基于海溫和大氣環(huán)流特征量的農(nóng)業(yè)氣候年景預(yù)測

徐敏+徐經(jīng)緯+高蘋+吳洪顏+徐樂

摘要：由于農(nóng)業(yè)其后年景預(yù)測可為合理安排農(nóng)業(yè)生產(chǎn)布局、科學(xué)制定宏觀調(diào)控政策提供一定依據(jù)，分析江蘇省1961—2014年全年糧食作物相對氣象產(chǎn)量與氣象條件之間的關(guān)系。結(jié)果發(fā)現(xiàn)：降水對相對氣象產(chǎn)量的影響權(quán)重最大，其次為日照和≥0 ℃活動積溫，說明農(nóng)業(yè)氣候年景受光照資源、熱量資源、水分資源的綜合影響。為了將光、溫、水的綜合影響定量化，構(gòu)建農(nóng)業(yè)氣候年景綜合指數(shù)，將歷年綜合指數(shù)與相應(yīng)年景進(jìn)行統(tǒng)計分析，劃定豐、平、歉年所對應(yīng)的綜合指數(shù)范圍?；谔窖蠛睾痛髿猸h(huán)流對長期天氣過程影響的滯后性，同時考慮預(yù)報因子的顯著性、穩(wěn)定性和獨立性，應(yīng)用最優(yōu)化技術(shù)，建立農(nóng)業(yè)氣候年景綜合指數(shù)的預(yù)測模型，經(jīng)過歷史擬合和試報檢驗，效果理想，可投入業(yè)務(wù)應(yīng)用，提前1年預(yù)測綜合指數(shù)，從而確定農(nóng)業(yè)氣候年景。

關(guān)鍵詞：農(nóng)業(yè)氣候年景；海溫；環(huán)流特征量；預(yù)測模型

中圖分類號： S165+.27 文獻(xiàn)標(biāo)志碼： A

文章編號：1002-1302（2016）09-0435-04

氣象條件是糧食產(chǎn)量波動的重要影響因素，氣象條件的匹配與否、氣象災(zāi)害的輕重度，在很大程度上決定了糧食收成豐歉、品質(zhì)優(yōu)劣和成本高低。20世紀(jì)90年代后期以來，我國糧食產(chǎn)量連續(xù)多年增產(chǎn)，但是隨著人口、資源、環(huán)境問題的日益突出，自然災(zāi)害的頻繁發(fā)生，我國糧食生產(chǎn)受到嚴(yán)重制約。我國地處東亞季風(fēng)區(qū)，是世界上主要的氣候脆弱區(qū)之一，隨著全球氣候變化的日益加劇，氣象災(zāi)害對糧食安全構(gòu)成的威脅越來越大，近年來我國農(nóng)業(yè)氣象災(zāi)害呈現(xiàn)出頻率高、強度大、危害重的態(tài)勢[1]。因此，開展客觀、定量的農(nóng)業(yè)氣候年景預(yù)測，對科學(xué)制定宏觀調(diào)控政策、合理安排農(nóng)業(yè)生產(chǎn)布局、趨利避害穩(wěn)定糧食生產(chǎn)和保障國家糧食安全具有重要的社會意義和經(jīng)濟意義。

農(nóng)業(yè)氣候年景是指農(nóng)作物生長發(fā)育和產(chǎn)量形成期間的氣候條件組合最終對糧食產(chǎn)量的影響，從20世紀(jì) 70 年代后期起，我國已有一些學(xué)者開展了農(nóng)業(yè)氣候年景預(yù)測的研究，并取得了一些成果，汪鐸等研究發(fā)現(xiàn)，大范圍作物產(chǎn)量的波動受特定天氣類型的主導(dǎo)，而這種特定的天氣類型是在特定的大型環(huán)流背景下形成的，因此提出了“環(huán)流-天氣氣候-作物年景”概念模型[2]。王建林等分別用相似分析法和綜合評價法對我國黃河流域、長江流域和新疆棉花主產(chǎn)區(qū)的棉花年景進(jìn)行了預(yù)測[3-4]。孫家明等利用降水距平累加作為干旱和洪澇指標(biāo)，結(jié)合受災(zāi)（成災(zāi)）面積，建立回歸模型，進(jìn)行年景預(yù)測[5]。李翠金等采用修改后的Z值指標(biāo)對長江中下游地區(qū)旱澇氣候年景進(jìn)行了評定[6]。石磊等通過計算干旱、暴雨洪澇等氣候異常指數(shù)，建立氣候年景模型[7]。上述研究更多的是側(cè)重某種作物或者某種災(zāi)害的農(nóng)業(yè)年景預(yù)測，而農(nóng)業(yè)氣候年景是指農(nóng)作物生長發(fā)育和產(chǎn)量形成期間的氣候條件組合對糧食產(chǎn)量的影響。

