寧夏引黃灌區玉米趨勢產量與氣候產量分離方法研究

何虹，王巧娟，李亮，蔡煥杰

寧夏引黃灌區玉米趨勢產量與氣候產量分離方法研究

何虹1,3，王巧娟1,3，李亮1,3，蔡煥杰1,2,3*

（1.西北農林科技大學 水利與建筑工程學院，陜西 楊凌 712100；2.西北農林科技大學 中國旱區節水農業研究院，陜西 楊凌 712100；3.西北農林科技大學 旱區農業水土工程教育部重點實驗室，陜西 楊凌 712100）

【】探尋引黃灌區長時間序列玉米產量的適宜分離方法。以寧夏引黃灌區6個市（縣）1988—2019年玉米產量統計資料為基礎數據，分別利用五年滑動平均法、二次指數平滑法和五點二次平滑法對實際產量進行分離，得到趨勢產量與氣候產量，并采用一致性相關系數法、趨勢產量實際趨勢符合度分析法和同一氣候區氣候變化特征的一致性可引起氣候產量同升同降等方法和原則作為評判標準，比較分析3種方法的適用性與合理性，并利用氣候因子與產量之間的合理關系對選出的方法進一步檢驗。不同方法均能較好地擬合趨勢產量，與研究區的趨勢產量的一致性相關系數大多可達到較好或極好等級，3種方法在趨勢產量擬合上無明顯差異；二次指數平滑法和五點二次平滑法擬合的趨勢產量序列能較真實地反映因生產力和國家政策變化而導致的實際產量變化，五年滑動平均法擬合的趨勢產量變化體現實際社會發展的能力最差；當研究區各地氣候變化特征基本相同時，五點二次平滑法分離得到的相對氣候產量更能體現氣候要素年際變化對其產量的影響；五點二次平滑法建立的相對氣候產量模型能夠合理地反映氣候因子與產量的關系，符合玉米生長發育特性。綜合分析，五點二次平滑法更具有普適性，可以反映因氣候因子變化帶來的產量變化。

玉米；趨勢產量；氣候產量；分離方法

0 引言

【研究意義】全球氣候變化引起的干旱及熱浪等氣候異常事件頻發[1-3]，進一步增大了對傳統農業生產的風險[4-7]，嚴重威脅糧食生產的穩定性和安全性[8]。自20世紀中期以來，氣候異常引起的農業氣象災害多發現象已成為影響糧食產量的主要因素[9]。農業是對氣候變化最為敏感的領域之一，針對氣候變化選取科學、可靠的方法評估其對作物產量的影響，因地制宜制定作物生產的適應性策略，對于保障農業生產穩定和糧食產量安全方面具有重要意義。常見的研究氣候變化對作物產量影響的方法有田間試驗法、作物模型法和數理統計法[10]，數理統計法是以長期歷史作物產量和氣候資料為基礎研究氣候因子與作物產量關系的方法[11]，適用于較大時空尺度研究，可操作性強，應用較為普遍，是分析區域作物產量波動的有效方法。然而，作物產量與品種改良、技術進步、土壤肥力、病蟲害等因素均密切相關，為分析氣候因子與作物產量關系，必須剝離這些因素的影響。因此應將作物產量分解為趨勢產量和氣候產量[12-13]，即通過數學方法或模型分離趨勢產量和氣候產量，然后研究氣候產量與氣候因子的關系。但不同產量分離方法得到的結果和擬合特征相差較大，且在不同地區及不同作物的應用上得到的結果準確性也存在差異，甚至截然相反[9, 11]。因此，合理、準確地分離趨勢產量和氣候產量對于指導未來農業生產具有重大意義。

【研究進展】近年來，眾多學者就不同作物產量分離方法進行了探討，較常用的有Logistic擬合法、滑動平均法、HP濾波法以及指數平滑法等[14-19]。葛道闊等[17]采用二次函數、HP濾波、3點滑動平均以及二次指數平滑法對江蘇省的水稻產量進行了分離，結果表明二次指數平滑法的合理性最高。李心怡等[18]基于6種方法對江蘇省水稻產量進行了分離，對比了趨勢產量與氣候產量的一致性和差異性，得出三年滑動平均法和五點二次平滑法更具普適性。王桂芝等[11]采用HP濾波法、五年滑動平均法和Logistic擬合法對全國糧食單產進行了氣候產量分離，結果表明HP濾波法具有明顯的優勢。趙東妮等[20]基于遼寧省17個站點的水稻產量數據，通過比較各站點趨勢產量和實際產量間的擬合效果以及區域農業生產力發展水平的一致性、同一氣候區作物的氣候產量是否存在相同的區域變化特征，評價了HP濾波法、指數平滑法和Logistic方法的合理性，并指出HP濾波法更有利于趨勢產量的準確提取。魏慶偉等[21]以河南省浚縣冬小麥單產數據為例，分別通過HP濾波法、Logistic擬合法、滑動平均法和綜合平均趨勢法分離產量，得出綜合平均趨勢法分離的趨勢產量與實際冬小麥產量變化趨勢吻合度最高，氣候產量的波幅變化也準確反映了實產的變化特點。

