基于气候适宜度的水稻产量动态预报模型

郝 玲，任曙霞，张 佩，董京铭，朱云凤，何 玲，张亚东

（1.江苏省连云港市气象局，江苏 连云港 222006；2.江苏省气象局，江苏 南京 210008）

0 引言

水稻是我国重要的粮食作物之一，气候条件的适宜程度及变化情况会直接影响水稻的生长发育及产量形成［1-5］，因此跟踪气候条件的变化，掌握气候适宜程度对晚稻生长发育和产量形成的影响，能够为农业生产者及时合理地开展田间管理工作提供理论支撑和科学依据，是现代农业气象为农服务的重要组成部分［6-10］。

作物产量预报在我国已经进行了较长时间的研究和应用，预报的基本方法也很多，这些方法为作物气象产量预报奠定了基础。但是这些方法多在固定时间对作物产量进行预报，在动态跟踪预报方面的应用则较少。近年来，许多学者开展了作物产量动态预报研究［11-16］。郑昌玲等［17］利用作物产量历史丰歉气象影响指数对早稻产量进行了动态预测，预测效果较好，但是这种方法没有考虑气象因子量值的变化，从而影响了预报的稳定性。帅细强等［18］利用水稻生长模型对江南双季稻的产量进行了动态预测，但是作物模拟模型所需的部分实时数据在实际中难以获得，参数调整也较为困难，大范围应用的效果不够理想。易雪等［19］利用气候适宜指数对湖南的早稻产量进行了动态预报，但未考虑生产措施和重大气象灾害特别是成熟收获阶段气象灾害对早稻产量的影响。上述动态预报方法的预报结果都存在一定的不稳定性，且它们的预报时段仍然较长（一般在1个月以上），未做到真正的精准动态预报。因此，随着我国现代农业生产的发展，原有的预报方法在预报时间等方面已经不能满足国家粮食安全预警和指导农业生产的需要。

本文在已有的水稻气候适宜度研究的基础上，根据江苏地区的气候特点和水稻生长发育特性，构建了适用于江苏地区的水稻降水、温度及日照适宜度模型，并在此基础上建立水稻气候适宜指数，构建了基于气候适宜指数的水稻产量的动态（逐生育期、逐月、逐旬）预报方法。

1 材料与方法

1.1 研究区概况

江苏地处长江经济带，属东亚季风气候区，处在亚热带和暖温带的气候过渡地带，其农业生产条件得天独厚。江苏的粮食单产在我国维持着较高水平，粮食总产量在全国各省（市）中始终位居前列，在平衡国内粮食供应、保障我国粮食安全方面作出了重要贡献。水稻是江苏省粮食的主体，也是江苏农业的支柱产业之一，其产量形成是一个与气象条件密切相关的动态过程［20］。

1.2 数据来源

本研究所用气象资料包括江苏省13个气象观测站的日最高温度、日最低温度、日平均温度，以及逐日的日照时数和日降水量等地面气象观测资料；资料年份为1981─2016年。其中，1981─2014年气象资料用于模型建立与模型的回代检验，2015─2016年气象资料用于模型预报检验。各市水稻产量资料和气象资料均来自江苏省气象信息中心。

1.3 江苏省水稻气候适宜度模型的建立

1.3.1 温度适宜度 首先计算各站点的日温度适宜度S（ti），公式为：

式（1）~式（2）中：S（ti）为气象站点i的日温度适宜度；ti表示站点i的日平均温度，t1、t2、t0分别是水稻各生长发育阶段生长发育的三基点温度，即最低温度、最高温度和最适温度，如表1所示。

表1 江苏省水稻气候适宜度动态模型的参数值

然后计算所有站点的日温度适宜度的平均值，得到各市的日温度适宜度。同样，计算所有市的日温度适宜度的平均值，得到全省的日温度适宜度，计算公式为：

式（3）中：S（t）为各市或全省的日温度适宜度；n代表所属区域内站点数量。

最后由日温度适宜度算出旬温度适宜度，计算公式为：

式（4）中：S（t旬）为各市或全省的旬温度适宜度；m代表计算旬内的天数。

1.3.2 日照适宜度 其计算公式为：

式（5）中：S（si）为气象站点i的逐日日照适宜度；si为站点i的逐日日照时数；s0为站点逐日日照百分率为70%时的日照时数；s1为站点逐日日照百分率为30%时的日照时数；b为常数。

