基于COSIM模型的棉花區(qū)域產(chǎn)量動(dòng)態(tài)預(yù)測(cè)研究
——以新疆阿克蘇市為例

胡莉婷 ，潘學(xué)標(biāo) *，王雪姣 ,2，胡琦

（1.中國農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，北京100193；2.新疆維吾爾自治區(qū)氣象局農(nóng)業(yè)氣象臺(tái)，烏魯木齊830002）

棉花產(chǎn)量的增減關(guān)系著國計(jì)民生，影響著我國紡織工業(yè)的原料供給、棉花貿(mào)易的發(fā)展及棉花產(chǎn)業(yè)國際競(jìng)爭(zhēng)力的加強(qiáng)，因而開展棉花產(chǎn)量的動(dòng)態(tài)預(yù)測(cè)具有十分重要的意義。1990年以來氣象部門就已經(jīng)開始利用棉花播種前及生長季內(nèi)的氣象條件來預(yù)測(cè)棉花產(chǎn)量，并取得了顯著的服務(wù)效益[1-2]。目前，對(duì)棉花產(chǎn)量的動(dòng)態(tài)預(yù)測(cè)方法的研究很多，但大多采用統(tǒng)計(jì)學(xué)方法[1-4]，而且時(shí)效性較長，因此從棉花生長發(fā)育機(jī)理角度開展產(chǎn)量動(dòng)態(tài)預(yù)測(cè)顯得越來越迫切。自20世紀(jì)60年代以來，國內(nèi)外已經(jīng)開發(fā)了很多關(guān)于棉花生長發(fā)育的模型，如國外開發(fā)的GOSSYM模型[5]和模擬棉花形態(tài)特征的L-Cotton模型[6]等，國內(nèi)開發(fā)的有COTGROW[7]、COSIM[8]等。由于模型需要輸入明確的播種期或出苗期才能運(yùn)行，且以往模型多用于地塊水平的、有確定播種時(shí)間的田間試驗(yàn)產(chǎn)量模擬，將作物模型用于區(qū)域產(chǎn)量預(yù)報(bào)的還不多見。然而區(qū)域作物生產(chǎn)并非同步起止，播種也需要在一段時(shí)間內(nèi)分期完成，按單一播種期模擬區(qū)域作物產(chǎn)量與生產(chǎn)實(shí)際不符，誤差較大。因而本文擬以新疆阿克蘇市的棉花區(qū)域產(chǎn)量預(yù)測(cè)為例，探索1種以適宜播種區(qū)間內(nèi)各播種期的種植面積比率分布為權(quán)重依據(jù)，結(jié)合該地近期氣候資料，運(yùn)用COSIM棉花模型進(jìn)行棉花產(chǎn)量動(dòng)態(tài)預(yù)測(cè)的方法，并與基于多年平均播種期的方法[9]進(jìn)行比較分析。

1 材料與方法

1.1 研究區(qū)域及數(shù)據(jù)

本研究選取新疆維吾爾自治區(qū)阿克蘇市棉花種植區(qū)域作為案例。該市地理坐標(biāo)為N 39°30′～41°27′，E 79°39′～82°01′，海拔 1 105 m，全市總面積1356 km2，其中耕地面積5.2萬hm2。阿克蘇市光熱資源豐富，干旱少雨，土壤類型為黃淤土，土壤質(zhì)地為砂壤土。

氣象資料來自阿克蘇氣象站點(diǎn)1991―2014年的地面氣象觀測(cè)資料，由國家氣象信息中心提供。1991―2013年棉花物候觀測(cè)資料由新疆氣象局阿克蘇市農(nóng)業(yè)氣象站和國家氣象信息中心提供。1991―2014年棉花的單產(chǎn)數(shù)據(jù)來自《新疆統(tǒng)計(jì)年鑒》。模型中所需的棉花管理參數(shù)和品種信息來自當(dāng)?shù)厣a(chǎn)部門。土壤資料來自《中國土種志》[10]。