【切入點】以往研究中的作物產量分離方法均側重于對作物趨勢產量分離的準確性和氣候產量的差異性研究，較少有研究探究分離出的氣候產量能否真實地反映氣候因子變化對產量的影響。【擬解決的關鍵問題】鑒于此，本研究以寧夏回族自治區北部引黃灌區6個市（縣）1988—2019年玉米產量數據為基礎，分別采用五年滑動平均法、二次指數平滑法和五點二次平滑法分離玉米實際產量，通過分析3種方法的趨勢產量的擬合效果和相對氣候產量的平均值與標準差，比較評價以上方法的適用性與合理性，篩選出最適宜的作物產量分離方法，并基于此方法建立多元逐步回歸氣候產量模型，進一步檢驗氣候產量與氣候因子的關系是否符合玉米的生育特性及其對氣候的響應規律，以期探尋出合理、可信的玉米產量分離方法，提高產量分離的準確性。

1 材料與方法

1.1 數據來源

選用1988—2019年寧夏北部引黃灌區6個市（縣）玉米產量數據，其中1988—2004年的產量數據來自《寧夏農村社會經濟調查年鑒（2004）》，2005—2019年數據來源于寧夏回族自治區統計局官網。6個市（縣）對應氣象站點逐日氣象數據來自國家氣象信息中心（https://data.cma.cn/），包括日平均氣溫、日最高氣溫、日最低氣溫、日降水量和日照時間，參照該區域玉米常年生長發育期（4—9月），將逐日氣象數據處理得到逐旬氣象數據。

1.2 產量分離方法

為量化氣候產量與氣候因子之間的關系，需剝離歷史不同農業生產力發展水平下的趨勢產量，得到作物氣候產量。趨勢產量是反映生產力發展水平的長期穩定產量的分量，主要由社會經濟、市場供需和技術水平等社會因素決定[20]；氣候產量是受降水、光照等氣象因子變化影響的波動產量的分量；而隨機產量是由其他因素如病蟲害、社會變革等引起的產量變化的分量。因此，玉米實際產量可分解為：

式中：、w和t分別為實際產量、趨勢產量和氣候產量；為隨機產量，又稱為隨機噪聲，一般情況下，因其隨機性極大，無法用某一固定函數關系定量估計，通常忽略不計[22]。為將玉米趨勢產量和氣候產量從實際產量中分離出來，本研究采用以下3種方法對玉米產量進行分離。

1.2.1 五年滑動平均法

滑動平均法是趨勢擬合的基礎方法之一，相當于低通濾波器，用確定時間序列的平滑值反映產量序列的變化趨勢[18]。對樣本容量為的產量序列，五年滑動平均序列表示為：

式中：為滑動長度，取=5；t為五年滑動平均產量序列，滑動平均后產量序列中小于滑動長度的周期被削弱。該方法會造成產量序列兩端損失-1個值，個數據只能得到-+1個平滑值。為彌補數據缺失，取1988—2019年的產量數據進行擬合，以保證1990—2017年趨勢產量的完整性。

1.2.2 二次指數平滑法

二次指數平滑法是基于線性滑動平均法提出的一種時間序列分析預測法，屬于加權滑動平均法。該方法是在一次指數平滑基礎上再進行一次指數平滑，同時考慮偏差值及滯后性影響，建立新的趨勢預測模型[23]。其優點是計算簡單、樣本需求較少、適應性強、結果穩定。其計算式為：

1.2.3 五點二次平滑法

五點二次平滑法是對一次滑動平均后的序列再滑動平均，進而展現其變化趨勢，有低通濾波器的作用，可克服滑動平均削弱過多波動幅度的缺點。對于時間序列t，用二次多項式擬合表示為：

由于五點二次平滑法計算后得到-+1個平滑值，對于數據兩端缺失的處理同上。

1.3 相對氣候產量計算

氣候產量是一個非平穩時間序列，其振幅往往會隨著農業生產力水平的提高而變大。因此，為能較好反映氣候因子對產量的影響，減少因地區差異造成的產量水平差異，使不同產量分離方法得到的結果不受時空限制且具有可比性[25]，采用相對氣候產量表示作物產量偏離趨勢產量的幅度。相對氣候產量r表示為：

式中：w為氣候產量，是實際產量與趨勢產量的差值；t為趨勢產量。其中，當實際產量大于趨勢產量時，表示氣候因子變化有利于作物生長發育即產量的增加，稱為增產率；當實際產量小于趨勢產量時，表示產量減少，稱為減產率[26-27]。

1.4 一致性統計分析方法

為分析3種趨勢產量擬合方法得到結果的真實性，采用一致性相關系數對其進行度量，從而評價3種方法的適用性。記為需分析的序列，且樣本量均為，一致性相關系數c為[28]：

1.5 趨勢產量與實際社會趨勢符合度的分析方法

趨勢產量除受作物品種改良、化肥用量增加、耕作技術水平提高等影響外，制度創新和強農惠農政策的實施，也能在短時間內提升生產力，使趨勢產量快速增長[17,20]。因此，趨勢產量是農業科技進步和政策調整的綜合反映，其擬合曲線應符合社會技術各發展階段的實際狀況[9]。自20世紀90年代以來，我國糧食總產量和單產總體均呈增長態勢，且變化趨勢基本一致，但增速分階段差異明顯[29-33]：1990—1998年，國家糧食政策和種植技術不斷進步，糧食產量波動增長；1999—2004年，農業結構調整加快、耕地大量占用、“退耕還林”戰略等推行，糧食生產處于劇烈波動階段，且基本呈下降趨勢；2004年后，在農業稅費政策調整、高標準農田建設等政策作用下，產量保持穩定增長態勢。所以，為明確3種分離方法的優劣，本文將不同方法擬合的趨勢產量分為3個時間段，即1990—1998、1999—2004年和2005—2017年，計算線性增長速率并相互比較。

