基于不同空間尺度的作物產(chǎn)量集成預(yù)報
——以江蘇一季稻為例

劉維 宋迎波

(國家氣象中心，北京100081)

引 言

作物產(chǎn)量預(yù)報是我國現(xiàn)代農(nóng)業(yè)氣象業(yè)務(wù)服務(wù)與科研的重要部分，國家級和省級產(chǎn)量預(yù)報產(chǎn)品為各級政府制定宏觀調(diào)控政策、合理安排農(nóng)業(yè)生產(chǎn)提供了重要的參考依據(jù)，是氣象為農(nóng)服務(wù)的重要組成部分[1]。目前國家級作物產(chǎn)量預(yù)報業(yè)務(wù)中針對全國尺度的產(chǎn)量預(yù)報主要分兩種，一是由作物全國單產(chǎn)序列結(jié)合全國氣象條件進行統(tǒng)計預(yù)報；二是根據(jù)各省級預(yù)報單產(chǎn)，并以面積加權(quán)集成為全國單產(chǎn)[2]，該方法預(yù)報準率很大程度上取決于省級產(chǎn)量預(yù)報準確率，因此提高單一省級產(chǎn)量預(yù)報準確率就尤為重要。目前省級尺度作物產(chǎn)量預(yù)報主要是利用省級產(chǎn)量序列和各省代表站點的平均氣象條件進行統(tǒng)計分析，如何提高省級產(chǎn)量預(yù)報準確率存在一定的瓶頸。而利用地市、縣級的產(chǎn)量并結(jié)合地市、縣自身的氣象條件，則可建立地市、縣一級的產(chǎn)量預(yù)報模型，再加權(quán)計算成省級單產(chǎn)，就能建立基于不同產(chǎn)量序列和不同空間尺度的省級產(chǎn)量預(yù)報模型，為作物省級產(chǎn)量提供新的預(yù)報依據(jù)，在此基礎(chǔ)上，再由省級產(chǎn)量集成到全國產(chǎn)量，可以建立縣-市-省-國家級的集成產(chǎn)量預(yù)報體系，既能提升國家級產(chǎn)量預(yù)報廣度，又能開展精細化產(chǎn)量預(yù)報；同進入公里級別的農(nóng)用天氣預(yù)報、農(nóng)業(yè)氣象災(zāi)害監(jiān)測與評估、作物長勢監(jiān)測評估一樣[3]，滿足氣象現(xiàn)代化不斷發(fā)展的新要求。

目前國家級作物氣象產(chǎn)量預(yù)報的主要方法集中在統(tǒng)計模型、作物模型模擬、遙感估產(chǎn)等，統(tǒng)計模型中氣候適宜度法[4-9]、關(guān)鍵氣象因子法[10-11]、豐歉指數(shù)法[12-13]在目前應(yīng)用最為廣泛。氣候適宜度是基于逐日的光溫水等氣象要素，通過建立函數(shù)將氣象條件轉(zhuǎn)變?yōu)樽魑锷L發(fā)育的適宜程度[4-5]，構(gòu)建適宜程度與作物產(chǎn)量的相關(guān)關(guān)系，以預(yù)測作物的產(chǎn)量。由于氣候適宜度模型具有較好的普適性[8]，因此本文以江蘇省一季稻為例，利用氣候適宜度模型，基于省、市、縣三級產(chǎn)量序列，開展不同空間尺度的一季稻精細化產(chǎn)量預(yù)報；并利用小區(qū)域(縣級、市級)的一季稻種植面積百分比為權(quán)重系數(shù)，進行省級集成，開展基于不同空間尺度一季稻產(chǎn)量序列的大區(qū)域(省級)產(chǎn)量預(yù)測。

1 材料與方法

1.1 氣象資料

采用來自國家氣象中心1981—2016年江蘇省13個地級市下轄的62個縣一季稻全生育期逐日氣象資料，包括日最高氣溫(℃)、日最低氣溫(℃)、日降水量(mm)、日照時數(shù)(h)。由于3個縣站氣象數(shù)據(jù)缺測較多，因此不參與本文計算。

