湖北漳河灌区中稻气象产量变化特征及预测模型

余 蕾,邹志科,刘凤丽,罗文兵,王文娟

(长江科学院 农业水利研究所,武汉 430010)

0 引 言

水稻是我国最重要的粮食作物之一,除了水稻品种、生长环境和农业管理措施外,气候是影响水稻产量的最重要因素之一[1]。气候变化严重威胁作物生产力的稳定和粮食安全[2]。2021年发布的政府间气候变化专门委员会(IPCCAR6)第六次评估报告指出,全球变暖将使干旱和降水等极端事件日益频繁[3],联合国粮食及农业组织(Food and Agriculture Organization of the United Nations,FAO)评估称,气候变化对全球农业生产和粮食安全产生了重大影响[4-5]。因此,科学评估气候变化对粮食产量的影响,及时准确地预测粮食产量,对于维护国家粮食安全具有重要意义。

水稻产量的波动受到当地气候年际变化的影响。张卫建等[6]研究表明,水稻生长季平均气温上升1 ℃,水旱两熟区中稻平均减产10.9%、我国南方双季稻早稻平均减产6.7%、晚稻平均增产12.1%。Tao等[7]研究认为,在不考虑CO2及施肥效应的前提下,当全球平均气温分别上升1、2、3 ℃时,我国的水稻产量将分别降低6.1%～18.6%、13.5%～31.9%、23.6%～40.2%。因此,未来气候变暖的趋势将对中国的水稻产量产生不利影响[8-9]。

通常采用模拟试验方法、生长模型方法和统计分析共3种方法解析气象灾害对作物产量的影响[10-14]。统计分析法比较客观、严密,在时效、经济成本和准确性上可以满足农业生产管理和产量预测的需求,已经成为气象产量研究最常见的方法之一[15]。统计分析法采用多年气象观测资料和相应的作物实际产量,将作物气象产量波动从实际产量中分离出来,然后分析其与气象因子的关系[16]。赵东妮等[17]评价了应用HP 滤波法、指数平滑法以及Logistic 方法分离水稻的趋势产量、气象产量序列的合理性,三者之间无显著区别(P>0.05)。葛道阔等[18]利用多项评估指标分析评价了三点滑动平均法、二次函数法、HP 滤波法和二次指数平滑法4 种方法分离出的水稻的气象(灾害)产量序列的合理性和普适性,结果表明4种方法均基本适用于宏观、粗线条的气象产量分离,但以二次指数平滑方法最为合理、可信。

以往的研究成果对理解水稻生产规律具有重要的实践意义。但多数研究采用多元线性分析方法研究水稻产量与气象因子的关系,直接使用实际粮食产量代替气象产量,没有考虑时序数据的相关性。此外,大多是挑选对水稻生产最重要的2～3个气象因子进行分析,而忽视了水稻产量取决于多种气象因子的共同胁迫和水稻生长发育不同阶段的需求[19-20]。湖北省是我国最易发生洪涝灾害的地区之一,气象因子变化是造成粮食产量波动的重要因素。因此,本文选取湖北省的漳河灌区为研究区域,结合漳河灌区1975—2020年水稻产量统计资料,利用4种常见的气象产量分离方法研究气象因子与水稻产量波动的关系,从而得到湖北省水稻气象产量的变化特征,识别不同生育阶段影响水稻产量的主要气象因子,建立漳河灌区单季稻对气象因子的响应模型,为预测气候变化对灌区产量的影响提供科学依据[21-23]。

1 材料与方法

1.1 研究区概况

漳河灌区位于湖北省长江支流沮漳河东支的漳河上(见图1),设计灌溉面积260.52万亩(1亩≈666.67 m2),漳河水库是其主要灌溉水源,目前人口162万,其中包括110.68万农业人口。灌区主要种植中稻,是湖北省主要商品粮基地之一。

图1 漳河灌区地理位置Fig.1 Geographical location of Zhanghe irrigation area

1.2 数据来源

漳河灌区1975—2020年水稻产量数据来源于漳河灌区管理局,气象站的逐日气象资料,包括气温(最高、最低气温及平均气温)、相对湿度、日照时数、平均风速、降雨量、蒸发量等来源于荆门市气象局。根据种植面积和水稻产量计算单位面积水稻产量(单产),选择单产可充分消除播种面积变化造成的影响[24]。

