春玉米溫度適宜度動態(tài)空間化方法研究*

張 超，侯 瓊，郭瑞清

(內(nèi)蒙古生態(tài)與農(nóng)業(yè)氣象中心,呼和浩特 010051)

·技術(shù)方法·

春玉米溫度適宜度動態(tài)空間化方法研究*

張 超，侯 瓊※，郭瑞清

(內(nèi)蒙古生態(tài)與農(nóng)業(yè)氣象中心,呼和浩特 010051)

為了利用新數(shù)據(jù)、新方法提高溫度適宜度指標(biāo)在河套地區(qū)空間化精度，該研究利用區(qū)域站數(shù)據(jù)開展玉米溫度適宜度動態(tài)空間化方法研究。首先對區(qū)域站逐小時氣溫數(shù)據(jù)進(jìn)行質(zhì)量控制，計(jì)算日平均氣溫并采用全局多項(xiàng)式插值法進(jìn)行空間分布擬合；繪制河套地區(qū)玉米播種普期空間分布圖，根據(jù)播種后日尺度的溫度適宜度模型，利用GIS柵格計(jì)算功能獲得最適溫度、最高溫度、最低溫度等指標(biāo)的空間分布；建立空間分析計(jì)算流程，利用GIS條件函數(shù)構(gòu)造日尺度空間溫度適宜度分段函數(shù)，實(shí)現(xiàn)逐日溫度適宜度指標(biāo)的空間化計(jì)算；采用常規(guī)氣象站進(jìn)行誤差分析。結(jié)果表明：①日平均氣溫擬合結(jié)果與站點(diǎn)觀測值溫差0.69℃，平均相對誤差3.91%，區(qū)域站點(diǎn)密集，日平均氣溫的全局多項(xiàng)式插值效果較好；②溫度適宜度平均絕對誤差0.08，平均相對誤差0.41%；③利用Model Builder工具建立的播種后第i日溫度適宜度指標(biāo)自動處理流程，實(shí)現(xiàn)了復(fù)雜模型與數(shù)據(jù)的綜合快速應(yīng)用。綜上，區(qū)域站數(shù)據(jù)在實(shí)現(xiàn)玉米溫度適宜度動態(tài)空間化方面具有較高的業(yè)務(wù)應(yīng)用價值。

河套地區(qū) 溫度適宜度 區(qū)域站 條件函數(shù)

0 引言

溫度適宜度是表征溫度對作物生長的適宜程度的指標(biāo)[1-2]，通過建立描述作物發(fā)育對溫度反映的隸屬函數(shù)，對溫度要素的影響作用和滿足程度進(jìn)行評判，實(shí)現(xiàn)氣候資源對農(nóng)作物生長適宜性的定量化評價[3-5]。常用溫度適宜度指標(biāo)不符合作物發(fā)育對溫度的動態(tài)連續(xù)特征，存在生育階段間的跳躍性，全生育期指標(biāo)呈階梯狀[6-9]，河套地區(qū)的播種后日尺度溫度適宜度動態(tài)模型實(shí)現(xiàn)了“三基點(diǎn)”溫度動態(tài)指標(biāo)的逐日擬合[10]，更客觀地反映氣溫對玉米生長適宜性的連續(xù)性。

適宜度指標(biāo)空間化可以直觀客觀的體現(xiàn)適宜度空間分布特征，河套地區(qū)常規(guī)氣象站12個，站點(diǎn)少且分布零散，不利于開展適宜度指標(biāo)空間化的精細(xì)研究[11-12]。區(qū)域站觀測數(shù)據(jù)具有觀測要素多、時次多、站點(diǎn)分布密集等優(yōu)點(diǎn)，逐小時觀測數(shù)據(jù)對于小范圍的精細(xì)化區(qū)域化研究具有重要意義。

該研究應(yīng)用區(qū)域站逐小時氣溫觀測數(shù)據(jù)，利用GIS的空間分析和建模功能，構(gòu)造日尺度溫度適宜度分段函數(shù)的空間計(jì)算模型，對于適宜度問題從研究領(lǐng)域走向業(yè)務(wù)應(yīng)用具有重要意義，為適宜度產(chǎn)品業(yè)務(wù)化奠定基礎(chǔ)。

