南昌早稻产量预测模型研究

冯敏玉+黄淑娥

摘 要：为更好地预测早稻产量，文章统计分析了1994—2010年南昌早稻生长期间的气象因子及早稻产量资料，通过5年滑动平均和多元线性回归的方法建立了南昌市早稻产量的气候预测模型。结果表明，模型预测结果与早稻实际单产拟合率较高，平均精度达97.0%。此模型预测结果可为早稻产量预报分析提供科学依据。

关键词：早稻产量；预测模型；5年滑动平均；线性回归

中图分类号：S511.3+1 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2017.09.021

Abstract： For predicting the early rice yield better， the data were analyzed in this paper， which included the meteorological factors and rice yield from 1994 to 2010 in Nanchang， throughing the method of multiple linear regression and 5 year moving average. The climate prediction model was established. Testing results showed there was a high fitting rate between the model prediction results and actual yield of early rice. The average accuracy was 97.0%. The result indicated that this model could provide scientific basis for early rice yield forecast analysis.

Key words： early rice yield； prediction model； 5 year moving average； linear regression

水稻是我国主要的粮食作物，随着全球气候变暖，极端气候事件频发[1-2]，对水稻生产造成影响，水稻产量波动大。

我国幅员辽阔，区域气候特征明显，各地农业生产受气候影响差异显著。由于农作物种类多，区域环境条件差异大，而气候变化对作物的影响复杂多变，有的地区影響是正效应，而另一些地区影响则是负效应。

有研究表明，水稻生育期因气候变暖而缩短，产量面临不同程度的减产[3-6]。帅细强等[7]建立了不同发育期水稻模拟生物量与相对气象产量的相关统计模型，结合趋势产量预测，实现了地区级双季稻不同发育期的产量动态预测，效果较好。郑昌玲等[9]利用早稻不同生育阶段气象因子的综合聚类指标选择气象相似年型，再根据相似年的产量变化确定分析了产量气象影响指数，建立全国和区域早稻单产动态预报模型。姜丽霞等[10]通过对玉米生长过程的干物质累积曲线进行逐时段的温度和水分订正，建立了黑龙江省玉米气候产量的预测模式。杜春英等[11]根据历年水稻产量丰歉气象影响指数，建立了黑龙江省水稻产量丰歉趋势动态预报模型。作物模拟模型能够充分发挥监测和调控作物生长、预测产量的功能，在生产上发挥了积极作用。

南昌属亚热带地区，以生产双季水稻为主，双季早稻种植面积基本维持在10万hm2以上，2003年受干旱影响，早稻生产面积不足10万hm2，产量减幅也很大。2003年以后，产量波动较小且大致呈上升的趋势。

本研究利用1994年以来南昌地区早稻生长期间的旬平均气温、旬降水量、旬日照时数等气象观测资料，对早稻气象产量与相关气象因子进行分析，建立适宜于南昌地区的早稻气象产量的预测模型，为南昌早稻产量预报提供技术方法和科学依据。

1 材料和方法

1.1 资料来源

1994—2014年的气象资料来源于南昌市国家气象观测站，资料包括3月中旬至7月上旬逐旬平均气温、降水量和日照时数；早稻产量资料来源于南昌市统计局。

1.2 研究方法

根据南昌市1994—2010年早稻单产数据，对早稻单产时间序列采用5年滑动平均得出趋势产量，实际产量减去趋势产量即为气象产量。

采用一元线性回归和多元线性回归分析方法[12]，分别建立Yt，Yw的预测模型，二者相加即可得到早稻产量的预测模型。

2 结果与分析

2.1 早稻产量的年际波动

1994—2016年，南昌市早稻单产大体上经历了3个阶段：1994—1997年，单产相对较高；1998—2003年，极端天气现象频发（1998年暴雨天气多，2003年旱灾严重），早稻产量波动较大，早稻单产总体偏低；2004—2016年，早稻生长期间气象条件相对稳定，早稻产量稳步增长（图1）。

受经济因素影响，粮食种植面积每年均会有小幅的波动。在实际生产过程中，气象因子对水稻产量的影响明显。从图1可以看出，1995，1998，2003年单产和总产均相对较低，原因可能是由于1995，1998年洪涝灾害严重，单产受到严重影响；而2003年干旱严重导致产量下降，2010年降水偏多，产量又明显下降。

2.2 趋势产量预测模型的建立

模拟趋势产量的方法有多种，用得较多的是滑动平均法。采用5年滑动平均法对1994—2010年早稻实际单产进行滑动处理，分离出趋势产量Yt和气象产量Yw，滑动后样本序列变成1998—2010年。建立一组新的数据文件，对趋势产量与年份进行一元线性回归分析。得出回归方程如下。