本研究以江蘇省為例，綜合考慮光、溫、水對作物產(chǎn)量的影響，利用產(chǎn)量數(shù)據(jù)與氣象資料確定相對氣象產(chǎn)量的影響因子的權(quán)重，構(gòu)建農(nóng)業(yè)氣候年景綜合指數(shù)，分別以大氣環(huán)流、太平洋海溫為長期預(yù)報因子，建立農(nóng)業(yè)氣候年景綜合指數(shù)的預(yù)測模型，通過歷史擬合和試報檢驗預(yù)測模型的準(zhǔn)確率，最終確定預(yù)測年份的農(nóng)業(yè)氣候年景，以期為開展農(nóng)業(yè)氣候年景預(yù)測業(yè)務(wù)服務(wù)提供技術(shù)支撐。

1 材料與方法

1.1 材料來源

（1）氣象資料：來自江蘇省60個氣象臺站1961—2014年的日平均氣溫、日降水量、日照時數(shù)；來自國家氣候中心的74項環(huán)流指數(shù)與太平洋（10°S～50°N、120°E～80°W）海表面溫度，水平分辨率5°×5°（共286個格點），取1961—2014年太平洋表面溫度月平均值。

（2）產(chǎn)量數(shù)據(jù)：由江蘇省統(tǒng)計局提供，采集1961—2014年江蘇省農(nóng)作物各年單產(chǎn)數(shù)據(jù)。

1.2 研究方法

1.2.1 相對氣象產(chǎn)量的算法

一般可將實際產(chǎn)量y分離為依社會生產(chǎn)水平的變化而變化的趨勢產(chǎn)量gt、隨歷史氣象環(huán)境條件而變化的氣象產(chǎn)量yw和隨機誤差ε（在通常情況下，隨機誤差可以忽略不計）。

2 結(jié)果與分析

2.1 江蘇省糧食作物種植面積與產(chǎn)量概況

江蘇省全年糧食主要由夏糧和秋糧構(gòu)成，夏糧以小麥為主，秋糧包含水稻、玉米、大豆等，以水稻為主。從近5年的全省糧食產(chǎn)量和播種面積的平均狀況（表1）來看：水稻總產(chǎn)量占糧食總產(chǎn)量的比重最大（55.9%），小麥其次（31.7%），玉米位列第3（6.7%）；水稻單產(chǎn)最高，全省平均單產(chǎn)高達(dá)8 342 kg/hm2，玉米其次，單產(chǎn)為5 384 kg/hm2，小麥位列第3，單產(chǎn)為5 016 kg/hm2；水稻和小麥播種面積相當(dāng)，均在220萬kg/hm2 左右，玉米和大豆的播種面積相對較少，均在50萬kg/hm2以下。

