基于關(guān)鍵氣象因子的遼寧省水稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)

李琳琳，王 婷，李雨鴻，劉 青，宋曉巍，趙振宇

（1.遼寧省氣象科學(xué)研究所，遼寧沈陽(yáng)110161；2.沈陽(yáng)市氣象局，遼寧沈陽(yáng)110168；3.阜新市氣象局，遼寧阜新123000）

現(xiàn)代大農(nóng)業(yè)

基于關(guān)鍵氣象因子的遼寧省水稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)

李琳琳1，王 婷1，李雨鴻1，劉 青2，宋曉巍2，趙振宇3

（1.遼寧省氣象科學(xué)研究所，遼寧沈陽(yáng)110161；2.沈陽(yáng)市氣象局，遼寧沈陽(yáng)110168；3.阜新市氣象局，遼寧阜新123000）

利用遼寧省33個(gè)氣象站點(diǎn)1993—2012年水稻產(chǎn)量、生育期內(nèi)的旬平均氣溫、旬降水量及旬日照時(shí)數(shù)等資料，應(yīng)用統(tǒng)計(jì)分析方法建立水稻的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型。使用5年滑動(dòng)平均法分離水稻趨勢(shì)產(chǎn)量，分析氣象產(chǎn)量與水稻生育期內(nèi)逐旬氣象要素的相關(guān)性，確定5月上旬平均氣溫、5月下旬平均氣溫、6月下旬降水量、7月下旬降水量、8月上旬日照時(shí)數(shù)、9月中旬平均氣溫和9月下旬日照時(shí)數(shù)為關(guān)鍵氣象因子，建立水稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型，并對(duì)預(yù)報(bào)結(jié)果進(jìn)行驗(yàn)證。結(jié)果表明：對(duì)1993—2012年進(jìn)行模擬預(yù)報(bào)及回代檢驗(yàn)，平均準(zhǔn)確率在93%以上；對(duì)2013年的產(chǎn)量進(jìn)行預(yù)報(bào)，準(zhǔn)確率為93.97%～99.67%，預(yù)報(bào)準(zhǔn)確率較高。預(yù)測(cè)結(jié)果基本可以反映水稻產(chǎn)量的變化情況，能夠滿(mǎn)足業(yè)務(wù)服務(wù)的需要。

水稻；關(guān)鍵氣象因子；氣象產(chǎn)量；動(dòng)態(tài)預(yù)報(bào)

李琳琳,王婷,李雨鴻,劉青,宋曉巍,趙振宇.基于關(guān)鍵氣象因子的遼寧省水稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)[J/OL].大麥與谷類(lèi)科學(xué),2017,34(4): 50-54[2017-08-15].http://kns.cnki.net/kcms/detail/32.1769.S.20170815.1133.003.html.

水稻在遼寧糧食生產(chǎn)中占有很重要的地位，主要?dú)w功于當(dāng)?shù)剡m宜的氣候條件。經(jīng)過(guò)多年的實(shí)踐和發(fā)展，水稻種植技術(shù)和品種不斷完善，其品質(zhì)亦有很大的改觀(guān)。截止2015年，遼寧省種植水稻面積約54.49萬(wàn)hm2。在水稻種植面積不變的基礎(chǔ)上，產(chǎn)量有逐年增長(zhǎng)的趨勢(shì)，但由于受氣候條件的影響，產(chǎn)量也有小幅波動(dòng)。關(guān)鍵氣象因子就是在水稻的某個(gè)發(fā)育期內(nèi)，對(duì)產(chǎn)量起到關(guān)鍵作用的氣象要素。動(dòng)態(tài)地預(yù)報(bào)水稻產(chǎn)量的變化情況，對(duì)糧食生產(chǎn)安全有著重要的意義。