各市及全省的逐日日照适宜度S（s）及旬日照适宜度S（s旬）的计算公式 与式（3）~式（4）类似。

1.3.3 降水适宜度 其计算公式为：

式（6）~式（8）中：S（p旬）为站点的旬降水适宜度；p为站点的旬降水量；R为站点的多年（1981─2010年）旬平均降水量。

各市及全省的旬降水适宜度S（p旬）的计算公式与公式（4）类似。

1.3.4 气候适宜度模型 为了综合反映温度、降水、日照这3个因素对作物生长发育和产量形成的影响，本文建立了作物气候适宜度模型。

式（9）中：F（c旬）为各市或全省的旬气候适宜度；S（t旬）、S（p旬）、S（s旬）分别为各市或全省的旬温度适宜度、旬降水适宜度、旬日照适宜度。

1.4 基于气候适宜指数建立产量动态预报模型

1.4.1 趋势产量的处理方法 作物产量的影响因素有很多，目前一般分为气象因素、农技措施因素和随机“噪声”三大类。其中农技措施因素反映一定历史时期社会生产的发展水平，主要包括耕作水平、施肥、病虫害控制、品种特性及增产措施等，其相应的产量分量称为趋势产量。模拟和预测趋势产量的常用方法有：线性回归、非线性回归（正交多项式）、分段回归、滑动平均（包括直线滑动平均）、指数平滑、调和权重等。采用不同方法模拟趋势产量，所分离的气象产量结果并不相同，甚至截然相反。一般来说，采用非线性模拟方法可以取得较好的效果；但是在线性趋势明显时，采用各种方法的效果差异不大，而线性模拟计算最简便。

本研究分别采用线性分离、二次曲线、滑动平均（3 a、5 a）及差值百分率等5种方法对趋势产量进行处理。

1.4.2 建立气候适宜指数 由于作物在各个生育阶段的生理、生态特征不同，因此其对周围环境条件的需求也不同；同时，各个时段的环境因子对作物生长发育及产量形成的满足程度亦有差异。因此，为了客观地反映不同时期环境因子对作物的影响程度，有必要建立作物从播种至某一生育阶段的气候适宜指数。本研究采用加权集成的方法，构建江苏省水稻生育期内从播种至任意时段的气候适宜指数计算模型。

式（10）中：F（C）为作物从播种至某一生育阶段的气候适宜指数；Fi（c旬） 为区域内的旬气候适宜度；n为旬数；Ki为各旬气候适宜度对产量的影响系数（即权重）。

目前，确定指标权重的方法有专家咨询法、因子分析法和相关系数法等。本研究采用相关系数法来确定水稻生育期内各旬气候适宜度的权重。具体计算方法：首先计算水稻生育期内每一旬气候适宜度与水稻气象产量的相关系数；然后计算每一旬相关系数占水稻生育期内所有旬相关系数总和的比值，以此作为该旬的权重系数，即影响系数Ki由下式求得。

