冬小麥趨勢產(chǎn)量與氣象產(chǎn)量分離方法對比分析

魏慶偉 石俊峰 張億博

摘要：為探尋準確高效分離冬小麥趨勢產(chǎn)量與氣象產(chǎn)量的方法，利用河南省浚縣1986—2018年冬小麥單產(chǎn)數(shù)據(jù)，分別采用HP濾波法、Logistic擬合法、滑動平均法和綜合平均趨勢法擬合其趨勢產(chǎn)量，計算對應(yīng)的氣象產(chǎn)量，并對所得結(jié)果進行對比分析。結(jié)果表明：綜合平均趨勢法分離的趨勢產(chǎn)量與實產(chǎn)變化趨勢最為吻合，氣象產(chǎn)量波動幅度準確反映了實產(chǎn)變化特點，是分離冬小麥趨勢產(chǎn)量與氣象產(chǎn)量最準確的方法。11a滑動平均法及HP濾波法操作簡單，且擬合結(jié)果能較準確地體現(xiàn)氣候變化對糧食產(chǎn)量變化的影響，是較為實用的方法。Logistic擬合法得到的趨勢產(chǎn)量增產(chǎn)速率呈逐步減小趨勢;5a滑動平均法得到的氣象產(chǎn)量波動幅度較小，夸大了社會生產(chǎn)力發(fā)展對小麥增產(chǎn)的作用，部分程度忽略了氣候變化對小麥產(chǎn)量的影響。這兩者所得結(jié)果均在某種程度上與客觀事實不符，不適合該地區(qū)冬小麥趨勢產(chǎn)量與氣象產(chǎn)量的分離。

關(guān)鍵詞：冬小麥;趨勢產(chǎn)量;氣象產(chǎn)量;HP濾波;Logistic擬合;滑動平均

中圖分類號：S512.1+1：S11 ?文獻標識號：A ?文章編號：1001-4942（2019）08-0127-06

Abstract In the study， the trend yield was fitted respectively by HP filter method， Logistic fitting method， moving average method and comprehensive average trend method based on winter wheat yield data from 1986 to 2018 in Xunxian County of Henan Province， and the corresponding meteorological yield was calculated. The results were compared and analyzed to explore the effective separation method for separating trend yield and meteorological yield of winter wheat.The results showed that the trend yield separated by comprehensive average trend method was the most consistent with the trend of real production， and the fluctuation range of meteorological yield also accurately reflected production change characteristics， so it was the best method for separating trend yield and meteorological yield of winter wheat. The HP filter and 11a moving average method were more practical methods. The growth of trend yield decreased gradually which fitted by Logistic fitting method. The fluctuation range of meteorological yield was narrower by 5a moving average method， so the effect of social productivity development on wheat yield was exaggerated and the impact of climate change was ignored partially， to some extent. The result was not consistent with the objective fact. Therefore， the two methods were not suitable for separating trend yield and meteorological yield of winter wheat in the research area.

Keywords Winter wheat; Trend yield; Meteorological yield; HP filter; Logistic fitting; Moving average

冬小麥是我國的主要糧食作物之一，2016年中國冬小麥產(chǎn)量為1.22億噸[1]，在我國糧食生產(chǎn)和糧食安全方面占有重要地位[2-4]。目前全球氣候變化已經(jīng)成為不容置疑的事實，由氣候變化導致的極端天氣事件發(fā)生頻率不斷上升[5-7]。在氣候變化對農(nóng)作物產(chǎn)量影響方面，極端天氣事件導致的農(nóng)業(yè)氣象災(zāi)害成為左右農(nóng)作物產(chǎn)量年際間波動的最主要因素[8]。冬小麥作為我國大面積室外種植作物，整個生長周期較長，對氣候條件要求較高[9，10]，不同的生長階段對光照、溫濕度及降雨具有不同的敏感性要求，受氣象條件影響較大[11，12]。因此，探討氣象條件對冬小麥產(chǎn)量的影響對于準確掌握冬小麥產(chǎn)量趨勢、因地制宜制定冬小麥適應(yīng)性策略、保障我國糧食生產(chǎn)的穩(wěn)定和安全具有重要意義。

