不同方法在湖南省早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)中的比較

帥細(xì)強(qiáng)陸魁東黃晚華

1）（湖南省氣象科學(xué)研究所，長(zhǎng)沙410118）

2）（氣象防災(zāi)減災(zāi)湖南省重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)沙410118）

不同方法在湖南省早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)中的比較

帥細(xì)強(qiáng)1）2）*陸魁東1）2）黃晚華1）2）

1）（湖南省氣象科學(xué)研究所，長(zhǎng)沙410118）

2）（氣象防災(zāi)減災(zāi)湖南省重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)沙410118）

為了提高產(chǎn)量趨勢(shì)預(yù)報(bào)的準(zhǔn)確性和定量預(yù)報(bào)的準(zhǔn)確率，利用1962—2002年氣象、早稻產(chǎn)量和田間觀測(cè)資料，建立基于氣候適宜度、關(guān)鍵氣象因子、作物生長(zhǎng)模型的湖南省早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法，進(jìn)行回代檢驗(yàn)；并利用2003—2012年資料進(jìn)行預(yù)報(bào)檢驗(yàn)。分析表明：3種方法的預(yù)報(bào)準(zhǔn)確率比較接近，平均在93.8%以上；基于氣候適宜度預(yù)報(bào)方法的趨勢(shì)預(yù)報(bào)準(zhǔn)確性最高，較基于關(guān)鍵氣象因子的預(yù)報(bào)方法高4%～6%；基于作物生長(zhǎng)模型預(yù)報(bào)方法的誤差5%以內(nèi)樣本百分率最高，較基于氣候適宜度的預(yù)報(bào)方法高2%～20%。研究結(jié)果為湖南省早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)篩選出了較優(yōu)的方法，即產(chǎn)量趨勢(shì)預(yù)報(bào)選用基于氣候適宜度的方法，定量預(yù)報(bào)選用基于作物生長(zhǎng)模型的方法，同時(shí)可供我國(guó)其他早稻區(qū)的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法研究借鑒。

氣候適宜度；關(guān)鍵氣象因子；作物生長(zhǎng)模型；產(chǎn)量預(yù)報(bào)方法

引 言

作物產(chǎn)量預(yù)報(bào)是根據(jù)農(nóng)作物生長(zhǎng)過(guò)程與氣象條件的相互關(guān)系，通過(guò)數(shù)學(xué)模式估測(cè)未來(lái)農(nóng)業(yè)生產(chǎn)的發(fā)展趨勢(shì)和最終產(chǎn)量的一種專業(yè)性氣象預(yù)報(bào)。通過(guò)研究影響作物產(chǎn)量的因素，運(yùn)用合理的方法和模型可以較快、較精準(zhǔn)地預(yù)測(cè)作物產(chǎn)量，并能從中分析出提高作物產(chǎn)量的方法，避免或減輕氣象災(zāi)害的危害［1-4］。我國(guó)農(nóng)業(yè)氣象工作者自20世紀(jì)70年代末開(kāi)始作物產(chǎn)量預(yù)報(bào)的研究和服務(wù)［5-7］，20世紀(jì)80年代對(duì)糧食作物產(chǎn)量的氣象預(yù)測(cè)預(yù)報(bào)方法進(jìn)行了深入系統(tǒng)的研究，研制了一系列適合我國(guó)不同時(shí)空尺度的作物產(chǎn)量氣象預(yù)報(bào)模式［6-8］。目前我國(guó)所研制和應(yīng)用的作物產(chǎn)量氣象預(yù)報(bào)模式，可歸納為三大類，即數(shù)理統(tǒng)計(jì)模型、動(dòng)力生長(zhǎng)模型和遙感估產(chǎn)模型。數(shù)理統(tǒng)計(jì)模型是在氣象產(chǎn)量提取的基礎(chǔ)上，建立氣象條件與氣象產(chǎn)量關(guān)系的統(tǒng)計(jì)模型。其優(yōu)點(diǎn)是預(yù)報(bào)技術(shù)方法較成熟，預(yù)報(bào)模型簡(jiǎn)單實(shí)用，預(yù)報(bào)時(shí)效較長(zhǎng)，適用于距收獲期較早時(shí)間的農(nóng)業(yè)產(chǎn)量趨勢(shì)預(yù)估；不足之處是統(tǒng)計(jì)模型中的預(yù)報(bào)因子生物學(xué)意義有待完善，進(jìn)行動(dòng)態(tài)預(yù)報(bào)時(shí)需建立許多預(yù)報(bào)方程，比較繁瑣。動(dòng)力生長(zhǎng)模型是根據(jù)物理學(xué)和生物學(xué)規(guī)律，以動(dòng)力學(xué)方法模擬作物的能量和物質(zhì)轉(zhuǎn)化過(guò)程，以天氣為驅(qū)動(dòng)變量，以光合速率、呼吸速率、發(fā)育速率等為速率變量，逐時(shí)（或逐日）模擬作物的光合作用、呼吸作用、干物質(zhì)分配、葉面積增長(zhǎng)、分蘗或分枝等生長(zhǎng)發(fā)育過(guò)程和產(chǎn)量形成過(guò)程。其用于作物產(chǎn)量預(yù)報(bào)是基于作物產(chǎn)量形成為生物量不斷積累的過(guò)程，同時(shí)氣象條件的影響具有一定的連續(xù)性，可以根據(jù)生長(zhǎng)中后期累積的干物質(zhì)與最終產(chǎn)量的關(guān)系進(jìn)行動(dòng)態(tài)預(yù)報(bào)。動(dòng)力生長(zhǎng)模型作為新的研究方法和技術(shù)，是未來(lái)農(nóng)業(yè)氣象的發(fā)展方向，其優(yōu)點(diǎn)是機(jī)理性和動(dòng)態(tài)性較強(qiáng)，不足之處是模型中的部分參數(shù)較難獲取，且需進(jìn)行大量的田間試驗(yàn)，另外，模型對(duì)極端氣象災(zāi)害的模擬精度也有待提高。遙感估產(chǎn)模型是應(yīng)用遙感信息和遙感方法估算作物產(chǎn)量的模型，通過(guò)光譜來(lái)獲取作物的生長(zhǎng)信息，建立作物光譜與產(chǎn)量之間的聯(lián)系。遙感估產(chǎn)的優(yōu)點(diǎn)是可獲取大范圍數(shù)據(jù)資料，獲取信息的速度快、周期短，不足之處是空間分辨率低，作物信息提取受云層覆蓋的影響較大。目前業(yè)務(wù)上應(yīng)用最為廣泛的是各種統(tǒng)計(jì)預(yù)報(bào)方法，大都編制為計(jì)算機(jī)軟件應(yīng)用服務(wù)系統(tǒng)。人們利用作物產(chǎn)量歷史豐歉氣象影響指數(shù)的方法先后建立了中國(guó)棉花、油菜、晚稻、早稻和大豆產(chǎn)量的動(dòng)態(tài)預(yù)報(bào)模型［9-16］，利用氣候適宜度的方法先后建立了河北玉米、河南冬小麥、山東冬小麥、四川水稻產(chǎn)量的動(dòng)態(tài)預(yù)報(bào)模型［17-20］，錢錦霞等［21］利用關(guān)鍵氣象因子建立了鄭州地區(qū)冬小麥產(chǎn)量構(gòu)成要素的回歸模型。近20年來(lái)，我國(guó)已經(jīng)成功建立了水稻、小麥、玉米、棉花等作物的生長(zhǎng)模擬模型，基于作物生長(zhǎng)模型的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法也逐漸在作物產(chǎn)量動(dòng)態(tài)預(yù)報(bào)中應(yīng)用［22-31］。

