基于氣象因素的臨沂水稻產(chǎn)量評(píng)估預(yù)測(cè)模型

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(píng)估預(yù)測(cè)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(shì)，但受氣象因素影響有所波動(dòng)。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(cè)定水稻趨勢(shì)產(chǎn)量，分離出水稻氣象產(chǎn)量，與逐月平均日照時(shí)數(shù)、氣溫、降水量進(jìn)行相關(guān)分析，確定了氣象因素影響產(chǎn)量的關(guān)鍵時(shí)期，建立回歸方程并進(jìn)行檢驗(yàn)。通過(guò)對(duì)歷年產(chǎn)量進(jìn)行檢驗(yàn)，預(yù)測(cè)精度最高為99.9%，最低為95.9%，平均精度為98.5%，預(yù)測(cè)模型具有較高的精度，可用作臨沂市水稻產(chǎn)量評(píng)估預(yù)測(cè)。

氣象因素；水稻產(chǎn)量；評(píng)估預(yù)測(cè)；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(fēng)區(qū)大陸性氣候，氣溫適宜，四季分明，光照充足，雨熱同季，無(wú)霜期長(zhǎng)，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(yuǎn)，歷代以“瑯琊之稻”、“塘崖貢米”聞名。近年來(lái)，水稻種植面積穩(wěn)定在5萬(wàn)hm2左右。臨沂市水稻產(chǎn)量總體呈上升趨勢(shì)，但受氣候變化等因素影響單產(chǎn)有所波動(dòng)，平均單產(chǎn)在8550 kg/hm2左右[2]。氣候變化對(duì)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(yàn)、作物模型法、觀測(cè)統(tǒng)計(jì)法[3-5]。觀測(cè)統(tǒng)計(jì)法，即根據(jù)多年作物實(shí)際產(chǎn)量和氣象資料觀測(cè)數(shù)據(jù)，通過(guò)統(tǒng)計(jì)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(yán)密，是生產(chǎn)中應(yīng)用較為廣泛的一種方法。一般把作物產(chǎn)量分解為趨勢(shì)產(chǎn)量、氣象產(chǎn)量和隨機(jī)誤差3個(gè)部分，其中趨勢(shì)產(chǎn)量主要受社會(huì)生產(chǎn)力發(fā)展水平制約，也被稱(chēng)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(zāi)害為主)影響而波動(dòng)[3]；隨機(jī)誤差影響小，可忽略不計(jì)。多數(shù)研究都是將產(chǎn)量分解為趨勢(shì)產(chǎn)量和氣象產(chǎn)量，用Y表示水稻實(shí)際產(chǎn)量，Yt表示趨勢(shì)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(cè)定趨勢(shì)產(chǎn)量常用的方法有移動(dòng)平均法、指數(shù)平滑法、趨勢(shì)模型法等[3-10]，其中指數(shù)平滑法通過(guò)計(jì)算一系列指數(shù)平滑值消除不規(guī)則變動(dòng)，測(cè)定發(fā)展趨勢(shì)，優(yōu)點(diǎn)是能夠?qū)v史數(shù)據(jù)信息充分反映到變化趨勢(shì)中，對(duì)不同時(shí)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(shí)增加近期數(shù)據(jù)對(duì)預(yù)測(cè)趨勢(shì)的權(quán)重，越是近期數(shù)據(jù)，權(quán)重越大，體現(xiàn)對(duì)各期數(shù)據(jù)的不同重視程度，從而對(duì)序列進(jìn)行平滑修勻作用，消除不規(guī)則變動(dòng)影響[8]。

1　材料與方法

1.1數(shù)據(jù)來(lái)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(shí)數(shù)、氣溫、降水量等氣象數(shù)據(jù)，來(lái)源于臨沂市統(tǒng)計(jì)年鑒，數(shù)據(jù)處理采用Excel 2010軟件進(jìn)行。