2.2 糧食產(chǎn)量的分離

產(chǎn)量不僅受社會因素的影響，還取決于歷年氣象條件的優(yōu)劣。對大范圍農(nóng)業(yè)區(qū)而言，農(nóng)業(yè)生產(chǎn)水平逐年變化不大，相對穩(wěn)定，但農(nóng)作物的生長發(fā)育則各有特點，對氣象條件的要求也各不相同，且氣象條件逐年變化較大，因此最終的產(chǎn)量歷年波動也不相同。為了分析氣象條件變化對產(chǎn)量的影響，本研究利用HP濾波法對江蘇省糧食產(chǎn)量進(jìn)行分離。從圖1可以看出，隨著優(yōu)良品種的多次更替、耕作制度的不斷發(fā)展、栽培技術(shù)的逐年提高，江蘇省糧食單產(chǎn)呈曲線上升，由社會生產(chǎn)力貢獻(xiàn)的趨勢產(chǎn)量一直處于增長狀態(tài)，尤其是2000年之前，線性趨勢達(dá)120 kg/（hm2·年），實際單產(chǎn)與趨勢產(chǎn)量的相關(guān)系數(shù)高達(dá)0.991 2，通過了0.001顯著性檢驗，說明趨勢產(chǎn)量能很好地反映實際單產(chǎn)的變化趨勢；氣象產(chǎn)量在0左右波動，說明天氣條件對糧食產(chǎn)量的影響時正時負(fù)，曲線波動范圍表明氣象條件對糧食產(chǎn)量的影響程度。

2.3 農(nóng)業(yè)氣候年景綜合指數(shù)的構(gòu)建

所謂農(nóng)業(yè)氣候年景是指農(nóng)作物生長發(fā)育和產(chǎn)量形成期間的氣候條件組合對糧食產(chǎn)量的影響，主要指降水、積溫、日照等氣候要素的綜合影響。為了將降水、積溫、日照的綜合影響進(jìn)行定量化，本研究構(gòu)建了農(nóng)業(yè)氣候年景綜合指數(shù)。該指數(shù)的構(gòu)建對于農(nóng)業(yè)氣候年景的預(yù)測非常關(guān)鍵，由于農(nóng)業(yè)氣候年景綜合指數(shù)是基于主要氣象因子對相對氣象產(chǎn)量的影響權(quán)重來構(gòu)建的，因此該綜合指數(shù)對農(nóng)業(yè)氣候年景具有較好的指示意義，若能準(zhǔn)確預(yù)測綜合指數(shù)，則能預(yù)測出相應(yīng)的農(nóng)業(yè)氣候年景。農(nóng)業(yè)氣候年景綜合指數(shù)的特點：（1）物理意義清晰，數(shù)值大小直接能反映降水、積溫、日照的綜合影響程度，而非單一要素的影響程度，符號能直接反映出氣候條件的總體影響是正還是負(fù)；（2）指數(shù)序列在時間上具有持續(xù)性和波動平穩(wěn)性，符合超長期預(yù)測模型的建立需求。

2.3.1 相對氣象產(chǎn)量影響因子權(quán)重的確定

為了消除歷年生產(chǎn)水平對氣象產(chǎn)量的影響，將其處理成相對氣象產(chǎn)量。從圖2可以看出，20世紀(jì)60至70年代，相對氣象產(chǎn)量波動非常大，80年代以后較為平穩(wěn)，尤其是2007—2012年，相對氣象產(chǎn)量變動基本都在±1%之內(nèi)，說明農(nóng)業(yè)生產(chǎn)對不利氣候條件的脆弱性在下降，這與農(nóng)業(yè)科技水平的提高和農(nóng)業(yè)生產(chǎn)投入的增加有關(guān)。農(nóng)業(yè)氣候資源是農(nóng)業(yè)生產(chǎn)的基本環(huán)境條件和物質(zhì)能源，在農(nóng)業(yè)生產(chǎn)中起著主導(dǎo)作用，對農(nóng)業(yè)產(chǎn)量的高低具有重要影響[10-11]。農(nóng)業(yè)氣候資源包含光、溫、水3要素，因此在尋找相對氣象產(chǎn)量的影響因子時，選取降水量、≥0 ℃活動積溫、日照時數(shù)3要素，為了體現(xiàn)變化程度，統(tǒng)一處理成距平百分率。相對氣象產(chǎn)量與降水量呈反相關(guān)（圖2），相關(guān)系數(shù)為-0.42，通過了α=0.01的顯著性檢驗，說明糧食作物生育期內(nèi)降水量在滿足其需求的基礎(chǔ)上如果增加，則會導(dǎo)致減產(chǎn)，反之亦然；相對氣象產(chǎn)量與日照時數(shù)呈現(xiàn)正相關(guān)，相關(guān)系數(shù)為0.36，也通過了0.01的顯著性檢驗，說明當(dāng)日照減少時，不利于糧食作物的光合作用，產(chǎn)量易降低，反之亦然；相對氣象產(chǎn)量與≥0 ℃活動積溫的相關(guān)性很弱，說明對于江蘇省，活動積溫滿足糧食作物的熱量需求，因此熱量資源不是影響水稻產(chǎn)量的主要因子。