準確掌握氣象條件對冬小麥產(chǎn)量的影響必須以氣象產(chǎn)量的準確獲取為前提，因此選取合適的方法準確分離出趨勢產(chǎn)量與氣象產(chǎn)量對研究結(jié)果具有重要意義。目前，較為常用的作物趨勢產(chǎn)量分離方法主要有滑動平均法、Logistic函數(shù)擬合法、HP濾波法及二次曲線擬合法等。成林等[13]運用直線滑動平均法模擬了河南省1981—2014年冬小麥趨勢產(chǎn)量，進而計算出相對氣象產(chǎn)量;房世波[14]采用3a滑動平均、5a滑動平均、二次曲線3種方法模擬趨勢產(chǎn)量;王桂芝[15]和效賽麗[16]等采用HP濾波法進行了長時間序列的趨勢產(chǎn)量擬合;趙東妮等[17]采用HP濾波法、指數(shù)平滑法以及Logistic方法分離了遼寧省水稻的趨勢產(chǎn)量、氣象產(chǎn)量，并對不同方法的有效性及合理性進行了評價分析;牛浩等[18]利用5a滑動平均法、雙指數(shù)平滑法、回歸分析法、HP 濾波法對山東省玉米趨勢產(chǎn)量進行擬合，并分離出相應(yīng)的氣象產(chǎn)量。為了探尋準確有效分離冬小麥氣象產(chǎn)量的方法，本研究以冬小麥主產(chǎn)區(qū)河南省?？h1986—2018年長時間序列的產(chǎn)量數(shù)據(jù)為例，分別采用HP濾波法、Logistic擬合法、滑動平均法和綜合平均趨勢法分離趨勢產(chǎn)量，進而計算出該時期的氣象產(chǎn)量變化情況，并比較分析不同類型方法的合理性，以探尋最適的趨勢產(chǎn)量提取方法，提高氣象產(chǎn)量分離的準確性。

1 材料與方法

1.1 數(shù)據(jù)來源

由于我國冬小麥可種植耕地資源基本固定，冬小麥產(chǎn)量的不斷增長主要是源于單產(chǎn)的增長。為了能夠較準確獲得氣象條件變化對冬小麥產(chǎn)量的影響，本研究選取冬小麥主產(chǎn)區(qū)河南省?？h1986—2018年的單產(chǎn)數(shù)據(jù)進行分析，數(shù)據(jù)來源于河南省鶴壁市統(tǒng)計局。

1.2 研究方法

冬小麥的產(chǎn)量主要受社會因素和自然因素影響。在冬小麥的長期生產(chǎn)時間序列中，社會因素的影響表現(xiàn)在由于科技和投入加強所引起的生產(chǎn)力水平的提高上，把這種由生產(chǎn)力水平提高引起的冬小麥產(chǎn)量的變化稱為趨勢產(chǎn)量，也稱為技術(shù)產(chǎn)量。自然因素的影響主要表現(xiàn)在年際間氣象條件的差異造成的冬小麥產(chǎn)量變化，因此將由氣象因素引起的小麥產(chǎn)量波動性變化稱為氣象產(chǎn)量。同時，由一些其它因素變動引起的冬小麥產(chǎn)量變化稱為隨機產(chǎn)量。即一般將作物的總產(chǎn)量分解為趨勢產(chǎn)量、氣象產(chǎn)量和隨機產(chǎn)量，公式[19]為

2 結(jié)果與分析

2.1 趨勢產(chǎn)量擬合結(jié)果分析

2.1.1 趨勢產(chǎn)量擬合曲線分析 利用上述方法分別擬合出對應(yīng)的趨勢產(chǎn)量值，并利用Microsoft Excel軟件得到冬小麥趨勢產(chǎn)量與實際產(chǎn)量的對比圖（圖1～圖4）?？梢姡姆N方法擬合計算的趨勢：產(chǎn)量曲線均能反映出1986—2018年?？h冬小麥單產(chǎn)的變化趨勢，即由于科技水平的發(fā)展，社會生產(chǎn)力不斷提升，?？h冬小麥單產(chǎn)一直處于較為穩(wěn)定的增長狀態(tài)。5a滑動平均法擬合的冬小麥趨勢產(chǎn)量與實產(chǎn)最為吻合，是四種方法中唯一能表現(xiàn)出部分時間段冬小麥單產(chǎn)有下降趨勢的方法;但由于其趨勢產(chǎn)量曲線存在較大的波動性，故不能有效分離出短時間內(nèi)受氣候條件影響導致的氣象產(chǎn)量變化。其他三種方法擬合的趨勢產(chǎn)量曲線均表現(xiàn)為平穩(wěn)向上傾斜，其中，HP濾波法及11a滑動平均法還能通過曲線斜率較好反映出不同時期冬小麥單產(chǎn)增長速度的快慢，且11a滑動平均法表現(xiàn)更明顯，如：1986—1994年與2002—2008年趨勢產(chǎn)量曲線斜率較大，表明?？h冬小麥單產(chǎn)處于快速增長階段;1995—2001年與2009—2018年曲線斜率較小，表明該階段?？h冬小麥單產(chǎn)增長速度較為平緩，與實產(chǎn)增長趨勢較為一致。Logistic擬合的趨勢產(chǎn)量曲線最為平穩(wěn)，但其斜率一直處于減小狀態(tài)，表明冬小麥單產(chǎn)增長速度一直在減小，這與實際情況不符。

