指數平滑法在椒江區早稻產量預測中的應用研究

徐強強 王旭輝

（浙江省臺州市椒江區農業技術推廣中心，臺州 318000）

臺州市椒江區地處浙江省沿海地區的中部，屬中亞熱帶季風區，四季分明，雨量充沛，雨熱同季。椒江區是傳統的雙季稻種植區，早稻種植面積常年維持在1 300 hm2左右，約占當地糧食作物播種總面積的27.8%。

多年來，國內學者在水稻產量預測方面做了很多研究。例如，杜春英等[1]建立了基于WOFOST模型的黑龍江省水稻產量動態預測研究辦法，周保平[2]建立了水稻Hopfield產量預測的數學模型，黃文江等[3]建立了基于神經網絡的水稻產量預測模型。同時，研究表明，溫、光、水與水稻的生長發育和產量密切相關，熟悉、了解和掌握氣象條件對水稻生產的影響，并能根據氣象條件的變化來客觀、定量、動態地預測水稻產量，對于保障糧食生產安全具有十分重要的現實意義。目前，雖然基于氣象因子預測水稻產量的方法較多，但不同地區的氣象條件存在差異，且影響水稻（尤其是早稻）產量形成的氣象因子也各不相同，這就需要建立適合當地的早稻產量預測模型[4]。在此背景下，筆者擬采用指數平滑法，利用椒江區2009—2019年早稻生育期內各月的最低氣溫、平均最低氣溫、最高氣溫、平均最高氣溫、平均氣溫、降水量、日照時數等氣象觀測資料，通過對早稻氣象產量和氣象因子進行相關分析與回歸分析，構建適合椒江區的早稻產量預測模型，以期為椒江區早稻產量的預測方法提供有力補充。現將相關研究成果報道如下。

1 材料與方法

1.1 數據來源及數據處理工具

本文的早稻產量數據來源于椒江區統計部門，氣象數據來源于中國氣象數據網，數據處理采用EXCEL 2010 軟件[5]。

1.2 研究方法

1.2.1 早稻產量數據處理

一般把作物的產量分解為趨勢產量、氣象產量和隨機產量[6]，即Y=Ya+Yb+e，其中，Y為實際產量，Ya為趨勢產量，Yb為氣象產量，e為隨機產量（通常可以忽略不計）。因此，利用指數平滑分析工具將早稻產量數據進行處理，得出水稻趨勢產量Ya，再用實際產量Y減去趨勢產量Ya即得氣象產量Yb。鑒于平滑系數a的取值不同，對結果的準確性具有重要影響，故本文平滑系數a分別取值0.1、0.3、0.5、0.7、0.9。

1.2.2 氣象數據處理

椒江區早稻種植方式以直播為主，4月播種，7月收獲，故選擇4月—7月間各月的最低氣溫、平均最低氣溫、最高氣溫、平均最高氣溫、平均氣溫、降水量、日照時數7個主要氣象因子。

1.2.3 預測模型建立

將各月的氣象數據與氣象產量進行相關分析，篩選出兩個與氣象產量相關度最高的氣象因子進行回歸分析。根據回歸統計結果，選取擬合程度最優的a值作為最終確定的a值，并依此建立預測模型，最后檢驗預測模型的準確度。

2 結果與分析

2.1 早稻產量、趨勢產量及氣象產量

運用指數平滑法得到早稻趨勢產量Ya和氣象產量Yb。由表1可知，在平滑系數a分別取值0.1、0.3、0.5、0.7、0.9時，2014年的氣象產量均為減產。經分析，2014年5月日照時數為91.9 h，較常年同期減少29.3 h，梅雨期間（6月17日—7月6日），長期陰雨寡照天氣，并伴有強降水天氣，降水量也破歷史同期最高紀錄，這些氣象條件均對早稻生產不利。

表1 早稻產量、趨勢產量及氣象產量 (單位：kg/hm2)

