寧夏引黃灌區(qū)玉米趨勢產(chǎn)量與氣候產(chǎn)量分離方法研究

何虹，王巧娟，李亮，蔡煥杰

寧夏引黃灌區(qū)玉米趨勢產(chǎn)量與氣候產(chǎn)量分離方法研究

何虹1,3，王巧娟1,3，李亮1,3，蔡煥杰1,2,3*

（1.西北農(nóng)林科技大學(xué) 水利與建筑工程學(xué)院，陜西 楊凌 712100；2.西北農(nóng)林科技大學(xué) 中國旱區(qū)節(jié)水農(nóng)業(yè)研究院，陜西 楊凌 712100；3.西北農(nóng)林科技大學(xué) 旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室，陜西 楊凌 712100）

【】探尋引黃灌區(qū)長時(shí)間序列玉米產(chǎn)量的適宜分離方法。以寧夏引黃灌區(qū)6個(gè)市（縣）1988—2019年玉米產(chǎn)量統(tǒng)計(jì)資料為基礎(chǔ)數(shù)據(jù)，分別利用五年滑動(dòng)平均法、二次指數(shù)平滑法和五點(diǎn)二次平滑法對實(shí)際產(chǎn)量進(jìn)行分離，得到趨勢產(chǎn)量與氣候產(chǎn)量，并采用一致性相關(guān)系數(shù)法、趨勢產(chǎn)量實(shí)際趨勢符合度分析法和同一氣候區(qū)氣候變化特征的一致性可引起氣候產(chǎn)量同升同降等方法和原則作為評判標(biāo)準(zhǔn)，比較分析3種方法的適用性與合理性，并利用氣候因子與產(chǎn)量之間的合理關(guān)系對選出的方法進(jìn)一步檢驗(yàn)。不同方法均能較好地?cái)M合趨勢產(chǎn)量，與研究區(qū)的趨勢產(chǎn)量的一致性相關(guān)系數(shù)大多可達(dá)到較好或極好等級，3種方法在趨勢產(chǎn)量擬合上無明顯差異；二次指數(shù)平滑法和五點(diǎn)二次平滑法擬合的趨勢產(chǎn)量序列能較真實(shí)地反映因生產(chǎn)力和國家政策變化而導(dǎo)致的實(shí)際產(chǎn)量變化，五年滑動(dòng)平均法擬合的趨勢產(chǎn)量變化體現(xiàn)實(shí)際社會(huì)發(fā)展的能力最差；當(dāng)研究區(qū)各地氣候變化特征基本相同時(shí)，五點(diǎn)二次平滑法分離得到的相對氣候產(chǎn)量更能體現(xiàn)氣候要素年際變化對其產(chǎn)量的影響；五點(diǎn)二次平滑法建立的相對氣候產(chǎn)量模型能夠合理地反映氣候因子與產(chǎn)量的關(guān)系，符合玉米生長發(fā)育特性。綜合分析，五點(diǎn)二次平滑法更具有普適性，可以反映因氣候因子變化帶來的產(chǎn)量變化。

