遼寧省朝陽市農作物農業氣象產量預報模型研究

摘 要：農作物產量與氣象條件密切相關。本文應用Spearman、Pearson、Kendall's Tau-b相關檢驗方法，統計分析影響遼寧省朝陽市農作物產量的相關氣象因子，用逐步回歸方法建立氣象產量預報模型，應用到實際產量預報業務中，為區域農作物產量預估提供科學依據。

關鍵詞：農作物;產量;氣象因子;預報模型;朝陽市

我國農業氣象產量預報研究開始于20世紀初葉。進入20世紀70年代，農業氣象產量預報技術發展迅速，不僅將土壤、地勢等因素引入產量預報模式，還開展了作物群體生長的動力學模擬研究[1-2]。不少國家已逐步將預報模式交付業務部門試用，現大范圍作物產量的預報已具有一定準確性，誤差僅為實產的±10%。目前，產量預報正朝著長期預報方向發展，預報準確率將隨預報模式的完善而進一步提高[3-4]。

朝陽市位于遼寧省西部，地處東經118°50′～121°20′、北緯40°35′～42°20′，屬于半濕潤半干旱的易旱氣候區。全市現有耕地面積約46.7萬hm2，是農業大市，農業生產仍然屬于“雨養農業”，氣象條件是導致農作物產量增減波動的主要因素。因此，利用農作物產量和氣象條件進行對比分析，建立農作物氣象產量預報模型，對區域農作物產量預報評估具有現實意義。

一、資料與方法

（一）資料來源

產量資料來源于朝陽市統計局，氣象資料來源于朝陽市氣象局資料室。產量資料選取1985—2015年朝陽市農作物單位面積產量。氣象資料選取朝陽市7個氣象臺站1985—2015年農作物生長季主要時段氣象資料：4—9月積溫、4—9月日照時間、4—9月降水量、春季（3—5月，下同）平均氣溫、春季降水量、春季大于10 mm降水日數、4月降水量、5月降水量、7月降水量、8月降水量、7—8月總降水量及6月日照時間。

（二）分析方法

首先，選用Spearman、Pearson、Kendall's Tau-b相關性檢驗方法對粗選因子進行篩選。然后，利用逐步回歸方法建立預報方程。最后，應用Excel程序進行數據處理和分析。

二、結果與分析

（一）氣象產量統計

在農作物產量的氣象預報模型中，通常是將作物實際產量y分解為3個部分：農業生產力水平變化引起的趨勢產量y（x），由不穩定的活躍多變因子主要是指氣象條件引起的氣象產量y（w），某些偶然因素（一般被忽略）[5-6]。在雨養農業的前提下，農作物實際產量沿時間趨勢線上下波動，一般用線性函數來確定趨勢產量。農作物實際產量y減去趨勢產量y（x）得到氣象產量y（w），即y（w）=y-y（x）。其中，趨勢產量y（x）=9.48x-18 716，x為時間序列。

（二）氣象產量預報模型的建立

1.氣象因子粗選

農作物生長發育與溫度、降水、日照息息相關，氣象因子的選擇是影響預報模型準確性的重要因素。先對因子進行粗選，以將日常進行產量預報的經驗為依據，選擇農作物生長季各個關鍵期主要影響氣象要素，初步選取4—9月積溫、4—9月日照時間、4—9月降水量、春季平均氣溫、春季降水量、春季大于10 mm降水日數、4月降水量、5月降水量、7—8月降水量、7月降水量、8月降水量及6月日照時間作為建立農作物氣象產量與氣象要素相關的因子。

2.因子精選

完成因子粗選后進行因子的精選，通過計算粗選因子與預報對象之間的線性相關系數，挑選相關系數的絕對值較大的各物理量為入選因子，入選因子要通過信度為0.05的相關檢驗，才能作為精選因子，最后建立預報模型。

在進行相關性檢驗時，選用Spearman、Pearson、Kendall's Tau-b相關性檢驗方法對粗選因子進行篩選，對各檢驗方法得出的檢驗統計量進行分析，各檢驗方法在農作物產量相關性檢驗上表現一致，篩選出檢驗統計量小于0.05的要素是4—9月積溫、4—9月降水量、春季平均氣溫、7—8月降水量、7月降水量。