1.2 棉花生長發(fā)育模型

COSIM棉花模型由潘學(xué)標(biāo)等開發(fā)[8]，主要包含輸入數(shù)據(jù)設(shè)置、管理與天氣文件讀取、發(fā)育期模擬、光合生產(chǎn)、水分平衡模擬、干物質(zhì)分配、葉面積動(dòng)態(tài)與產(chǎn)量形成等模塊。該模型反映棉花生長發(fā)育、產(chǎn)量形成與環(huán)境條件及管理措施的關(guān)系，根據(jù)指定區(qū)域或地點(diǎn)相應(yīng)的天氣數(shù)據(jù)、土壤數(shù)據(jù)、管理數(shù)據(jù)和作物數(shù)據(jù)，可以模擬棉花各發(fā)育期出現(xiàn)的日期、葉面積系數(shù)、單位面積各器官干物質(zhì)質(zhì)量、最終的單位面積籽棉產(chǎn)量、皮棉產(chǎn)量和霜前皮棉產(chǎn)量，并根據(jù)模擬結(jié)果寫出逐日文件和最終文件供系統(tǒng)調(diào)用[8]。目前，COSIM模型已較好地應(yīng)用于棉花生產(chǎn)氣候風(fēng)險(xiǎn)評(píng)估[11]、棉花延遲型冷害的預(yù)測(cè)和診斷[12-13]，以及未來氣候變化對(duì)棉花生產(chǎn)的影響研究[14]等方面，取得了較好的效果。

1.3 氣象資料處理

本研究利用COSIM模型進(jìn)行產(chǎn)量預(yù)測(cè)時(shí)，需要輸入模擬時(shí)段的氣象信息，但是進(jìn)行產(chǎn)量模擬預(yù)報(bào)時(shí)，未來的棉花生長季內(nèi)的氣象信息尚未獲取，天氣預(yù)報(bào)尚不足以支撐數(shù)據(jù)需求，需要采用替代型數(shù)據(jù)[15]。

新疆的棉花生長季節(jié)通常在4～10月。托麗娜等[11]通過模型模擬的方法研究得出棉花生育期內(nèi)≥12℃有效積溫與皮棉產(chǎn)量關(guān)系密切。目前，根據(jù)已有氣象資料的相似性，運(yùn)用相似年型進(jìn)行產(chǎn)量預(yù)測(cè)的研究已有很多[1-2]。由于棉花生長和其他作物一樣，具有延續(xù)性和一定的恢復(fù)能力；但當(dāng)遭遇重大災(zāi)害時(shí)（如嚴(yán)重低溫），又具有損害不可逆性等特點(diǎn)，所以當(dāng)預(yù)報(bào)年播種前至發(fā)布預(yù)報(bào)時(shí)的氣象條件與歷史上某年同一時(shí)段的氣象條件相似時(shí)，最終氣象條件對(duì)產(chǎn)量的影響不一定相似[1]。因而本研究擬采用如下方法解決后期氣象信息暫缺的問題：即預(yù)報(bào)日之前如有實(shí)際氣象數(shù)據(jù)，采用當(dāng)年的真實(shí)氣象數(shù)據(jù)作為模型輸入，而預(yù)報(bào)日之后預(yù)報(bào)時(shí)段的氣象信息，分別利用預(yù)報(bào)年前近10 a或近5 a的逐年相應(yīng)日期的實(shí)際逐日氣象數(shù)據(jù)替代，然后逐年分別驅(qū)動(dòng)COSIM模型進(jìn)行棉花產(chǎn)量的模擬，即可分別得到對(duì)應(yīng)于預(yù)報(bào)年的10個(gè)或5個(gè)模擬產(chǎn)量，最后再分別求這10個(gè)或5個(gè)模擬產(chǎn)量的平均值，即作為預(yù)報(bào)年的模擬產(chǎn)量[9]。

1.4 基于適宜播種區(qū)間的產(chǎn)量預(yù)報(bào)方法

不同播期的棉鈴生物量存在差異并影響棉鈴品質(zhì)[16]。棉花播種期不僅與氣溫穩(wěn)定達(dá)到或超過12℃的起始日期、終霜日以及播種—出苗期間熱量指數(shù)等有關(guān)[17]，而且在實(shí)際生產(chǎn)中，棉花播種期受人為因素影響較大，即在同一年不同地方不同農(nóng)戶播種棉花的時(shí)間會(huì)不同。因此在同一年份、同一氣候條件下由于人為因素，棉花的播種時(shí)間會(huì)存在差異，從而降低基于模型的區(qū)域產(chǎn)量預(yù)報(bào)的準(zhǔn)確性。在實(shí)際生產(chǎn)中區(qū)域內(nèi)會(huì)存在棉花大面積集中播種的時(shí)間（即適宜播種期區(qū)間），且在適宜播種期區(qū)間內(nèi)不同播種日期的播種面積比例分布不同。