相對氣象產(chǎn)量的影響因子為降水、日照時數(shù)、≥0 ℃活動積溫，將各項因子的相關(guān)系數(shù)絕對值之和作為分母，相關(guān)系數(shù)作為分子，可計算出各項因子的影響權(quán)重，分別為-0.446、0.383、0.171，表明降水對糧食作物的影響最大且呈負(fù)影響，其次是日照。

2.3.2 農(nóng)業(yè)氣候年景的劃分

參照世界氣象組織推薦的百分位數(shù)法確定農(nóng)業(yè)氣候年景的閾值[12]，將1961—2012年的相對氣象產(chǎn)量以百分位法計算20%、75%對應(yīng)的百分位數(shù)，分別為-2.098%、2.540%，以此作為臨界值劃分農(nóng)業(yè)氣候年景，即相對氣象產(chǎn)量低于-2.098%為歉年，高于2.540%為豐年，介于兩者之間為平年，1961—2012年的豐年、平年、歉年的數(shù)量分別為14、28、10年（表2）。典型豐歉年氣候條件平均狀況見表3，其中典型豐年是1966年、1973年、1978年，降水明顯偏少（距平百分率平均值約為-27.6%），日照時數(shù)明顯偏多（12.10%），對應(yīng)的相對氣象產(chǎn)量平均為5.8%；典型歉年是1963年、1991年、2003年，降水明顯偏多（25.9%），日照明顯偏少（-5.0%），對應(yīng)的相對氣象產(chǎn)量平均為-7.8%。

2.3.3 農(nóng)業(yè)氣候年景綜合指數(shù)的構(gòu)建及與相對氣象產(chǎn)量的相關(guān)性

在降水、日照時數(shù)、≥0 ℃活動積溫影響權(quán)重的基礎(chǔ)上，分別乘以各要素距平百分率，然后進(jìn)行相加，即為農(nóng)業(yè)氣候年景綜合指數(shù)。從構(gòu)建的綜合指數(shù)與相對氣象產(chǎn)量的時間序列來看，兩者的變化規(guī)律基本同步（圖3），1961—2012年兩者的相關(guān)系數(shù)為0.45，通過了0.001的顯著性檢驗。綜合指數(shù)與相對氣象產(chǎn)量的同正負(fù)率為67.3%，90%的歉年對應(yīng)負(fù)的綜合指數(shù)，平均值為-8.7；64%的豐年對應(yīng)正的綜合指數(shù)，平均值為9；平年對應(yīng)的綜合指數(shù)有正有負(fù)，主體變化范圍是介于豐年與歉年平均值之間，因此通過農(nóng)業(yè)氣候年景綜合指數(shù)預(yù)測農(nóng)業(yè)氣候年景是可行的。

2.4 基于海溫和環(huán)流特征量的農(nóng)業(yè)氣候年景綜合指數(shù)預(yù)測模型的建立

由于農(nóng)業(yè)氣候年景預(yù)測的時間尺度長達(dá)1個自然年度，因此預(yù)報因子需要具有相當(dāng)高的穩(wěn)定性和顯著性，太平洋海溫和大氣環(huán)流特征量符合這一要求，而且兩者對天氣過程的影響均具有滯后性[13-14]，滯后性的存在對長期預(yù)報的時效非常關(guān)鍵。海洋對農(nóng)作物產(chǎn)量的影響是通過對大氣運動的控制而影響受天氣條件支配的氣候產(chǎn)量，500 hPa大氣環(huán)流特征量是表征大氣經(jīng)向環(huán)流、緯向環(huán)流、副高等大形勢天氣過程的活動情況，大形勢的調(diào)整產(chǎn)生不同的天氣過程，從而對氣候產(chǎn)量產(chǎn)生影響。