玉米；趨勢產(chǎn)量；氣候產(chǎn)量；分離方法

0 引言

【研究意義】全球氣候變化引起的干旱及熱浪等氣候異常事件頻發(fā)[1-3]，進(jìn)一步增大了對傳統(tǒng)農(nóng)業(yè)生產(chǎn)的風(fēng)險(xiǎn)[4-7]，嚴(yán)重威脅糧食生產(chǎn)的穩(wěn)定性和安全性[8]。自20世紀(jì)中期以來，氣候異常引起的農(nóng)業(yè)氣象災(zāi)害多發(fā)現(xiàn)象已成為影響糧食產(chǎn)量的主要因素[9]。農(nóng)業(yè)是對氣候變化最為敏感的領(lǐng)域之一，針對氣候變化選取科學(xué)、可靠的方法評估其對作物產(chǎn)量的影響，因地制宜制定作物生產(chǎn)的適應(yīng)性策略，對于保障農(nóng)業(yè)生產(chǎn)穩(wěn)定和糧食產(chǎn)量安全方面具有重要意義。常見的研究氣候變化對作物產(chǎn)量影響的方法有田間試驗(yàn)法、作物模型法和數(shù)理統(tǒng)計(jì)法[10]，數(shù)理統(tǒng)計(jì)法是以長期歷史作物產(chǎn)量和氣候資料為基礎(chǔ)研究氣候因子與作物產(chǎn)量關(guān)系的方法[11]，適用于較大時(shí)空尺度研究，可操作性強(qiáng)，應(yīng)用較為普遍，是分析區(qū)域作物產(chǎn)量波動(dòng)的有效方法。然而，作物產(chǎn)量與品種改良、技術(shù)進(jìn)步、土壤肥力、病蟲害等因素均密切相關(guān)，為分析氣候因子與作物產(chǎn)量關(guān)系，必須剝離這些因素的影響。因此應(yīng)將作物產(chǎn)量分解為趨勢產(chǎn)量和氣候產(chǎn)量[12-13]，即通過數(shù)學(xué)方法或模型分離趨勢產(chǎn)量和氣候產(chǎn)量，然后研究氣候產(chǎn)量與氣候因子的關(guān)系。但不同產(chǎn)量分離方法得到的結(jié)果和擬合特征相差較大，且在不同地區(qū)及不同作物的應(yīng)用上得到的結(jié)果準(zhǔn)確性也存在差異，甚至截然相反[9, 11]。因此，合理、準(zhǔn)確地分離趨勢產(chǎn)量和氣候產(chǎn)量對于指導(dǎo)未來農(nóng)業(yè)生產(chǎn)具有重大意義。

【研究進(jìn)展】近年來，眾多學(xué)者就不同作物產(chǎn)量分離方法進(jìn)行了探討，較常用的有Logistic擬合法、滑動(dòng)平均法、HP濾波法以及指數(shù)平滑法等[14-19]。葛道闊等[17]采用二次函數(shù)、HP濾波、3點(diǎn)滑動(dòng)平均以及二次指數(shù)平滑法對江蘇省的水稻產(chǎn)量進(jìn)行了分離，結(jié)果表明二次指數(shù)平滑法的合理性最高。李心怡等[18]基于6種方法對江蘇省水稻產(chǎn)量進(jìn)行了分離，對比了趨勢產(chǎn)量與氣候產(chǎn)量的一致性和差異性，得出三年滑動(dòng)平均法和五點(diǎn)二次平滑法更具普適性。王桂芝等[11]采用HP濾波法、五年滑動(dòng)平均法和Logistic擬合法對全國糧食單產(chǎn)進(jìn)行了氣候產(chǎn)量分離，結(jié)果表明HP濾波法具有明顯的優(yōu)勢。趙東妮等[20]基于遼寧省17個(gè)站點(diǎn)的水稻產(chǎn)量數(shù)據(jù)，通過比較各站點(diǎn)趨勢產(chǎn)量和實(shí)際產(chǎn)量間的擬合效果以及區(qū)域農(nóng)業(yè)生產(chǎn)力發(fā)展水平的一致性、同一氣候區(qū)作物的氣候產(chǎn)量是否存在相同的區(qū)域變化特征，評價(jià)了HP濾波法、指數(shù)平滑法和Logistic方法的合理性，并指出HP濾波法更有利于趨勢產(chǎn)量的準(zhǔn)確提取。魏慶偉等[21]以河南省?？h冬小麥單產(chǎn)數(shù)據(jù)為例，分別通過HP濾波法、Logistic擬合法、滑動(dòng)平均法和綜合平均趨勢法分離產(chǎn)量，得出綜合平均趨勢法分離的趨勢產(chǎn)量與實(shí)際冬小麥產(chǎn)量變化趨勢吻合度最高，氣候產(chǎn)量的波幅變化也準(zhǔn)確反映了實(shí)產(chǎn)的變化特點(diǎn)。

【切入點(diǎn)】以往研究中的作物產(chǎn)量分離方法均側(cè)重于對作物趨勢產(chǎn)量分離的準(zhǔn)確性和氣候產(chǎn)量的差異性研究，較少有研究探究分離出的氣候產(chǎn)量能否真實(shí)地反映氣候因子變化對產(chǎn)量的影響?！緮M解決的關(guān)鍵問題】鑒于此，本研究以寧夏回族自治區(qū)北部引黃灌區(qū)6個(gè)市（縣）1988—2019年玉米產(chǎn)量數(shù)據(jù)為基礎(chǔ)，分別采用五年滑動(dòng)平均法、二次指數(shù)平滑法和五點(diǎn)二次平滑法分離玉米實(shí)際產(chǎn)量，通過分析3種方法的趨勢產(chǎn)量的擬合效果和相對氣候產(chǎn)量的平均值與標(biāo)準(zhǔn)差，比較評價(jià)以上方法的適用性與合理性，篩選出最適宜的作物產(chǎn)量分離方法，并基于此方法建立多元逐步回歸氣候產(chǎn)量模型，進(jìn)一步檢驗(yàn)氣候產(chǎn)量與氣候因子的關(guān)系是否符合玉米的生育特性及其對氣候的響應(yīng)規(guī)律，以期探尋出合理、可信的玉米產(chǎn)量分離方法，提高產(chǎn)量分離的準(zhǔn)確性。

