基于完整模型的農作物產量分解技術及業務化應用

李民華,易家俊,祝光明,易 永,呂征平

(湖南省懷化市氣象局,湖南 懷化 418000)

基于完整模型的農作物產量分解技術及業務化應用

李民華,易家俊,祝光明,易 永,呂征平

(湖南省懷化市氣象局,湖南 懷化 418000)

產量分解是農作物產量預報業務的關鍵技術環節。針對業務上基于二項式簡化模型產量的分解誤差可能較大,研究影響模擬誤差的氣候因素和社會因素,建立基于完整模型的農作物產量分解技術方法,重點包括氣候異常模擬誤差△Yw和社會因素模擬誤差△Yt的訂正、不同農作物產量分解方法的組合使用等,結合計算機技術實現數據處理自動化,有利于提高農作物產量氣候影響評估和預報精確性和準確率,產生較好的服務效果。

農作物產量;完整模型;分解;誤差;訂正;業務化

1 引言

產量分解是農作物產量預報業務的關鍵技術之一。目前,農作物產量分解主要基于 Y(實際單產)=Yt(趨勢產量)+YW(氣象產量)二項式模型,采用滑動平均、直線滑動、線性、正交多項式、準線性模擬等模擬方法[1-3],將作物產量分解成氣象產量和趨勢產量兩部分,其中趨勢產量受作物品種、生產技術、經濟政策等社會因素制約,代表正常氣象條件下的作物產量水平;氣象產量由受氣象條件影響的產量年際波動,代表氣象條件對農作物產量形成的好壞程度。但是,基于產量隨時間變化規律的趨勢產量模擬,當某一年或幾年因氣候因素或經濟技術突變影響大幅度偏離時,模擬曲線將出現較大偏差。為此,懷化市氣象局研發“農作物產量預報業務系統”[4],針對關鍵技術問題加強研究,建立包括了產量隨機誤差項的完整模型分解技術及業務數據處理流程,對減少農作物產量模擬誤差和提高預報服務質量有重要幫助。

2 基于完整模型的農作物產量分解技術思路

2.1 農作物產量完整模型

鑒于農作物產量預報二項式模型的明顯不足,建立保留產量隨機誤差項的農作物產量完整模型,即

產量隨機誤差△Y由氣候因素和農業投入、生產積極性、技術異常或其它因素異常性變化引起,為趨勢產量模擬誤差。

產量隨機誤差項△Y產生的原因如下:

一是如上述 1985年、1988年懷化市一季中稻因氣象災害嚴重減產形成模擬誤差,稱為氣候因素影響模擬誤差△Yw。

二是因農業投入、生產積極性、技術異常或其它因素異常性變化引起誤差為△Yt;因此有:

將 (2)代入 (1)得:

其中 Yt(趨勢產量)+△Yt(社會因素隨機項)為社會因素引起;包括非氣象因素的所有其它因素的影響。

YW(氣象產量)+△Yw(氣象因素隨機項)為氣象因素引起。

因此,完整模型與二項式模型產量分解關鍵技術差別在于模擬誤差的訂正處理。

2.2 △Yw值的訂正技術思路

△Yw值的訂正:根據當地糧食產量預報服務需要對作物產量氣候年景的評定標準適當修改,有利于不同氣候年景的均等分布;懷化市將作物產量年景分為大豐年、豐產年、偏豐年、平產年、偏欠年、欠年、大欠年7個等級,具體指標分別為:YW/Yt為 ± 2%為平產年,2%～4.9%為偏豐年,5.0%～9.9%豐產年,10%以上為大豐年;-2%～-4.9%為偏欠年,-5.0%～-10%為欠年,-10%以下為大欠年;以平產年代表正常氣候年,通過統計方法濾去氣候異常的產量影響,形成波動幅度不大的平產產量序列,再選擇滑動平均、直線滑動平均、準線性模擬等方法模擬處理后的產量序列,這樣生成的趨勢產量能代表正常氣候產量水平,再用最初原始產量減趨勢產量生成氣象產量和相對氣象產量。可見,異常氣候年原始產量的預處理是△Yw值的訂正關鍵技術。

2.2.1 插值法 由于懷化市 1985—1995年一季中稻生產力相對穩定,多數年份產量在 390～400之間波動,對特殊氣候年產量的預處理,可以通過選擇正常氣候條件年份為基點,如 1984年、1986年、1989年,按 Yi=Yn+(Yi-Yn)×(Ym-Yn)/(mn)分段插值,其中 Yi為需要插值年的產量值,Yn、Ym為分別為前后 2個基點年份產量,為了保持原始產量波峰、波谷變化趨勢,以平產年指標值 Yi＊(100±1)%代替屬第 i年的原始產量,得出 1985—1995年替代后假設正常氣候產量序列為:378、390、401、389、401、400、409、394、396、402、399。

2.2.2 趨勢產量逐步替代法 首先通過 5a滑動等方法模擬產量,找出氣象災害減產年的趨勢產量YTi,以平產年指標值 YTi＊(100-1)%替代其原始產量;第二步,對替代后的產量序列通過統計方法模擬,找出氣候豐產年、偏豐產年、偏減產年、偏減產年即非正常氣候年的趨勢產量值 YTi,以 YTi＊(100±1)%對原始產量序列進行替代,替代后的產量序列在正常氣候產量,1985—1995年替代后產量分別為:383、390、401、389、401、400、409、393、396、402、399。