1 研究區(qū)域及數(shù)據(jù)

內(nèi)蒙古河套地區(qū)位于陰山以南的黃河沖積平原，海拔在1 000m左右，地勢平坦，土壤肥沃，光熱資源豐富，灌溉條件優(yōu)越，是內(nèi)蒙古重要農(nóng)業(yè)區(qū)和商品糧基地，而且在區(qū)域乃至國家的農(nóng)業(yè)生產(chǎn)中占有舉足輕重的地位[13-14]。 內(nèi)蒙古河套灌區(qū)春玉米以中熟、晚熟品種為主。

圖1 內(nèi)蒙古河套地區(qū)高程圖及氣象站分布

內(nèi)蒙古中西部平均海拔1 000m左右，以高原地貌為主體，包含內(nèi)蒙古北部高原、陰山山地、河套平原、鄂爾多斯高原、阿拉善高原等地貌形態(tài)單元，該研究選用河套地區(qū)及周邊212個區(qū)域站建立空間分布計(jì)算模型，站點(diǎn)數(shù)增多且各類地貌單元代表站點(diǎn)數(shù)據(jù)更為豐富。研究區(qū)域海拔分布及站點(diǎn)分布如圖1所示，包括了河套地區(qū)周邊的烏蘭察布、呼和浩特、包頭、巴彥淖爾、鄂爾多斯及阿拉善盟東部的被考核的2要素以上區(qū)域氣象站點(diǎn)數(shù)據(jù)。

2 研究方法

2.1 區(qū)域站數(shù)據(jù)處理與檢驗(yàn)

采用2015年5月中下旬逐小時氣溫觀測數(shù)據(jù)開展研究。由于區(qū)域站數(shù)據(jù)存在缺測值，首先進(jìn)行區(qū)域站數(shù)據(jù)的填補(bǔ)剔除。對于單時次數(shù)據(jù)缺測，采用上下2個時次平均氣溫代替，對于連續(xù)2個時次數(shù)據(jù)缺測，采用上下4個時次平均氣溫代替，對于連續(xù)3個時次數(shù)據(jù)缺測，采用上下6個時次平均氣溫代替，以此類推。連續(xù)8小時出現(xiàn)數(shù)據(jù)缺測，則剔除該站點(diǎn)日值。

以區(qū)域站每日0～23h逐小時氣溫的平均值作為日平均氣溫。根據(jù)全局多項(xiàng)式插值法進(jìn)行區(qū)域站日平均氣溫空間擬合計(jì)算，即用一個平面或曲面進(jìn)行全區(qū)特征擬合，不僅能夠捕捉數(shù)據(jù)中的粗尺度模式，而且能夠體現(xiàn)區(qū)域位置特征并反映地形變化，適用于地形起伏的小區(qū)域研究。

圖2 日尺度的溫度適宜度分段函數(shù)構(gòu)建流程

該研究以站點(diǎn)的經(jīng)度、緯度、海拔高度及其相應(yīng)的自然對數(shù)為自變量建立逐步回歸模型。按偏相關(guān)系數(shù)的大小次序?qū)⒆宰兞恐饌€引入方程，當(dāng)先引入的自變量由于后引入自變量而變得不再顯著時，則將先引入自變量刪除，直至不再引入和剔除自變量為止，從而得到最優(yōu)的溫度擬合回歸方程。

2.2 溫度適宜度模型構(gòu)建流程

利用Model Builder工具建立自動地理處理流程[15]，實(shí)現(xiàn)溫度適宜度指標(biāo)空間化計(jì)算，具體流程如圖2所示。首先，結(jié)合河套地區(qū)玉米播種普期空間分布，根據(jù)溫度適宜度動態(tài)模型，計(jì)算第i天最適溫度(To)、最高溫度(Tm)、最低溫度(Tb)指標(biāo)； 以日尺度空間溫度適宜度分段函數(shù)為基礎(chǔ)，結(jié)合區(qū)域站日平均氣溫全局多項(xiàng)式插值結(jié)果，應(yīng)用條件函數(shù)方法，計(jì)算獲得播種后第i日溫度適宜度指標(biāo)。