1 材料與方法

1.1 數(shù)據(jù)來源

選用1988—2019年寧夏北部引黃灌區(qū)6個(gè)市（縣）玉米產(chǎn)量數(shù)據(jù)，其中1988—2004年的產(chǎn)量數(shù)據(jù)來自《寧夏農(nóng)村社會(huì)經(jīng)濟(jì)調(diào)查年鑒（2004）》，2005—2019年數(shù)據(jù)來源于寧夏回族自治區(qū)統(tǒng)計(jì)局官網(wǎng)。6個(gè)市（縣）對應(yīng)氣象站點(diǎn)逐日氣象數(shù)據(jù)來自國家氣象信息中心（https://data.cma.cn/），包括日平均氣溫、日最高氣溫、日最低氣溫、日降水量和日照時(shí)間，參照該區(qū)域玉米常年生長發(fā)育期（4—9月），將逐日氣象數(shù)據(jù)處理得到逐旬氣象數(shù)據(jù)。

1.2 產(chǎn)量分離方法

為量化氣候產(chǎn)量與氣候因子之間的關(guān)系，需剝離歷史不同農(nóng)業(yè)生產(chǎn)力發(fā)展水平下的趨勢產(chǎn)量，得到作物氣候產(chǎn)量。趨勢產(chǎn)量是反映生產(chǎn)力發(fā)展水平的長期穩(wěn)定產(chǎn)量的分量，主要由社會(huì)經(jīng)濟(jì)、市場供需和技術(shù)水平等社會(huì)因素決定[20]；氣候產(chǎn)量是受降水、光照等氣象因子變化影響的波動(dòng)產(chǎn)量的分量；而隨機(jī)產(chǎn)量是由其他因素如病蟲害、社會(huì)變革等引起的產(chǎn)量變化的分量。因此，玉米實(shí)際產(chǎn)量可分解為：

式中：、w和t分別為實(shí)際產(chǎn)量、趨勢產(chǎn)量和氣候產(chǎn)量；為隨機(jī)產(chǎn)量，又稱為隨機(jī)噪聲，一般情況下，因其隨機(jī)性極大，無法用某一固定函數(shù)關(guān)系定量估計(jì)，通常忽略不計(jì)[22]。為將玉米趨勢產(chǎn)量和氣候產(chǎn)量從實(shí)際產(chǎn)量中分離出來，本研究采用以下3種方法對玉米產(chǎn)量進(jìn)行分離。

1.2.1 五年滑動(dòng)平均法

滑動(dòng)平均法是趨勢擬合的基礎(chǔ)方法之一，相當(dāng)于低通濾波器，用確定時(shí)間序列的平滑值反映產(chǎn)量序列的變化趨勢[18]。對樣本容量為的產(chǎn)量序列，五年滑動(dòng)平均序列表示為：

式中：為滑動(dòng)長度，取=5；t為五年滑動(dòng)平均產(chǎn)量序列，滑動(dòng)平均后產(chǎn)量序列中小于滑動(dòng)長度的周期被削弱。該方法會(huì)造成產(chǎn)量序列兩端損失-1個(gè)值，個(gè)數(shù)據(jù)只能得到-+1個(gè)平滑值。為彌補(bǔ)數(shù)據(jù)缺失，取1988—2019年的產(chǎn)量數(shù)據(jù)進(jìn)行擬合，以保證1990—2017年趨勢產(chǎn)量的完整性。