早稻是我國(guó)主要的糧食作物之一，其生長(zhǎng)發(fā)育和產(chǎn)量形成過(guò)程與氣象條件密切相關(guān)。早稻產(chǎn)量預(yù)報(bào)是現(xiàn)代氣象為農(nóng)業(yè)服務(wù)的一個(gè)重要方面。湖南省是農(nóng)業(yè)大省，湖南省早稻近10年來(lái)種植面積和總產(chǎn)量均居全國(guó)首位，在保障國(guó)家糧食安全方面發(fā)揮了重要作用。根據(jù)天氣氣候條件的變化，客觀、定量、動(dòng)態(tài)地預(yù)報(bào)作物產(chǎn)量，對(duì)保障國(guó)家糧食安全具有十分重要的現(xiàn)實(shí)意義。為了進(jìn)一步提高湖南省早稻產(chǎn)量趨勢(shì)預(yù)報(bào)的準(zhǔn)確性和定量預(yù)報(bào)的準(zhǔn)確率，開(kāi)展產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法在湖南省的適應(yīng)性研究，為擇優(yōu)選取趨勢(shì)預(yù)報(bào)和定量預(yù)報(bào)模型提供依據(jù)，從而進(jìn)一步提升作物產(chǎn)量預(yù)報(bào)的科技水平。

1 資料處理

早稻氣象和生育期資料來(lái)自湖南省氣象局?？紤]區(qū)域的代表性，選取1962—2012年石門、南縣、岳陽(yáng)、沅陵、常德、安化、沅江、平江、邵陽(yáng)、雙峰、武岡、永州、衡陽(yáng)、道縣、郴州15個(gè)氣象站的日平均溫度、最高溫度、最低溫度、降水量、日照時(shí)數(shù)、風(fēng)速、水汽壓等資料，以及常德、南縣、平江、衡陽(yáng)、武岡、澧縣、赫山、資興、雙峰、邵東、冷水灘、江華12個(gè)農(nóng)業(yè)氣象站早稻資料進(jìn)行分析研究。

1961—2012年湖南省早稻產(chǎn)量資料來(lái)自湖南省統(tǒng)計(jì)局。

1.1 產(chǎn)量資料處理

影響相鄰兩年作物產(chǎn)量波動(dòng)的諸多因素中，作物品種和肥力影響相對(duì)穩(wěn)定，相鄰兩年作物產(chǎn)量的變化基本上由氣象條件變化引起［11-13］。因此，采用式（1）對(duì)湖南省早稻產(chǎn)量資料進(jìn)行處理：

式（1）中，ΔYi為第i年湖南早稻產(chǎn)量豐歉值，Yi和Yi－1分別為第i年和第（i－1）年湖南早稻產(chǎn)量，i代表第i年，（i－1）為第i年的上一年。

