基于气候适宜度的河南省夏玉米产量预报研究

李树岩， 余卫东

(中国气象局河南省农业气象保障与应用技术重点实验室，河南省气象科学研究所，河南 郑州 450003)



基于气候适宜度的河南省夏玉米产量预报研究

李树岩， 余卫东

(中国气象局河南省农业气象保障与应用技术重点实验室，河南省气象科学研究所，河南 郑州 450003)

从夏玉米不同发育阶段所需的光、温、水等生物学特性出发，构建了河南省夏玉米气候适宜度模型，计算了1980—2007年全省13个主产省辖市夏玉米生长季综合气候适宜度；根据各阶段气候适宜度与夏玉米产量的相关关系，建立了以旬为步长的夏玉米产量预报模型，并利用2008—2012年数据进行预报检验。结果表明，气候适宜度指数与夏玉米产量呈显著正相关，气候适宜度变化能较为客观地反映夏玉米产量水平及其动态变化。1980—2007年各省辖市模型回代检验准确率为87.5%～94.6%，全省平均为91.8%，2008—2012年各省辖市预报准确率逐旬平均为92.3%～98.4%，全省平均为96.0%，能基本满足农业气象业务服务需求。

气候适宜度；产量预报；预报模型；夏玉米

夏玉米是河南省重要的粮食作物，其产量波动将直接影响全年粮食生产的稳定性。夏玉米产量丰歉受气候、土壤、品种和农业生产技术水平等多种因素影响，其中温度、降水、光照等气象条件贯穿整个生长过程，是最主要的环境因素，因此实时跟踪，定量评价各生育阶段气象条件对作物的影响，是农业气象系列化服务的重要内容[1]。随着社会经济的发展，农业生产对农业气象产量预报的需求日益增加，准确预报夏玉米产量变化，为农业生产提供预测信息，对保障粮食安全和农业发展具有重要意义。20世纪70年代末就开始了作物产量预报的研究和服务，取得了许多研究成果，建立了多种预报模式[2-5]。各模式多以统计方法为主，综合了气象、农学、经济、遥感等多学科技术和方法[6]，取得了较好的预报效果，随着作物模拟模型技术的发展，基于作物模型的产量预报方法也开始逐步应用，但模型中部分所需实时数据在业务中仍难以获得，参数的调整也较为困难[7,8]。近年来，气候适宜度理论不断发展和完善[9,10]，通过构建光、温、水综合的气候适宜度模型，开展作物产量预报的方法研究日趋成熟，魏瑞江等[11]通过计算河北省8个市夏玉米生育期内逐旬气候适宜度，建立了8个市夏玉米不同时段产量预报模型，试报准确率满足了业务服务需求。易雪等[12]将气候适宜度指数在早稻产量动态预报上进行了应用。李曼华等[13]结合山东省小麦生理特性构建适宜度模型，进行冬小麦产量预报，单产预报准确率在95%以上。刘伟昌等[14]建立了河南省冬小麦气候适宜度模型，姜丽霞等[15]通过对玉米生长过程的干物质累积曲线进行逐时段的温度和水分订正，建立了黑龙江省玉米气候产量的预测模式。但不论何种作物及产量预报方法，都有一定的区域针对性，不能将其他地区建立的预报模型照办挪用，需根据本区域的气候特点，综合考虑光、温、水气象要素来构建产量预报模型。夏玉米的生长发育和产量形成是一个动态变化的过程，需根据气象条件变化进行实时动态预报。因此，在前人研究的基础上，本研究利用河南省夏玉米13个主产省辖市的产量资料和气象资料，改进气候适宜度计算方法，构建基于气候适宜度的河南省夏玉米产量预报模型，实现逐旬滚动产量预报，全面、动态、客观地揭示了夏玉米生产与气象条件的关系，为粮食丰歉年景预测提供信息服务。

1 数据与方法

1.1 资料选取

根据河南省夏玉米播种面积及总产，确定安阳、焦作、开封、洛阳、新乡、郑州、漯河、许昌、平顶山、周口、商丘、南阳和驻马店13个省辖市作为主产区代表市，这13个省辖市夏玉米播种面积占全省的95%以上，可以代表全省夏玉米生产情况。气象资料为上述13个省辖市1980—2012年逐旬平均气温、旬降水量和旬日照时数。产量资料为相应年份的夏玉米单产资料，来源于河南省统计年鉴。