1.2方法

水稻實(shí)際產(chǎn)量、趨勢(shì)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(cè)定趨勢(shì)產(chǎn)量，根據(jù)Yw=Y-Yt計(jì)算得到氣象產(chǎn)量Yw。選擇從5月上旬水稻育秧開(kāi)始到10月水稻收獲期間，逐月平均溫度、光照時(shí)數(shù)、降水量3個(gè)主要?dú)庀笾笜?biāo)，運(yùn)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(jìn)行擬合優(yōu)度與顯著性檢驗(yàn)，再計(jì)算歷年產(chǎn)量預(yù)測(cè)值，與歷年實(shí)際產(chǎn)量相比較，以對(duì)模型精度進(jìn)行檢驗(yàn)。在指數(shù)平滑中，平滑系數(shù)α取值不同，計(jì)算出的平滑結(jié)果會(huì)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(jì)算趨勢(shì)產(chǎn)量，分離氣象產(chǎn)量，最后根據(jù)實(shí)際情況取舍。

2　結(jié)果與分析

2.1水稻產(chǎn)量及趨勢(shì)產(chǎn)量、氣象產(chǎn)量

指數(shù)平滑法計(jì)算得到趨勢(shì)產(chǎn)量Yt，根據(jù)Yw=Y-Yt分離出氣象產(chǎn)量Yw，結(jié)果見(jiàn)表1。平滑系數(shù)α分別取值0.1、0.3、0.7時(shí)，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(guó)成立以來(lái)同期最少，相當(dāng)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(duì)水稻生產(chǎn)極為不利氣候的年份，可見(jiàn)分離得出的氣象產(chǎn)量能初步反映氣象條件對(duì)水稻產(chǎn)量的影響。

表1　水稻產(chǎn)量及趨勢(shì)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(shí)數(shù)、降水量與氣象產(chǎn)量進(jìn)行相關(guān)分析。表2結(jié)果顯示，臨沂水稻產(chǎn)量與當(dāng)?shù)刂鹪缕骄鶞囟?、日照時(shí)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(shí)數(shù)、5月日照時(shí)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(gè)因子進(jìn)行回歸分析。α=0.1時(shí)選擇10月降水量與5月平均溫度，α=0.3時(shí)選擇10月降水量與6月降水量，α=0.7時(shí)選擇6月降水量和8月平均溫度。回歸統(tǒng)計(jì)結(jié)果見(jiàn)表3。

尾氣處理單元加氫爐采用在線制氫工藝，在低負(fù)荷工況下，風(fēng)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(lái)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?jǐn)?shù)滿足工藝控制指標(biāo)要求，見(jiàn)圖5。

表3　氣象產(chǎn)量與關(guān)鍵氣象因素回歸統(tǒng)計(jì)

α=0.3時(shí)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(shuō)明6月降水量、10月降水量聯(lián)合起來(lái)對(duì)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(duì)水稻產(chǎn)量有顯著影響，R10的P值0.006981遠(yuǎn)小于0.01，說(shuō)明10月降水量對(duì)水稻產(chǎn)量有極顯著影響。

設(shè)臨沂水稻實(shí)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(shì)產(chǎn)量為Yt(i)，(i+1)年趨勢(shì)產(chǎn)量為Yt(i+1)。根據(jù)指數(shù)平滑法計(jì)算公式，取平滑系數(shù)α為0.3，則(i+1)年趨勢(shì)產(chǎn)量Yt(i+1)計(jì)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(yù)測(cè)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(shí)方差分析

表5　平滑系數(shù)α=0.3時(shí)回歸參數(shù)

2.4結(jié)果檢驗(yàn)

2.4.1對(duì)比2003～2014年實(shí)際產(chǎn)量與預(yù)測(cè)產(chǎn)量通過(guò)與歷年產(chǎn)量比較，預(yù)測(cè)精度最高99.9%，最低95.9%，平均精度98.5%。

