基于气象因素的临沂水稻产量评估预测模型

赵桂涛，刘中聚，冯尚宗*，赵 理，王世伟，娄华敏

(1.山东省临沂市农业技术推广站，山东 临沂 276004；2.山东省临沂市种子管理站，山东 临沂 276004)



基于气象因素的临沂水稻产量评估预测模型

赵桂涛1，刘中聚1，冯尚宗1*，赵 理1，王世伟1，娄华敏2

(1.山东省临沂市农业技术推广站，山东 临沂 276004；2.山东省临沂市种子管理站，山东 临沂 276004)

临沂市水稻产量总体呈上升趋势，但受气象因素影响有所波动。利用山东省临沂市2001～2013年气象资料和水稻产量数据，用指数平滑法测定水稻趋势产量，分离出水稻气象产量，与逐月平均日照时数、气温、降水量进行相关分析，确定了气象因素影响产量的关键时期，建立回归方程并进行检验。通过对历年产量进行检验，预测精度最高为99.9%，最低为95.9%，平均精度为98.5%，预测模型具有较高的精度，可用作临沂市水稻产量评估预测。

气象因素；水稻产量；评估预测；模型

临沂市地处山东省东南部，位于北纬34°22′～36°13′，东经117°24′～119°11′。气候属温带季风区大陆性气候，气温适宜，四季分明，光照充足，雨热同季，无霜期长，境内水资源丰富，适宜水稻种植，是山东省第一大稻区[1]。临沂属华北黄淮海稻麦两熟区，水稻主要沿沂河、沭河两岸分布，种稻历史久远，历代以“琅琊之稻”、“塘崖贡米”闻名。近年来，水稻种植面积稳定在5万hm2左右。临沂市水稻产量总体呈上升趋势，但受气候变化等因素影响单产有所波动，平均单产在8550 kg/hm2左右[2]。气候变化对农作物产量影响方面，常用的3种研究方法有模拟试验、作物模型法、观测统计法[3-5]。观测统计法，即根据多年作物实际产量和气象资料观测数据，通过统计分析，研究气象因子与作物产量之间的关系，这种方法比较客观、严密，是生产中应用较为广泛的一种方法。一般把作物产量分解为趋势产量、气象产量和随机误差3个部分，其中趋势产量主要受社会生产力发展水平制约，也被称为技术产量；气象产量受气候因素为主的短周期变化因子(农业气象灾害为主)影响而波动[3]；随机误差影响小，可忽略不计。多数研究都是将产量分解为趋势产量和气象产量，用Y表示水稻实际产量，Yt表示趋势产量，Yw表示气象产量，则水稻产量构成可表示为：Y=Yt+Yw[3-5]。测定趋势产量常用的方法有移动平均法、指数平滑法、趋势模型法等[3-10]，其中指数平滑法通过计算一系列指数平滑值消除不规则变动，测定发展趋势，优点是能够将历史数据信息充分反映到变化趋势中，对不同时期的数据给予不同权数，能充分利用所有数据信息，同时增加近期数据对预测趋势的权重，越是近期数据，权重越大，体现对各期数据的不同重视程度，从而对序列进行平滑修匀作用，消除不规则变动影响[8]。

1　材料与方法

1.1数据来源及数据分析工具

文中水稻产量数据、逐月平均日照时数、气温、降水量等气象数据，来源于临沂市统计年鉴，数据处理采用Excel 2010软件进行。

1.2方法

水稻实际产量、趋势产量、气象产量分别用Y、Yt、Yw表示，则三者之间的关系可以表示为Y=Yt+Yw[3-5]，即Yw=Y-Yt。选用指数平滑法测定趋势产量，根据Yw=Y-Yt计算得到气象产量Yw。选择从5月上旬水稻育秧开始到10月水稻收获期间，逐月平均温度、光照时数、降水量3个主要气象指标，运用相关分析，获取与水稻产量相关度最高的气象因素，建立回归模型并进行拟合优度与显著性检验，再计算历年产量预测值，与历年实际产量相比较，以对模型精度进行检验。在指数平滑中，平滑系数α取值不同，计算出的平滑结果会有较大差异[8]。本文平滑系数α分别取0.1、0.3、0.7，分别计算趋势产量，分离气象产量，最后根据实际情况取舍。

2　结果与分析

2.1水稻产量及趋势产量、气象产量

指数平滑法计算得到趋势产量Yt，根据Yw=Y-Yt分离出气象产量Yw，结果见表1。平滑系数α分别取值0.1、0.3、0.7时，2002年和2003年气象产量均为减产，其中2002年临沂遭受极端高温、春夏秋三季干旱[11]，汛期降水量为新中国成立以来同期最少，相当于200年一遇的干旱年份[11]；2003年夏秋降水偏多、6月11～13日遭受冰雹袭击[12]、8月下旬～10月中旬出现秋汛连阴雨[12]，降水多且伴随寡照，这2年均是对水稻生产极为不利气候的年份，可见分离得出的气象产量能初步反映气象条件对水稻产量的影响。

