基于歷史豐歉氣象影響指數的湖南油菜產量動態預報

帥細強，樊清華，謝佰承

（1.湖南省氣象科學研究所，湖南 長沙 410118；2.秦皇島市氣象局，河北 秦皇島 066000）

作物產量預報是現代氣象為農服務的一個重要方面。隨著業務需求和科學技術的發展，產量預報的方法也不斷改進[1-4]。近年來，學者開展了作物產量動態預報方法的相關研究，為產量預報制作提供了強有力的技術支撐。王建林等[2-3]建立了中國棉花、西北地區玉米產量動態預報模型，宋迎波等[5]、楊霏云等[6]分別建立了我國油菜和晚稻產量動態預報模型，鄭昌玲等[7-8]建立了我國早稻和大豆產量動態預報模型，還有學者分別建立了黑龍江省水稻[9]、河北玉米[10]、河南冬小麥[11]、山東冬小麥[12]、四川水稻[13]產量動態預報模型。我國是世界最大的油菜生產國，其中70%的油菜種植在長江流域[14-15]。湖南是我國油菜主產區，其油菜種植區主要分布在湘北洞庭湖平原、湘南衡陽及湘西山區。在前人研究的基礎上，筆者選取湖南油菜種植代表性站點的氣象和生育期等數據，將1994—2009 年的數據作為歷史年資料，將2009—2019 年的數據作為預測年的數據，采用相關系數和歐氏距離等方法計算綜合診斷指數，建立基于歷史豐歉氣象影響指數的湖南油菜產量月尺度動態預報方法，以期為湖南油菜產量動態預報服務的開展提供技術支撐。同時，該研究對提高湖南油菜產量預報的準確率和預報能力具有重要的現實意義。

1 數據來源及處理

1.1 數據來源

油菜生育期氣象數據來自湖南省氣象局。考慮區域的代表性，選取1981—2019 年南縣、常德、衡陽、懷化4 個氣象站的逐日最高溫度、最低溫度、降水量、日照時數等數據。2000—2009 年油菜發育期數據由南縣、常德、衡陽、懷化4 個農業氣象站提供。1981—2019 年湖南省油菜產量數據來自湖南省統計局。

1.2 產量資料處理

根據公式（1）計算相鄰2 a 間產量的豐歉值。

式中：i 代表第i 年；“i-1”表示第i 年的上一年；△Yi表示第i 年與第“i-1”年平均產量的變化值，即豐歉值；Yi和Yi-1分別為第i 年和第“i-1”年油菜產量。

1.3 生育期資料處理

湖南油菜有觀測記錄的生育期資料是從20 世紀80 年代開始的。由于不同年代油菜的生育期不同，從分析研究的可比性考慮，生育期資料采用2000—2009年的平均值（表1）。湖南油菜一般在9 月中下旬播種，下一年的3 月進入開花期，5 月中旬左右成熟收獲。

表1 湖南地區代表性站點的油菜生育期 （月-日）

1.4 氣象資料處理

根據公式（2）計算相鄰2 a 間氣象要素的差值。

式中：△Xi表示相鄰2 a 間氣象要素的差值，Xi和Xi-1分別表示第i 年和第“i-1”年的積溫、有效溫度累積、累積降雨量、分段累積降雨量、標準化降雨量、分段標準化降雨量、累積日照時數、分段累積日照時數、標準化日照時數、分段標準化日照時數這10種氣象因子。

根據公式（3）計算歐氏距離。

根據公式（4）計算相關系數。

根據公式（5）計算綜合診斷指數。

公式（3）～（5）中：k 表示預報年；i 表示歷史上的任意一年；j 表示氣象要素序號；△Xkj表示預報年油菜播種至發布預報時第j 個氣象要素差異；△Xij表示歷史上任意一年同一時段同類氣象要素差異；N表示樣本長度；Cik表示預報年（k 年）與歷史上任一年（i 年）的綜合診斷指標。Cik越大，則預報年（k 年）與歷史某一年的相似程度越高。