國(guó)內(nèi)學(xué)者對(duì)水稻產(chǎn)量預(yù)報(bào)方面做了大量的研究。吳鐘鈴等對(duì)農(nóng)業(yè)氣象產(chǎn)量預(yù)報(bào)方法進(jìn)行了研究與探討，并對(duì)長(zhǎng)春水稻、玉米作物進(jìn)行了參量試報(bào)[1]；王家先等研究水稻秧齡和播種期對(duì)產(chǎn)量的影響，得出一般情況下，氣溫偏高導(dǎo)致播種日期提前，播種期的變化對(duì)產(chǎn)量有著明顯的影響，適時(shí)提早播種有利于水稻產(chǎn)量提高，推遲播種日期導(dǎo)致水稻產(chǎn)量下降[2]；袁立新等利用SPSS統(tǒng)計(jì)軟件，建立了基于BP神經(jīng)網(wǎng)絡(luò)的水稻產(chǎn)量預(yù)報(bào)預(yù)測(cè)模型[3]；韓永翔等對(duì)作物產(chǎn)量進(jìn)行了預(yù)報(bào)新方法的研究探索[4]。本文通過(guò)對(duì)水稻生長(zhǎng)發(fā)育過(guò)程中的氣象要素與產(chǎn)量進(jìn)行相關(guān)性分析，確定影響水稻產(chǎn)量的關(guān)鍵氣象因子，并將關(guān)鍵氣象因子所在時(shí)間段的下一旬的第1天作為預(yù)報(bào)時(shí)間，建立水稻氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型，為本省水稻產(chǎn)量的動(dòng)態(tài)預(yù)報(bào)提供幫助。

1 資料與方法

1.1 資料來(lái)源

根據(jù)遼寧省統(tǒng)計(jì)的水稻種植分布和生長(zhǎng)特點(diǎn)，選取康平、新民、法庫(kù)、遼中、普蘭店、臺(tái)安、大洼等33個(gè)水稻主產(chǎn)縣（市）為水稻的研究區(qū)域，這33個(gè)縣（市）水稻播種面積占全省的96%以上，可以代表全省水稻生產(chǎn)情況。文中所用的水稻產(chǎn)量資料來(lái)自遼寧省統(tǒng)計(jì)年鑒；水稻生育期資料來(lái)自農(nóng)業(yè)氣象觀(guān)測(cè)報(bào)表；氣象資料來(lái)自于遼寧省氣象局，主要包括降水量、平均氣溫和日照時(shí)數(shù)等；資料選取年份為1993—2013年。

1.2 研究方法

1.2.1 產(chǎn)量資料處理。糧食作物產(chǎn)量一般可以分解為趨勢(shì)產(chǎn)量、氣象產(chǎn)量和隨機(jī)產(chǎn)量[5]。即

式中，у表示為實(shí)際產(chǎn)量，ya表示趨勢(shì)產(chǎn)量，yb表示氣象產(chǎn)量，σ表示為隨機(jī)產(chǎn)量，其中隨機(jī)產(chǎn)量一般可以忽略不計(jì)。

本研究采用的是5年滑動(dòng)平均法，將1993—2012年的水稻產(chǎn)量資料以年份排序，選取1～5年的數(shù)據(jù)為第1個(gè)產(chǎn)量序列，以產(chǎn)量資料為因變量、以時(shí)間為自變量建立線(xiàn)性回歸方程，計(jì)算回歸方程在1～5年中每年的擬合值，最后對(duì)每年得到的擬合值求平均，該值即為該年的趨勢(shì)產(chǎn)量[6]。依照上述方法，求得水稻趨勢(shì)產(chǎn)量，用實(shí)際產(chǎn)量減去趨勢(shì)產(chǎn)量即為氣象產(chǎn)量。本文使用1993—2012年實(shí)際產(chǎn)量分離出了趨勢(shì)產(chǎn)量及氣象產(chǎn)量，圖1表明趨勢(shì)產(chǎn)量與實(shí)際產(chǎn)量的變化趨勢(shì)基本一致。

