基于关键气象因子的山东省棉花产量预报

侯梦媛

（山东省微山县气象局，山东微山 277600）

0 引言

棉花是重要的经济作物，在中国国民经济中占有重要地位。据统计，2020 年山东省棉花产量达18.3×107kg，播种面积14.3×104hm2。棉花是喜温、喜光、耐旱的短日照作物[1]，其产量形成与气象条件关系密切。一般而言，温度、光照和降水能够改变棉花生长的环境要素，进而影响棉花的生长发育及物候期，最终使其产量发生变化[2-3]。不同地区棉花在不同时期对光温水条件的需求不同，例如新疆棉花籽棉产量在7 月与平均温度呈显著负相关，但在8 月却与平均温度成显著正相关[4]；春季降雨少、夏季及秋季光照充足是山东地区棉花棉铃成熟吐絮的有利条件[5]。吴昊等[6]对鄱阳湖地区棉花的研究认为，蕾铃脱落率与花铃期降水量绝对距平呈正相关。但降雨日数过长、雨量异常偏多也会造成棉花蕾铃脱落增加、产量下降[7-8]。在极端干旱区，吐絮期日照时数长、温度高有利于棉花产量的增加[9]。

基于关键气象因子的产量预报是目前常用的作物产量预报方法之一，其基本思路是在提取显著影响作物气象产量的气象关键因子的基础上，利用神经网络分析或回归分析等方法构建作物产量预测模型。李树岩等[10]根据夏玉米产量及7 月中旬—9 月中旬旬平均气温、旬降水量、旬日照时数，确定了13个关键气象因子，以此为基础建立夏玉米气象产量预报模型，在全省不同区域均达到了一定的预报效果。黄珍珠等[11]将橡胶生长期间的风速、降水、日照、气温等气象要素依次按旬、月进行膨化处理，筛选出与影响橡胶产量的关键气象因子，建立了橡胶产量预报模型，预报准确率在90%以上。此外，该方法在水稻[12]、大豆[13]、小麦[14]、马铃薯[15]、油菜[16]等作物的产量预报中也有广泛应用。但以上研究所建立的预报模型多以旬或月为时间步长，在实时动态预报方面存在一定的时间局限性，也对作物产量预报准确率有一定影响[17]。

因此，本研究以候为时间步长，采用因子膨化处理，对山东省棉花生育期间的逐候平均气温、降水量和日照时数进行膨化，筛选出显著影响棉花气象产量的关键气象因子，并以此建立产量预报模型，以期为山东省棉花产量的定量、动态、精细化预报提供理论依据。

1 资料与方法

1.1 资料来源

气象资料为山东省17 个气象站1990—2020 年逐日平均气温、降水量和日照时数，来源于山东省气候中心。所用山东省棉花单产资料来源于国家统计局，山东省各地市棉花单产资料来源于山东省统计年鉴，资料年代均为1990—2020年。棉花生育期划分时段为4月3候—10月4候[18]，具体结果如表1所示。为比较不同地区模型预报误差的大小，根据地理位置将全省划分为鲁南、鲁中、鲁西北和鲁东4 个区域，其中鲁南地区包括菏泽、济宁、枣庄、临沂、日照，鲁中地区包括济南、莱芜、泰安、淄博、潍坊，鲁西北地区包括东营、滨州、德州、聊城，鲁东地区包括青岛、烟台、威海。

表1 山东省棉花生育期及出现时间

1.2 研究方法

1.2.1 产量资料处理棉花产量主要受社会和自然因素的共同影响，其中社会经济、农业技术等社会因素引发的产量变化为棉花的趋势产量，自然条件引起的产量变化为棉花的气象产量[19]。长时间序列棉花产量可以看作趋势产量、气象产量和随机产量之和，计算公式见式(1)。

式中：Y、Ya、Yb分别为实际产量、趋势产量和气象产量，kg/hm2；θ表示随机产量，一般可以忽略不计[20]。利用5 a滑动平均法拟合趋势产量，将趋势产量从实际产量中分离出来；用实际产量减去趋势产量，则得到气象产量。由1990—2020年山东省棉花单产变化图（图1）可见，趋势产量与气象产量的变化趋势基本一致。

图1 1990—2020年山东省棉花产量

1.2.2 气象资料处理根据地面观测数据统计方法，一个月分为6候，第6候为26日至月底，每候5 d或6 d[21]。首先利用算术平均方法处理17站气象资料，得到全省和区域逐候平均气温、降水量和日照时数，以自然月为计算周期，棉花生长时段为4月3候—10月4候，共38候。依次对山东省棉花生育期内的逐候平均气温、降水量和日照时数等气象要素以线性组合的方式进行膨化处理[22]，时间尺度组合自4月3候开始，至当年10月4候结束。

