基于關鍵氣象因子的遼寧省水稻產(chǎn)量動態(tài)預報

李琳琳，王 婷，李雨鴻，劉 青，宋曉巍，趙振宇

（1.遼寧省氣象科學研究所，遼寧沈陽110161；2.沈陽市氣象局，遼寧沈陽110168；3.阜新市氣象局，遼寧阜新123000）

現(xiàn)代大農(nóng)業(yè)

基于關鍵氣象因子的遼寧省水稻產(chǎn)量動態(tài)預報

李琳琳1，王 婷1，李雨鴻1，劉 青2，宋曉巍2，趙振宇3

（1.遼寧省氣象科學研究所，遼寧沈陽110161；2.沈陽市氣象局，遼寧沈陽110168；3.阜新市氣象局，遼寧阜新123000）

利用遼寧省33個氣象站點1993—2012年水稻產(chǎn)量、生育期內(nèi)的旬平均氣溫、旬降水量及旬日照時數(shù)等資料，應用統(tǒng)計分析方法建立水稻的產(chǎn)量動態(tài)預報模型。使用5年滑動平均法分離水稻趨勢產(chǎn)量，分析氣象產(chǎn)量與水稻生育期內(nèi)逐旬氣象要素的相關性，確定5月上旬平均氣溫、5月下旬平均氣溫、6月下旬降水量、7月下旬降水量、8月上旬日照時數(shù)、9月中旬平均氣溫和9月下旬日照時數(shù)為關鍵氣象因子，建立水稻產(chǎn)量動態(tài)預報模型，并對預報結果進行驗證。結果表明：對1993—2012年進行模擬預報及回代檢驗，平均準確率在93%以上；對2013年的產(chǎn)量進行預報，準確率為93.97%～99.67%，預報準確率較高。預測結果基本可以反映水稻產(chǎn)量的變化情況，能夠滿足業(yè)務服務的需要。

水稻；關鍵氣象因子；氣象產(chǎn)量；動態(tài)預報

李琳琳,王婷,李雨鴻,劉青,宋曉巍,趙振宇.基于關鍵氣象因子的遼寧省水稻產(chǎn)量動態(tài)預報[J/OL].大麥與谷類科學,2017,34(4): 50-54[2017-08-15].http://kns.cnki.net/kcms/detail/32.1769.S.20170815.1133.003.html.

水稻在遼寧糧食生產(chǎn)中占有很重要的地位，主要歸功于當?shù)剡m宜的氣候條件。經(jīng)過多年的實踐和發(fā)展，水稻種植技術和品種不斷完善，其品質(zhì)亦有很大的改觀。截止2015年，遼寧省種植水稻面積約54.49萬hm2。在水稻種植面積不變的基礎上，產(chǎn)量有逐年增長的趨勢，但由于受氣候條件的影響，產(chǎn)量也有小幅波動。關鍵氣象因子就是在水稻的某個發(fā)育期內(nèi)，對產(chǎn)量起到關鍵作用的氣象要素。動態(tài)地預報水稻產(chǎn)量的變化情況，對糧食生產(chǎn)安全有著重要的意義。

國內(nèi)學者對水稻產(chǎn)量預報方面做了大量的研究。吳鐘鈴等對農(nóng)業(yè)氣象產(chǎn)量預報方法進行了研究與探討，并對長春水稻、玉米作物進行了參量試報[1]；王家先等研究水稻秧齡和播種期對產(chǎn)量的影響，得出一般情況下，氣溫偏高導致播種日期提前，播種期的變化對產(chǎn)量有著明顯的影響，適時提早播種有利于水稻產(chǎn)量提高，推遲播種日期導致水稻產(chǎn)量下降[2]；袁立新等利用SPSS統(tǒng)計軟件，建立了基于BP神經(jīng)網(wǎng)絡的水稻產(chǎn)量預報預測模型[3]；韓永翔等對作物產(chǎn)量進行了預報新方法的研究探索[4]。本文通過對水稻生長發(fā)育過程中的氣象要素與產(chǎn)量進行相關性分析，確定影響水稻產(chǎn)量的關鍵氣象因子，并將關鍵氣象因子所在時間段的下一旬的第1天作為預報時間，建立水稻氣象產(chǎn)量動態(tài)預報模型，為本省水稻產(chǎn)量的動態(tài)預報提供幫助。