水稻產(chǎn)量在1995年和2012年有下降趨勢(shì)，表示其年份農(nóng)業(yè)氣象條件較差，對(duì)應(yīng)的氣象產(chǎn)量在1995年表現(xiàn)出較大的負(fù)值。1996—2005年產(chǎn)量較為平穩(wěn)，2005年以后氣象產(chǎn)量隨著時(shí)間變化上下波動(dòng)，但波動(dòng)幅度不大，對(duì)應(yīng)的實(shí)際產(chǎn)量也表現(xiàn)出小幅波動(dòng)。

圖1 遼寧省1993—2012年水稻產(chǎn)量及氣象產(chǎn)量年變化趨勢(shì)

1.2.2 發(fā)育期氣象資料處理。本文采用1993—2013年遼寧省33個(gè)氣象觀(guān)測(cè)站水稻生育期內(nèi)的平均氣溫、降水量及日照時(shí)數(shù)，其中，2013年數(shù)據(jù)作為預(yù)報(bào)檢驗(yàn)?zāi)攴?。?yīng)用Excel 2007、SPSS 13.0等軟件進(jìn)行數(shù)據(jù)處理和分析。

1.3 水稻動(dòng)態(tài)預(yù)報(bào)技術(shù)方法

首先對(duì)水稻生長(zhǎng)發(fā)育過(guò)程中的多種氣象要素與產(chǎn)量進(jìn)行相關(guān)性分析，確定影響水稻的關(guān)鍵氣象因子，將關(guān)鍵氣象因子所在時(shí)間段的下一旬的第1天作為預(yù)報(bào)時(shí)間，建立水稻氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型，最終得到水稻產(chǎn)量的動(dòng)態(tài)預(yù)報(bào)。

1.4 數(shù)據(jù)計(jì)算與處理方法

1.4.1 水稻氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型計(jì)算公式。通過(guò)氣象產(chǎn)量與關(guān)鍵氣象因子的相關(guān)性分析，將氣象產(chǎn)量作為因變量，預(yù)報(bào)時(shí)間之前的所有氣象因子作為自變量，應(yīng)用多元線(xiàn)性回歸方法建立氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型[7]：

式中，у為氣象產(chǎn)量，a0為常數(shù)，bi為系數(shù)，xi為第i個(gè)關(guān)鍵氣象因子。

1.4.2 水稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)檢驗(yàn)公式。通過(guò)公式（2）對(duì)水稻進(jìn)行氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)，對(duì)其動(dòng)態(tài)預(yù)報(bào)結(jié)果進(jìn)行檢驗(yàn)，檢驗(yàn)準(zhǔn)確率的公式如下：

2 結(jié)果與分析

2.1 水稻生長(zhǎng)發(fā)育期

對(duì)遼寧省水稻進(jìn)行多年的統(tǒng)計(jì)分析，結(jié)果表明，一般播種時(shí)間為4月中旬陸續(xù)開(kāi)展，10月上旬成熟（表1）。

表1 水稻主要生育期及出現(xiàn)時(shí)間

2.2 影響產(chǎn)量的關(guān)鍵氣象因子分析

由于遼寧省大部地區(qū)都是采用溫室大棚一體化育苗，本文關(guān)鍵氣象因子的選取從5月開(kāi)始。對(duì)水稻生長(zhǎng)發(fā)育期進(jìn)行分析，以旬為單位分為16旬，每旬逐一計(jì)算平均氣溫、降水量及日照時(shí)數(shù)。分析氣象產(chǎn)量與每旬的氣象因素的相關(guān)性，并將通過(guò)顯著性檢驗(yàn)的因子作為影響產(chǎn)量的關(guān)鍵氣象因子。結(jié)果顯示，5月上旬平均氣溫、5月下旬平均氣溫、6月下旬降水量、7月下旬降水量、8月上旬日照時(shí)數(shù)、9月中旬平均氣溫和9月下旬日照時(shí)數(shù)7個(gè)因子與氣象產(chǎn)量顯著相關(guān)（表2）。

