基于大数据分析的农业气候与农作物产量变化研究*

崔 媛

(天津职业大学基础课部,天津 300410)

·粮食安全·

基于大数据分析的农业气候与农作物产量变化研究*

崔 媛

(天津职业大学基础课部,天津 300410)

[目的]作为农业大国，我国农业产量直接影响着我国未来发展进度，而气候的变化直接牵动着农业产量的变化。[方法]文章基于农业气候对农作物产量的影响，借鉴已有研究从农业气候变化的角度入手，介绍气候变化对农作物产量等方面的影响，并以华北、华东及东北水稻产区为例，通过主成分因素分析设定降水量、气温、光照及太阳辐射度等指标因素，并建立C-D-A模型，[结果]降水量、气温及光照等气候因素对农作物产量的影响明显，其中干旱天气的影响最大。[结论]通过实证分析验证了该模型具有较高的可信度，以期为各种天气条件下保障与提高农作物产量提供理论依据。

农业产量 气候变化 主成分因素 C-D-A模型 实证分析

0 引言

农产品既是人民生产与生活的根本，也是一个国家的自足之本。保障农作物产量，是人类最为重要的研究课题，而其中影响农作物本身发展的重要因素是气候因子。就我国当前的情况而言，虽然我国国土资源丰富，生长的农作物种类繁多，但由于人口数量庞大，对农产品的需求长期处于一个紧迫的状态[1]。我国国民经济的长期可持续发展是我国经济稳定的必要前提，影响国民经济的主要是农业经济，然而影响农业经济的最主要原因是农作物产量，农作物的产量除了内在的品种、科技等影响因素外，还有外在的环境因素，如农业气候。当气候出现异常，对农业产生负面影响时，农业经济乃至国民经济的可持续发展将承载压力。研究气候变化得出的相关规律，并就保障与与提高农作物产量提出若干改善措施，是发展农业经济的重中之重[2]。以往有众多国内外学者针对农业气候与农作物产量两者关系展开深入研究，并且获得了一些突破性进展，但因研究时间较短，目前尚处于初级阶段[3]。而伴随着大数据时代的来临，农作物的产量研究也开启了大数据分析的先河[4]。文章在前人运用大数据分析的基础上，进一步探究农业气候与农作物产量二者关系，以期为各种天气条件下保障与提高农作物产量提供理论依据。

1 研究范围

1.1 气候变化

气候变化是指气候的平均状态在1年或者高于1年的一段持续时间里的变化，这种变化没有绝对的限制，可大可小[5]。《联合国气候变化框架公约》第一款中，将气候变化定义为：“经过相当一段时间的观察，在自然气候变化之外由人类活动直接或间接地改变全球大气组成所导致的气候改变”。

从20世纪50年代开始，除南极洲以外，全球气候较之以前有了明显的变化，这一变化主要来自于人类活动，这一结论已成为全世界学者所公认的事实。全球变暖成为焦点，科学家们开始研究气候变化对不同地区的不同影响。最终，证实了引起全球变暖的主要原因就是温室效应。其原理是，大气中有一类气体可以产生类似温室的原理，如二氧化碳、佛里昂、水蒸气等，他们被称为温室气体。其中二氧化碳是引起温室效应的主要因素。工业革命带来便利的同时，也带来一系列副作用[7]。煤炭、石油等石化燃料排放的二氧化碳急剧增加，一方面由于大量二氧化碳的温室作用，太阳的短波辐射几乎可以不受阻碍的直接到达地球，致使温度上升； 另一方面二氧化碳以植被为中介，可以转化为有机物，但是近年来，由于资源的大面积使用，森林、农田等植被被工厂、办公楼所取代。长期以来，大气中的二氧化碳只增不减，导致输出和输入的数量失去平衡，从而导致全球变暖。

