保山壩區(qū)玉米產(chǎn)量預(yù)測(cè)模型研究

賈晗思　字雪明　楊宇涵　王文丹

摘 要 為了給保山地區(qū)日常農(nóng)業(yè)氣象服務(wù)及鄉(xiāng)村振興氣象保障服務(wù)提供科學(xué)決策依據(jù)，利用云南省保山市隆陽區(qū)1981—2021年玉米產(chǎn)量資料與同期氣象資料，對(duì)保山壩區(qū)玉米產(chǎn)量進(jìn)行預(yù)測(cè)研究。結(jié)果表明：保山壩區(qū)氣候相對(duì)穩(wěn)定，玉米產(chǎn)量與氣象條件具有相關(guān)性，通過相關(guān)性分析，9月日照時(shí)間是影響玉米產(chǎn)量的主要?dú)庀笠蜃?，此時(shí)保山壩區(qū)玉米處于乳熟至成熟期，充足的光照條件對(duì)玉米光合作用和干物質(zhì)的積累尤其重要。通過逐步回歸，建立了3 a、5 a滑動(dòng)平均計(jì)算趨勢(shì)產(chǎn)量后剝離出的氣象產(chǎn)量的預(yù)測(cè)模型，模型分別為“yw1=-586.558+5.172x1”“yw2=-743.559+6.839x2”，模型準(zhǔn)確率分別為88%、85%；模擬結(jié)果表明，基于關(guān)鍵氣象因子的玉米產(chǎn)量預(yù)報(bào)方法，對(duì)保山壩區(qū)玉米產(chǎn)量的預(yù)報(bào)效果較好，可以投入業(yè)務(wù)應(yīng)用。

關(guān)鍵詞 農(nóng)業(yè)氣象；玉米；氣象因子；產(chǎn)量預(yù)報(bào)；云南省保山市隆陽區(qū)

中圖分類號(hào)：S162 文獻(xiàn)標(biāo)志碼：A DOI：10.19415/j.cnki.1673-890x.2023.17.009

農(nóng)業(yè)生產(chǎn)受到了包括自然資源因素、人為因素、氣象因素等多種條件的制約和影響，其中氣象因素的影響往往起著關(guān)鍵性作用，分析研究作物的產(chǎn)量與氣象因子之間的相關(guān)性，根據(jù)觀測(cè)的氣象數(shù)據(jù)及未來氣象條件預(yù)測(cè)，可以對(duì)農(nóng)作物生產(chǎn)做出合理預(yù)報(bào)[1]。農(nóng)作物產(chǎn)量預(yù)報(bào)是現(xiàn)代農(nóng)業(yè)氣象服務(wù)的重要組成部分，及時(shí)可靠的作物產(chǎn)量預(yù)報(bào)可用于管理氣候風(fēng)險(xiǎn)、優(yōu)化農(nóng)業(yè)管理措施、制定糧食貿(mào)易政策和優(yōu)化資源利用等區(qū)域農(nóng)業(yè)管理，對(duì)確保糧食安全和維持農(nóng)業(yè)可持續(xù)發(fā)展至關(guān)重要[2]。

當(dāng)前氣象部門作物產(chǎn)量預(yù)報(bào)主要是對(duì)作物的平均單產(chǎn)與種植面積進(jìn)行預(yù)測(cè)，種植面積數(shù)據(jù)可通過衛(wèi)星遙感技術(shù)進(jìn)行提取，或是根據(jù)統(tǒng)計(jì)局提供的種植意向進(jìn)行估算。而作物平均單產(chǎn)的預(yù)測(cè)方法較多，除了傳統(tǒng)的數(shù)理統(tǒng)計(jì)方法以外，遙感模型估產(chǎn)、作物生長模型模擬、機(jī)器學(xué)習(xí)、多模式集成預(yù)報(bào)等新技術(shù)與新方法的不斷應(yīng)用也拓展了單產(chǎn)的預(yù)報(bào)思路[3]。目前，國家級(jí)作物氣象產(chǎn)量預(yù)報(bào)的主要方法集中在統(tǒng)計(jì)模型、作物模型模擬、遙感估產(chǎn)等，區(qū)縣級(jí)的作物產(chǎn)量預(yù)報(bào)業(yè)務(wù)主要是利用縣級(jí)的作物產(chǎn)量數(shù)據(jù)并結(jié)合縣自身的氣象條件，通過統(tǒng)計(jì)模型進(jìn)行統(tǒng)計(jì)預(yù)報(bào)，而預(yù)報(bào)的準(zhǔn)確性取決于站點(diǎn)氣象數(shù)據(jù)觀測(cè)的準(zhǔn)確性[4]。