1.3 单季稻气象产量

水稻产量受社会因素和自然因素的共同影响。农业技术推广、农业生产经营管理水平的提高、农作物栽培和施肥以及灌溉方法的改进、国家惠农政策的实施等一系列社会因素带来农业生产力水平的不断提高,促进水稻产量不断增加,此部分水稻产量称为趋势产量;自然因素中最主要的影响因素为气象因子,而由于气象因子变化导致的水稻产量称为气象产量;除这2种因素外,由其他因素导致的产量为随机变量,其影响较小,一般可忽略不计[16]。水稻的实际产量可以看作趋势产量与气象产量的总和,即

ot=yt+yw。

(1)

式中:ot为第t年水稻实际产量(kg/hm2);yw为水稻气象产量(kg/hm2);yt为第t年水稻趋势产量(kg/hm2)。采用不同的分离方法计算水稻的趋势产量yt,由式(1)得到气象产量。

根据漳河灌区水稻的实际生长情况,将漳河灌区水稻从育苗到成熟划分为8个阶段,分别为育苗期(5月1—25日)、返青期(5月26日—6月6日)、分蘖前期(6月7—22日)、分蘖后期(6月23日—7月10日)、拔节孕穗期(7月11—26日)、抽穗开花期(7月27日—8月13日)、乳熟期(8月14—28日)、黄熟期(8月29日—9月7日)[20]。选择5月1日至9月7日8个生育阶段的最高气温、最低气温、平均气温、相对湿度、累计日照时数、平均风速、累计降雨量、累计蒸发量8类主要气象因子,运用相关分析法获取各生育阶段与水稻产量相关性最高的气象因子,建立回归模型并进行拟合度与显著性检验,再计算水稻历年产量预测值,与水稻历年实际产量进行比较,以此检验模拟公式的精确度。

1.4 研究方法

滑动平均法、HP滤波法、指数平滑法等是趋势产量分离的常用方法[12-14,25]。气象产量可由水稻实际产量和水稻趋势产量相减得到,最后通过水稻气象产量与水稻相应的8个生育阶段共64个气象因子的回归分析,建立气象产量对气象因子的响应模型。

1.4.1 三点滑动平均法

滑动平均法被认为是一种低通滤波器,它通过依次增减新旧数据,消除偶然变化的因素,发现事物的发展趋势。对于样本量为N的时间序列x,其滑动平均序列表示为

式中:yt为3 a滑动平均产量序列;q为滑动步长。由于本文使用46 a水稻产量数据,农业结构调整通常≥3 a,因此滑动步长q取3,对应于3 a滑动平均法。

1.4.2 指数平滑法

指数平滑法遵循“厚近薄远”的原则对时间系列进行加权处理,所以不同于一般的加权滑动平均法,指数平滑法能对时间序列进行平滑修匀,消除不规则变动的影响。二次指数平滑法的基础为一次指数平滑法,一次指数平滑法的数学模型为

(3)

式中:St、S1、St-1分别为第t年、第t-1年、第1年一次平滑后水稻产量;o1为第1年水稻实际产量。平滑系数a取值范围为0～1,对结果具有重要影响,本研究中取a=0.9。

一次滑动平均产生的序列再进行一次指数平滑后得到二次指数平滑,所以实际上是一次指数平滑的递归形式,即

Dt=aSt+(1-a)Dt-1。

(4)

式中Dt为二次指数水稻平滑后的产量序列。

1.4.3 HP滤波法

HP滤波被看作高通滤波器,其假设水稻产量的时间序列由2部分组成,即高频成分的气象产量与低频成分的趋势产量。水稻实际产量、长期趋势产量以及短期气象产量分别以ot、yt、yw表示,可将yt定义为求取下面公式的最小化问题的解,即

(5)

对式(5)中的ot序列求导,转化成矩阵形式,可得

yt=(λF+I)-1ot。

(6)

式中F和I分别为系数矩阵和单位矩阵。根据前人的研究经验[17-18],参数λ决定趋势线的光滑程度,其参考值选值为100。

2 结果与分析

2.1 水稻单产及趋势产量变化特征

图2显示,1975—2020年漳河灌区水稻单产总体上呈现增长趋势,多年平均单产为7 512 kg/hm2。采用Mann-Kendall秩次法检验漳河灌区水稻单产的变化趋势[26],在0.01显著水平下,1975—2020年统计量为2.39>1.96,呈现明显的上升趋势。根据水稻单产变化规律大致可分为3个阶段。

图2 漳河灌区水稻单产及趋势产量时序变化Fig.2 Time series change of rice yield per unit area and trend yield in Zhanghe irrigation area