本研究中假設(shè)不同播種日期下播種面積的比例與近些年來該播種日期的頻率存在一定的正相關(guān)關(guān)系；假設(shè)圍繞最適播種期，不同播種日期的播種面積比例按正態(tài)分布。通過在適宜播種區(qū)間內(nèi)設(shè)置多個(gè)播種期，運(yùn)用COSIM模型分別對(duì)棉花生長發(fā)育和產(chǎn)量進(jìn)行模擬，之后以各播種期的播種面積比例為權(quán)重依據(jù)，將不同播種日期下的模擬產(chǎn)量分別乘以相應(yīng)的權(quán)重系數(shù)，得到預(yù)報(bào)年的總產(chǎn)量模擬值。

本文假設(shè)區(qū)域棉花的適宜播種期區(qū)間為[xi,xk]，假設(shè)其中最適播種日期為x3，以此為中軸在適宜播種期內(nèi)選取一組棉花播種期時(shí)間序列（x1，x2，x3，x4，x5）， 這 5 個(gè)播種期驅(qū)動(dòng) COSIM 模型進(jìn)行生長發(fā)育和產(chǎn)量形成模擬，進(jìn)而得到不同播種日期下的模擬產(chǎn)量分別為 y1，y2，y3，y4，y5； 根據(jù)各播種期所代表的時(shí)間區(qū)域內(nèi)的播種面積比例，并分別賦予權(quán)重值 a、b、c、d、e，各權(quán)重值在 0～1 之間，總和為1。通過下式可得到模擬年的區(qū)域平均產(chǎn)量Y：

1.5 統(tǒng)計(jì)方法

通過物候期及皮棉產(chǎn)量的模擬值與實(shí)測(cè)值間的均方根誤差RMSE （Root mean square error）和擬合誤差率E來檢驗(yàn)?zāi)Ｐ偷挠行?。用預(yù)報(bào)準(zhǔn)確率P[18]來表示產(chǎn)量預(yù)報(bào)方法的預(yù)報(bào)精度。

式中，Qi為實(shí)測(cè)值，Si為模擬值，n為樣本數(shù)量。

2 結(jié)果與分析

2.1 模型參數(shù)的調(diào)試與驗(yàn)證

本研究利用2002―2003年以及2008年和2010年阿克蘇市的數(shù)據(jù)資料對(duì)COSIM模型進(jìn)行區(qū)域化參數(shù)調(diào)試，然后分別利用2001年、2004―2005年、2006―2007年和2009年的試驗(yàn)資料對(duì)模擬結(jié)果進(jìn)行有效性檢驗(yàn)，確定該區(qū)域的棉花模型的參數(shù)值。由表1可知，阿克蘇市棉花出苗期、現(xiàn)蕾期、開花期和吐絮期的實(shí)測(cè)值與模擬值的RMSE 分別為 1.7 d、2.9 d、3.2 d 和 6.3 d，均小于 7 d，且擬合誤差率均小于3%；皮棉產(chǎn)量實(shí)測(cè)值與模擬值的RMSE為192.9 kg·hm－2，擬合誤差率均小于16%。由圖1可知，2001―2010年，每年棉花各生育期日序的模擬值均在實(shí)測(cè)值±10%的誤差范圍內(nèi)（圖1中虛線內(nèi)；本文中所有日序起始日為1月1日，即1月1日的日序?yàn)榈?天）。認(rèn)為COSIM模型對(duì)阿克蘇市棉花生產(chǎn)的模擬和實(shí)際情況吻合度較好，該模型在阿克蘇市適用性較好。

表1阿克蘇市棉花生育期、皮棉產(chǎn)量觀測(cè)值與模擬值的比較（2001―2010）Table 1 Comparison between the observed and simulated values of cotton grow th period and yield in Akesu(2001－2010)