式（11）中：Ki为各旬气候适宜度对产量的影响系数，其值位于［-1,1］；Ri为区域内某旬气候适宜度与气象产量间的相关系数。

1.4.3 建立作物产量动态预报模型

1.4.3.1 一元一次模型的建立 首先构建作物气象产量与气候适宜指数的线性模型，即：

式（12）中：Yj为第j年的作物气象产量；Fj（C）为第j年的作物气候适宜指数；a0、a1为系数。

用式（12）计算出作物气象产量的预测值后，再用下式计算气象产量的预测值与实际值Yj间的相关系数r：

最后用下式计算出作物的预报产量：

式（14）中：Y预报为作物的预报产量；Yt为从作物产量分离的农业技术产量；Yj为作物的气象产量。

模型对作物产量的预报准确率用下式计算：

1.4.3.2 一元二次模型的建立 作物气象产量Yj与气候适宜指数Fj（C）间的一元二次模型（非线性模型）为：

式（16）中，b0、b1、b2为系数。

先用式（16）计算出气象产量的预测值，然后计算作物的预报产量和预报准确率，计算公式同式（14）~式（15）。

计算全省的作物预报产量时，对13个市的作物预报产量进行加权求和，权重为各参与计算的市水稻种植面积占全省水稻种植面积的比例（表2）。

表2 各市水稻种植面积占江苏全省水稻种植面积的比例

2 结果与分析

2.1 5种处理方法下趋势产量预报模型的预报效果

统计和对比分析了线性分离、二次曲线、滑动平均（3 a、5 a）及差值百分率等5种处理方法下趋势产量预报模型的预报效果，结果如表3所示。除了二次曲线法外，在其他4种处理方法下，水稻实际气象产量与模型拟合气象产量间的相关系数均通过了显著性检验，其中，采用5 a滑动平均法的相关系数最高，其次是差值百分率法和3 a滑动平均法，而采用线性分离法的相关系数最低。

表3 不同处理方法下实际气象产量与模型拟合气象产量间的相关系数

2.2 基于气候适宜指数建立的水稻产量动态预报模型

江苏省长江以北地区的水稻一般在5月上旬开始播种，苏南地区在5月中下旬开始播种，均在10月中旬以后收获。为了达到动态滚动预报水稻产量的目的，利用1981─2014年历年气候适宜度分别建立了江苏省13个市及全省从播种到任意旬的产量气象预报模型。

以7月中旬、8月中旬及9月中旬为例，建立的水稻产量动态预报模型见表4。表4中Y7、Y8、Y9分别为7月中旬、8月中旬和9月中旬水稻气象产量的预报值，X1、X2、X3分别为播种至7月上旬、播种至8月上旬、播种至9月上旬的气候适宜指数。由表4可见，13个市的水稻产量动态预报模型均通过了显著性水平α=0.05、0.01或0.001的检验。

表4 基于气候适宜指数建立的江苏省13个市的水稻产量动态预报模型

2.3 水稻产量动态预报模型的检验与应用

分别对江苏省13个市1981─2014年历年水稻产量进行历史拟合检验，结果表明：13个市历年不同起报时刻的拟合准确率最大值为99.99%，最小值为57.27%，平均值为95.05%；准确率大于或等于95.0%的占62.75%，准确率为90.0%~94.9%的占25.72%，准确率为85.0%~89.9%的占7.54%，准确率为80.0%~84.9%的占2.87%，准确率为70.0%~79.9%的占1.06%，准确率小于70.0%的占0.08%。

采用上述方法在2015、2016年的7月中旬、8月中旬和9月中旬分别对江苏省各市的水稻产量进行了预报应用。由表5可见，在2 a间的3次预报中，预报准确率最大值为99.92%，最小值为78.01%，平均值为96.15%；预报准确率大于或等于95.0%的占71.08%，准确率在90.0%～94.9%的占24.10%，准确率小于90.0%的占4.82%；7月中旬、8月中旬和9月中旬开始预报的平均准确率分别为96.55%、95.80%和96.11%。

表5 2015和2016年不同时间对江苏省各市水稻产量的预报结果

3 结论与讨论

本文基于江苏省13个市水稻的生理特性以及气候条件，分别构建了适于该省各市水稻的温度、日照、降水适宜度模型，并根据气候适宜度与产量的相关关系，确定了气候适宜指数，从而建立了基于气候适宜指数的江苏省各市的水稻产量动态预报模型。在此基础上，采用加权集成方法，构建了江苏省水稻生育期内从播种至任意时段的气候适宜指数计算模型以及水稻产量的动态预报模型。采用5种方法对水稻的趋势产量进行处理，根据不同处理方法下实际气象产量与模型拟合气象产量间的相关系数，得出5 a滑动平均法的处理效果最好。

利用1981─2014年历年气候适宜度分别建立了江苏省13个市及全省从播种到任意旬的产量气象预报模型，并对模型结果进行了历史拟合检验，拟合准确率最大值为99.99%，最小值为57.27%，平均值为95.05%。用2015及2016年的数据对模型进行了预报应用，预报准确率最大值为99.92%，最小值为78.01%，平均值为96.15%，达到了业务工作中水稻收获前1个月准确率95%以上的预测标准，说明所构建的水稻产量动态预报模型的预报效果较好，能够应用于实际工作中。