2.2 相關分析及回歸分析

選擇椒江區早稻生育期內各月的關鍵氣象因子（最低氣溫、平均最低氣溫、最高氣溫、平均最高氣溫、平均氣溫、降水量、日照時數）與氣象產量進行相關分析，結果見表2。同時，根據表2相關分析結果，篩選相關系數最高的兩個氣象因子進行回歸分析，具體為：在a=0.1時，選擇5月平均最高氣溫和5月平均氣溫兩個氣象因子；在a=0.3時，選擇7月最低氣溫和5月平均最高氣溫兩個氣象因子；在a=0.5時，選擇7月最低氣溫和6月降水量兩個氣象因子；在a=0.7和a=0.9時，均選擇6月最高氣溫和6月降水量兩個氣象因子。回歸統計結果見表3，由此可知，R2（a=0.5）>R2（a=0.3）>R2（a=0.9）>R2（a=0.7）>R2（a=0.1），說明a=0.5時模型擬合程度最高，且標準誤差 S2（a=0.5）

表2 氣象產量與關鍵氣象因子的相關分析

表3 氣象產量和關鍵氣象因子的回歸分析

由表4、表5可知，SignificanceF(P值)小于0.01，說明6月降水量、7月最低氣溫聯合起來對早稻產量有極顯著影響。將6月降水量和7月最低氣溫分別設為X6和X7，X6的P值小于0.01，說明6月降水量對早稻產量有極顯著影響；X7的P值小于0.01，說明7月最低氣溫對早稻產量有極顯著影響。

表4 平滑系數a=0.5時的方差分析

表5 平滑系數a=0.5時的回歸參數

在a=0.5時，氣象產量Yb=-2 765.1-3.48 X6+165.87X7，再設椒江區早稻實際產量為Y，n年的早稻產量用Y(n)表示，（n+1）年的早稻產量用Y(n+1)表示，n年趨勢產量為Ya(n)，（n+1）年趨勢產量為Ya（n+1）。根據指數平滑法計算公式，采用平滑系數a為0.5，則(n+1)年趨勢產量方程為Ya(n+1)=0.5Yn+(1-0.5)Ya(n），根據Y=Ya+Yb，得椒江區早稻產量預測方程為Y(n+1)=0.5Yn+0.5Ya(n)-2 765.1-3.48 X6(n+1)+165.87X7(n+1）。

2.3 模型精度檢驗及外推預測

2.3.1 模型精度檢驗

由表6可知，椒江區早稻實際產量與預測產量之間的絕對誤差相對較小，經計算得出MAPE（平均絕對百分比誤差，Mean Absolute Percentage Error）=2.73%，遠小于5%，預測精度較高。

表6 2009—2019年實際產量與預測產量對比分析

2.3.2 預測2020年產量

查詢氣象資料可知，椒江區2020年6月降水量為230.2 mm，7月最低氣溫為23.6 ℃。根據產量預測方程，椒江區2020年早稻預測產量為Y2020=0.5×6 562.0+0.5×6 673.5-2 765.1-3.48×230.2+165.87×23.6=6 966.1 kg/hm2，而椒江區2020年早稻實際產量為6 767.0 kg/hm2，兩者相差不大，可見該預測模型具有較高的準確度。

3 結論與討論

通過對椒江區2009—2019年早稻生育期間各月的氣象資料與早稻產量進行相關分析，篩選確定6月降水量、7月最低氣溫為影響早稻產量的關鍵氣象因子，并依此建立了早稻產量預測模型。相關分析顯示，早稻產量與6月降水量、7月最低氣溫的相關系數r值分別為-0.591 0和0.588 5，表明早稻產量與6月降水量呈負相關，與7月最低氣溫正相關，且相關程度較高，這是因為椒江區6月份進入梅雨季節，降水量偏多不利于早稻抽穗揚花，早稻灌漿受到影響，稻穗空殼霉變，從而影響產量，而7月份溫高光足的氣候條件，有利于早稻灌漿結實，則利于產量形成。同時，回歸分析顯示，6月降水量、7月最低氣溫均對早稻產量有極顯著影響，且6月降水量、7月最低氣溫聯合起來對早稻產量也有極顯著影響。此外，對預測模型進行精度檢驗，MAPE值為2.73%，表明預測模型的預測精度較高。