气象因子对宜春地区早稻的影响及产量预报模型

易艳红，章起明，何书情，郭水连*，欧阳冬梅

（1.江西省宜春市气象局，江西 宜春 336000；2.江西省樟树市气象局，江西 樟树 331200；3.江西省宜春市农业农村局，江西 宜春 336000）

全球气候正在经历以温度升高、极端气候事件增多为特征的显著变化，这种变化是周期性的、可预测的［1-3］。在全球气候变化背景下，中国的气候特征也发生了重大变化［4-5］。《中国气候变化蓝皮书（2022）》指出，1951—2021年中国地表平均气温增长速率为0.26 ℃/10 a，气温增速明显，且随时间的变化，上升趋势依旧持续［6-9］。早稻与气候变化息息相关，因早稻感温性较强，其产量的高低与光照、温度、降水等资源密切相关，且不同区域气候条件对其影响也不相同［10］。随着全球气候变暖，江西各地市的农业气候资源发生了较大变化［11-12］。宜春市位于江西省西北部，全市水稻种植面积约55.29万hm2，是江西省水稻种植面积较大、产量较高的地区之一［13］。因此，探讨宜春市气象因子的变化趋势，合理利用当地农业气候资源，对保障粮食安全、提高经济效益具有重要意义。

研究表明，气候变化对水稻的生产会有不同程度的影响［14］。宜春市早稻生育期内最高气温和最低气温均有提高，早稻生育期内降水量逐渐减少，日照时数也明显减少［15］。气候变化对早稻生长以及产量形成起到至关重要的作用。农业气候条件的变化势必会导致作物种植界限、种植制度以及管理手段的改变［16］。宜春市是典型的山地、丘陵、平原地形兼有的地区，有必要了解早稻生育期间的气象条件，并与水稻适宜的生长条件进行对照，分析气象条件与早稻产量的相关性，得出水稻产量预测公式，为预测未来气候变化对水稻产量的影响提供依据，对今后指导农业生产以及保障粮食生产安全具有现实意义。

1 数据来源及研究方法

1.1 研究区概况及数据来源

本文早稻产量数据采用宜春市各县市2010—2019年的逐年早稻单产统计数据。收集宜春地区国家气象观测站点2010—2019年早稻生长期（4—7月）的逐日降水、气温（平均气温、最高气温、最低气温和有效积温）以及日照时长等指标数据。气象站点位置详见图1。

图1 宜春地区及气象站点图

1.2 研究方法

研究以江西省宜春市为例，通过分析宜春市10个国家气象站2010—2019年近10 a每年4—7月的气象数据，结合宜春市2010—2019年早稻产量数据，采用数理统计、回归分析、ArcGIS的空间分析功能等方法，重点对比分析温、光以及降水的变化情况，协同分析其与早稻产量的相关性，最后得到早稻产量模型以及作用机制。

1.2.1 水稻趋势产量和气候产量 早稻产量可以分解成趋势产量和气候产量两部分，其中气候产量是指其中受气候要素为主的短周期变化因子影响的波动产量分量，该值有助于了解天气因素或气候变化对农作物产量的影响［17］。通常水稻产量公式为：

y=yt+yw

其中，y为水稻产量；yt为趋势产量；yw为气候产量。趋势产量采用直线滑动平均法进行模拟［18-20］。为有效反映气象条件对农作物单产的影响，在分析农作物单产与气象条件的关系时需要剔除趋势产量。

1.2.2 产量预报模型 罗梦森等［21］采用同异分析法对气象因子与产量进行了研究，该方法具有较大的人为性。线性回归分析法是最基本的回归分析方法，其假设自变量和因变量之间存在线性关系。主成分分析法通过降低数据维度，从复杂现象中解析出主要影响因素［22］。因此，本研究采用线性回归分析方法以及主成分分析法来分析气象因子与水稻产量之间的相关关系。徐敏等［23-24］的研究结果表明，影响水稻相对气候产量的主导因子之间有很高的相关性，比如气温、日照之间就具有较高的一致性。因此，挑选与水稻产量密切相关的若干气象要素作为主要因子，采用共线性诊断方法验证是否存在多重共线性问题，并通过主成分分析得到回归模型，以提高模型的可靠性。