綜上所述，各趨勢產(chǎn)量擬合方法均有一定程度的優(yōu)劣性，為最大程度減小某種方法擬合趨勢產(chǎn)量的隨機性，本研究將上述四種方法擬合的冬小麥趨勢產(chǎn)量序列求平均，得到綜合平均趨勢產(chǎn)量，用來代表?？h地區(qū)1986—2018年間冬小麥單產(chǎn)的整體增長趨勢。綜合平均趨勢產(chǎn)量與實際產(chǎn)量的對比如圖5所示。可以看出，綜合平均趨勢產(chǎn)量曲線既可以反映出1986—2018年間浚縣冬小麥單產(chǎn)隨著社會生產(chǎn)力的不斷提升一直處于較為穩(wěn)定的增長狀態(tài)，又能反映出不同時間段產(chǎn)量增長速率的快慢，擬合效果整體好于上述四種方法。

2.1.2 趨勢產(chǎn)量擬合相關(guān)性分析 根據(jù)不同方法擬合出趨勢產(chǎn)量值，利用SPSS軟件將趨勢產(chǎn)量序列與實際產(chǎn)量序列分別進行回歸分析及相關(guān)性分析，其顯著性檢驗結(jié)果見表1。可見，四種擬合方法及平均趨勢擬合法所得趨勢產(chǎn)量與實際產(chǎn)量具有較強的相關(guān)性，相關(guān)系數(shù)均大于0.9，且均通過0.01顯著性檢驗，表明上述方法分離出的趨勢產(chǎn)量可以較好地反映?？h冬小麥單產(chǎn)1986—2018年間顯著增長的變化趨勢。其中5a滑動平均法擬合趨勢產(chǎn)量結(jié)果與實際單產(chǎn)相關(guān)性最高，R=0.977，與圖3表現(xiàn)一致。其次與實產(chǎn)相關(guān)性較高的為綜合平均趨勢法和11a滑動平均法，相關(guān)系數(shù)分別為0.962、0.960，也能較好反映出不同時期冬小麥產(chǎn)量增長速度的快慢。

由于趨勢產(chǎn)量反映的是長時間序列內(nèi)由生產(chǎn)力水平提高及惠農(nóng)政策實施引起的冬小麥單產(chǎn)的整體變化趨勢，并非趨勢產(chǎn)量與實際產(chǎn)量越吻合、相關(guān)性越高擬合效果越好，因為這樣容易夸大社會生產(chǎn)力水平對產(chǎn)量提高的作用，從而忽略氣候變化對產(chǎn)量影響的信息?？傮w而言，平均趨勢擬合法和11a滑動平均法分離的趨勢產(chǎn)量與實際冬小麥單產(chǎn)增長趨勢最為吻合。

2.2 氣象產(chǎn)量分離結(jié)果分析

根據(jù)公式（1），利用1986—2018年?？h冬小麥實際單產(chǎn)與上述四種擬合方法分離的趨勢產(chǎn)量計算氣象產(chǎn)量，結(jié)果如圖6所示;由綜合平均趨勢產(chǎn)量計算的氣象產(chǎn)量如圖7所示。