1.2 氣候適宜度模型構(gòu)建

1.2.1 氣溫適宜度

計算站點日氣溫適宜度，公式如下：

；

(1)

(2)

其中：F(ti)為江蘇省一季稻站點逐日氣溫適宜度；ti為站點日平均氣溫(℃)；tl、th和t0分別為江蘇省一季稻各發(fā)育期所需的下限溫度、上限溫度和適宜溫度；B為常數(shù)。利用站點日氣溫適宜度，可以求得區(qū)域日氣溫適宜度：

(3)

其中：n為區(qū)域內(nèi)站點個數(shù)，當區(qū)域為省時，n=62；當區(qū)域為市時，n為各市下轄縣個數(shù)；當區(qū)域為縣時，n=1，日照適宜度和降水適宜度同理。利用區(qū)域日氣溫適宜度，求得區(qū)域旬氣溫適宜度：

(4)

其中：m為旬內(nèi)天數(shù)，為10或者11。

1.2.2 日照適宜度

一般認為當日照時數(shù)達到可照時數(shù)的70%以上時，作物對日照的反映達到適宜狀態(tài)，但水稻為短日照作物，過多的日照對其生長發(fā)育會有抑制作用。因此，本文根據(jù)水稻的氣候適應(yīng)性原理，構(gòu)建了一季稻逐日日照適宜度模型：

(5)

其中：F(si)為站點逐日日照適宜度；si為站點逐日日照時數(shù)(h)；s0為站點逐日日照百分率為70%時的日照時數(shù)；s1為站點逐日日照百分率為30%時的日照時數(shù)；b為常數(shù)。利用站點逐日日照適宜度計算區(qū)域逐日日照適宜度F(s)區(qū)域和區(qū)域旬日照適宜度F(s旬)區(qū)域：

(6)

(7)

1.2.3 降水適宜度

一季稻為水田作物且江蘇省一季稻生育期內(nèi)降水較豐沛，基本能滿足其生長發(fā)育需求。但在抽穗揚花期如遇強降水將會導(dǎo)致結(jié)實率降低，不利于一季稻產(chǎn)量形成，由于逐日降水量的隨機性，故直接計算站點旬降水適宜度和區(qū)域旬降水適宜度：

(8)

其他生育期：F(p旬)=1，

(9)

(10)

(11)

其中：F(p旬)為站點旬降水適宜度；p旬為旬降水量(mm)；pa為旬多年(1981—2010年)平均降水量；ps為旬降水距平百分率；F(p旬)區(qū)域為區(qū)域旬降水適宜度。

1.2.4 氣候適宜度模型

根據(jù)氣溫、降水、日照適宜度，采用幾何平均方法對氣象要素單因子適宜度求值，構(gòu)建綜合氣候適宜度模型：

(12)

其中：F(c旬)區(qū)域為區(qū)域旬氣候適宜度，區(qū)域分別為省級、地市級、縣級三級區(qū)域。

1.3 氣候適宜指數(shù)

由于作物在各個生育階段的生理生態(tài)特征不同，對環(huán)境氣象條件的需求也不盡相同，同時，各個時段氣象條件對其生長發(fā)育及產(chǎn)量形成的滿足程度也有所差異。因此，為反映不同時段氣象條件對一季稻產(chǎn)量形成的影響程度，建立一季稻播種至任意一旬的氣候適宜指數(shù)，即由期間各旬氣候適宜度加權(quán)集成：

(13)

其中：F(C)為作物播種至某一旬的氣候適宜指數(shù)；Ki為各旬氣候適宜度對產(chǎn)量的影響系數(shù)；n為播種至某旬的旬數(shù)。影響系數(shù)Ki由公式(14)求得：

(14)

其中：Ri為區(qū)域某旬氣候適宜度與氣象產(chǎn)量的相關(guān)系數(shù)。

1.4 產(chǎn)量資料

產(chǎn)量資料為來自江蘇省統(tǒng)計局的1981—2016年江蘇省、13個地市、62個主產(chǎn)縣一季稻產(chǎn)量數(shù)據(jù)，包括平均單產(chǎn)(kg·hm-2)、種植面積(hm2)和總產(chǎn)量(kg)。作物品種更替、氣候變化、農(nóng)業(yè)生產(chǎn)技術(shù)提高等因素會對產(chǎn)量產(chǎn)生影響[14-15]，作物平均單產(chǎn)一般表示為農(nóng)業(yè)技術(shù)產(chǎn)量與氣象產(chǎn)量之和，即：