2 结果与分析

2.1 近10 a宜春早稻生育期气象因子的变化规律

从表1可以看出，有效积温、最低气温和最高气温呈现自东南向西北逐渐递减的空间分布趋势。宜春地区近10 a平均有效积温在1570.99~1818.90 ℃·d之间，平均降水量在920.77~1079.60 mm之间，平均最高气温在28.40~29.28 ℃之间，平均最低气温在19.20~21.57 ℃之间。在早稻生育期间，宜春各县（市）最低气温、最高气温以及有效积温呈现明显的带状分布，自东南向西北逐渐降低，而降水量则表现为东部多、西部少。

表1 2010—2019年宜春地区各县（市）气象因子情况

从近10 a宜春地区各县（市）早稻生育期有效积温（表2）可以看出，宜春地区各县（市）早稻生育期有效积温在1400.0~1926.6 ℃·d之间，能满足早稻生长发育对热量的需求。

表2 2010—2019年间宜春地区各县（市）有效积温变化情况 ℃·d

如图2所示，宜春地区近10 a的平均气温在23.0~25.1 ℃之间，平均值为24.11 ℃，最高值出现在2018年，最低值出现在2010年，平均气温以0.685 ℃/10 a的趋势升高。

图2 2010—2019年宜春地区早稻生育期内的平均气温

水稻生长于低纬度热带地区，其生长发育需要一定温度，当大气温度低于光合作用的最适温度时，光合速率会随温度的增加而增加。如图3所示，近10 a宜春地区水稻生育期内平均最高气温和平均最低气温都呈现出缓慢上升趋势。最高气温以0.770 ℃/10 a的趋势升高，最低气温以0.697℃/10 a的趋势提高。一方面，气温升高可以使水稻播种日期提前，缩短水稻生育期天数；另一方面，随着气温的升高，早稻受高温胁迫的可能性越来越大，从而影响了早稻的正常生长发育，最终威胁到粮食的产量。

图3 2010—2019年宜春地区早稻生育期内的最高气温、最低气温

从图4可以看出，近10 a宜春地区早稻生育期内降水量在751.4~1192.0 mm之间呈波动下降趋势，最低值出现在2018年，最高值出现在2010年，平均值为997.51 mm。总体来说，降水量下降速度较为缓慢，尚不易对早稻产量造成威胁。但从长远看，降水总量的不断下降，势必会影响到水稻的生产与产量。

图4 2010—2019年宜春地区早稻生育期内的降水量

如图5所示，近10 a宜春地区水稻生育期内日照时数在433.4~658.8 h之间呈现波动下降趋势，最高值出现在2013年，最低值出现在2016年，平均值为531.46 h。

图5 2010—2019年宜春地区早稻生育期内的日照时数

2.2 气候产量和产量以及相关性

近10 a，宜春地区早稻气候产量在-102.6~56.8 kg/hm2之间波动，有6个年份位于0 kg/hm2以下，表明这些年份气候状况对水稻生产造成了一定的负面影响，均值为-35.1 kg/hm2，其中在2010、2014和2019年影响较大，气候产量均低于-25.0 kg/hm2；有4个年份位于0以上，表明这些年份气候状况有利于水稻生产，其中2012、2013以及2018年表现最为明显，气候产量均超过了25.0 kg/hm2（图6）。

图6 2010—2019年宜春地区早稻的气候产量

对早稻生长过程中的降水量、有效积温、最高气温、最低气温、日照时长与产量及气候产量间的相关性进行分析（表3）可知，早稻产量与平均气温、最高气温、有效积温显著相关，相关系数分别为0.679、0.760、0.671；与最低气温、日照时长呈正相关，相关系数分别为0.606、0.245；与降水量呈负相关，相关系数为-0.234。

表3 早稻产量、气候产量与有效积温、最高气温、最低气温及日照时数的相关性

气候产量与平均气温、最高气温、最低气温以及有效积温呈极显著正相关，相关系数分别为0.880、0.829、0.828、0.879；与日照时长呈显著正相关，相关系数为0.709；与降水量呈负相关，相关系数为-0.565。

