基于氣候適宜度指數的春玉米產量預報模型

崔宇慧 白 茹 劉園園

（1.河北省灤平縣氣象局，河北 灤平 068250；2.河北省承德縣氣象局，河北 承德 067400；3.河北省承德市氣象局，河北 承德 067000）

氣象條件是大田作物生長發育和產量積累的重要影響因子，在土壤特性、農田作物管理技術一致的條件下，對作物豐歉收、品質高低具有重要影響。研究發現，干旱和低溫冷害因子限制了產量氣候適宜度。采用模擬氣候模擬，發現全球變暖加劇水分脅迫，給農業帶來風險。近年來，國內外對基于影響的氣象預報及服務的研究逐漸增加。各地氣象部門根據氣象服務需求利用氣象數據與作物生育期及產量建立預報模型，并將其應用到服務中。預報模型的建立有許多種方法。預報模型大多建立在氣候適宜度、產量歷史豐歉氣象影響指數上。基于氣候適宜度的預測方法準確率高且簡便，在農業氣象服務中有廣泛的應用。目前，很多學者采用該方法對不同種類作物的生育期預報、產量預報進行了大量研究。例如，王麗偉等建立基于氣候適宜度的吉林省春玉米單產預報模型，平均預報準確率大于88.9%，但外推預報結果不穩定。曹永強等對遼寧省春玉米全生育期氣候適宜度及年景進行了研究發現，各氣象因素的適宜度波動性較大，降水適宜度最低。邱美娟等吉林省玉米全生育期降水適宜度最低。劉維等以各主產地市、縣種植面積百分比加權得到省級產量，建立江蘇省不同空間尺度一季稻產量預報模型，主產地縣模型平均預報準確率低于省級尺度，且年際波動較大。魯鎮勝等人研究的氣候適宜度中，出苗至拔節期降水適宜度波動較強。李樹巖等建立基于氣候適宜度的河南夏玉米發育期預報模型，能準確地預測各發育期周期；越昆等對內蒙古春玉米氣候適宜度變化特征及評價指標進行了研究，指標劃分與實際單產擬合較好。

春玉米作為主要糧食作物，播種面積占全縣糧食作物種植面積的71%，氣象條件成為影響產量的首要因素。因此，綜合考慮氣溫、降水、日照等氣候資源建立產量預報模型對農業生產具有重要意義。

1.資料與方法

1.1 數據來源

資料選用2000~2020年逐日日平均氣溫、日累計降水量和日照時數及日最高氣溫和日最低氣溫。農業數據包括生發育期觀測資料及春玉米單產，分別來源于縣農氣觀測站、縣統計局。

1.2 研究方法

根據農作物生長發育對氣候資源的需求和生理特點，本文選取20年來逐年5月上旬至9月下旬氣象數據，對農作物氣候適宜度及氣候資源有效性進行量化。

1.2.1 溫度適宜度模型式中，S（T）、T、T0、T1、T2分別為日平均氣溫、最適氣溫、最低氣溫、最高溫度（表1）。

表1 灤平縣春玉米各生育期的三基點溫度（單位：℃）

1.2.2 降水適宜度模型 式中，S（P）、P1、P2分別為春玉米的降水適宜度、旬內實際降水量、該旬的多年降水量平均值。

1.2.3 日照適宜度模型式中，S（S）為日照時數適宜度，S為該旬實際日照時數，S0為該旬多年日照時數平均值。

1.2.4 氣候適宜度模型

采用幾何平均法構建綜合氣候適宜度S（C）模型，計算公：

1.2.5 歸一化法確定旬權重系數

為了分析春玉米產量與氣象條件變化的關系，將各生育期內旬氣候適宜度與春玉米產量豐歉氣象影響指數的相關性系數進行歸一化處理，計算如下：

其中，k表示第k年，k-1表示第k年的前一年。表示作物春玉米產量豐歉氣象影響指數，正負值分別表示產量豐收、歉收。i表示第i旬，表示當前所選的第i旬氣候適宜度與春玉米產量豐歉氣象影響指數的相關系數，表示相關系數序列的最小相關系數，表示相關系數序列的最大相關系數，表示第i旬的相關系數的標準化值，即每旬氣候適宜度的系數（表1）。