2.2 基于模型的產(chǎn)量預(yù)報(bào)所需氣象信息及其處理

由圖2可知，在2011―2014年間的任一年，阿克蘇市棉花生育期內(nèi)該年之前近5 a有效積溫的平均值比該年之前近10 a的平均值更接近于該年的有效積溫值。所以本研究中采用預(yù)報(bào)年之前近5 a的氣象資料依次替代預(yù)報(bào)日之后的未知?dú)庀髷?shù)據(jù)，來模擬棉花生長發(fā)育和產(chǎn)量形成過程，然后以近5 a模擬產(chǎn)量的平均值作為預(yù)報(bào)年的模擬產(chǎn)量。在理論上，可以在作物生長季中的任何一天進(jìn)行基于模型的動(dòng)態(tài)產(chǎn)量預(yù)測(cè)，但為減少工作量和結(jié)合作物預(yù)報(bào)業(yè)務(wù)中的時(shí)效性需要，本研究中在預(yù)報(bào)年內(nèi)選擇預(yù)報(bào)時(shí)間為4月1日、5月1日、6月1日、7月1日、8月 1日、9月 1日、10月1日和11月1日的棉花產(chǎn)量動(dòng)態(tài)預(yù)報(bào)結(jié)果進(jìn)行分析，即分別在棉花生長季內(nèi)的不同月份的第一天進(jìn)行模擬，之前的氣象數(shù)據(jù)采用模擬當(dāng)年的實(shí)測(cè)值，當(dāng)日起的氣象數(shù)據(jù)利用預(yù)報(bào)年之前最近數(shù)年 （本研究為5 a）的歷史數(shù)據(jù)按年分別進(jìn)行氣象資料的替代，然后驅(qū)動(dòng)模型。

圖1阿克蘇地區(qū)棉花各生育期日序模擬值與實(shí)測(cè)值(2001―2010)Fig.1 Observed and simulated values of cotton grow th stages in Akesu(2001－2010)

表2阿克蘇市棉花產(chǎn)量預(yù)報(bào)結(jié)果（2011―2014年）Table 2 The dynamic predicted results of cotton yield in Akesu(2011－2014 year)

2.3 基于多年平均播種日期的產(chǎn)量預(yù)報(bào)方法

本研究方法選用阿克蘇市1991―2010年的平均播種日期4月14日（第104日）作為預(yù)報(bào)年的播種日期。由表2可知，除2014年的4月1日、5月1日、6月1日和8月1日的預(yù)報(bào)時(shí)間外，阿克蘇市2011―2014年4～11月的棉花模擬產(chǎn)量的預(yù)報(bào)準(zhǔn)確率均在90%以上，且大多數(shù)預(yù)報(bào)準(zhǔn)確度在95%以上，因此該方法能夠較為準(zhǔn)確地預(yù)報(bào)阿克蘇市棉花產(chǎn)量。

圖2阿克蘇市棉花生育期內(nèi)≥12℃有效積溫（2011―2014年）Fig.2 The effective accumulated temperature≥12℃during the cotton grow th period in Akesu(2011－2014 year)

2.4 基于適宜播種期區(qū)間的產(chǎn)量預(yù)報(bào)方法

2.4.1 適宜播種區(qū)間的確定。由物候資料得出，在1991―2010年間阿克蘇市棉花的播種日期平均值為 4月14日（日序?yàn)?104），在近 20 a中實(shí)際播種期最早為4月6日，最晚為4月22日。由圖3可以大致確定近20年中阿克蘇市棉花大面積播種的播種期區(qū)間為 [93,117]（用日序表示），其中區(qū)間[103,107]棉花播種面積最大。因而我們假設(shè)4月15日（日序?yàn)?05）為阿克蘇市棉花最適播種時(shí)間，并以此為中心設(shè)置5個(gè)播種期，分別為4月5日（第95日）、4月10日（第100日）、4月15日（第105日）、4月20日（第110日）和4月25日（第115日）。

權(quán)重系數(shù)根據(jù)棉花在各播種日期區(qū)間下的播種面積的比例確定，由圖3可以假設(shè)權(quán)重系數(shù)分為以下4個(gè)方案：

（1）權(quán)重系數(shù)方案 1∶0.1，0.2，0.4，0.2，0.1；

（2）權(quán)重系數(shù)方案 2∶0.05，0.2，0.5，0.2，0.05；

（3）權(quán)重系數(shù)方案 3∶0.05，0.25，0.4，0.25，0.05；

（4）權(quán)重系數(shù)方案 4∶0.15，0.25，0.4，0.18，0.02。

圖3阿克蘇市農(nóng)業(yè)氣象試驗(yàn)站棉花播種期日序（1991―2010）Fig.3 Cotton sowing time in a grometeorological experiment station in Akesu(1991－2010)