宜春各地区近10 a降水量在逐渐降低，但变化量不大。降水量与产量、气候产量均呈负相关，说明降水量对早稻产量存在负面影响。从近年的气温数据分析来看，气温升高有利于水稻增产。

2.3 宜春早稻产量预测模型

对平均气温、最高气温、最低气温、日照时长、有效积温、降水量这6个关键气候要素进行共线性诊断（表4），得出平均气温、最低气温、最高气温、有效积温之间存在共线性。从表5中可以看出，D3、D4、D5、D6和D7维度的特征根接近0，而它们的条件指标大于10；D7与X1、X2、X3、X4的方差比例大于0.5，得出所选的6个要素之间存在多重共线性。若对存在多重共线性的变量直接采用线性回归分析的方法建立模型，则会导致各变量回归系数的方差过大，影响模型的可靠性［24］。

表4 共线性诊断1的结果

表5 共线性诊断2的结果

对关键要素进行主成分分析，分析结果如表6所示。前2个变量的累计方差贡献率为96.736%，因此这2个变量可以解释早稻单产的主要变化。前2个变量与6个关键要素之间的关系为：

表6 主成分分析结果

Y1=0.333X1+0.278X2+0.337X3+0.333X4+0.273X5+0.263X6

Y2=0.038X1+0.102X2+0.001X3+0.037X4+0.093X5+0.105X6

将主成分分析所得的前2个变量作为新的因子，用主成分分析得到的系数构建新的成分关系：Y=2.190Y1+1.003Y2。

将公式合并之后，得到以关键要素为自变量的早稻单产回归模型：

Y=0.371X1+0.380X2+0.338X3+0.370X4+0.366X5+ 0.368X6

2.4 预测模型检验

将2010—2019年宜春市气象因子代入产量预报模型，得到模拟预报值，并计算准确率。由图7可知，预报准确率均大于85%，尤其是在2012、2014、2016、2019年预报的准确率大于95%。对比模拟预报产量与实际产量，预报值与实际值的时间序列曲线变化趋势基本一致，表明预报结果可信度较高，该预报方程能较好地模拟早稻产量，基本满足业务需求。

图7 宜春市早稻产量拟合预报的准确率

3 小结与讨论

在分析宜春地区2010—2019年早稻生育期的降水量、最低气温、最高气温、日照时数等气象要素的基础上，结合前人对水稻生长的研究，分析了各气象要素对早稻产量的影响，并得出了产量预报模型，以期为当地早稻产量预报提供重要参考。

2010—2019年研究期间，宜春地区早稻平均气温、最高气温以及有效积温都呈现缓慢升高趋势，而降水量和日照时长呈现缓慢下降趋势。宜春各县（市）早稻生育期的最低气温、最高气温以及有效积温呈现明显的带状分布，自东南向西北逐渐降低，而降水量则表现为东部多、西部少。随着平均气温、最高气温、最低气温、日照时长以及有效积温的升高，早稻产量和气候产量也明显增加。宜春地区早稻产量单产回归模型：Y=0.371X1+0.380 X2+0.338X3+0.370X4+0.366X5+0.368X6。该预报模型检验的准确率均大于85%，对宜春地区早稻产量预报有较好的指导作用。

近年来，光、温、水等主要的农业气候资源均呈现出持续的波动趋势，农业生产受到的气候威胁越来越大，水稻的生长发育进程也受到了一定的影响［25-26］。本研究从时间尺度上详细分析了早稻生长发育过程中气象因子的变化规律，结果表明，随着气候变暖，宜春早稻气候产量呈现波动性上升趋势，有效积温逐渐增加，平均气温、最高气温、最低气温均有所提高，因此，可通过选取产量更高的早稻品种、调整早稻播期等措施来提高农民收入、增加粮食产量。在未来的研究中应结合未来气候变化数据，通过增加时间尺度来深入研究宜春和南方地区晚稻和双季稻生育期间各类气象因子对产量的影响，以期为水稻的可持续发展提供参考。