1 資料與方法

1.1 資料來源

根據(jù)遼寧省統(tǒng)計的水稻種植分布和生長特點，選取康平、新民、法庫、遼中、普蘭店、臺安、大洼等33個水稻主產(chǎn)縣（市）為水稻的研究區(qū)域，這33個縣（市）水稻播種面積占全省的96%以上，可以代表全省水稻生產(chǎn)情況。文中所用的水稻產(chǎn)量資料來自遼寧省統(tǒng)計年鑒；水稻生育期資料來自農(nóng)業(yè)氣象觀測報表；氣象資料來自于遼寧省氣象局，主要包括降水量、平均氣溫和日照時數(shù)等；資料選取年份為1993—2013年。

1.2 研究方法

1.2.1 產(chǎn)量資料處理。糧食作物產(chǎn)量一般可以分解為趨勢產(chǎn)量、氣象產(chǎn)量和隨機產(chǎn)量[5]。即

式中，у表示為實際產(chǎn)量，ya表示趨勢產(chǎn)量，yb表示氣象產(chǎn)量，σ表示為隨機產(chǎn)量，其中隨機產(chǎn)量一般可以忽略不計。

本研究采用的是5年滑動平均法，將1993—2012年的水稻產(chǎn)量資料以年份排序，選取1～5年的數(shù)據(jù)為第1個產(chǎn)量序列，以產(chǎn)量資料為因變量、以時間為自變量建立線性回歸方程，計算回歸方程在1～5年中每年的擬合值，最后對每年得到的擬合值求平均，該值即為該年的趨勢產(chǎn)量[6]。依照上述方法，求得水稻趨勢產(chǎn)量，用實際產(chǎn)量減去趨勢產(chǎn)量即為氣象產(chǎn)量。本文使用1993—2012年實際產(chǎn)量分離出了趨勢產(chǎn)量及氣象產(chǎn)量，圖1表明趨勢產(chǎn)量與實際產(chǎn)量的變化趨勢基本一致。

水稻產(chǎn)量在1995年和2012年有下降趨勢，表示其年份農(nóng)業(yè)氣象條件較差，對應的氣象產(chǎn)量在1995年表現(xiàn)出較大的負值。1996—2005年產(chǎn)量較為平穩(wěn)，2005年以后氣象產(chǎn)量隨著時間變化上下波動，但波動幅度不大，對應的實際產(chǎn)量也表現(xiàn)出小幅波動。

圖1 遼寧省1993—2012年水稻產(chǎn)量及氣象產(chǎn)量年變化趨勢

1.2.2 發(fā)育期氣象資料處理。本文采用1993—2013年遼寧省33個氣象觀測站水稻生育期內(nèi)的平均氣溫、降水量及日照時數(shù)，其中，2013年數(shù)據(jù)作為預報檢驗年份。應用Excel 2007、SPSS 13.0等軟件進行數(shù)據(jù)處理和分析。

1.3 水稻動態(tài)預報技術方法

首先對水稻生長發(fā)育過程中的多種氣象要素與產(chǎn)量進行相關性分析，確定影響水稻的關鍵氣象因子，將關鍵氣象因子所在時間段的下一旬的第1天作為預報時間，建立水稻氣象產(chǎn)量動態(tài)預報模型，最終得到水稻產(chǎn)量的動態(tài)預報。

1.4 數(shù)據(jù)計算與處理方法

1.4.1 水稻氣象產(chǎn)量動態(tài)預報模型計算公式。通過氣象產(chǎn)量與關鍵氣象因子的相關性分析，將氣象產(chǎn)量作為因變量，預報時間之前的所有氣象因子作為自變量，應用多元線性回歸方法建立氣象產(chǎn)量動態(tài)預報模型[7]：

式中，у為氣象產(chǎn)量，a0為常數(shù)，bi為系數(shù)，xi為第i個關鍵氣象因子。

1.4.2 水稻產(chǎn)量動態(tài)預報檢驗公式。通過公式（2）對水稻進行氣象產(chǎn)量動態(tài)預報，對其動態(tài)預報結果進行檢驗，檢驗準確率的公式如下：

2 結果與分析

2.1 水稻生長發(fā)育期

對遼寧省水稻進行多年的統(tǒng)計分析，結果表明，一般播種時間為4月中旬陸續(xù)開展，10月上旬成熟（表1）。

表1 水稻主要生育期及出現(xiàn)時間

2.2 影響產(chǎn)量的關鍵氣象因子分析

由于遼寧省大部地區(qū)都是采用溫室大棚一體化育苗，本文關鍵氣象因子的選取從5月開始。對水稻生長發(fā)育期進行分析，以旬為單位分為16旬，每旬逐一計算平均氣溫、降水量及日照時數(shù)。分析氣象產(chǎn)量與每旬的氣象因素的相關性，并將通過顯著性檢驗的因子作為影響產(chǎn)量的關鍵氣象因子。結果顯示，5月上旬平均氣溫、5月下旬平均氣溫、6月下旬降水量、7月下旬降水量、8月上旬日照時數(shù)、9月中旬平均氣溫和9月下旬日照時數(shù)7個因子與氣象產(chǎn)量顯著相關（表2）。