2.2.3 對多種處理后的產量序列加要權平均,生成新的產量序列,避免趨勢產量模擬誤差。

2.3 △Yt值的訂正技術思路

由于大部分惠農政策或農業新技術推廣和新品種推廣需要一個過程,推廣和落實達到一定程度后趨于穩定,作物產量則從一個快速上升階段進入一個相對平穩階段。因此,采用同一種方法模擬不同階段的產量變化勢必形成模擬誤差,即△Yt值。△Yt的訂正關鍵是要了解農業生產政策與技術的歷史變化,根據產量變化趨勢進行分段模擬。懷化市 1982—1984年家庭聯產承包責任制,早、中、晚稻糧食單產出現大幅度增長,1985年,國家取消了部分鼓勵糧食生產的優惠政策,1989—1993年出現農產品全面“賣難”,國民經濟處低谷中運行,對糧食產量特別是早稻生產受較大影響;2004年開始國家出現了一系列補糧政策,提高了農民的種糧積極性,近年來超級稻生產基地不斷擴大,對產量特別是一季中稻產量提高有較大幫助。因此,懷化市糧食產量模擬分段大致是 1985—1994年、1994—2003年、2004—2009年,或 1985—1994年、1994—2009年2個時段,早、中、晚稻產量品種更新不同略有差異。

2.4 農作物產量組合分解技術思路

分階段產量經過△Yw訂正后,分別采用不同步長的滑動平均、直線滑動平均模擬組合使用,對各種產量分解結果進行加權平均,更大化地利用有效信息,比單一產量分解方法更加科學、有效,更好地避免產量分解誤差。

3 產量分解業務化實例

利用上述方法和技術思路,懷化市氣象局研制開發的“農作物產量預報系統”提供了農作物產量分解數據處理模塊,實現了各項數據處理自動化。以1985—2008年雙季早稻產量為例,對1985、1992、1993、1995、1996,1987、1988、2002年等氣候產量欠年、偏欠年,1986年、1989年、1994年、1997年、2000年等氣候豐年、偏豐年,采用趨勢產量逐步替代原始產量法預處理后模擬趨勢產量,結果如圖 1,其中實線為實際產量、虛線為趨勢產量;圖中只有1994—1999年和 2004年至今,早稻趨勢產量有遞增趨勢,自 1985年以來的其它時段趨勢產量比較平穩或略有下降,趨勢產量結果與生產政策變化基本一致。

圖 1 懷化市雙季早稻產量變化趨勢圖

比較不同方法氣象產量與氣象因子相關性,如表 1(表中常規方法為 5a滑動平均法)。可見,2種方法氣象產量與因子的相關趨勢是基本一致,3月下旬～4月中旬、5月上～5月下旬溫度顯著正相關,以 5月≤20℃日數相關系數最大;5月及 6月下旬至 7月上旬日照有顯著正相關;5月雨日、5—7月總降水量負相關顯著,并以 6—7月中旬負相關數值最大;3下旬—4月中旬≤10℃日數、5月≤20℃日數與產量顯著負相關,6月下旬—7月中旬的高溫日數則相關不顯著,說明懷化雙季早稻 4-5月營養生長期間溫度高、日照足,特別是 5月低溫日少對產量有利,中后期則主要受降水影響,降水過多,特別是洪澇對產量不利,高溫不是懷化早稻生產的主要氣候問題,反而成熟期日照足對產量有利。

從表 1中不同的方法氣象產量與因子的相關系數值的大小看,基于完整模型的氣象產量較常規方法與氣象因子的相關系數大,較大程度上說明其氣象產量包涵了更多的氣象信息,業務實踐表明,該方法生成的氣象產量和趨勢產量用于產量預報,準確度較高,其中 1999年以來,我市雙季早稻產量預報準確率平均達 99%以上,業務應用效果好。

表 1 不同氣象產量與氣象因子的相關系數值比較

4 小結與討論

①農作物產量分解是產量預報業務的關鍵技術環節;采用基于完整模型對特殊氣候年份原始產量預處理方法,結合組合模擬方法,可以較好地避免氣象條件對趨勢產量的影響,分解的趨勢產量能更好地體現生產力發展,氣象產量包涵更多的氣象信息,可以在預報服務中收到較好的效果。

②農業政策或新技術、新品種推廣都是需要一個過程,農作物產量變化呈現階段性,對不同階段的產量可以采用不同的方法模擬。但是,在實際業務中階段的分界點,可以根據實際情況有 1～2個年份上下跨,如 1985—1994年,1994—2008年。

③趨勢產量預測一般可采用平均遞增、調和權重,同時參考最近幾個豐產年的平均遞增值進行綜合評估,效果較好;但是,當預報年處于政策或技術的轉折階段時,應結合實際情況評估來確定趨勢產量的增長量。

④懷化市氣象局研發的“農作物產量預報系統”,提供了滑動平均、直線滑動平均、正交多項式、分段線性模擬等產量分解方法,以及對特殊年份產量預處理、多種分解方法組合使用,模擬結果的加權平均等產量分解功能;以及預報因子膨化處理、災害因子及氣候適宜度因子添加、統計模型和災損模型建立程序,為本方法業務化提供強有力系統支撐,在湖南業務化應用深受歡迎,推廣潛力大。

[1] 劉樹澤,等.作物產量預報方法[M].北京:科學出版社, 1987.1-180.

[2] 尹東 .農作物產量預報技術的研究與應用[J].干旱氣象,2007,22(5)12-16.

[3] 陳懷亮,等.產量階段的劃分與應用[J].中國農業氣象, 1999,20(2)16-20.

[4] 李民華,等 .農作物產量氣候影響動態評估與預報業務系統[J].高原山地氣候,2009增 -0138-2.

S162

B

2010-09-10

李民華 (1964-),男,高工,主要從事農業氣象業務、服務和科研工作。

1003-6598(2010)增刊 -0129-03