1.2 生育期資料處理

南縣、常德、平江、雙峰、武岡、永州、衡陽(yáng)7個(gè)氣象站用本站早稻生育期資料，石門、岳陽(yáng)、沅陵、安化、沅江、邵陽(yáng)、道縣、郴州8個(gè)氣象站由于未開(kāi)展早稻生育期觀測(cè)，因此用相鄰農(nóng)業(yè)氣象站觀測(cè)資料代替（分別為澧縣、平江、常德、赫山、南縣、邵東、江華、資興）。由于同一站點(diǎn)早稻播種期年際相差不大，因此早稻生育期資料采用2000—2009年的平均值。

1.3 氣象資料處理

早稻播種至預(yù)報(bào)時(shí)間的氣象資料使用日觀測(cè)資料?；跉夂蜻m宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法中平均溫度使用日值，降水量和日照時(shí)數(shù)使用旬值；基于關(guān)鍵氣象因子的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法中平均溫度、降水量和日照時(shí)數(shù)均使用旬值；基于作物生長(zhǎng)模型的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法中最低溫度、最高溫度、降水、日照時(shí)數(shù)、風(fēng)速、水汽壓使用日值。

2 動(dòng)態(tài)預(yù)報(bào)模型及方法建立

根據(jù)湖南省早稻生長(zhǎng)特點(diǎn)，構(gòu)建氣象要素與湖南省早稻產(chǎn)量數(shù)據(jù)集，采用關(guān)聯(lián)規(guī)則發(fā)現(xiàn)等方法［32-34］，挖掘影響因子，建立預(yù)報(bào)模型。選取1962—2002年數(shù)據(jù)，分別建立基于氣候適宜度、關(guān)鍵氣象因子、作物生長(zhǎng)模型的湖南省早稻產(chǎn)量豐歉值動(dòng)態(tài)預(yù)報(bào)方法。

2.1 基于氣候適宜度的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法

首先借鑒作物溫度適宜度模型［16-18］，建立湖南省早稻溫度適宜度模型。結(jié)合當(dāng)?shù)靥镩g試驗(yàn)數(shù)據(jù)，分析確定模型中早稻各生育期所需的最低溫度、最高溫度和適宜溫度（表1）。在計(jì)算湖南早稻各站逐日溫度適宜度的基礎(chǔ)上，采用算術(shù)平均的方法分別計(jì)算單站逐旬溫度適宜度和區(qū)域逐旬溫度適宜度?？紤]到湖南省早稻抽穗揚(yáng)花期降水過(guò)多會(huì)造成大雨洗花現(xiàn)象，影響早稻結(jié)實(shí)率和最終產(chǎn)量，而其他生育期早稻水分供應(yīng)充足。根據(jù)水分供應(yīng)特征，分段建立湖南省早稻降水適宜度模型。采用算術(shù)平均的方法，對(duì)15個(gè)站的旬降水量進(jìn)行處理，求得區(qū)域旬降水量（區(qū)域旬日照時(shí)數(shù)處理方法類似）。當(dāng)抽穗開(kāi)花期區(qū)域旬降水距平百分率超過(guò)30%時(shí)，區(qū)域旬降水適宜度的值為1971—2000年區(qū)域旬平均降水量與區(qū)域旬降水量的比值；其他情況下區(qū)域旬降水適宜度的值為1。當(dāng)區(qū)域旬日照時(shí)數(shù)不小于區(qū)域旬平均日照時(shí)數(shù)時(shí)，早稻對(duì)光照的需求已滿足，區(qū)域旬日照適宜度的值為1；當(dāng)區(qū)域旬日照時(shí)數(shù)小于區(qū)域旬平均日照時(shí)數(shù)時(shí)，區(qū)域日照適宜度的值為區(qū)域旬日照時(shí)數(shù)與區(qū)域旬平均日照時(shí)數(shù)的比值。為了綜合反映溫光水氣象因素對(duì)早稻適宜性的影響，采用幾何平均值的方法，對(duì)區(qū)域旬溫度適宜度、區(qū)域旬降水適宜度、區(qū)域旬日照適宜度進(jìn)行計(jì)算，得到湖南省早稻氣候適宜度［17-19］。用加權(quán)集成的方法，構(gòu)建湖南省早稻從播種至任意時(shí)段的氣候適宜指數(shù)計(jì)算模型。首先計(jì)算早稻生育期內(nèi)每一旬氣候適宜度與早稻產(chǎn)量豐歉值的相關(guān)系數(shù)，然后計(jì)算每一旬相關(guān)系數(shù)占早稻生育期內(nèi)所有旬相關(guān)系數(shù)總和的比值，以此作為該旬的權(quán)重系數(shù)。利用1962—2002年早稻生育期內(nèi)逐日溫光水氣象資料，計(jì)算不同時(shí)段早稻氣候適宜指數(shù)，分析早稻氣候適宜指數(shù)與早稻產(chǎn)量豐歉值的關(guān)系，建立早稻產(chǎn)量豐歉值動(dòng)態(tài)預(yù)報(bào)模型（表2）。所建動(dòng)態(tài)預(yù)報(bào)模型均達(dá)到0.02的顯著性水平，且隨著早稻由營(yíng)養(yǎng)生長(zhǎng)期向生殖生長(zhǎng)期的推進(jìn)，顯著性水平從0.02逐步上升到0.001，表明越接近生長(zhǎng)后期，早稻氣候適宜指數(shù)與產(chǎn)量的關(guān)系越密切。