2.4.2 權(quán)重系數(shù)的確定。2011―2014年每年的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)結(jié)果隨預(yù)報(bào)時(shí)間的變化趨勢(shì)大體一致（表 3），即隨預(yù)報(bào)時(shí)間（4―11月）的推移，預(yù)報(bào)準(zhǔn)確率呈緩慢上升趨勢(shì)；且不論選擇哪組權(quán)重系數(shù)方案，運(yùn)用基于適宜播種期區(qū)間多個(gè)播期的產(chǎn)量預(yù)報(bào)方法進(jìn)行棉花產(chǎn)量預(yù)報(bào)時(shí)，除2014年棉花產(chǎn)量預(yù)報(bào)準(zhǔn)確率平均值為89.5%左右外，其他預(yù)報(bào)年的產(chǎn)量預(yù)報(bào)準(zhǔn)確率的平均值均在93%以上，準(zhǔn)確率較高；在4組權(quán)重系數(shù)方案中，權(quán)重系數(shù)方案4條件下的預(yù)報(bào)準(zhǔn)確率較高，且不同預(yù)報(bào)時(shí)間之間的預(yù)報(bào)準(zhǔn)確率均方差較小，即權(quán)重系數(shù)方案4條件下的該產(chǎn)量預(yù)報(bào)方法較為穩(wěn)定。因此，通過基于播種區(qū)間[93,117]內(nèi)的多個(gè)播期（95、100、105、110、115）并結(jié)合權(quán)重系數(shù)方案 4（0.15、0.25、0.4、0.18、0.02）的方法進(jìn)行棉花產(chǎn)量預(yù)報(bào)的方法在阿克蘇市具有較好的可行性和適應(yīng)性。

2.5 不同產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法的比較分析

由圖4（1）可以得出，整體上來看，2種產(chǎn)量預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率隨預(yù)報(bào)時(shí)間的推移都呈升高趨勢(shì)，但基于適宜播種期區(qū)間的產(chǎn)量預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率隨預(yù)報(bào)時(shí)間推移的升高趨勢(shì)更明顯。2種產(chǎn)量預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率都較高且較為接近，4年平均預(yù)報(bào)準(zhǔn)確率均在90%以上。2種預(yù)報(bào)方法的多年標(biāo)準(zhǔn)誤差差異不顯著。除了預(yù)報(bào)時(shí)間5月1日和8月1日外，基于適宜播種期區(qū)間的產(chǎn)量預(yù)報(bào)方法的4年平均預(yù)報(bào)準(zhǔn)確率比基于多年平均播種日期的產(chǎn)量預(yù)報(bào)方法高出0.1～2.4百分點(diǎn)，但差異不顯著。在棉花生育期內(nèi)的不同時(shí)間下進(jìn)行產(chǎn)量動(dòng)態(tài)預(yù)測(cè)時(shí)，推薦采用基于適宜播種期區(qū)間的產(chǎn)量預(yù)測(cè)方法。

由圖4（2）可以得出，對(duì)阿克蘇市2011年、2012年和2014年的棉花產(chǎn)量進(jìn)行預(yù)報(bào)時(shí)，2種產(chǎn)量預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率相近；但在預(yù)報(bào)年2013年時(shí)，基于適宜播種期區(qū)間的產(chǎn)量預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率高于基于多年平均播種日期的預(yù)報(bào)方法，且高2百分點(diǎn)左右。產(chǎn)生該現(xiàn)象可能是

與預(yù)報(bào)年份的實(shí)際播種日期有關(guān)，即由于2011年和2012年阿克蘇市棉花實(shí)際播種期日序分別為103和100，這兩年的實(shí)際播種日期與多年平均播種日期（日序?yàn)?04）較為接近；而2013年實(shí)際播種期日序?yàn)?3，與該預(yù)報(bào)方法中所選取的多年平均播種日期（日序?yàn)?04）差距較大，故在預(yù)報(bào)年份2013年時(shí)，基于多年平均播種日期的產(chǎn)量預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率明顯低于基于適宜播種期區(qū)間的產(chǎn)量預(yù)報(bào)方法。因此，對(duì)阿克蘇市棉花產(chǎn)量進(jìn)行動(dòng)態(tài)預(yù)報(bào)時(shí)，尤其是在預(yù)報(bào)年內(nèi)棉花實(shí)際播種期未知的情況下，基于適宜播種期區(qū)間的預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率更高。

