基于氣候適宜度的遼寧省春玉米產量動態預報研究

王賀然 李晶 張慧

摘要 基于前人研究的東北地區春玉米適宜度指標，分別構建以省、市為空間尺度，以候為時間尺度的春玉米溫度、降水和日照適宜度模型，運用積分回歸法，建立春玉米氣候適宜度指數，根據加權法，建立遼寧省和14個市的春玉米產量動態預報模型。結果表明，氣候適宜度指數與單產豐歉值顯著相關，1992—2013年省級模型回代檢驗準確率為79.6%，該方法可以動態預報遼寧省春玉米單產，滿足遼寧省省級農業氣象業務服務需求。

關鍵詞 氣候適宜度；產量預報；春玉米；遼寧省

中圖分類號 S162 文獻標識碼 A 文章編號 0517-6611（2018）23-0121-05

Abstract On the basis of the research results about the spring maize climatic suitability indexes in Northeast China of predecessors， the suitability models about temperature， precipitation and sunshine of spring maize which took the province and city as the space scale and took the pentad as the time scale were constructed. The spring maize climatic suitability indexes were established by using the integral regression method and the dynamical forecasting models for the province and cities were established by using weighted method. The results showed that there was a significant positive correlation between climate suitability and the abundant and poor harvest of yield of spring maize.The accuracy rate of the provincial model backtesting test from 1992 to 2013 was 79.6%. This method could dynamically predict the yield of spring corn in Liaoning Province to meet the needs of provincial agricultural meteorological business services in Liaoning Province.

Key words Climatic suitability；Yield forecast；Spring maize；Liaoning Province

春玉米是遼寧省第一大糧食作物，多為雨養玉米，所以遼寧省春玉米的產量幾乎完全依靠氣象條件。近年來，隨著資本對農產品市場的介入，更多農產品生產、加工、貿易鏈條上的企業也開始關注農作物的產量，尤其關注東北這個商品糧基地的春玉米產量。每年東北地區秋糧收獲之后統計部門公布的官方數據對市場而言就缺少了時效性，所以農作物產量信息逐漸具有了市場信息的屬性。

在我國，氣象部門尤其是農業氣象領域，從20世紀70年代就著手研究作物的產量預報方法，20世紀80年代開展業務化應用[1-2]。產量預報的手段和方法包括農學方法、統計學方法、遙感估產、作物生長模型等，產量預報的準確度和精細化程度逐漸提高[1-2]。

近年來氣候適宜度理論逐漸發展和完善，并應用到氣象部門的產量預報業務中[3-7]。易雪等[3]利用氣候適宜度方法建立了湖南省早稻產量動態預報模型；李樹巖等[4]利用氣候適宜度方法建立了河南省及其13個市的夏玉米產量動態預報模型；宋迎波等[6]和代立芹等[7]改進水分適宜度模型，考慮土壤水分，分別建立了華北地區和河北省的冬小麥產量動態預報模型。

筆者利用前人研究方法，建立遼寧省14個市和全省的基于氣候適宜度的春玉米產量動態預報模型，實現逐候開展省級產量預報，以期通過及時判斷當年作物生長的氣象條件，為農業氣象服務的重點區域和方向提供參考。

1 資料與方法

1.1 資料來源

氣象資料為1992—2016年遼寧省56個氣象站春玉米生長季（5—9月）逐日最高氣溫、最低氣溫、降水量和日照時數，發育期資料為對應年份全省19個農氣站（圖1）的春玉米發育期資料，以上資料來自遼寧省氣象信息中心；產量資料為對應年份遼寧省及14個市的春玉米單產，來自遼寧省統計年鑒。