1.2 气象产量提取

一般来说，农作物产量可分为3个部分，即趋势产量、气象产量和随机“噪声”，表示为：

Y=Yt+Yw+ε

(1)

式中：Y为作物历年单产；Yt为趋势产量；Yw为气象产量；ε为随机“噪声”，一般忽略不计，故(1)式可简化为：

Y=Yt+Yw

(2)

为消除各地产量水平的差异，重点考虑气象条件对产量波动的影响，还需计算相对气象产量Ywa，如式(3)

Ywa=(Y-Yt)/Yt

(3)

本研究采用三次多项式和直线滑动平均2种方法来进行趋势产量的模拟，并计算气象产量。利用趋势产量与实际产量的拟合系数，进行2种模拟方法比较。

1.2.1 三次多项式模拟 三次多项式模拟的商丘市夏玉米趋势产量见图1。趋势产量序列方程为：

商丘：Y=-0.041X3+4.586X2+19.49X+2 949

式中Y为趋势产量，X是从1980—2010年的年代序数，根据方程可求得历年的趋势产量，同理建立其他省辖市的模拟方程。

图1 三次多项式模拟趋势产量Fig.1 The method to simulate the tendency yield by cubic polynomial model

1.2.2 直线滑动平均模拟 该方法将线性回归模型与滑动平均相结合，将玉米产量的时间序列在某个阶段内的变化看做线性函数，呈一直线。随着阶段的连续滑动，直线不断变换位置，后延滑动，从而反映产量历史演变趋势变化。依次求取各阶段内的直线回归模型，而各时间点上各直线滑动回归模拟值的平均即为其趋势产量[16]。设某阶段的线性趋势方程为；

yi=ai+bit

(4)

式中:i为方程个数，i=n-K+1,K为滑动步长，n为样本序列个数；t是时间序号。计算每个方程在t点上的函数值yi(t)，每个t点上分别有q个函数值，q的多少与n，K有关。本研究中n=30，K取11。然后求算每个t点上q个函数的平均值：

(5)

1.2.3 2种模拟方法比较 用2种方法计算的实际产量与趋势产量做拟合效果分析(表1)，结果表明，二者的拟合效果差异不大，直线滑动平均方法拟合的相关系数全省平均为0.842，三次多项式方法为0.802，直线滑动平均方法稍好。考虑计算的简便性，本研究采用三次多项式方法计算气象产量。

表1 直线滑动平均和三次多项式方法拟合系数比较Table 1 The fitting coefficients by the linear moving average model compared with cubic polynomial model

2 夏玉米气候适宜度模型建立

2.1 温度适宜度模型

玉米喜温，整个生育期均需要较高的温度，不同生育阶段适宜温度范围不同，过低过高都会对生长产生抑制作用。根据马树庆等[17]的研究成果，建立温度适宜度模型：

(6)

式中：F(tij)省辖市为各点第j年第i旬温度适宜度；tij为各点第j年第i旬平均气温，tL,tH,t0分别为夏玉米第i旬所需的旬平均最低气温、旬平均最高气温和旬平均适宜气温。tL,tH,t0的确定分别参照河南省夏玉米产区各市的旬平均最低气温、旬平均最高气温和旬平均气温的历年平均值以及夏玉米各发育期对温度的需求, 见表2。

2.2 降水适宜度模型

夏玉米生长在高温和蒸发量大的夏季，一生需水量多，且不同生育阶段对水分要求不同。一般抽雄前10 d到抽雄后20 d为需水临界期，降水不足将严重影响夏玉米产量；降水量过多亦会发生玉米涝渍及连阴雨灾害，尤其在玉米生长中后期，直接影响开花授粉及籽粒灌浆，造成减产[18]。因此根据夏玉米各生育阶段需水量是否满足[19]计算降水适宜度。

(7)

表2 气候适宜度模型参数Table 2 The parameters of climate suitability model

注：E-表示1个月的前10 d，上旬；M-表示1个月中间10 d，中旬；L-表示1个月最后10 d，下旬；下同。

Note: E- is the first ten-day of a month. M- is the middle ten-day of a month. L- is last ten-day of a month. The same as below.

