长沙地区早稻产量定量预报模式研究

章竹青，邱庆栋，彭梦霜，陈朝晖

（长沙市气象局，湖南 长沙 410205）

长沙市是全国重要的水稻优势产区，全市粮食播种面积37.93万 hm2，总产254.14万 t。其中早稻面积15.50万hm2，总产量92.33万 t，早稻占粮食总产量的36%。早稻生产期受气象条件的制约，进行早稻产量气象预报研究对于实现长沙市年产粮食25亿kg具有极为重要意义。由于早稻生产在露天进行，与天气变化和气象灾害影响关系密切，因此开展早稻产量与气象条件关系研究也是必要的。

1 预报的资料来源、分析及处理

1.1 资料来源

通过市农业局可收集到长沙2001～2010年水稻的单产资料，2001～2010年长沙地区早稻产量分别为 409.3、348.3、392.1、400.7、411.1、415.8、419.0、421.7、404.3、397.0 kg/667m2。气象资料来自国家基准站望城坡（57687），资料来源可靠、准确。

1.2 分析处理

早稻从播种到成熟的全部生命活动过程，都是在露天的大自然中进行的，因而周围的各个环境因子，如光、热、水、气、风、土、肥等都影响着作物的生长发育及产量形成，但在早稻各个不同的生育期，各因子的影响程度又有大小、主次之分。对产量影响明显的因子有：农业技术措施、品种改良、土壤肥力、气象因子、生物因子、病虫害等。虽然环境因子对产量形成的关系很复杂，但环境条件对生命有机体的影响是有后效作用的，通过生物数学分析，计算相关程度，可以找出影响早稻产量的关键因子。

将影响早稻产量的因子分为气象因子和非气象因子来研究，发现对产量影响的非气象因子（农业技术措施、品种改良、土壤肥力、病虫害、生物因子）在短期内是相对稳定的，且有相关的延续性，因此，它们对产量的影响关系，可用时间关系函数来近似估计。气象因子的变化极不稳定，但气象因子与产量的形成也是有一定关系的，通过分析产量与气象因子的相关关系，可以建立气象产量模式，综合产量的时间变率，作出未来的产量预报。

在具体建立预报模式中，着重分析研究对早稻产量形成具有显著影响的关键因子，把早稻产量分为气象产量与非气象产量（趋势产量）两部分来处理。即Yw=Y-Yt+YQ，式中Y为实际产量，Yt为趋势产量，Yw为气象产量，YQ为随机误差，也称噪音，计算公式如下：

YQ=∑ （S×Q×Y）/M，式中，S 为受灾面积（667m2），Q为受害程度（即单位面积667m2受灾百分率），Y为在未受灾害情况下的预报产量（kg/667m2），M 为栽种面积（667m2）。

通过气象产量与各气象因子的相关分析，可以建立回归方程，Yw=f（xi），式中f（xi）为气象因子，最后得出Y軒=Y軒t+Y軒w+YQ

2 预报方法

2.1 建立趋势产量预报亚模式

把非气象产量的历史变化称为趋势产量，在本研究中，采用EXCEL图表中的趋势线作为产量，随时间变化得线性拟合趋势产量：Yt=2.967 4*（t-2001）+385.6，见图 1。

图1 长沙2001～2010年早稻产量变化

2.2 气象产量

计算气象产量Yw，结果如表1所示。

表1 长沙地区2001～2010年早稻气象产量 （kg/667m2）

2.3 建立气象产量预报模式

利用气象产量序列与平行气象因子进行相关分析，广泛筛选出相关气象因子。然后利用统计方法进一步筛选因子，建立多因子预报模式。

2.3.1 因子筛选 早稻从秧苗阶段、分蘖阶段、幼穗分化至抽穗杨花阶段一般在3月下旬至6月。选取因子有：早稻抽穗期（6月19日～6月27日）降水量、早稻孕穗期（5月26日～6月18日）日平均气温、早稻分蘖期（5月2日～5月25日）日照时数、3月下旬光积温、5月降水量、6月上旬降水量、6月中旬降水量、6月下旬降水量、6月平均气温、4月日照时数、5月中旬日照时数、4月中旬降水量、5月上旬降水日数、5月中旬降水日数、5月下旬降水日数、5月日平均气温小于20℃的日数、4月中旬日平均气温小于20℃的日数、4月下旬日平均气温小于20℃的日数、5月上旬日平均气温小于20℃的日数、5月中旬日平均气温小于20℃的日数、5月下旬日平均气温小于20℃的日数、4月中旬日照百分率、4月下旬日照百分率、5月上旬日照百分率、5月中旬日照百分率、5月下旬日照百分率、6月上旬日照百分率、5月1日～5月25日大于17℃的有效积温、5月26日～6月30日气温日较差和。