1.2 气候变化产生的影响与危害

20个世纪以来，气候异常的现象时有发生，而且部分异常已经超出人类所能接受范围。面对气候变化带来的诸多危害，各个国家应根据本国的具体情况及时制定预防策略[8]。首先最无能为力的就是海平面上升的问题，地球是一个70%都是海洋的星球，如海平面持续上升，而大部分经济发达的城市依靠的就是黄金海岸线，当地表温度持续上升时，冰川融化速度加快，这就使得一些海平面偏低的城市面临被淹没的危险。气温异常还将破坏原有的生态系统，气温、降水的变化会影响农作物的生长周期，而整个生态系统无法适应这种变化。另外，全球温度异常会引发一系列气候灾害的产生，例如干旱洪涝等。这种频繁的气候灾害，将直接影响人类的健康、危及人类的生存。

2 农业气候变化对农作物产量影响研究进展

2.1 国外进展

全球变暖带来的危害显而易见。国际上针对地域差异，分区研究了农业气候的变化对农作物产生的影响，并根据现实状况，做了预期分析。据IPCC(2007)的报告显示：北欧、新西兰南部、北美等靠近水源的地区，温度升高会减少霜冻[9]，该地区粮食产量未来20年将有所增加； 然而亚洲东部与南部，温度的变化将直接影响降水的变化，一些重要的产粮区粮食产量将大幅度下降； 亚欧大陆北部的俄罗斯因受地理位置的限制导致粮食种植区域有限，温度的变化可能会加剧该国粮食短缺的次数。通过这些预期可以看出，全球变暖带来的影响不是单一的，而是复合的威胁。综上，对全球气候的研究亟需加强，并亟需加强研究规避风险的可行方案。

2.2 国内进展

近20年，我国的科学家们得到政府的大力支持，在气候对农作物的影响方面的研究已取得重大突破。据专家们预测，气温变化将对我国农作物的种植制度、农作物种类的产区分布产生影响，较之现在的分布情况将发生大面积的变动。我国的一年一熟制的地理位置将向北推进250km左右； 一年两熟制、一年三熟制也将随之北上，一年两熟制、一年三熟制的推进距离约为500km左右。大面积的水稻产区在满足水源的情况下也会向北靠近。由于气温的上升，冬季的平均最低温度也会上升，这有利于我国冬小麦的生长，尤其是在东区地区，冬小麦的种植面积可以大规模增加[10]。但是，华北产粮区的小麦无法适应这种新气候的变化，新型品种的小麦将会随之出现，而且耐高温的水稻有可能会进军华北地区[11]。我国针对不同的地理位置做了相应的农作物生长预期，但由于气候本身的不稳定性，这些数据会根据气候的最新变化而产生改变。

2.3 大数据下的农业气候变化与农作物产量研究

大数据自身具有5个特性，即数据量大(Volume)、处理速度快(Velocity)、数据类型多(Variety)、价值大(Value)、精确性高(Veracity)。而农业大数据涉及农业生产的许多方面，比如收割、施肥、播种、耕地等。它由结构化数据和非结构化数据组成，并且随着农业的发展建设和物联网的应用，农业数据中非结构化数据的增速会逐渐上升，其数量很快将远超结构化数据。与此同时，在大数据与农作物产量关系的前提下，加入农业气候变化这一因素，实现大数据下的农业气候变化与农作物产量的研究。大数据背景下的研究，保障了农业气候分析与农作物产量二者之间存在的多样性、海量性、异构性等特性，保障了研究的科学性与合理性。

3 模型构建

3.1 模型准备

首先，通过调查问卷法，不同时段不同地点发放500份问卷，提出相关问题，确立相关指标。两天后，回收489份问卷，回收率97.8%。此次调查具有科学性与可实施性的，能够继续研究过程。通过数据分析，得到气候变化对农作物产量的影响因素为降水量、农作物种类、光照、耕地面积、农作物辅料、当地政府支持力度、环境意识、人均生活水平、生活态度和所处地理位置等10个因素。变量太多，无疑会增加分析问题的难度与复杂性，而实际中多个变量之间是具有一定的相关关系的。因此，较少的新变量代替原来较多的变量，同样可以反映所需要的信息。主成分分析的方法是最小化的扩大相同影响因素之间的差距以保证选举的因素更加全面更加具有代表性。该文采用主成分分析法，就是综合处理这种问题的一种强有力的方法。

