鄭昌玲，張 蕾，侯英雨，宋迎波

(國家氣象中心，北京 100081)

準確、及時、可靠的作物產(chǎn)量信息是國家社會經(jīng)濟的基礎(chǔ)信息，對于確保國家糧食安全、制定農(nóng)產(chǎn)品進出口計劃、指導(dǎo)和調(diào)控宏觀種植業(yè)結(jié)構(gòu)均具有重要意義，歷來受到各國政府的高度重視。我國農(nóng)業(yè)氣象工作者自20世紀80年代就開展了作物產(chǎn)量預(yù)報的研究和業(yè)務(wù)工作，制作發(fā)布的作物產(chǎn)量預(yù)報產(chǎn)品成為各級政府制定糧食調(diào)控計劃所需的重要信息[1-2]。隨著業(yè)務(wù)發(fā)展的需要，目前作物產(chǎn)量預(yù)報方法主要為農(nóng)學模型[3]、統(tǒng)計模型[4-5]、遙感估產(chǎn)模型[6]和作物生長模型[7-11]等幾大類。農(nóng)學預(yù)報方法在作物臨界成熟時開展，預(yù)報時效性差；遙感技術(shù)在大范圍的作物估產(chǎn)中有較大優(yōu)勢，但遙感數(shù)據(jù)的質(zhì)量受天氣條件影響較大，在業(yè)務(wù)應(yīng)用中受限。統(tǒng)計預(yù)報方法所用資料較易獲取，方法相對靈活，預(yù)報準確率較高，是目前在國家級和省級氣象部門農(nóng)業(yè)氣象業(yè)務(wù)服務(wù)中應(yīng)用最為廣泛的方法。近年來，隨著氣象部門農(nóng)業(yè)氣象業(yè)務(wù)發(fā)展的需要，提出了基于氣候適宜指數(shù)、關(guān)鍵氣象因子影響指數(shù)、產(chǎn)量歷史豐歉氣象影響指數(shù)等農(nóng)業(yè)氣象產(chǎn)量動態(tài)預(yù)報方法[12-16]，具有較高的預(yù)報準確率和較長的預(yù)報時效；而不足之處是統(tǒng)計模型中的預(yù)報因子生物學意義有待完善，且主要應(yīng)用于大尺度的省級或國家級業(yè)務(wù)中，小尺度相關(guān)性差，難以建立統(tǒng)計方程,動態(tài)預(yù)報尺度受氣象因子影響，不能靈活變動。相比之下，作物生長模型綜合考慮氣候、土壤、品種、管理措施等因素對作物生長發(fā)育的影響，動態(tài)、定量地模擬作物生長發(fā)育和產(chǎn)量形成，被歐美國家廣泛應(yīng)用于作物產(chǎn)量動態(tài)預(yù)報。如歐盟委員會聯(lián)合研究中心很早就將作物模型應(yīng)用于作物監(jiān)測和產(chǎn)量預(yù)報，在農(nóng)業(yè)遙感監(jiān)測項目中建立了專門的作物生長監(jiān)測系統(tǒng)，定時發(fā)布基于作物模型的產(chǎn)量月報[17]；美國、澳大利亞、印度、巴西等農(nóng)業(yè)大國也都較早開展了基于作物模型的產(chǎn)量預(yù)報[11，18-19]。國內(nèi)不少學者利用作物模型開展本地化校驗、修正、改進與應(yīng)用，在單點作物、地區(qū)及省級范圍初步開展了WOFOST、DSSAT、Oyrza2000及CERES-Maize等模型在作物產(chǎn)量預(yù)報中的應(yīng)用研究[7-11,20]。但作物模型在區(qū)域上的升尺度應(yīng)用受到初始化參數(shù)難以獲取、模型的適用性和準確性不確定及后期氣象數(shù)據(jù)的獲取問題等因素的影響，模型的區(qū)域模擬精度較難滿足實際應(yīng)用需求，在較大范圍和國家級的作物產(chǎn)量預(yù)報應(yīng)用比較少。

