南昌早稻產量預測模型研究

馮敏玉+黃淑娥

摘 要：為更好地預測早稻產量，文章統(tǒng)計分析了1994—2010年南昌早稻生長期間的氣象因子及早稻產量資料，通過5年滑動平均和多元線性回歸的方法建立了南昌市早稻產量的氣候預測模型。結果表明，模型預測結果與早稻實際單產擬合率較高，平均精度達97.0%。此模型預測結果可為早稻產量預報分析提供科學依據(jù)。

關鍵詞：早稻產量；預測模型；5年滑動平均；線性回歸

中圖分類號：S511.3+1 文獻標識碼：A DOI 編碼：10.3969/j.issn.1006-6500.2017.09.021

Abstract： For predicting the early rice yield better， the data were analyzed in this paper， which included the meteorological factors and rice yield from 1994 to 2010 in Nanchang， throughing the method of multiple linear regression and 5 year moving average. The climate prediction model was established. Testing results showed there was a high fitting rate between the model prediction results and actual yield of early rice. The average accuracy was 97.0%. The result indicated that this model could provide scientific basis for early rice yield forecast analysis.

Key words： early rice yield； prediction model； 5 year moving average； linear regression

水稻是我國主要的糧食作物，隨著全球氣候變暖，極端氣候事件頻發(fā)[1-2]，對水稻生產造成影響，水稻產量波動大。

我國幅員遼闊，區(qū)域氣候特征明顯，各地農業(yè)生產受氣候影響差異顯著。由于農作物種類多，區(qū)域環(huán)境條件差異大，而氣候變化對作物的影響復雜多變，有的地區(qū)影響是正效應，而另一些地區(qū)影響則是負效應。

有研究表明，水稻生育期因氣候變暖而縮短，產量面臨不同程度的減產[3-6]。帥細強等[7]建立了不同發(fā)育期水稻模擬生物量與相對氣象產量的相關統(tǒng)計模型，結合趨勢產量預測，實現(xiàn)了地區(qū)級雙季稻不同發(fā)育期的產量動態(tài)預測，效果較好。鄭昌玲等[9]利用早稻不同生育階段氣象因子的綜合聚類指標選擇氣象相似年型，再根據(jù)相似年的產量變化確定分析了產量氣象影響指數(shù)，建立全國和區(qū)域早稻單產動態(tài)預報模型。姜麗霞等[10]通過對玉米生長過程的干物質累積曲線進行逐時段的溫度和水分訂正，建立了黑龍江省玉米氣候產量的預測模式。杜春英等[11]根據(jù)歷年水稻產量豐歉氣象影響指數(shù)，建立了黑龍江省水稻產量豐歉趨勢動態(tài)預報模型。作物模擬模型能夠充分發(fā)揮監(jiān)測和調控作物生長、預測產量的功能，在生產上發(fā)揮了積極作用。

南昌屬亞熱帶地區(qū)，以生產雙季水稻為主，雙季早稻種植面積基本維持在10萬hm2以上，2003年受干旱影響，早稻生產面積不足10萬hm2，產量減幅也很大。2003年以后，產量波動較小且大致呈上升的趨勢。

本研究利用1994年以來南昌地區(qū)早稻生長期間的旬平均氣溫、旬降水量、旬日照時數(shù)等氣象觀測資料，對早稻氣象產量與相關氣象因子進行分析，建立適宜于南昌地區(qū)的早稻氣象產量的預測模型，為南昌早稻產量預報提供技術方法和科學依據(jù)。

1 材料和方法

1.1 資料來源

1994—2014年的氣象資料來源于南昌市國家氣象觀測站，資料包括3月中旬至7月上旬逐旬平均氣溫、降水量和日照時數(shù)；早稻產量資料來源于南昌市統(tǒng)計局。

1.2 研究方法

根據(jù)南昌市1994—2010年早稻單產數(shù)據(jù)，對早稻單產時間序列采用5年滑動平均得出趨勢產量，實際產量減去趨勢產量即為氣象產量。

采用一元線性回歸和多元線性回歸分析方法[12]，分別建立Yt，Yw的預測模型，二者相加即可得到早稻產量的預測模型。

2 結果與分析

2.1 早稻產量的年際波動

1994—2016年，南昌市早稻單產大體上經歷了3個階段：1994—1997年，單產相對較高；1998—2003年，極端天氣現(xiàn)象頻發(fā)（1998年暴雨天氣多，2003年旱災嚴重），早稻產量波動較大，早稻單產總體偏低；2004—2016年，早稻生長期間氣象條件相對穩(wěn)定，早稻產量穩(wěn)步增長（圖1）。

受經濟因素影響，糧食種植面積每年均會有小幅的波動。在實際生產過程中，氣象因子對水稻產量的影響明顯。從圖1可以看出，1995，1998，2003年單產和總產均相對較低，原因可能是由于1995，1998年洪澇災害嚴重，單產受到嚴重影響；而2003年干旱嚴重導致產量下降，2010年降水偏多，產量又明顯下降。

2.2 趨勢產量預測模型的建立

模擬趨勢產量的方法有多種，用得較多的是滑動平均法。采用5年滑動平均法對1994—2010年早稻實際單產進行滑動處理，分離出趨勢產量Yt和氣象產量Yw，滑動后樣本序列變成1998—2010年。建立一組新的數(shù)據(jù)文件，對趨勢產量與年份進行一元線性回歸分析。得出回歸方程如下。