2.3 溫度指標(biāo)動態(tài)變化模型

將作物不同發(fā)育階段的溫度指標(biāo)應(yīng)用多項(xiàng)式擬合技術(shù)插值到作物生長過程中的每一天，建立作物生長氣象指標(biāo)連續(xù)動態(tài)變化曲線，更客觀地反映作物生長氣象條件的適宜程度。

表1 河套灌區(qū)春玉米溫度指標(biāo)動態(tài)變化模型

指 標(biāo)擬合方程決定系數(shù)(R2)P值最適溫度y=1.6447E-7x4-4.6216E-5x3+0.0028x2+0.0914x+16.22750.78140最低溫度y=1.9759E-7x4-5.8560E-5x3+0.0045x2+0.0304x+6.92210.86130最高溫度y=2.5812E-7x4-7.3560E-5x3+0.0053x2+0.0331x+24.59010.77270

其中，x為播種后日數(shù)。本研究根據(jù)玉米實(shí)際播種日期，計(jì)算播種后日數(shù)x。對河套灌區(qū)各代表站點(diǎn)2000年以來玉米播種普期進(jìn)行統(tǒng)計(jì)分析，繪制河套地區(qū)播種普期分區(qū)圖。

2.4 溫度適宜度隸屬函數(shù)

利用春玉米“三基點(diǎn)”溫度動態(tài)指標(biāo)，采用兩段線性函數(shù)，播種后日尺度的溫度適宜度模型已經(jīng)在河套地區(qū)初步應(yīng)用。溫度對玉米生長發(fā)育影響的計(jì)算方法如下：

式中，F(xiàn)(T)i為玉米播種后第i日的溫度適宜度，To，Tb和Tm為春玉米發(fā)育的最適、最低和最高溫度指標(biāo)，隨播種后日數(shù)而變化。

2.5 空間化精度驗(yàn)證

利用研究區(qū)域內(nèi)12個常規(guī)氣象站數(shù)據(jù)，采用絕對誤差與相對誤差2個指標(biāo)對站點(diǎn)統(tǒng)計(jì)數(shù)據(jù)(真值)與插值擬合數(shù)據(jù)進(jìn)行誤差分析。使用ExtractValuetoPoints功能提取研究區(qū)域內(nèi)12個常規(guī)氣象站對應(yīng)柵格數(shù)據(jù)值。

3 結(jié)果分析

3.1 播種普期分區(qū)

河套地區(qū)農(nóng)氣觀測站點(diǎn)有5個，套區(qū)西部(臨河)率先于4月26日(日序115)播種，套區(qū)東部(準(zhǔn)格爾、土默特左旗、達(dá)拉特旗)于4月28日至5月2日(日序117～121)陸續(xù)進(jìn)入播種普期，套區(qū)中部(烏拉特前旗)于5月11日(日序130)進(jìn)入播種普期。由于站點(diǎn)稀少，采用IDW插值法進(jìn)行播種普期日序的空間分布計(jì)算，圖3所示，能夠反映出河套地區(qū)播種普期分布特點(diǎn)。

圖3 河套地區(qū)玉米播種普期日序空間分布

3.2 日平均氣溫擬合

以5月14日及23日平均氣溫，建立當(dāng)日平均氣溫計(jì)算模型并繪制逐日空間分布圖。如圖4所示，氣溫分布不僅能反映地形差異影響，還能反映出23日較14日的大幅度升溫過程的強(qiáng)度與范圍。

表2 2015年5月14日、23日平均氣溫計(jì)算模型

日期平均氣溫計(jì)算模型5月14日T=-2449.173-27.797*WD-11.128*Ln(H)-0.628*JD+1009.747*Ln(WD)5月23日T=1871.566-493.568*Ln(JD)-0.006*H+4.32*JD