為了解決作物模型區(qū)域應(yīng)用難題、實現(xiàn)作物模型在國家級農(nóng)業(yè)氣象業(yè)務(wù)中應(yīng)用，國家氣象中心開發(fā)了基于作物模型的中國作物生長模擬監(jiān)測系統(tǒng)(Crop Growth Simulating and Monitoring System in China,CGMS-China)，將WOFOST、Oryaz2000、WheatSM、ChinaAgroys等國內(nèi)外模型嵌入到系統(tǒng)之中，針對冬小麥、玉米和水稻3大糧食作物，通過劃分不同農(nóng)業(yè)氣候生態(tài)區(qū)，分區(qū)對模型參數(shù)進行標定，實現(xiàn)作物模型在全國主要農(nóng)作物主產(chǎn)區(qū)大范圍尺度應(yīng)用，可以提供作物長勢監(jiān)測與評估、作物產(chǎn)量預(yù)報和農(nóng)業(yè)氣象災(zāi)害影響評估等農(nóng)業(yè)氣象業(yè)務(wù)產(chǎn)品[21-22]。

冬小麥是我國主要糧食作物之一，其種植面積占全國糧食作物總面積的18%～24%。本研究以冬小麥為主要研究對象，利用CGMS-China系統(tǒng)，基于WOFOST模型主要輸出要素——地上生物量(Total above ground production,TAGP)和穗干重(Dry weight of living organs,WSO)模擬結(jié)果，開展站點、縣級尺度、主產(chǎn)省(市、區(qū))和國家級尺度的冬小麥產(chǎn)量動態(tài)預(yù)報方法研究并進行歷史預(yù)報效果檢驗，確定WOFOST模型在作物產(chǎn)量預(yù)報業(yè)務(wù)應(yīng)用中的可行性，為WOFOST模型在不同尺度特別是區(qū)域尺度進行作物產(chǎn)量預(yù)報工作的應(yīng)用提供可靠依據(jù)。根據(jù)檢驗效果反饋，改進和優(yōu)化CGMS-China系統(tǒng)，提升農(nóng)業(yè)氣象業(yè)務(wù)服務(wù)的科技支撐能力。

1 資料和方法

1.1 研究資料

研究區(qū)域為我國冬小麥主要種植區(qū)域[23]，包括新疆、河北、北京、天津、山西、河南、山東、江蘇、安徽、湖北、四川、貴州、云南、陜西、甘肅等省(市、自治區(qū))。研究區(qū)域內(nèi)共包括中國氣象局約1200個基準氣象站和174個農(nóng)業(yè)氣象站點，其中有15個農(nóng)業(yè)氣象試驗站點(簡稱農(nóng)試站),數(shù)據(jù)用于WOFOST模型參數(shù)的確定和驅(qū)動模型運行。WOFOST模型主要輸入氣象數(shù)據(jù)為2001—2019年逐日氣象資料，包括日最高氣溫、日最低氣溫、降水量、2 m高度平均風速、水汽壓、日太陽總輻射量；其中日太陽輻射數(shù)據(jù)由日照時數(shù)計算,2 m高度平均風速由10 m高度風速轉(zhuǎn)化，其它氣象要素均為氣象觀測站直接獲取[23-24]。播種至出苗、出苗至開花、開花至成熟階段的有效積溫、比葉面積、地上干物質(zhì)中葉、莖、穗的分配系數(shù)等作物參數(shù)輸入數(shù)據(jù)來源于農(nóng)業(yè)氣象站2009—2019年冬小麥生育期觀測數(shù)據(jù)以及農(nóng)試站冬小麥莖、葉、穗的干物質(zhì)量和葉面積指數(shù)等觀測數(shù)據(jù)[25]；土壤參數(shù)輸入數(shù)據(jù)來源于中國氣象局土壤水分自動觀測站和中國科學院南京土壤研究所制作的10 km分辨率中國土壤數(shù)據(jù)庫[21，25]；地級市、主產(chǎn)省(市、自治區(qū))和全國冬小麥平均單產(chǎn)實測值、種植面積均來源于2003—2019年國家統(tǒng)計局官網(wǎng)統(tǒng)計數(shù)據(jù)查詢中的糧食產(chǎn)量查詢(http://data.stats.gov.cn/)；用于站點冬小麥單產(chǎn)預(yù)報檢驗的實測產(chǎn)量和站點所在縣平均單產(chǎn)資料來源于2014—2019年農(nóng)業(yè)氣象站觀測資料[21,25]。