影響作物產(chǎn)量預(yù)報(bào)準(zhǔn)確性的關(guān)鍵問題之一是自然條件下預(yù)報(bào)因子對(duì)作物產(chǎn)量影響的不確定性，因此眾多學(xué)者對(duì)產(chǎn)量預(yù)報(bào)模型進(jìn)行了研究，旨在提高預(yù)報(bào)的準(zhǔn)確性。Chen等將作物模型和天氣預(yù)報(bào)相結(jié)合，對(duì)華北平原中部地區(qū)2008—2015年冬小麥產(chǎn)量進(jìn)行了預(yù)測(cè)，結(jié)果表明，天氣預(yù)報(bào)的不確定性會(huì)降低預(yù)報(bào)準(zhǔn)確度，使用歷史氣象觀測(cè)數(shù)據(jù)比使用氣候模式輸出的天氣預(yù)報(bào)效果更好[5]。秦鵬程等通過從歷史氣象資料庫中獲取替代資料的方法，使用CERES-Rice模型系統(tǒng)評(píng)估了氣象資料對(duì)產(chǎn)量預(yù)報(bào)準(zhǔn)確性的影響，結(jié)果表明，水稻產(chǎn)量對(duì)成熟前2個(gè)月內(nèi)的氣象條件較為敏感，基于氣象資料和作物模型開展產(chǎn)量預(yù)測(cè)，基本誤差可控制在5%以內(nèi)，若加入后期氣候趨勢(shì)預(yù)測(cè)，成熟前2個(gè)月起報(bào)預(yù)測(cè)準(zhǔn)確率可達(dá)80%以上[6]。楊祥珠等針對(duì)作物產(chǎn)量預(yù)報(bào)的特點(diǎn)，應(yīng)用集對(duì)分析中聯(lián)系度的概念，建立了基于集對(duì)分析的作物產(chǎn)量預(yù)報(bào)模型，對(duì)新昌縣小麥產(chǎn)量進(jìn)行預(yù)報(bào)試驗(yàn)，結(jié)果表明，聯(lián)系度的引進(jìn)改進(jìn)了預(yù)報(bào)因子的合理性，能提高小麥產(chǎn)量預(yù)報(bào)的準(zhǔn)確性[7]。馮明等利用糧食總產(chǎn)氣象預(yù)報(bào)模型，通過地面氣象資料和統(tǒng)計(jì)局歷年產(chǎn)量資料，從理論和實(shí)際兩方面分析了模型的可行性，通過實(shí)際應(yīng)用模型對(duì)湖北省糧食產(chǎn)量預(yù)測(cè)預(yù)報(bào)的準(zhǔn)確率達(dá)98.1%～99.3%[8]。

滇西地區(qū)是云南玉米主產(chǎn)區(qū)之一，其中保山市地處橫斷山脈滇西縱谷南端，境內(nèi)地形復(fù)雜多樣，屬低緯山地亞熱帶季風(fēng)氣候，由于地處低緯高原，地形地貌復(fù)雜，氣候復(fù)雜多變，農(nóng)業(yè)生產(chǎn)極易受到天氣狀況的影響，因此，準(zhǔn)確的氣象及作物生產(chǎn)預(yù)報(bào)，對(duì)當(dāng)?shù)氐霓r(nóng)業(yè)生產(chǎn)極為重要。

1? 材料與方法

1.1? 研究區(qū)概況

保山市隆陽區(qū)屬西南季風(fēng)區(qū)亞熱帶高原氣候類型，該區(qū)經(jīng)緯度為24°03′N、99°10′E，平均海拔1 653.5 m，年降水量約為963.8 mm，年平均氣溫16.8 ℃，年平均日照時(shí)間2 432.3 h；土壤類型主要為紅壤土和紫壤土，富含有機(jī)質(zhì)。保山市是滇西地區(qū)玉米主產(chǎn)區(qū)，2021年全市玉米種植面積11.20萬hm2，占糧食種植面積的42.5%，玉米總產(chǎn)量73.2萬t，其中隆陽區(qū)玉米種植面積為3.70萬hm2，玉米總產(chǎn)量30.91萬t，占全市玉米產(chǎn)量的42.22%[9]。