1.2 資料處理

1.2.1 產量資料處理。

2 結果與分析

2.1 氣候適宜度指數與春玉米單產豐歉值的相關性分析

相關分析結果（表1）顯示，8月3候—9月6候的累積氣候適宜度與春玉米單產豐歉值顯著相關。說明該研究建立的春玉米氣候適宜度模型能夠反映遼寧省氣候適宜度與單產豐歉值的趨勢，可以綜合評價氣象條件對春玉米生長發育的適宜程度。

2.2 春玉米產量動態預報模型的建立

遼寧省春玉米的播種時間從4月上中旬持續到5月上中旬，9月中旬—下旬春玉米陸續成熟，根據省級為農服務中產量趨勢預報和定量預報的時間節點，計算1992—2013年5月第1候到9月第6候的累積氣候適宜度指數，建立從7月第1候到9月第6候的遼寧省全省和14個市的春玉米產量動態預報模型，逐候進行產量預報。預報方程以7月第3候、8月第5候和9月第4候為例，見表2。

2.3 春玉米產量動態預報模型的檢驗

2.3.1

模型的回代檢驗。應用表2中的預報模型，對遼寧省及14個市1992—2013年春玉米產量進行回代檢驗，回代檢驗結果見表3。從平均準確率上看，全省預報準確率可以達到79.6%；本溪和營口高于80.0%，沈陽、大連、鞍山、撫順、丹東和鐵嶺為70.0%～80.0%，錦州和遼陽為60.0%～70.0%，阜新、朝陽、盤錦和葫蘆島小于60.0%。可見，該研究建立的春玉米產量動態預報模型可以滿足省級產量預報的業務需求。從1992—2016年的平均播種面積來看（圖2），沈陽、鐵嶺、錦州和朝陽這4個市的春玉米播種面積占全省的54.8%，其中沈陽、鐵嶺位于遼寧東部，氣象和土壤條件比較利于春玉米生長，而錦州和朝陽位于遼寧西部，熱量和光照條件充足，但降水條件是當地大田春玉米生長的限制性因素。沈陽和鐵嶺的產量預報模型回代準確率分別為78.1%和73.4%，而錦州和朝陽的產量預報模型回代準確率僅為66.5%和35.7%，另外同屬于遼西地區的阜新和葫蘆島的產量預報模型回代準確率也小于60.0%。所以，全省春玉米產量預報模型的回代準確率低于80.0%也主要受到遼西地區回代準確率的影響，盤錦的產量預報模型回代準確率雖然小于60.0%，但當地是遼寧省的水稻主產區，春玉米種植面積的平均比例僅為0.61%，所以該市的回代準確率對全省影響較小。

2.3.2

模型的預報檢驗。應用表2中的預報模型，對遼寧省及14個市2014—2016年春玉米產量進行預報檢驗，結果見表4，因篇幅限制，僅列出7月第3候、8月第5候和9月第4候的預報準確率。從這3候的預報準確率看，2014年，沈陽、鞍山、本溪、丹東、營口、遼陽和盤錦的預報準確率高于60.0%，其中沈陽在8月第5候和9月第4候、丹東在7月第3候、8月第5候和9月第4候、營口在8月第5候和9月第4候、盤錦在7月第3候的預報準確率均高于90.0%；大連、撫順、錦州、阜新、鐵嶺、朝陽、葫蘆島和全省在3候的預報準確率均低于60.0%，其中葫蘆島出現負值。2015年，沈陽、鞍山、撫順、丹東、錦州、營口、遼陽、朝陽、盤錦和全省3個起報時間的預報準確率均高于80.0%，大連在7月第3候、8月第5候和9月第4候的預報準確率僅高于60.0%，本溪在7月第3候、8月第5候和9月第4候的預報準確率接近70.0%，阜新在7月第3候、8月第5候和9月第4候的預報準確率低于61.0%；鐵嶺在9月第4候的預報準確率高于70.0%，其他兩候的預報準確率高于80.0%；葫蘆島在7月第3候、8月第5候和9月第4候的預報準確率接近60.0%。2016年，沈陽、鞍山、撫順、本溪、丹東、錦州、營口、遼陽、朝陽、盤錦和葫蘆島3個起報時間的預報準確率均高于80.0%；大連在7月第3候、8月第5候和9月第4候的預報準確率僅高于60.0%；阜新在8月第5候的預報準確率低于73.0%，其他兩候的預報準確率高于80.0%，鐵嶺在7月第3候、8月第5候和9月第4候的預報準確率分別高于90.0%、低于60.0%和低于80.0%，全省在8月第5候的預報準確率低于80.0%，其他兩候的預報準確率高于80.0%。