1.2.2 二次指數(shù)平滑法

二次指數(shù)平滑法是基于線性滑動(dòng)平均法提出的一種時(shí)間序列分析預(yù)測法，屬于加權(quán)滑動(dòng)平均法。該方法是在一次指數(shù)平滑基礎(chǔ)上再進(jìn)行一次指數(shù)平滑，同時(shí)考慮偏差值及滯后性影響，建立新的趨勢預(yù)測模型[23]。其優(yōu)點(diǎn)是計(jì)算簡單、樣本需求較少、適應(yīng)性強(qiáng)、結(jié)果穩(wěn)定。其計(jì)算式為：

1.2.3 五點(diǎn)二次平滑法

五點(diǎn)二次平滑法是對一次滑動(dòng)平均后的序列再滑動(dòng)平均，進(jìn)而展現(xiàn)其變化趨勢，有低通濾波器的作用，可克服滑動(dòng)平均削弱過多波動(dòng)幅度的缺點(diǎn)。對于時(shí)間序列t，用二次多項(xiàng)式擬合表示為：

由于五點(diǎn)二次平滑法計(jì)算后得到-+1個(gè)平滑值，對于數(shù)據(jù)兩端缺失的處理同上。

1.3 相對氣候產(chǎn)量計(jì)算

氣候產(chǎn)量是一個(gè)非平穩(wěn)時(shí)間序列，其振幅往往會(huì)隨著農(nóng)業(yè)生產(chǎn)力水平的提高而變大。因此，為能較好反映氣候因子對產(chǎn)量的影響，減少因地區(qū)差異造成的產(chǎn)量水平差異，使不同產(chǎn)量分離方法得到的結(jié)果不受時(shí)空限制且具有可比性[25]，采用相對氣候產(chǎn)量表示作物產(chǎn)量偏離趨勢產(chǎn)量的幅度。相對氣候產(chǎn)量r表示為：

式中：w為氣候產(chǎn)量，是實(shí)際產(chǎn)量與趨勢產(chǎn)量的差值；t為趨勢產(chǎn)量。其中，當(dāng)實(shí)際產(chǎn)量大于趨勢產(chǎn)量時(shí)，表示氣候因子變化有利于作物生長發(fā)育即產(chǎn)量的增加，稱為增產(chǎn)率；當(dāng)實(shí)際產(chǎn)量小于趨勢產(chǎn)量時(shí)，表示產(chǎn)量減少，稱為減產(chǎn)率[26-27]。

1.4 一致性統(tǒng)計(jì)分析方法

為分析3種趨勢產(chǎn)量擬合方法得到結(jié)果的真實(shí)性，采用一致性相關(guān)系數(shù)對其進(jìn)行度量，從而評價(jià)3種方法的適用性。記為需分析的序列，且樣本量均為，一致性相關(guān)系數(shù)c為[28]：

1.5 趨勢產(chǎn)量與實(shí)際社會(huì)趨勢符合度的分析方法

趨勢產(chǎn)量除受作物品種改良、化肥用量增加、耕作技術(shù)水平提高等影響外，制度創(chuàng)新和強(qiáng)農(nóng)惠農(nóng)政策的實(shí)施，也能在短時(shí)間內(nèi)提升生產(chǎn)力，使趨勢產(chǎn)量快速增長[17,20]。因此，趨勢產(chǎn)量是農(nóng)業(yè)科技進(jìn)步和政策調(diào)整的綜合反映，其擬合曲線應(yīng)符合社會(huì)技術(shù)各發(fā)展階段的實(shí)際狀況[9]。自20世紀(jì)90年代以來，我國糧食總產(chǎn)量和單產(chǎn)總體均呈增長態(tài)勢，且變化趨勢基本一致，但增速分階段差異明顯[29-33]：1990—1998年，國家糧食政策和種植技術(shù)不斷進(jìn)步，糧食產(chǎn)量波動(dòng)增長；1999—2004年，農(nóng)業(yè)結(jié)構(gòu)調(diào)整加快、耕地大量占用、“退耕還林”戰(zhàn)略等推行，糧食生產(chǎn)處于劇烈波動(dòng)階段，且基本呈下降趨勢；2004年后，在農(nóng)業(yè)稅費(fèi)政策調(diào)整、高標(biāo)準(zhǔn)農(nóng)田建設(shè)等政策作用下，產(chǎn)量保持穩(wěn)定增長態(tài)勢。所以，為明確3種分離方法的優(yōu)劣，本文將不同方法擬合的趨勢產(chǎn)量分為3個(gè)時(shí)間段，即1990—1998、1999—2004年和2005—2017年，計(jì)算線性增長速率并相互比較。