1.6 作物產量分離方法驗證

產量分離是為了找到氣候因子與作物產量間的關系。因此，基于已選出的作物產量分離方法，利用多元逐步回歸法建立相對氣候產量與玉米全生育期氣候因子的關系模型，回歸模型為：

2 結果與分析

2.1 玉米趨勢產量擬合

采用五年滑動平均、二次指數平滑和五點二次平滑法分別對北部引黃灌區6個市（縣）28 a的玉米單產進行趨勢產量擬合。結果表明（表1），3種方法擬合的趨勢產量與實際產量均呈極顯著相關性（＜0.01），且相關系數均達到了0.94以上。由圖1可知，3種方法擬合出的趨勢產量均能較好地反映引黃灌區1990—2017年6個地區玉米產量增長特征（＜0.01），且與國家[11,31,34]和寧夏糧食產量[35]增長趨勢基本一致。其中，1990—2004年玉米產量整體呈波動上升趨勢，單產變幅較大；2005—2017年基本保持穩步增長趨勢。

表1 3種方法擬合引黃灌區6個市（縣）玉米趨勢產量與實際產量的相關性

注 **表示相關性通過了0.01顯著性水平（＜0.01）。

總體上，3種方法的擬合曲線趨勢一致，但從不同方法擬合的趨勢產量曲線形態看（圖1），二次指數平滑法擬合的趨勢產量在峰谷處更接近實際產量，對產量劇烈波動部分有較好的捕獲能力，如惠農（圖1（a））1997—2002年和中寧（圖1（f））1998—2003年的產量變化。五點二次平滑法擬合的趨勢產量為增長中略有上下起伏的態勢，盡管在峰谷處略有差異，但同時也兼顧了產量波動平緩與劇烈的特征。而五年滑動平均法擬合的趨勢產量趨勢總體呈平緩向上傾斜，對產量波動年份反應較遲鈍。此外，在滑動長度相同情況下，五點二次平滑法克服了因滑動平均對波幅削弱過多的缺點，提高了對實際產量捕捉的敏感度，相比五年滑動平均法更能捕獲到產量的波動特征。整體而言，二次指數平滑法和五點二次平滑法擬合出的趨勢產量較為相似，較好地保留了產量的波動特征，趨勢產量曲線形態更貼合實際產量變化特性。

北部引黃灌區地處寧夏黃河灌區，各市（縣）的社會和經濟發展水平與其所在的整個區相差不大[9]，相鄰地區趨勢產量的變化特征與走向理論上應大體一致。因此，用一致性相關系數來評價3種方法擬合趨勢產量的適用性，當一致性相關系數有顯著性統計學意義時，可結合該值大小進行一致性評價。為最大限度降低趨勢產量的隨機性，使各市（縣）趨勢產量與整個研究區平均趨勢產量具有一致性，采用多方法多市（縣）平均的趨勢產量代表區域平均趨勢產量序列。首先將3種方法擬合的趨勢產量求取市（縣）平均，再求6個市（縣）的平均值來代表整個研究區的平均趨勢產量序列。

一致性分析結果如表2所示，3種方法擬合的6個市（縣）趨勢產量序列與區域平均趨勢產量序列間的一致性相關系數均達到0.5以上，表現為一致性較好。其中，吳忠、銀川、中衛3個地區的趨勢產量與區域平均趨勢產量間的一致性相關系數達0.85以上，表現為一致性極好。可見，不同方法擬合出的趨勢產量序列與區域平均趨勢產量序列一致，3種方法均適用于趨勢產量擬合，與前人研究結論一致[18-20]，即不同方法在趨勢產量擬合上無顯著差異。

表2 3種方法擬合的趨勢產量序列與區域平均趨勢產量序列間的一致性相關系數

2.2 玉米趨勢產量與社會發展實際趨勢符合狀況

不同時段內6個市（縣）玉米實際產量與3種方法擬合的趨勢產量的線性增長速率見表3。3種方法均能基本體現較大范圍區域玉米平均趨勢產量變化，但不同時段內的增長速率有所不同。總體上，與實際產量相比，第一階段（1990—1998年）均為快速增長期，第二階段（1999—2004年）均為劇烈波動下滑期（陶樂除外），第三階段（2005—2017年）均為穩定增長期，與金宇豪等[32]和許紅[33]研究全國糧食產量的階段性變化趨勢大體一致。

然而，3種方法擬合的各地區玉米趨勢產量增速在不同時段差別明顯，大體均為第一階段＞第三階段＞第二階段。但五年滑動平均法擬合的趨勢產量在個別地區有所差異，具體表現在中衛第三階段趨勢產量增速大于第一階段增速、陶樂第二階段趨勢產量增速大于第三階段，以上均與中衛和陶樂地區玉米實際產量階段增速不符，而其他地區3種方法計算的第一階段趨勢產量增速均為最大，與黃新玲等[35]和潘瑜[36]利用寧夏生產資料研究的糧食產量階段性增長趨勢一致。1999—2004年期間，優質玉米大面積推廣、糧食價格變動及城鎮化等因素導致糧食產量出現了一定程度下滑。具體來說，3種方法擬合的第二階段趨勢產量增速除陶樂外均為負值，這與該時期社會實際發展狀況相符，基本體現了1999—2004年由于糧價變動等因素使農民種糧積極性下降導致的糧食生產力下滑的實際情況。自2005年起，3種方法擬合的趨勢產量均呈增長趨勢，體現了2005—2017年因農村稅費變革引起的糧食生產穩定增長的狀況。