该文通过研究东北、华北及华东2006～2016年间10个因素相关的数据，建立关系矩阵：

(1)

其中，P=10。r为：

(2)

首先解特征方程|λi-R|=0求出特征值λi(i=1， 2，…，p)，并使其按大小顺序排列，即λ1≥λ2≥…，≥λp≥0； 然后分别求出对应于特征值λi的特征向量ei(i=1， 2，…，p)。累计主成分贡献率得到：

(3)

一般取累计贡献率达85%～95%的特征值λ1，λ2，…，λm所对应的第1，第2，…，第m(m≤p)个主成分。

计算主成分载荷

(4)

进一步分析分析主成分因素：

(5)

通过计算机软件计算，得到大数据分析下影响农业气象与农作物产量的影响因素，即为气温、降水量、光照与太阳辐射的投入。

3.2C-D-A模型建立

C-D-A模型是将数学的思想应用到经济学中，其中C代表的是数学家柯布，D是指经济学家道格拉斯[12]。传统的C-D模式是传统的经济分析模式，而C-D-A将气候因素也考虑其中，设A是气候变化的模型参数，所以，新模式的表达式是：

C1=D1γ1D2γ2D3γ3AβP

(6)

式中，D1代表光照，D2代表播种面积，D3代表肥料灌溉等投入要素。γ1、γ2、γ3代表的是光照、播种面积、肥料灌溉的因素的产出弹性。在对气候变化对粮食产量的影响进行研究时，对气候变化因素A进行重点分析。粮食的产量的高低是内因和外因共同作用的结果，最终产量结果由外部因素决定。该文的建模以水稻的产量为例，影响水稻产量的气候因素有平均降水量和平均温度。在水稻产量的投入方面有水稻的种植面积的大小，光照的人数多少，肥料的投入数量等。所以，在接下来的实证建模中，加入能够影响农业产量的相关变量。

3.3 实证研究

3.3.1 整体分析

该文以水稻的产量为例，根据对农业作物水稻的研究数据，以及通过主成分分析的方法选取了气候变化影响水稻产量的变化因素。

首先，设水稻的总产出是(万t)，水稻的长期平均温度是T(℃)，这个数据是根据全国一百多个站点，地区5个月左右的月平均温度得来。水稻长期降水量也是气候的主要变量之一，为R(mm)，要准确的计算水稻的产量，那水稻的总种植面积Q(万hm2)必不可少。种植水稻的光照L投入无处细致考察，根据文献[13]应用其中的相应算法，可求出水稻生产劳动力投入，公式如下：

水稻生产劳动力投入(V)(万人)=(农林牧渔业劳动力人数)×(农业总产值)×(水稻播种面积)

(7)

接下来是太阳辐射(F)(kW·h/m2·a)计算公式就是利用光照的计算方式，太阳辐射受水稻种植的地理位置影响。

水稻生产农业机械投入的计算方式是：

水稻生产农业机械投入(M)(亿W)=(农业机械总动力)×(水稻播种面积)

(8)

在C-D-A的基础建模的公式上，加入上述的气候变量，得出新的建模：

lnX=a0+b1ln(T)+b2ln(R)+b3ln(Q)+b4ln(L)+b5ln(F)+b6ln(M)+b7lnJ+V

(9)

其中，X(万t)表示水稻的总产出，T(℃)表示水稻的长期平均温度，R(mm)表示水稻降水量，Q(万hm2)表示水稻总种植面积，L代表种植水稻的光照，F表示太阳辐射，M代表水稻生产农业机械投入，J代表技术影响，a0，bi,i=1， 2…7为系数。

根据新的建模，现将采用2006年间东北、华北及华东的数据，将原始数据处理之后代入公式(1)～(4)中得出回归结果(表1)。

表1 气候变化对各地水稻产量影响的模型结果

自变量东北华北华东系数T值系数T值系数T值LOGT-0.44-4.770.305.2-0.50-4.21LOGR-0.003-0.120.010.940.02-0.92LOGQ0.9037.020.9020.150.9313.84LOGL0.084.780.062.780.081.76LOGF0.064.110.083.440.073.67LOGM0.085.200.032.780.063.79J0.7014.150.8042.560.8021.9R20.9930.9950.994AdjR20.9920.9940.992检验值9336.715700.2448.5