表2 水稻氣象產(chǎn)量與關(guān)鍵氣象因子的相關(guān)性

對(duì)遼寧省水稻而言，以上各關(guān)鍵氣象因子反映了水稻的關(guān)鍵生長(zhǎng)發(fā)育階段對(duì)光、溫、水的需求。5月為水稻移栽的主要時(shí)期，溫度偏高會(huì)促進(jìn)水稻的生長(zhǎng)，發(fā)生低溫冷害的幾率較小，對(duì)水稻的生長(zhǎng)發(fā)育有利，因此水稻生長(zhǎng)與氣溫呈現(xiàn)正效應(yīng)。6月下旬—7月下旬是水稻的分蘗和拔節(jié)孕穗前期，水稻拔節(jié)孕穗期對(duì)水分的需求最為敏感，干旱會(huì)造成穗粒數(shù)和結(jié)實(shí)率下降，恢復(fù)灌溉后，水稻能夠很快恢復(fù)生長(zhǎng)，降水過(guò)多導(dǎo)致水稻光照不足，影響作物生長(zhǎng)發(fā)育，因此降水量為負(fù)效應(yīng)。水稻拔節(jié)期日照充足會(huì)促進(jìn)水稻生長(zhǎng)發(fā)育，利于高產(chǎn)，因此日照時(shí)數(shù)為正效應(yīng)。9月中下旬為水稻灌漿-成熟期，是水稻產(chǎn)量形成最重要的時(shí)期，該時(shí)期對(duì)日照、溫度尤為敏感。溫度偏高，日照充足，花粉活力上升，授粉率、結(jié)實(shí)率較高，利于水稻高產(chǎn)，因此氣溫與日照時(shí)數(shù)為正效應(yīng)。

2.3 建立水稻氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型

通過(guò)氣象產(chǎn)量與關(guān)鍵氣象因子的相關(guān)性分析，確定預(yù)報(bào)時(shí)間，分別為5月11日、6月1日、7月1日、8月1日、8月11日、9月21日和10月1日。根據(jù)公式（2）應(yīng)用多元線(xiàn)性回歸方法建立氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型（表3）。

表3 水稻氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型參數(shù)

2.4 水稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào)檢驗(yàn)

本文分別在5月11日、6月1日、7月1日、8月 1日、8月 11日、9月 21日和 10月 1日對(duì)1993—2012年水稻氣象產(chǎn)量進(jìn)行模擬預(yù)報(bào)。根據(jù)公式(3)準(zhǔn)確率計(jì)算，氣象產(chǎn)量預(yù)報(bào)檢驗(yàn)結(jié)果見(jiàn)表4。

表4 遼寧省1993—2012年水稻模擬產(chǎn)量動(dòng)態(tài)預(yù)報(bào)回代檢驗(yàn)

結(jié)果表明，平均預(yù)報(bào)準(zhǔn)確率在93%以上，預(yù)測(cè)結(jié)果比較可信。其中，準(zhǔn)確率最小值為70.87%～92.20%，出現(xiàn)在1995年。對(duì)于使用統(tǒng)計(jì)方法的氣象產(chǎn)量預(yù)報(bào)模型來(lái)說(shuō)，其因子處于異常狀態(tài)時(shí)預(yù)報(bào)的結(jié)果很差。另外，在各預(yù)報(bào)時(shí)間對(duì)2013年的水稻產(chǎn)量進(jìn)行動(dòng)態(tài)預(yù)報(bào)，預(yù)報(bào)準(zhǔn)確率為93.97%～99.67%（表5）。

表5 對(duì)遼寧省2013年水稻產(chǎn)量的預(yù)報(bào)