表1 湖南省早稻各生育期的最低溫度、最高溫度和適宜溫度（單位：℃）Table 1 The minimum，maximum and optimum temperatures at different growth stages of early rice in Hunan Province（unit：℃）

表2 基于氣候適宜度的湖南省早稻產(chǎn)量豐歉值動(dòng)態(tài)預(yù)報(bào)模型Table 2 Dynamic forecasting models for bumper or poor harvest of early rice yield based on climatic suitability in Hunan Province

2.2 基于關(guān)鍵氣象因子的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法

首先分析湖南省早稻生長(zhǎng)期內(nèi)1962—2002年各旬平均溫度、旬降水量、旬日照時(shí)數(shù)與早稻產(chǎn)量豐歉值的相關(guān)性，計(jì)算區(qū)域各旬氣候要素與早稻產(chǎn)量豐歉值的相關(guān)系數(shù)（表3）；然后選取相關(guān)系數(shù)較大且機(jī)理性較強(qiáng)的5月上旬日照時(shí)數(shù)（返青分蘗期，影響分蘗速率）、5月中旬平均氣溫（分蘗期，影響有效穗）、5月下旬降水量（分蘗末期至孕穗期，影響幼穗分化）、6月上旬平均氣溫（孕穗期，影響花粉形成）、6月中旬降水量（抽穗揚(yáng)花期，影響結(jié)實(shí)）、6月下旬平均氣溫（乳熟期，影響灌漿速率）、7月上旬降水量（乳熟期，影響千粒重）、7月中旬平均氣溫（成熟期，影響收獲）等關(guān)鍵氣象因子，利用1962—2002年數(shù)據(jù)建立旬動(dòng)態(tài)預(yù)報(bào)模型（表4），并進(jìn)行顯著性檢驗(yàn)。除4月30日預(yù)報(bào)模型未達(dá)到0.10顯著性水平外，其他時(shí)段預(yù)報(bào)模型均達(dá)到0.02的顯著性水平。

表3 各旬氣候要素與湖南省早稻產(chǎn)量豐歉值的相關(guān)系數(shù)Table 3 Correlation coefficients between ten-day climate factors and bumper or poor harvest of early rice yield in Hunan Province

表4 基于關(guān)鍵氣象因子的湖南省早稻產(chǎn)量豐歉值動(dòng)態(tài)預(yù)報(bào)模型Table 4 Dynamic forecasting models for bumper or poor harvest of early rice yield based on key meteorological factors in Hunan Province

2.3 基于作物生長(zhǎng)模型的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法

作物模型選用ORYZA2000。該模型可描述潛在、水分脅迫和氮素脅迫等3種生產(chǎn)水平上水稻的生長(zhǎng)、發(fā)育及產(chǎn)量形成過(guò)程，采用量綱為1的模擬發(fā)育進(jìn)程，將水稻出苗、幼穗分化、開(kāi)花和生理成熟時(shí)的發(fā)育階段分別定義為0.0，0.65，1.0和2.0［34-37］。ORYZA2000根據(jù)水稻不同發(fā)育階段的發(fā)育速率常數(shù)、熱量單位日增量和光周期來(lái)計(jì)算發(fā)育速率［38］，考慮了移栽對(duì)早稻發(fā)育進(jìn)程造成的影響。ORYZA2000對(duì)水稻生長(zhǎng)諸過(guò)程有深入的定量描述，并已經(jīng)在一些地區(qū)進(jìn)行了檢驗(yàn)和應(yīng)用［22，26，35］，對(duì)高溫、水分脅迫等也有一定的考慮。ORYZA2000生長(zhǎng)參數(shù)包括比葉面積、同化物分配系數(shù)、葉片相對(duì)生長(zhǎng)速率、葉片死亡速率、莖同化物向穗轉(zhuǎn)移系數(shù)、最大粒重等。在對(duì)模型參數(shù)單點(diǎn)校準(zhǔn)的基礎(chǔ)上，對(duì)各站點(diǎn)數(shù)值進(jìn)行分析，結(jié)合地形、氣候、水稻熟性分布和當(dāng)?shù)厣a(chǎn)實(shí)際對(duì)參數(shù)進(jìn)行區(qū)域化。除主要生長(zhǎng)發(fā)育參數(shù)外，還依據(jù)田間試驗(yàn)及當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)實(shí)際情況，將ORYZA2000模型中水分脅迫部分參數(shù)進(jìn)行本地化訂正，包括田間持水量、作物最大扎根深度、最小地下水位、最大地下水位、田間水分固定滲透速率、早稻初始泥漿水深、灌溉模式等。本地化的ORYZA2000模型檢驗(yàn)結(jié)果表明［26］，江西、湖南地區(qū)1981—2004年31個(gè)農(nóng)業(yè)氣象站的早稻開(kāi)花期、成熟期的平均誤差為3～6 d，早稻成熟期地上生物總干重、成熟期穗重模擬值與實(shí)測(cè)值的平均相對(duì)誤差分別為12%～20%。

