基于关键气象因子的河北省马铃薯产量预报

薛思嘉，魏瑞江，王朋朋， 刘园园，杨 梅

(1.河北省气象与生态环境重点实验室，河北 石家庄 050021；2.河北省承德市气象局，河北 承德 067000；3. 河北省气象科学研究所，河北 石家庄 050021)

引 言

马铃薯是河北省乃至全国的重要粮食作物，其产量形成受多重因素共同影响，随着生产力水平的提高，气象要素的影响愈加明显。在品种一定、管理水平相对稳定的条件下，光、温、水等气象因素是影响马铃薯产量形成的主要因素[1]。如青海高原东北部马铃薯气象产量与降水和日照分别呈显著正相关和负相关[2]；甘肃马铃薯产量，在降水量一定的情况下，随气温的升高而降低，在气温一定的条件下，随降水量的增多而增大[3]；高寒半干旱地区马铃薯生长发育主要受热量和日照时数的影响[4]。建立马铃薯产量与气象条件的关系模型，对马铃薯产量进行预测是做好农业气象服务的基础，对马铃薯进出口贸易有着重要意义[5-6]。

产量预报是气象部门核心业务之一，目前常用的作物产量预报方法主要有统计方法[7-10]、动力生长模型方法[11-13]等。统计方法中应用最为广泛的是采用相关分析，提取对作物气象产量影响显著的关键气象因子，在此基础上进行回归分析或神经网络分析，构建预测模型，进而预测作物产量[14-15]，其在河南、辽宁、江苏、重庆等地的玉米、大豆、小麦、水稻等作物的产量预报中得到应用[16-18]，达到了一定的预报效果。但以上研究中所建的作物产量预报模型多是依据独立的月或旬的气象因子进行预报，而气象条件对作物产量的影响有时间上的连续性，若以独立的月、旬气象因子进行预报，势必产生人为间断其影响的问题，不利于提高作物产量预报准确率[19-21]。

因此，本文采用因子膨化技术，对马铃薯生育期间的逐旬平均气温、降水量和日照时数进行膨化，提取对马铃薯气象产量影响显著的关键气象因子及其影响时段，建立产量预测模型，以期更准确地预报河北省马铃薯的产量。

1 资料与方法

1.1 资 料

1983—2018年河北省历年马铃薯总产、种植面积资料来源于国家统计局；马铃薯生育期资料来源于河北省马铃薯产区21个农业气象观测站(图1)；这21个农业气象观测站的气象资料来源于河北省气象局，包括马铃薯生育期间逐旬的平均气温、降水量和日照时数。

图1 河北省马铃薯产区21个农业气象观测站空间分布Fig.1 The spatial distribution of 21 agrometeorological observation stations in potato producing area of Hebei Province

1.2 方 法

1.2.1 因子膨化

为充分反映不同时段气象条件对马铃薯产量的影响，对逐旬平均气温、降水量和日照时数进行膨化处理，即将马铃薯全生育期(4月中旬至9月下旬)以旬为单位分成17旬，将第1旬作为马铃薯气象因子膨化时段组合的起始时间，第17旬作为时段组合的终止时间，将旬平均气温、降水量和日照时数依次按照连续1旬，2旬，3旬，……，17旬进行所有不同时段的膨化组合，分别得到120个序列，3个气象因子共得到360个不同时段的因子序列。将马铃薯气象产量分别与膨化后的气象因子进行相关分析，从中筛选出相关显著的因子。

1.2.2 气象产量分离

一般认为，粮食产量可分解为社会经济因素决定的趋势产量、气象因素决定的气象产量和偶然因素造成的随机产量[22]，计算公式如下：

Ya=Yt+Ym+σ

式中：Ya、Yt、Ym和σ(kg·hm-2)分别为实际产量、趋势产量、气象产量和随机产量，随机产量通常可以忽略不计[23]。

2 结果分析

参考文献[24]，采用5 a滑动平均将趋势产量从实际产量中分离出来，用实际产量减去趋势产量，则得到气象产量，下文中的产量均为单产。图2为1983—2019年历年河北省马铃薯产量。可以看出，2000年以前，马铃薯实际产量年际变化不大，气象产量随时间的变化小幅波动，2000—2019年，实际产量呈波动上升趋势，2009年以后上升趋势明显；2008年以后气象产量波动幅度增大，2016年出现较大负值，表明当年农业气象条件较差，2017年出现气象产量较大正值，表明当年农业气象条件较好。

图2 1983—2019年河北省马铃薯历年产量Fig.2 The yearly potato yield in Hebei Province from 1983 to 2019

2.1 关键气象因子

对1983—2015年河北省马铃薯生长发育期状况进行统计分析，发现各产区马铃薯播种期通常在4月中旬陆续展开，9月下旬全面进入收获期，表1列出河北省马铃薯主要生育期。

表1 河北省马铃薯主要生育期出现时间Tab.1 The occurrence time of main growth period of potato in Hebei Province