(1)稳步上升阶段(1975—1988年)。此阶段为比较明显的上升阶段,这一阶段最高产量达到7 695 kg/hm2,比1975年增产高达79.8%,这主要是政策因素和生产力投入因素综合作用结果。改革开放初期,“家庭联产承包责任制”充分释放了农村生产力,加之农业技术与劳动力的大规模投入,水稻实际单产得到大幅度提升[27]。

(2)稳定阶段(1989—2007年)。此阶段的水稻产量呈现一定的上下波动,但基本保持在6 800 kg/hm2左右;这主要是因为20世纪80年代后期,随着乡镇企业异军突起,发展工业产生的经济效益明显优于农业,农民在解决了基本温饱后,不愿意加大农业投入,加之化肥滥用,土壤肥力降低,但在前期政策和技术投入的惯性作用下水稻单产保持波动稳定。

(3)波动上升阶段(2008—2020年)。2012—2016年连续5 a平均单产超过10 000 kg/hm2,2017年之后产量开始在10 000 kg/hm2上下波动。这是因为稻米市场价格一直保持低价徘徊,“谷贱伤农”造成农民普遍增产不增收,并且此阶段是湖北省城镇化提速最快的阶段,大量农村劳动力进城打工。为了改变这种状况,2006年取消农业税费后,湖北省采取了一系列扶持政策稳定农业生产,提高农民种粮积极性,与此同时漳河灌区节水灌溉试验研究成果不断推广应用,这些因素综合作用导致了该阶段水稻产量呈现一定的上下波动,但是仍呈现增长的趋势。

4种不同的方法分离出漳河灌区水稻单产的趋势产量(见图2),趋势产量曲线基本能反映出1975—2020漳河灌区年水稻单产的变化过程,漳河灌区趋势产量总体上呈现明显的上升趋势,可见农业生产力水平的不断提高促进水稻增产。在4种分离方法中,一次平滑法分离的水稻趋势产量与水稻单产吻合度最好。

将水稻平均单产、趋势产量分别进行相关性分析,显著性检验结果如表1所示。4种方法分离所得的水稻趋势产量与水稻单产的相关性较好,决定系数均在0.9以上,且均通过0.01显著性检验,由此可见4种方法分离出的水稻趋势产量能够较好地反映1975—2020年漳河灌区水稻单产明显上升的变化趋势。其中一次指数平滑法分离的趋势产量与水稻单产相关性最高,R2=0.998,与图2表现一致。其次分别为二次指数平滑法、三点滑动平均法,其决定系数R2分别为0.992、0.911,也能较好反映出不同时期漳河灌区水稻产量的变化趋势。

表1 不同方法分离趋势产量的显著性检验结果Table 1 Significance test results of trend yield decomposed by different methods

2.2 水稻气象产量变化特征

采用三点滑动平均、一次指数平滑、二次指数平滑和HP滤波4种方法,对漳河灌区46 a的水稻单产进行了趋势产量和气象产量的分离。图3显示了4种气象产量分离方法所获得的气象产量。

图3 4种方法分离水稻的气象产量时序变化Fig.3 Time series change of meteorological yield decomposed by four methods

由图3可知,4种方法所分离出的水稻气象产量的年际变化趋势大致保持一致,但是变化幅度存在一定差异。一次指数平滑法和二次指数平滑法波动幅度不太明显,三点滑动平均法和HP滤波法所对应的气象产量波动幅度较大。此外,4种方法得到的气象产量甚至存在数值正负相反的现象,在某些年份差异较大。因此,不同方法获得的气象产量输出结果可能存在不同。

水稻实际单产中,趋势单产占主要成分,趋势产量和气象单产对水稻实际单产多年平均的贡献率分别为96.01%和3.99%。2000年以后,水稻气象产量呈振荡型变化且强度在增强,2008年和2009年的4种分离方法得到的气象产量平均值约为1 200 kg/hm2,约占当年总产量的16.4%,证明气象因子对湖北灌区水稻产量的影响作用在增强。1977年、1995年、2006年气象产量均为负值,气象因子对产量形成不利影响,其中,1977年6月、8月降雨偏少,而6月份是水稻的分蘖期,8月份是水稻的抽穗灌浆期;1995年5—9月降雨偏多,占全年降雨总量的70%;2006年持续阴雨寡照。这些不利的气象条件均是造成水稻减产的重要原因[28]。由上可以看出,分离出的气象产量可以初步反映水稻产量对气象因子的依赖性。

