GIS支持下的臨汾市冬小麥動態估產模型研究

欒 青 ，馬雅麗 ，李偉偉 ，相 棟

（1.山西省氣候中心，山西太原030002；2.侯馬市氣象局，山西侯馬043010）

冬小麥是我國主要糧食作物之一，其播種面積占糧食播種面積的1/5。在北方，其地位更加重要，播種面積和總產量占全部糧食播種面積和總產量的1/2[1]。在當今氣候變暖的背景下，農業生產的不穩定性、產量波動增大等一系列問題顯得尤為突出[2-5]。

臨汾市是山西省冬小麥的種植主產區，據近5 a（2004—2009年）播種面積統計，臨汾市冬小麥種植面積占山西省冬小麥種植面積的33.8%。因此，準確地估計冬小麥的產量，對于政府部門及時、準確地掌握糧食生產狀況，進行糧食宏觀調控具有至關重要的作用[6]。

本研究從冬小麥產量預報實際業務出發，在ArcGIS地理信息系統軟件下提取臨汾市冬小麥種植區不同時期的氣溫、降水和日照作為因子，建立了臨汾市冬小麥動態氣象估產模型，經驗證模型估產誤差較小，穩定度較高。

1 資料和方法

本研究選用的資料為臨汾市各縣（市）1981—2008年的氣象站地面觀測資料和冬小麥產量資料。1982—2007年數據用于建模，2008年的數據用來驗證估產模型的準確性。

氣象觀測資料包括旬降水量（mm）、旬平均氣溫（℃）、旬日照時數（h）；產量資料來自臨汾市各縣（市）冬小麥單產（kg/hm2）；地理信息數據來自臨汾市各縣（市）邊界矢量文件及冬小麥種植區矢量圖層（矢量圖層通過解譯MODIS衛星資料，綜合了區域的DEM、坡度、坡向等資料得到[7]）。

數據處理過程包括[8]：（1）將研究區內氣象站點的各氣象因子以旬為單位進行空間內插（插值方法選用克里格法（KRIGING）[9]，內插空間分辨率為250 m），得到研究區內1981—2008年每年各旬的氣溫、降水和日照3個氣象因子的空間數據。（2）在ArcGIS地理信息系統軟件下，利用Grid模塊提取研究區內耕地部分1981—2008年各旬氣象數據。并利用縣界Coverage進行分縣統計耕地上的氣象因素均值，最后將各縣氣象要素均值作為建模所用的氣象要素數據。

2 模型建立

2.1 估產模型因子的選取

氣象條件對作物產量的形成起著重要的作用。考慮到氣象因素對作物產量的影響具有貯存性，且對作物生長具有一定的滯后性。因此，本研究建模時采用的氣象因子為一段時間內的累積值。同時，從產量預報業務需求出發，本研究從冬小麥返青至成熟期，以旬為單位共模擬7次，建立7個時期的估產模型，分別為3月下旬、4月上旬、4月中旬、4月下旬、5月上旬、5月中旬和5月下旬。

臨汾市冬小麥生長期一般為：9月上旬播種，10月上旬出苗生長，12月至第2年2月為越冬期，3月份開始返青生長，一直到6月上旬收獲，全生育期有240～250 d。氣溫、降水和日照時數以及各因子的累積作用對冬小麥產量影響較大[10]，因此，本研究建模時選用的氣象因子為：9月1日至11月30日的降水量（R9-11），12月1日至第2年2月28日降水量（R12-2），第2年3月降水量（R3）；10月1日至11月30日平均氣溫（T10-11），12月1日至第2年2月28日的平均氣溫（T12-2），第 2年 3月平均氣溫（T3）；第 2年3月日照時數（S3）。當模擬4月上旬時，R3/T3/S3分別改為R3-4f/T3-4f/S3-4f表示3月上旬持續到4月上旬的各因子狀況……，以此類推。

2.2 產量數據處理

2.2.1 產量分解 農作物的最終產量是在各種自然因素和非自然因素的綜合影響下形成的。到目前為止，國內外研究者大都將這些因素按影響的性質和時間尺度劃分為農業技術措施、氣象條件和隨機“噪聲”3大類。

因此，可將作物產量Yt分解為3個部分：（1）由技術進步、農業政策、物質投入的增長而引起的作物產量的增長，它反映了一定歷史時期的社會經濟技術發展水平，稱為時間技術趨勢產量，簡稱趨勢產量（Yit）；（2）由氣象條件類差異造成作物產量的波動，相應的產量分量稱為氣象產量（Yiw），它反映氣象波動對產量的影響；（3）由隨機因子影響的隨機誤差項產量（ei）（為不可控制因素，一般可忽略不計）。即：

氣象模型建立的關鍵步驟是將農作物產量分解成趨勢產量和氣象產量。然后再分別模擬趨勢產量和氣象產量。

氣象產量＝農作物產量－趨勢產量，即：

2.2.2 趨勢產量的預測 趨勢產量預測的方法有直線回歸、指數函數、正交多項式回歸、冪函數、滑動平均法等，進行趨勢產量預報建模時可根據實地產量狀況選擇其中的1種方法進行計算。趨勢產量的形式一般符合“S”型曲線或直線形式。本研究采用3點滑動平均法來計算趨勢產量。