表3 不同時段內6個市（縣）玉米實際產量與3種方法擬合的趨勢產量的線性增長速率

從趨勢產量序列擬合與惠農政策實施及社會發展的實際符合情況看，二次指數平滑法和五點二次平滑法擬合出的趨勢產量與實際情況較為符合，更能真實反映20世紀90年代以來因生產力和國家政策變化等引起的實際產量變化情況，而五年滑動平均法擬合的趨勢產量難以體現社會實際。

2.3 玉米氣候產量分離

氣候產量是從實際產量中除去趨勢產量的剩余分量。考慮到同一氣候區氣候變化特征類似，且大面積的農業氣象災害發生常常與大的氣候過程相關，所以同一氣候區玉米的氣候產量應具有相似的變化特征[9,18]。因此，將不同方法分離的引黃灌區6個市（縣）的相對氣候產量平均值作為研究區域的相對氣候產量序列，并以其標準差度量隨機變量的離散程度。合理的方法分離的相對氣候產量有同升（增產）或同降（減產）的特點，即一致性較好，表現為樣本標準差較小，反之則標準差較大[18,20]。

3種分離方法得到的區域相對氣候產量平均值及標準差序列見圖2。可以看出玉米相對氣候產量呈振蕩波動變化，尤其是1997—2005年產量劇烈波動，但從2005年后波動強度較1997—2005年有所減弱，表明氣候變化對玉米單產貢獻率在逐漸減弱，可能是由于農業技術不斷進步、高標準農田建設不斷推進，使引黃灌區玉米生產抗災能力顯著增強。二次指數平滑法分離的區域相對氣候產量平均值與其他2種方法有明顯區別，除個別年份其余產值均大于0，波動幅度較小且相對平穩，與其他2種方法在相同年份上對氣候因子年際變化反映程度相差較大，影響差異明顯。此外，五年滑動平均法分離的結果波動幅度明顯大于五點二次平滑法，表明五年滑動平均法在一定程度上夸大了氣候因子對玉米產量的影響。

圖2 3種方法分離的相對氣候產量區域平均值及標準差序列

從其標準差看（相關樣本成對檢驗），3種方法分離的相對氣候產量標準差序列之間均有顯著性差異（＜0.05），且五年滑動平均法分離的結果顯著大于二次指數平滑法和五點二次平滑法，3種方法分離的相對氣候產量序列標準差平均值從小到大為二次指數平滑法（1.52%）＜五點二次平滑法（2.31%）＜五年滑動平均法（3.30%）。五點二次平滑法分離得到的各市（縣）相對氣候產量同相變化特征更明顯，一致性特征最好，二次指數平滑法次之，五年滑動平均法最差。從研究區相對氣候產量序列反映氣候要素年際變化特征而言，五點二次平滑法分離得到的相對氣候產量序列更合理。

2.4 作物產量分離方法檢驗

玉米是喜溫、喜光、需水量大的作物，對氣候條件較為敏感[37]，生育期氣候資源的變化勢必會影響到其生長發育過程，進而影響產量。所以分析氣候產量與氣候因子的關系時，產量對氣候因子的響應規律應符合研究作物的生長發育特性，且氣候因子間的因果關系也應在其響應規律中有所體現[9]。

基于上述研究結果，選用五點二次平滑法建立相對氣候產量模型，進一步分析作物產量與氣象因子的關系是否符合玉米生長特性及其對氣象因子的響應規律，回歸系數大小表示氣候因子對產量的貢獻。以銀川、陶樂為例，由表4可知，五點二次平滑法建立的相對氣候產量模型復相關系數均達0.73以上，回歸模型效果顯著。此外，回歸結果表明，降水、氣溫和日照時間與玉米相對氣候產量呈顯著相關關系。

從降水與玉米相對氣候產量的相關關系而言，4月下旬和5月上旬降水對玉米氣候產量影響為正效應，8月中旬降水表現為負效應。玉米作為需水較大的作物，4—5月正值其播種—出苗階段，適宜土壤水分有利于種子發芽和植株苗期生長發育。8月中旬正值玉米乳熟期，籽粒已基本定型，過多降水會造成光合作用減弱，不利于千粒質量的提升，從而造成玉米產量降低。

從日照時間與玉米相對氣候產量的相關關系而言，4月中旬日照時間對玉米相對氣候產量影響為正效應，5月下旬和9月中旬日照時間表現為負效應。這是因為玉米是一種喜溫短日照作物，在各個生長發育期均需相應的光照條件，光照強度和長短對其生長發育影響很大。玉米對光的飽和點較高，播種后充足光照會促進出苗速率[38]，但出苗后，過長光照會導致生長緩慢，光合作用減弱，影響產量。

表4 銀川和陶樂相對氣候產量模型參數

從氣溫與玉米相對氣候產量的相關關系而言，4月中旬和5月中旬最低氣溫、5月下旬最高氣溫、7月中旬平均氣溫對玉米氣候產量影響為正效應，4月中旬最高氣溫、6月下旬平均氣溫、7月中旬最低氣溫和8月下旬最高氣溫表現為負效應。由于玉米喜溫特性，在不同生育階段對氣溫要求不同，4—5月是玉米播種—出苗階段，過低氣溫會使種子發芽緩慢甚至停止發育，過高氣溫會加快土壤水分散失，適當升溫有利于種子發芽，尤其是出苗后相對范圍內氣溫與植株生長速度成正比。拔節—開花期（6—7月）是玉米生長中對氣溫要求最高的階段，氣溫過高或過低均會影響正常授粉、受精，形成禿尖或空稈[39]。8月是玉米籽粒形成的關鍵階段，仍需較高氣溫促進同化作用，但氣溫過高會出現高溫逼熟，籽粒秕小，降低產量[40]。