3 結論與討論

（1）該研究計算了1992—2013年遼寧省春玉米氣候適宜度，從第8月第3候到9月第6候全省春玉米累積氣候適宜度指數與春玉米單產豐歉值顯著相關，說明該研究建立的全省春玉米氣候適宜度指數可以動態反映遼寧省春玉米生長的氣象條件。

（2）根據業務服務需求，計算遼寧省14個市和全省的春玉米氣候適宜度指數，并自7月第3候至9月第6候建立了產量動態預報模型，通過回代檢驗，全省的平均回代檢驗準確率可以達到79.6%，所以該研究建立的春玉米產量動態預報模型可以基本滿足省級產量預報的業務需求。對于遼西地區的產量數據可以考慮用試驗數據或田間取樣數據進行替代，提高產量數據的真實性以提高產量預報的準確性。

（3）基于統計方法建立的產量預報模型均未考慮氣象災害對產量的影響[4-10]。2014年，遼寧省全省春玉米預報準確率低于55.0%，撫順的預報準確率低于60.0%，大連和朝陽的預報準確率低于45.0%，錦州的預報準確率低于40.0%，產糧大市鐵嶺的預報準確率從超過70.0%到低于40.0%，葫蘆島的預報準確率更是為負數，2014年遼寧省發生了63年來罕見的伏旱，遼西和大連北部旱情最為嚴重，坡耕地作物基本絕收，所以在災害年份模型預報的準確率較低，需要考慮災害的實際情況對預報結果進行訂正。

（4）該研究建立的氣候適宜度模型在水分方面僅考慮了降水，植物對水分的吸收主要來自于土壤，所以今后在水分適宜度模型的建立過程中需要考慮土壤水分含量和作物的需水量，進一步優化模型。

參考文獻

[1] 錢拴，王建林.農業氣象作物產量預報的特點與思考[J].氣象科技，2003，31（5）：257-261.

[2] 邱美娟.基于動力與統計相結合的精細化冬小麥產量動態預報集成技術研究[D].北京：中國氣象科學研究院，2014：3-4.

[3] 易雪，王建林，宋迎波.氣候適宜指數在早稻產量動態預報上的應用[J].氣象，2010，36（6）：85-89.

[4] 李樹巖，余衛東.基于氣候適宜度的河南省夏玉米產量預報研究[J].河南農業大學學報，2015，49（1）：27-34.

[5] 魏瑞江，宋迎波，王鑫.基于氣候適宜度的玉米產量動態預報方法[J].應用氣象學報，2009，20（5）：622-627.

[6] 宋迎波，王建林，李昊宇，等.冬小麥氣候適宜診斷指標確定方法探討[J].氣象，2013，39（6）：768-773.

[7] 代立芹，李春強，康西言，等.基于氣候和土壤水分綜合適宜度指數的冬小麥產量動態預報模型[J].中國農業氣象，2012，33（4）：519- 526.

[8] 馬樹慶.吉林省農業氣候研究[M].北京：氣象出版社，1994：33.

[9] 侯英雨，張艷紅，王良宇，等.東北地區春玉米氣候適宜度模型[J].應用生態學報，2013，24（11）：3207-3212.

[10] 鄭昌玲，王建林，宋迎波，等.大豆產量動態預報模型研究[J].大豆科學，2008，27（6）：943-948.