1.2 WOFOST模型介紹

WOFOST 作物模型由世界糧食研究中心和瓦赫寧根農(nóng)業(yè)大學共同研發(fā)，具有較強的機理性,在世界各地得到了廣泛應(yīng)用,具有較好的普適性[26-27]。WOFOST模型是一個動態(tài)解釋模型，以逐日氣象數(shù)據(jù)為驅(qū)動，模擬1 a生作物從播種到成熟的生長過程，包括作物光合作用、呼吸作用、蒸騰作用、干物質(zhì)分配等作物基本生理過程的模擬，能夠?qū)ψ魑镞M行潛在、水分和營養(yǎng)限制條件下的三種水平的產(chǎn)量模擬,計算過程主要通過氣候、作物、土壤3個模塊完成。我國眾多學者對WOFOST進行了參數(shù)標定、適用性和應(yīng)用等研究[28-30]，WOFOST模型在我國部分省份或地區(qū)適用性良好[24-27]。為了實現(xiàn)WOFOST模型在冬小麥產(chǎn)量預(yù)報業(yè)務(wù)上的應(yīng)用，根據(jù)冬小麥主產(chǎn)區(qū)地級市和直轄市產(chǎn)量數(shù)據(jù)，并結(jié)合冬小麥生長積溫分布特征、地形地貌等信息，將全國冬小麥主要產(chǎn)區(qū)共分成34個小區(qū)(見 表1)，根據(jù)各分區(qū)內(nèi)的氣象資料、冬小麥發(fā)育期資料、冬小麥生物量和產(chǎn)量要素等觀測資料，確定各區(qū)域模型參數(shù)，基于中國作物生長模擬監(jiān)測系統(tǒng)(CGMS-China)，已完成WOFOST模型在冬小麥主產(chǎn)區(qū)的參數(shù)本地化和適應(yīng)性評估，進行了較完整的參數(shù)校正及驗證，并利用實時觀測的土壤濕度同化WOFOST模型的土壤水分模擬，顯著提高了模型模擬效果[21,25]；CGMS-China還對WOFOST模型的輸出結(jié)果文件進行處理，可實現(xiàn)對模型輸出參數(shù)分站點、分省統(tǒng)計。

1.3 基于WOFOST模型的冬小麥產(chǎn)量預(yù)報方法建立

1.3.1 氣象資料處理 運行WOFOST冬小麥模型所需的土壤、品質(zhì)、田間管理信息及播種(出苗)至起報日的氣象資料采用預(yù)收集和實時觀測輸入，起報日至成熟期氣象資料采用1981—2010年30 a平均值處理獲取。

1.3.2 基于WOFOST模型的冬小麥產(chǎn)量動態(tài)預(yù)報方法 在農(nóng)業(yè)科技水平、農(nóng)業(yè)投入、土壤性狀及作物品種特性等保持相對穩(wěn)定的情況下，氣象條件是直接影響作物生長發(fā)育及產(chǎn)量形成的主要因素。以氣象數(shù)據(jù)為驅(qū)動，利用WOFOST作物模型模擬冬小麥成熟時的TAGP和WSO，站點和縣級小尺度范圍選擇WSO 作為冬小麥單產(chǎn)預(yù)報參數(shù)，省(市、自治區(qū))級和國家級大尺度范圍選擇2種作為冬小麥單產(chǎn)預(yù)報參數(shù)，根據(jù)歷史預(yù)報檢驗的產(chǎn)量預(yù)報準確率確定效果最好的方法。

(1)直接模擬作物產(chǎn)量。在冬小麥成熟前，確定一個日期作為冬小麥平均單產(chǎn)的預(yù)報起報日。WOFOST模型需要輸入全生育期的完整氣象資料才能模擬得到最終的產(chǎn)量結(jié)果。利用起報日前期實時氣象資料和后期30 a(1981—2010年 )氣候平均值組成全生育期完整的氣象數(shù)據(jù)，運行WOFOST冬小麥模型，在不同時間段動態(tài)模擬，得到冬小麥成熟時的WSO，即為預(yù)測的作物產(chǎn)量。冬小麥農(nóng)業(yè)氣象站和站點所在縣的冬小麥單產(chǎn)直接用WOFOST模型模擬的站點冬小麥成熟日WSO作為產(chǎn)量預(yù)報結(jié)果。但由于穗干重值高于作物產(chǎn)量(粒重)，且模型對穗重的模擬存在一定誤差，可能會造成預(yù)報準確率偏低。