因此，五點二次平滑法分離得到的相對氣候產量能夠較為合理地解釋作物產量與氣候因子間的關系，符合玉米生長特性及其對氣象因子的響應規律。

3 討論

本研究表明，五點二次平滑法分離得到的結果能夠較為準確地體現當地氣候因子對產量的真實影響，符合玉米的生長發育狀況，五點二次平滑法更適用于引黃灌區玉米產量的分離，該結論與李心怡等[18]就江蘇省水稻產量的研究結果一致，但該方法是否具有普適性仍有待于進一步證實。首先，3種方法擬合的各地區玉米趨勢產量整體增長趨勢一致，相對而言，對實際產量波動變化的捕捉較為靈敏的有二次指數平滑法和五點二次平滑法；但在各地區社會技術發展水平與全區相當的情況下，3種方法在趨勢產量擬合上無明顯差別。其次，制度創新和強農惠農政策的實施能夠極大地提升生產力，合適的趨勢產量擬合方法應體現制度和惠農政策實施等對糧食產量的促進作用，得出二次指數平滑法和五點二次平滑法擬合的趨勢產量與實際情況較為符合，更能真實反映實際產量變化。此外，引黃灌區屬大陸性半濕潤半干旱氣候，而氣候產量是受氣候因子變化影響而導致的波動產量分量，所以當研究區各地區氣候變化特征基本相同時，玉米的氣候產量也應有基本相似的波動特點[20,41]，而五點二次平滑法分離的結果波動幅度相對較為平緩齊整，該方法分離得到的相對氣候產量整個研究區同升或同降的變化特征更明顯，一致性特征最好。最后，通過對優選出的五點二次平滑法分離得到的相對氣候產量建立多元逐步回歸模型，進一步解釋了玉米產量與氣候因子關系的合理性，驗證了該方法在本研究區的合理性。

作物產量的形成會受到多種因素的共同影響，且對不同因素的敏感度可能有所不同，本文在對比作物產量分離方法時未考慮不同時間長度氣象災害突變及病蟲害對產量分離的影響。由此為提高作物產量分離效果，能更準確地分離出氣候產量，須對作物產量資料序列進行關鍵時段的劃分，以選取最適合的作物產量分離方法進而求取趨勢產量，得到較為準確的氣候產量[42-43]。或考慮多種分離方法混合使用，同時結合詳細的氣象災害和病蟲害資料，能更客觀地反映氣象災害及病蟲害對區域作物產量的影響。

4 結論

1）從適用性來看，五年滑動平均法、二次指數平滑法和五點二次平滑法都適用于玉米趨勢產量的擬合，均能較好反映玉米產量總體增長趨勢，而且3種方法在趨勢產量擬合上無顯著差別。

2）從符合性來看，二次指數平滑法和五點二次平滑法擬合的趨勢產量與實際情況較為符合，更能真實地反映因生產力和國家政策變化等導致的實際產量變化，而五年滑動平均法擬合的趨勢產量變化體現實際社會發展的能力最差。

3）從合理性來看，當研究區各地區氣候變化特征基本相同時，五點二次平滑法分離得到的各市（縣）相對氣候產量更能體現氣候要素年際變化對其產量的影響，一致性特征最好，二次指數次之，五年滑動平均法最差。

4）從普適性來看，五點二次平滑法分離得到的相對氣候產量建立的模型能夠較為合理地反映氣候因子對產量的影響，符合玉米生長發育特性，說明五點二次平滑法更具有普適性。

[1] ZHANG Jinping, ZHAO Yong, DING Zhihong. Research on the relationships between rainfall and meteorological yield in irrigation district[J]. Water Resources Management, 2014, 28(6): 1 689-1 702.

[2] ZHUANG Jiayu, XU Shiwei, LI Ganqiong, et al. The influence of meteorological factors on wheat and rice yields in China[J]. Crop Science, 2018, 58(2): 837-852.

[3] AGHAKOUCHAK Amir, CHENG Linyin, MAZDIYASH Omid, et al. Global warming and changes in risk of concurrent climate extremes: Insights from the 2014 California drought[J]. Geophysical Research Letters, 2014, 41(24): 8 847-8 852.

[4] 張強, 李裕, 陳麗華. 當代氣候變化的主要特點、關鍵問題及應對策略[J]. 中國沙漠, 2011, 31(2): 492-499.

ZHANG Qiang, LI Yu, CHEN Lihua. Major characteristics, key issues and coping strategies of climate change[J]. Journal of Desert Research, 2011, 31(2): 492-499.

[5] 張強, 韓蘭英, 郝小翠, 等. 氣候變化對中國農業旱災損失率的影響及其南北區域差異性[J]. 氣象學報, 2015, 73(6): 1 092-1 103.

ZHANG Qiang, HAN Lanying, HAO Xiaocui, et al. On the impact of the climate change on the agricultural disaster loss caused by drought in china and the regional differences between the North and the South[J]. Acta Meteorologica Sinica, 2015, 73(6): 1 092-1 103.