表1　水稻产量及趋势产量、气象产量　kg/hm2

2.2相关分析

选择各月平均温度、日照时数、降水量与气象产量进行相关分析。表2结果显示，临沂水稻产量与当地逐月平均温度、日照时数、降水量之间具有一定的相关性，与水稻产量相关度高的气象因素依次有10月降水量、5月平均温度、6月降水量、5月降水量、10月温度、10月日照时数、5月日照时数等。

表2　气象产量与各因子相关分析

2.3回归分析

根据相关分析结果，各选择相关程度最高2个因子进行回归分析。α=0.1时选择10月降水量与5月平均温度，α=0.3时选择10月降水量与6月降水量，α=0.7时选择6月降水量和8月平均温度。回归统计结果见表3。

尾气处理单元加氢炉采用在线制氢工艺，在低负荷工况下，风气比7∶1，加氢炉燃烧稳定，所产生的还原性气体能够将克劳斯系统带来的硫蒸气、SO2气体转化为H 2 S，急冷水p H值、急冷塔塔顶H 2体积分数满足工艺控制指标要求，见图5。

表3　气象产量与关键气象因素回归统计

α=0.3时关键因子有6月、10月降水量，分别设为R6、R10，用Yw表示气象产量。

气象产量Yw回归方程为：Yw=210.0013+3.537933×R6-10.3323×R10。

从表4、表5可知，SignificanceF为0.009536小于0.01，说明6月降水量、10月降水量联合起来对水稻产量有极显著影响；R6的P值0.01032小于0.05，表明6月降水量对水稻产量有显著影响，R10的P值0.006981远小于0.01，说明10月降水量对水稻产量有极显著影响。

设临沂水稻实际产量为Y，i年的水稻产量用Y(i)表示，(i+1)年的水稻产量用Y(i+1)表示，i年趋势产量为Yt(i)，(i+1)年趋势产量为Yt(i+1)。根据指数平滑法计算公式，取平滑系数α为0.3，则(i+1)年趋势产量Yt(i+1)计算方程为：

Yt(i+1)=0.3×Y(i)+(1-0.3)×Yt(i)

根据Y=Yt+Yw，得临沂市水稻产量预测方程为：

其中R6、R10分别表示(i+1)年的6月降水量、10月降水量。

表4　平滑系数α=0.3时方差分析

表5　平滑系数α=0.3时回归参数

2.4结果检验

2.4.1对比2003～2014年实际产量与预测产量通过与历年产量比较，预测精度最高99.9%，最低95.9%，平均精度98.5%。

2.4.2预测2015年产量设2014年产量为Y(2014)，趋势产量为Yt(2014)；2015年产量为Y(2015)，趋势产量为Yt(2015)，气象产量为Yw(2015)，则根据预测方程为：

Y(2015)=0.3×Y(2014)+0.7×Yt(2014)+210.0013+3.537933×R6-10.3323×R10

查询气象资料，2015年6月降水量为108.6 mm，设为R6=108.6；2015年10月降水量为14.6 mm，设为R10=14.6。由表1得到Y(2014)=8653.5，Yt(2014)=8463.3。经计算得：

Y(2015)=0.3×8653.5+0.7×8463.3+210.0013+3.537933×108.6-10.3323×14.6=8963.7

预测得到2015年水稻产量8963.7 kg/hm2，2015年水稻产量统计数为8892 kg/hm2，预测精度99.2%。由此可见，预测模型具有较高的精度。

3　结论与讨论

3.1相关分析结果讨论

相关分析结果显示临沂水稻产量与当地逐月平均温度、日照时数、降水量之间具有一定的相关性，气象条件不利的年份与预测水稻气象减产的年份相符，可见分离得出的气象产量能反映气象条件对水稻产量的影响。相关度从高到低依次有10月降水量、6月降水量、5月降水量、10月温度、10月日照时数、5月日照时数等。

水稻气象产量与10月降水量相关系数r值为-0.4858，且|r|最大，表明水稻产量与10月降水量呈负相关且相关程度最高，说明随着10月降水量增加，临沂水稻产量呈下降趋势。水稻是喜阳作物，对光照条件要求较高，临沂水稻10月处于灌浆期，降水量增多，则导致日照时数减少、气温下降，水稻灌浆时间减少、灌浆强度降低，导致水稻产量下降。

水稻气象产量与6月份降水量相关系数r值为0.4137，表明水稻产量与6月降水量呈正相关，说明随着6月降水量增加，临沂水稻产量呈增加趋势。临沂水稻返青期在6月份，降水量增多，日照时数减少，对水稻秧苗返青及提高秧苗成活率非常有利。