1.6 作物產(chǎn)量分離方法驗(yàn)證

產(chǎn)量分離是為了找到氣候因子與作物產(chǎn)量間的關(guān)系。因此，基于已選出的作物產(chǎn)量分離方法，利用多元逐步回歸法建立相對氣候產(chǎn)量與玉米全生育期氣候因子的關(guān)系模型，回歸模型為：

2 結(jié)果與分析

2.1 玉米趨勢產(chǎn)量擬合

采用五年滑動(dòng)平均、二次指數(shù)平滑和五點(diǎn)二次平滑法分別對北部引黃灌區(qū)6個(gè)市（縣）28 a的玉米單產(chǎn)進(jìn)行趨勢產(chǎn)量擬合。結(jié)果表明（表1），3種方法擬合的趨勢產(chǎn)量與實(shí)際產(chǎn)量均呈極顯著相關(guān)性（＜0.01），且相關(guān)系數(shù)均達(dá)到了0.94以上。由圖1可知，3種方法擬合出的趨勢產(chǎn)量均能較好地反映引黃灌區(qū)1990—2017年6個(gè)地區(qū)玉米產(chǎn)量增長特征（＜0.01），且與國家[11,31,34]和寧夏糧食產(chǎn)量[35]增長趨勢基本一致。其中，1990—2004年玉米產(chǎn)量整體呈波動(dòng)上升趨勢，單產(chǎn)變幅較大；2005—2017年基本保持穩(wěn)步增長趨勢。

表1 3種方法擬合引黃灌區(qū)6個(gè)市（縣）玉米趨勢產(chǎn)量與實(shí)際產(chǎn)量的相關(guān)性

注 **表示相關(guān)性通過了0.01顯著性水平（＜0.01）。

總體上，3種方法的擬合曲線趨勢一致，但從不同方法擬合的趨勢產(chǎn)量曲線形態(tài)看（圖1），二次指數(shù)平滑法擬合的趨勢產(chǎn)量在峰谷處更接近實(shí)際產(chǎn)量，對產(chǎn)量劇烈波動(dòng)部分有較好的捕獲能力，如惠農(nóng)（圖1（a））1997—2002年和中寧（圖1（f））1998—2003年的產(chǎn)量變化。五點(diǎn)二次平滑法擬合的趨勢產(chǎn)量為增長中略有上下起伏的態(tài)勢，盡管在峰谷處略有差異，但同時(shí)也兼顧了產(chǎn)量波動(dòng)平緩與劇烈的特征。而五年滑動(dòng)平均法擬合的趨勢產(chǎn)量趨勢總體呈平緩向上傾斜，對產(chǎn)量波動(dòng)年份反應(yīng)較遲鈍。此外，在滑動(dòng)長度相同情況下，五點(diǎn)二次平滑法克服了因滑動(dòng)平均對波幅削弱過多的缺點(diǎn)，提高了對實(shí)際產(chǎn)量捕捉的敏感度，相比五年滑動(dòng)平均法更能捕獲到產(chǎn)量的波動(dòng)特征。整體而言，二次指數(shù)平滑法和五點(diǎn)二次平滑法擬合出的趨勢產(chǎn)量較為相似，較好地保留了產(chǎn)量的波動(dòng)特征，趨勢產(chǎn)量曲線形態(tài)更貼合實(shí)際產(chǎn)量變化特性。

北部引黃灌區(qū)地處寧夏黃河灌區(qū)，各市（縣）的社會(huì)和經(jīng)濟(jì)發(fā)展水平與其所在的整個(gè)區(qū)相差不大[9]，相鄰地區(qū)趨勢產(chǎn)量的變化特征與走向理論上應(yīng)大體一致。因此，用一致性相關(guān)系數(shù)來評價(jià)3種方法擬合趨勢產(chǎn)量的適用性，當(dāng)一致性相關(guān)系數(shù)有顯著性統(tǒng)計(jì)學(xué)意義時(shí)，可結(jié)合該值大小進(jìn)行一致性評價(jià)。為最大限度降低趨勢產(chǎn)量的隨機(jī)性，使各市（縣）趨勢產(chǎn)量與整個(gè)研究區(qū)平均趨勢產(chǎn)量具有一致性，采用多方法多市（縣）平均的趨勢產(chǎn)量代表區(qū)域平均趨勢產(chǎn)量序列。首先將3種方法擬合的趨勢產(chǎn)量求取市（縣）平均，再求6個(gè)市（縣）的平均值來代表整個(gè)研究區(qū)的平均趨勢產(chǎn)量序列。