氣象產(chǎn)量柱狀圖的正負波動表明氣候變化對糧食產(chǎn)量的影響時正（增產(chǎn)）時負（減產(chǎn)），波動的范圍則表明氣候變化對糧食產(chǎn)量貢獻率的大小。從圖6、圖7可以看出，以上五種方法在氣候條件變化明顯的年份均能反映出其對冬小麥單產(chǎn)變化的影響，如1990、2002及2018年氣象產(chǎn)量均表現(xiàn)為減產(chǎn)年份;1989、1997年氣象產(chǎn)量均表現(xiàn)為增產(chǎn)年份。同時可以看出2000年之后氣象產(chǎn)量的變化幅度明顯小于2000年之前，且每個氣象產(chǎn)量明顯減產(chǎn)年份的前一年基本上都為增產(chǎn)年。

從擬合方法上看，Logistic擬合法得到的氣象產(chǎn)量波動范圍最大，5a滑動平均法得到的氣象產(chǎn)量波動范圍最小。這也進一步驗證了Logistic法擬合的趨勢產(chǎn)量與冬小麥實產(chǎn)相關(guān)性最低，5a滑動平均法擬合的趨勢產(chǎn)量與冬小麥實產(chǎn)相關(guān)性最高。綜合平均趨勢擬合法和11a滑動平均法分離出的氣象產(chǎn)量變化幅度與實際情況最為一致。

3 討論與結(jié)論

本研究以冬小麥主產(chǎn)區(qū)河南省?？h1986—2018年間歷史單產(chǎn)數(shù)據(jù)為基礎(chǔ)，對HP濾波法、Logistic擬合法、5a和11a滑動平均法及綜合平均趨勢法分離趨勢產(chǎn)量及氣象產(chǎn)量的合理性進行了對比分析，結(jié)果表明：

（1）以上五種方法分離出的趨勢產(chǎn)量序列均能較好反映出社會發(fā)展趨勢并擬合出1986年以來?？h冬小麥單產(chǎn)的增長趨勢，且均通過了0.01顯著性檢驗，與實際產(chǎn)量的相關(guān)系數(shù)均大于0.9。整體而言，綜合平均趨勢法分離出的趨勢產(chǎn)量與實際單產(chǎn)的變化趨勢最為吻合，優(yōu)于其他四種方法;11a滑動平均法及HP濾波法能較好體現(xiàn)冬小麥不同時間段增產(chǎn)速度的緩慢，能很好反映社會發(fā)展趨勢，優(yōu)于Logistic擬合法和5a滑動平均法。

（2）不同方法得到的氣象產(chǎn)量波動性較好體現(xiàn)了氣候變化對冬小麥單產(chǎn)變化的影響。與趨勢產(chǎn)量分離效果表現(xiàn)一致，綜合平均趨勢法分離出的氣象產(chǎn)量波動幅度合理性與實際氣候變化趨勢最為吻合，優(yōu)于其他四種方法。11a滑動平均法及HP濾波法能較準確體現(xiàn)氣候變化對產(chǎn)量變化的影響，整體優(yōu)于Logistic擬合法和5a滑動平均法。

綜上分析，我們認為綜合平均趨勢法是分離長時間序列冬小麥趨勢產(chǎn)量與氣象產(chǎn)量的最佳方法，其次為11a滑動平均法及HP濾波法。Logistic擬合法和5a滑動平均法擬合結(jié)果均在某種程度上與客觀事實不符，不適合用于該地區(qū)冬小麥趨勢產(chǎn)量與氣象產(chǎn)量的分離。

由于數(shù)據(jù)有限，本研究僅對?？h1986年以來冬小麥的單產(chǎn)進行了對比分析。而不同方法對不同作物、不同區(qū)域氣候變化影響的敏感程度不同，因此如何根據(jù)不同的產(chǎn)量數(shù)據(jù)特性，選擇合適的分離方法，還有待進一步驗證與分析。

參 考 文 獻：

[1] 國家統(tǒng)計局. 2016年全國夏糧產(chǎn)量數(shù)據(jù)[R/OL]. 2018-10-04. http：//data.stats.gov.cn/easyquery.htm？cn=C01&zb=A0D0G&sj=2016.

[2] 宋艷玲. 現(xiàn)代及未來氣候變化對我國冬小麥的影響[D]. 北京：中國科學院大氣物理研究所， 2007.

[3] 戴彤， 王靖， 赫迪， 等. 1961—2010年氣候變化對西南冬小麥潛在和雨養(yǎng)產(chǎn)量影響的模擬分析[J]. 中國生態(tài)農(nóng)業(yè)學報， 2016， 24（3）：293-305.