3 結(jié)論與討論

本文通過(guò)對(duì)水稻氣象產(chǎn)量與生育期氣象要素進(jìn)行相關(guān)分析，篩選確定5月上旬平均氣溫、5月下旬平均氣溫、6月下旬降水量、7月下旬降水量、8月上旬日照時(shí)數(shù)、9月中旬平均氣溫和9月下旬日照時(shí)數(shù)共7個(gè)氣象要素作為影響水稻氣象產(chǎn)量的關(guān)鍵氣象因子，并以此為依據(jù)建立了水稻氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型。

對(duì)遼寧省所種水稻而言，以上各關(guān)鍵氣象因子反映了水稻在生長(zhǎng)發(fā)育階段對(duì)光、溫、水的需求。5月為移栽的主要時(shí)期，溫度偏高會(huì)促進(jìn)水稻的生長(zhǎng)，發(fā)生低溫冷害的幾率較小，對(duì)水稻的生長(zhǎng)發(fā)育有利，因此氣溫為正效應(yīng)。6月下旬—7月下旬是水稻的分蘗和拔節(jié)孕穗前期，干旱會(huì)造成穗粒數(shù)和結(jié)實(shí)率下降，恢復(fù)灌溉后，水稻能夠很快恢復(fù)生長(zhǎng)，降水過(guò)多會(huì)導(dǎo)致水稻光照不足而成為無(wú)效分蘗，因此降水量為負(fù)效應(yīng)。水稻拔節(jié)期日照充足會(huì)促進(jìn)水稻生長(zhǎng)發(fā)育，利于高產(chǎn)，因此日照時(shí)數(shù)為正效應(yīng)。9月中下旬為水稻灌漿-成熟期，是水稻產(chǎn)量形成最重要的時(shí)期，該時(shí)期對(duì)日照、溫度尤為敏感，溫度偏高，日照充足花粉活力上升，授粉率、結(jié)實(shí)率較高，利于水稻高產(chǎn)，因此呈現(xiàn)氣溫與日照正效應(yīng)。

基于關(guān)鍵氣象因子的水稻氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型，參數(shù)少、方法簡(jiǎn)單，易于使用。通過(guò)對(duì)模型進(jìn)行模擬預(yù)報(bào)與檢驗(yàn)，得出利用該模型預(yù)報(bào)水稻的產(chǎn)量，準(zhǔn)確率較高，預(yù)測(cè)結(jié)果基本可以反映出水稻產(chǎn)量的變化情況，可以滿(mǎn)足業(yè)務(wù)服務(wù)的需要。由于本模型受氣象因子所在的時(shí)間限制，預(yù)報(bào)時(shí)間固定，不能在水稻生長(zhǎng)發(fā)育期內(nèi)的任意時(shí)間進(jìn)行產(chǎn)量預(yù)報(bào)。因此在進(jìn)行水稻產(chǎn)量預(yù)報(bào)業(yè)務(wù)時(shí)，還應(yīng)該考慮其他預(yù)報(bào)方法的預(yù)報(bào)結(jié)果，并結(jié)合調(diào)研結(jié)果對(duì)預(yù)報(bào)結(jié)果進(jìn)行修正，以進(jìn)一步提高預(yù)報(bào)準(zhǔn)確度。

[1]吳鐘鈴,陳鐵如,李琳一.農(nóng)業(yè)氣象產(chǎn)量預(yù)報(bào)方法的探討和長(zhǎng)春水稻、玉米產(chǎn)量試報(bào)[J].高原山地氣象研究,2011,31(1): 51-55.

[2]王家先,王代林,陳劉華.水稻秧齡和播種期對(duì)產(chǎn)量影響的試驗(yàn)研究[J].西南農(nóng)業(yè)學(xué)報(bào),2000,19(2):29-30.

[3]袁立新,段修榮,余先超.SPSS建立自貢水稻產(chǎn)量年景預(yù)測(cè)模型[J].四川氣象,2006(1):31-33.

[4]韓永翔,伊 東.作物產(chǎn)量預(yù)報(bào)新方法研究[J].干旱地區(qū)農(nóng)業(yè)研究,2002,20(3):124-127.