式中：△Wij为农田水分盈亏值，ΔWij=Rij-Wij，Wij=Kc·Eij，Rij为第j年第i旬降水量，Wij为农作物理论需水量，Kc为夏玉米作物系数，Eij为该时段潜在蒸散量用彭曼公式计算所得。

2.3 日照适宜度模型

玉米喜光怕阴，充足的日照能促进玉米高产，夏玉米对光照最敏感的时段是雌穗分化期和开花吐丝期，如果此时光照不足，使玉米植株正常发育受阻或花丝、花粉活力降低造成空秆或结实不良。日照适宜度模型为：

(8)

2.4 综合适宜度模型

2.4.1 逐旬综合适宜度模型 旬综合适宜度为光、温、水各气象要素适宜度加权求和所得。

F(Cij)省辖市=btiF(tij)省辖市+bRiF(Rij)省辖市+
bsiF(Sij)省辖市

(9)

式中：F(Cij)省辖市为第j年第i旬综合适宜度;bti，bRi，bsi分别为各旬温度，降水和日照的适宜度权重系数;bti，bRi，bsi的确定方法为将每旬各气象要素适宜度与相应年份的气象产量做相关分析。用各要素相关系数除以3个要素的相关系数绝对值之和。因此bti+bRi+bsi=1，确定方法如下。

(10)

式中：αti，αRi，αsi为分别为各旬温度、降水和日照时数适宜度与相对气象产量的相关系数；αci为各气象要素相关系数绝对值之和。

2.4.2 全生育期综合适宜度模型 河南夏玉米全生育期共12旬，将各旬综合气候适宜度与相应年份气象产量做相关分析，用各旬相关系数除以12旬相关系数绝对值之和，计算各旬气候适宜度权重系数，然后累加计算全生育期气候适宜度，如公式(11)

(11)

(12)

F(Cj)省辖市为各省辖市第j年夏玉米全生育期综合适宜度，Ki为各旬适宜度权重系数，αi为各旬综合气候适宜度与气象产量的相关系数，n为夏玉米全生育期总旬数，本研究n=12。

2.4.3 全省气候适宜度模型 全省气候适宜度由各省辖市气候适宜度加权求和所得，见公式(13)～(17)。

他们在一起时总爱咬文嚼字，说些富有象征意义的暗语。“布朗太太”对他意味着病人，对爱拉则是向人求助的女人。“你的文学午餐”是他用来指她不贞的说法，有时以风趣的口吻说出，有时则一本正经。（2014：204）

(13)

(14)

(15)

(16)

(17)

F(tij)省，F(Rij)省，F(Sij)省分别为第j年第i旬全省温度、降水、日照适宜度。Qi为各省辖市适宜度影响权重系数，由各省辖市夏玉米播种面积除以13个省辖市播种面积之和所得。权重系数计算结果见表3，F(Cij)省为第j年第i旬全省综合适宜度，F(Cj)省为第j年全省夏玉米全生育期综合气候适宜度。

表3 各省辖市种植面积权重系数Table 3 The weight coefficients in every city according to plant area

2.5 气候适宜度模型检验

将13个省辖市1980—2007年气候适宜度指数与对应相对气象产量做相关分析，如表4所示，除焦作市相关系数通过0.1显著性检验外，其他省辖市均通过0.01的极显著性检验，说明本研究建立的夏玉米气候适宜度模型能较好地反映河南省气候适宜性动态变化和产量增减趋势，可以用来评价夏玉米生长适宜情况。结合各地的农业基础条件可知，焦作、新乡等豫北地区灌溉条件较好，遇到干旱的年份可及时灌溉，一定程度上掩盖了气象条件对生产的影响，因此气象产量与气候适宜度的相关性较低。

2.6 夏玉米产量动态预报模型

河南夏玉米一般6月上旬播种，拟从7月中旬开始进行逐旬滚动的预报模型，因此，计算6月上旬至相应起报旬的累积适宜度指数，建立各起报旬累积适宜度指数与相对气象产量的回归方程，进行夏玉米产量滚动预报，如表5所示。x为相应起报时刻的累积适宜度指数，Y为预报所得相对气象产量。对预报模型进行F检验可知，除开封和周口7月中旬的预报方程未通过检验外，其他省辖市各旬产量预报方程具有显著的统计意义，可用来预报夏玉米产量。

表4 气候适宜度指数与气象产量的相关性检验Table 4 The correlation test between climate suitability index and meteorological yield

表5 各起报时刻夏玉米产量预报拟合方程Table 5 The fitting equation of summer maize yield forecast in different forecasting date beginning

注：*和**分别代表0.05和0.01的显著水平。

Note: * and ** mean the significance at 0.05 and 0.01 level respectively.