3.2回归分析结果讨论

回归分析显示6月降水量对水稻产量有显著影响、10月降水量对水稻产量有极显著影响，且6月降水量、10月降水量联合起来对水稻产量有极显著影响。由回归分析得到临沂市水稻气象产量预测模型，进而建立临沂市水稻产量预测模型：

Y(i+1)=0.3×Y(i)+0.7×Yt(i)+210.0013+3.537933×R6-10.3323×R10

其中Y(i)表示i年的水稻产量，Y(i+1)表示(i+1)年的水稻产量，Yt(i)表示i年趋势产量，Yt(i+1)表示(i+1)年趋势产量。R6、R10分别表示(i+1)年6月降水量、10月降水量。

用模型对2003～2014年历年水稻产量进行检验，并对2015年产量进行预测，结果显示预测精度最高99.9%，最低95.9%，平均精度98.5%。

在长时间序列的作物产量与气象因子关系的观测统计研究中，测定趋势产量而得到准确的气象产量尤其重要，不同趋势产量模拟方法分离的气象产量的结果可能不同，甚至截然相反[3]。文中采用指数平滑法，设置不同平滑系数分解趋势产量，最后根据实际情况取舍，确定平滑系数0.3时，预测模型拟合优度高、误差较小，也能反映不利气象条件对水稻产量的影响。本文基于临沂市统计年鉴公布的逐月气象因素对临沂水稻产量进行预测评估，从逐月光、温、水等基本气象资料预测评估水稻产量，探求影响当地水稻产量的关键因子，与水稻实际生产对比，具有较高的精度，可用作临沂市水稻产量评估预测，为当地水稻生产提供一定的参考。

[1] 刘延刚,刘丽娟,刘德友，等.临沂市水稻生产现状及可持续发展对策[J].山东农业科学,2011(11):112-114.

[2] 赵成宇,姚静,齐敬冰，等.现代农作物生产技术[M].北京:中国农业科学出版社，2015:87.

[3] 房世波.分离趋势产量和气象产量的方法探讨[J].自然灾害学报,2011,20(6):13-18.

[4] 温晓慧,温桂清,薛敏.用直线滑动平均法做作物趋势产量预报[J].黑龙江气象,1994(1):24-15.

[5] 魏中海,王建勇,景秀.农作物产量综合预测的数学模型[J].湖北农业科学,2005(2):37-40.

[6] 吕学梅,张磊,刘圣娟.多元双重筛选回归法分析气候因子对临沂市水稻产量因素的影响[J].安徽农业科学,2008,14(20):115-117.

[7] 朱秀红,李秀珍,姚文军，等.基于SPSS的日照市小麦产量年景预测模型[J].中国农学通报,2010,26(2):295-297.

[8] 袁卫,庞皓,曾五一，等.统计学[M].北京:高等教育出版社,2009:266-268.

[9] 王尚明，张文红，曾凯，等.晚稻寒露风气象灾害指标试验研究[J].江西农业学报，2014,26(2)：66-68.

[10] 徐恒玉,张天伦,郭昊天.用Excel对农业试验数据进行统计分析[J].安徽农业科学,2003,31(4):645-647.

[11] 张胜平,陈希村,苏传宝，等.2002年山东省严重干旱分析[J].水文,2006,24(3):42-45.

[12] 王凌.2003年度我国天气气候特点[J].气象,2004,30(4):29-32.

(责任编辑：曾小军)

Prediction and Evaluation Model of Rice Yield Based on Meteorological Factors in Linyi

ZHAO Gui-tao1, LIU Zhong-ju1, FENG Shang-zong1*, ZHAO Li1, WANG Shi-wei1, LOU Hua-min2

(1. Agricultural Technique Popularization Station of Linyi City in Shandong Province, Linyi 276004, China;2. Seed Management Station of Linyi City in Shandong Province, Linyi 276004, China)

The yield of rice in Linyi city generally has an upward tendency, but it shows a little fluctuation due to the influences of meteorological factors. According to the meteorological data and rice yield data of Linyi city in Shandong province during the years 2001～2013, we measured the tendency yield of rice by using exponential smoothing method, and separated out the meteorological yield of rice from it. Through the analysis of correlations between rice meteorological yield and monthly average sunshine duration, air temperature, rainfall, the author found the key period in which the meteorological factors had effects on rice yield, and established and tested a regression equation. By comparing the actual yield and forecast yield of rice over the years, this forecast model had a high forecast accuracy (95.9%～99.9%, 98.5% in average), so it could be used for the prediction and evaluation of rice yield in Linyi city.

Meteorological factor; Rice yield; Prediction and evaluation; Model

2016-05-18

山东省现代农业产业技术体系水稻创新团队项目资金(SDAIT-17-12)。

赵桂涛(1981─)，男，山东临沂人，农艺师，从事农业技术试验示范推广工作。*通讯作者：冯尚宗。

S511

A

1001-8581(2016)10-0071-04