基于關(guān)鍵氣象因子的河北省馬鈴薯產(chǎn)量預(yù)報

薛思嘉，魏瑞江，王朋朋， 劉園園，楊 梅

(1.河北省氣象與生態(tài)環(huán)境重點實驗室，河北 石家莊 050021；2.河北省承德市氣象局，河北 承德 067000；3. 河北省氣象科學(xué)研究所，河北 石家莊 050021)

引 言

馬鈴薯是河北省乃至全國的重要糧食作物，其產(chǎn)量形成受多重因素共同影響，隨著生產(chǎn)力水平的提高，氣象要素的影響愈加明顯。在品種一定、管理水平相對穩(wěn)定的條件下，光、溫、水等氣象因素是影響馬鈴薯產(chǎn)量形成的主要因素[1]。如青海高原東北部馬鈴薯氣象產(chǎn)量與降水和日照分別呈顯著正相關(guān)和負相關(guān)[2]；甘肅馬鈴薯產(chǎn)量，在降水量一定的情況下，隨氣溫的升高而降低，在氣溫一定的條件下，隨降水量的增多而增大[3]；高寒半干旱地區(qū)馬鈴薯生長發(fā)育主要受熱量和日照時數(shù)的影響[4]。建立馬鈴薯產(chǎn)量與氣象條件的關(guān)系模型，對馬鈴薯產(chǎn)量進行預(yù)測是做好農(nóng)業(yè)氣象服務(wù)的基礎(chǔ)，對馬鈴薯進出口貿(mào)易有著重要意義[5-6]。

產(chǎn)量預(yù)報是氣象部門核心業(yè)務(wù)之一，目前常用的作物產(chǎn)量預(yù)報方法主要有統(tǒng)計方法[7-10]、動力生長模型方法[11-13]等。統(tǒng)計方法中應(yīng)用最為廣泛的是采用相關(guān)分析，提取對作物氣象產(chǎn)量影響顯著的關(guān)鍵氣象因子，在此基礎(chǔ)上進行回歸分析或神經(jīng)網(wǎng)絡(luò)分析，構(gòu)建預(yù)測模型，進而預(yù)測作物產(chǎn)量[14-15]，其在河南、遼寧、江蘇、重慶等地的玉米、大豆、小麥、水稻等作物的產(chǎn)量預(yù)報中得到應(yīng)用[16-18]，達到了一定的預(yù)報效果。但以上研究中所建的作物產(chǎn)量預(yù)報模型多是依據(jù)獨立的月或旬的氣象因子進行預(yù)報，而氣象條件對作物產(chǎn)量的影響有時間上的連續(xù)性，若以獨立的月、旬氣象因子進行預(yù)報，勢必產(chǎn)生人為間斷其影響的問題，不利于提高作物產(chǎn)量預(yù)報準(zhǔn)確率[19-21]。

因此，本文采用因子膨化技術(shù)，對馬鈴薯生育期間的逐旬平均氣溫、降水量和日照時數(shù)進行膨化，提取對馬鈴薯氣象產(chǎn)量影響顯著的關(guān)鍵氣象因子及其影響時段，建立產(chǎn)量預(yù)測模型，以期更準(zhǔn)確地預(yù)報河北省馬鈴薯的產(chǎn)量。

1 資料與方法

1.1 資 料

1983—2018年河北省歷年馬鈴薯總產(chǎn)、種植面積資料來源于國家統(tǒng)計局；馬鈴薯生育期資料來源于河北省馬鈴薯產(chǎn)區(qū)21個農(nóng)業(yè)氣象觀測站(圖1)；這21個農(nóng)業(yè)氣象觀測站的氣象資料來源于河北省氣象局，包括馬鈴薯生育期間逐旬的平均氣溫、降水量和日照時數(shù)。

圖1 河北省馬鈴薯產(chǎn)區(qū)21個農(nóng)業(yè)氣象觀測站空間分布Fig.1 The spatial distribution of 21 agrometeorological observation stations in potato producing area of Hebei Province