3 夏玉米产量预报模型的检验

计算夏玉米生育期内综合气候适宜度，自7月中旬开始，进行夏玉米气象产量逐旬滚动预报。利用三次多项式拟合方法计算各省辖市趋势产量，加上预报所得的相对气象产量，获得各地及全省的预报单产。预报产量与实际产量相比较，计算预报准确率。

3.1 单产预报检验

3.1.1 单产预报回代检验 1980—2007年回代检验准确率如表6所示，各省辖市旬平均回代检验准确率在87.5%～94.6%，除驻马店、南阳外，其他省辖市均在90%以上，其中安阳、焦作最高，回代检验准确率分别为94.6%和94.0%。全省各旬平均回代检验准确率在91.4%～92.0%(平均为91.8%)。

统计各省辖市回代准确率在90%以上的年份，计算年份所占比例，如表7所示，全省约七成的年份预报准确率在90%以上。各省辖市之间差异较大，其中驻马店仅46.9%的年份回代检验准确率在90%以上，其次开封、南阳和周口市也较低，回代检验准确率在90%的年份小于70%，安阳最高为86.2%。各旬平均在71.6%～73.3%(全省平均为72.7%)

表6 1980—2007年回代检验准确率Table 6 The accuracy rate of return test from 1980 to 2007

表7 1980—2007年回代检验准确率大于90%的年份比例Table 7 The proportion of years when the accuracy rate of return test is greater than 90% from 1980 to 2007 %

3.1.2 单产试报检验 利用预报模型在2008—2012年产量预报中进行应用，预报准确率如表8所示，各省辖市预报准确率在92.3%～98.4%，除开封和驻马店外，其他省辖市旬平均预报准确率均>95%，郑州最高为98.4%，全省平均为96.0%，基本能满足业务服务的需求。

3.2 产量趋势预报检验

根据当年产量与上一年单产的增减情况进行趋势产量预报，如表9所示。结果表明，1980—2007年趋势预报的回代准确率为67%，除平顶山，许昌，周口3个省辖市较小外，其他省辖市均大于60%。2008—2012年趋势预报准确率平均约50%，5年中大部分省辖市只报对2年的增减趋势，表明趋势预报的准确率还较低。

4 结论与讨论

(1)从夏玉米不同发育阶段上限温度、最适温度、下限温度、需水量、需光性等生物学特性出发，参考前人研究方法，建立了河南省夏玉米气候适宜度模型，并根据河南夏玉米生长特点对模型参数进行修订。通过气候适宜度与对应气象产量相关分析，2者呈极显著的正相关，表明气候适宜度指数能较为客观地反映夏玉米产量动态变化，可作为产量预报的驱动因子。

表8 2008—2012年产量预报准确率Table 8 The accuracy rate of yield forecasting from 2008 to 2012 %

表9 产量趋势预报检验Table 9 The test of tendency yield forecasting

(2)计算各省辖市气候适宜度指数，自7月中旬起建立产量预报回归模型，实现以旬为时间步长的产量动态预报。经检验，各省辖市旬平均回代检验准确率为87.5%～94.6%，全省平均91.8%；各省辖市预报准确率为92.3%～98.4%，全省平均96.0%，能基本满足业务服务需求。

(3)应用基于气候适宜度的产量预报模型能达到较高的预报准确率，但模型未考虑到重大灾害天气对产量的影响，个别年份模型预报准确率很低，这是基于统计方法的产量预报模型较为共性的问题[20,21]，如2003年的周口、驻马店、商丘、南阳等地，大范围水涝灾害，当年实际单产仅相当于正常年份的20%～50%，预报准确率较差。因此预报灾害对产量损失的影响的方法，还有待于进一步探讨。

(4)用当年产量与上一年相比的增减进行产量趋势预报，趋势回代及预报检验准确率约50%～85%，准确率较低。表明基于适宜度方法的产量预报模型对产量增减的预报不敏感，预报精度有待于提高。

[1] 陈怀亮，张雪芬. 玉米生产农业气象服务指南[M].北京:气象出版社,1999.

[2] 王建林，杨霏云，宋迎波. 西北地区玉米产量动态业务预报方法探讨[J]. 应用气象学报，2004, 15(1) : 51-57.

[3] 郑昌玲, 杨霏云, 王建林, 等. 早稻产量动态预报模型[J].中国农业气象，2007, 28(4) : 412-416.