表2 水稻氣象產(chǎn)量與關鍵氣象因子的相關性

對遼寧省水稻而言，以上各關鍵氣象因子反映了水稻的關鍵生長發(fā)育階段對光、溫、水的需求。5月為水稻移栽的主要時期，溫度偏高會促進水稻的生長，發(fā)生低溫冷害的幾率較小，對水稻的生長發(fā)育有利，因此水稻生長與氣溫呈現(xiàn)正效應。6月下旬—7月下旬是水稻的分蘗和拔節(jié)孕穗前期，水稻拔節(jié)孕穗期對水分的需求最為敏感，干旱會造成穗粒數(shù)和結實率下降，恢復灌溉后，水稻能夠很快恢復生長，降水過多導致水稻光照不足，影響作物生長發(fā)育，因此降水量為負效應。水稻拔節(jié)期日照充足會促進水稻生長發(fā)育，利于高產(chǎn)，因此日照時數(shù)為正效應。9月中下旬為水稻灌漿-成熟期，是水稻產(chǎn)量形成最重要的時期，該時期對日照、溫度尤為敏感。溫度偏高，日照充足，花粉活力上升，授粉率、結實率較高，利于水稻高產(chǎn)，因此氣溫與日照時數(shù)為正效應。

2.3 建立水稻氣象產(chǎn)量動態(tài)預報模型

通過氣象產(chǎn)量與關鍵氣象因子的相關性分析，確定預報時間，分別為5月11日、6月1日、7月1日、8月1日、8月11日、9月21日和10月1日。根據(jù)公式（2）應用多元線性回歸方法建立氣象產(chǎn)量動態(tài)預報模型（表3）。

表3 水稻氣象產(chǎn)量動態(tài)預報模型參數(shù)

2.4 水稻產(chǎn)量動態(tài)預報檢驗

本文分別在5月11日、6月1日、7月1日、8月 1日、8月 11日、9月 21日和 10月 1日對1993—2012年水稻氣象產(chǎn)量進行模擬預報。根據(jù)公式(3)準確率計算，氣象產(chǎn)量預報檢驗結果見表4。

表4 遼寧省1993—2012年水稻模擬產(chǎn)量動態(tài)預報回代檢驗

結果表明，平均預報準確率在93%以上，預測結果比較可信。其中，準確率最小值為70.87%～92.20%，出現(xiàn)在1995年。對于使用統(tǒng)計方法的氣象產(chǎn)量預報模型來說，其因子處于異常狀態(tài)時預報的結果很差。另外，在各預報時間對2013年的水稻產(chǎn)量進行動態(tài)預報，預報準確率為93.97%～99.67%（表5）。

表5 對遼寧省2013年水稻產(chǎn)量的預報

3 結論與討論

本文通過對水稻氣象產(chǎn)量與生育期氣象要素進行相關分析，篩選確定5月上旬平均氣溫、5月下旬平均氣溫、6月下旬降水量、7月下旬降水量、8月上旬日照時數(shù)、9月中旬平均氣溫和9月下旬日照時數(shù)共7個氣象要素作為影響水稻氣象產(chǎn)量的關鍵氣象因子，并以此為依據(jù)建立了水稻氣象產(chǎn)量動態(tài)預報模型。

對遼寧省所種水稻而言，以上各關鍵氣象因子反映了水稻在生長發(fā)育階段對光、溫、水的需求。5月為移栽的主要時期，溫度偏高會促進水稻的生長，發(fā)生低溫冷害的幾率較小，對水稻的生長發(fā)育有利，因此氣溫為正效應。6月下旬—7月下旬是水稻的分蘗和拔節(jié)孕穗前期，干旱會造成穗粒數(shù)和結實率下降，恢復灌溉后，水稻能夠很快恢復生長，降水過多會導致水稻光照不足而成為無效分蘗，因此降水量為負效應。水稻拔節(jié)期日照充足會促進水稻生長發(fā)育，利于高產(chǎn)，因此日照時數(shù)為正效應。9月中下旬為水稻灌漿-成熟期，是水稻產(chǎn)量形成最重要的時期，該時期對日照、溫度尤為敏感，溫度偏高，日照充足花粉活力上升，授粉率、結實率較高，利于水稻高產(chǎn)，因此呈現(xiàn)氣溫與日照正效應。