表2 2001～2010年全国农作物单产及受灾面积均值化处理结果

年份产量受灾面积洪涝干旱霜冻20010.8431.3170.3060.14520020.9231.0290.5360.94020030.9491.2870.9160.02620040.8170.3271.0650.05220050.7751.1691.2570.68820060.8962.0320.3832.78020071.0611.1560.8291.46020080.9931.6850.9943.04220090.9670.5541.6090.57820101.0231.2502.1571.866

由表1得出，模型的模拟结果总体上数值都很高，尤其是R2和AdjR2值，证明这个模型解释性很大。R2代表方差，AdjR2代表绝对方差，用于检验模型的可信度，值越高说明模型越适合。因此上述建模中所用的变量，能够对水稻的产量产生影响。

模型中的F值都略高，足以证明各个因素是同对水稻的产量产生影响。

其中，有关气候的长期平均气温中，东北地区为负数，华北和华东均为正数。这个数据表明，东北地区时间较长的低温度是不利于水稻的产量的，这样的气温没有对粮食的产量起到积极的促进作用，反而阻碍了粮食产量的提升。而华北和华东地区的气温呈一年四季冬冷夏热的状态，实现了促进粮食的产量的作用，特别是华东地区，温度较高且持续时间长，极大地促进了农作物的产量。

由表1得出，降水量并没有明显的变化，所以降水量与水稻的产量并没有直接的联系。而水稻种植面积的弹性值是最高的值，所以水稻的产量高低还是取决于耕种面积的大小，但是目前，我国由于资源的紧缺，对土地面积的破坏较为严重，所以如何扩大水稻种植面积，提高水稻产量是一个极为重要的研究方向。

光照对水稻产量的影响也是极为重要的。由表1可知，劳动量越多的地方，农业产量越大。可见，当前人口流动的大方向是农村人口向城市迁移，大多数农民会选择在外打工，从而农作物的光照一直都是下降的状态。因此，提高光照的素质和数量也是提高水稻产量必须解决的问题。

太阳辐射对水稻的产量也有些许的影响。一般情况下，辐射量的适度提高增加了农作物的产量。但是太阳辐射的影响并不明显。总的来说，通过以上分析，可以得到，气温适宜程度上的高、降水量在适宜程度上多、光照可以增加农作物产品的产量。太阳辐射相对来说，对农作物的影响不如以上因素。

3.3.2 具体分析

影响我国国民生产总值的一个重要因素就是气候灾害，由于国土面积广阔，各地气候差异，气候灾害的种类也较为繁多。从气候灾害的角度出发，总结归纳得到洪涝、干旱、霜冻3种自然灾害最为严重，通过模型分析，得出处理结果(表2)。

由表2得出，干旱对农作物产量的影响最大。2001～2010年，全国年均干旱受灾面积近48万hm2，占年均气候灾害受灾面积的41%，其中有12%的农作物因干旱而绝收，在干旱灾害发生严重的年份农作物减产率大多在10%以上。

暴雨洪涝是影响农作物产量的第二大农业气候灾害，根据暴雨洪涝灾情及影响统计表明，每年均有暴雨日或暴雨过程出现，出现次数在16～177县次(暴雨日和暴雨过程有个别重复出现)。

冰雹对农作物产量影响也很大，几乎每年的5～8月都会有冰雹灾害发生，冰雹灾害较重的年份里农作物受灾面积均超过20万hm2。

通过上述分析可以发现，气温和降水同时对农作物的产量的影响最为严重。

4 结论

该文是在论述了整体气候概况的基础之上，以C-D-A建模为基础，从大数据着手分析了农业气候对农作物生产量带来的变化。分别以华北、华东及东北水稻产区为例，对气候变化对农作物产量的影响进行分析，得出以下结论：降水量、气温及光照等气候因素对农作物产量的影响明显，其中干旱天气的影响最大。基于结论，我国应对气候变化所带来的影响采取可行对策，如：调整农作物种植制度、加大对农作物科学技术的投入、研发新品种等，以适应气候的变化； 加强农业基础设施的建设，把气候变化对农业生产带来的影响减到最低，最大限度地缩小地区间农业经济的差距。