[6] ZHANG Qiang, YAO Yubi, WANG Ying, et al. Characteristics of drought in southern china under climatic warming, the risk, and countermeasures for prevention and control[J]. Theoretical and Applied Climatology, 2019, 136(3/4): 1 157-1 173.

[7] LIU Yanxin, YAN Xiaodong. Comparison of regional droughts impacts and social responses in the historical China: A case study of the Han dynasty[J]. Physics and Chemistry of the Earth, 2020, 117: 102 854.

[8] 孫華, 何茂萍, 胡明成. 全球變化背景下氣候變暖對中國農業生產的影響[J]. 中國農業資源與區劃, 2015, 36(7): 51-57.

SUN Hua, HE Maoping, HU Mingcheng. Impact of global climatic warming on agricultural production in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2015, 36(7): 51-57.

[9] 房世波. 分離趨勢產量和氣候產量的方法探討[J]. 自然災害學報, 2011, 20(6): 13-18.

FANG Shibo. Exploration of method for discrimination between trend crop yield and climatic fluctuant yield[J]. Journal of Natural Disasters, 2011, 20(6): 13-18.

[10] 趙彥茜, 肖登攀, 唐建昭, 等. 氣候變化對我國主要糧食作物產量的影響及適應措施[J]. 水土保持研究, 2019, 26(6): 317-326.

ZHAO Yanxi, XIAO Dengpan, TANG Jianzhao, et al. Effects of climate change on the yield of major grain crops and its adaptation measures in China[J]. Research of Soil and Water Conservation, 2019, 26(6): 317-326.

[11] 王桂芝, 陸金帥, 陳克垚, 等. 基于HP濾波的氣候產量分離方法探討[J]. 中國農業氣象, 2014, 35(2): 195-199.

WANG Guizhi, LU Jinshuai, CHEN Keyao, et al. Exploration of method in separating climatic output based on HP filter[J]. Chinese Journal of Agrometeorology, 2014, 35(2): 195-199.

[12] 王媛, 方修琦, 徐錟. 氣候變化背景下“氣候產量”計算方法的探討[J]. 自然資源學報, 2004, 19(4): 531-536.

WANG Yuan, FANG Xiuqi, XU Tan. A method for calculating the climatic yield of grain under climate change[J]. Journal of Natural Resources, 2004, 19(4): 531-536.

[13] 廉麗姝. 山東省氣候變化及農業自然災害對糧食產量的影響[J]. 氣象科技, 2005, 33(1): 73-76.

LIAN Lishu. Impact of climate change and natural disasters on grain yields in Shandong Province[J]. Meteorological Science and Technology, 2005, 33(1): 73-76.

[14] 郝立生, 吳雁, 王榮英. 海河低平原春季氣候變化對冬小麥產量的影響[J]. 氣象與減災研究, 2007(4): 20-24.

HAO Lisheng, WU Yan, WANG Rongying. Impact of spring climate change on wheat yield in lower Haihe Plain[J]. Meteorology and Disaster Reduction Research, 2007(4): 20-24.

[15] LIZUMI Toshichika, LUO Jingjia, CHALLINOR Andrew, et al. Impacts of EI ni?o southern oscillation on the global yields of major crops[J]. Nature Communications, 2014, 5(1): 3 712-3 718.

[16] NGUYEN-HUY Thong, DEO Ravinesh, MUSHTAQ Shahbaz, et al. Modeling the joint influence of multiple synoptic-scale, climate mode indices on australian wheat yield using a vine copula-based approach[J]. European Journal of Agronomy, 2018, 98: 65-81.

[17] 葛道闊, 曹宏鑫, 張文宇, 等. 4種水稻氣象產量分離方法的對比研究[J]. 江西農業學報, 2020, 32(12): 1-6.

GE Daokuo, CAO Hongxin, ZHANG Wenyu, et al. Comparative study on four methods for separating rice meteorological yield[J]. Acta Agriculture Jiangxi, 2020, 32(12): 1-6.

[18] 李心怡, 張祎, 趙艷霞, 等. 主要作物產量分離方法比較[J]. 應用氣象學報, 2020, 31(1): 74-82.

LI Xinyi, ZHANG Yi, ZHAO Yanxia, et al. Comparative study on main crop yield separation methods[J]. Journal of Applied Meteorological Science, 2020, 31(1): 74-82.

[19] 牛浩, 陳盛偉. 山東省玉米氣象產量分離方法的多重比較分析[J]. 山東農業科學, 2015, 47(8): 95-99.

NIU Hao, CHEN Shengwei. Multiple comparative analyses of separation methods for meteorological yield of corn in Shandong Province[J]. Shandong Agricultural Sciences, 2015, 47(8): 95-99.

[20] 趙東妮, 王艷華, 任傳友, 等. 3種水稻趨勢產量擬合方法的比較分析[J]. 中國生態農業學報, 2017, 25(3): 345-355.

ZHAO Dongni, WANG Yanhua, REN Chuanyou, et al. Comparative analysis of three fitting methods of rice trend yield[J]. Chinese Journal of Eco-Agriculture, 2017, 25(3): 345-355.

[21] 魏慶偉, 石俊峰, 張億博. 冬小麥趨勢產量與氣象產量分離方法對比分析[J]. 山東農業科學, 2019,51(8): 127-132.

WEI Qingwei, SHI Junfeng, ZHANG Yibo. Comparative analysis of methods for separating trend yield and meteorological yield of winter wheat[J]. Shandong Agricultural Sciences, 2019, 51(8): 127-132.

[22] 王馥棠. 第七講農業氣象產量預報(上)[J]. 氣象, 1986(10): 39-43.

