宿松县双季早稻产量预报模式开发与运用

周霞　查道斌

摘要 宿松县双季早稻产量预报模式开发与运用研究结果表明，新研制的产量预报模式将气候适宜度作为气象影响因子引入模式，使预报结果更加精确。通过检测，效果较好，完全满足业务化要求，可以推广使用。

关键词 双季早稻；产量预报；气象资料；安徽宿松

中图分类号 S511.3+1 文献标识码 A 文章编号 1007-5739（2015）01-0044-02

Abstract The results of yield prediction model development and application of double season rice in Susong County showed that newly developed production forecast model introduced the climate suitability as meteorological factors model，and it made the forecast results more accurate. By testing，the effect was better，fully meet the business requirements，and can promote to use.

Key words double season rice；yield prediction；meteorological data；Susong Anhui

双季早稻主要分布在中国秦岭、淮河以北，长江流域北部，以及四川盆地和云贵高原，在农业结构中占有很大比重。随着气象条件的区域性得到越来越多的关注，目前现有的产量预报模式已经达不到精细化的要求。宿松县作为其主产区之一，有着丰富的历史资料积累，完全有条件也有必要去研制一套属于自己的产量预报模式，以此更有针对性地去做好气象为农服务工作。完成宿松县双季早稻产量预报模型的建立，提供双季早稻产量预报产品。通过不同生育期的气象条件分析，有针对性的为农民生产提供指导意见，减少或避免不利天气因子的影响，实现农民利益的最大化[1-3]。

1 材料与方法

1.1 试验材料

1981—2010年计30年的宿松县双季早稻实产数据，取自宿松县统计局；双季早稻全生育期对应时段的基本气象资料，取自宿松县国家一般气象站；模式所涉及技术指标等均来自《双季早稻气象条件定量评价等级》地方标准。

1.2 试验方法

采用直线滑动均值和调和权重法模拟趋势产量，再通过逐步回归建立产量趋势及定量产量预报方程，依据作物产量预报模式Y=Yt+Ym还原得到定量预报值。

1.2.2 调和权重法。调和权重法就是把已知时间序列y（t）诸点的折线进行平滑并作为实际趋势项的某种近似，采用一元线性回归处理，得出各折线区间每一年的Y′（t），再用公式Y（t）=∑Y′（t）/l得出调和权重处理的气象产量，其中l为调和权重步长，分离出气象产量。

1.3 气候适宜度的计算

气候适宜度以逐旬气象资料为统计对象，由温度适宜度、降水适宜度、日照适宜度构成。

1.3.1 温度适宜度。温度适宜度计算公式如下：

式（1）中，Si（t）代表某旬的温度适宜度，T代表某旬的平均气温，T0代表某生育阶段的最适温度，T1代表某生育阶段的最低气温，T2代表某生育阶段的最高温度。

1.3.2 降水适宜度。降水适宜度计算公式如下：

Si（r）=R/R0 R

式（3）中，Si（r）代表某旬的降水适宜度，R代表某旬的降水量，单位为mm，R0代表某旬的作物需水量。

1.4 因子普查筛选

利用双季早稻全生育期时段宿松县市国家基准气候站采集到的基本气象要素结合双季早稻气象条件定量评价等级指标，采用相关系数分析分时段筛选出宿松县双季早稻产量的气象因子，结果见表1、表2。

2 结果与分析

2.1 模式研制结果

2.1.1 产量趋势预报方程。方程为：

yi=-58.785 9-0.269 6X1+0.320 3X2-0.102 1X3+1.604X4+4.106 5X5（4）

式（4）中，yi即为第1次预测的相对气象产量趋势，i为对应的预测年份，X1代表第i年前1年的相对气象产量，X2代表当年6月上旬相对湿度，X3代表当年4月下旬平均降水量（平均降水量为降水总量与对应降水日数的比值），X4代表当年6月中旬平均最低气温，X5代表当年5月下旬降水适宜度。

2.1.2 定量产量预报方程。方程为：

y=0.271 8+0.101 4X1-0.723 7X2-0.001 4X3+0.089 3X4+0.812 7X5（5）

式（5）中，y即为相对气象产量，i为对应预报年份，X1代表当年8月中旬平均降水量，X2代表当年8月上旬日最高气温>35 ℃的日数，X3代表当年7月上旬平均降水量的平方值，X4代表当年8月上旬日平均气温>30 ℃的日数平方值，X5代表当年第2次产量趋势预测值。

2.2 结果检验

2.2.1 预报等级检验。通过定量预报相对气象产量，还原当年预测产量，对比实际产量作相对误差[4-6]，结果发现，超过90%的年份（30年）相对误差值在±3%之间，只有3个年份在 ±（3%～6%）。参照《技术指导手册》趋势预报等级评分表，全部年份等级均在±1级，绝对正确率在95%以上，且增减产趋势预报100%符合，预报方程可信度很高，可以运用到实际业务中并为产量预报提供参考。

2.2.2 产量实况检验。为了进一步检验模式的可信度，通过预测2013年、2014年的双季早稻产量，并与实况数据作对比分析，结果满足业务化要求。

3 结论与讨论

通过2013年、2014年的产量试报结果来看，无论是趋势预报还是定量预报，效果令人满意，完全满足业务化要求，可以业务使用。新研制的产量预报模式将气候适宜度作为气象影响因子引入模式，使预报结果更加精确，对适时开展为农服务工作提供更加科学的参考。

建议可以采用动态30年数据参与模式拟合，这样每年的模式都是最新的，可以保证对下一年的预报准确度，缺点就是业务人员的工作量比较大，还需要进一步的探讨研究。

4 参考文献

[1] 徐鹏炜，杨忠恩.浙江省水稻产量预报气象业务化系统[J].中国农业气象，1991（4）：34-38.

[2] 刘晓红.利用气象因子对水稻产量进行定量预报的研究[J].湖南农业科学，1992（1）：31-34.

[3] 孙熙椿，潘熙淦.用综合评判作杂交水稻产量的预报[J].江西师范大学学报：自然科学版，1992（4）：345-347.

[4] 黄中雄.南宁市水稻产量预报方法研究与实践[J].广西气象，2006（S1）：93-95.

[5] 刘锦銮，何健，沙奕卓，等.越南和泰国水稻产量预报研究[J].华南农业大学学报，2005（3）：1-4.

[6] 彭雪明，张小平，周文新，等.中国超级稻研究进展与栽培研究展望[J].作物研究，2009（1）：1-6.