基于關(guān)鍵氣象因子的山東省棉花產(chǎn)量預(yù)報(bào)

侯夢(mèng)媛

（山東省微山縣氣象局，山東微山 277600）

0 引言

棉花是重要的經(jīng)濟(jì)作物，在中國(guó)國(guó)民經(jīng)濟(jì)中占有重要地位。據(jù)統(tǒng)計(jì)，2020 年山東省棉花產(chǎn)量達(dá)18.3×107kg，播種面積14.3×104hm2。棉花是喜溫、喜光、耐旱的短日照作物[1]，其產(chǎn)量形成與氣象條件關(guān)系密切。一般而言，溫度、光照和降水能夠改變棉花生長(zhǎng)的環(huán)境要素，進(jìn)而影響棉花的生長(zhǎng)發(fā)育及物候期，最終使其產(chǎn)量發(fā)生變化[2-3]。不同地區(qū)棉花在不同時(shí)期對(duì)光溫水條件的需求不同，例如新疆棉花籽棉產(chǎn)量在7 月與平均溫度呈顯著負(fù)相關(guān)，但在8 月卻與平均溫度成顯著正相關(guān)[4]；春季降雨少、夏季及秋季光照充足是山東地區(qū)棉花棉鈴成熟吐絮的有利條件[5]。吳昊等[6]對(duì)鄱陽湖地區(qū)棉花的研究認(rèn)為，蕾鈴脫落率與花鈴期降水量絕對(duì)距平呈正相關(guān)。但降雨日數(shù)過長(zhǎng)、雨量異常偏多也會(huì)造成棉花蕾鈴脫落增加、產(chǎn)量下降[7-8]。在極端干旱區(qū)，吐絮期日照時(shí)數(shù)長(zhǎng)、溫度高有利于棉花產(chǎn)量的增加[9]。

基于關(guān)鍵氣象因子的產(chǎn)量預(yù)報(bào)是目前常用的作物產(chǎn)量預(yù)報(bào)方法之一，其基本思路是在提取顯著影響作物氣象產(chǎn)量的氣象關(guān)鍵因子的基礎(chǔ)上，利用神經(jīng)網(wǎng)絡(luò)分析或回歸分析等方法構(gòu)建作物產(chǎn)量預(yù)測(cè)模型。李樹巖等[10]根據(jù)夏玉米產(chǎn)量及7 月中旬—9 月中旬旬平均氣溫、旬降水量、旬日照時(shí)數(shù)，確定了13個(gè)關(guān)鍵氣象因子，以此為基礎(chǔ)建立夏玉米氣象產(chǎn)量預(yù)報(bào)模型，在全省不同區(qū)域均達(dá)到了一定的預(yù)報(bào)效果。黃珍珠等[11]將橡膠生長(zhǎng)期間的風(fēng)速、降水、日照、氣溫等氣象要素依次按旬、月進(jìn)行膨化處理，篩選出與影響橡膠產(chǎn)量的關(guān)鍵氣象因子，建立了橡膠產(chǎn)量預(yù)報(bào)模型，預(yù)報(bào)準(zhǔn)確率在90%以上。此外，該方法在水稻[12]、大豆[13]、小麥[14]、馬鈴薯[15]、油菜[16]等作物的產(chǎn)量預(yù)報(bào)中也有廣泛應(yīng)用。但以上研究所建立的預(yù)報(bào)模型多以旬或月為時(shí)間步長(zhǎng)，在實(shí)時(shí)動(dòng)態(tài)預(yù)報(bào)方面存在一定的時(shí)間局限性，也對(duì)作物產(chǎn)量預(yù)報(bào)準(zhǔn)確率有一定影響[17]。

因此，本研究以候?yàn)闀r(shí)間步長(zhǎng)，采用因子膨化處理，對(duì)山東省棉花生育期間的逐候平均氣溫、降水量和日照時(shí)數(shù)進(jìn)行膨化，篩選出顯著影響棉花氣象產(chǎn)量的關(guān)鍵氣象因子，并以此建立產(chǎn)量預(yù)報(bào)模型，以期為山東省棉花產(chǎn)量的定量、動(dòng)態(tài)、精細(xì)化預(yù)報(bào)提供理論依據(jù)。