表1 各分區(qū)所含地級市和直轄市行政區(qū)域Table 1 Administrative division of prefecture level cities and municipality included in each region

續(xù)表1：

(2)相對產(chǎn)量預(yù)報方法。為了減小WOFOST模型模擬精度對冬小麥產(chǎn)量預(yù)報結(jié)果的影響，提高產(chǎn)量預(yù)報準確率，采用相對比值法預(yù)報冬小麥單產(chǎn)。具體做法是：運行WOFOST模型分別模擬得到預(yù)報年和上一年冬小麥成熟時生物量，以2 a間生物量的差值百分比作為產(chǎn)量增減幅度，結(jié)合上一年冬小麥的實際產(chǎn)量得到本年的冬小麥產(chǎn)量預(yù)報值,見式(1)和式(2)。

Yfi=Yr(i-1)×(1+ΔD)

(1)

ΔD=(Wi-Wi-1)/Wi-1

(2)

式中，Yfi為某年的冬小麥單產(chǎn)預(yù)報值，Yr(i-1)為上一年的實際單產(chǎn)，△D為模型模擬的產(chǎn)量增減幅度，Wi和Wi-1分別為預(yù)報年和上一年的模型模擬的地上部分總干物質(zhì)量(TAGP)或穗干重(WSO)。

相對產(chǎn)量預(yù)報方法主要應(yīng)用于省(市、自治區(qū))級和全國尺度。受縣級產(chǎn)量資料限制，基于WOFOST模型模擬結(jié)果的主產(chǎn)省(市、自治區(qū))單產(chǎn)由省(市、自治區(qū))內(nèi)站點成熟時WSO對應(yīng)2007—2011年縣級冬小麥面積占比為權(quán)重集成。全國平均單產(chǎn)由主產(chǎn)省(市、自治區(qū))單產(chǎn)根據(jù)預(yù)報年前3 a面積占比為權(quán)重進行集成(式3)。

(3)

式中，ri為第i個主產(chǎn)省(市、自治區(qū))在預(yù)報年的前3 a平均面積在12個省(市、自治區(qū))面積之和中的比重。

(3)冬小麥單產(chǎn)動態(tài)預(yù)報方法確定。針對驅(qū)動模型所需的冬小麥全生育期氣象資料，預(yù)報年度的氣象資料采取實時資料和30 a(1981—2010年)氣候平均值組合，上一年度的氣象資料采取全生育期均為觀測氣象資料或觀測資料與30 a氣候平均值組合的兩種方式，考慮無水分脅迫(PPS)和有水分脅迫(WPS)的兩種方式下的TAGP和WSO模擬結(jié)果，可得到8種處理方法，具體見表2。以3月1日(主產(chǎn)區(qū)冬小麥返青)、4月1日(主產(chǎn)區(qū)冬小麥拔節(jié))、5月1日(主產(chǎn)區(qū)冬小麥灌漿)為預(yù)報起報日，對各種處理的主產(chǎn)省(市、自治區(qū))和全國冬小麥單產(chǎn)模擬結(jié)果進行檢驗，以確定最優(yōu)的冬小麥產(chǎn)量動態(tài)預(yù)報方法。

表2 氣象資料組合和WOFOST模型輸出生物量處理方法設(shè)置Table 2 Deferent treatments of meteorological data combination and WOFOST output biomass processing

