水稻灌浆期动态预测气象模型研究

于 成， 费永成， 孙 磊， 陈 乐， 亢 强

(1.成都市气象局，四川成都 610071；2.成都市农业气象试验站，四川温江 611130；3.双流县气象局，四川双流 610200)



水稻灌浆期动态预测气象模型研究

于 成1， 费永成2， 孙 磊1， 陈 乐2， 亢 强3

(1.成都市气象局，四川成都 610071；2.成都市农业气象试验站，四川温江 611130；3.双流县气象局，四川双流 610200)

摘要利用成都市农业气象试验站的水稻发育期和气象资料，在研究水稻灌浆期天数与水稻前期气象因子关系的基础上，建立了水稻灌浆期动态预测模型。结果表明，模型的回代和试报结果均与实际观测值相接近，可在水稻进入抽穗期后实现对灌浆期天数的动态预测。

关键词水稻；灌浆期；动态预测；气象模型

成都市的水稻自抽穗期后一般须经过近1个月左右的灌浆期才能进入成熟期，水稻成熟后能否顺利收晒关系到全市粮食安全生产是否得到实现。成都市的水稻产量不仅与种植制度、植保措施等农业技术相关，也受制于气候因素，其中，秋季阴雨是影响水稻产量的主要气象因子。通过准确地预测水稻灌浆期天数，从而推测出水稻成熟时期，对于提前做好收割准备工作、合理安排机械收割作业进度、确保全市粮食优质增产均具有十分显著的社会经济效益。国内许多学者对水稻生育期预报方法开展了研究，如沈国权的非线性温度模型[1]、高亮之等的“水稻钟”模型[2]、甘维廉等的水稻品种模糊相似聚类法[3]、郑新峰等的物候相关法[4]，也有许多水稻生长模拟模型，如ORYZA2000、CERES-Rice模型[5]。笔者利用常规的农业气象资料，建立一种简便的动态预测方法，可用于业务预报服务。

1资料与方法

1.1资料来源水稻发育期资料取自温江区的成都农业气象试验站1980～2014年作物观测资料，观测方法遵循《农业气象观测规范》。由于温江地区水稻常年播种期在清明节前后，成熟期在8月下旬～9月上旬，故依照平行观测原理，选取温江区1980～2014年4月上旬～8月下旬逐旬平均气温、降雨量和日照时数作为气象分析数据。

1.2研究方法水稻发育期数据为日期序列，水稻灌浆期须经过Df=Dm-Dh处理，式中，Df为水稻从抽穗扬花普遍期到成熟之间的灌浆期天数，Dm为水稻成熟日期，Dh为水稻抽穗扬花普遍期。成都的水稻常年抽穗扬花期一般在7月下旬～8月上旬，因此在8月中旬初～9月上旬初以各旬的第1天作为动态预报时间。在对各旬气象因子与灌浆期天数进行相关分析基础上，对水稻前期各旬气象因子进行如公式(1)的加权处理，得到水稻前期各综合气象因子；再与灌浆期天数进行相关性分析。利用统计软件SPSS对水稻前期生长期间各气象因子进行逐步回归分析，以气象因子为自变量、灌浆期天数为因变量，建立相应动态预报模型。

(1)

式中，WXi为水稻前期综合气象因子值(如综合气温因子、综合雨量因子、综合日照因子)，xij为第j旬的气象因子值(如旬平均气温、旬降雨量、旬日照时数)，rij为第j旬该气象因子与灌浆期天数的相关系数，k表示预报时间的前一旬，分别取13、14和15来代表8月上旬、8月中旬和8月下旬，j=1、2、…、k分别表示4月上旬、4月中旬、…、预报时间的前一旬。

2结果与分析

2.1气象因子对灌浆期的影响分析选取各旬平均气温、降雨量、日照时数与水稻灌浆期天数进行相关分析，从表1可以看出，8月上旬和8月中旬的旬平均气温及8月中旬的旬日照时数与水稻灌浆期天数呈显著负相关(显著水平α=0.05)，说明在灌浆期间，气温越高、日照充足，水稻灌浆期就越短。

作物生长是一个连续的过程，前期气象因子未通过显著检验并不表明对作物生长不会产生影响。为进一步研究水稻前期气象因子是否对灌浆期天数产生影响，将前期各旬气象因子按公式(1)进行加权处理得到的水稻前期综合气象因子，再与灌浆期天数进行相关分析。结果表明(表2)，各综合气象因子与水稻灌浆期天数的相关系数均达到极显著水平，说明水稻前期的平均气温、降雨量、日照条件均会对水稻后期灌浆期长短产生重要影响。