2.3 气象产量与气象因子相关分析

漳河灌区中稻的主要生育期为5月上旬至9月上旬,选取水稻每个生育阶段的气象因子包括最高、最低及平均气温、相对湿度、累计日照时数、平均风速、累计降雨量、累计蒸发量,与分离的气象产量进行相关分析,如表2所示。结果表明,漳河灌区水稻的气象产量与8个不同生育阶段的气象因子存在一定的相关关系,但分离出的气象产量与气象因子决定系数随方法的不同而有一定的差异。因此,合理的气象产量取值是构建漳河灌区单季稻预测模型的关键。

表2 4种方法分离的气象产量与气象因子相关分析Table 2 Analysis of correlation between meteorological factors and meteorological yield decomposed by four methods

2.4 气象产量与气象因子回归分析

水稻产量形成是有机物质积累与分配的过程,其气象产量取决于多种气象因子和水稻生长发育不同阶段需求的综合作用。为深化水稻气象产量与气象因子数量关系的研究,将4种方法分离得到的水稻气象产量Yt与8个生育期的共64个气象因子(S1、S2、…、S64)进行回归分析,结果如表2所示。采用三点滑动平均法时,气象产量与抽穗开花期降雨量、乳熟期降雨量、返青期降雨量、分蘖后期平均气温、乳熟期平均气温和分蘖前期日照时数拟合优度较好;采用一次指数平滑法时,气象产量与抽穗开花期最低气温、拔节孕穗期最高气温、分蘖后期平均气温、返青期最低气温、乳熟期蒸发量和育苗最低气温拟合优度较好;采用二次指数平滑法时,气象产量与抽穗开花期最低气温、拔节孕穗期最高气温、分蘖后期平均气温、返青期最低气温、乳熟期蒸发量、育苗最低气温、乳熟期平均气温和返青期蒸发量拟合优度较好;采用HP滤波法时,气象产量与抽穗开花期最低气温、抽穗开花期蒸发量、返青期最低气温和分蘖后期平均气温拟合优度较好。

据表3可知,各方法所得R2的大小顺序为一次指数平滑法>二次指数平滑法>三点滑动平均法>HP滤波法,说明采用一次指数平滑法时水稻气象产量对气象因子的响应模型拟合优度较好,且标准误差S的大小顺序为一次指数平滑法<二次指数平滑法

表3 气象产量与生育阶段气象因子回归统计Table 3 Regression statistics of meteorological yield and meteorological factors in growth stage

由表4、表5可知,F值为7.122,≫1,显著性检验度SignificanceF为0.000 036,≪0.05,说明逐步回归效果显著。当采用一次指数平滑法时,关键气象因子为抽穗开花期最低气温、拔节孕穗期最高气温、分蘖后期平均气温、返青期最低气温、乳熟期蒸发量、育苗期最低气温。

表4 采用一次指数平滑法时方差分析结果Table 4 Analysis result of variance using single exponential smoothing method

表5 采用一次指数平滑法时回归参数Table 5 Regression parameters using single exponential smoothing method

根据漳河灌区1975—2014年气象产量与各生育阶段气象因子的回归分析,建立中稻气象产量对气象因子的响应模型,即

yw=199.340-6.718S2+15.749S10+11.381S27-

15.283S35-10.273S42+17.549S56。

(7)

式中:S2为育苗期最低气温;S10为返青期最低气温;S27为分蘖后期平均气温;S35为拔节孕穗期最高气温;S42为抽穗开花期最低气温;S56为乳熟期蒸发量。

依据一次指数平滑法的表达式,平滑系数a=0.9时,趋势产量的计算式为

yt(j+1)=0.9y(j)+(1-0.9)yt(j)。

(8)

式中:j为年份;y(j)为第j年的水稻产量(kg/hm2);yt(j)、yt(j+1)分别为第j、第j+1年水稻产量的趋势产量。

根据式(1),可得漳河灌区单季稻产量预测模型为

y(j+1)=0.9y(j)+(1-0.9)yt(j)+199.340-

6.718S2+15.749S10+11.381S27-15.283S35-

10.273S42+17.549S56。

(9)

式中y(j+1)为第j+1年的水稻产量(kg/hm2)。

2.5 模型模拟结果分析

根据建立的漳河灌区中稻预测模型,利用1975—2020年气象资料和水稻实际产量资料,计算得到预测模型的中稻产量预测值。将率定期1975—2014年和验证期2015—2020年的产量预测值与水稻实际产量进行对比,如图4所示。

图4 漳河灌区水稻单产预测模型模拟值与实测值对比Fig.4 Comparison of rice yield per unit area between prediction and measurement in Zhanghe irrigation area

