鎮(zhèn)賚縣玉米氣象產(chǎn)量預(yù)報(bào)模型及影響因子分析

范婷婷 范生曄 陳美娟 孫 樂

（1.大安市氣象局，吉林 大安 131300；2.鎮(zhèn)賚縣氣象局，吉林 鎮(zhèn)賚 137300）

農(nóng)業(yè)產(chǎn)量易受很多條件制約和影響，包括社會(huì)因素、人為因素、氣象因素等，其中氣象因素往往起著重要甚至是關(guān)鍵性作用，分析研究作物的產(chǎn)量與氣象因子之間的關(guān)系，則可以根據(jù)氣象條件預(yù)報(bào)生產(chǎn)對(duì)象可能形成的最終產(chǎn)量。吉林省白城市鎮(zhèn)賚縣的年平均溫度為5.2℃，作物生長(zhǎng)發(fā)育期（5—9月）平均溫度為19.7℃，≥10℃積溫天數(shù)為156 d，有效積溫3 050℃，無(wú)霜期163 d，年日照時(shí)間2 897.7 h，生長(zhǎng)發(fā)育期日照時(shí)間約為1 329.2 h，年平均降水量約386.9 mm，大多數(shù)降水都集中在夏季，約占全年的72.6%，但夏季溫度高，蒸發(fā)量大，當(dāng)降水量過少時(shí)難以抵擋蒸發(fā)作用導(dǎo)致的土壤水分流失，導(dǎo)致干旱加劇，鎮(zhèn)賚縣的年均蒸發(fā)量可達(dá)1 743.1 mm。同時(shí)，在作物生長(zhǎng)季，尤其在6—8月，氣象因素均比往年同期偏低或偏大，如6—8月降水量同往年相比同期偏低；平均氣溫同往年相比稍大；6—8月日照時(shí)間均比歷年同期多；對(duì)于蒸發(fā)量，由于從2014年開始取消蒸發(fā)觀測(cè)，為此本次統(tǒng)計(jì)為8 a平均數(shù)。根據(jù)資料分析，鎮(zhèn)賚縣平均風(fēng)速7、8月較歷年分別大0.1 m/s和0.2 m/s［1］。

1 資料來(lái)源和處理

1.1 資料來(lái)源

玉米生育期資料來(lái)源于鎮(zhèn)賚縣氣象局玉米氣象觀測(cè)資料和農(nóng)業(yè)局大田調(diào)查。鎮(zhèn)賚縣玉米生產(chǎn)面積、產(chǎn)量等資料來(lái)自鎮(zhèn)賚縣年志和農(nóng)業(yè)局統(tǒng)計(jì)數(shù)據(jù)。

1.2 分離氣象產(chǎn)量

除去噪聲后的作物產(chǎn)量、趨勢(shì)產(chǎn)量和氣象產(chǎn)量的關(guān)系式［2］如下：

式（1）中，yt為趨勢(shì)產(chǎn)量，yw為氣象產(chǎn)量，y為作物產(chǎn)量。筆者利用直線滑動(dòng)平均模擬法實(shí)現(xiàn)分離氣象產(chǎn)量的目的。利用式（1）和直線滑動(dòng)平均模擬法得到的趨勢(shì)產(chǎn)量和氣象產(chǎn)量見表1。

表1 鎮(zhèn)賚縣玉米產(chǎn)量、趨勢(shì)產(chǎn)量和氣象產(chǎn)量

從表1可以得到每一年的氣象產(chǎn)量及趨勢(shì)產(chǎn)量。從表1可以看出氣象產(chǎn)量有正有負(fù)，但趨勢(shì)產(chǎn)量隨著經(jīng)濟(jì)社會(huì)的發(fā)展呈現(xiàn)逐漸上升的趨勢(shì)，可見氣象因素對(duì)于玉米產(chǎn)量的影響較大。下一步建立氣象產(chǎn)量與氣象要素的相關(guān)關(guān)系，確定影響因子最大的氣象要素，構(gòu)建氣象產(chǎn)量模型。

2 結(jié)果與分析

2.1 玉米各旬氣象指標(biāo)統(tǒng)計(jì)分析

選擇與產(chǎn)量相關(guān)性大的氣象要素（分別是降水、溫度、日照），將其按旬劃分，利用每旬?dāng)?shù)據(jù)與產(chǎn)量相擬合［3］。研究采用1998—2012年的產(chǎn)量結(jié)合各年旬氣象資料進(jìn)行分析建模。

2.2 回歸分析

把歷年每旬氣象資料分別與氣象產(chǎn)量進(jìn)行回歸分析，得到點(diǎn)聚圖，從中篩選出相關(guān)性比較好的氣象因素［4］，求出回歸方程和復(fù)相關(guān)系數(shù)。通過構(gòu)建45個(gè)回歸方程得到各氣象因素的相關(guān)系數(shù)。文章根據(jù)相關(guān)系數(shù)的大小對(duì)各個(gè)變量的解釋能力進(jìn)行了排序（見表2）。

表2 所有氣象指標(biāo)與氣象產(chǎn)量回歸分析相關(guān)系數(shù)

從表2能夠看出8月上旬降水、8月下旬降水、8月下旬溫度、6月上旬溫度、6月中旬降水與產(chǎn)量的相關(guān)性比較大。選擇這5個(gè)因子進(jìn)入后續(xù)的分析中。