1.2 方 法

1.2.1 因子膨化

為充分反映不同時段氣象條件對馬鈴薯產(chǎn)量的影響，對逐旬平均氣溫、降水量和日照時數(shù)進行膨化處理，即將馬鈴薯全生育期(4月中旬至9月下旬)以旬為單位分成17旬，將第1旬作為馬鈴薯氣象因子膨化時段組合的起始時間，第17旬作為時段組合的終止時間，將旬平均氣溫、降水量和日照時數(shù)依次按照連續(xù)1旬，2旬，3旬，……，17旬進行所有不同時段的膨化組合，分別得到120個序列，3個氣象因子共得到360個不同時段的因子序列。將馬鈴薯氣象產(chǎn)量分別與膨化后的氣象因子進行相關(guān)分析，從中篩選出相關(guān)顯著的因子。

1.2.2 氣象產(chǎn)量分離

一般認為，糧食產(chǎn)量可分解為社會經(jīng)濟因素決定的趨勢產(chǎn)量、氣象因素決定的氣象產(chǎn)量和偶然因素造成的隨機產(chǎn)量[22]，計算公式如下：

Ya=Yt+Ym+σ

式中：Ya、Yt、Ym和σ(kg·hm-2)分別為實際產(chǎn)量、趨勢產(chǎn)量、氣象產(chǎn)量和隨機產(chǎn)量，隨機產(chǎn)量通?？梢院雎圆挥媅23]。

2 結(jié)果分析

參考文獻[24]，采用5 a滑動平均將趨勢產(chǎn)量從實際產(chǎn)量中分離出來，用實際產(chǎn)量減去趨勢產(chǎn)量，則得到氣象產(chǎn)量，下文中的產(chǎn)量均為單產(chǎn)。圖2為1983—2019年歷年河北省馬鈴薯產(chǎn)量?？梢钥闯?，2000年以前，馬鈴薯實際產(chǎn)量年際變化不大，氣象產(chǎn)量隨時間的變化小幅波動，2000—2019年，實際產(chǎn)量呈波動上升趨勢，2009年以后上升趨勢明顯；2008年以后氣象產(chǎn)量波動幅度增大，2016年出現(xiàn)較大負值，表明當(dāng)年農(nóng)業(yè)氣象條件較差，2017年出現(xiàn)氣象產(chǎn)量較大正值，表明當(dāng)年農(nóng)業(yè)氣象條件較好。

圖2 1983—2019年河北省馬鈴薯歷年產(chǎn)量Fig.2 The yearly potato yield in Hebei Province from 1983 to 2019

2.1 關(guān)鍵氣象因子

對1983—2015年河北省馬鈴薯生長發(fā)育期狀況進行統(tǒng)計分析，發(fā)現(xiàn)各產(chǎn)區(qū)馬鈴薯播種期通常在4月中旬陸續(xù)展開，9月下旬全面進入收獲期，表1列出河北省馬鈴薯主要生育期。

表1 河北省馬鈴薯主要生育期出現(xiàn)時間Tab.1 The occurrence time of main growth period of potato in Hebei Province