1.2? 資料來源

氣象數(shù)據(jù)來自保山市隆陽區(qū)氣象臺(tái)的多年觀測(cè)數(shù)據(jù)，包含保山市隆陽區(qū)1978—2021年玉米生育期（5—9月）的月平均氣溫、降水量、日照時(shí)間。玉米產(chǎn)量數(shù)據(jù)來源于保山市隆陽區(qū)統(tǒng)計(jì)局，包含1978—2021年玉米產(chǎn)量。

1.3? 計(jì)算方法

1.3.1? 玉米氣象產(chǎn)量

自然因素和非自然因素是影響玉米產(chǎn)量的主要因素，這兩類因素的影響可以將玉米產(chǎn)量分解為氣象產(chǎn)量和趨勢(shì)產(chǎn)量，即將實(shí)測(cè)產(chǎn)量減去趨勢(shì)產(chǎn)量能剝離出氣象產(chǎn)量，趨勢(shì)產(chǎn)量通過滑動(dòng)平均[1]和線性擬合[10]兩種方法計(jì)算得出，本文滑動(dòng)年份分別取3 a、5 a、10 a，公式如下[11]：

yw=y-yt? （1）

式中：yw為氣象產(chǎn)量，y為作物產(chǎn)量，yt為趨勢(shì)產(chǎn)量，單位皆為kg·hm-2。

1.3.2? 玉米相對(duì)氣象產(chǎn)量

研究表明，氣象因素是導(dǎo)致玉米產(chǎn)量波動(dòng)的最主要因子，將氣象產(chǎn)量占趨勢(shì)產(chǎn)量的比率r作為評(píng)定氣象豐年、氣象平年、氣象歉年的指標(biāo)，并將r＞10%的年份定義為氣象豐年，將r＜-10%的年份定義為氣象歉年；-10%≤r≤10%定義為氣象平年。r的計(jì)算公式[12]為：

r=（yw/yt）×100% （2）

1.3.3? 模型準(zhǔn)確率

將預(yù)測(cè)產(chǎn)量和實(shí)際產(chǎn)量進(jìn)行對(duì)比，計(jì)算出模型準(zhǔn)確率，公式如下[12]：

模型準(zhǔn)確率=【（1-預(yù)報(bào)產(chǎn)量-實(shí)際產(chǎn)量）/實(shí)際產(chǎn)量]×100%

（3）

2? 結(jié)果與分析

2.1? 玉米相對(duì)氣象產(chǎn)量

相對(duì)氣象產(chǎn)量主要表征因農(nóng)業(yè)自然災(zāi)害等不可預(yù)見因素造成的作物產(chǎn)量的波動(dòng)，該因子不受時(shí)間和空間影響，具有可比性，能較好地描述以氣象要素為主的各種短期變動(dòng)因子對(duì)產(chǎn)量的影響。圖1為3種滑動(dòng)平均法下保山壩區(qū)玉米相對(duì)產(chǎn)量年際動(dòng)態(tài)，滑動(dòng)平均法很好地消除了氣象因子的不穩(wěn)定波動(dòng)，從圖中可以看出，3 a滑動(dòng)平均法下1981—2021年保山壩區(qū)玉米氣象豐年有12 a，氣象平年有25 a，氣象歉年有4 a；5 a滑動(dòng)平均法下1983—2021年保山壩區(qū)玉米氣象豐年有17 a，氣象平年有19 a，氣象歉年有3年；10 a滑動(dòng)平均法下1988—2021年保山壩區(qū)玉米氣象豐年有17 a，氣象平年有14 a，氣象歉年有3 a。保山壩區(qū)整體上氣候較為穩(wěn)定，出現(xiàn)的極端氣候較少，因此，在1981—2021年間出現(xiàn)的氣象歉年較少（3～4 a），這也說明玉米的氣象產(chǎn)量與氣候變化有著極其重要的相關(guān)性。