2.3 早稻氣象產量預測模型的建立

影響農業(yè)生產的氣候環(huán)境包括光、溫、水等多個氣象因子，各因子量的過與不及均會對產量產生較大的影響。通過多元線性回歸分析，建立回歸分析模型，更能體現(xiàn)氣象因子的綜合作用。通過對1998—2010年氣象產量與早稻生育期各旬氣象因子進行相關分析，結果發(fā)現(xiàn)，早稻氣象產量與6月下旬的平均氣溫、6月中旬和6月下旬的日照呈正相關，相關系數(shù)分別為0.513 5，0.547 8，endprint

0.610 1，且在0.05水平上顯著；與6月上旬的降水量呈負相關，相關系數(shù)為-0.739，且在0.01水平上顯著。選取顯著相關的各因子， 通過多元線性回歸分析，建立多元線性回歸方程。

3 預測效果檢驗

為驗證模型的預測效果，將2011—2016年南昌市早稻生長期間的上述各氣象因子分別代入式 （5），得到2011—2016年早稻的模擬產量。與實際的產量進行比較，結果表明，模型預測結果與早稻實際單產擬合率較高，預測精度最低為96.0%，最高為99%，平均精度為97.0%（表1）。

4 結論與討論

近年來，許多學者利用各種模型對不同的農作物開展產量預測，結果得出產量預測的模型很多[13-18]，但各地氣候差異大，不能照搬照套。本研究利用南昌本地的氣候資料，通過多元線性回歸分析方法，建立了適用于本地區(qū)的早稻產量預測模型。經檢驗，預測精度平均達97.0%，預測效果較好，可用于本地區(qū)早稻產量預測。

實際生產中，除農業(yè)產業(yè)結構調整帶來的產量波動之外，影響作物產量高低主要的是作物品種、栽培技術、氣象條件和管理水平。但氣象因子的變化是影響產量年際間波動的主要因子，尤其是關鍵生長期的氣象因子。本研究結果表明，6月的光溫水因子對氣象產量影響最大，復相關系數(shù)為0.784 2。

參考文獻：

[1]王馥棠. 近十年來我國氣候變暖影響研究的若干進展[J]. 應用氣象學報， 2002， 13（6）： 755-766.

[2]傅樺. 全球氣候變暖的成因與影響[J]. 首都師范大學學報（自然科學版）， 2007， 28（6）： 11-15.

[3]張宇， 王馥棠. 氣候變暖對我國水稻生產可能影響的數(shù)值模擬試驗研究[J]. 氣象學報， 1998， 56（3）： 369-376.

[4]謝遠玉， 張紅林， 劉翠華， 等. 早稻結實率與千粒重對氣象條件響應關系探討[J]. 江西農業(yè)大學學報， 2005， 27（Z）： 154-157.

[5]葛道闊， 金之慶. 氣候及其變率變化對長江中下游稻區(qū)水稻生產的影響[J]. 中國水稻科學， 2009， 23（1）： 57-64.

[6]王保生， 曾煜. 江西省早稻產量氣象預報模式的研究[J]. 中國農業(yè)氣象， 1985， 6（2）： 35-37.

[7]帥細強， 王石立， 馬玉平， 等. 基于水稻生長模型的氣象影響評價和產量動態(tài)預測[J]. 應用氣象學報， 2008， 19（1）： 71-81.

[8]劉偉昌， 陳懷亮， 余衛(wèi)東， 等. 基于氣候適宜度指數(shù)的冬小麥動態(tài)產量預報技術研究[J].氣象與環(huán)境科學， 2008， 31（2）： 21-24.

[9]鄭昌玲， 楊霏云， 王建林， 等.早稻產量動態(tài)預報模型[J]. 中國農業(yè)氣象， 2007， 28（4）： 412-416.

[10]姜麗霞， 王育光， 孫孟梅， 等. 黑龍江省玉米產量預報模式的研究[J].中國農業(yè)氣象， 2004， 25（1）： 13-15.

[11]杜春英， 李帥， 王晾晾， 等. 基于歷史產量豐歉影響指數(shù)的黑龍江省水稻產量動態(tài)預報[J]. 中國農業(yè)氣象， 2010， 31（3）： 427-430.

[12]彭國照， 楊秀容. 四川盆區(qū)水稻氣候年景及產量模型研究[J]. 中國農業(yè)氣象， 2001， 22（4）： 6-10.

[13]羅清， 劉曉迎. 涼山州馬鈴薯氣象產量模型研究[J]. 西南師范大學學報（自然科學版）， 2011， 36（5）： 114-118.

[14]張國林， 張富榮， 宗英飛， 等. 基于氣象因子的朝陽大棗年景預報模型[J]. 中國農業(yè)氣象， 2012， 33（2）： 240-244.

[15]張文英， 栗秋生， 栗雨勤. 河北省玉米產量灰色理論分析與預測[J]. 華北農學報， 2007， 22（S1）： 164-166.

[16]李炳軍， 李秋芳， 盧秀霞. 灰色線性回歸組合模型在河南省糧食產量預測中的應用[J].河南農業(yè)科學， 2009（10）： 46-49.

[17]張榮達， 唐義. 畢節(jié)試驗區(qū)糧食產量組合預測模型研究[J]. 現(xiàn)代農業(yè)科技， 2010（1）： 47-48.

[18]朱秀紅， 鄭美琴， 姚文軍， 等. 基于SPSS的日照市茶葉產量預測模型的建立[J]. 河南農業(yè)科學， 2010（7）： 31-33.endprint