Yi=Yti+Ywi,

(15)

其中：Yi為一季稻平均單產(chǎn)；Yti為農(nóng)業(yè)技術(shù)產(chǎn)量；Ywi為氣象產(chǎn)量。

一季稻農(nóng)業(yè)技術(shù)產(chǎn)量采用線性分離法計算，即：

Yti=aT+b,

(16)

其中：T為時間序列(即1981、1982、…、2016年)，其中a、b均為模擬系數(shù)，由最小二乘法計算得出。

根據(jù)Yi=Yti+Ywi的原則，則：Ywi=Yi-Yti，考慮到產(chǎn)量變化的可比性，采用相對產(chǎn)量表述氣象產(chǎn)量，即：

(17)

1.5 平均單產(chǎn)動態(tài)預(yù)報模型建立

將一季稻不同時段氣候適宜指數(shù)與氣象產(chǎn)量ΔYwj進行回歸，建立不同時段一季稻氣象產(chǎn)量動態(tài)預(yù)報模型，即：

ΔYwj=a×F(C)+b,

(18)

其中：ΔYwj分別為省級、地市級或縣級一季稻氣象產(chǎn)量，a和b為模擬系數(shù)，在此基礎(chǔ)上，根據(jù)ΔYwi結(jié)果，利用公式(19)對各區(qū)域一季稻平均單產(chǎn)進行動態(tài)預(yù)報：

(19)

1.6 預(yù)報準確率

利用各區(qū)域模型預(yù)報的一季稻平均單產(chǎn)與當年實際平均單產(chǎn)進行對比，可得出當年平均單產(chǎn)預(yù)報準確率，即：

Fi=(1-|(Yi預(yù)報-Yi實際)|/Yi實際)×100%。

(20)

其中：Fi為預(yù)報年的預(yù)報準確率。

2 結(jié)果與分析

2.1 產(chǎn)量資料分析

1981—2016年江蘇省一季稻產(chǎn)量資料分析結(jié)果表明(圖1)，江蘇省一季稻平均單產(chǎn)呈波動上升態(tài)勢，1998年為歷史最高值年，1998年之前增幅大于1998年之后，全省單產(chǎn)水平從1981年的5 464 kg·hm-2提升到2016年的8 416 kg·hm-2，增幅達54%；江蘇省一季稻種植面積在1981—1990年持續(xù)增長，1991—1999年出現(xiàn)小幅波動，但在2000—2003年出現(xiàn)連續(xù)4 a下滑，2003年降至歷史次低值，2004年以后基本保持穩(wěn)定。13個地市產(chǎn)量資料分析結(jié)果表明，各地市平均單產(chǎn)呈現(xiàn)緩慢升高的特點，各地市平均單產(chǎn)水平從1981年的5 101 kg·hm-2提升到2016年的8 951 kg·hm-2，增幅達75.5%，除1991和2003年外，各地市之間單產(chǎn)差異總體不大，且2010年以后，各地市級產(chǎn)量差異變小，產(chǎn)量水平相近；從種植面積來看，常州、南京、蘇州、無錫、鎮(zhèn)江等蘇南地市一季稻種植面積呈下降趨勢，連云港、淮安、宿遷、徐州、鹽城等蘇北地市種植面積呈現(xiàn)上升趨勢，南通、泰州、揚州三市面積較穩(wěn)定。62個主產(chǎn)縣產(chǎn)量資料分析結(jié)果表明，各縣平均單產(chǎn)呈緩慢升高特點，各縣平均單產(chǎn)水平從1981年的5 054 kg·hm-2提升到2016年的8 944 kg·hm-2，增幅達77.0%；灌云、濱海、射陽等26個縣種植面積逐年上升，而武進、宜興、吳江等22個縣種植面積逐年下降，泰興、宿遷、新沂等14個縣種植面積較穩(wěn)定。