2.4.2預(yù)測(cè)2015年產(chǎn)量設(shè)2014年產(chǎn)量為Y(2014)，趨勢(shì)產(chǎn)量為Yt(2014)；2015年產(chǎn)量為Y(2015)，趨勢(shì)產(chǎn)量為Yt(2015)，氣象產(chǎn)量為Yw(2015)，則根據(jù)預(yù)測(cè)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(jì)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(yù)測(cè)得到2015年水稻產(chǎn)量8963.7 kg/hm2，2015年水稻產(chǎn)量統(tǒng)計(jì)數(shù)為8892 kg/hm2，預(yù)測(cè)精度99.2%。由此可見(jiàn)，預(yù)測(cè)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(dāng)?shù)刂鹪缕骄鶞囟?、日照時(shí)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(yù)測(cè)水稻氣象減產(chǎn)的年份相符，可見(jiàn)分離得出的氣象產(chǎn)量能反映氣象條件對(duì)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(shí)數(shù)、5月日照時(shí)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(fù)相關(guān)且相關(guān)程度最高，說(shuō)明隨著10月降水量增加，臨沂水稻產(chǎn)量呈下降趨勢(shì)。水稻是喜陽(yáng)作物，對(duì)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(dǎo)致日照時(shí)數(shù)減少、氣溫下降，水稻灌漿時(shí)間減少、灌漿強(qiáng)度降低，導(dǎo)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(shuō)明隨著6月降水量增加，臨沂水稻產(chǎn)量呈增加趨勢(shì)。臨沂水稻返青期在6月份，降水量增多，日照時(shí)數(shù)減少，對(duì)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(duì)水稻產(chǎn)量有顯著影響、10月降水量對(duì)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(lái)對(duì)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(yù)測(cè)模型，進(jìn)而建立臨沂市水稻產(chǎn)量預(yù)測(cè)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(shì)產(chǎn)量，Yt(i+1)表示(i+1)年趨勢(shì)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(duì)2003～2014年歷年水稻產(chǎn)量進(jìn)行檢驗(yàn)，并對(duì)2015年產(chǎn)量進(jìn)行預(yù)測(cè)，結(jié)果顯示預(yù)測(cè)精度最高99.9%，最低95.9%，平均精度98.5%。

在長(zhǎng)時(shí)間序列的作物產(chǎn)量與氣象因子關(guān)系的觀測(cè)統(tǒng)計(jì)研究中，測(cè)定趨勢(shì)產(chǎn)量而得到準(zhǔn)確的氣象產(chǎn)量尤其重要，不同趨勢(shì)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(shì)產(chǎn)量，最后根據(jù)實(shí)際情況取舍，確定平滑系數(shù)0.3時(shí)，預(yù)測(cè)模型擬合優(yōu)度高、誤差較小，也能反映不利氣象條件對(duì)水稻產(chǎn)量的影響。本文基于臨沂市統(tǒng)計(jì)年鑒公布的逐月氣象因素對(duì)臨沂水稻產(chǎn)量進(jìn)行預(yù)測(cè)評(píng)估，從逐月光、溫、水等基本氣象資料預(yù)測(cè)評(píng)估水稻產(chǎn)量，探求影響當(dāng)?shù)厮井a(chǎn)量的關(guān)鍵因子，與水稻實(shí)際生產(chǎn)對(duì)比，具有較高的精度，可用作臨沂市水稻產(chǎn)量評(píng)估預(yù)測(cè)，為當(dāng)?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(duì)策[J].山東農(nóng)業(yè)科學(xué),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(guó)農(nóng)業(yè)科學(xué)出版社，2015:87.

[3] 房世波.分離趨勢(shì)產(chǎn)量和氣象產(chǎn)量的方法探討[J].自然災(zāi)害學(xué)報(bào),2011,20(6):13-18.

[4] 溫曉慧,溫桂清,薛敏.用直線滑動(dòng)平均法做作物趨勢(shì)產(chǎn)量預(yù)報(bào)[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(yù)測(cè)的數(shù)學(xué)模型[J].湖北農(nóng)業(yè)科學(xué),2005(2):37-40.

[6] 呂學(xué)梅,張磊,劉圣娟.多元雙重篩選回歸法分析氣候因子對(duì)臨沂市水稻產(chǎn)量因素的影響[J].安徽農(nóng)業(yè)科學(xué),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(yù)測(cè)模型[J].中國(guó)農(nóng)學(xué)通報(bào),2010,26(2):295-297.

[8] 袁衛(wèi),龐皓,曾五一，等.統(tǒng)計(jì)學(xué)[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(fēng)氣象災(zāi)害指標(biāo)試驗(yàn)研究[J].江西農(nóng)業(yè)學(xué)報(bào)，2014,26(2)：66-68.

[10] 徐恒玉,張?zhí)靷?郭昊天.用Excel對(duì)農(nóng)業(yè)試驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析[J].安徽農(nóng)業(yè)科學(xué),2003,31(4):645-647.

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

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

(責(zé)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(tuán)隊(duì)項(xiàng)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(yàn)示范推廣工作。*通訊作者：馮尚宗。

S511

A

1001-8581(2016)10-0071-04