3.3 溫度適宜度空間分布結(jié)果

根據(jù)溫度指標(biāo)動態(tài)變化模型，分別計(jì)算5月14日、23日的日最適溫度指標(biāo)、日最低溫度指標(biāo)、日最高溫度指標(biāo)圖層。隨著日平均氣溫的上升，各項(xiàng)適宜度溫度指標(biāo)也明顯上升，溫度指標(biāo)空間按分布特征呈現(xiàn)西部、東北部熱量條件較高的特點(diǎn)。

根據(jù)溫度適宜度分段函數(shù)，分別計(jì)算5月14日、23日逐日溫度適宜度空間分布圖層。圖5可以看出，溫度適宜度指標(biāo)空間分布能體現(xiàn)出地形分布、播種期、日平均氣溫的影響。2015年5月中旬，河套地區(qū)春玉米已播種完畢，大部地區(qū)處于出苗到幼苗生長階段， 5月14日受弱冷空氣影響氣溫下降4～6℃，套區(qū)東部地區(qū)適宜度指標(biāo)偏低； 5月下旬，河套西部地區(qū)春玉米已進(jìn)入七葉期，中東部處于三葉期， 5月23日套區(qū)大部天氣晴好，熱量充足，隨著氣溫上升，溫度適宜度指標(biāo)較14日溫度適宜度普遍提高，圖5充分反映了河套地區(qū)溫度起伏情況對溫度適宜度的影響。

圖4 2015年5月14日、23日平均氣溫空間分布

圖5 2015年5月14日、23日溫度適宜度指標(biāo)空間分布

3.4 常規(guī)站驗(yàn)證

12個常規(guī)氣象觀測站日平均氣溫精度檢驗(yàn)及溫度適宜度誤差分析結(jié)果如表3所示。日平均氣溫絕對誤差0.01～1.84℃之間，平均溫差0.69℃，相對誤差0.03%～9.58%之間，平均相對誤差3.91%，區(qū)域站點(diǎn)密集，日平均氣溫的全局多項(xiàng)式插值效果較好。溫度適宜度絕對誤差0.01～0.23之間，平均絕對誤差0.08，相對誤差0.03%～1.25%之間，平均相對誤差0.41%，利用區(qū)域站數(shù)據(jù)建立的溫度適宜度指標(biāo)結(jié)果與常規(guī)站計(jì)算結(jié)果誤差較小，具有較高的科研業(yè)務(wù)利用價值。

表3 日平均氣溫、溫度適宜度誤差分析

要素站名5月14日5月23日擬合結(jié)果站點(diǎn)值絕對誤差相對誤差擬合結(jié)果站點(diǎn)值絕對誤差相對誤差日平均溫度包頭15.4316.130.700.0420.4319.121.310.07達(dá)拉特16.6717.050.380.0220.7220.390.330.02磴口18.7118.100.620.0321.3722.391.020.05杭后旗17.0415.751.290.0821.3120.800.510.02杭錦旗15.8315.680.150.0119.0318.440.590.03臨河16.9515.881.060.0721.0721.520.450.02土右旗15.9717.111.140.0720.6621.160.490.02土左旗14.7415.400.660.0420.3920.710.320.02托縣16.0916.640.550.0320.4320.330.100.00烏前旗16.4816.710.240.0120.9322.041.110.05五原15.6614.401.250.0921.0819.241.840.10準(zhǔn)格爾15.3715.370.010.0019.3919.320.060.00適宜度包頭0.750.820.070.000.860.990.130.01達(dá)拉特0.890.910.030.000.820.860.040.00磴口0.960.960.010.000.820.690.130.01杭后旗0.850.700.150.010.850.910.070.00杭錦旗0.840.810.030.000.980.960.010.00臨河0.830.710.120.010.900.840.060.00土右旗0.800.910.110.010.850.780.070.00土左旗0.660.710.050.000.900.860.040.00托縣0.810.850.030.000.880.900.020.00烏前旗0.991.000.010.000.620.480.140.01五原0.850.710.140.010.680.910.230.01準(zhǔn)格爾0.730.710.020.000.980.970.010.00

