固原市冬小麥產量預報與氣象條件分析

路智淵，顧 娟，龔小麗，王桂芳，常耀軍

(中國氣象局旱區(qū)特色農業(yè)氣象災害監(jiān)測預警與風險管理重點實驗室，寧夏 銀川750002；寧夏氣象防災減災重點實驗室，寧夏 銀川750002；固原市氣象局，寧夏 固原756000)

固原位于寧夏南部山區(qū)，地處黃土高原半干旱氣候區(qū)，是典型的大陸性氣候，形成冬季漫長寒冷、春季氣溫多變、夏季短暫涼爽、秋季降溫迅速，晝夜溫差大，春季和夏初雨量偏少、日照充足。特殊的氣候環(huán)境直接制約著當地糧食作物的產量，氣候因子對冬小麥產量影響較大。因此，進行冬小麥產量預報與氣象條件分析對合理布局，調整農業(yè)產業(yè)結構具有重要意義[1-4]。

1 冬小麥產量預報與氣象條件分析

冬小麥實際產量數據、歷年冬小麥生育期數據與氣候資料分別由固原國家一級農業(yè)試驗站與固原國家基準氣候站提供。

作物產量的高低是與作物的品種特性、耕作制度、土壤肥力、管理措施和氣象條件等因素共同決定的。一般情況下冬小麥實際產量可分解為趨勢產量、氣象產量和隨機產量三部分[2]，實際計算時隨機產量可以忽略不計，表示為：Y=Yt+Yw

式中，Y為實際產量，Yt為趨勢產量，Yw為氣象產量。

1.1 趨勢產量模擬

趨勢產量是由地理環(huán)境、水肥、品種和生產力水平等因素決定，其產量呈逐年增高趨勢，有相對的穩(wěn)定性。在實際產量比較低的情況下，年際間延續(xù)產量逼近某斜直線上升趨勢。趨勢產量有多種模擬方法，其中，直線滑動平均模擬不損失樣本序列數，也不必主觀假定產量歷史演變曲線類型；調和權重法是以不同權重方法確定各序列樣本對趨勢產量的影響。本文結合直線滑動平均與調和權重法對趨勢產量進行模擬和預報。假設某階段的線性趨勢方程[1]。

式中，a，b為回歸系數，t為滑動時間變量，p為滑動步長。在樣本選取上采用p年滑動，n年資料有np+1個直線回歸方程，即回歸方程樣本分別取1～p年，2～p+1年，…n-p+1～n年，亦即得到n-p+1個回歸方程：

設通過t點的回歸方程有qt個，因而回歸方程在該點的擬合值y(t)也有qt個，則該年的趨勢產量y(t)為這些擬合值的平均，即：

連接各點的y(t)即可表示產量的變化趨勢。計算趨勢產量的關鍵是滑動步長，p值越大，趨勢產量越平滑，p值越小，趨勢產量波動就越大。

本文利用2000～2020年冬小麥觀測地段實際產量數據，取滑動步長為14年，求得8個線性方程，按照上述直線滑動平均得到趨勢產量Yt，分離出氣象產量Yw。產量分離完成后，按照調和權重計算方法[1]，依次計算趨勢產量年增長量。（調和權重預測是一種對趨勢產量進行外延的算法）具體步驟如下：

（1）確定歷史趨勢產量的增量

式中，Yt為第t年的趨勢產量，Y(t+1)為后一年的趨勢產量；wt+1為趨勢產量的年增長量。

（2）確定歷史趨勢產量增量的調和平均值：

式中，Ct+1為調和權重系數，Ct+1按以下公式計算：

顯然，調和權重滿足：ct+1＞0;∑ct+1=1

（3）趨勢產量預測值

調和權重法考慮了農作物產量歷史增長的規(guī)律，使得離預測年較近的年份的增量有較大的權重，與等權處理相比，符合農業(yè)生產的實際情況。

于是得出2021年趨勢產量Y=382.384+15.262=397.646（g/m2）

1.2 氣象因子選取

由于作物產量與氣象因子等氣候資源關系密切，不同生育期氣象條件對產量的影響不同。以固原一級農業(yè)試驗站冬小麥歷年平均生育期為代表，來確定當地冬小麥主要生育期的出現時間及對應時段。

根據表1中所列冬小麥生育期，以旬為單位，統(tǒng)計各旬平均氣溫、旬降水量、旬日照時數數據作為模型備選氣象因子，分析氣象產量與各因子之間的相關性[5-8]，通過顯著性檢驗的因子作為影響冬小麥產量的關鍵氣象因子。分析結果顯示，氣象產量與R42（4月中旬降水）、R43（4月下旬降水）、S33（3月下旬日照）、S51（5月上旬日照）、T51（5月上旬氣溫）在0.05水平上顯著相關，與R42（4月中旬降水）、S33（3月下旬日照）在0.01水平上顯著相關。因此。將這5個因子作為冬小麥氣象產量預報建立模型的關鍵因子。

表1 固原一級農業(yè)試驗站冬小麥歷年平均生育期普遍期

表2 冬小麥氣象產量與關鍵發(fā)育期氣象因子的相關性

2 建立預報模型

選取與氣象產量顯著相關的5個因子做自變量，以氣象產量做因變量，進行多元線性逐步回歸分析，可以得出擬合最好的回歸方程：

方程中選取的3個關鍵性氣象因子分別為：R42（4月中旬降水）、S33（3月下旬日照）、S51（5月上旬日照），復相關系數為0.926，調整后的R2為0.833，入選的3個因子不存在序列相關和共線性，方差分析顯示回歸方程的概率為0，小于顯著性水平0.05或0.01，可以認為回歸方程成立，至此氣象產量的預測模型已初步建立。

3 模型檢驗

根據氣象產量預報模型，計算2021年氣象產量為YW=70.9062（g/m2），結合趨勢產量預測結果，2021冬小麥產量預測結果為Y=397.646+70.9062=468.5522（g/m2）。

預測結果與2021年觀測地段冬小麥實際產量524.97相比，定量誤差值為56.4178，預報準確率為89.26%。

4 結論

本文運用直線滑動平均，結合調和權重法對固原市冬小麥產量進行模擬預報取得了成功，可以認為此方法為當地其他農作物產量定量預測提供參考。

根據冬小麥生育普遍期的出現時間，以旬為單位選取氣象因子，進行相關分析和逐步回歸，得出的模擬方程擬合度較高，預測結果準確率也較高。

雖然該文建立的預測模型方法簡單，參數少，易于使用。但也存在一些不足，如分析單個氣象條件對產量的影響具有一定的片面性；未對作物生長自救和人工管理的影響進行考慮，即作物受輕微危害后可以通過自身恢復生長，也可通過管理人員的農技措施加以緩解。