[1] 白莉萍， 林而达.CO2浓度升高与气候变化对农业的影响研究进展.中国生态农业学报， 2012, 157(11): 1～2

[2] 蔡运龙. 全球气候变化下中国农业的脆弱性与适应对策.地理学报， 2006, 63(2): 41～58

[3] 曹仁林， 霍文瑞，郝建，等.对大豆、花生产量的效应.农业环境保护，2014, 35(2): 5～8

[4] 陈立亭， 孙玉亭.黑龙江省气候与农业.北京：气候出版社， 1994, 12(10): 175～196

[5] 陈鹏狮， 米娜，张玉书，等.气候变化对作物产量影响的研究进展.作物杂志， 1994, 10(12): 175～196

[6] 陈宜瑜， 丁永建，佘之祥，等.中国气候与环境演变评估气候与环境变化的影响与适应、减缓对策.气候变化，2002，12(6)： 42～46

[7] 陈迎. 气候变化的经济分析.世界经济， 2001, 44(1): 67～70

[8] 丑洁， 封国林，董文杰，等.气候变化影响下我国农业经济评价问题探讨.气候与环境研究， 1999， 14(5)：42～45

[9] 陈素琼， 张广胜.农村光照转移对水稻生产技术效率的影响：存在代际差异吗——基于辽宁省的调查.农业技术经济， 2012，(12)：31～38

[10]林而达， 王京华.我国农业对全球变暖的敏感性和脆弱性.农村生态环境学报，2008， 33(2)1～5

[11]林伟宏， 自克智，匡廷云.大气浓度和温度升高对水稻叶片及群体光合作用的影响.植物学报， 2007, 34(5): 23～46

[12]刘贵山， 谢边疆，张玉萍，等.浅析气候变暖导致对农业生产的影响农村.牧区机械化， 1998, 14(6): 44～45

[13]刘明亮， 陈百明.我国近期粮食生产的波动性及其与农业自然灾害发生状况的相关分析.灾害学， 1999, 14(5): 42～45

[14]刘文泉， 雷向杰.农业生产的气候脆弱性指标及权重的确定.陕西气候， 2007, 13(5): 23～46

THE CHANGE OF AGRICULTURAL METEOROLOGY AND CROP PRODUCTIONBASED ON BIG DATA ANALYSIS*

Cui Yuan

(Basic Course Department of Tianjin Vocational Institute, Tianjin 300410,China)

Climate change directly affects the change of agricultural production, and hence affects the progress of a country′s future development. Based on the agrometeorological influences on crop yieldsin recent years, This paper summarized the study progress of the impactsof agricultural climate change on crops. And then, taking the rice production areas in north China, east China and northeastas an example, it analyzedtheindex factors such as precipitation, temperature, light and solar radiation degree usingthe principal component factor analysis, andestablisheda C-A-D model. The results showed that the climate factors such as precipitation, temperature and illumination had great effects on crop yield, especially the dry weather. It concluded that the model had high credibility, so as to provide a reference for guaranteeing and improving the crop yields in various weather conditions.

agricultural production; climate change; principal component factors; C-D-A model; empirical analysis

10.7621/cjarrp.1005-9121.20170216

2016-02-19 作者简介：崔媛(1978—)，女，天津人，讲师。研究方向：应用统计。Email：shuxuecuiyuan@sina.com *资助项目：国家自然科学基金“可重图、赋权图和随机图中的拓扑指标”(11001196)； 天津市哲学社会科学研究规划项目“天津市高职院校不同生源学生的学习差异与行为的多维比较研究”(TJJXWT11-040)； 天津职业大学科研基金项目“前向型神经网络权值和结构的确定方法研究”(20122108)

S126; S162; S5

A

1005-9121[2017]02112-06