气象因素对水稻产量的影响及预测模型的建立

李红艳，徐建强，许甫金，肖玉苹，沈足金，张乐平，方 明

(1.桐乡市农业技术推广服务中心，浙江 桐乡 314500； 2.桐乡市梧桐街道农业经济服务中心，浙江 桐乡 314500)

桐乡市地处杭嘉湖平原腹地，现有耕地面积3.87万hm2，其中水田2.87万hm2，农业生产基础较好，土壤肥沃，自然条件优越，生产技术较先进。水稻是浙江省的主要粮食作物，种植面积占耕地面积的50%以上，产量约占粮食总量的80%[1]，而桐乡又是浙北重要产粮区，水稻种植面积稳定在1.33万hm2左右。

IPCC第4次评估报告指出，过去100年里，全球平均气温升高0.74 ℃(0.56～0.92 ℃)[2]，在全球气候变暖的大背景下，气候的变化对水稻的生产会有不同程度影响[3]。桐乡市水稻单产受气候变化等因素影响也有所波动，平均单产在8 296 kg·hm-2。为了更好地理解气候变化对水稻生产的影响，国内外许多学者为此也做了大量研究。Peng等[4]研究表明，水稻产量与气温密切相关，在热带地区，平均气温每升高1 ℃，水稻产量下降50%；最低气温每升高1 ℃，水稻产量将下降约10%。Welch等[5]研究认为，日均气温的升高能增加水稻产量，平均最低气温的升高却可能降低水稻产量。Tao等[6]研究指出，在不考虑CO2施肥效应的前提下，当全球平均气温分别上升1、2、3 ℃时，水稻产量将分别降低6.1%～18.6%、13.5%～31.9%、23.6%～40.2%。大量研究表明，在未来气候变化情况下，中国大多水稻种植区将面临不同程度的减产[7-11]。

气候变化对农作物产量影响方面，应用较为广泛的方法为观测统计法，即根据多年作物实际产量和气象资料观测数据，通过统计分析，研究气象因子与作物产量之间的关系，此方法比较客观、严密[12]。本文拟采用指数平滑法，根据桐乡市2000—2013年14年的水稻单产，分离出水稻趋势产量，从而计算出水稻气象产量。气象产量与各年份气象因素进行相关性和回归性分析，得出水稻产量预测公式，为预测未来气候变化对水稻产量影响提供依据，对指导农业生产及减少保障粮食生产安全具有现实意义。

1 材料与方法

1.1 研究地概况

桐乡市位于浙江省北部(30°28′～30°47′N、120°17′～120°39′E)，属亚热带季风气候，温暖湿润，四季分明，雨水充沛，日照充足。水稻栽培制度为单季稻模式，水稻生长季(5月下旬至11月上旬)多年平均气温23.4 ℃，降水量678.9 mm，日照时数1 085.1 h。

1.2 数据来源

本研究中的水稻单产数据源于《桐乡市统计年鉴》，从统计年鉴中分别提取了2000—2017年间单季晚稻总产量和种植面积，计算水稻单位面积产量(单产)。气象数据源于桐乡市气象局气象观测资料。

1.3 水稻产量分解

一般把作物产量分解为趋势产量、气象产量和随机误差3个部分，其中趋势产量主要是受社会生产力发展平衡制约，也被称为技术产量；气象产量受气候因素为主的短周期变化因子(农业气象灾害为主)影响而波动；随机误差影响小，可忽略不计。因此水稻实际单产可表示[13-15]:

Y=Yt+Yw。

式中，Y为水稻实际单产(kg·hm-2)，Yt为趋势单产(kg·hm-2)，Yw为气象单产(kg·hm-2)。

1.4 研究方法

选用指数平滑法测定水稻趋势产量，根据公式Yw=Y-Yt计算得到气象产量Yw。在指数平滑中，平滑系数a取值不同，计算出的平滑结果会有较大差异[16]。本研究平滑系数a分别取0.1、0.3、0.5、0.7和0.9，分别计算出趋势产量，根据公式分离出气象产量。2000年后，桐乡市水稻主要种植模式为晚粳稻一季稻，水稻的生育期跨度为5—11月。因此，选择5月水稻播种育秧开始到11月水稻收获期间，逐月平均温度、最高温度、最低温度、日照时数和降水量5个主要气象指标，运用相关分析，获取与水稻产量相关性最高的气象因素，建立回归模型并进行拟合度与显著性检验，再计算水稻历年产量预测值，与水稻历年实际产量进行比较，以此检验模拟公式的精确度。

