保山坝区玉米产量预测模型研究

贾晗思，字雪明，杨宇涵，王文丹

（保山市隆阳区气象局，云南保山 678000）

农业生产受到了包括自然资源因素、人为因素、气象因素等多种条件的制约和影响，其中气象因素的影响往往起着关键性作用，分析研究作物的产量与气象因子之间的相关性，根据观测的气象数据及未来气象条件预测，可以对农作物生产做出合理预报[1]。农作物产量预报是现代农业气象服务的重要组成部分，及时可靠的作物产量预报可用于管理气候风险、优化农业管理措施、制定粮食贸易政策和优化资源利用等区域农业管理，对确保粮食安全和维持农业可持续发展至关重要[2]。

当前气象部门作物产量预报主要是对作物的平均单产与种植面积进行预测，种植面积数据可通过卫星遥感技术进行提取，或是根据统计局提供的种植意向进行估算。而作物平均单产的预测方法较多，除了传统的数理统计方法以外，遥感模型估产、作物生长模型模拟、机器学习、多模式集成预报等新技术与新方法的不断应用也拓展了单产的预报思路[3]。目前，国家级作物气象产量预报的主要方法集中在统计模型、作物模型模拟、遥感估产等，区县级的作物产量预报业务主要是利用县级的作物产量数据并结合县自身的气象条件，通过统计模型进行统计预报，而预报的准确性取决于站点气象数据观测的准确性[4]。

影响作物产量预报准确性的关键问题之一是自然条件下预报因子对作物产量影响的不确定性，因此众多学者对产量预报模型进行了研究，旨在提高预报的准确性。Chen等将作物模型和天气预报相结合，对华北平原中部地区2008—2015 年冬小麦产量进行了预测，结果表明，天气预报的不确定性会降低预报准确度，使用历史气象观测数据比使用气候模式输出的天气预报效果更好[5]。秦鹏程等通过从历史气象资料库中获取替代资料的方法，使用CERES-Rice 模型系统评估了气象资料对产量预报准确性的影响，结果表明，水稻产量对成熟前2个月内的气象条件较为敏感，基于气象资料和作物模型开展产量预测，基本误差可控制在5%以内，若加入后期气候趋势预测，成熟前2个月起报预测准确率可达80%以上[6]。杨祥珠等针对作物产量预报的特点，应用集对分析中联系度的概念，建立了基于集对分析的作物产量预报模型，对新昌县小麦产量进行预报试验，结果表明，联系度的引进改进了预报因子的合理性，能提高小麦产量预报的准确性[7]。冯明等利用粮食总产气象预报模型，通过地面气象资料和统计局历年产量资料，从理论和实际两方面分析了模型的可行性，通过实际应用模型对湖北省粮食产量预测预报的准确率达98.1%～99.3%[8]。

滇西地区是云南玉米主产区之一，其中保山市地处横断山脉滇西纵谷南端，境内地形复杂多样，属低纬山地亚热带季风气候，由于地处低纬高原，地形地貌复杂，气候复杂多变，农业生产极易受到天气状况的影响，因此，准确的气象及作物生产预报，对当地的农业生产极为重要。

1 材料与方法

1.1 研究区概况

保山市隆阳区属西南季风区亚热带高原气候类型，该区经纬度为24°03'N、99°10'E，平均海拔1 653.5 m，年降水量约为963.8 mm，年平均气温16.8 ℃，年平均日照时间2 432.3 h；土壤类型主要为红壤土和紫壤土，富含有机质。保山市是滇西地区玉米主产区，2021年全市玉米种植面积11.20万hm2，占粮食种植面积的42.5%，玉米总产量73.2万t，其中隆阳区玉米种植面积为3.70 万hm2，玉米总产量30.91 万t，占全市玉米产量的42.22%[9]。

1.2 资料来源

气象数据来自保山市隆阳区气象台的多年观测数据，包含保山市隆阳区1978—2021 年玉米生育期（5—9 月）的月平均气温、降水量、日照时间。玉米产量数据来源于保山市隆阳区统计局，包含1978—2021年玉米产量。

1.3 计算方法

1.3.1 玉米气象产量

自然因素和非自然因素是影响玉米产量的主要因素，这两类因素的影响可以将玉米产量分解为气象产量和趋势产量，即将实测产量减去趋势产量能剥离出气象产量，趋势产量通过滑动平均[1]和线性拟合[10]两种方法计算得出，本文滑动年份分别取3 a、5 a、10 a，公式如下[11]：

式中：yw为气象产量，y为作物产量，yt为趋势产量，单位皆为kg·hm-2。

1.3.2 玉米相对气象产量

研究表明，气象因素是导致玉米产量波动的最主要因子，将气象产量占趋势产量的比率r作为评定气象丰年、气象平年、气象歉年的指标，并将r＞10%的年份定义为气象丰年，将r＜-10%的年份定义为气象歉年；-10%≤r≤10%定义为气象平年。r的计算公式[12]为：