2 基于WOFOST模型的冬小麥產(chǎn)量動態(tài)預(yù)報結(jié)果檢驗

2.1 直接預(yù)報方法模擬效果檢驗

以對站點和縣級模擬檢驗為主，2014—2019年全國農(nóng)業(yè)氣象站中具有站點產(chǎn)量資料的共295個站次資料，具有站點所在縣平均單產(chǎn)共220個站次資料。利用5月1日作為起報日時，WOFOST模型模擬的冬小麥成熟時WSO與站點觀測產(chǎn)量進行比較，平均準確率為81.1%，準確率≥80%的比例為54.9%；與站點所在縣平均單產(chǎn)對比，平均準確率為84.3%，準確率≥80%的比例為64.8%；站點和縣級冬小麥單產(chǎn)波動幅度大[31]，站點和縣級冬小麥單產(chǎn)平均預(yù)報準確率在業(yè)務(wù)應(yīng)用中可接受?？傮w上，縣平均單產(chǎn)估測效果要略好于站點產(chǎn)量估測效果，與模型參數(shù)本地化時是以各分區(qū)為對象，考慮區(qū)域整體模擬效果有關(guān)，模型模擬結(jié)果更接近于縣平均產(chǎn)量；預(yù)報準確率明顯偏低的站點，則說明存在模型參數(shù)不準確等問題，需要根據(jù)實際觀測數(shù)據(jù)進行調(diào)整和優(yōu)化。

2.2 相對預(yù)報法逐月產(chǎn)量動態(tài)預(yù)報試驗和檢驗

目前，氣象部門每年進行兩次冬小麥產(chǎn)量預(yù)報業(yè)務(wù)工作，其中省級預(yù)報業(yè)務(wù)完成時間為4月上旬和5月上旬，國家級為4月中旬和5月中旬，為了對省級和國家級產(chǎn)量預(yù)報業(yè)務(wù)提供數(shù)據(jù)支撐，以4月1日和5月1為起報日，對歷史預(yù)報準確率進行檢驗，選擇預(yù)報準確率高的處理，在冬小麥產(chǎn)量預(yù)報業(yè)務(wù)中進行應(yīng)用。對各主產(chǎn)省(市、自治區(qū))和全國2003—2019年4月1日和5月1日起報的冬小麥單產(chǎn)預(yù)報平均準確率進行比較(圖1)，結(jié)果顯示，F(xiàn)5處理的冬小麥單產(chǎn)平均準確率分別為92.2%和91.7%，為所有結(jié)果最高值和次高值，各區(qū)域平均準確率標準差分別為2.5和2.7，為最低值和第3低值，說明F5處理預(yù)報準確率高、預(yù)報穩(wěn)定性較好，因此確定F5為最優(yōu)的產(chǎn)量預(yù)報方法。

圖1 各主產(chǎn)省(市，自治區(qū))2003—2019年4月1日和5月1日起報的平均冬小麥產(chǎn)量預(yù)報準確率及其標準差Fig.1 The accuracy and standard deviation of average winter wheat forecast yield of main provinces on April 1st and May 1st from 2003 to 2019

F5處理預(yù)報方法的預(yù)報效果檢驗中，2003—2019年3月1日、4月1日和5月1日分別作為起報日，基于WOFOST模型的各主產(chǎn)省(市、自治區(qū))和全國冬小麥產(chǎn)量預(yù)報結(jié)果與實際產(chǎn)量數(shù)據(jù)對比，準確率在90%以上的比例為76.6%，具體見表3。

不同起報日的2003—2019年各主產(chǎn)省(市、自治區(qū))和全國集成冬小麥平均單產(chǎn)歷史預(yù)報結(jié)果的平均準確率見表4，各主產(chǎn)省(市、自治區(qū))平均預(yù)報準確率為88.2%～96.4%，全國平均單產(chǎn)預(yù)報準確率為93.9%～95.9%，預(yù)報效果較好，可在業(yè)務(wù)中進行應(yīng)用。其中，主產(chǎn)省中，河北、山東、河南、四川、云南的預(yù)報準確率相對較高，上述省份具有冬小麥農(nóng)試站，在前期基礎(chǔ)工作中，可利用冬小麥生物量、葉面積指數(shù)等觀測資料進行參數(shù)本地化調(diào)整，使得WOFOST模型模擬結(jié)果更接近觀測值。從逐月平均預(yù)報準確率變化來看，F(xiàn)5處理結(jié)果中預(yù)報年和上一年均采用實際觀測氣象資料和30 a平均氣候值的組合，因此起報日越早，2 a重復(fù)的氣象數(shù)據(jù)時段越長，2 a間生物量模擬值增減幅度越??；隨著后期更多實時監(jiān)測數(shù)據(jù)的帶入，2 a間氣象資料的變化增大，生物量模擬值的增減幅度也會變大。隨著現(xiàn)代農(nóng)業(yè)技術(shù)發(fā)展和作物品種改進，冬小麥平均單產(chǎn)呈穩(wěn)步增加的趨勢，在出現(xiàn)災(zāi)害的年份，通過防災(zāi)減產(chǎn)措施，減輕災(zāi)害損失，保障糧食產(chǎn)量穩(wěn)定，在氣象條件適宜時，充分利用氣象資源，則利于冬小麥產(chǎn)量提高，總體上冬小麥平均單產(chǎn)持續(xù)保持較高的水平，波動幅度呈逐漸下降的趨勢；因此F5處理結(jié)果中，前期的預(yù)報準確率要略高于后期預(yù)報準確率。