1 資料與方法

1.1 資料來源

氣象資料為山東省17 個(gè)氣象站1990—2020 年逐日平均氣溫、降水量和日照時(shí)數(shù)，來源于山東省氣候中心。所用山東省棉花單產(chǎn)資料來源于國(guó)家統(tǒng)計(jì)局，山東省各地市棉花單產(chǎn)資料來源于山東省統(tǒng)計(jì)年鑒，資料年代均為1990—2020年。棉花生育期劃分時(shí)段為4月3候—10月4候[18]，具體結(jié)果如表1所示。為比較不同地區(qū)模型預(yù)報(bào)誤差的大小，根據(jù)地理位置將全省劃分為魯南、魯中、魯西北和魯東4 個(gè)區(qū)域，其中魯南地區(qū)包括菏澤、濟(jì)寧、棗莊、臨沂、日照，魯中地區(qū)包括濟(jì)南、萊蕪、泰安、淄博、濰坊，魯西北地區(qū)包括東營(yíng)、濱州、德州、聊城，魯東地區(qū)包括青島、煙臺(tái)、威海。

表1 山東省棉花生育期及出現(xiàn)時(shí)間

1.2 研究方法

1.2.1 產(chǎn)量資料處理棉花產(chǎn)量主要受社會(huì)和自然因素的共同影響，其中社會(huì)經(jīng)濟(jì)、農(nóng)業(yè)技術(shù)等社會(huì)因素引發(fā)的產(chǎn)量變化為棉花的趨勢(shì)產(chǎn)量，自然條件引起的產(chǎn)量變化為棉花的氣象產(chǎn)量[19]。長(zhǎng)時(shí)間序列棉花產(chǎn)量可以看作趨勢(shì)產(chǎn)量、氣象產(chǎn)量和隨機(jī)產(chǎn)量之和，計(jì)算公式見式(1)。

式中：Y、Ya、Yb分別為實(shí)際產(chǎn)量、趨勢(shì)產(chǎn)量和氣象產(chǎn)量，kg/hm2；θ表示隨機(jī)產(chǎn)量，一般可以忽略不計(jì)[20]。利用5 a滑動(dòng)平均法擬合趨勢(shì)產(chǎn)量，將趨勢(shì)產(chǎn)量從實(shí)際產(chǎn)量中分離出來；用實(shí)際產(chǎn)量減去趨勢(shì)產(chǎn)量，則得到氣象產(chǎn)量。由1990—2020年山東省棉花單產(chǎn)變化圖（圖1）可見，趨勢(shì)產(chǎn)量與氣象產(chǎn)量的變化趨勢(shì)基本一致。

圖1 1990—2020年山東省棉花產(chǎn)量

1.2.2 氣象資料處理根據(jù)地面觀測(cè)數(shù)據(jù)統(tǒng)計(jì)方法，一個(gè)月分為6候，第6候?yàn)?6日至月底，每候5 d或6 d[21]。首先利用算術(shù)平均方法處理17站氣象資料，得到全省和區(qū)域逐候平均氣溫、降水量和日照時(shí)數(shù)，以自然月為計(jì)算周期，棉花生長(zhǎng)時(shí)段為4月3候—10月4候，共38候。依次對(duì)山東省棉花生育期內(nèi)的逐候平均氣溫、降水量和日照時(shí)數(shù)等氣象要素以線性組合的方式進(jìn)行膨化處理[22]，時(shí)間尺度組合自4月3候開始，至當(dāng)年10月4候結(jié)束。

2 結(jié)果與分析

2.1 關(guān)鍵氣象因子

將1990—2020 年山東省棉花氣象產(chǎn)量與膨化后的氣象因子進(jìn)行相關(guān)分析，結(jié)果顯示，通過0.05水平顯著性檢驗(yàn)的關(guān)鍵氣象因子共14 個(gè)（表2）?？梢钥闯?，棉花產(chǎn)量與不同時(shí)段的平均氣溫和降水均呈正相關(guān)關(guān)系，但與生育前期的日照時(shí)數(shù)呈負(fù)相關(guān)，與生育后期的日照時(shí)數(shù)正相關(guān)。一般情況下，棉花在4月3候—6月2候期間正處在播種、出苗期，此時(shí)棉花生長(zhǎng)的適宜土壤水分下限要達(dá)到60%～65%[23]，水分不足將對(duì)棉花幼苗生長(zhǎng)及之后的蕾鈴發(fā)育產(chǎn)生不利影響，且生長(zhǎng)前期經(jīng)受干旱后，后期如水分補(bǔ)償不足棉花更易出現(xiàn)棉桃大量脫落、鈴重偏低等現(xiàn)象[24]。山東省受季風(fēng)氣候影響，全年降水分布不均，棉花生長(zhǎng)期間降水集中于蕾期和花鈴期，播種期和苗期的降水量最少[25]，因此水分條件對(duì)棉花產(chǎn)量具有正效應(yīng)。棉花對(duì)低溫較敏感，日氣溫低于15℃時(shí)生長(zhǎng)受限、易發(fā)生真菌病害進(jìn)而減產(chǎn)[26]，生長(zhǎng)后期日氣溫低于20℃則影響纖維成熟[27]。6 月6候棉花正處現(xiàn)蕾期，此時(shí)遭受低溫將會(huì)影響棉花光合性能，抑制生長(zhǎng)發(fā)育，進(jìn)而降低光化學(xué)效率產(chǎn)量[28]，因此平均氣溫對(duì)棉花產(chǎn)量有正向效應(yīng)。4月3候—6月5候，棉花一般處在播種—蕾期，而在降雨量、積溫相同的情況下，縮短日照時(shí)間能夠促進(jìn)棉花現(xiàn)蕾開花[29]；同時(shí)，由于播種期和苗期的降水量較少，晴熱干旱，此時(shí)日照時(shí)數(shù)增加則會(huì)加劇水分對(duì)棉花生長(zhǎng)的制約，抑制棉花早發(fā)，導(dǎo)致后期產(chǎn)量下降[30]。9 月1 候—9 月4 候棉花處在吐絮成熟期，此間充足的日照將會(huì)利于棉花光合產(chǎn)物積累，增加鈴重，因而對(duì)棉花產(chǎn)量具有正向促進(jìn)作用。