[4] 劉敏. 中國近50年極端氣候事件變化及對糧食產(chǎn)量的影響初步研究[D]. 北京：中國科學院研究生院，2011.

[5] Zhuang J， Xu S， Li G， et al. The influence of meteorological factors on wheat and rice yields in China [J]. Crop Science， 2018， 58（2）：837-852 .

[6] 鄔婧. 我國小麥生產(chǎn)的技術(shù)效率分析[D]. 南京：南京農(nóng)業(yè)大學， 2010.

[7] Zhang J P， Zhao Y， Ding Z H. Research on the relationships between rainfall and meteorological yield in irrigation district [J]. Water Resources Management， 2014， 28（6）：1689-1702.

[8] 郭寧.淺析河南省農(nóng)業(yè)氣象災(zāi)害對主要糧食作物的產(chǎn)量影響[J]. 農(nóng)業(yè)與技術(shù)， 2013（3）：161.

[9] 毛守原. 河南省小麥氣象指數(shù)保險產(chǎn)品研究[D]. 鄭州：鄭州大學， 2014.

[10] 張明捷， 王運行， 趙桂芳， 等. 濮陽冬小麥生育期氣候變化及其對小麥產(chǎn)量的影響[J]. 中國農(nóng)業(yè)氣象， 2009， 30（2）：223-229.

[11] 王培娟， 張佳華， 謝東輝， 等. A2和B2情景下冀魯豫冬小麥氣象產(chǎn)量估算[J]. 應(yīng)用氣象學報， 2011， 22（5）：549-557.

[12] Ouazaa S， Latorre B， Burguete J， et al. Effect of intra-irrigation meteorological variability on seasonal center-pivot irrigation performance and corn yield [J]. Agricultural Water Management， 2016， 177：201-214.

[13] 成林， 李彤霄， 劉榮花. 主要生育期氣候變化對河南省冬小麥生長及產(chǎn)量的影響[J]. 中國生態(tài)農(nóng)業(yè)學報， 2017， 25（6）：931-940.

[14] 房世波. 分離趨勢產(chǎn)量和氣候產(chǎn)量的方法探討[J]. 自然災(zāi)害學報， 2011，20（6）：13-18.

[15] 王桂芝， 陸金帥， 陳克垚， 等. 基于HP濾波的氣候產(chǎn)量分離方法探討[J]. 中國農(nóng)業(yè)氣象， 2014， 35（2）：195-199.

[16] 效賽麗， 朱秀英， 鄧蒙芝， 等. 基于HP濾波法的河南省糧食產(chǎn)量波動分析[J]. 河南農(nóng)業(yè)大學學報， 2014， 48（6）：785-789.

[17] 趙東妮， 王艷華， 任傳友， 等. 3種水稻趨勢產(chǎn)量擬合方法的比較分析[J]. 中國生態(tài)農(nóng)業(yè)學報， 2017， 25（3）：345-355.

[18] 牛浩， 陳盛偉. 山東省玉米氣象產(chǎn)量分離方法的多重比較分析[J]. 山東農(nóng)業(yè)科學， 2015， 47（8）：95-99.

[19] 王媛， 方修琦， 徐錟. 氣候變化背景下“氣候產(chǎn)量”計算方法的探討[J]. 自然資源學報， 2004， 19（4）：531-536.

[20] 高帆. 我國糧食生產(chǎn)的波動性及增長趨勢：基于H-P濾波法的實證研究[J]. 經(jīng)濟學家， 2009， 5（5）：57-68.

[21] 董江水. 應(yīng)用SPSS軟件擬合Logistic曲線研究[J]. 金陵科技學院學報， 2007， 23（1）：21-24.

[22] 殷祚云. Logistic曲線擬合方法研究[J]. 數(shù)理統(tǒng)計與管理， 2002， 21（1）：41-46.

[23] 張蕾， 呂厚荃， 程路. 北方冬小麥趨勢產(chǎn)量擬合方法探討[J]. 天氣預(yù)報， 2014（5）：43-49.

[24] 王秀芬， 楊艷昭， 尤飛. 近30a來黑龍江省氣候變化及其對玉米產(chǎn)量的影響[J]. 干旱區(qū)研究， 2012， 29（6）：1105-1111.