根據(jù)文獻(xiàn)［26］的結(jié)果，建立基于ORYZA2000的湖南早稻產(chǎn)量逐旬動(dòng)態(tài)預(yù)報(bào)方法。首先根據(jù)預(yù)報(bào)時(shí)間對(duì)最高溫度、最低溫度、降水量、日照時(shí)數(shù)、風(fēng)速、水汽壓等氣象資料進(jìn)行處理，早稻播種至預(yù)報(bào)時(shí)間的氣象資料采用觀測(cè)值，預(yù)報(bào)時(shí)間之后的氣象資料采用1971—2000年平均值；然后利用本地化的ORYZA2000作物模型，對(duì)15個(gè)代表站1962—2012年早稻進(jìn)行逐日生長(zhǎng)模擬，用15個(gè)代表站的模擬產(chǎn)量加權(quán)生成湖南省早稻模擬產(chǎn)量（權(quán)重為代表站所在區(qū)域早稻面積占湖南省早稻面積的比值）。產(chǎn)量豐歉值預(yù)報(bào)采用當(dāng)年湖南早稻模擬產(chǎn)量與上一年模擬產(chǎn)量的差值除以上一年模擬產(chǎn)量的百分比表示。由于ORYZA2000作物模型模擬以日為時(shí)間步長(zhǎng)單位，因此理論上可實(shí)現(xiàn)湖南省早稻產(chǎn)量的日動(dòng)態(tài)預(yù)報(bào)。本文選擇預(yù)報(bào)時(shí)間為4月30日、5月10日、5月20日、5月31日、6月10日、6月20日、6月30日、7月10日、7月20日的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)結(jié)果進(jìn)行分析。

3 不同動(dòng)態(tài)預(yù)報(bào)方法的檢驗(yàn)及比較

利用1962—2012年資料，從趨勢(shì)預(yù)報(bào)準(zhǔn)確性、預(yù)報(bào)準(zhǔn)確率、誤差5%以內(nèi)的樣本百分率、誤差7%以內(nèi)的樣本百分率等方面對(duì)不同動(dòng)態(tài)預(yù)報(bào)方法進(jìn)行回代檢驗(yàn)和預(yù)報(bào)檢驗(yàn)。趨勢(shì)是指當(dāng)年值減去上一年值的變化：結(jié)果為正值時(shí)，表示增趨勢(shì)；結(jié)果為負(fù)值時(shí)，表示減趨勢(shì)。趨勢(shì)預(yù)報(bào)準(zhǔn)確性是指預(yù)報(bào)值與實(shí)測(cè)值增減趨勢(shì)一致的年數(shù)占總預(yù)報(bào)年數(shù)的百分比。誤差5%以內(nèi)的樣本百分率是指預(yù)報(bào)準(zhǔn)確率在95%以上的年數(shù)占總預(yù)報(bào)年數(shù)的百分比。誤差7%以內(nèi)的樣本百分率是指預(yù)報(bào)準(zhǔn)確率在93%以上的年數(shù)占總預(yù)報(bào)年數(shù)的百分比。預(yù)報(bào)準(zhǔn)確率為

式（2）中，P表示預(yù)報(bào)準(zhǔn)確率，L表示預(yù)報(bào)產(chǎn)量，S表示實(shí)測(cè)產(chǎn)量（這里為統(tǒng)計(jì)產(chǎn)量）。

3.1 回代檢驗(yàn)

回代檢驗(yàn)（1962—2002年）結(jié)果表明：基于氣候適宜度的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法趨勢(shì)預(yù)報(bào)準(zhǔn)確性不低于66%（表5），平均為70%；預(yù)報(bào)準(zhǔn)確率不低于94.3%，平均為94.6%；其中誤差5%以內(nèi)的樣本百分率不低于51%，平均為55%；誤差7%以內(nèi)的樣本百分率不低于66%，平均為68%。且隨著早稻發(fā)育進(jìn)程的推進(jìn)，模型趨勢(shì)預(yù)報(bào)準(zhǔn)確性和預(yù)報(bào)準(zhǔn)確率有上升趨勢(shì)。

表5 1962—2002年基于氣候適宜度的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法回代檢驗(yàn)Table 5 Fitting test for dynamic forecasting method of early rice yield based on climatic suitability from 1962 to 2002

基于關(guān)鍵氣象因子的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法的趨勢(shì)預(yù)報(bào)準(zhǔn)確性不低于54%（表6），平均為64%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低6%；預(yù)報(bào)準(zhǔn)確率不低于94.3%，平均為94.7%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法高0.1%；誤差5%以內(nèi)的樣本百分率不低于51%，平均為55%，與基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法相同；誤差7%以內(nèi)的樣本百分率不低于63%，平均為67%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低1%。隨著早稻發(fā)育進(jìn)程的推進(jìn)，模型趨勢(shì)預(yù)報(bào)準(zhǔn)確性、預(yù)報(bào)準(zhǔn)確率和誤差5%以內(nèi)樣本百分率均呈上升趨勢(shì)。

基于作物生長(zhǎng)模型的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法趨勢(shì)預(yù)報(bào)準(zhǔn)確性不低于54%（表7），平均為60%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低10%，比基于關(guān)鍵氣象因子的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低4%；預(yù)報(bào)準(zhǔn)確率不低于93.6%，平均為93.8%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低0.8%，比基于關(guān)鍵氣象因子的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低0.9%；誤差5%以內(nèi)的樣本百分率不低于46%，平均為57%，均比基于氣候適宜度和關(guān)鍵氣象因子的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法高2%；誤差7%以內(nèi)的樣本百分率不低于59%，平均為66%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低2%，比基于關(guān)鍵氣象因子的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低1%。