表2 棉花氣象產(chǎn)量與氣象因子的相關(guān)系數(shù)

2.2 氣象產(chǎn)量預(yù)報(bào)模型建立

為實(shí)現(xiàn)以候?yàn)闀r(shí)間步長(zhǎng)的棉花產(chǎn)量動(dòng)態(tài)預(yù)報(bào)，將篩選出的14個(gè)關(guān)鍵氣象因子（表2）所在時(shí)段的下一候第1天作為起報(bào)時(shí)間，即將4月16日、4月21日、5月26日、6月6日、6月11日、6月21日、6月26日、7月1日、9月21 日作為起報(bào)時(shí)間。選取起報(bào)時(shí)段之前的所有關(guān)鍵氣象因子作為自變量，氣象產(chǎn)量作為因變量，采用多元線性逐步回歸的方法，建立相應(yīng)起報(bào)時(shí)間的棉花氣象產(chǎn)量預(yù)報(bào)模型。在多元逐步回歸模型建立過程中，并非所有因子都能進(jìn)入最終模型，因此在各候的預(yù)報(bào)模型中，僅A2、A8、A9、A10、A11共4個(gè)因子參與了建模，舍棄了其他影響系數(shù)較小的因子。各起報(bào)時(shí)間模型的預(yù)報(bào)因子及其回歸系數(shù)見表3。

表3 棉花氣象產(chǎn)量預(yù)報(bào)模型回歸系數(shù)

2.3 模型回代檢驗(yàn)

為明確模型在區(qū)域應(yīng)用的準(zhǔn)確性，分別將全省、魯南、魯中、魯西北、魯東1990—2016年的氣象資料回代入預(yù)報(bào)模型，計(jì)算各起報(bào)時(shí)段全省及不同區(qū)域的棉花氣象產(chǎn)量，計(jì)算產(chǎn)量預(yù)報(bào)準(zhǔn)確率[10]（表4）?？梢钥闯觯☆A(yù)報(bào)產(chǎn)量趨勢(shì)回代檢驗(yàn)平均準(zhǔn)確率為94.1%，但各區(qū)域之間回代檢驗(yàn)準(zhǔn)確率有一定差異。其中，魯南和魯中地區(qū)模型回代檢驗(yàn)準(zhǔn)確率大致相當(dāng)，分別在91.3%～94.1%、93.1%～94.0%之間，但魯中地區(qū)回代檢驗(yàn)準(zhǔn)確率變幅更??；魯西北地區(qū)回代檢驗(yàn)準(zhǔn)確率為88.2%～93.3%，平均為92.7%，僅6 月11 日起報(bào)模型準(zhǔn)確率低于90%；魯東地區(qū)模型回代檢驗(yàn)準(zhǔn)確率為87.3%～88.4%，各起報(bào)時(shí)間模型回代檢驗(yàn)準(zhǔn)確率均低于90%，平均只有88.3%。

表4 1990—2016年棉花產(chǎn)量預(yù)報(bào)模型回代檢驗(yàn)平均準(zhǔn)確率 %

2.4 模型預(yù)報(bào)檢驗(yàn)