圖1 江蘇省1981—2016年一季稻單產(chǎn)和面積Fig.1 The yield and planting areas of single ricein Jiangsu from 1981 to 2016

2.2 江蘇省一季稻產(chǎn)量預(yù)報模型

利用1981—2011年、1981—2012年、1981—2013年、1981—2014年、1981—2015年江蘇省一季稻氣象產(chǎn)量與播種分別至7月中旬和8月中旬的氣候適宜指數(shù)建立2012—2016年江蘇省一季稻單產(chǎn)動態(tài)預(yù)報模型(表1)，除2012、2013年7月中旬預(yù)報模型相關(guān)系數(shù)通過α=0.1信度顯著性檢驗以外，其余年份都通過了α=0.05信度的顯著性檢驗，說明所建立的江蘇省一季稻氣候適宜指數(shù)能夠客觀反映江蘇省一季稻的氣候適宜性水平及動態(tài)變化，基于氣候適宜指數(shù)的預(yù)報方法適用于江蘇省一季稻單產(chǎn)預(yù)報。2012—2016年7月中旬和8月中旬動態(tài)預(yù)報檢驗結(jié)果表明，除2016年兩次預(yù)報準確率為95%左右外，其余時段預(yù)報準確率均在97%以上，5 a平均準確率分別為97.62%和97.91%(圖2)，且8月中旬平均預(yù)報準確率總體高于7月中旬。

表1 江蘇省一季稻單產(chǎn)動態(tài)預(yù)報模型及檢驗Table 1 The dynamical prediction models of single rice yield and test in Jiangsu

圖2 基于氣候適宜指數(shù)的省級預(yù)報結(jié)果Fig.2 Province forecasting results of method based onclimatic suitable index

2.3 江蘇省主產(chǎn)地市一季稻產(chǎn)量預(yù)報模型

利用1981—2011年、1981—2012年、1981—2013年、1981—2014年、1981—2015年江蘇省13個主產(chǎn)地市一季稻氣象產(chǎn)量與播種分別至7月中旬、8月中旬的氣候適宜指數(shù)建立2012—2016年13個地市一季稻單產(chǎn)動態(tài)預(yù)報模型，130個預(yù)報模型中共有118個模型分別通過了α=0.001(15個)、α=0.01(33個)、α=0.05(44個)和α=0.1(26個)信度顯著性檢驗，僅有12個模型未通過α=0.1信度顯著性檢驗。2012—2016年7月中旬和8月中旬動態(tài)預(yù)報檢驗結(jié)果表明，13個地市5 a平均準確率分別為96.24%和96.18%，較為接近，但略低于省級模型5 a平均預(yù)報準確率；分地市來看，鹽城市兩次預(yù)報準確率最高，分別為98.0%和98.01%，南通市最低，分別為93.5%和94.1%(表2)。

表2 江蘇省主產(chǎn)地市一季稻2012—2016年平均單產(chǎn)預(yù)報平均準確率Table 2 Average accuracy between 2012-2016 based on theintegration yield prediction model in different cities %

2.4 江蘇省主產(chǎn)縣一季稻產(chǎn)量預(yù)報模型

利用1981—2011年、1981—2012年、1981—2013年、1981—2014年、1981—2015年江蘇省62個主產(chǎn)縣一季稻氣象產(chǎn)量與播種分別至7月中旬、8月中旬的氣候適宜指數(shù)建立2012—2016年62個主產(chǎn)縣一季稻單產(chǎn)動態(tài)預(yù)報模型，620個預(yù)報模型中共有577個模型通過了α=0.1信度以上的顯著性檢驗，僅有43個模型未通過顯著性檢驗。2012—2016年7月中旬和8月中旬動態(tài)預(yù)報檢驗結(jié)果表明，62個主產(chǎn)縣5 a平均準確率分別為94.0%和93.9%，低于省級和地市級模型5 a平均預(yù)報準確率；分縣來看(圖3)，響水縣兩次預(yù)報平均準確率最高，分別為98.1%和98.3%，銅山縣最低，僅為73.9%和80.4%，由此可見，縣級尺度一季稻單產(chǎn)預(yù)報模型準確率波動較大，說明越小尺度區(qū)域作物產(chǎn)量預(yù)報的難度也相應(yīng)越大。