1.2.6 氣候適宜度指數模型

結合以上計算的旬權重系數，采用加權平均方法確定春玉米全生育期的氣候適宜度指數模型，式中，C為氣候適宜度指數，為第i旬的氣候適宜度。

1.2.7 產量預報模型及檢驗

2.結果與分析

2.1 氣候適宜度指數模型及分析

參考李樹巖等的研究，結合農業生產實際，確定各生育期的三基點溫度，即表2。根據氣溫、降水、日照與氣候適宜度模型，別計算適宜度，并繪制隨年際變化的曲線見圖1。

圖1 適宜度年際變化曲線

在2000~2020年中，灤平縣溫度適宜度介于0.84~0.98，日照適宜度介于0.79~0.97，不同年份間波動較小；降水適宜度介于0.23~0.69，氣候適宜度介于0.47~0.82，年份間存在差異。從整體平均值上看，溫度適宜度為0.94，降水適宜度為0.50，日照適宜度為0.90，氣候適宜度為0.68，溫度與日照較適宜，降水適宜度不高，氣候適宜度的限制因子是降水適宜度。從整體變化趨勢上看，氣候適宜度存在下降趨勢。

2.2 春玉米產量預報模型的建立與檢驗

根據2000~2020年的春玉米產量氣象影響指數與氣候適宜度指數建立的線性回歸模型，即春玉米產量預報模型。其中，a=3.183，b=-2.071，通過0.05顯著性有效檢驗。因此，通過此基于氣候適宜度的產量預報模型，可以定量評估春玉米豐歉收，進行產量預報。

將歷年春玉米產量及氣象資料依次代入產量氣象影響指數預報模型、產量預報模型，通過產量預報準確率評價產量預報模型的預報效果，檢驗預報產量與實際產量之間的差值。產量預報準確率見圖2。

圖2 春玉米產量預報及準確率變化曲線

圖中可以看出，產量實際變化趨勢與預報產量的變化趨勢一致。預報的產量準確率在2001年、2005~2006年、2010~2020年超過90%，2007~2009年準確率在70%~80%水平，由于2002年、2003年春玉米單產較多年平均水平分別偏少78%，54%，致使產量預報產生噪點。說明此產量預報模型能利用氣象數據客觀反映春玉米產量豐歉收情況及定量計算產量。實際產量氣象影響指數在-0.21~1.95，預報氣象影響指數在-0.83~1.95，豐歉收趨勢一致。

3.討論

該研究以縣級為研究單位，具有較強針對性，但模型適用范圍有限。針對玉米氣候適宜度變化特征、氣象產量預報及年景評價的研究多以省為例開展，例如越昆以內蒙古為例、李樹巖以河南為例。

在地市級范圍內，高操以滄州地區夏玉米為例開展氣候適宜度評價分析，該方法采用了區劃研究，細化了不同種植區內的氣候適宜度。本文以灤平縣這一區域進行氣候適宜度及年景研究，為氣候適宜度評估及年景分析向縣級發展提供了參考。

由于該模型僅考慮2000~2020年氣候適宜度與產量的變化，需要更多的氣象與產量數據對模型進行進一步檢驗。春玉米產量的形成受暴雨、洪澇、冰雹、干旱等農業氣象災害發生的影響，且權重不同，如在玉米大喇叭口期，累計降水量超過200毫米，就會影響玉米正常開花授粉，造成果穗空殼，產量降低。因此，預報模型和年景評估模型中應該考慮農業氣象災害，在模型中充分體現氣象影響因子和農業氣象災害影響因子。