利用模型對(duì)2017—2020 年全省及不同區(qū)域的棉花產(chǎn)量進(jìn)行試報(bào)，表5 列出各起報(bào)時(shí)間棉花產(chǎn)量預(yù)報(bào)準(zhǔn)確率?？梢钥闯觯∑骄A(yù)報(bào)準(zhǔn)確率為95.1%，各區(qū)域預(yù)報(bào)準(zhǔn)確率均在90%以上。其中，魯南地區(qū)預(yù)報(bào)準(zhǔn)確率最高，平均92.1%；魯東地區(qū)模型預(yù)報(bào)準(zhǔn)確率最低，平均90.9%。

表5 2017—2020棉花產(chǎn)量預(yù)報(bào)準(zhǔn)確率 %

3 結(jié)論與討論

利用模型對(duì)1990—2010 年山東省棉花產(chǎn)量進(jìn)行回代模擬，各起報(bào)時(shí)間棉花預(yù)報(bào)產(chǎn)量趨勢(shì)回代檢驗(yàn)全省平均準(zhǔn)確率為94.1%。不同區(qū)域間模型回代準(zhǔn)確率有一定差異，魯南地區(qū)最高，平均93.6%；魯中地區(qū)次之，平均為93.5%且變幅最?。蝗≈挥恤敄|地區(qū)模型回代檢驗(yàn)平均準(zhǔn)確率低于90%。利用模型對(duì)2017—2020年棉花產(chǎn)量進(jìn)行預(yù)報(bào)檢驗(yàn)，全省平均預(yù)報(bào)準(zhǔn)確率為95.1%，各區(qū)域平均預(yù)報(bào)準(zhǔn)確率均在90%以上，且區(qū)域間差別不大，魯南、魯中、魯西北、魯東地區(qū)預(yù)報(bào)平均準(zhǔn)確率分別為92.1%、91.5%、91.5%、90.9%。該模型預(yù)報(bào)準(zhǔn)確率較高，且方法簡(jiǎn)單、易于使用，相比傳統(tǒng)以旬或月為時(shí)間步長(zhǎng)的預(yù)報(bào)模型，能夠更及時(shí)、準(zhǔn)確地預(yù)報(bào)當(dāng)?shù)氐拿藁óa(chǎn)量，具有較高的業(yè)務(wù)應(yīng)用價(jià)值。

4—6月山東省棉花一般處于播種—現(xiàn)蕾期，受季風(fēng)氣候影響，該時(shí)期降水量較少，降水成為棉花生長(zhǎng)的重要制約因素，因而降水量對(duì)棉花產(chǎn)量具有正效應(yīng)。同時(shí)，降水較少時(shí)日照時(shí)數(shù)增加則會(huì)加劇水分對(duì)棉花生長(zhǎng)的制約，因而日照時(shí)數(shù)在該時(shí)期與棉花產(chǎn)量負(fù)相關(guān)。溫度對(duì)棉花產(chǎn)量的影響最小，且兩者為正相關(guān)。

為充分考慮連續(xù)的氣象條件對(duì)棉花產(chǎn)量的影響，本研究以候?yàn)闀r(shí)間步長(zhǎng)，對(duì)棉花生育期間的逐候氣象要素進(jìn)行因子膨化處理，根據(jù)膨化后的氣象因子與氣象產(chǎn)量的相關(guān)關(guān)系建立產(chǎn)量預(yù)報(bào)模型，該模型能夠有效減弱時(shí)間間斷對(duì)預(yù)報(bào)準(zhǔn)確率的影響，但仍存在一定的局限性。進(jìn)行逐候動(dòng)態(tài)預(yù)報(bào)時(shí)，模型預(yù)報(bào)準(zhǔn)確率并未隨起報(bào)時(shí)間的后移有明顯提升，各起報(bào)時(shí)間模型預(yù)報(bào)差異并不顯著，滾動(dòng)預(yù)報(bào)的優(yōu)勢(shì)不明顯；此外，基于關(guān)鍵氣象因子建立產(chǎn)量預(yù)報(bào)模型對(duì)數(shù)據(jù)穩(wěn)定性的依賴度較高，且建模時(shí)分析單一氣象要素與棉花產(chǎn)量的關(guān)系，卻并未考慮各氣象要素間的相互影響，也未將人工栽培管理措施影響及作物生長(zhǎng)機(jī)理和抗逆性等因素考慮在內(nèi)。今后應(yīng)在綜合考慮作物自身生長(zhǎng)機(jī)理及人工栽培干預(yù)的條件下，結(jié)合多種建模方法，深入探討氣象條件對(duì)棉花產(chǎn)量的影響效應(yīng)，以更進(jìn)一步提高棉花產(chǎn)量預(yù)報(bào)的準(zhǔn)確率。