利用目前國家氣象中心業(yè)務(wù)服務(wù)所用的統(tǒng)計方法“基于歷史產(chǎn)量豐歉影響指數(shù)”(簡稱“產(chǎn)量豐歉指數(shù)”)中的大概率法和加權(quán)法[3-4，15]對冬小麥主產(chǎn)省(市、自治區(qū))及全國集成冬小麥平均單產(chǎn)進行同時段歷史預(yù)報結(jié)果檢驗，與基于WOFOST模型的預(yù)報準確率進行對比；結(jié)果顯示基于WOFOST模型的全國集成和大部分省(市、自治區(qū))的產(chǎn)量預(yù)報準確率比基于產(chǎn)量豐歉指數(shù)方法的準確率略偏低，而山西、陜西、安徽則略高，云南、貴州比基于產(chǎn)量豐歉指數(shù)的兩種方法均偏高(圖2)。以冬小麥產(chǎn)量受氣象條件影響較大的河北和山西兩省為例，對3月31日起報的冬小麥單產(chǎn)預(yù)報準確率歷史檢驗結(jié)果分析，兩個省份基于WOFOST模型預(yù)報準確率均呈上升趨勢，但兩種方法的逐年準確率都存在一定波動性和不穩(wěn)定性(圖3)，其中山西省在2011年以前準確率波動非常明顯，特別是2005年和2009年基于產(chǎn)量豐歉指數(shù)方法的準確率不到70%，在實際業(yè)務(wù)中不具有應(yīng)用價值；這與近年來冬小麥產(chǎn)量波動變小也有一定關(guān)系，氣象條件的差異導(dǎo)致產(chǎn)量發(fā)生變化，根據(jù)歷史相似年產(chǎn)量變化的產(chǎn)量豐歉影響指數(shù)方法可能出現(xiàn)了較大的誤判。

表3 不同預(yù)報準確率(T)級別比重Table 3 Proportion of different forecast accuracy levels

表4 主產(chǎn)省(市，自治區(qū))及全國不同起報日冬小麥單產(chǎn)預(yù)報平均準確率Table 4 Average predicting accuracy of production forecast in major provinces (municipality,autonomous region) and nationwide in different starting days

圖2 基于WOFOST模型與統(tǒng)計方法的平均冬小麥產(chǎn)量預(yù)報準確率比較Fig. 2 Comparison of average prediction accuracy of winter wheat yield based on WOFOST model and statistical method

圖3 河北省和山西省基于WOFOST模型與統(tǒng)計方法的逐年冬小麥產(chǎn)量預(yù)報準確率Fig.3 The accuracy of winter wheat prediction yield based on WOFOST model and statistical method from 2003 to 2019 in Hebei and Shanxi Province

3 討 論

中國作物生長模擬監(jiān)測系統(tǒng)(CGMS-China)實現(xiàn)WOFOST等模型區(qū)域化升尺度應(yīng)用，以應(yīng)用在省(市、自治區(qū))級和全國尺度；但由于農(nóng)試站數(shù)量有限，觀測資料歷史序列比較短，針對全國范圍，部分站點的產(chǎn)量模擬結(jié)果與實測值誤差較大、準確率偏低，還需要更多基礎(chǔ)資料以及遙感同化資料的應(yīng)用來進一步優(yōu)先參數(shù)，提高站點整體的模擬精確度和準確性，也更好地適應(yīng)較大尺度和區(qū)域性的應(yīng)用。