將1983—2015年馬鈴薯氣象產(chǎn)量與膨化后的360個氣象因子進行相關(guān)分析，通過顯著性檢驗的因子為11個(表2)。可以看出，平均氣溫入選的因子最多(5個)，降水量入選的因子最少(2個) ，日照時數(shù)入選因子為4個，說明生育期平均氣溫對馬鈴薯產(chǎn)量影響最大，其次是日照時數(shù)，降水量對馬鈴薯產(chǎn)量影響最小，這是因為河北省馬鈴薯大部分種植區(qū)域有灌溉條件，一般情況下水分可滿足馬鈴薯生長發(fā)育需求。在入選的因子中，馬鈴薯產(chǎn)量與不同時段的平均氣溫、降水均呈負相關(guān)，與生育中期的日照時數(shù)正相關(guān)，與生育后期的日照時數(shù)負相關(guān)。因為馬鈴薯為喜涼作物，生育中后期所需最適氣溫為15～21 ℃[25-26]，氣溫過高或過低均會影響產(chǎn)量[27-28]。而河北省大部分產(chǎn)區(qū)多年平均氣溫大于20 ℃，有時超出馬鈴薯生長最適氣溫，造成馬鈴薯植株葉片萎蔫、莖稈干燥，同時加劇膜脂過氧化、光合作用速率下降[29]，減少馬鈴薯塊莖數(shù)目及大小，甚至在塊莖增長期薯塊生長停滯，形成畸形薯塊[30]，所以平均氣溫對產(chǎn)量有負效應(yīng)。7月下旬至9月下旬，馬鈴薯一般處于開花期—可收期，中間經(jīng)歷塊莖膨大期，此時水分過多易引起濕腐病，造成塊莖腐爛而減產(chǎn)[31]，同時適當(dāng)干燥，對處于成熟收獲期的馬鈴薯有利，可促進馬鈴薯塊莖周皮充分老化，便于儲存，所以降水量對產(chǎn)量有負效應(yīng)。5月中旬至7月中旬，馬鈴薯一般處于出苗期—開花期，逐漸從以莖和葉生長為中心過渡為地上和地下生長相結(jié)合，最后轉(zhuǎn)為地下塊莖生長為主，在馬鈴薯苗期，充足的日照利于形成壯苗，在花期日照時數(shù)越長，越有利于養(yǎng)分的積累和薯塊的形成，從而提高產(chǎn)量[32]，所以此時日照時數(shù)對產(chǎn)量有正效應(yīng)；8月下旬至9月下旬馬鈴薯一般處于塊莖膨大期至可收期，此時光照時間長易造成馬鈴薯植株衰老，導(dǎo)致生育期縮短，影響產(chǎn)量[33]，所以此時日照時數(shù)對馬鈴薯產(chǎn)量有負效應(yīng)。

2.2 氣象產(chǎn)量預(yù)報模型的建立

為實現(xiàn)馬鈴薯產(chǎn)量滾動預(yù)報，將表2中關(guān)鍵氣象因子所在時段的下一旬第1天作為起報時間，即將7月21日、8月21日、9月11日和9月21日作為起報時間。引入相應(yīng)起報時間前的關(guān)鍵氣象因子，采用逐步回歸分析，建立相應(yīng)起報時間的馬鈴薯氣象產(chǎn)量預(yù)報模型，表3列出各起報時間模型的預(yù)報因子及其回歸系數(shù)。

表2 馬鈴薯氣象產(chǎn)量與氣象因子的相關(guān)系數(shù)Tab.2 Correlation coefficients between meteorological yield of potato and meteorological factors

表3 各起報時間馬鈴薯氣象產(chǎn)量預(yù)報模型回歸系數(shù)Tab.3 Regression coefficient of potato meteorological yield forecast model for different initial forecast time

2.3 預(yù)報模型的回代檢驗與應(yīng)用

利用模型對1983—2015年歷年馬鈴薯預(yù)報產(chǎn)量(實際產(chǎn)量與趨勢產(chǎn)量之和)進行回代檢驗(表4)?？梢钥闯?，預(yù)報產(chǎn)量趨勢回代檢驗正確率平均為84.0%，預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率平均為87.8%，預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率超過95%的占比平均值為40.0%，三者數(shù)值均隨著起報時間的后移而增大。表5列出 2006—2015年不同起報時間預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率?？梢钥闯?，7月21日、8月21日、9月11日、9月21日起報的預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率分別為65.1%～93.4%、68.4%～94.3%、67.6%～95.8%和80.4%～96.7%，相應(yīng)的預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率平均分別為79.6%、83.5%、84.1%和88.5%。預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率最小為65.1%，出現(xiàn)在2014年，該年4次預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率均低于70%，因為當(dāng)年7月上旬河北省馬鈴薯主產(chǎn)區(qū)遭遇冰雹災(zāi)害，此時正值馬鈴薯塊莖形成期，造成部分花枝被砸而折斷，引起馬鈴薯大幅減產(chǎn)。