2.3 氣象產(chǎn)量資料標(biāo)準(zhǔn)化

為了構(gòu)建最終產(chǎn)量與氣象要素的關(guān)系模型，將相關(guān)性較大的氣象要素8月上旬降水、8月下旬降水、8月下旬溫度、6月上旬溫度、6月中旬降水歷年數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化［5-7］，標(biāo)準(zhǔn)化公式為：

式（2）中，X′ ki為第k個(gè)氣象因子的標(biāo)準(zhǔn)化的值，X1為第k個(gè)氣象因子某一階段的實(shí)際值，Xp是第k個(gè)氣象因子某一階段的平均值，S是k氣象因子某一階段的標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)化結(jié)果如表3。

表3 氣象因素與氣象產(chǎn)量標(biāo)準(zhǔn)化結(jié)果

表3中數(shù)據(jù)是利用SPSS進(jìn)行標(biāo)準(zhǔn)化處理后的結(jié)果，對(duì)1992—2012年與作物氣象產(chǎn)量相關(guān)性較大的旬氣象要素進(jìn)行標(biāo)準(zhǔn)化處理，是為了進(jìn)一步分析這些氣象要素與氣象產(chǎn)量的關(guān)系屬性，以便建立作物氣象產(chǎn)量的預(yù)測(cè)模型。

2.4 相關(guān)分析

利用SPSS對(duì)表3中標(biāo)準(zhǔn)化處理后的數(shù)據(jù)與產(chǎn)量進(jìn)行相關(guān)分析，相關(guān)分析結(jié)果見表4。

表4 氣象因素與氣象產(chǎn)量相關(guān)分析結(jié)果

進(jìn)一步證實(shí)了2.2回歸分析的可靠性，從相關(guān)分析的結(jié)果來(lái)看，構(gòu)建回歸方程的5個(gè)自變量與氣象產(chǎn)量的相關(guān)關(guān)系顯著，從表3可以看出5個(gè)要素的r值在-1到1之間，說(shuō)明存在一定的相關(guān)性，其中8月上旬降水、8月下旬降水、6月中旬降水與玉米產(chǎn)量成正相關(guān)，8月下旬溫度、6月上旬溫度與玉米產(chǎn)量成負(fù)相關(guān)，說(shuō)明并不是任何時(shí)候溫度越高越好。

2.5 氣象產(chǎn)量預(yù)報(bào)模型建立

利用與氣象產(chǎn)量相關(guān)性較強(qiáng)的氣象因子，建立回歸方程：

式（3）中，X1為8月上旬降水量，X2為8月下旬降水量，X3為8月下旬溫度，X4為6月上旬溫度，X5為6月中旬降水量。表5具體展示了詳細(xì)的回歸結(jié)果。

表5 回歸分析結(jié)果

運(yùn)用SPSS計(jì)算后，回歸方程的F值為6.667，P值為0.002，可見回歸方程顯著性較好，復(fù)相關(guān)系數(shù)R2為0.69，說(shuō)明方程具有一定解釋意義。

2.6 氣象產(chǎn)量模型的檢驗(yàn)

為了對(duì)模型的擬合率進(jìn)行檢驗(yàn)，利用鎮(zhèn)賚縣氣象局2019年相關(guān)氣象因子的數(shù)據(jù)，帶入氣象產(chǎn)量模型中，計(jì)算得到2019年氣象產(chǎn)量預(yù)測(cè)值為972.1 kg/hm2。而2019年的實(shí)際產(chǎn)量為8 800.5 kg/hm2，通過滑動(dòng)平均法算得2019年的趨勢(shì)產(chǎn)量為7 650.2 kg/hm2，實(shí)際氣象產(chǎn)量為1 150.3 kg/hm2，擬合率為84.5%。

3 結(jié)論與討論

鎮(zhèn)賚縣氣象條件年變化較大，玉米氣象產(chǎn)量受此影響也較大，筆者采用直線滑動(dòng)平均模擬法，分離氣象產(chǎn)量，同時(shí)采用回歸分析及相關(guān)分析確定對(duì)玉米氣象產(chǎn)量影響較大的氣象因子，此種方法合理且準(zhǔn)確率高，為其他農(nóng)作物產(chǎn)量預(yù)測(cè)提供了參考。

表6 2015—2018年玉米產(chǎn)量預(yù)報(bào)檢驗(yàn)結(jié)果

在玉米營(yíng)養(yǎng)生長(zhǎng)階段，降水和溫度對(duì)氣象產(chǎn)量貢獻(xiàn)最大。在生殖生長(zhǎng)階段，溫度與氣象產(chǎn)量呈弱的負(fù)相關(guān)，溫度偏高對(duì)氣象產(chǎn)量形成不利。因此，降水量和溫度是影響玉米產(chǎn)量的主要?dú)庀笠蜃樱r(nóng)業(yè)氣象服務(wù)中應(yīng)關(guān)注旬月降水預(yù)報(bào)和旱情監(jiān)測(cè)。

預(yù)報(bào)模型檢驗(yàn)結(jié)果顯示，該模型預(yù)報(bào)效果良好，可在日常產(chǎn)量預(yù)報(bào)業(yè)務(wù)中推廣應(yīng)用，有利于提高預(yù)報(bào)準(zhǔn)確率。