表1　水稻灌浆期天数与气象因子相关分析

注：*为通过α=0.05检验。

表2　综合气象因子与灌浆期天数相关性分析

注：*为通过α=0.05检验，**为通过α=0.01检验。

2.2动态预报模型建立8月中旬～9月上旬以每一旬的第1天为预报时间，以前期综合气象因子为自变量，灌浆期天数为因变量，依据逐步回归原理，建立的预报模型分别为：Df82=58.803+1.003WT81+0.037WR81+0.115WS81(r=0.719)、Df83=33.985+0.044WR82+0.086WS82(r=0.693)、Df91=34.178+0.045WR83+0.086WS83(r=0.697)，这3个预报模型均通过α=0.05显著性检验，其中Df82、Df83、Df91分别表示在8月11日、8月21日和9月1日对水稻灌浆期天数的预测值；WT81表示4月上旬～8月上旬所计算出的综合气温；WR81、WR82、WR83分别为4月上旬～8月上旬、4月上旬～8月中旬和4月上旬～8月下旬所计算出的综合雨量；WS81、WS82、WS83分别为4月上旬～8月上旬、4月上旬～8月中旬和4月上旬～8月下旬所计算出的综合日照。

2.3模型检验模型检验结果表明(表3)，从平均绝对误差和均方根误差RMSE来看，8月11日、8月21日和9月1日3次对水稻灌浆期天数做出的预测结果没有很大区别，误差结果均未超过3 d。通过模型逐年回代检验发现，8月21日预测的绝对误差超过8月11日预测的绝对误差的年份数仅为31%，9月1日预测的绝对误差超过8月21日预测的绝对误差的年份数仅为43%。利用动态预报模型对2015年的水稻灌浆期天数进行试预报，预测的绝对误差最多相差3 d。因此，建立的模型对灌浆期天数的模拟有较高的精度，可满足农业气象业务服务需求。

表3　动态预测模型回代检验分析结果

3结论与讨论

利用成都市农业气象试验站的水稻发育期和气象资料，将水稻前期各旬气象因子进行加权处理得到的水稻前期综合气象因子(综合气温、综合雨量和综合日照)，再与水稻灌浆期天数进行相关分析，建立水稻灌浆期动态预测模型，结果表明，各综合气象因子与灌浆期天数均呈显著的正相关，模型回代检验和试预报结果与实际观测情况比较吻合。说明以综合气象因子为自变量建立的动态预测模型能客观反映水稻灌浆期天数的变化，可在水稻进入抽穗期后实现对灌浆期天数的动态预测。

在业务服务中，各旬气象数据及水稻观测数据均易获取，综合气象因子可通过编程自动计算，使得利用模型进行业务预测具有可操作性，有极强的应用价值。

参考文献

[1] 沈国权.影响作物发育速度的非线性温度模式[J].气象，1980(6)：9-11.

[2] 高亮之,金之庆,黄耀,等.水稻钟模型-水稻发育动态的计算机模型[J].中国农业气象，1989，10(3)：3-10.

[3] 甘维廉,李文,陈丽璇,等.福建省水稻品种生育期数学模型及其应用[J].中国农业气象，1996，17(4)：1-7.

[4] 郑新峰,姜文华.用物候与温度的相关性指导水稻生产[J].黑龙江气象，2009，26(1)：28-29.

[5] 潘永地,粟志钢.有关水稻生育期生长模拟综述[J].浙江农业科学，2011(2)：434-438.

Study on Dynamic Meteorological Prediction Model of Rice Grain Filling Stage

YU Cheng1, FEI Yong-cheng2, SUN Lei1et al(1. Chengdu Meteorology Bureau, Chengdu, Sichuan 610071; 2. Chengdu Experimantal Station of Agricultural Meteorology, Wenjiang, Sichuan 611130)

AbstractBased on the study of the relationship between the filling stage of days and the meteorological factors of early growth in rice, the dynamic forecasting model of rice grain filling stage was established by using rice growing period and meteorological data of Chengdu agro- meteorological station. The results showed that the results of the model are close to the actual observation, and the model can be used to predict the filling stage of days after heading stage.

Key wordsRice; Filling stage; Dynamic prediction; Meteorological models

收稿日期2015-11-26

作者简介于成(1975- )，男，四川成都人，工程师，硕士，从事农业气象、农业气候资源研究和服务工作。

基金项目成都市气象局2014年度业务技术研究课题“成都市农业气象指标集研究”。

中图分类号S 165

文献标识码A

文章编号0517-6611(2015)36-270-02