WOFOST作物模型可以實現(xiàn)以日為步長的冬小麥產(chǎn)量動態(tài)預(yù)報，在空間尺度、動態(tài)時效性上比統(tǒng)計模型具有優(yōu)勢。但作物模型模擬作物生長需要完整描述整個生育期的氣象數(shù)據(jù)，缺乏預(yù)報期氣象驅(qū)動數(shù)據(jù)是制約作物模型應(yīng)用于產(chǎn)量預(yù)報的主要瓶頸，前期有學者利用歷史氣象數(shù)據(jù)集合、相似年數(shù)據(jù)、近10 a或20 a等歷史氣候數(shù)據(jù)來替代預(yù)報日之后的逐日數(shù)據(jù)[9-11]，為了提高預(yù)報精度，未來研究中將借鑒這些方法來解決預(yù)報時間節(jié)點后的氣象資料替代問題，確定既能滿足業(yè)務(wù)應(yīng)用計算快捷、操作簡單的需求又能提高預(yù)報準確率的資料替代方法。

基于數(shù)理統(tǒng)計模型和作物模型的作物產(chǎn)量預(yù)報方法都有一定局限性。統(tǒng)計預(yù)報方法建立的產(chǎn)量預(yù)報模型對作物的生長機理考慮較少，且目前主要應(yīng)用在省級、主產(chǎn)區(qū)及全國范圍等大尺度上；而作物模型機理性強，且以站點為基礎(chǔ)，可以實現(xiàn)各種空間尺度的應(yīng)用；但部分參數(shù)獲取較難，需做大量的田間試驗，且總體預(yù)報準確率略低于統(tǒng)計模型。對于未來的作物產(chǎn)量預(yù)報方法和工作，需要將目前建立的多種產(chǎn)量預(yù)報方法進行組合和集成，充分發(fā)揮各自的優(yōu)勢，從而建立一套集合預(yù)報方法。另外，雖然對于省級和全國尺度冬小麥的產(chǎn)量呈穩(wěn)定高產(chǎn)的趨勢，但近年來高溫、大風、冰雹、局地強降水等極端天氣事件頻繁發(fā)生，對于一定區(qū)域的農(nóng)作物造成嚴重影響，氣象災(zāi)害對冬小麥產(chǎn)量影響的模擬仍需要更深入的研究，在未來作物模型應(yīng)用與農(nóng)業(yè)氣象業(yè)務(wù)過程中，需要深入考慮極端天氣及減災(zāi)措施對產(chǎn)量的影響，進一步完善和改進預(yù)報方法。

4 結(jié) 論

本文探討了利用WOFOST作物模型進行冬小麥產(chǎn)量動態(tài)預(yù)測的方法，檢驗不同空間尺度預(yù)報效果。對于站點和縣級尺度，直接利用WOFOST模型模擬的單位面積冬小麥穗干重作為冬小麥單產(chǎn)的預(yù)測值；對于省級和全國范圍的冬小麥單產(chǎn)，采用2 a間模擬生物量對比的相對方法進行動態(tài)產(chǎn)量預(yù)測。冬小麥平均單產(chǎn)歷史預(yù)報結(jié)果準確率檢驗中，295個站次冬小麥單產(chǎn)平均準確率為81.1%，220個次縣級冬小麥單產(chǎn)平均準確率為84.3%，不同站點間冬小麥產(chǎn)量預(yù)報準確率差別較大，準確率低的站點需要進一步對WOFOST模型初始化參數(shù)進行校正和優(yōu)化。2003—2019年主產(chǎn)省(市、自治區(qū))和全國尺度冬小麥單產(chǎn)準確率分別為88.2%～96.4%和93.9%～95.9%，準確率較高，且比統(tǒng)計方法穩(wěn)定性更好，可在冬小麥產(chǎn)量預(yù)報業(yè)務(wù)中進行應(yīng)用。利用WOFOST模型進行基于站點尺度的產(chǎn)量預(yù)測能夠提高冬小麥產(chǎn)量預(yù)報時空精細化能力，也能擴展到大尺度區(qū)域應(yīng)用以達到對農(nóng)業(yè)決策和宏觀調(diào)控的目的，促進作物產(chǎn)量預(yù)報在空間和時間尺度上精細化、動態(tài)化的發(fā)展。