基于海溫的建模思路：由于太平洋海溫是一個場，所以首先對海溫場進(jìn)行相關(guān)普查，為了預(yù)測模型的可靠性和準(zhǔn)確性，避免單相關(guān)的偶然性，對初步篩選出的因子，根據(jù)相關(guān)分析原理與空間拓?fù)浞治鲎鬟M(jìn)一步處理，然后再進(jìn)行最優(yōu)化處理與穩(wěn)定性和獨立性檢驗[15]，篩選出相關(guān)性最顯著的因子，最終建立農(nóng)業(yè)氣候年景綜合指數(shù)的預(yù)測模型。

2.5 預(yù)測模型的效果檢驗

為檢驗以上2種預(yù)測模型的擬合效果，將農(nóng)業(yè)氣候年景綜合指數(shù)的實際值和模擬值進(jìn)行比較，由圖4可見，無論是基于海溫的預(yù)測模型還是基于環(huán)流指數(shù)的預(yù)測模型，模擬值都非常接近實際值，復(fù)相關(guān)系數(shù)分別高達(dá)0.923、0.938，2種模型都通過了0.001的顯著性檢驗，F(xiàn)檢驗值分別為22.412、49.542，擬合效果好。

除了擬合檢驗外，還利用2013—2014年資料進(jìn)行試報檢驗，經(jīng)過與實際綜合指數(shù)對比，2013年海溫預(yù)測模型計算出的值與實際與實際更接近（表4），2014年則是環(huán)流預(yù)測模型的預(yù)測值更接近，不過預(yù)測出的年景基本為平年，與實際相符。在實際業(yè)務(wù)應(yīng)用中，可考慮將2種模型的預(yù)測結(jié)果進(jìn)行集合平均，并考慮預(yù)測年份的總體降水情況，與典型豐年和典型歉年的降水距平百分率進(jìn)行比較，最終確定預(yù)測年份的農(nóng)業(yè)氣候年景。

3 結(jié)論與討論

（1）農(nóng)業(yè)氣候年景受農(nóng)業(yè)氣候資源的綜合影響，其中降水的影響權(quán)重最大（占0.446）且為負(fù)影響，其次是日照（占0.383），為正影響，由于積溫均滿足作物的熱量需求，因此權(quán)重較?。ㄕ?.171）。江蘇省糧食典型豐年（歉年）對應(yīng)的氣象條件是降水明顯偏少（偏多）、日照時數(shù)明顯偏多（偏少）。

（2）基于降水、日照、積溫的影響權(quán)重，構(gòu)建農(nóng)業(yè)氣候年景綜合指數(shù)，該指數(shù)可對主要氣象因子的綜合影響進(jìn)行定量化，數(shù)值大小直接能反映綜合影響程度，數(shù)值的正負(fù)能直接反映氣候條件的總體影響是正影響還是負(fù)影響。將歷年綜合指數(shù)與相應(yīng)年景進(jìn)行統(tǒng)計分析，劃定豐、平、歉年所對應(yīng)的綜合指數(shù)范圍，該指數(shù)對農(nóng)業(yè)氣候年景具有較好的指示意義。

（3）海溫和大氣環(huán)流是長期天氣過程的重要影響因子，且兩者對天氣過程的影響均具有滯后性，根據(jù)長期天氣預(yù)報原理，以海溫和大氣環(huán)流特征量為預(yù)報因子，建立農(nóng)業(yè)氣候年景綜合指數(shù)的預(yù)測模型，經(jīng)歷史擬合和試報檢驗，預(yù)測效果理想，可投入業(yè)務(wù)應(yīng)用，提前1年預(yù)測綜合指數(shù)，從而確定農(nóng)業(yè)氣候年景。預(yù)測結(jié)果對政府決策部門科學(xué)制定宏觀調(diào)控政策、合理安排農(nóng)業(yè)生產(chǎn)布局具有重要意義。