表3阿克蘇市棉花產(chǎn)量動(dòng)態(tài)預(yù)報(bào)結(jié)果（2011―2014）Table 3 The dynamic prediction results of cotton yield in Akesu(2011－2014)

圖4阿克蘇市棉花兩種產(chǎn)量預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率（2011―2014）Fig.4 Cotton yield prediction accuracy of two methods in Akesu(2011－2014)

3 討論

本文主要基于棉花生長發(fā)育模型進(jìn)行產(chǎn)量的動(dòng)態(tài)預(yù)測(cè)結(jié)果。但由于作物模型是1個(gè)系統(tǒng)工程，受到各種因素的影響，各自模型仍存在許多局限性和不足。如作物模型中部分參數(shù)的確定方法，大多數(shù)來自于文獻(xiàn)資料和實(shí)際試驗(yàn)結(jié)果，這需要進(jìn)行大量的田間實(shí)驗(yàn)獲得；模型是作物生長發(fā)育過程的簡(jiǎn)化，與自然條件下的作物生長情況不可能完全一致，而且由于模型是在假設(shè)田間均一的生產(chǎn)情況下運(yùn)行的，但在實(shí)際生產(chǎn)中，如田間的土壤狀況、水的灌溉量等往往是不均勻的，因而致使模型模擬結(jié)果會(huì)出現(xiàn)偏差[19-20]。

本文在適宜播種期區(qū)間的選取方面也存在不足。由于在實(shí)際生產(chǎn)中，不同地區(qū)棉花播種時(shí)間不同，所以本文選取棉花大面積播種的播種期區(qū)間作為適宜播種區(qū)間。雖然適宜播種區(qū)間和多個(gè)播期是根據(jù)該地區(qū)棉花多年播種期綜合分析選取的，但是具有很大的人為因素，易造成誤差。此外，該方法目前僅在阿克蘇市進(jìn)行研究分析，因此，需進(jìn)一步對(duì)該方法加以研究和檢驗(yàn)，使之日益完善。

目前，進(jìn)行棉花產(chǎn)量預(yù)報(bào)的方法大多為統(tǒng)計(jì)學(xué)方法，此類方法成本高、效率低，而基于棉花模型的產(chǎn)量預(yù)報(bào)方法與計(jì)算機(jī)結(jié)合可以滿足產(chǎn)量預(yù)報(bào)自動(dòng)化需求，能為現(xiàn)代農(nóng)業(yè)信息化、機(jī)械智能化及精準(zhǔn)農(nóng)業(yè)的發(fā)展提供有力工具[21-22]?；谧魑锬Ｐ偷漠a(chǎn)量預(yù)報(bào)方法的發(fā)展有利于建立1個(gè)較為全面的描述作物生長發(fā)育和產(chǎn)量形成的業(yè)務(wù)系統(tǒng)，能較好地促進(jìn)作物產(chǎn)量預(yù)報(bào)業(yè)務(wù)化和高時(shí)效性的發(fā)展。

4 結(jié)論

COSIM模型可以較好地模擬阿克蘇市的棉花生長發(fā)育過程及產(chǎn)量水平。基于多年平均播種期和適宜播種期區(qū)間的2種產(chǎn)量預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率基本上都在90%以上，均具有較高的預(yù)報(bào)精度。不同預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率與起報(bào)時(shí)間以及播種期有關(guān)，在棉花生育期內(nèi)按照月份對(duì)棉花產(chǎn)量進(jìn)行動(dòng)態(tài)預(yù)測(cè)時(shí)（尤其對(duì)于預(yù)報(bào)時(shí)間為棉花生育期后期時(shí)），或預(yù)報(bào)年份實(shí)際播種期未知時(shí)，基于適宜播種期區(qū)間的預(yù)測(cè)方法的模擬產(chǎn)量更接近于實(shí)際產(chǎn)量，預(yù)報(bào)準(zhǔn)確率更高、適用性稍好，但兩者差異不顯著。整體來看，在阿克蘇市進(jìn)行區(qū)域產(chǎn)量動(dòng)態(tài)預(yù)報(bào)時(shí)，基于適宜播種區(qū)間的預(yù)報(bào)方法優(yōu)于基于多年平均播種日期的預(yù)報(bào)方法。