3.各要素間相關性檢驗

選取建立多元回歸方程的因子時，若因子間有較強的相關性，會影響方程的準確性。因此，對各氣象要素兩兩進行相關性檢驗，排除要素間相關性過強對預報方程的影響。利用Spearman、Pearson和Kendall's Tau-b相關性檢驗方法，對上文提到的各氣象要素兩兩之間進行相關性檢驗，兩兩間的檢驗統計量小于0.001，具有顯著的相關性，最終確定建立農作物氣象產量模型的各氣象要素為4—9月降水量、春季平均氣溫、6月日照時間。

4.建立氣象產量預報預報方程

根據最終確定的氣象要素因子建立農作物氣象產量多元線性回歸方程。利用逐步回歸的方法，將氣象因子逐個引入，引入因子的條件是該因子的方差貢獻是顯著的。同時，每引入一個新因子后，按能通過0.05的顯著性F檢驗的標準對老因子進行逐個檢驗，將方差貢獻變為不顯著的因子剔除。建立農作物氣象產量預報模型為：

y（w）=300.56+0.36×（4—9月降水）-26.98×春季平均氣溫-0.73×6月日照時間

（三）氣象要素因子對農作物產量的影響

（1）從農作物氣象產量預報模型來看，朝陽市農作物氣象產量與降水（4—9月降水）呈正相關，說明朝陽市農作物產量與降水關系最密切，降水是制約農業增產豐收的最主要的氣象條件。因此，開展人工增雨，增加自然降水量，提高水資源利用率，實施節水灌溉等技術措施，是提高農作物產量的重要途徑。

（2）農作物產量與春季平均氣溫呈負相關，春季溫度低，說明春季回暖慢，化凍時間偏晚，土壤返漿偏晚，有利于土壤保墑增墑，利于大田播種和苗期生長;反之，春季溫度偏高，回暖快，地溫升高快，土壤水分蒸發迅速，容易引發春旱發生。

（3）農作物產量與6月日照時間呈負相關。6月日照時間越少，產量越高。根據多年天氣形勢分析，6月朝陽市冷窩天氣較多，陰雨天氣較多，日照時間偏少，使得降水量亦多，降水多對農作物生長很有利，作物長勢良好，為產量形成奠定基礎。

三、結論

從農作物氣象產量預報模型來看，朝陽市農作物氣象產量與降水（4—9月降水）呈正相關，與春季平均氣溫、6月日照時間呈負相關。但是，氣象產量預報模式中的氣象因子，沒有考慮各個氣象因子適宜范圍，即氣候適宜度問題[7]。

例如，降水多產量就增加，但降水量不是沒有上線，因為如果是一次降水過程超過暴雨量級，很可能導致農田漬澇災害或被淹沒沖毀;同樣春季溫度過低，有可能錯過最適宜播種期，造成作物不能正常成熟;6月陰雨過多，日照時間少，可能導致病蟲害發生、生長延遲等[8-9]。產量預報中氣象因子適宜度問題有待進一步研究。（基金項目：中國氣象局氣候變化專項“東北糧食生產格局的氣候變化影響與適應”，項目編號：CCSF-09-13）

參考文獻：

[1]張淑杰，張玉書，王石立，等.基于作物生長模擬模式的玉米產量預報方法研究[J].安徽農業科學，2009（36）：17914-17917.

[2]張金波.作物生長模擬模型研究綜述[J].科技信息（學術版），2008（21）：66-67.

[3]尹東.農業產量預報技術的研究和應用[J].干旱氣象，2007（2）：12-16.

[4]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（5）：257-261.

[5]史永臣，劉振忠.農作物產量預報模型研究與實踐[J].生物數學學報，2001（2）：229-233.

[6]韓永翔，尹東.作物產量預報新方法研究[J].干旱地區農業研究，2002（3）：124-127.

[7]魏瑞江，宋迎波，王鑫，等.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（5）：622-627.

[8]張建平，趙艷霞，王春乙，等.氣候變化情景下東北地區玉米產量變化模擬[J].中國生態農業學報，2008（6）：1448-1452.

[9]賈建英，郭建平，彭妮，等.氣候變化對東北地區玉米產量的影響[J].安徽農業科學，2010（32）：18309-18312，18342.