水稻播種期的氣象預報模型研究:以江蘇省為例

張曉英

(福建省農業科學院 農業質量標準與檢測技術研究所， 福建 福州 350003)

水稻播種期是生產上品種布局、播期安排、茬口銜接所必須考慮的問題，同時準確預測預報水稻播種期也是農用天氣預報的一個重要環節。根據聯合國政府間氣候變化專門委員會(IPCC)第五次評估報告，1880—2012年，全球平均地表溫度升高0.85℃[0.65～1.06℃]，1951—2012年全球地表溫度的升溫速率(0.12℃/10年)幾乎是1880年以來升溫速率的2倍，極端氣候事件頻率增加。氣候變暖對作物生長發育也有影響，但不同作物的生育期、不同地區同一作物生育期及同一作物不同生育期對氣候變暖的響應不同[1-11]，如春播作物播種期提早，喜溫作物生育期延長[1]，越冬作物播種期推遲，生育期縮短。

水稻是江蘇省第一大糧食作物，常年種植面積220萬hm2，種植面積、稻谷產量分別占全省糧食面積的40%和總產量的60%，約占全國水稻種植面積的7%和水稻總產量的10%，單產穩居全國第一。水稻發育期的變化直接由溫度等氣象條件變化而引起。為利用實時氣象資料直接進行播種期預報，以江蘇省為例，選擇旬平均氣溫(T)等10個氣象因子作為自變量，應用相關分析方法及最優化相關處理技術，尋找表征江蘇省水稻播種期的最佳氣象因子，并建立回歸模型。

1 資料來源與分析方法

1.1 資料來源

江蘇省徐州、贛榆、淮安、興化、鎮江、宜興、昆山和高淳8個水稻觀測站有記錄以來的農業氣象資料及對應氣象站的觀測資料，包括旬平均氣溫(T)、旬最低氣溫(Tn)、旬最高氣溫(Tx)、旬溫差(TD=Tx-Tn)、旬日照時數(S)、旬光溫積(T*S)、旬降水量(R)、旬降水日數(Rd)、旬降水強度(RS=R/Rd)和旬降水溫度比(R/T)10個氣象因子，均來自于江蘇省氣象信息中心。為了保證數據的可比性，統一用1990—2010年資料進行分析建模。

1.2 分析方法

1.2.1 因變量的獲取 將播種期數值化以便建模，對發育期進行處理，即以每年的1月 1日為基準，計算播種期為一年的第*天，返青期則在播種期的基礎上繼續累加實際的日數。如徐州 1986年度水稻播種期為5月 11日，即記為131。

1.2.2 最優化因子相關分析 利用最優化相關普查方法[12]分析自變量(氣象因子)與因變量之間最合適的相互關系。為增加因子的信息量，首先對因子進行膨化處理[13]，然后再進行最優化普查。

因子X的線性和非線性[含單調的和非單調的單峰(谷)型]化處理可歸納為一種通用變換形式：

Q=(│X-b│/B+0.5)a

式中，a、b為待定參數，且Xmin≤b≤Xmax，B=max(Xmax-b，b-Xmin)。

經上式變換后，Q與Y(因變量，為水稻播種期)必為單調關系，且(│X-b│/B+0.5)的值在區間[0.5，1.5]內變化。對于單峰(谷)型關系的因子，為避免X在最低或最高值附近出現個別樣本的偶然誤差影響，b的取值以Xmin+(Xmax-Xmin)/4≤b≤Xmax-(Xmax-Xmin)/4為宜。a值一般在(-10，-1/10)和(1/10，10)2個區間內取值，效果較好。a、b可用最優化技術求出。令目標函數為f(a，b)= 1-R2=min，R為a、b取一定值時Q與Y的相關系數。應用二維尋優的變量轉換思路將其分解為一元問題逐步處理。

經過上述方法處理普查后獲得的因子，是一批與因變量相關最顯著的因子。

1.2.3 穩定性檢驗與獨立性檢驗 通過對相關普查所選的因子用滑動相關檢驗法進行穩定性檢驗[14]，擬淘汰掉一些相關程度前好后差或波動變化較大的因子，保證所選因子與積溫之間具有穩定、顯著的相關關系。

為提高統計回歸模型的可預報性，首先要估計預報模型的系數，對于最小二乘法擬合來說，如果自變量數據矩陣Xn×p中有多元共線性存在，則系數就無法估計。為解決這一問題，選用主成分識別法[12，13，15-16]進行因子的獨立性檢驗[13，15-16]，剔除共線性因子。在α=0.01置信度水平的相關顯著因子中分別剔除掉復共線性因子，可以認為剩下的因子是相關顯著、穩定并且相對獨立的因子。

2 結果與分析

2.1 水稻播種期與氣象因子的相關性

通過分析8個站點水稻播種期與氣象因子的相關性發現，水稻播種期與氣象因子相關密切。表1列出了與興化站水稻播種期相關性達0.01極顯著水平的氣象因子。

2.2 水稻播種期的氣象回歸模型

由于已考慮因子相關的最優化、顯著性、穩定性和獨立性，因此，由自變量組合的聯立方程可以達到非奇異。利用逐步回歸方法，在8個站點保留的相關氣象因子中篩選出貢獻最大的因子，建立穩定可靠的回歸模型(表2)，且8個站點的回歸模型達0.01極顯著水平。

表1 興化站水稻播種期與氣象因子的函數形式及相關系數

表2 水稻播種期的氣象預報模型

注:X1′=(∣X1-8.4∣/5.1+0.5)0.58，為當年4月中旬旬最低氣溫，單相關系數為0.52；X2′=(∣X2-50.3∣/16.6+0.5)-0.55，為上一年12月上旬至當年1月中旬旬最高氣溫累積值，單相關系數為0.48。

2.3 預報模型擬合

利用上述預報模型進行回代檢驗，對水稻播種期的氣象模型進行模擬，8個站點的模型都通過了α=0.01的顯著性檢驗。圖1為興化站水稻播種期氣象預報模型的歷史擬合效果。

3 小結

結合水稻生理特征，選擇旬平均氣溫等10個氣象因子，應用相關統計分析方法，尋找表征江蘇省水稻播種期的最佳氣象因子，最終建立回歸模型。這些預報模型的擬合檢驗效果良好，可提前較長時間預測出播種期時間，如興化站常年水稻播種期為5月上中旬，建立的模型在4月中旬即可作出預報。預報結果對水稻種植具有重要的指導意義，可提升農業氣象的專業服務能力。

水稻播種期除受天氣條件影響外，還與品種、水利設施、土壤特性等有關，未來需要綜合考慮這些因素，采用科學方法將這些因素轉變為模型需要的自變量因子，以進一步提升預報模型的準確性。