基于关键气象因子的辽宁省水稻产量动态预报

李琳琳，王 婷，李雨鸿，刘 青，宋晓巍，赵振宇

（1.辽宁省气象科学研究所，辽宁沈阳110161；2.沈阳市气象局，辽宁沈阳110168；3.阜新市气象局，辽宁阜新123000）

现代大农业

基于关键气象因子的辽宁省水稻产量动态预报

李琳琳1，王 婷1，李雨鸿1，刘 青2，宋晓巍2，赵振宇3

（1.辽宁省气象科学研究所，辽宁沈阳110161；2.沈阳市气象局，辽宁沈阳110168；3.阜新市气象局，辽宁阜新123000）

利用辽宁省33个气象站点1993—2012年水稻产量、生育期内的旬平均气温、旬降水量及旬日照时数等资料，应用统计分析方法建立水稻的产量动态预报模型。使用5年滑动平均法分离水稻趋势产量，分析气象产量与水稻生育期内逐旬气象要素的相关性，确定5月上旬平均气温、5月下旬平均气温、6月下旬降水量、7月下旬降水量、8月上旬日照时数、9月中旬平均气温和9月下旬日照时数为关键气象因子，建立水稻产量动态预报模型，并对预报结果进行验证。结果表明：对1993—2012年进行模拟预报及回代检验，平均准确率在93%以上；对2013年的产量进行预报，准确率为93.97%～99.67%，预报准确率较高。预测结果基本可以反映水稻产量的变化情况，能够满足业务服务的需要。

水稻；关键气象因子；气象产量；动态预报

李琳琳,王婷,李雨鸿,刘青,宋晓巍,赵振宇.基于关键气象因子的辽宁省水稻产量动态预报[J/OL].大麦与谷类科学,2017,34(4): 50-54[2017-08-15].http://kns.cnki.net/kcms/detail/32.1769.S.20170815.1133.003.html.

水稻在辽宁粮食生产中占有很重要的地位，主要归功于当地适宜的气候条件。经过多年的实践和发展，水稻种植技术和品种不断完善，其品质亦有很大的改观。截止2015年，辽宁省种植水稻面积约54.49万hm2。在水稻种植面积不变的基础上，产量有逐年增长的趋势，但由于受气候条件的影响，产量也有小幅波动。关键气象因子就是在水稻的某个发育期内，对产量起到关键作用的气象要素。动态地预报水稻产量的变化情况，对粮食生产安全有着重要的意义。

国内学者对水稻产量预报方面做了大量的研究。吴钟铃等对农业气象产量预报方法进行了研究与探讨，并对长春水稻、玉米作物进行了参量试报[1]；王家先等研究水稻秧龄和播种期对产量的影响，得出一般情况下，气温偏高导致播种日期提前，播种期的变化对产量有着明显的影响，适时提早播种有利于水稻产量提高，推迟播种日期导致水稻产量下降[2]；袁立新等利用SPSS统计软件，建立了基于BP神经网络的水稻产量预报预测模型[3]；韩永翔等对作物产量进行了预报新方法的研究探索[4]。本文通过对水稻生长发育过程中的气象要素与产量进行相关性分析，确定影响水稻产量的关键气象因子，并将关键气象因子所在时间段的下一旬的第1天作为预报时间，建立水稻气象产量动态预报模型，为本省水稻产量的动态预报提供帮助。

1 资料与方法

1.1 资料来源

根据辽宁省统计的水稻种植分布和生长特点，选取康平、新民、法库、辽中、普兰店、台安、大洼等33个水稻主产县（市）为水稻的研究区域，这33个县（市）水稻播种面积占全省的96%以上，可以代表全省水稻生产情况。文中所用的水稻产量资料来自辽宁省统计年鉴；水稻生育期资料来自农业气象观测报表；气象资料来自于辽宁省气象局，主要包括降水量、平均气温和日照时数等；资料选取年份为1993—2013年。

1.2 研究方法

1.2.1 产量资料处理。粮食作物产量一般可以分解为趋势产量、气象产量和随机产量[5]。即

式中，у表示为实际产量，ya表示趋势产量，yb表示气象产量，σ表示为随机产量，其中随机产量一般可以忽略不计。

本研究采用的是5年滑动平均法，将1993—2012年的水稻产量资料以年份排序，选取1～5年的数据为第1个产量序列，以产量资料为因变量、以时间为自变量建立线性回归方程，计算回归方程在1～5年中每年的拟合值，最后对每年得到的拟合值求平均，该值即为该年的趋势产量[6]。依照上述方法，求得水稻趋势产量，用实际产量减去趋势产量即为气象产量。本文使用1993—2012年实际产量分离出了趋势产量及气象产量，图1表明趋势产量与实际产量的变化趋势基本一致。

水稻产量在1995年和2012年有下降趋势，表示其年份农业气象条件较差，对应的气象产量在1995年表现出较大的负值。1996—2005年产量较为平稳，2005年以后气象产量随着时间变化上下波动，但波动幅度不大，对应的实际产量也表现出小幅波动。