基于關鍵氣象因子的水稻氣象產(chǎn)量動態(tài)預報模型，參數(shù)少、方法簡單，易于使用。通過對模型進行模擬預報與檢驗，得出利用該模型預報水稻的產(chǎn)量，準確率較高，預測結果基本可以反映出水稻產(chǎn)量的變化情況，可以滿足業(yè)務服務的需要。由于本模型受氣象因子所在的時間限制，預報時間固定，不能在水稻生長發(fā)育期內(nèi)的任意時間進行產(chǎn)量預報。因此在進行水稻產(chǎn)量預報業(yè)務時，還應該考慮其他預報方法的預報結果，并結合調(diào)研結果對預報結果進行修正，以進一步提高預報準確度。

[1]吳鐘鈴,陳鐵如,李琳一.農(nóng)業(yè)氣象產(chǎn)量預報方法的探討和長春水稻、玉米產(chǎn)量試報[J].高原山地氣象研究,2011,31(1): 51-55.

[2]王家先,王代林,陳劉華.水稻秧齡和播種期對產(chǎn)量影響的試驗研究[J].西南農(nóng)業(yè)學報,2000,19(2):29-30.

[3]袁立新,段修榮,余先超.SPSS建立自貢水稻產(chǎn)量年景預測模型[J].四川氣象,2006(1):31-33.

[4]韓永翔,伊 東.作物產(chǎn)量預報新方法研究[J].干旱地區(qū)農(nóng)業(yè)研究,2002,20(3):124-127.

[5]唐余學,羅孳孳,范 莉,等.基于關鍵氣象因子的中稻單產(chǎn)動態(tài)預報[J].中國農(nóng)業(yè)氣象,2011,32(增1):140-143.

[6]魏中海,王建勇,夏宣炎.糧食產(chǎn)量預測的因子處理和建模方法[J].華中農(nóng)業(yè)大學學報,2004,23(6):680-684.

[7]李涵茂,帥細強,戴 平,等.基于關鍵氣象因子的湖北早稻產(chǎn)量動態(tài)預報.[J].湖南農(nóng)業(yè)科學,2015(1):114-116,119.

The Dynamic Prediction of Single-season Rice Yield Based on Key Meteorological Factors in Liaoning Province

LI Lin-lin1,WANG Ting1,LI Yu-hong1,LIU Qing2,SONG Xiao-wei2,ZHAO Zhen-yu3
(1.LiaoningInstitute ofMeteorologicalSciences,Shenyang110161,China;2.ShenyangMeteorologyBureau,Shenyang110168, China;3.Fuxin MeteorologyBureau,Fuxin 123000,China)

In the current research,a dynamic prediction model was established for predicting single-season rice yield by using statistic methods to analyze the data of single-season rice yields,10-day average air temperature,10-day precipitation,and 10-day average sunshine hours in the rice growth periods during 1993—2012 in Liaoning Province.By employing the 5-year moving average method, the single-season rice yield trend was isolated.The correlation between meteorological yield and the 10-day meteorological elements in rice growth period was determined,which led to identification of seven key meteorological factors as follows:early-May mean air temperature,late-May mean air temperature,late-June precipitation,late-July precipitation,early-August sunshine hours, mid-September mean air temperature,and late-September sunshine hours.Based on these key meteorological factors,a dynamic prediction model was established for single-season rice yield.Simulation with the model from 1993—2012 showed that average accuracy for yield prediction was more than 93%;the yield prediction with the model for 2013 showed that the accuracy was 93.97%～99.67%.This indicates that the dynamic prediction model can predict single-season rice yield and basically meets the demand for business services.

Rice;Key meteorological factors;Meteorological yield;Dynamic prediction

P49

A

1673-6486-201700354

2017年《大麥與谷類科學》改為雙月刊啟事

2017-04-26

遼寧省氣象局科研項目（BA201705）。

李琳琳（1985—），女，碩士，工程師，主要從事農(nóng)業(yè)氣象相關研究。E-mail:Llinlin1985@163.com。

為滿足廣大作者與讀者對本刊時效性要求，快速贏得首發(fā)權，《大麥與谷類科學》雜志主辦單位報請江蘇省農(nóng)業(yè)科學院同意，于2016年10月12日向江蘇省新聞出版廣電局提出刊期變更申請——關于將《大麥與谷類科學》由季刊變更為雙月刊的申請。江蘇省新聞出版廣電局于2016年11月1日批準了該申請，并發(fā)布了蘇新廣審[2016]382號文件《關于同意變更＜大麥與谷類科學＞刊期的批復》，同意本刊自2017年1月起刊期由季刊變更為雙月刊。

本刊改為雙月刊后，出版周期縮短為2個月，與本網(wǎng)刊預出版（優(yōu)先出版）相結合，將有效提高本刊的出版時效，吸引優(yōu)質(zhì)稿源，進一步提高期刊學術與出版質(zhì)量。