指数平滑法在椒江区早稻产量预测中的应用研究

徐强强 王旭辉

（浙江省台州市椒江区农业技术推广中心，台州 318000）

台州市椒江区地处浙江省沿海地区的中部，属中亚热带季风区，四季分明，雨量充沛，雨热同季。椒江区是传统的双季稻种植区，早稻种植面积常年维持在1 300 hm2左右，约占当地粮食作物播种总面积的27.8%。

多年来，国内学者在水稻产量预测方面做了很多研究。例如，杜春英等[1]建立了基于WOFOST模型的黑龙江省水稻产量动态预测研究办法，周保平[2]建立了水稻Hopfield产量预测的数学模型，黄文江等[3]建立了基于神经网络的水稻产量预测模型。同时，研究表明，温、光、水与水稻的生长发育和产量密切相关，熟悉、了解和掌握气象条件对水稻生产的影响，并能根据气象条件的变化来客观、定量、动态地预测水稻产量，对于保障粮食生产安全具有十分重要的现实意义。目前，虽然基于气象因子预测水稻产量的方法较多，但不同地区的气象条件存在差异，且影响水稻（尤其是早稻）产量形成的气象因子也各不相同，这就需要建立适合当地的早稻产量预测模型[4]。在此背景下，笔者拟采用指数平滑法，利用椒江区2009—2019年早稻生育期内各月的最低气温、平均最低气温、最高气温、平均最高气温、平均气温、降水量、日照时数等气象观测资料，通过对早稻气象产量和气象因子进行相关分析与回归分析，构建适合椒江区的早稻产量预测模型，以期为椒江区早稻产量的预测方法提供有力补充。现将相关研究成果报道如下。

1 材料与方法

1.1 数据来源及数据处理工具

本文的早稻产量数据来源于椒江区统计部门，气象数据来源于中国气象数据网，数据处理采用EXCEL 2010 软件[5]。

1.2 研究方法

1.2.1 早稻产量数据处理

一般把作物的产量分解为趋势产量、气象产量和随机产量[6]，即Y=Ya+Yb+e，其中，Y为实际产量，Ya为趋势产量，Yb为气象产量，e为随机产量（通常可以忽略不计）。因此，利用指数平滑分析工具将早稻产量数据进行处理，得出水稻趋势产量Ya，再用实际产量Y减去趋势产量Ya即得气象产量Yb。鉴于平滑系数a的取值不同，对结果的准确性具有重要影响，故本文平滑系数a分别取值0.1、0.3、0.5、0.7、0.9。

1.2.2 气象数据处理

椒江区早稻种植方式以直播为主，4月播种，7月收获，故选择4月—7月间各月的最低气温、平均最低气温、最高气温、平均最高气温、平均气温、降水量、日照时数7个主要气象因子。

1.2.3 预测模型建立

将各月的气象数据与气象产量进行相关分析，筛选出两个与气象产量相关度最高的气象因子进行回归分析。根据回归统计结果，选取拟合程度最优的a值作为最终确定的a值，并依此建立预测模型，最后检验预测模型的准确度。

2 结果与分析

2.1 早稻产量、趋势产量及气象产量

运用指数平滑法得到早稻趋势产量Ya和气象产量Yb。由表1可知，在平滑系数a分别取值0.1、0.3、0.5、0.7、0.9时，2014年的气象产量均为减产。经分析，2014年5月日照时数为91.9 h，较常年同期减少29.3 h，梅雨期间（6月17日—7月6日），长期阴雨寡照天气，并伴有强降水天气，降水量也破历史同期最高纪录，这些气象条件均对早稻生产不利。

表1 早稻产量、趋势产量及气象产量 (单位：kg/hm2)

2.2 相关分析及回归分析

选择椒江区早稻生育期内各月的关键气象因子（最低气温、平均最低气温、最高气温、平均最高气温、平均气温、降水量、日照时数）与气象产量进行相关分析，结果见表2。同时，根据表2相关分析结果，筛选相关系数最高的两个气象因子进行回归分析，具体为：在a=0.1时，选择5月平均最高气温和5月平均气温两个气象因子；在a=0.3时，选择7月最低气温和5月平均最高气温两个气象因子；在a=0.5时，选择7月最低气温和6月降水量两个气象因子；在a=0.7和a=0.9时，均选择6月最高气温和6月降水量两个气象因子。回归统计结果见表3，由此可知，R2（a=0.5）>R2（a=0.3）>R2（a=0.9）>R2（a=0.7）>R2（a=0.1），说明a=0.5时模型拟合程度最高，且标准误差 S2（a=0.5）

表2 气象产量与关键气象因子的相关分析

表3 气象产量和关键气象因子的回归分析

由表4、表5可知，SignificanceF(P值)小于0.01，说明6月降水量、7月最低气温联合起来对早稻产量有极显著影响。将6月降水量和7月最低气温分别设为X6和X7，X6的P值小于0.01，说明6月降水量对早稻产量有极显著影响；X7的P值小于0.01，说明7月最低气温对早稻产量有极显著影响。

表4 平滑系数a=0.5时的方差分析

表5 平滑系数a=0.5时的回归参数

在a=0.5时，气象产量Yb=-2 765.1-3.48 X6+165.87X7，再设椒江区早稻实际产量为Y，n年的早稻产量用Y(n)表示，（n+1）年的早稻产量用Y(n+1)表示，n年趋势产量为Ya(n)，（n+1）年趋势产量为Ya（n+1）。根据指数平滑法计算公式，采用平滑系数a为0.5，则(n+1)年趋势产量方程为Ya(n+1)=0.5Yn+(1-0.5)Ya(n），根据Y=Ya+Yb，得椒江区早稻产量预测方程为Y(n+1)=0.5Yn+0.5Ya(n)-2 765.1-3.48 X6(n+1)+165.87X7(n+1）。

2.3 模型精度检验及外推预测

2.3.1 模型精度检验

由表6可知，椒江区早稻实际产量与预测产量之间的绝对误差相对较小，经计算得出MAPE（平均绝对百分比误差，Mean Absolute Percentage Error）=2.73%，远小于5%，预测精度较高。

表6 2009—2019年实际产量与预测产量对比分析

2.3.2 预测2020年产量

查询气象资料可知，椒江区2020年6月降水量为230.2 mm，7月最低气温为23.6 ℃。根据产量预测方程，椒江区2020年早稻预测产量为Y2020=0.5×6 562.0+0.5×6 673.5-2 765.1-3.48×230.2+165.87×23.6=6 966.1 kg/hm2，而椒江区2020年早稻实际产量为6 767.0 kg/hm2，两者相差不大，可见该预测模型具有较高的准确度。

3 结论与讨论

通过对椒江区2009—2019年早稻生育期间各月的气象资料与早稻产量进行相关分析，筛选确定6月降水量、7月最低气温为影响早稻产量的关键气象因子，并依此建立了早稻产量预测模型。相关分析显示，早稻产量与6月降水量、7月最低气温的相关系数r值分别为-0.591 0和0.588 5，表明早稻产量与6月降水量呈负相关，与7月最低气温正相关，且相关程度较高，这是因为椒江区6月份进入梅雨季节，降水量偏多不利于早稻抽穗扬花，早稻灌浆受到影响，稻穗空壳霉变，从而影响产量，而7月份温高光足的气候条件，有利于早稻灌浆结实，则利于产量形成。同时，回归分析显示，6月降水量、7月最低气温均对早稻产量有极显著影响，且6月降水量、7月最低气温联合起来对早稻产量也有极显著影响。此外，对预测模型进行精度检验，MAPE值为2.73%，表明预测模型的预测精度较高。