2.2? 玉米氣象產(chǎn)量與氣象因子的相關(guān)性分析

表1為玉米氣象產(chǎn)量與降水、氣溫、日照時(shí)間的相關(guān)性分析，以yw1、yw2、yw3分別代表3 a、5 a、10 a滑動(dòng)平均計(jì)算出趨勢(shì)產(chǎn)量后剝離出的氣象產(chǎn)量，yw4為線性擬合計(jì)算出趨勢(shì)產(chǎn)量后剝離出的氣象產(chǎn)量，擬合方程為y=111.07x+3 833.4，R2=0.845。通過對(duì)玉米氣象產(chǎn)量和降水、氣溫、日照時(shí)間的相關(guān)性分析可以看出，yw1和8月、9月、全生育期日照時(shí)間顯著相關(guān)（p＜0.05）；yw2和9月、全生育期日照時(shí)間顯著相關(guān)（p＜0.05）；yw3和yw4與降水、氣溫、日照時(shí)間相關(guān)性不明顯，都未通過檢驗(yàn)。本文選取通過檢驗(yàn)的氣象因子所用的方法做后續(xù)分析，即用3 a、5 a滑動(dòng)平均計(jì)算出趨勢(shì)產(chǎn)量后剝離出的氣象產(chǎn)量進(jìn)行后續(xù)分析。

2.3? 玉米氣象產(chǎn)量預(yù)測(cè)模型及其檢驗(yàn)

本文對(duì)通過檢驗(yàn)的3 a滑動(dòng)平均法和5 a滑動(dòng)平均法的氣象產(chǎn)量進(jìn)行分析，利用通過檢驗(yàn)的氣象因子，通過逐步回歸的方法建立回歸方程，得到的方程分別為“yw1=-586.558+5.172x1”“yw2=-743.559+6.839x2”，其中x1、x2皆為9月日照時(shí)間。9月玉米處于乳熟至成熟期，是干物質(zhì)積累的重要時(shí)期，從回歸方程可以看出，9月日照時(shí)間是對(duì)保山壩區(qū)玉米氣象產(chǎn)量影響最大的氣象因子。利用計(jì)算得出的回歸方程計(jì)算出1981—2021年、1983—2021年的預(yù)報(bào)產(chǎn)量，將其與實(shí)際產(chǎn)量對(duì)比，結(jié)果如下表所示，表2為yw1和yw2的檢驗(yàn)結(jié)果，其中3 a滑動(dòng)平均法的yw1模型預(yù)測(cè)準(zhǔn)確率達(dá)到90%以上的共有19年，占比為46%，最低準(zhǔn)確率為67%，最高為100%，平均準(zhǔn)確率為88%；5 a滑動(dòng)平均法的yw2模型預(yù)測(cè)準(zhǔn)確率達(dá)到90%以上的共有15 a，占比為38%，準(zhǔn)確率最低為70%、最高為99%、平均為85%。兩種分析方法的平均預(yù)測(cè)準(zhǔn)確率均達(dá)到了85%以上，能夠滿足業(yè)務(wù)需求。

3? 討論與結(jié)論

玉米的產(chǎn)量主要取決于自然因素和社會(huì)因素，社會(huì)因素的影響主要表現(xiàn)在農(nóng)業(yè)科技水平進(jìn)步所引起的玉米生產(chǎn)力水平的提高，由此增加的產(chǎn)量為趨勢(shì)產(chǎn)量。而自然因素的影響主要表現(xiàn)在年際自然條件的變化所引起的產(chǎn)量變化，與玉米品種本身的生物學(xué)特性、土壤肥力、氣象條件等有密切關(guān)系，其中氣象因素是自然因素中的重要影響因素，如氣溫、降水量、輻射等氣象條件對(duì)玉米的生長及產(chǎn)量的形成具有重要的影響。但是，因?yàn)樯鐣?huì)因素所引起的趨勢(shì)產(chǎn)量的變量因素較多且難以控制，而氣象因子通過影響玉米的氣象產(chǎn)量從而對(duì)玉米的總產(chǎn)量造成不同程度的影響，因此，研究玉米的氣象產(chǎn)量與氣象因子的變化關(guān)系對(duì)于提高保山壩區(qū)的玉米單位面積產(chǎn)量來說更加具有現(xiàn)實(shí)意義，因此，在了解玉米的生物學(xué)特性的同時(shí)，考慮玉米生長發(fā)育不同時(shí)期的氣象條件是獲得高產(chǎn)穩(wěn)產(chǎn)的必要環(huán)節(jié)。

本文通過對(duì)保山壩區(qū)實(shí)測(cè)氣象數(shù)據(jù)與玉米產(chǎn)量的關(guān)系進(jìn)行研究，并通過模型進(jìn)行預(yù)測(cè)研究，發(fā)現(xiàn)氣象因子與玉米生產(chǎn)密切相關(guān)，并得出以下結(jié)論。

1）在1981—2021年，保山壩區(qū)氣候相對(duì)穩(wěn)定，其中1998—2005年因降雨量偏少，出現(xiàn)了氣象歉年，說明玉米產(chǎn)量與氣象條件具有相關(guān)性。