表6 1962—2002年基于關(guān)鍵氣象因子的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法回代檢驗(yàn)Table 6 Fitting test for dynamic forecasting method of early rice yield based on key meteorological factors from 1962 to 2002

表7 1962—2002年基于作物生長(zhǎng)模型的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法回代檢驗(yàn)Table 7 Fitting test for dynamic forecasting method of early rice yield based on crop growth simulation model from 1962 to 2002

3.2 預(yù)報(bào)檢驗(yàn)

預(yù)報(bào)檢驗(yàn)（2003—2012年）結(jié)果表明：基于氣候適宜度的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法趨勢(shì)預(yù)報(bào)準(zhǔn)確性不低于50%（表8），平均為58%；預(yù)報(bào)準(zhǔn)確率不低于95.5%，平均為96.3%；誤差5%以內(nèi)的樣本百分率不低于30%，平均為51%；誤差7%以內(nèi)的樣本百分率不低于70%，平均為83%。

基于關(guān)鍵氣象因子的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法趨勢(shì)預(yù)報(bào)準(zhǔn)確性不低于40%（表9），平均為54%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低4%；預(yù)報(bào)準(zhǔn)確率不低于95.2%，平均為95.8%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低0.5%；誤差5%以內(nèi)的樣本百分率不低于50%，平均為59%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法高8%；誤差7%以內(nèi)的樣本百分率不低于60%，平均為84%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法高1%。

表8 2003—2012年基于氣候適宜度的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法預(yù)報(bào)檢驗(yàn)Table 8 Extrapolation test for dynamic forecasting method of early rice yield based on climatic suitability from 2003 to 2012

表9 2003—2012年基于關(guān)鍵氣象因子的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法預(yù)報(bào)檢驗(yàn)Table 9 Extrapolation test for dynamic forecasting method of early rice yield based on key meteorological factors from 2003 to 2012

基于作物生長(zhǎng)模型的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法趨勢(shì)預(yù)報(bào)準(zhǔn)確性不低于40%（表10），平均為50%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低8%，比基于關(guān)鍵氣象因子的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低4%；預(yù)報(bào)準(zhǔn)確率不低于94.1%，平均為95.8%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低0.5%，與基于關(guān)鍵氣象因子的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法相同；誤差5%以內(nèi)的樣本百分率不低于50%，平均為71%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法高20%，比基于關(guān)鍵氣象因子的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法高12%；誤差7%以內(nèi)的樣本百分率不低于60%，平均為79%，比基于氣候適宜度的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低4%，比基于關(guān)鍵氣象因子的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法低5%。

表10 2003—2012年基于作物生長(zhǎng)模型的早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法預(yù)報(bào)檢驗(yàn)Table 10 Extrapolation test for dynamic forecasting method of early rice yield based on crop growth simulation model from 2003 to 2012

4 小 結(jié)

分析表明：

1）基于氣候適宜度、關(guān)鍵氣候因子、作物生長(zhǎng)模型的湖南省早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率比較接近，平均在93.8% 以上。定量預(yù)報(bào)以基于作物生長(zhǎng)模型的動(dòng)態(tài)預(yù)報(bào)方法最優(yōu)，預(yù)報(bào)誤差5%以內(nèi)的樣本百分率最高?；跉夂蜻m宜度和基于關(guān)鍵氣象因子的動(dòng)態(tài)預(yù)報(bào)方法，除早稻移栽返青期（4月30日）預(yù)報(bào)模型未達(dá)到0.10顯著性水平外，其他時(shí)段預(yù)報(bào)模型均達(dá)到0.02的顯著性水平，其中分蘗普遍期至拔節(jié)期的預(yù)報(bào)模型達(dá)到0.01的顯著性水平，生殖生長(zhǎng)期預(yù)報(bào)模型達(dá)到0.001的顯著性水平。

2）趨勢(shì)預(yù)報(bào)準(zhǔn)確性以基于氣候適宜度的動(dòng)態(tài)預(yù)報(bào)方法最高，基于關(guān)鍵氣象因子的動(dòng)態(tài)預(yù)報(bào)方法次之，3種方法的預(yù)報(bào)效果均表現(xiàn)出生殖生長(zhǎng)期優(yōu)于營(yíng)養(yǎng)生長(zhǎng)期。這主要因?yàn)?種方法均假定預(yù)報(bào)日期以后的氣候條件正常，而實(shí)際可能會(huì)出現(xiàn)各種不可預(yù)知的情況。

