基于歷史豐歉氣象影響指數(shù)的湖南油菜產(chǎn)量動態(tài)預(yù)報

帥細(xì)強，樊清華，謝佰承

（1.湖南省氣象科學(xué)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(chǎn)量預(yù)報是現(xiàn)代氣象為農(nóng)服務(wù)的一個重要方面。隨著業(yè)務(wù)需求和科學(xué)技術(shù)的發(fā)展，產(chǎn)量預(yù)報的方法也不斷改進[1-4]。近年來，學(xué)者開展了作物產(chǎn)量動態(tài)預(yù)報方法的相關(guān)研究，為產(chǎn)量預(yù)報制作提供了強有力的技術(shù)支撐。王建林等[2-3]建立了中國棉花、西北地區(qū)玉米產(chǎn)量動態(tài)預(yù)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(chǎn)量動態(tài)預(yù)報模型，鄭昌玲等[7-8]建立了我國早稻和大豆產(chǎn)量動態(tài)預(yù)報模型，還有學(xué)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(chǎn)量動態(tài)預(yù)報模型。我國是世界最大的油菜生產(chǎn)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(chǎn)區(qū)，其油菜種植區(qū)主要分布在湘北洞庭湖平原、湘南衡陽及湘西山區(qū)。在前人研究的基礎(chǔ)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(shù)據(jù)，將1994—2009 年的數(shù)據(jù)作為歷史年資料，將2009—2019 年的數(shù)據(jù)作為預(yù)測年的數(shù)據(jù)，采用相關(guān)系數(shù)和歐氏距離等方法計算綜合診斷指數(shù)，建立基于歷史豐歉氣象影響指數(shù)的湖南油菜產(chǎn)量月尺度動態(tài)預(yù)報方法，以期為湖南油菜產(chǎn)量動態(tài)預(yù)報服務(wù)的開展提供技術(shù)支撐。同時，該研究對提高湖南油菜產(chǎn)量預(yù)報的準(zhǔn)確率和預(yù)報能力具有重要的現(xiàn)實意義。

1 數(shù)據(jù)來源及處理

1.1 數(shù)據(jù)來源

油菜生育期氣象數(shù)據(jù)來自湖南省氣象局。考慮區(qū)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(shù)等數(shù)據(jù)。2000—2009 年油菜發(fā)育期數(shù)據(jù)由南縣、常德、衡陽、懷化4 個農(nóng)業(yè)氣象站提供。1981—2019 年湖南省油菜產(chǎn)量數(shù)據(jù)來自湖南省統(tǒng)計局。

1.2 產(chǎn)量資料處理

根據(jù)公式（1）計算相鄰2 a 間產(chǎn)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(chǎn)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(chǎn)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(jì)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(qū)代表性站點的油菜生育期 （月-日）

1.4 氣象資料處理

根據(jù)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(biāo)準(zhǔn)化降雨量、分段標(biāo)準(zhǔn)化降雨量、累積日照時數(shù)、分段累積日照時數(shù)、標(biāo)準(zhǔn)化日照時數(shù)、分段標(biāo)準(zhǔn)化日照時數(shù)這10種氣象因子。

根據(jù)公式（3）計算歐氏距離。

根據(jù)公式（4）計算相關(guān)系數(shù)。

根據(jù)公式（5）計算綜合診斷指數(shù)。

公式（3）～（5）中：k 表示預(yù)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(yù)報年油菜播種至發(fā)布預(yù)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(yù)報年（k 年）與歷史上任一年（i 年）的綜合診斷指標(biāo)。Cik越大，則預(yù)報年（k 年）與歷史某一年的相似程度越高。

同一地區(qū)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(chǎn)量的變化也應(yīng)相似。但由于油菜品種不斷更新和變化、農(nóng)業(yè)生產(chǎn)水平不斷發(fā)展和提高、預(yù)報時刻之后氣象條件的不斷變化等諸多原因，導(dǎo)致氣象條件變化最相似的年份，其油菜產(chǎn)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(chǎn)量的變化與預(yù)報年油菜產(chǎn)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(tài)預(yù)報模型

利用歷史年與預(yù)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(shù)及生育期等資料，計算油菜播種后的積溫、標(biāo)準(zhǔn)化降雨量、累積日照時數(shù)等；利用歐式距離和相關(guān)系數(shù)法計算預(yù)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(biāo)；根據(jù)診斷指標(biāo)，確定歷史最大類似年型；利用類似年型油菜產(chǎn)量豐歉氣象影響指數(shù)，分析預(yù)報年油菜產(chǎn)量歷史豐歉氣象影響指數(shù)，建立基于歷史產(chǎn)量和歷史豐歉氣象影響指數(shù)的湖南省油菜產(chǎn)量動態(tài)預(yù)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(yīng)的△Y，采用平均、大概率、符號一致（占多數(shù)的正符號類或負(fù)符號類）等方法對預(yù)報結(jié)果與實際產(chǎn)量豐歉進行對比分析，得到預(yù)報因子和預(yù)報方法，見表2。

3 動態(tài)預(yù)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(yù)報檢驗。

3.1 回代檢驗

1994—2009 年回代檢驗結(jié)果（表3）表明，預(yù)測結(jié)果與實測結(jié)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(yù)測結(jié)果與實測結(jié)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(dá)87%；平均預(yù)報準(zhǔn)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(yù)報準(zhǔn)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(yù)報準(zhǔn)確率最高，為94.5%。

3.2 預(yù)報檢驗

2009—2019 年預(yù)報檢驗結(jié)果（表4）表明，預(yù)測結(jié)果與實測結(jié)果趨勢一致占預(yù)報檢驗?zāi)攴莸?0%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(yù)測結(jié)果與實測結(jié)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(yù)報準(zhǔn)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(yù)報準(zhǔn)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(yù)報準(zhǔn)確率最高，為98.1%。

表4 2009—2019 年預(yù)報檢驗結(jié)果

4 結(jié)論與討論

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

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