WANG Futang. Lecture 7 forecast of agricultural meteorological yield (I)[J]. Meteorology, 1986 (10): 39-43.

[23] 馮金巧, 楊兆升, 張林, 等. 一種自適應指數平滑動態預測模型[J]. 吉林大學學報(工學版), 2007(6): 1 284-1 287.

FENG Jinqiao, YANG Zhaosheng, ZHANG Lin, et al. Adaptive exponential smoothing model for dynamic prediction[J]. Journal of Jilin University (Engineering and Technology Edition), 2007(6): 1 284-1 287.

[24] 王長江. 指數平滑法中平滑系數的選擇研究[J]. 中北大學學報(自然科學版), 2006, 27(6): 558-561.

WANG Changjiang. Selection of smoothing coefficient via exponential smoothing algorithm[J]. Journal of North University of China (Natural Science Edition), 2006, 27(6): 558-561.

[25] 董京銘, 劉瑞翔, 馬晨晨, 等. 利用主成分回歸方法預估連云港地區水稻氣象產量[J]. 江蘇農業學報, 2021, 37(3): 606-612.

DONG Jingming, LIU Ruixiang, MA Chenchen, et al. Estimation of the meteorological yield of rice in Lianyungang area using principal component regression method[J]. Jiangsu Journal of Agriculture, 2021, 37(3): 606-612.

[26] 田俊, 霍治國. 江西省早稻雨洗花災害指標構建與災損評估[J]. 應用氣象學報, 2018, 29(6): 657-666.

TIAN Jun, HUO Zhiguo. Index and loss estimation of rain washing damage to early rice pollen in Jiangxi Province[J]. Journal of Applied Meteorological Science, 2018, 29(6): 657-666.

[27] 錢永蘭, 毛留喜, 周廣勝. 全球主要糧食作物產量變化及其氣象災害風險評估[J]. 農業工程學報, 2016, 32(1): 226-235.

QIAN Yonglan, MAO Liuxi, ZHOU Guangsheng. Changes in global main crop yields and its meteorological risk assessment[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(1): 226-235.

[28] 劉玉秀, 徐建平. 定量檢測指標的一致性統計分析方法[J]. 臨床檢驗雜志, 1998, 16(6): 60-62.

LIU Yuxiu, XU Jianping. The consistency statistical analysis method of quantitative detection index[J]. Journal of Clinical Laboratory, 1998, 16(6): 60-62.

[29] 陳秧分, 李先德. 中國糧食產量變化的時空格局與影響因素[J]. 農業工程學報, 2013, 29(20): 1-10.

CHEN Yangfen, LI Xiande. Spatial-Temporal characteristics and influencing factors of grain yield change in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(20): 1-10.

[30] 劉彥隨, 王介勇, 郭麗英. 中國糧食生產與耕地變化的時空動態[J]. 中國農業科學, 2009, 42(12): 4 269-4 274.

LIU Yansui, WANG Jieyong, GUO Liying. The Spatial-temporal changes of grain production and arable land in China[J]. Scientia Agricultura Sinica, 2009, 42(12): 4 269-4 274.

[31] 戈大專, 龍花樓, 張英男, 等. 中國縣域糧食產量與農業勞動力變化的格局及其耦合關系[J]. 地理學報, 2017, 72(6): 1 063-1 077.

GE Dazhuan, LONG Hualou, ZHANG Yingnan, et al. Pattern and coupling relationship between grain yield and agricultural labor changes at county level in China[J]. Acta Geographica Sinica, 2017, 72(6): 1 063-1 077.

[32] 金宇豪, 郭恬, 陽會兵. 我國糧食安全的影響因素及對策分析[J]. 作物研究, 2020, 34(6): 580-584.

JIN Yuhao, GUO Tian, YANG Huibing. Analysis on the influencing factors and countermeasures of food security in China[J]. Crop Research, 2020, 34(6): 580-584.

[33] 許紅. 我國糧食生產的變化趨勢及空間分異研究[J]. 中國農業資源與區劃, 2020, 41(9): 146-154.

XU Hong. Research on the trend and spatial differentiation of grain production in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(9): 146-154.

[34] 王桂芝, 胡慧, 陳紀波, 等. 基于BP濾波的Fourier模型在糧食產量預測中的應用[J]. 中國農業氣象, 2015, 36(4): 472-478.

WANG Guizhi, HU Hui, CHEN Jibo, et al. Application of fourier model based on bp filter in crops yield prediction[J]. Chinese Journal of Agrometeorology, 2015, 36(4): 472-478.

[35] 黃新玲, 王鵬, 亢玲. 寧夏糧食生產的發展態勢及相關情況的分析[J]. 寧夏農林科技, 2010(6): 72-74.

HUANG Xinling, WANG Peng, KANG Ling. Analysis on the development situation of grain production and its correlative situation in Ningxia, China[J]. Ningxia Journal of Agriculture and Forestry Science and Technology, 2010(6): 72-74.

[36] 潘瑜. 寧夏60年糧食跨越發展[J]. 共產黨人, 2018(21): 35-36.

PAN Yu. The Leaping Development of Grain in 60 Years in Ningxia[J]. Communist Magazine, 2018(21): 35-36.

[37] IIZUMI Toshichika, FURUYA Jun, SHEN Zhihong, et al. Responses of crop yield growth to global temperature and socioeconomic changes[J]. Scientific Reports, 2017, 7(1): 112-123.

