，0.547 8，endprint

0.610 1，且在0.05水平上顯著；與6月上旬的降水量呈負(fù)相關(guān)，相關(guān)系數(shù)為-0.739，且在0.01水平上顯著。選取顯著相關(guān)的各因子， 通過(guò)多元線性回歸分析，建立多元線性回歸方程。

3 預(yù)測(cè)效果檢驗(yàn)

為驗(yàn)證模型的預(yù)測(cè)效果，將2011—2016年南昌市早稻生長(zhǎng)期間的上述各氣象因子分別代入式 （5），得到2011—2016年早稻的模擬產(chǎn)量。與實(shí)際的產(chǎn)量進(jìn)行比較，結(jié)果表明，模型預(yù)測(cè)結(jié)果與早稻實(shí)際單產(chǎn)擬合率較高，預(yù)測(cè)精度最低為96.0%，最高為99%，平均精度為97.0%（表1）。

4 結(jié)論與討論

近年來(lái)，許多學(xué)者利用各種模型對(duì)不同的農(nóng)作物開(kāi)展產(chǎn)量預(yù)測(cè)，結(jié)果得出產(chǎn)量預(yù)測(cè)的模型很多[13-18]，但各地氣候差異大，不能照搬照套。本研究利用南昌本地的氣候資料，通過(guò)多元線性回歸分析方法，建立了適用于本地區(qū)的早稻產(chǎn)量預(yù)測(cè)模型。經(jīng)檢驗(yàn)，預(yù)測(cè)精度平均達(dá)97.0%，預(yù)測(cè)效果較好，可用于本地區(qū)早稻產(chǎn)量預(yù)測(cè)。

實(shí)際生產(chǎn)中，除農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整帶來(lái)的產(chǎn)量波動(dòng)之外，影響作物產(chǎn)量高低主要的是作物品種、栽培技術(shù)、氣象條件和管理水平。但氣象因子的變化是影響產(chǎn)量年際間波動(dòng)的主要因子，尤其是關(guān)鍵生長(zhǎng)期的氣象因子。本研究結(jié)果表明，6月的光溫水因子對(duì)氣象產(chǎn)量影響最大，復(fù)相關(guān)系數(shù)為0.784 2。

參考文獻(xiàn)：

[1]王馥棠. 近十年來(lái)我國(guó)氣候變暖影響研究的若干進(jìn)展[J]. 應(yīng)用氣象學(xué)報(bào)， 2002， 13（6）： 755-766.

[2]傅樺. 全球氣候變暖的成因與影響[J]. 首都師范大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2007， 28（6）： 11-15.

[3]張宇， 王馥棠. 氣候變暖對(duì)我國(guó)水稻生產(chǎn)可能影響的數(shù)值模擬試驗(yàn)研究[J]. 氣象學(xué)報(bào)， 1998， 56（3）： 369-376.

[4]謝遠(yuǎn)玉， 張紅林， 劉翠華， 等. 早稻結(jié)實(shí)率與千粒重對(duì)氣象條件響應(yīng)關(guān)系探討[J]. 江西農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2005， 27（Z）： 154-157.

[5]葛道闊， 金之慶. 氣候及其變率變化對(duì)長(zhǎng)江中下游稻區(qū)水稻生產(chǎn)的影響[J]. 中國(guó)水稻科學(xué)， 2009， 23（1）： 57-64.

[6]王保生， 曾煜. 江西省早稻產(chǎn)量氣象預(yù)報(bào)模式的研究[J]. 中國(guó)農(nóng)業(yè)氣象， 1985， 6（2）： 35-37.

[7]帥細(xì)強(qiáng)， 王石立， 馬玉平， 等. 基于水稻生長(zhǎng)模型的氣象影響評(píng)價(jià)和產(chǎn)量動(dòng)態(tài)預(yù)測(cè)[J]. 應(yīng)用氣象學(xué)報(bào)， 2008， 19（1）： 71-81.

[8]劉偉昌， 陳懷亮， 余衛(wèi)東， 等. 基于氣候適宜度指數(shù)的冬小麥動(dòng)態(tài)產(chǎn)量預(yù)報(bào)技術(shù)研究[J].氣象與環(huán)境科學(xué)， 2008， 31（2）： 21-24.

[9]鄭昌玲， 楊霏云， 王建林， 等.早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型[J]. 中國(guó)農(nóng)業(yè)氣象， 2007， 28（4）： 412-416.

[10]姜麗霞， 王育光， 孫孟梅， 等. 黑龍江省玉米產(chǎn)量預(yù)報(bào)模式的研究[J].中國(guó)農(nóng)業(yè)氣象， 2004， 25（1）： 13-15.

[11]杜春英， 李帥， 王晾晾， 等. 基于歷史產(chǎn)量豐歉影響指數(shù)的黑龍江省水稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)[J]. 中國(guó)農(nóng)業(yè)氣象， 2010， 31（3）： 427-430.

[12]彭國(guó)照， 楊秀容. 四川盆區(qū)水稻氣候年景及產(chǎn)量模型研究[J]. 中國(guó)農(nóng)業(yè)氣象， 2001， 22（4）： 6-10.

[13]羅清， 劉曉迎. 涼山州馬鈴薯氣象產(chǎn)量模型研究[J]. 西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2011， 36（5）： 114-118.

[14]張國(guó)林， 張富榮， 宗英飛， 等. 基于氣象因子的朝陽(yáng)大棗年景預(yù)報(bào)模型[J]. 中國(guó)農(nóng)業(yè)氣象， 2012， 33（2）： 240-244.

[15]張文英， 栗秋生， 栗雨勤. 河北省玉米產(chǎn)量灰色理論分析與預(yù)測(cè)[J]. 華北農(nóng)學(xué)報(bào)， 2007， 22（S1）： 164-166.

[16]李炳軍， 李秋芳， 盧秀霞. 灰色線性回歸組合模型在河南省糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J].河南農(nóng)業(yè)科學(xué)， 2009（10）： 46-49.

[17]張榮達(dá)， 唐義. 畢節(jié)試驗(yàn)區(qū)糧食產(chǎn)量組合預(yù)測(cè)模型研究[J]. 現(xiàn)代農(nóng)業(yè)科技， 2010（1）： 47-48.

[18]朱秀紅， 鄭美琴， 姚文軍， 等. 基于SPSS的日照市茶葉產(chǎn)量預(yù)測(cè)模型的建立[J]. 河南農(nóng)業(yè)科學(xué)， 2010（7）： 31-33.endprint