每一種產(chǎn)量預(yù)報(bào)方法都有一定局限性。統(tǒng)計(jì)預(yù)報(bào)方法建立的產(chǎn)量預(yù)報(bào)模型對(duì)作物的生長(zhǎng)機(jī)理考慮較少，而作物模型中的部分參數(shù)獲取較難，且需做大量的田間試驗(yàn)。如何將目前建立的多種產(chǎn)量預(yù)報(bào)方法進(jìn)行組合和集成，充分發(fā)揮各自的優(yōu)勢(shì)，從而建立一套集合預(yù)報(bào)方法，有待今后進(jìn)一步研究。另外，本研究結(jié)果反映了不同預(yù)報(bào)方法及模型之間在原理和特點(diǎn)上的差異，但不同預(yù)報(bào)方法的趨勢(shì)預(yù)報(bào)準(zhǔn)確性和預(yù)報(bào)準(zhǔn)確率與地區(qū)、作物以及所建立的模型有關(guān)。對(duì)于作物產(chǎn)量年際變化較大、受多種不利氣候條件影響較大的地區(qū)和作物，還需具體研究。

［1］ 莫喆，劉中秋，吳永常.國(guó)內(nèi)外農(nóng)業(yè)生產(chǎn)監(jiān)測(cè)及產(chǎn)量預(yù)報(bào)系統(tǒng)的現(xiàn)狀與分析.農(nóng)業(yè)信息科學(xué)，2008，24（5）：434-437.

［2］ Douglas K B，Mark A F.Forecasting crop yield using remotely sensed vegetation indices and crop phenology metrics.Agricultural and Forest Meteorology，2013，173：74-84.

［3］ Juraj B，van der Velde M，Erwin S，et al.Pan-European crop modelling with EPIC：Implementation，up-scaling and regional crop yield validation.Agricultural Systems，2013，120：61-75.

［4］ Yannick C，de Wit A，Gregory D，et al.Potential performances of remotely sensed LAI assimilation in WOFOST model based on an OSS Experiment.Agricultural and Forest Meteorology，2011，151：1843-1855.

［5］ 蘭洪第，段運(yùn)懷，章慶辰，等.東北地區(qū)糧豆產(chǎn)量預(yù)報(bào).科學(xué)通報(bào)，1982，27（6）：383.

［6］ 趙四強(qiáng).應(yīng)用海溫預(yù)報(bào)糧食產(chǎn)量的初步探討.科學(xué)通報(bào)，1982，27（20）：126-127.

［7］ 錢拴，王建林.農(nóng)業(yè)氣象作物產(chǎn)量預(yù)報(bào)的特點(diǎn)與思考.氣象科技，2003，31（5）：33-38.

［8］ 王石立，馬玉平，劉文泉，等.面向Internet的農(nóng)業(yè)氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào).氣象，2004，30（4）：42-46.

［9］ 王建林，宋迎波.棉花產(chǎn)量動(dòng)態(tài)預(yù)測(cè)方法研究.中國(guó)棉花，2002，29（9）：5-7.

［10］ 王建林，楊霏云，宋迎波.西北地區(qū)玉米產(chǎn)量動(dòng)態(tài)業(yè)務(wù)預(yù)報(bào)方法探討.應(yīng)用氣象學(xué)報(bào)，2004，15（1）：51-57.

［11］ 宋迎波，王建林，陳暉，等.中國(guó)油菜產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法研究.氣象，2008，34（3）：93-99.

［12］ 宋迎波，王建林，楊霏云.糧食安全氣象服務(wù).北京：氣象出版社，2006：188-195.

［13］ 楊霏云，王建林.晚稻單產(chǎn)動(dòng)態(tài)預(yù)測(cè)方法研究.氣象科技，2005，33（5）：433-436.

［14］ 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.中國(guó)農(nóng)業(yè)氣象，2007，28（4）：412-416.

［15］ 鄭昌玲，王建林，宋迎波，等.大豆產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型研究.大豆科學(xué)，2008，27（6）：943-948.

［16］ 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).中國(guó)農(nóng)業(yè)氣象，2010，31（3）：427-430.

［17］ 魏瑞江，宋迎波，王鑫.基于氣候適宜度的玉米產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法.應(yīng)用氣象學(xué)報(bào)，2009，20（5）：622-626.

［18］ 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.氣象與環(huán)境科學(xué)，2008，31（2）：21-24.

［19］ 李曼華，薛曉萍，李鴻怡.基于氣候適宜度指數(shù)的山東省冬小麥產(chǎn)量動(dòng)態(tài)預(yù)報(bào).中國(guó)農(nóng)學(xué)通報(bào)，2012，28（12）：291-295.

［20］ 游超，蔡元?jiǎng)?，張玉?基于氣象適宜指數(shù)的四川盆地水稻氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)技術(shù)研究.高原山地氣象研究，2011，31（1）：51-55.

［21］ 錢錦霞，郭建平.鄭州地區(qū)冬小麥產(chǎn)量構(gòu)成要素的回歸模型.應(yīng)用氣象學(xué)報(bào)，2012，23（4）：500-504.

［22］ 劉布春，王石立，馬玉平.國(guó)外作物模型區(qū)域應(yīng)用研究進(jìn)展.氣象科技，2002，30（4）：194-203.

［23］ 高永剛，王育光，殷世平，等.世界糧食研究模型在黑龍江省作物產(chǎn)量預(yù)報(bào)中的應(yīng)用.中國(guó)農(nóng)業(yè)氣象，2006，27（1）：27-30.

［24］ 高永剛，顧紅，姬菊枝，等.近43年來(lái)黑龍江氣候變化對(duì)農(nóng)作物產(chǎn)量影響的模擬研究.應(yīng)用氣象學(xué)報(bào)，2007，18（4）：532-538.