[38] 楊軍, 程玉琴, 尤莉. 翁牛特旗玉米生育期與氣象條件的相關分析[J].內蒙古氣象, 2014(5): 33-35.

YANG Jun, CHENG Yuqin, YOU Li. Correlation analysis on corn growth period and meteorological conditions in ongniud banner[J]. Meteorology Journal of Inner Mongolia, 2014, (5): 33-35.

[39] 龐婷婷, 毛萬眾, 康文娟, 等. 寧夏沙坡頭區氣候變化對玉米產量及生產潛力的影響[J]. 陜西農業科學, 2021, 67(2): 1-7, 40.

PANG Tingting, MAO Wanzhong, KANG Wenjuan, et al. Effect of climate change on maize yield and potential productivity in shapotou area of Ningxia[J]. Shaanxi Journal of Agricultural Sciences, 2021, 67(2): 1-7, 40.

[40] 宋立泉. 低溫對玉米生長發育的影響[J]. 玉米科學, 1997(3): 58-60.

SONG Liquan. Effects of low temperature on maize growth and development[J]. Maize Science, 1997(3): 58-60.

[41] 王保, 黃思先, 孫衛國. 氣候變化對長江中下游地區水稻產量的影響[J]. 湖北農業科學, 2014, 53(1): 43-51.

WANG Bao, HUANG Sixian, SUN Weiguo. Effects of climate change on rice yield of the middle and lower reaches region of the Yangtze River[J]. Hubei Agricultural Sciences, 2014, 53(1): 43-51.

[42] 李永華, 高陽華, 張建平, 等. 氣候波動對重慶水稻產量的影響及對策[J]. 中國農業氣象, 2008(1): 75-78.

LI Yonghua, GAO Yanghua, ZHANG Jianping, et al. Impacts of climate changes on rice yield and response strategies in Chongqing[J]. Chinese Journal of Agrometeorology, 2008(1): 75-78.

[43] 張清霞, 張金恩, 萬正, 等. 二次枝梗分化期低溫對雙季早稻生長發育和產量的影響[J]. 江西農業學報, 2019, 31(9): 21-29.

ZHANG Qingxia, ZHANG Jinen, WAN Zheng, et al. Effects of low temperature on growth and yield of double cropping early rice in secondary branch and stem differentiation stage[J]. Acta Agriculture Jiangxi, 2019, 31(9): 21-29.

Separating the Effect of Meteorology on Maize Yield from the Impact of Other Factors in the Yellow River-water Irrigated Regions in Ningxia of China

HE Hong1,3, WANG Qiaojuan1,3, LI Liang1,3, CAI Huanjie1,2,3*

(1. College of Water Conservancy and Architectural Engineering, Northwest A & F University, Yangling 712100, China;2. Agriculture Water Conservation Research Institute of Arid Zone, Northwest A & F University,Yangling 712100, China; 3. Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas, Ministry of Education, Yangling 712100, China)

【】Variation in crop yield is the consequence of many natural and anthropogenic factors, and disentangling their impacts is important for improving agricultural management but difficult. The purpose of this paper is to propose and compared different methods to isolate the impacts of meteorological change on crop yield based on long time series of maize yield in Yellow River-water irrigated region in Ninxia province of China.【】The analysis is based on maize yield measured from1988 to 2019 in 6 counties located in the Yellow River-watered irrigation areas. We compared three methods for the separation: five -year moving average method, quadratic exponential smoothing method, and five-point quadratic smoothing method. The consistent correlation coefficient, trend coincidence conformity analysis method, consistency of climate change characteristics, which lead to the same rise-fall in meteorological yield, were used as the evaluation criteria. Their applicability and rationality were compared and analyzed. All methods were calibrated based on the relationship between meteorological factors and maize yield.【】All methods can fit the yield trend well. Compared with the average yield trend, the consistency correlation coefficients of all three methods were >0.5, suggesting that there was no significant difference between these methods for fitting the yield trend. The advantage of the quadratic exponential smoothing method and the five-point quadratic smoothing method is that they accurately describe the change in the yield as affected by national productivity and national policy. The change in the yield due to meteorological factors estimated by the five-point quadratic smoothing method described the effect of inter-annual meteorological factors better, and its associated meteorological yield model is able to describe the relationship between the meteorological factors and the maize yield.【】Comprehensive analysis showed that the five-point quadratic smoothing method modeled the yield change due to meteorological factors better than the other two methods.

maize; trend yield; meteorological-induced yield; separation methods

1672 - 3317（2022）04 - 0030 - 10

P942

A

10.13522/j.cnki.ggps.2021454

何虹, 王巧娟, 李亮, 等. 寧夏引黃灌區玉米趨勢產量與氣候產量分離方法研究[J]. 灌溉排水學報, 2022, 41(4): 30-39.

HE Hong, WANG Qiaojuan, LI Liang, et al. Separating the Effect of Meteorology on Maize Yield from the Impact of Other Factors in the Yellow River-water Irrigated Regions in Ningxia of China[J]. Journal of Irrigation and Drainage, 2022, 41(4): 30-39.

2021-09-22

國家自然科學基金項目（51879223）；國家重點研發項目（2016YFC0400201）

何虹（1996-），女。碩士研究生，主要從事區域氣象干旱與作物產量研究。E-mail: nxhehong@nwafu.edu.cn

蔡煥杰（1962-），男。教授，主要從事農業節水與水資源高效利用研究。E-mail: caihj@nwsuaf.edu.cn

責任編輯：韓 洋