图1 辽宁省1993—2012年水稻产量及气象产量年变化趋势

1.2.2 发育期气象资料处理。本文采用1993—2013年辽宁省33个气象观测站水稻生育期内的平均气温、降水量及日照时数，其中，2013年数据作为预报检验年份。应用Excel 2007、SPSS 13.0等软件进行数据处理和分析。

1.3 水稻动态预报技术方法

首先对水稻生长发育过程中的多种气象要素与产量进行相关性分析，确定影响水稻的关键气象因子，将关键气象因子所在时间段的下一旬的第1天作为预报时间，建立水稻气象产量动态预报模型，最终得到水稻产量的动态预报。

1.4 数据计算与处理方法

1.4.1 水稻气象产量动态预报模型计算公式。通过气象产量与关键气象因子的相关性分析，将气象产量作为因变量，预报时间之前的所有气象因子作为自变量，应用多元线性回归方法建立气象产量动态预报模型[7]：

式中，у为气象产量，a0为常数，bi为系数，xi为第i个关键气象因子。

1.4.2 水稻产量动态预报检验公式。通过公式（2）对水稻进行气象产量动态预报，对其动态预报结果进行检验，检验准确率的公式如下：

2 结果与分析

2.1 水稻生长发育期

对辽宁省水稻进行多年的统计分析，结果表明，一般播种时间为4月中旬陆续开展，10月上旬成熟（表1）。

表1 水稻主要生育期及出现时间

2.2 影响产量的关键气象因子分析

由于辽宁省大部地区都是采用温室大棚一体化育苗，本文关键气象因子的选取从5月开始。对水稻生长发育期进行分析，以旬为单位分为16旬，每旬逐一计算平均气温、降水量及日照时数。分析气象产量与每旬的气象因素的相关性，并将通过显著性检验的因子作为影响产量的关键气象因子。结果显示，5月上旬平均气温、5月下旬平均气温、6月下旬降水量、7月下旬降水量、8月上旬日照时数、9月中旬平均气温和9月下旬日照时数7个因子与气象产量显著相关（表2）。

表2 水稻气象产量与关键气象因子的相关性

对辽宁省水稻而言，以上各关键气象因子反映了水稻的关键生长发育阶段对光、温、水的需求。5月为水稻移栽的主要时期，温度偏高会促进水稻的生长，发生低温冷害的几率较小，对水稻的生长发育有利，因此水稻生长与气温呈现正效应。6月下旬—7月下旬是水稻的分蘖和拔节孕穗前期，水稻拔节孕穗期对水分的需求最为敏感，干旱会造成穗粒数和结实率下降，恢复灌溉后，水稻能够很快恢复生长，降水过多导致水稻光照不足，影响作物生长发育，因此降水量为负效应。水稻拔节期日照充足会促进水稻生长发育，利于高产，因此日照时数为正效应。9月中下旬为水稻灌浆-成熟期，是水稻产量形成最重要的时期，该时期对日照、温度尤为敏感。温度偏高，日照充足，花粉活力上升，授粉率、结实率较高，利于水稻高产，因此气温与日照时数为正效应。

2.3 建立水稻气象产量动态预报模型

通过气象产量与关键气象因子的相关性分析，确定预报时间，分别为5月11日、6月1日、7月1日、8月1日、8月11日、9月21日和10月1日。根据公式（2）应用多元线性回归方法建立气象产量动态预报模型（表3）。

表3 水稻气象产量动态预报模型参数

2.4 水稻产量动态预报检验

本文分别在5月11日、6月1日、7月1日、8月 1日、8月 11日、9月 21日和 10月 1日对1993—2012年水稻气象产量进行模拟预报。根据公式(3)准确率计算，气象产量预报检验结果见表4。

表4 辽宁省1993—2012年水稻模拟产量动态预报回代检验

结果表明，平均预报准确率在93%以上，预测结果比较可信。其中，准确率最小值为70.87%～92.20%，出现在1995年。对于使用统计方法的气象产量预报模型来说，其因子处于异常状态时预报的结果很差。另外，在各预报时间对2013年的水稻产量进行动态预报，预报准确率为93.97%～99.67%（表5）。

表5 对辽宁省2013年水稻产量的预报

3 结论与讨论

本文通过对水稻气象产量与生育期气象要素进行相关分析，筛选确定5月上旬平均气温、5月下旬平均气温、6月下旬降水量、7月下旬降水量、8月上旬日照时数、9月中旬平均气温和9月下旬日照时数共7个气象要素作为影响水稻气象产量的关键气象因子，并以此为依据建立了水稻气象产量动态预报模型。