4 結(jié)論與討論

該文實(shí)現(xiàn)春玉米溫度適宜度的動態(tài)空間化有3個關(guān)鍵問題。

(1)利用日尺度的溫度指標(biāo)動態(tài)變化模型，避免玉米全生育期三基點(diǎn)指標(biāo)呈階梯狀問題。

(2)合理推算日平均氣溫空間分布。該文利用區(qū)域氣象站逐小時資料，采用24時次平均的日均溫計(jì)算結(jié)果比常規(guī)的4時次日均溫結(jié)果更為真實(shí)，再建立與基礎(chǔ)地理信息相關(guān)的氣溫推算模型，站點(diǎn)分布密集，可以體現(xiàn)地形地貌差異對氣溫的影響，這是提高適宜度空間化水平的關(guān)鍵。2016年內(nèi)蒙古區(qū)域自動站計(jì)劃新建1300余個，分布更加密集的站點(diǎn)觀測數(shù)據(jù)將在適宜度區(qū)域化研究中起到越來越不可替代的作用，因此，提高區(qū)域站逐小時觀測數(shù)據(jù)利用率將是提高內(nèi)蒙古為農(nóng)服務(wù)水平提高的重要支撐。

(3)利用ModelBuilder工具建立自動地理處理流程，實(shí)現(xiàn)溫度適宜度指標(biāo)空間化計(jì)算，實(shí)現(xiàn)了復(fù)雜模型與數(shù)據(jù)的綜合快速應(yīng)用，實(shí)現(xiàn)了玉米溫度適宜度的動態(tài)空間化，具有較高的科研、業(yè)務(wù)應(yīng)用價值。溫度適宜度空間分布對溫度起伏反應(yīng)明顯，與實(shí)地種植情況相符，滿足業(yè)務(wù)應(yīng)用需要，對指導(dǎo)春播生產(chǎn)具有重要意義。

但仍可看出受播種普期觀測數(shù)據(jù)點(diǎn)較少的影響，播種普期分區(qū)結(jié)果、氣溫空間分布計(jì)算精度有待繼續(xù)提高，可通過或聯(lián)合常規(guī)站數(shù)據(jù)共同建立模型或者引入遙感監(jiān)測數(shù)據(jù)、同化數(shù)據(jù)等進(jìn)一步提高要素擬合水平，實(shí)現(xiàn)更準(zhǔn)確更高效的氣象為農(nóng)服務(wù)。

[1] 顧恒岳, 艾南山.農(nóng)業(yè)氣候系統(tǒng)及其動態(tài)模型. 大自然探索, 1984, 3( 1)，43～56

[2] 龔紹先.糧食作物與氣象.北京：北京農(nóng)業(yè)大學(xué)出版社，1988

[3] 趙峰，千懷遂，焦士興. 農(nóng)作物氣候適宜度模型研究，資源科學(xué)，2003，25(6)：77～82

[4] 牛文元. 農(nóng)業(yè)自然條件分析. 北京: 農(nóng)業(yè)出版社, 1981:114～115

[5] 鄧善來, 吳金衍. 農(nóng)業(yè)氣象知識. 北京: 科學(xué)出版社, 1980:19～20

[6] 鐘新科，劉洛，宋春橋. 基于氣候適宜度評價的湖南春玉米優(yōu)播期分析，中國農(nóng)業(yè)氣象，2012，33(1)：78～85

[7] 姚小英，蒲金涌，姚茹莘，等. 氣候暖干化背景下甘肅旱作區(qū)玉米氣候適宜性變化

[8] 魏瑞江，宋迎波，王鑫. 基于氣候適宜度的玉米產(chǎn)量動態(tài)預(yù)報方法，應(yīng)用氣象學(xué)報，2009，20(5)：622～627