将1983—2015年马铃薯气象产量与膨化后的360个气象因子进行相关分析，通过显著性检验的因子为11个(表2)。可以看出，平均气温入选的因子最多(5个)，降水量入选的因子最少(2个) ，日照时数入选因子为4个，说明生育期平均气温对马铃薯产量影响最大，其次是日照时数，降水量对马铃薯产量影响最小，这是因为河北省马铃薯大部分种植区域有灌溉条件，一般情况下水分可满足马铃薯生长发育需求。在入选的因子中，马铃薯产量与不同时段的平均气温、降水均呈负相关，与生育中期的日照时数正相关，与生育后期的日照时数负相关。因为马铃薯为喜凉作物，生育中后期所需最适气温为15～21 ℃[25-26]，气温过高或过低均会影响产量[27-28]。而河北省大部分产区多年平均气温大于20 ℃，有时超出马铃薯生长最适气温，造成马铃薯植株叶片萎蔫、茎秆干燥，同时加剧膜脂过氧化、光合作用速率下降[29]，减少马铃薯块茎数目及大小，甚至在块茎增长期薯块生长停滞，形成畸形薯块[30]，所以平均气温对产量有负效应。7月下旬至9月下旬，马铃薯一般处于开花期—可收期，中间经历块茎膨大期，此时水分过多易引起湿腐病，造成块茎腐烂而减产[31]，同时适当干燥，对处于成熟收获期的马铃薯有利，可促进马铃薯块茎周皮充分老化，便于储存，所以降水量对产量有负效应。5月中旬至7月中旬，马铃薯一般处于出苗期—开花期，逐渐从以茎和叶生长为中心过渡为地上和地下生长相结合，最后转为地下块茎生长为主，在马铃薯苗期，充足的日照利于形成壮苗，在花期日照时数越长，越有利于养分的积累和薯块的形成，从而提高产量[32]，所以此时日照时数对产量有正效应；8月下旬至9月下旬马铃薯一般处于块茎膨大期至可收期，此时光照时间长易造成马铃薯植株衰老，导致生育期缩短，影响产量[33]，所以此时日照时数对马铃薯产量有负效应。

2.2 气象产量预报模型的建立

为实现马铃薯产量滚动预报，将表2中关键气象因子所在时段的下一旬第1天作为起报时间，即将7月21日、8月21日、9月11日和9月21日作为起报时间。引入相应起报时间前的关键气象因子，采用逐步回归分析，建立相应起报时间的马铃薯气象产量预报模型，表3列出各起报时间模型的预报因子及其回归系数。

表2 马铃薯气象产量与气象因子的相关系数Tab.2 Correlation coefficients between meteorological yield of potato and meteorological factors

表3 各起报时间马铃薯气象产量预报模型回归系数Tab.3 Regression coefficient of potato meteorological yield forecast model for different initial forecast time

2.3 预报模型的回代检验与应用

利用模型对1983—2015年历年马铃薯预报产量(实际产量与趋势产量之和)进行回代检验(表4)。可以看出，预报产量趋势回代检验正确率平均为84.0%，预报产量回代检验准确率平均为87.8%，预报产量回代检验准确率超过95%的占比平均值为40.0%，三者数值均随着起报时间的后移而增大。表5列出 2006—2015年不同起报时间预报产量回代检验准确率。可以看出，7月21日、8月21日、9月11日、9月21日起报的预报产量回代检验准确率分别为65.1%～93.4%、68.4%～94.3%、67.6%～95.8%和80.4%～96.7%，相应的预报产量回代检验准确率平均分别为79.6%、83.5%、84.1%和88.5%。预报产量回代检验准确率最小为65.1%，出现在2014年，该年4次预报产量回代检验准确率均低于70%，因为当年7月上旬河北省马铃薯主产区遭遇冰雹灾害，此时正值马铃薯块茎形成期，造成部分花枝被砸而折断，引起马铃薯大幅减产。

表4 1983—2015年各起报时间马铃薯预报产量回代检验准确率Tab.4 The backtesting accuracy of forecasted potato yield for different initial forecast time during 1983-2015 单位： %

表5 2006—2015年各起报时间马铃薯预报产量回代检验准确率Tab.5 The backtesting accuracy of forecasted potato yield for different initial forecast time during 2006-2015 单位： %

表6列出2016—2019年各起报时间马铃薯产量预报准确率。可以看出，2016年4次产量预报准确率为85.1%～94.4%，平均为90.5%；2017年4次产量预报准确率为91.8%～95.3%，平均93.8%；2018年4次产量预报准确率为85.4%～91.4%，平均88.1%；2019年4次产量预报准确率为83.5%～91.5%，平均88.8%。随起报时间的后移，预报准确率逐渐增大。

表6 2016—2019年各起报时间马铃薯产量预报准确率Tab.6 The forecast accuracy of potato yield for different initial forecast time during 2016-2019

3 结 论

(1)7—9月河北省马铃薯一般处于花序形成期—可收期，该时期的平均气温对马铃薯产量的影响最大，且与马铃薯预报产量负相关；日照时数对产量的影响次之，在生育前期表现为正相关，成熟收获期表现为负相关；降水量对马铃薯产量的影响最小，且两者为负相关。

(2)利用所建预报模型对1983—2015年河北省马铃薯产量进行回代检验，各起报时间马铃薯预报产量趋势回代检验正确率平均为84.0%，预报产量回代检验准确率平均为87.8%，随着起报时间的后移，趋势回代检验正确率、预报产量回代检验准确率超过95%的占比均越来越高。利用所建预报模型对2016—2019年河北省马铃薯产量进行预报检验，产量预报准确率为83.5%～95.3%，平均为90.3%。

本研究充分考虑连续的气象条件对作物产量的影响，对马铃薯生育期逐旬气象因子进行膨化处理后与气象产量做相关分析，该方法更能反映连续的气象条件与马铃薯产量的关系，可以有效克服时间上的间断对马铃薯产量预报准确率的影响。但基于关键气象因子的产量预报方法本质仍是基于数理统计建立预报模型，数理统计对数据稳定性的依赖度高，若预报年发生重大气象灾害即气象因子处于异常状态下，预报准确率则较低；统计预报模型对作物的生长机理考虑较少，未将作物受到灾害后自身的修复能力、人工干预等因素考虑在内。因此在今后的工作中，还应结合多种模型和实地调研，进一步提高马铃薯产量预报准确率。