2.3.2 相关系数 采用excel工具栏数据分析法，找出与早稻产量关系较为密切的一批气象因子，结果如表2所示。

表2 早稻产量与3～6月各气象条件相关系数

2.3.3 挑选因子 影响早稻产量的气象因素虽然很多，从表2中可看出，5月份的气象条件是早稻生长发育、产量形成的关键时期。选取因子X1：5月日平均气温小于20℃的日数，X2：5月1日～5月25日大于17℃的有效积温。 2001～2010年长沙地区5月日平均气温小于20℃的日数分别为8、15、10、8、4、3、1、2、9、10 d；5 月 1 日～5 月 25 日大于 17℃的 有 效 积 温 分 别 为 585.0、369.5、492.1、519.3、554.7、557.9、622.2、604.5、574.2、436.5℃。

2.3.4 建立气象产量预报模式 采用excel工具栏回归分析，建立气象产量预报模式，通过以上分析，得出长沙地区早稻气象产量预报模式如下：

其中：X1为5月日平均气温小于20℃的日数，X2为5月1日～5月25日大于17℃的有效积温，Y軒w为早稻气象产量预报值，单位为kg。

从早稻气象产量预报模式中所选气象因子来分析，具有充分的生物学意义：早稻产量是由单位面积上的有效穗数、每穗总粒数、结实率、千粒重等4个因素构成的。

单位面积有效穗数（667m2）=最高苗数×成穗率

长沙地区的早稻分孽期为5月6日至5月26日，分孽期的最低温度为17.0℃，最适宜温度为25～28℃，光照充足，当遇到低温阴雨寡照，日平均气温降低到17.0℃以下时，分孽停止。

由统计分析可看出：有效穗数与5月1日～5月25日日平均气温大于17.0℃的有效积温呈正相关；与5月日平均气温小于20℃的日数呈反相关。由此可组建气象要素与早稻气象产量的预报模式，根据气象产量预测值与趋势产量预测值，即可求出早稻产量的预测值。这样，就可用前期气象要素信息来预报早稻产量的丰歉。

3 多元线性回归方程的显著性检验

方程显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。

H0：β0=β1=β2=0

H1：βj不全为 0

根据数理统计学知识，在原假设H0成立的条件下，F统计量服从自由度（k，n-k-1）的F分布，给定显著性水平 α，可得到临界值 Fα（k，n-k-1），由样本求出统计量F的数值，通过F>Fα或F≤Fα来拒绝或接受原假设H0，以判定原方程总体上的线性关系是否显著成立。

从表 2 可知：R=0.901 36，n=10，k=2，dfe=n-k-1=7，dft=n-1=9。

回归分析中回归平方和为2 674.735，它表示因变量Y的预测值对其平均值的总偏差；残差平方和617.452，它表示因变量Y对其预测值的总偏差；总平方和3 292.187，它表示因变量对其平均值的总偏差。F值为15.161 62，P值为0.002 857，小于0.01，可认为模型的置信度达到99%。

F检验：给定显著性水平α=0.05，由Dfr=2，dft=n-1=9，查F分布表得4.26，由此，F=15.161 62>4.26=Fα，则：拒绝原假设H0，可判定原方程在95%的水平下线性关系显著成立。

4 预报演示及效果

以2011年长沙地区早稻为例进行产量预报。5月日平均气温小于20℃的日数X1=9；5月1日～25日大于17℃的有效积温X2=497.7。

则：Y軒=Y軒t+Y軒w+ΔY，其中，ΔY 一般情况下可忽略不计，得2011年早稻产量为410.5 kg/667m2。据农业局提供的资料，2011年早稻产量为400 kg/667m2，其准确率为97.37%，误差率为2.63%。

5 历史反演情况

据此模式，对长沙地区早稻进行预报，结果如表3所示，预报准确率平均达98.26%，最低为96.68%，最高为99.78%。

表3 2001～2010年长沙地区早稻实产和预报产量比较

回归分析中因变量与自变量复相关系数为0.90，统计显著性较高。从所选因子分析可知，长沙地区早稻生长发育气象条件最为敏感的是光照、积温，生物意义较好和相关性较高的因子有6月上旬日照百分率、5月上旬日平均气温小于20℃的日数、4月中旬日照百分率等。早稻生育期内，降水量较丰沛，对早稻产量丰歉影响不太显著。

[1]陈耆验，罗华龙.利用山区立体气候发展渡淡蔬菜的研究[J].湖南农业科学，1993，（5）：30-20.

[2]易 雪，王建林，宋迎波.早稻产量综合动态预报方法研究[J].气象与环境科学，2009，32（4）：8-12.

[3]刘晓红.利用气象因子对水稻产量进行定量预报的研究[J].湖南农业科学，1992，（1）：31-34.

[4]杜宏娟，姬菲菲，张 磊.气象因子及产量结构对水稻产量的影响分析[J].现代农业科技，2011，（5）：301,304.