2）通過相關(guān)性分析，9月日照時(shí)間是影響玉米產(chǎn)量的主要?dú)庀笠蜃樱?月保山壩區(qū)玉米為乳熟至成熟期，充足的光照條件對(duì)玉米光合作用和干物質(zhì)的積累尤其重要。有研究表明[13]，光照是影響玉米產(chǎn)量的關(guān)鍵因素之一，光照影響玉米冠層結(jié)構(gòu)，光照在冠層內(nèi)的分布，直接影響玉米植株的光合能力，從而影響玉米產(chǎn)量。

3）通過逐步回歸，建立了3 a、5 a滑動(dòng)平均計(jì)算趨勢(shì)產(chǎn)量后剝離出的氣象產(chǎn)量的預(yù)測(cè)模型，模型分別為“yw1=-586.558+5.172x1”“yw2=-743.559+6.839x2”，模型準(zhǔn)確率分別為88%、85%，模擬結(jié)果表明，基于關(guān)鍵氣象因子的玉米產(chǎn)量預(yù)報(bào)方法，對(duì)保山壩區(qū)玉米產(chǎn)量的預(yù)報(bào)效果較好，可以投入業(yè)務(wù)應(yīng)用。

參考文獻(xiàn)：

[1]? 范婷婷，范生曄，陳美娟，等.鎮(zhèn)賚縣玉米氣象產(chǎn)量預(yù)報(bào)模型及影響因子分析[J].鄉(xiāng)村科技，2021，12（28）：97-99.

[2] 黃晚華，薛昌穎，李忠輝，等.基于作物生長模擬模型的產(chǎn)量預(yù)報(bào)方法研究進(jìn)展[J].中國農(nóng)業(yè)氣象，2009，30（S1）：140-143，147.

[3] 侯英雨，張蕾，吳門新，等.國家級(jí)現(xiàn)代農(nóng)業(yè)氣象業(yè)務(wù)技術(shù)進(jìn)展[J].應(yīng)用氣象學(xué)報(bào)，2018，29（6）：641-656.

[4] 劉維，宋迎波.基于不同空間尺度的作物產(chǎn)量集成預(yù)報(bào)——以江蘇一季稻為例[J].氣象科學(xué)，2021，41（6）：828-834.

[5] CHEN Y， TAO F. Potential of remote sensing data-crop model assimilation and seasonal weather forecasts for early-season crop yield forecasting over a large area[J]. Field Crops Research， 2022， 276： 108398.

[6] 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.

[7] 楊祥珠，婁偉平.集對(duì)分析在作物產(chǎn)量年景預(yù)報(bào)中的應(yīng)用[J].中國農(nóng)業(yè)氣象，2008（1）：79-82.

[8] 馮明.湖北省糧食總產(chǎn)氣象預(yù)報(bào)模型[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2008（1）：144-147.

[9] 云南省統(tǒng)計(jì)局.云南省統(tǒng)計(jì)年鑒2021[M].北京：中國統(tǒng)計(jì)出版社，2022.

[10] 崔力，王春玲，李改琴，等.濮陽市夏玉米產(chǎn)量與氣象因子的關(guān)系分析[J].中國農(nóng)學(xué)通報(bào)，2010，26（16）：341-344.

[11] 葉飛，勞曉璨.柑橘氣象產(chǎn)量和實(shí)際產(chǎn)量與氣象因子相關(guān)性及對(duì)比分析[J].浙江農(nóng)業(yè)科學(xué)，2021，62（6）：1119-1122.

[12] 陸杰英，孫麗穎，吳健達(dá)，等.增城香蕉產(chǎn)量的氣象預(yù)報(bào)模型[J].廣東氣象，2022，44（3）：64-67.

[13]? RANUM P， PE?A-ROSAS J P， GARCIA-CASAL M N. Global maize production， utilization， and consumption[J]. Annals of the New York Academy of Sciences， 2014， 1312（1）： 105-112.

（責(zé)任編輯：丁志祥）

收稿日期：2023-03-06

基金項(xiàng)目：保山市隆陽區(qū)氣象局自籌科研經(jīng)費(fèi)項(xiàng)目（2022-01）。

作者簡介：賈晗思（1996—），女，云南保山人，本科，助理工程師，研究方向?yàn)檗r(nóng)業(yè)氣象。E-mail：jhs0812@163.com。