2.5 江蘇省一季稻區(qū)域集成預(yù)報模型

表3 江蘇省區(qū)域集成模型預(yù)報準確率Table 3 Accuracy based on the integration yield prediction model in different areas in Jiangsu Province %

圖3 江蘇省主產(chǎn)縣一季稻2012—2016年平均單產(chǎn)預(yù)報平均準確率Fig.3 Average accuracy between 2012-2016 based on the integration yield prediction model in different counties

3 討論

在江蘇省一季稻種植面積整體保持穩(wěn)定的形勢下，不同市縣的種植面積發(fā)生了較大的變化，蘇南地區(qū)種植面積明顯減少，蘇北地區(qū)則大幅增加，這與江蘇省氣候變化[16]和社會經(jīng)濟水平的發(fā)展相一致。從江蘇省、主產(chǎn)地市集成、主產(chǎn)縣集成模型的預(yù)報結(jié)果來看，小區(qū)域尤其是縣級尺度集成模型預(yù)報結(jié)果總體優(yōu)于地市級集成和省級尺度預(yù)報模型，這主要是由于縣級尺度預(yù)報模型使用了針對性更強的產(chǎn)量序列和氣象數(shù)據(jù)，雖然在某些年份會出現(xiàn)較大波動，但所建立的預(yù)報模型更好地反映了當?shù)氐臍庀髼l件對一季稻生長發(fā)育的影響，在經(jīng)過面積加權(quán)集成到省級尺度后，不同程度地提高了省級尺度一季稻產(chǎn)量預(yù)報的準確性。

相比于精細化網(wǎng)格天氣預(yù)報的發(fā)展[17]，農(nóng)業(yè)氣象精細化服務(wù)雖然面臨諸多難點，但也已取得了長足的進步，但農(nóng)作物產(chǎn)量預(yù)報仍重點關(guān)注全國尺度的預(yù)報結(jié)果，且開展市、縣級的產(chǎn)量預(yù)報服務(wù)相對較少。隨著氣象精細化服務(wù)的要求，構(gòu)建市、縣級主要作物產(chǎn)量預(yù)報模型，可進一步提高省級和國家級作物產(chǎn)量預(yù)報的準確率，更好的提升氣象為農(nóng)服務(wù)能力，同時可以發(fā)揮氣象預(yù)報的先導(dǎo)作用，為精準防災(zāi)減災(zāi)、確保作物豐產(chǎn)穩(wěn)產(chǎn)提供有力保障。另外，可充分利用農(nóng)業(yè)氣象觀測站和試驗站資料，嘗試構(gòu)建基于地段觀測數(shù)據(jù)的作物產(chǎn)量序列，以解決缺乏產(chǎn)量資料的問題，更好地開展精細化預(yù)報服務(wù)。

4 結(jié)論

(1)江蘇省級、地市級和縣級一季稻氣象產(chǎn)量與不同時段氣候適宜指數(shù)之間存在較高的相關(guān)性，說明所建立的各區(qū)域一季稻氣候適宜指數(shù)能夠客觀反映一季稻的氣候適宜性水平及動態(tài)變化，基于氣候適宜指數(shù)的預(yù)報方法適用于江蘇省不同區(qū)域一季稻單產(chǎn)預(yù)報。

(2)2012—2016年省級尺度模型預(yù)報平均準確率高于97.5%，主產(chǎn)地市、主產(chǎn)縣模型平均預(yù)報準確率低于省級尺度預(yù)報模型，表明預(yù)報區(qū)域越小，預(yù)報的難度提升。

(3)2012—2016年基于氣候適宜指數(shù)模型的江蘇省級、主產(chǎn)地市集成、主產(chǎn)縣集成模型預(yù)報準確率大部在95%以上，整體上看主產(chǎn)縣集成優(yōu)于主產(chǎn)地市集成，主產(chǎn)地市集成優(yōu)于省級尺度模型，由此，開展地市級和縣級尺度的精細化產(chǎn)量預(yù)報可提升省級尺度預(yù)報準確率，具有非常重要的業(yè)務(wù)推廣意義。