[1]王建林,宋迎波.棉花產(chǎn)量動(dòng)態(tài)預(yù)測(cè)方法研究[J].中國棉花,2002,29(9):5-7.Wang Jianlin,Song Yingbo.Research on the method of dynamic prediction of cotton yield[J].China Cotton,2002,29(9):5-7.

[2]錢栓,王建林.棉花產(chǎn)量豐歉氣象指標(biāo)和評(píng)價(jià)模型[J].氣象科技,2001(3):30-35.Qian Shuan,Wang Jianlin.Meteorological index and evaluation model of cotton production[J].Meteorological Science and Technology,2001(3):30-35.

[3]柳芳,薛慶禹,黎貞發(fā).天津棉花氣候適宜度變化特征及其產(chǎn)量動(dòng)態(tài)預(yù)報(bào)[J].中國農(nóng)業(yè)氣象,2014,35(1):48-54.Liu Fang,Xue Qingyu,Li Zhenfa.Climatic suitability variation and yield dynamic prediction model of cotton in Tianjin[J].Chinese Journal of Agrometeorology,2014,35(1):48-54.

[4]莊麗,王進(jìn),白麗,等.基于高光譜的中國干旱區(qū)棉花遙感估產(chǎn)[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(6):176-181 Zhuang Li,Wang Jin,Bai Li,et al.Cotton yield estimation based on hyperspectral remote sensing in arid region of China[J].Transactions of the CSAE,2011,27(6):176-181.

[5]Baker D N,Lambert J R,M cKinion J M.GOSSYM:A simulator of cotton crop grow th and yield[J].South Carolina Agricultural Experiment Station Technical Bulletin,1983(1089):134

[6]Room P M,Hanant J S,Prusinkiewicz P.Virtual plants:new perspectives for ecologists,pathologists and agricultural scientists[J].Trends in Plant Science,1996,1(1):33-38.

[7]潘學(xué)標(biāo),韓湘玲,石元春.COTGROW：棉花生長發(fā)育模擬模型[J].棉花學(xué)報(bào),1996,8(4):180-188.Pan Xuebiao,Han Xiangling,Shi Yuanchun.COTGROW:Cotton grow th and development simulation model[J].Cotton Science,1996,8(4):180-188.

[8]潘學(xué)標(biāo),李玉娥.新疆棉花生產(chǎn)區(qū)域評(píng)估系統(tǒng)研究[J].中國農(nóng)業(yè)科學(xué),2003,36(1):37-43.Pan Xuebiao,Li Yue.Study on cotton production regional assessment system of Xinjiang[J].Scientia Agricultura Sinica,2003,36(1):37-43.

[9]王雪姣.氣候變化對(duì)新疆棉花物候、產(chǎn)量和品質(zhì)的影響與適應(yīng)措施[D].北京:中國農(nóng)業(yè)大學(xué),2015.Wang Xuejiao.Impacts and adaptation of climate change on cotton phenology, yield and fiber qualityin Xinjiang[[D].Beijing:China Agricultural University,2015.

[10]全國土壤普查辦公室.中國土種志（1-6卷）[M].北京:農(nóng)業(yè)出版社,1994.National Soil Survey Office.Chinese soil species(volume 1-6)[M].Beijing:Agricultural Press,1994.

[11]托麗娜,潘學(xué)標(biāo),廖要明,等.新疆棉花生產(chǎn)氣候風(fēng)險(xiǎn)評(píng)估的模型方法初探[J].棉花學(xué)報(bào),2005,17(2):122-124.Tuo Lina,Pan Xuebiao,Liao Yaoming,et al.Assessment of climate risk for cotton production in Xinjiang by cotton production regional assessment system[J].Cotton Science,2005,17(2):122-124.