2.3 早稻气象产量预测模型的建立

影响农业生产的气候环境包括光、温、水等多个气象因子，各因子量的过与不及均会对产量产生较大的影响。通过多元线性回归分析，建立回归分析模型，更能体现气象因子的综合作用。通过对1998—2010年气象产量与早稻生育期各旬气象因子进行相关分析，结果发现，早稻气象产量与6月下旬的平均气温、6月中旬和6月下旬的日照呈正相关，相关系数分别为0.513 5，0.547 8，endprint

0.610 1，且在0.05水平上显著；与6月上旬的降水量呈负相关，相关系数为-0.739，且在0.01水平上显著。选取显著相关的各因子， 通过多元线性回归分析，建立多元线性回归方程。

3 预测效果检验

为验证模型的预测效果，将2011—2016年南昌市早稻生长期间的上述各气象因子分别代入式 （5），得到2011—2016年早稻的模拟产量。与实际的产量进行比较，结果表明，模型预测结果与早稻实际单产拟合率较高，预测精度最低为96.0%，最高为99%，平均精度为97.0%（表1）。

4 结论与讨论

近年来，许多学者利用各种模型对不同的农作物开展产量预测，结果得出产量预测的模型很多[13-18]，但各地气候差异大，不能照搬照套。本研究利用南昌本地的气候资料，通过多元线性回归分析方法，建立了适用于本地区的早稻产量预测模型。经检验，预测精度平均达97.0%，预测效果较好，可用于本地区早稻产量预测。

实际生产中，除农业产业结构调整带来的产量波动之外，影响作物产量高低主要的是作物品种、栽培技术、气象条件和管理水平。但气象因子的变化是影响产量年际间波动的主要因子，尤其是关键生长期的气象因子。本研究结果表明，6月的光温水因子对气象产量影响最大，复相关系数为0.784 2。

参考文献：

[1]王馥棠. 近十年来我国气候变暖影响研究的若干进展[J]. 应用气象学报， 2002， 13（6）： 755-766.

[2]傅桦. 全球气候变暖的成因与影响[J]. 首都师范大学学报（自然科学版）， 2007， 28（6）： 11-15.

[3]张宇， 王馥棠. 气候变暖对我国水稻生产可能影响的数值模拟试验研究[J]. 气象学报， 1998， 56（3）： 369-376.

[4]谢远玉， 张红林， 刘翠华， 等. 早稻结实率与千粒重对气象条件响应关系探讨[J]. 江西农业大学学报， 2005， 27（Z）： 154-157.

[5]葛道阔， 金之庆. 气候及其变率变化对长江中下游稻区水稻生产的影响[J]. 中国水稻科学， 2009， 23（1）： 57-64.

[6]王保生， 曾煜. 江西省早稻产量气象预报模式的研究[J]. 中国农业气象， 1985， 6（2）： 35-37.

[7]帅细强， 王石立， 马玉平， 等. 基于水稻生长模型的气象影响评价和产量动态预测[J]. 应用气象学报， 2008， 19（1）： 71-81.

[8]劉伟昌， 陈怀亮， 余卫东， 等. 基于气候适宜度指数的冬小麦动态产量预报技术研究[J].气象与环境科学， 2008， 31（2）： 21-24.

[9]郑昌玲， 杨霏云， 王建林， 等.早稻产量动态预报模型[J]. 中国农业气象， 2007， 28（4）： 412-416.

[10]姜丽霞， 王育光， 孙孟梅， 等. 黑龙江省玉米产量预报模式的研究[J].中国农业气象， 2004， 25（1）： 13-15.

[11]杜春英， 李帅， 王晾晾， 等. 基于历史产量丰歉影响指数的黑龙江省水稻产量动态预报[J]. 中国农业气象， 2010， 31（3）： 427-430.

[12]彭国照， 杨秀容. 四川盆区水稻气候年景及产量模型研究[J]. 中国农业气象， 2001， 22（4）： 6-10.

[13]罗清， 刘晓迎. 凉山州马铃薯气象产量模型研究[J]. 西南师范大学学报（自然科学版）， 2011， 36（5）： 114-118.

[14]张国林， 张富荣， 宗英飞， 等. 基于气象因子的朝阳大枣年景预报模型[J]. 中国农业气象， 2012， 33（2）： 240-244.

[15]张文英， 栗秋生， 栗雨勤. 河北省玉米产量灰色理论分析与预测[J]. 华北农学报， 2007， 22（S1）： 164-166.

[16]李炳军， 李秋芳， 卢秀霞. 灰色线性回归组合模型在河南省粮食产量预测中的应用[J].河南农业科学， 2009（10）： 46-49.

[17]张荣达， 唐义. 毕节试验区粮食产量组合预测模型研究[J]. 现代农业科技， 2010（1）： 47-48.

[18]朱秀红， 郑美琴， 姚文军， 等. 基于SPSS的日照市茶叶产量预测模型的建立[J]. 河南农业科学， 2010（7）： 31-33.endprint