［25］ 袁東敏，尹志聰，郭建平.SRES B2氣候情景下東北玉米產(chǎn)量變化數(shù)值模擬.應(yīng)用氣象學(xué)報(bào)，2014，25（3）：284-292.

［26］ 帥細(xì)強(qiáng)，王石立，馬玉平.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).應(yīng)用氣象學(xué)報(bào)，2008，19（1）：71-81.

［27］ 高亮之.農(nóng)業(yè)模型學(xué)基礎(chǔ).上海：天馬圖書(shū)有限公司，2004：186-206.

［28］ 潘學(xué)標(biāo).作物模型原理.北京：氣象出版社，2003：273-303.

［29］ 馬玉平，王石立，王馥棠.作物模擬模型在農(nóng)業(yè)氣象業(yè)務(wù)應(yīng)用中的研究初探.應(yīng)用氣象學(xué)報(bào)，2005，16（3）：293-303.

［30］ 劉春，張春輝，郭薩薩.基于能量模型的水稻生長(zhǎng)模型.應(yīng)用氣象學(xué)報(bào)，2013，24（2）：240-247.

［31］ 薛昌穎，楊曉光，Bam B，等.ORYZA2000模型模擬北京地區(qū)旱稻的適應(yīng)性初探.作物學(xué)報(bào)，2005，31（12）：1567-1571.

［32］ 韓家煒，堪博.數(shù)據(jù)挖掘：概念與技術(shù).北京：機(jī)械工業(yè)出版社，2007：8-21.

［33］ 王海峰，張健，黃曉亞.數(shù)據(jù)挖掘技術(shù)及其在漁情預(yù)報(bào)中的應(yīng)用.計(jì)算機(jī)時(shí)代，2007（11）：52-53.

［34］ 石揚(yáng)，張燕平，趙姝，等.基于商空間的氣象時(shí)間序列數(shù)據(jù)挖掘研究.計(jì)算機(jī)工程與應(yīng)用，2007，43（1）：201-203.

［35］ Kropff M J，van Laar H H，Ten B H F M.ORYZA1：A Basic Model for Irrigated Lowland Rice Production.Wageningen：Centre for Agrobiological Research，1993：76-83.

［36］ Kropff M J，van Laar H H，Matthews R.ORAZA1，An Ecophysiological Model for Irrigation Rice Production.SARP Research Proceedings，1994：110.

［37］ Bouman B A M，van Keulen，van Laar H H，et al.The school of de Wit crop growth simulation models：A pedigree and historical overview.Agricultural Systems，1996，52：171-198.

［38］ Matthews R B，Hunt L A.A model describing the growth of cassava.Field Crops Res，1994，36：69-84.

A Comparative Study on Dynamic Forecasting of Early Rice Yield by Using Different Methods in Hunan Province

Shuai Xiqiang1）2）Lu Kuidong1）2）Huang Wanhua1）2）

1）（Meteorological Science Institute of Hunan Province，Changsha410118）

2）（Key Lab of Hunan Province for Meteorological Disaster Prevention and Mitigation，Changsha410118）

The crop yield forecasting is one of the most important aspects of meteorological services for agricultural production.In order to improve the prediction accuracy，different forecasting methods are compared，and dynamic forecasting models of early rice yield are established based on climatic suitability，key meteorological factors and crop growth simulation model.Daily mean，maximum and minimum temperatures，precipitation，sunshine duration，wind velocity and vapor pressure data of 15 representative meteorological stations are used，as well as the early rice growth and yield data of 12 representative agricultural meteorological stations in Hunan Province from 1962 to 2002.Fitting test is performed by constraining the margin of error less than 5%.Extrapolation test is performed using data from 2003 to 2012，showing the accuracy of three methods are similar，all higher than 93.8%，and the dynamic forecasting models practically pass the test of 0.02 level，except for failing the test of 0.10 level on 30 April.Forecasting models from rifeness tiller to elongating stage pass the test of 0.01 level，and forecasting models at reproductive stage pass the test of 0.001 level too.The method based on climatic suitability improves the accuracy by 4%－6%comparing to that based on key meteorological factors and is 8%－10%more accurate than that based on crop growth simulation model.In quantitative forecast，the method based on crop growth simulation model is optimum，leading to obviously more samples whose margin of error is less than 5%.According to the analysis，the better method of early rice yield forecasting is screened out for Hunan Province.The method based on climatic suitability is chosen to carry out trend prediction of early rice yield，and the method based on crop growth simulation model is used to make quantitative forecast.It also provides reference for dynamic forecasting method research of early rice yield in other areas of China.

climatic suitability；key meteorological factor；crop growth simulation model；yield forecasting method

帥細(xì)強(qiáng)，陸魁東，黃晚華.不同方法在湖南省早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)中的比較.應(yīng)用氣象學(xué)報(bào)，2015，26（1）：103-111.

10.11898／1001-7313.20150111

2014-05-13收到，2014-09-22收到再改稿。

公益性行業(yè)（氣象）科研專項(xiàng)（GYHY201206022，GYHY201206020），湖南省氣象局重大項(xiàng)目“現(xiàn)代農(nóng)業(yè)氣象業(yè)務(wù)服務(wù)綜合平臺(tái)研究”

*email：nqsxq＠163.com