[5]唐余學(xué),羅孳孳,范 莉,等.基于關(guān)鍵氣象因子的中稻單產(chǎn)動(dòng)態(tài)預(yù)報(bào)[J].中國(guó)農(nóng)業(yè)氣象,2011,32(增1):140-143.

[6]魏中海,王建勇,夏宣炎.糧食產(chǎn)量預(yù)測(cè)的因子處理和建模方法[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào),2004,23(6):680-684.

[7]李涵茂,帥細(xì)強(qiáng),戴 平,等.基于關(guān)鍵氣象因子的湖北早稻產(chǎn)量動(dòng)態(tài)預(yù)報(bào).[J].湖南農(nóng)業(yè)科學(xué),2015(1):114-116,119.

The Dynamic Prediction of Single-season Rice Yield Based on Key Meteorological Factors in Liaoning Province

LI Lin-lin1,WANG Ting1,LI Yu-hong1,LIU Qing2,SONG Xiao-wei2,ZHAO Zhen-yu3
(1.LiaoningInstitute ofMeteorologicalSciences,Shenyang110161,China;2.ShenyangMeteorologyBureau,Shenyang110168, China;3.Fuxin MeteorologyBureau,Fuxin 123000,China)

In the current research,a dynamic prediction model was established for predicting single-season rice yield by using statistic methods to analyze the data of single-season rice yields,10-day average air temperature,10-day precipitation,and 10-day average sunshine hours in the rice growth periods during 1993—2012 in Liaoning Province.By employing the 5-year moving average method, the single-season rice yield trend was isolated.The correlation between meteorological yield and the 10-day meteorological elements in rice growth period was determined,which led to identification of seven key meteorological factors as follows:early-May mean air temperature,late-May mean air temperature,late-June precipitation,late-July precipitation,early-August sunshine hours, mid-September mean air temperature,and late-September sunshine hours.Based on these key meteorological factors,a dynamic prediction model was established for single-season rice yield.Simulation with the model from 1993—2012 showed that average accuracy for yield prediction was more than 93%;the yield prediction with the model for 2013 showed that the accuracy was 93.97%～99.67%.This indicates that the dynamic prediction model can predict single-season rice yield and basically meets the demand for business services.

Rice;Key meteorological factors;Meteorological yield;Dynamic prediction

P49

A

1673-6486-201700354

2017年《大麥與谷類(lèi)科學(xué)》改為雙月刊啟事

2017-04-26

遼寧省氣象局科研項(xiàng)目（BA201705）。

李琳琳（1985—），女，碩士，工程師，主要從事農(nóng)業(yè)氣象相關(guān)研究。E-mail:Llinlin1985@163.com。

為滿(mǎn)足廣大作者與讀者對(duì)本刊時(shí)效性要求，快速贏(yíng)得首發(fā)權(quán)，《大麥與谷類(lèi)科學(xué)》雜志主辦單位報(bào)請(qǐng)江蘇省農(nóng)業(yè)科學(xué)院同意，于2016年10月12日向江蘇省新聞出版廣電局提出刊期變更申請(qǐng)——關(guān)于將《大麥與谷類(lèi)科學(xué)》由季刊變更為雙月刊的申請(qǐng)。江蘇省新聞出版廣電局于2016年11月1日批準(zhǔn)了該申請(qǐng)，并發(fā)布了蘇新廣審[2016]382號(hào)文件《關(guān)于同意變更＜大麥與谷類(lèi)科學(xué)＞刊期的批復(fù)》，同意本刊自2017年1月起刊期由季刊變更為雙月刊。

本刊改為雙月刊后，出版周期縮短為2個(gè)月，與本網(wǎng)刊預(yù)出版（優(yōu)先出版）相結(jié)合，將有效提高本刊的出版時(shí)效，吸引優(yōu)質(zhì)稿源，進(jìn)一步提高期刊學(xué)術(shù)與出版質(zhì)量。