[9] 侯英雨，張艷紅，王良宇. 東北地區(qū)春玉米氣候適宜度模型，應(yīng)用生態(tài)學(xué)報，2013，24(11)：3207～3212

[10]武榮盛，吳瑞芬，侯瓊，等. 內(nèi)蒙古河套灌區(qū)春玉米苗期光溫指標(biāo)，應(yīng)用生態(tài)學(xué)報，2015，26(1)：241～248

[11]侯英雨，王良宇，毛留喜，等 . 基于氣候適宜度的東北地區(qū)春玉米發(fā)育期模擬模型，生態(tài)學(xué)雜志，2012，31(9)：2431～2436

[12]冶明珠，郭建平，袁彬，等.氣候變化背景下東北地區(qū)熱量資源及玉米溫度適宜度.應(yīng)用生態(tài)學(xué)報,2012,23(10):2787～2794

[13]孫華,何茂萍,胡明成.全球變化背景下氣候變暖對中國農(nóng)業(yè)生產(chǎn)的影響，中國農(nóng)業(yè)資源與區(qū)劃,2015,36(7):51～57

[14]張超，吳瑞芬，內(nèi)蒙古玉米干旱風(fēng)險區(qū)劃方法研究，中國農(nóng)業(yè)資源與區(qū)劃，2015，36(7):134～141

[15]丁華祥，唐力明，空間處理建模技術(shù)的概念和應(yīng)用——利用ArcGISModelBuilder工具實(shí)現(xiàn)空間數(shù)據(jù)的轉(zhuǎn)換，測繪通報，2009，382(1)：64～67

[16]張立禎，曹衛(wèi)星，張思平，等. 基于生理發(fā)育時間的棉花生育期模擬模型，棉花學(xué)報，2003，15(2)：97～103

THE METHOD OF TEMPERATURE SUITABILITY INDEX DYNAMIC SPATIALIZATION OF SPRING CORN*

Zhang Chao，Hou Qiong※，Guo Ruiqing

(Inner Mongolia ecological and agricultural meteorological center, Hohhot 010051, China)

In order to improve the spatial accuracy of the temperature suitability index in Hetao area, which is used to characterize the suitability of temperature on crop growth indicators, new data and new methods were used to study the temperature suitability of corn space method in this study. Under the quality control of the regional station hourly temperature, the average daily temperature was calculated using global fitting polynomial interpolation method. The distribution of corn sowing period was drawn using IDW interpolation method. Optimum temperature, maximum temperature and minimum temperature indicators were used to obtain the spatial distribution according to the daily temperature suitability model after sowing. Condition function in ArcGIS software was used to construct the spatial distribution of the daily temperature suitability section function and conventional data of weather station was used for error analysis. The results showed that: the temperature difference between the fitting result of the average daily temperature and the site measurements was 0.69 ℃, with the average relative error 3.91%. The average daily temperature fitting effect was satisfactory by using the dense area station data and global polynomial interpolation method. The mean absolute error of the temperature suitability was 0.08 with the average relative error of 0.41%. The automatic process of suitable temperature index which was established by the model builder tools achieved the rapid application of complex models and data. In summary, the regional station data had a high value in the application of dynamic spatialization of maize temperature suitability.

Hetao area; the temperature suitability; regional station; conditional function

10.7621/cjarrp.1005-9121.20170108

2016-09-19 作者簡介：張超(1984—)，女，內(nèi)蒙古呼和浩特人，碩士、工程師。研究方向：農(nóng)業(yè)氣象?！ㄓ嵶髡撸汉瞽?1960—)，女，內(nèi)蒙古呼和浩特人，正研級高工。研究方向：農(nóng)業(yè)氣象。Email：nmg-hq@qq.com *資助項(xiàng)目：國家公益性行業(yè)(氣象)科研專項(xiàng)“河套灌區(qū)主要農(nóng)作物農(nóng)業(yè)氣象預(yù)評估技術(shù)研究”(GYHY201206021)； 國家公益性行業(yè)(氣象)科研專項(xiàng)“氣候變化背景下北方主要旱地作物脆弱性及其評價技術(shù)”(GYHY201506016)

S513; S161.2

A

1005-9121[2017]01045-06