2.3 建模方法

按照2.2產量分解方法及趨勢產量的預測方法，將1981—2008年山西省臨汾市冬小麥產量數據分解成趨勢產量和氣象產量。在ArcGIS地理信息系統軟件下，首先以旬為單位，將氣溫、降水和日照數據插值，然后提取臨汾市冬小麥種植區的氣象要素。將分解得到的氣象產量作為因變量，提取的旬氣象要素作為自變量，在SPSS 11.5統計軟件中進行多元回歸，建立冬小麥估產模型，共建立7個時期的預報模型。

3 結果與分析

3.1 建模結果

本研究成果目標是要在實際業務中進行運用，因此，大致按照冬小麥生育期以旬為單位，從3月下旬開始到5月下旬，共建立7個時期的冬小麥產量預報模型。

以3月下旬為例，建立的冬小麥氣象產量預報模型為：Y＝0.99×R9-11＋1.96×R12-2－0.61×R3＋8.30×T10-11－55.56×T12-2＋76.09×T3－2.72×S3－339.607。

以此類推建立4月上旬、4月中旬、4月下旬、5月上旬、5月中旬和5月下旬的臨汾市冬小麥的氣象產量預報模型，各模型參數如表1所示。

表1 臨汾市冬小麥估產模型參數

3.2 模型驗證

將2008年的氣象數據分別代入表1中不同時期的氣象估產模型中，計算2008年臨汾市的氣象產量，然后再加上趨勢產量，得到2008年不同時期冬小麥的預測產量。將預測值與實際統計值進行比較，對模型進行驗證。驗證結果如表2所示。

表2 臨汾市冬小麥動態估產模型驗證結果

從表2的驗證結果可以看出，2008年3月下旬至5月下旬，利用臨汾市冬小麥動態估產模型模擬結果的相對誤差在-0.36%～5.87%之間，變幅最大為6.2%，相對誤差絕對值在0.33%～5.87%之間，其平均相對誤差絕對值為3.54%。

4 結論與討論

（1）本研究在ArcGIS系統支持下，首先將離散的氣象站點觀測數據利用空間內插的方法進行插值，然后再提取冬小麥種植區的氣象要素，將提取的氣溫、降水和日照數據與冬小麥產量建立多元回歸模型。相比單純利用氣象站點的觀測數據，建模具有更強的科學性。

（2）本研究在建立冬小麥估產模型時，選取了氣溫、降水、日照3個主要氣象因子，且考慮了氣象因子對作物產量的貯存性和滯后性。通過驗證，本研究建立的冬小麥動態估產模型的誤差較小，波動性變化較小，穩定度高，適合于實際業務運行。模型結果及因子選取方法對山西省冬小麥估產工作具有一定的指導意義。

（3）本研究估產模型還存在一定的弊端，一是需要大量的氣象資料，二是極端天氣氣候事件可能導致較高的估產誤差。因此，使用該估產模型時再結合遙感估產，能提供精度更高的估產結果。

（4）大量學者對冬小麥估產都進行過研究，但數據大都基于氣象站觀測數據、抽樣調查數據或是統計數據，存在一定的片面性。本研究首先提取冬小麥種植區的氣象要素，然后再建模，相比單純利用氣象站點的觀測數據建模，具有更強的科學性。

（5）本研究提取1981—2008年氣象因子時使用了同一個冬小麥種植區矢量圖層，且受到MODIS衛星數據空間分辨率（250 m）的限制，提取的冬小麥種植面積存在一定的誤差。如果使用更高分辨率的衛星數據解譯，種植面積將更加準確，估產的誤差也將進一步減小。

[1]任建強，陳仲新，唐華俊.基于MODIS-NDVI的區域冬小麥遙感估產：以山東省濟寧市為例[J].應用生態學報，2006，17（12）：2371-2375.

[2]車少靜，智利輝.氣候變暖對石家莊冬小麥主要生育期的影響及對策[J].中國農業氣象，2005，26（3）：180-183.

[3]余衛東，趙國強，陳懷亮.氣候變化對河南省主要農作物生育期的影響[J].中國農業氣象，2007，28（1）：9-12.

[4]汪青春，張國勝，李林，等.柴達木盆地近40 a氣候變化及其對農業影響的研究[J].干旱氣象，2004，22（4）：32.

[5]姚曉紅，李俠.氣候變暖對天水市川灌地玉米生長發育的影響及對策研究[J].干旱氣象，2006，24（3）：30.

[6]王培娟，謝東輝，張佳華，等.BEPS模型在華北平原冬小麥估產中的應用[J].農業工程學報，2009，25（10）：148-153.

[7]常捷.基于RS和GIS的流域耕地時空變化研究：以伊洛河流域中部洛寧縣為例[J].河南農業科學，2003（7）：37-39.

[8]任建強.基于遙感技術的冬小麥區域估產模型研究 [D].北京：中國農業大學，2006.

[9]段晉芳，王青杵，王改玲，等.基于GIS的山西永定河流域降水空間插值方法分析[J].山西農業科學，2010，38（3）：44-47.

[10]朱蒙芬，李紅艷，孟春香，等.呼倫貝爾市2006年氣候條件對農業影響分析[J].內蒙古農業科技，2009（5）：77-78.