[12]陳超,潘學(xué)標(biāo),李慧陽,等.基于COSIM模型的新疆棉花延遲型冷害指標(biāo)分析[J].棉花學(xué)報(bào),2009,21(3):201-205.Chen Chao,Pan Xuebiao,Li Huiyang,et al.Analysis of cotton delayed cool injury indices in Xinjiang based on COSIM[J].Cotton Science,2009,21(3):201-205.

[13]王雪姣,潘學(xué)標(biāo),陳超,等.基于COSIM模型的棉花延遲型冷害預(yù)測(cè)研究[J].棉花學(xué)報(bào),2012,24(1):52-61.Wang Xuejiao,Pan Xuebiao,Chen Chao,et al.Forecasting cotton chilling damage based on COSIM[J].Cotton Science,2012,24(1):52-61.

[14]陳超,潘學(xué)標(biāo),張立禎,等.氣候變化對(duì)石羊河流域棉花生產(chǎn)和耗水的影響[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(1):57-65.Chen Chao,Pan Xuebiao,Zhang Lizhen,et al.Impact of climate change on cotton production and water consumption in Shiyang River Basin[J].Transactions of the CSAE,2011,27(1):57-65.

[15]秦鵬程,劉敏,萬素琴,等.不完整氣象資料下基于作物模型的產(chǎn)量預(yù)報(bào)方法[J].應(yīng)用氣象學(xué)報(bào),2016,27(4):407-416.Qin Pengcheng,Liu M in,Wan Suqin,et al.Methods for yield forecast based on crop model with incomplete weather observations[J].Journal of Applied Meteorological Science,2016,27(4):407-416.

[16]趙新華,束紅梅,王友華,等.播期對(duì)棉鈴生物量和氮累積與分配的影響及其與棉鈴品質(zhì)的關(guān)系[J].作物學(xué)報(bào),2010,36(10):1707-1714.Zhao Xinhua,Shu Hongmei,Wang Youhua,et al.Effect of sowing date on accumulation and distribution of biomass and nitrogen in cotton bolls[J].Crop Science,2010,36(10):1707-1714.

[17]毛煒嶧,曹占洲,鄒陳,等.新疆棉花播種期氣候服務(wù)指標(biāo)分析及應(yīng)用[J].沙漠與綠洲氣象,2010,4(6):1-5.Mao Weiyi,Cao Zhanzhou,Zou Chen,et al.Analysis and application about the climate service index of cotton's seedtime in Xinjiang[J].Desert and Oasis Meteorology,2010,4(6):1-5.

[18]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[J].應(yīng)用氣象學(xué)報(bào),2015,26(1):103-111.Shuai Xiqiang,Lu Kuidong,Huang Wanhua.A comparative study on dynamic forecasting of early rice yield by using different methods in Hunan Province[J].Journal of Applied Meteorological Science,2015,26(1):103-111.

[19]薛琳,鄭國清,戴廷波.作物生長模擬模型研究進(jìn)展[J].河南農(nóng)業(yè)科學(xué),2011,40(3):19-24.Xuelin,Zheng Guoqing,Dai Tingbo.A review on the research of crop simulation model[J].Journal of Henan Agricultural Sciences,2011,40(3):19-24.

[20]曹宏鑫,趙鎖勞,葛道闊,等.作物模型發(fā)展探討[J].中國農(nóng)業(yè)科學(xué),2011,44(17):3520-3528.Cao Hongxin,Zhao Suolao,Ge Daokuo,et al.Discussion on development of crop models[J].Scientia Agricultura Sinica,2011,44(17):3520-3528.

[21]黃健熙,李昕璐,劉帝佑,等.順序同化三種時(shí)空分辨率LAI的冬小麥估產(chǎn)對(duì)比研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2015,46(1):240-248.Huang Jianxi,Li Xinlu,Liu Diyou,et al.Comparison of winter wheat yield estimation bysequential assimilation of three different spatio-temporalresolution remotely sensed LAI datasets[J].Transactions of the Chinese Society for Agricultural Machinery,2015,46(1):240-248.

[22]何亞娟,汪慶發(fā),裴志遠(yuǎn),等.冬小麥產(chǎn)量分階段預(yù)測(cè)模型[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(1):89-93,133.He Yajuan,Wang Qingfa,Pei Zhiyuan,et al.W inter wheat yield forecast multi-stage model[J].Transactions of the Chinese Society for Agricultural Machinery,2012,43(1):89-93,133.