雖然預(yù)測模型對農(nóng)業(yè)氣候年景綜合指數(shù)的預(yù)測準(zhǔn)確度很高，但是對于農(nóng)業(yè)氣候年景的預(yù)測仍存在不確定性，因為農(nóng)業(yè)氣候年景綜合指數(shù)與農(nóng)業(yè)氣候年景并不是完全一一對應(yīng)，誤差來源主要表現(xiàn)在2個方面：（1）不同作物在不同季節(jié)對不同農(nóng)業(yè)氣候資源的敏感性可能存在抵消作用，建立的綜合指數(shù)不能很好地體現(xiàn)農(nóng)業(yè)氣候條件對糧食產(chǎn)量的絕對影響力；（2）隨著農(nóng)業(yè)科技水平的提高和農(nóng)業(yè)生產(chǎn)投入的增加，農(nóng)業(yè)生產(chǎn)對不利氣候條件的脆弱性在下降，從2000年以來氣象產(chǎn)量波動明顯減小的特征可以體現(xiàn)，但缺乏不利氣候條件導(dǎo)致農(nóng)業(yè)生產(chǎn)投入增加的相關(guān)數(shù)據(jù)。在今后的研究中，可以考慮從農(nóng)業(yè)氣象災(zāi)害和農(nóng)業(yè)生產(chǎn)對不利氣候條件的脆弱性下降2個方面深入展開，從而進(jìn)一步提高農(nóng)業(yè)氣候年景預(yù)測的準(zhǔn)確率。

參考文獻(xiàn)：

[1]符 琳.東北三省農(nóng)業(yè)氣候年景評估研究[D]. 北京：中國氣象科學(xué)研究院，2011.

[2]汪 鐸，張 鐔.“環(huán)流-天氣氣候-農(nóng)業(yè)年景”系統(tǒng)模式探討[J]. 大氣科學(xué)，1989，13（2）：178-184.

[3]王建林，太華杰. 影響中國棉花產(chǎn)量豐歉的氣象指標(biāo)[J]. 應(yīng)用氣象學(xué)報，1995（增刊1）：96-101.

[4]王建林，太華杰. 棉花年景評價方法[J]. 氣象，1997，23（4）：24-27.

[5]孫家明，黃朝迎. 中國農(nóng)業(yè)氣候年景的評估及預(yù)測[J]. 應(yīng)用氣象學(xué)報，2005，16（增刊1）：111-115.

[6]李翠金，馬巧英. 長江中下游地區(qū)旱澇氣候年景和評定方法的研究[J]. 災(zāi)害學(xué)，1998，13（1）：72-77.

[7]石 磊，王 勝，盛紹學(xué). 近50年安徽省氣候年景評估方法[J]. 地理研究，2012，31（9）：1580-1588.

[8]韓 蓓. HP濾波法及其在地區(qū)潛在經(jīng)濟增長率測算中的應(yīng)用[J]. 經(jīng)濟師，2009（1）：28-29.

[9]高 蘋，張 佩，謝小萍，等. 基于海溫和環(huán)流特征量的江蘇省小麥適播期預(yù)測[J]. 氣象，2012，38（12）：1572-1578.

[10]楊曉光，劉志娟，陳 阜. 全球氣候變暖對中國種植制度可能影響Ⅰ.氣候變暖對中國種植制度北界和糧食產(chǎn)量的可能影響分析[J]. 中國農(nóng)業(yè)科學(xué)，2010，43（2）：329-336.

[11]李克南，楊曉光，劉志娟，等. 全球氣候變化對中國種植制度可能影響分析Ⅲ.中國北方地區(qū)氣候資源變化特征及其對種植制度界限的可能影響[J]. 中國農(nóng)業(yè)科學(xué)，2010，43（10）：2088-2097.

[12]翟盤茂，潘曉華. 中國北方近50年溫度和降水極端事件變化[J]. 地理學(xué)報，2003，58（9）：1-10.

[13]李麥村，陳烈庭，林學(xué)椿. 海溫異常影響長期天氣過程研究的進(jìn)展[J]. 大氣科學(xué)，1979，3（3）：247-255.

[14]汪 鐸，黃懿琉，張 鐔. 試用環(huán)流特征因子作豐歉年景預(yù)報[J]. 氣象，1982（4）：18-19.

[15]朱盛明，曲學(xué)實. 數(shù)值預(yù)報產(chǎn)品統(tǒng)計解釋技術(shù)的進(jìn)展[M]. 北京：氣象出版社，1988：112-116.