1.3.3 模型准确率

将预测产量和实际产量进行对比，计算出模型准确率，公式如下[12]：

2 结果与分析

2.1 玉米相对气象产量

相对气象产量主要表征因农业自然灾害等不可预见因素造成的作物产量的波动，该因子不受时间和空间影响，具有可比性，能较好地描述以气象要素为主的各种短期变动因子对产量的影响。图1 为3 种滑动平均法下保山坝区玉米相对产量年际动态，滑动平均法很好地消除了气象因子的不稳定波动，从图中可以看出，3 a 滑动平均法下1981—2021 年保山坝区玉米气象丰年有12 a，气象平年有25 a，气象歉年有4 a；5 a 滑动平均法下1983—2021 年保山坝区玉米气象丰年有17 a，气象平年有19 a，气象歉年有3年；10 a滑动平均法下1988—2021 年保山坝区玉米气象丰年有17 a，气象平年有14 a，气象歉年有3 a。保山坝区整体上气候较为稳定，出现的极端气候较少，因此，在1981—2021年间出现的气象歉年较少（3～4 a），这也说明玉米的气象产量与气候变化有着极其重要的相关性。

图1 保山坝区玉米相对气象产量年际动态

2.2 玉米气象产量与气象因子的相关性分析

表1 为玉米气象产量与降水、气温、日照时间的相关性分析，以yw1、yw2、yw3分别代表3 a、5 a、10 a滑动平均计算出趋势产量后剥离出的气象产量，yw4为线性拟合计算出趋势产量后剥离出的气象产量，拟合方程为y=111.07x+3 833.4，R2=0.845。通过对玉米气象产量和降水、气温、日照时间的相关性分析可以看出，yw1和8 月、9 月、全生育期日照时间显著相关（p＜0.05）；yw2和9 月、全生育期日照时间显著相关（p＜0.05）；yw3和yw4与降水、气温、日照时间相关性不明显，都未通过检验。本文选取通过检验的气象因子所用的方法做后续分析，即用3 a、5 a 滑动平均计算出趋势产量后剥离出的气象产量进行后续分析。

表1 玉米气象产量与各月降水量、气温、日照时间的相关性分析

2.3 玉米气象产量预测模型及其检验

本文对通过检验的3 a 滑动平均法和5 a 滑动平均法的气象产量进行分析，利用通过检验的气象因子，通过逐步回归的方法建立回归方程，得到的方程分别为“yw1=-586.558+5.172x1”“yw2=-743.559+6.839x2”，其中x1、x2皆为9 月日照时间。9 月玉米处于乳熟至成熟期，是干物质积累的重要时期，从回归方程可以看出，9 月日照时间是对保山坝区玉米气象产量影响最大的气象因子。利用计算得出的回归方程计算出1981—2021年、1983—2021年的预报产量，将其与实际产量对比，结果如下表所示，表2为yw1和yw2的检验结果，其中3 a 滑动平均法的yw1模型预测准确率达到90%以上的共有19 年，占比为46%，最低准确率为67%，最高为100%，平均准确率为88%；5 a 滑动平均法的yw2模型预测准确率达到90%以上的共有15 a，占比为38%，准确率最低为70%、最高为99%、平均为85%。两种分析方法的平均预测准确率均达到了85%以上，能够满足业务需求。

3 讨论与结论

玉米的产量主要取决于自然因素和社会因素，社会因素的影响主要表现在农业科技水平进步所引起的玉米生产力水平的提高，由此增加的产量为趋势产量。而自然因素的影响主要表现在年际自然条件的变化所引起的产量变化，与玉米品种本身的生物学特性、土壤肥力、气象条件等有密切关系，其中气象因素是自然因素中的重要影响因素，如气温、降水量、辐射等气象条件对玉米的生长及产量的形成具有重要的影响。但是，因为社会因素所引起的趋势产量的变量因素较多且难以控制，而气象因子通过影响玉米的气象产量从而对玉米的总产量造成不同程度的影响，因此，研究玉米的气象产量与气象因子的变化关系对于提高保山坝区的玉米单位面积产量来说更加具有现实意义，因此，在了解玉米的生物学特性的同时，考虑玉米生长发育不同时期的气象条件是获得高产稳产的必要环节。

本文通过对保山坝区实测气象数据与玉米产量的关系进行研究，并通过模型进行预测研究，发现气象因子与玉米生产密切相关，并得出以下结论。

1）在1981—2021 年，保山坝区气候相对稳定，其中1998—2005 年因降雨量偏少，出现了气象歉年，说明玉米产量与气象条件具有相关性。

2）通过相关性分析，9月日照时间是影响玉米产量的主要气象因子，9月保山坝区玉米为乳熟至成熟期，充足的光照条件对玉米光合作用和干物质的积累尤其重要。有研究表明[13]，光照是影响玉米产量的关键因素之一，光照影响玉米冠层结构，光照在冠层内的分布，直接影响玉米植株的光合能力，从而影响玉米产量。

3）通过逐步回归，建立了3 a、5 a 滑动平均计算趋势产量后剥离出的气象产量的预测模型，模型分别为“yw1=-586.558+5.172x1”“yw2=-743.559+6.839x2”，模型准确率分别为88%、85%，模拟结果表明，基于关键气象因子的玉米产量预报方法，对保山坝区玉米产量的预报效果较好，可以投入业务应用。