鎮賚縣玉米氣象產量預報模型及影響因子分析

范婷婷 范生曄 陳美娟 孫 樂

（1.大安市氣象局，吉林 大安 131300；2.鎮賚縣氣象局，吉林 鎮賚 137300）

農業產量易受很多條件制約和影響，包括社會因素、人為因素、氣象因素等，其中氣象因素往往起著重要甚至是關鍵性作用，分析研究作物的產量與氣象因子之間的關系，則可以根據氣象條件預報生產對象可能形成的最終產量。吉林省白城市鎮賚縣的年平均溫度為5.2℃，作物生長發育期（5—9月）平均溫度為19.7℃，≥10℃積溫天數為156 d，有效積溫3 050℃，無霜期163 d，年日照時間2 897.7 h，生長發育期日照時間約為1 329.2 h，年平均降水量約386.9 mm，大多數降水都集中在夏季，約占全年的72.6%，但夏季溫度高，蒸發量大，當降水量過少時難以抵擋蒸發作用導致的土壤水分流失，導致干旱加劇，鎮賚縣的年均蒸發量可達1 743.1 mm。同時，在作物生長季，尤其在6—8月，氣象因素均比往年同期偏低或偏大，如6—8月降水量同往年相比同期偏低；平均氣溫同往年相比稍大；6—8月日照時間均比歷年同期多；對于蒸發量，由于從2014年開始取消蒸發觀測，為此本次統計為8 a平均數。根據資料分析，鎮賚縣平均風速7、8月較歷年分別大0.1 m/s和0.2 m/s［1］。

1 資料來源和處理

1.1 資料來源

玉米生育期資料來源于鎮賚縣氣象局玉米氣象觀測資料和農業局大田調查。鎮賚縣玉米生產面積、產量等資料來自鎮賚縣年志和農業局統計數據。

1.2 分離氣象產量

除去噪聲后的作物產量、趨勢產量和氣象產量的關系式［2］如下：

式（1）中，yt為趨勢產量，yw為氣象產量，y為作物產量。筆者利用直線滑動平均模擬法實現分離氣象產量的目的。利用式（1）和直線滑動平均模擬法得到的趨勢產量和氣象產量見表1。

表1 鎮賚縣玉米產量、趨勢產量和氣象產量

從表1可以得到每一年的氣象產量及趨勢產量。從表1可以看出氣象產量有正有負，但趨勢產量隨著經濟社會的發展呈現逐漸上升的趨勢，可見氣象因素對于玉米產量的影響較大。下一步建立氣象產量與氣象要素的相關關系，確定影響因子最大的氣象要素，構建氣象產量模型。

2 結果與分析

2.1 玉米各旬氣象指標統計分析

選擇與產量相關性大的氣象要素（分別是降水、溫度、日照），將其按旬劃分，利用每旬數據與產量相擬合［3］。研究采用1998—2012年的產量結合各年旬氣象資料進行分析建模。

2.2 回歸分析

把歷年每旬氣象資料分別與氣象產量進行回歸分析，得到點聚圖，從中篩選出相關性比較好的氣象因素［4］，求出回歸方程和復相關系數。通過構建45個回歸方程得到各氣象因素的相關系數。文章根據相關系數的大小對各個變量的解釋能力進行了排序（見表2）。

表2 所有氣象指標與氣象產量回歸分析相關系數

從表2能夠看出8月上旬降水、8月下旬降水、8月下旬溫度、6月上旬溫度、6月中旬降水與產量的相關性比較大。選擇這5個因子進入后續的分析中。

2.3 氣象產量資料標準化

為了構建最終產量與氣象要素的關系模型，將相關性較大的氣象要素8月上旬降水、8月下旬降水、8月下旬溫度、6月上旬溫度、6月中旬降水歷年數據進行標準化［5-7］，標準化公式為：

式（2）中，X′ ki為第k個氣象因子的標準化的值，X1為第k個氣象因子某一階段的實際值，Xp是第k個氣象因子某一階段的平均值，S是k氣象因子某一階段的標準差。標準化結果如表3。

表3 氣象因素與氣象產量標準化結果

表3中數據是利用SPSS進行標準化處理后的結果，對1992—2012年與作物氣象產量相關性較大的旬氣象要素進行標準化處理，是為了進一步分析這些氣象要素與氣象產量的關系屬性，以便建立作物氣象產量的預測模型。

2.4 相關分析

利用SPSS對表3中標準化處理后的數據與產量進行相關分析，相關分析結果見表4。

表4 氣象因素與氣象產量相關分析結果

進一步證實了2.2回歸分析的可靠性，從相關分析的結果來看，構建回歸方程的5個自變量與氣象產量的相關關系顯著，從表3可以看出5個要素的r值在-1到1之間，說明存在一定的相關性，其中8月上旬降水、8月下旬降水、6月中旬降水與玉米產量成正相關，8月下旬溫度、6月上旬溫度與玉米產量成負相關，說明并不是任何時候溫度越高越好。

2.5 氣象產量預報模型建立

利用與氣象產量相關性較強的氣象因子，建立回歸方程：

式（3）中，X1為8月上旬降水量，X2為8月下旬降水量，X3為8月下旬溫度，X4為6月上旬溫度，X5為6月中旬降水量。表5具體展示了詳細的回歸結果。

表5 回歸分析結果

運用SPSS計算后，回歸方程的F值為6.667，P值為0.002，可見回歸方程顯著性較好，復相關系數R2為0.69，說明方程具有一定解釋意義。

2.6 氣象產量模型的檢驗

為了對模型的擬合率進行檢驗，利用鎮賚縣氣象局2019年相關氣象因子的數據，帶入氣象產量模型中，計算得到2019年氣象產量預測值為972.1 kg/hm2。而2019年的實際產量為8 800.5 kg/hm2，通過滑動平均法算得2019年的趨勢產量為7 650.2 kg/hm2，實際氣象產量為1 150.3 kg/hm2，擬合率為84.5%。

3 結論與討論

鎮賚縣氣象條件年變化較大，玉米氣象產量受此影響也較大，筆者采用直線滑動平均模擬法，分離氣象產量，同時采用回歸分析及相關分析確定對玉米氣象產量影響較大的氣象因子，此種方法合理且準確率高，為其他農作物產量預測提供了參考。

表6 2015—2018年玉米產量預報檢驗結果

在玉米營養生長階段，降水和溫度對氣象產量貢獻最大。在生殖生長階段，溫度與氣象產量呈弱的負相關，溫度偏高對氣象產量形成不利。因此，降水量和溫度是影響玉米產量的主要氣象因子，農業氣象服務中應關注旬月降水預報和旱情監測。

預報模型檢驗結果顯示，該模型預報效果良好，可在日常產量預報業務中推廣應用，有利于提高預報準確率。