2 结果与分析

2.1 关键气象因子

将1990—2020 年山东省棉花气象产量与膨化后的气象因子进行相关分析，结果显示，通过0.05水平显著性检验的关键气象因子共14 个（表2）。可以看出，棉花产量与不同时段的平均气温和降水均呈正相关关系，但与生育前期的日照时数呈负相关，与生育后期的日照时数正相关。一般情况下，棉花在4月3候—6月2候期间正处在播种、出苗期，此时棉花生长的适宜土壤水分下限要达到60%～65%[23]，水分不足将对棉花幼苗生长及之后的蕾铃发育产生不利影响，且生长前期经受干旱后，后期如水分补偿不足棉花更易出现棉桃大量脱落、铃重偏低等现象[24]。山东省受季风气候影响，全年降水分布不均，棉花生长期间降水集中于蕾期和花铃期，播种期和苗期的降水量最少[25]，因此水分条件对棉花产量具有正效应。棉花对低温较敏感，日气温低于15℃时生长受限、易发生真菌病害进而减产[26]，生长后期日气温低于20℃则影响纤维成熟[27]。6 月6候棉花正处现蕾期，此时遭受低温将会影响棉花光合性能，抑制生长发育，进而降低光化学效率产量[28]，因此平均气温对棉花产量有正向效应。4月3候—6月5候，棉花一般处在播种—蕾期，而在降雨量、积温相同的情况下，缩短日照时间能够促进棉花现蕾开花[29]；同时，由于播种期和苗期的降水量较少，晴热干旱，此时日照时数增加则会加剧水分对棉花生长的制约，抑制棉花早发，导致后期产量下降[30]。9 月1 候—9 月4 候棉花处在吐絮成熟期，此间充足的日照将会利于棉花光合产物积累，增加铃重，因而对棉花产量具有正向促进作用。

表2 棉花气象产量与气象因子的相关系数

2.2 气象产量预报模型建立

为实现以候为时间步长的棉花产量动态预报，将筛选出的14个关键气象因子（表2）所在时段的下一候第1天作为起报时间，即将4月16日、4月21日、5月26日、6月6日、6月11日、6月21日、6月26日、7月1日、9月21 日作为起报时间。选取起报时段之前的所有关键气象因子作为自变量，气象产量作为因变量，采用多元线性逐步回归的方法，建立相应起报时间的棉花气象产量预报模型。在多元逐步回归模型建立过程中，并非所有因子都能进入最终模型，因此在各候的预报模型中，仅A2、A8、A9、A10、A11共4个因子参与了建模，舍弃了其他影响系数较小的因子。各起报时间模型的预报因子及其回归系数见表3。

表3 棉花气象产量预报模型回归系数

2.3 模型回代检验

为明确模型在区域应用的准确性，分别将全省、鲁南、鲁中、鲁西北、鲁东1990—2016年的气象资料回代入预报模型，计算各起报时段全省及不同区域的棉花气象产量，计算产量预报准确率[10]（表4）。可以看出，全省预报产量趋势回代检验平均准确率为94.1%，但各区域之间回代检验准确率有一定差异。其中，鲁南和鲁中地区模型回代检验准确率大致相当，分别在91.3%～94.1%、93.1%～94.0%之间，但鲁中地区回代检验准确率变幅更小；鲁西北地区回代检验准确率为88.2%～93.3%，平均为92.7%，仅6 月11 日起报模型准确率低于90%；鲁东地区模型回代检验准确率为87.3%～88.4%，各起报时间模型回代检验准确率均低于90%，平均只有88.3%。

表4 1990—2016年棉花产量预报模型回代检验平均准确率 %

2.4 模型预报检验

利用模型对2017—2020 年全省及不同区域的棉花产量进行试报，表5 列出各起报时间棉花产量预报准确率。可以看出，全省平均预报准确率为95.1%，各区域预报准确率均在90%以上。其中，鲁南地区预报准确率最高，平均92.1%；鲁东地区模型预报准确率最低，平均90.9%。

表5 2017—2020棉花产量预报准确率 %

3 结论与讨论

利用模型对1990—2010 年山东省棉花产量进行回代模拟，各起报时间棉花预报产量趋势回代检验全省平均准确率为94.1%。不同区域间模型回代准确率有一定差异，鲁南地区最高，平均93.6%；鲁中地区次之，平均为93.5%且变幅最小；全省只有鲁东地区模型回代检验平均准确率低于90%。利用模型对2017—2020年棉花产量进行预报检验，全省平均预报准确率为95.1%，各区域平均预报准确率均在90%以上，且区域间差别不大，鲁南、鲁中、鲁西北、鲁东地区预报平均准确率分别为92.1%、91.5%、91.5%、90.9%。该模型预报准确率较高，且方法简单、易于使用，相比传统以旬或月为时间步长的预报模型，能够更及时、准确地预报当地的棉花产量，具有较高的业务应用价值。

4—6月山东省棉花一般处于播种—现蕾期，受季风气候影响，该时期降水量较少，降水成为棉花生长的重要制约因素，因而降水量对棉花产量具有正效应。同时，降水较少时日照时数增加则会加剧水分对棉花生长的制约，因而日照时数在该时期与棉花产量负相关。温度对棉花产量的影响最小，且两者为正相关。

为充分考虑连续的气象条件对棉花产量的影响，本研究以候为时间步长，对棉花生育期间的逐候气象要素进行因子膨化处理，根据膨化后的气象因子与气象产量的相关关系建立产量预报模型，该模型能够有效减弱时间间断对预报准确率的影响，但仍存在一定的局限性。进行逐候动态预报时，模型预报准确率并未随起报时间的后移有明显提升，各起报时间模型预报差异并不显著，滚动预报的优势不明显；此外，基于关键气象因子建立产量预报模型对数据稳定性的依赖度较高，且建模时分析单一气象要素与棉花产量的关系，却并未考虑各气象要素间的相互影响，也未将人工栽培管理措施影响及作物生长机理和抗逆性等因素考虑在内。今后应在综合考虑作物自身生长机理及人工栽培干预的条件下，结合多种建模方法，深入探讨气象条件对棉花产量的影响效应，以更进一步提高棉花产量预报的准确率。