同一地區在不考慮油菜品種更新變化的情況下，如果相鄰2 a 的氣象條件變化相似，理論上油菜產量的變化也應相似。但由于油菜品種不斷更新和變化、農業生產水平不斷發展和提高、預報時刻之后氣象條件的不斷變化等諸多原因，導致氣象條件變化最相似的年份，其油菜產量的變化反而不一定最接近。因此，在確定△Y 的計算方法時，要在溫度、降水和日照這3 類因子中分別選取Cik值最大的3 個歷史相似年型，通過分析研究3 個相似歷史年型油菜產量的變化與預報年油菜產量的實際變化，來最終確定具體的△Y 的計算方法。

2 建立動態預報模型

利用歷史年與預報年油菜播種后逐日最高溫度、最低溫度、降雨量和日照時數及生育期等資料，計算油菜播種后的積溫、標準化降雨量、累積日照時數等；利用歐式距離和相關系數法計算預報年氣象要素與歷史上任意一年同一時段同類氣象要素的差異，建立綜合診斷指標；根據診斷指標，確定歷史最大類似年型；利用類似年型油菜產量豐歉氣象影響指數，分析預報年油菜產量歷史豐歉氣象影響指數，建立基于歷史產量和歷史豐歉氣象影響指數的湖南省油菜產量動態預報方法。

從日照、溫度、降水3 類因子中分別選取一個因子，組成32 種組合；對每種組合中的3 個因子分別計算Cik，每個因子選取歷史上3 個最大的Cik，得到9 個對應的△Y，采用平均、大概率、符號一致（占多數的正符號類或負符號類）等方法對預報結果與實際產量豐歉進行對比分析，得到預報因子和預報方法，見表2。

3 動態預報模型檢驗

利用1994—2009 年資料進行回代檢驗，利用2009—2019 年資料進行預報檢驗。

3.1 回代檢驗

1994—2009 年回代檢驗結果（表3）表明，預測結果與實測結果趨勢一致的樣本百分比在67%及以上，其中10 月31 日、11 月30 日、12 月31 日、1月31 日、2 月28 日、3 月31 日、4 月30 日、5 月31日預測結果與實測結果趨勢一致的樣本百分比分別為73%、67%、73%、87%、87%、80%、80%、87%，其中1 月31 日、2 月28 日、5 月31 日的百分比最高，達87%；平均預報準確率在93.5%及以上，其中10 月31 日、11 月30 日、12 月31 日、1 月31 日、2 月28 日、3 月31 日、4 月30 日、5 月31 日 的 平均預報準確率分別為93.5%、94.1%、94.2%、94.5%、94.0%、93.7%、94.0%、93.8%，1 月31 日的預報準確率最高，為94.5%。

3.2 預報檢驗

2009—2019 年預報檢驗結果（表4）表明，預測結果與實測結果趨勢一致占預報檢驗年份的30%及以上，其中10 月31 日、11 月30 日、12 月31 日、1月31 日、2 月28 日、3 月31 日、4 月30 日、5 月31日預測結果與實測結果趨勢一致分別占70%、50%、90%、40%、30%、80%、50%、70%，以 12 月31 日所占比率最高，為90%；平均預報準確率在95.7%及以上，其中10 月31 日、11 月30 日、12 月31 日、1月31 日、2 月28 日、3 月31 日、4 月30 日、5 月31日的平均預報準確率分別為97.6%、98.1%、98.1%、96.9%、95.7%、96.9%、96.1%、96.6%， 以11 月30日和12 月31 日的預報準確率最高，為98.1%。

表4 2009—2019 年預報檢驗結果

4 結論與討論

該研究建立的基于歷史豐歉氣象影響指數的湖南油菜產量動態預報模型，為湖南油菜產量動態預報服務的開展提供了技術支撐。檢驗結果表明，該模型基本能夠滿足湖南油菜產量動態預報服務的需要，但其趨勢預報準確性和預報準確率有待進一步提高。影響趨勢預報準確性與預報準確率的原因可能有：一是實際產量受氣象條件，特別是極端氣象災害天氣影響較大[16-19]，該研究中對氣象數據的處理可能對極端氣象災害反應不靈敏；二是該研究中提取氣象產量的方法比較單一，有待進一步改進和提高。下一步將根據極端氣象災害危害程度對氣象產量進行訂正，以建立機理性更強的湖南油菜產量動態預報模型。

單一的產量預報方法都有一定的局限性。如何將多種產量預報方法進行組合和集成，充分發揮各自的優勢，從而建立一套集合預報方法，有待今后進一步研究。