1.5 数据处理

采用Excel 2010软件进行数据处理。

2 结果与分析

2.1 水稻产量及趋势产量、气象产量

运用指数平滑法计算得到水稻趋势产量Yt，根据公式Y=Yt+Yw分离出气象产量Yw，结果见表1。平滑系数a分别取0.1、0.3、0.5、0.7、0.9时，2003和2005年气象产量均为减产，其中2003年降水量严重偏少，而9月中上旬又遭遇极端高温，日平均温度为27.3 ℃，较常年9月中上旬日均温高3.3 ℃；2005年降水量偏少，6月下旬至7月上旬、9月中下旬均遭遇高温天气。这2年气象条件均对水稻生产产生不利，由此可见，分离出的气象产量能初步反映气象条件对水稻产量的影响。

表1 不同年份水稻产量、趋势产量及气象产量

2.2 气象产量与气象因子的相关分析

通过对气象产量与水稻生育期相关月平均温度、最高温、最低温、日照时数和降水量的相关分析，结果表明(表2)，桐乡市水稻产量与当地月平均温度、最高温、最低温、日照时数和降水量存在一定的相关性，与水稻产量相关性最高的气象因素依次为9月日照时数、6月日照时数、9月最高温等。

2.3 气象产量与关键气象因素的回归分析

根据相关分析结果，选取相关程度最高的2个因子进行回归分析。a=0.1时，选择6月日照时数与9月日照时数；a=0.3时，选择9月日照时数与6月日照时数；a为0.5、0.7、0.9时，均选择9月日照时数与9月最高温度。回归统计结果见表3。

表2 气象产量与各因子相关分析

表3 气象产量与关键气象因素回归统计

从表4、5可知，SignificanceF为0.00110623，远小于0.01，说明6月、9月日照时数联合起来对水稻产量有极显著影响。

当a=0.3时关键因子是6月、9月日照时数，分别设为S6、S9，则气象产量Yw回归方程为：Yw=952.88-1.19×S6-4.46×S9。再设桐乡市水稻实际产量为Y，n年的水稻产量用Yn表示，(n+1)年的水稻产量用Y(n+1)表示，n年的趋势产量为Yt(n)，(n+1)年的水稻趋势产量为Yt(n+1)。根据平滑指数平滑法计算公式，取平滑系数a=0.3，则(n+1)年的水稻趋势产量方程为：

Yt(n+1)=0.3×Y(n)+(1-0.3)×Yt(n)。

根据Y=Yt+Yw，得到桐乡市水稻产量预测方程为：

Y(n+1)=0.3×Y(n)+(1-0.3)×Yt(n)+952.88-1.19×S6(n+1)-4.46×S9(n+1)。

表4 平滑系数a=0.3时方差分析

表5 平滑系数a=0.3时回归参数

2.4 结果检验

2.4.1 校验2001—2013年实际产量与预测产量

表6可见，通过与历年水稻实际产量比较，预测准确度最高为99.9%，最低为97.9%，13年平均预测准确度达99.0%。

表6 2001—2013年实际产量与预测产量对比

2.4.2 预测2014—2017年水稻产量

根据模拟公式分别计算出2014—2017年水稻预测产量，通过查询4年相关统计数据，对比结果见表7。4年平均预测准确度达96.2%，由此可见，水稻预测公式具有较高的准确度。

表7 2014—2017年水稻产量预测及校验

3 小结

桐乡市水稻产量与当地水稻生育期相关月份逐月平均气温、最高温度、最低温度、日照时数和降水量之间具有一定的相关性，相关度从高到低依次有9月日照时数、6月日照时数、9月最高温度等。气象条件不利的年份表现为水稻气象产量减产，可见分离出的气象产量能初步反映气象条件对水稻产量的影响。

水稻气象产量与9月和6月日照时数相关系数r值分别为-0.855 3和-0.723 7，且∣r∣相对较大，表明水稻产量与9月和6月日照时数均成负相关，且相关程度较高。6月份为水稻的播种出苗期，水稻秧苗在光照不足或光照过足条件下均不利于正常生长。9月份为水稻的抽穗灌浆期，晴天略带微风，更有利于水稻授粉，如果日照过足，其水稻的蒸发量也变大，水分供应不足，产量易下降。

回归分析显示，6、9月的日照时数联合起来对水稻产量有极显著影响。水稻产量预测公式对2001—2013年历年水稻产量进行校验，平均准确度达99.0%；对2014—2017年水稻产量进行预测，平均准确度达96.2%。

通过采用指数平滑法，设置不同平滑系数分解趋势产量，最后选择平滑系数为0.3时，模拟拟合优度高，误差较小。