对辽宁省所种水稻而言，以上各关键气象因子反映了水稻在生长发育阶段对光、温、水的需求。5月为移栽的主要时期，温度偏高会促进水稻的生长，发生低温冷害的几率较小，对水稻的生长发育有利，因此气温为正效应。6月下旬—7月下旬是水稻的分蘖和拔节孕穗前期，干旱会造成穗粒数和结实率下降，恢复灌溉后，水稻能够很快恢复生长，降水过多会导致水稻光照不足而成为无效分蘖，因此降水量为负效应。水稻拔节期日照充足会促进水稻生长发育，利于高产，因此日照时数为正效应。9月中下旬为水稻灌浆-成熟期，是水稻产量形成最重要的时期，该时期对日照、温度尤为敏感，温度偏高，日照充足花粉活力上升，授粉率、结实率较高，利于水稻高产，因此呈现气温与日照正效应。

基于关键气象因子的水稻气象产量动态预报模型，参数少、方法简单，易于使用。通过对模型进行模拟预报与检验，得出利用该模型预报水稻的产量，准确率较高，预测结果基本可以反映出水稻产量的变化情况，可以满足业务服务的需要。由于本模型受气象因子所在的时间限制，预报时间固定，不能在水稻生长发育期内的任意时间进行产量预报。因此在进行水稻产量预报业务时，还应该考虑其他预报方法的预报结果，并结合调研结果对预报结果进行修正，以进一步提高预报准确度。

[1]吴钟铃,陈铁如,李琳一.农业气象产量预报方法的探讨和长春水稻、玉米产量试报[J].高原山地气象研究,2011,31(1): 51-55.

[2]王家先,王代林,陈刘华.水稻秧龄和播种期对产量影响的试验研究[J].西南农业学报,2000,19(2):29-30.

[3]袁立新,段修荣,余先超.SPSS建立自贡水稻产量年景预测模型[J].四川气象,2006(1):31-33.

[4]韩永翔,伊 东.作物产量预报新方法研究[J].干旱地区农业研究,2002,20(3):124-127.

[5]唐余学,罗孳孳,范 莉,等.基于关键气象因子的中稻单产动态预报[J].中国农业气象,2011,32(增1):140-143.

[6]魏中海,王建勇,夏宣炎.粮食产量预测的因子处理和建模方法[J].华中农业大学学报,2004,23(6):680-684.

[7]李涵茂,帅细强,戴 平,等.基于关键气象因子的湖北早稻产量动态预报.[J].湖南农业科学,2015(1):114-116,119.

The Dynamic Prediction of Single-season Rice Yield Based on Key Meteorological Factors in Liaoning Province

LI Lin-lin1,WANG Ting1,LI Yu-hong1,LIU Qing2,SONG Xiao-wei2,ZHAO Zhen-yu3
(1.LiaoningInstitute ofMeteorologicalSciences,Shenyang110161,China;2.ShenyangMeteorologyBureau,Shenyang110168, China;3.Fuxin MeteorologyBureau,Fuxin 123000,China)

In the current research,a dynamic prediction model was established for predicting single-season rice yield by using statistic methods to analyze the data of single-season rice yields,10-day average air temperature,10-day precipitation,and 10-day average sunshine hours in the rice growth periods during 1993—2012 in Liaoning Province.By employing the 5-year moving average method, the single-season rice yield trend was isolated.The correlation between meteorological yield and the 10-day meteorological elements in rice growth period was determined,which led to identification of seven key meteorological factors as follows:early-May mean air temperature,late-May mean air temperature,late-June precipitation,late-July precipitation,early-August sunshine hours, mid-September mean air temperature,and late-September sunshine hours.Based on these key meteorological factors,a dynamic prediction model was established for single-season rice yield.Simulation with the model from 1993—2012 showed that average accuracy for yield prediction was more than 93%;the yield prediction with the model for 2013 showed that the accuracy was 93.97%～99.67%.This indicates that the dynamic prediction model can predict single-season rice yield and basically meets the demand for business services.

Rice;Key meteorological factors;Meteorological yield;Dynamic prediction

P49

A

1673-6486-201700354

2017年《大麦与谷类科学》改为双月刊启事

2017-04-26

辽宁省气象局科研项目（BA201705）。

李琳琳（1985—），女，硕士，工程师，主要从事农业气象相关研究。E-mail:Llinlin1985@163.com。

为满足广大作者与读者对本刊时效性要求，快速赢得首发权，《大麦与谷类科学》杂志主办单位报请江苏省农业科学院同意，于2016年10月12日向江苏省新闻出版广电局提出刊期变更申请——关于将《大麦与谷类科学》由季刊变更为双月刊的申请。江苏省新闻出版广电局于2016年11月1日批准了该申请，并发布了苏新广审[2016]382号文件《关于同意变更＜大麦与谷类科学＞刊期的批复》，同意本刊自2017年1月起刊期由季刊变更为双月刊。

本刊改为双月刊后，出版周期缩短为2个月，与本网刊预出版（优先出版）相结合，将有效提高本刊的出版时效，吸引优质稿源，进一步提高期刊学术与出版质量。