由图4可知,基于漳河灌区水稻单产预测模型模拟中稻产量与水稻单产实测值比较接近,二者之间具有较好的拟合度。模拟值与实测值在率定期的决定系数R2为0.993,水稻产量模拟值与单产最大误差出现在2000年,达到351.1 kg/hm2,相对误差为4.7%;其次为2006年,误差达到-331.9 kg/hm2。模拟值与实测值在验证期间的决定系数R2为0.984,水稻产量模拟值与实测值最大误差出现在2017年,达到-201.7 kg/hm2,相对误差为2.1%。率定期和验证期的预测误差均在5%以内,可见基于气象因子建立的预测模型能够较好地模拟漳河灌区的水稻产量,模型的精度较高,决定系数R2达到0.994,可应用于漳河灌区水稻产量估算。

3 讨 论

水稻的最终产量可以看作为趋势产量和气象产量的总和。趋势产量是反映历史时期生产力发展水平的长周期粮食生产组成部分,除了受品种更新、化肥施用量增加、耕作方式改变等影响外,农业优惠政策的推行也能在较短时间内最大限度地促进趋势产量快速增长。王桂芝等[29]研究了1961—2012年全国粮食50余年的单产数据,结果表明,虽然不同阶段粮食的增产速率存在差异,但全国粮食单产始终维持增长趋势。1961—1977年,由于受农业到生产力水平的制约,近17 a粮食单产增产速率缓慢;1978—1990年期间,由于农业优惠政策如“家庭联产承包责任制”的推行解放了农村生产力,全国的粮食单产迅速增长;1991年后,随着种植技术和农业生产力的进一步发展,粮食处于稳定增长状态[14,24]。尽管本文4种方法拟合出的水稻趋势产量在不同时间段内的增长速率有一定的差别,但与王桂芝等[29]研究的全国粮食增长趋势基本一致。

水稻的产量还受气象因子的制约,气象产量是受气象因子为主的短周期变化影响的波动产量。虽然多年(1975—2020年)平均气象产量只占总产量的4%,2000年之前,气象因子作为水稻生长的必要条件,其变化相对平稳;但是2000年之后随着气候变化,极端天气的频率和强度有所增强,气象产量的变化幅度增强,气候变化对漳河灌区水稻产量的影响作用在增强。漳河灌区水资源丰富、灌溉设施完善,因此在水稻生育期内水分供应充足,供水不是气象产量的主控因素,气象产量年际间的波动主要由温度的年际变化决定。本文4种方法分离出水稻气象产量,与水稻8个生育阶段的8类主要气象因子进行相关分析,筛选出来的主要气象因子都与温度相关,表明4种分离方法得到的气象产量具有较好的一致性,即区域范围内气候特征基本相同时,水稻的气象产量具有基本相似的变化特征[30]。然而,为了反映水稻生长受不同阶段温度条件的影响,一次指数平滑方法分离得到的气象产量相较其他3种方法的结果更加符合实际,其R2=0.994。此外,在不同的生育阶段,水稻气象产量对温度(最低气温、平均气温和最高气温)的敏感性不同,这也反映了全球变暖的背景下,气温对水稻产量的影响愈发显著,导致不稳定性增加,应采取针对性措施着力减轻未来极端气候条件对粮食安全的不利影响。

4 结 论

本文利用4种常见的方法(一次指数平滑、三点滑动平均、二次指数平滑和HP滤波)将漳河灌区的气象资料和同期(1975—2020年)水稻单产分离为趋势产量和气象产量,从而揭示了湖北省典型灌区水稻气象产量的变化特征,得到如下结论:

(1)湖北省典型灌区水稻实际单产可分解为趋势单产和气象单产,趋势单产和气象单产对水稻实际单产多年平均的贡献率分别为96.01%和3.99%。其中,气象单产变化的幅度正在增强,表明气候变化对湖北灌区水稻产量的影响作用在增强。

(2)4种不同方法的计算结果均能体现水稻气象产量的长期变化趋势,但在短期波动幅度上存在一定差异。就气象产量和湖北省平均趋势产量序列之间相关性而言,以一次指数平滑方法最为合理、可信。

(3)回归分析显示,漳河灌区水稻8个生育阶段中,抽穗开花期最低气温、拔节孕穗期最高气温、分蘖后期平均气温、返青期最低气温、乳熟期蒸发量和育苗最低气温是影响气象产量的主要因子,水稻预测模型对2015—2020年水稻产量进行预测,平均准确度达98.4%。建立的水稻产量模型具有较高的预测精度,也更加符合实际情况。