[4] 王建林，赵四强. 全国棉花产量预报模式[J]. 气象，1990,16(5):26-30.

[5] 宋迎波，王建林，陈 晖,等. 中国油菜产量动态预报方法研究[J]. 气象，2008,34(3):93-99.

[6] 钱 拴，王建林. 农业气象作物产量预报的特点与思考[J]. 气象科技，2003 (5): 33-38.

[7] 黄晚华，薛昌颖，李忠辉. 基于作物生长模拟模型的产量预报方法研究进展[J]. 中国农业气象，2009, 30(増1) : 140-143.

[8] 帅细强，王石立，马玉平，等. 基于水稻生长模型的气象影响评价和产量动态预测[J]. 应用气象学报，2008, 19(1):71-81.

[9] 赵 峰，千怀遂，焦士兴. 农作物气候适宜度模型研究[J]. 资源科学，2003,25(6):75-82.

[10]冶明珠，郭建平，蒋跃林，等. 气候变化对农作物气候适宜度影响研究进展[J]. 安徽农业科学，2011,39(15):9104-9105,9134.

[11]魏瑞江，宋迎波，王 鑫. 基于气候适宜度的玉米产量动态预报方法[J]. 应用气象学报，2009,20(5):622-627.

[12]易 雪，王健林，宋应波. 气候适宜度指数在早稻产量动态预报上的应用[J]. 气象，2010, 36(6):85-89.

[13]李曼华，薛晓萍，李鸿怡. 基于气候适宜度指数的山东省冬小麦产量动态预报[J]. 中国农学通报，2012,28(12):291-295.

[14]刘伟昌，陈怀亮，余卫东，等.基于气候适宜度指数的冬小麦动态产量预报技术研究[J]. 气象与环境科学，2008,31(2):21-24.

[15]姜丽霞，王育光，孙孟梅，等. 黑龙江省玉米产量预报模式的研究[J]. 中国农业气象，2004, 25(1) : 13-16.

[16]中国气象局.QX/T 107—2009 小麦干旱灾害等级[S].北京：中国标准出版社，2007.

[17]马树庆. 吉林省农业气候研究[M]. 北京:气象出版社，1994:33.

[18]孙景生，肖俊夫，段爱旺，等.夏玉米耗水规律及水分胁迫对其生长发育和产量的影响[J]. 玉米科学，1999,7(2):45-48.

[19]张 强，杨贤为，黄朝迎. 近30年气候变化对黄土高原地区玉米生产潜力的影响[J]. 中国农业气象，1995,16(6) :19-24.

[20]郑昌玲，王建林，宋迎波，等. 大豆产量动态预报模型研究[J]. 大豆科学，2008, 27(6):943-948.

[21]游 超，蔡元刚，张玉芳. 基于气象适宜指数的四川盆地水稻气象产量动态预报技术研究[J]. 高原山地气象研究，2011,31(1):51-55.

(责任编辑：朱秀英)

Research of summer maize yield forecasting based on climate suitability in Henan

LI Shuyan, YU Weidong

(China Meteorological Administration, Key Laboratory of Agrometeorological Safeguard and Applied Technique in Henan Province, Henan Institute of Meteorological Sciences, Zhengzhou 450003, China)

The climate suitability model of summer maize in Henan was established based on the biological characteristics such as sunlight, temperature and water in different growth stages. The climate suitability of summer maize growing season in 13 cities in Henan was calculated from 1980 to 2007. According to the relationship between climate suitability and summer maize yield in different growth stages, the yield forecasting models by step of 10 days were established. At last the forecasting accuracy rates were tested using the data from 2008 to 2012. The results showed, there was a significant positive correlation between climate suitability and summer maize yield. The climate suitability could respond the level of summer maize yield and its dynamic change. From 1980 to 2007, the return test accuracy rates in every city were from 87.5% to 94.6%, with an average of 91.8%. From 2008 to 2012, the forecasting accuracy rates in every city were from 92.3 to 98.4%, with an average of 96.0%. It could meet basic needs for agro-meteorological operation and service.

climate suitability; yield forecast; forecast model; summer maize

1000-2340(2015)01-0027-08

2014-01-17

公益性行业(气象)科研专项(GYHY201206022)

李树岩(1979-)，女，河北唐山人，高级工程师，主要从事气候资源利用与农业减灾研究。

S 513

A