表4 1983—2015年各起報時間馬鈴薯預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率Tab.4 The backtesting accuracy of forecasted potato yield for different initial forecast time during 1983-2015 單位： %

表5 2006—2015年各起報時間馬鈴薯預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率Tab.5 The backtesting accuracy of forecasted potato yield for different initial forecast time during 2006-2015 單位： %

表6列出2016—2019年各起報時間馬鈴薯產(chǎn)量預(yù)報準(zhǔn)確率?？梢钥闯?，2016年4次產(chǎn)量預(yù)報準(zhǔn)確率為85.1%～94.4%，平均為90.5%；2017年4次產(chǎn)量預(yù)報準(zhǔn)確率為91.8%～95.3%，平均93.8%；2018年4次產(chǎn)量預(yù)報準(zhǔn)確率為85.4%～91.4%，平均88.1%；2019年4次產(chǎn)量預(yù)報準(zhǔn)確率為83.5%～91.5%，平均88.8%。隨起報時間的后移，預(yù)報準(zhǔn)確率逐漸增大。

表6 2016—2019年各起報時間馬鈴薯產(chǎn)量預(yù)報準(zhǔn)確率Tab.6 The forecast accuracy of potato yield for different initial forecast time during 2016-2019

3 結(jié) 論

(1)7—9月河北省馬鈴薯一般處于花序形成期—可收期，該時期的平均氣溫對馬鈴薯產(chǎn)量的影響最大，且與馬鈴薯預(yù)報產(chǎn)量負相關(guān)；日照時數(shù)對產(chǎn)量的影響次之，在生育前期表現(xiàn)為正相關(guān)，成熟收獲期表現(xiàn)為負相關(guān)；降水量對馬鈴薯產(chǎn)量的影響最小，且兩者為負相關(guān)。

(2)利用所建預(yù)報模型對1983—2015年河北省馬鈴薯產(chǎn)量進行回代檢驗，各起報時間馬鈴薯預(yù)報產(chǎn)量趨勢回代檢驗正確率平均為84.0%，預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率平均為87.8%，隨著起報時間的后移，趨勢回代檢驗正確率、預(yù)報產(chǎn)量回代檢驗準(zhǔn)確率超過95%的占比均越來越高。利用所建預(yù)報模型對2016—2019年河北省馬鈴薯產(chǎn)量進行預(yù)報檢驗，產(chǎn)量預(yù)報準(zhǔn)確率為83.5%～95.3%，平均為90.3%。

本研究充分考慮連續(xù)的氣象條件對作物產(chǎn)量的影響，對馬鈴薯生育期逐旬氣象因子進行膨化處理后與氣象產(chǎn)量做相關(guān)分析，該方法更能反映連續(xù)的氣象條件與馬鈴薯產(chǎn)量的關(guān)系，可以有效克服時間上的間斷對馬鈴薯產(chǎn)量預(yù)報準(zhǔn)確率的影響。但基于關(guān)鍵氣象因子的產(chǎn)量預(yù)報方法本質(zhì)仍是基于數(shù)理統(tǒng)計建立預(yù)報模型，數(shù)理統(tǒng)計對數(shù)據(jù)穩(wěn)定性的依賴度高，若預(yù)報年發(fā)生重大氣象災(zāi)害即氣象因子處于異常狀態(tài)下，預(yù)報準(zhǔn)確率則較低；統(tǒng)計預(yù)報模型對作物的生長機理考慮較少，未將作物受到災(zāi)害后自身的修復(fù)能力、人工干預(yù)等因素考慮在內(nèi)。因此在今后的工作中，還應(yīng)結(jié)合多種模型和實地調(diào)研，進一步提高馬鈴薯產(chǎn)量預(yù)報準(zhǔn)確率。