一致性分析結(jié)果如表2所示，3種方法擬合的6個(gè)市（縣）趨勢產(chǎn)量序列與區(qū)域平均趨勢產(chǎn)量序列間的一致性相關(guān)系數(shù)均達(dá)到0.5以上，表現(xiàn)為一致性較好。其中，吳忠、銀川、中衛(wèi)3個(gè)地區(qū)的趨勢產(chǎn)量與區(qū)域平均趨勢產(chǎn)量間的一致性相關(guān)系數(shù)達(dá)0.85以上，表現(xiàn)為一致性極好?？梢?，不同方法擬合出的趨勢產(chǎn)量序列與區(qū)域平均趨勢產(chǎn)量序列一致，3種方法均適用于趨勢產(chǎn)量擬合，與前人研究結(jié)論一致[18-20]，即不同方法在趨勢產(chǎn)量擬合上無顯著差異。

表2 3種方法擬合的趨勢產(chǎn)量序列與區(qū)域平均趨勢產(chǎn)量序列間的一致性相關(guān)系數(shù)

2.2 玉米趨勢產(chǎn)量與社會(huì)發(fā)展實(shí)際趨勢符合狀況

不同時(shí)段內(nèi)6個(gè)市（縣）玉米實(shí)際產(chǎn)量與3種方法擬合的趨勢產(chǎn)量的線性增長速率見表3。3種方法均能基本體現(xiàn)較大范圍區(qū)域玉米平均趨勢產(chǎn)量變化，但不同時(shí)段內(nèi)的增長速率有所不同?？傮w上，與實(shí)際產(chǎn)量相比，第一階段（1990—1998年）均為快速增長期，第二階段（1999—2004年）均為劇烈波動(dòng)下滑期（陶樂除外），第三階段（2005—2017年）均為穩(wěn)定增長期，與金宇豪等[32]和許紅[33]研究全國糧食產(chǎn)量的階段性變化趨勢大體一致。

然而，3種方法擬合的各地區(qū)玉米趨勢產(chǎn)量增速在不同時(shí)段差別明顯，大體均為第一階段＞第三階段＞第二階段。但五年滑動(dòng)平均法擬合的趨勢產(chǎn)量在個(gè)別地區(qū)有所差異，具體表現(xiàn)在中衛(wèi)第三階段趨勢產(chǎn)量增速大于第一階段增速、陶樂第二階段趨勢產(chǎn)量增速大于第三階段，以上均與中衛(wèi)和陶樂地區(qū)玉米實(shí)際產(chǎn)量階段增速不符，而其他地區(qū)3種方法計(jì)算的第一階段趨勢產(chǎn)量增速均為最大，與黃新玲等[35]和潘瑜[36]利用寧夏生產(chǎn)資料研究的糧食產(chǎn)量階段性增長趨勢一致。1999—2004年期間，優(yōu)質(zhì)玉米大面積推廣、糧食價(jià)格變動(dòng)及城鎮(zhèn)化等因素導(dǎo)致糧食產(chǎn)量出現(xiàn)了一定程度下滑。具體來說，3種方法擬合的第二階段趨勢產(chǎn)量增速除陶樂外均為負(fù)值，這與該時(shí)期社會(huì)實(shí)際發(fā)展?fàn)顩r相符，基本體現(xiàn)了1999—2004年由于糧價(jià)變動(dòng)等因素使農(nóng)民種糧積極性下降導(dǎo)致的糧食生產(chǎn)力下滑的實(shí)際情況。自2005年起，3種方法擬合的趨勢產(chǎn)量均呈增長趨勢，體現(xiàn)了2005—2017年因農(nóng)村稅費(fèi)變革引起的糧食生產(chǎn)穩(wěn)定增長的狀況。

表3 不同時(shí)段內(nèi)6個(gè)市（縣）玉米實(shí)際產(chǎn)量與3種方法擬合的趨勢產(chǎn)量的線性增長速率

從趨勢產(chǎn)量序列擬合與惠農(nóng)政策實(shí)施及社會(huì)發(fā)展的實(shí)際符合情況看，二次指數(shù)平滑法和五點(diǎn)二次平滑法擬合出的趨勢產(chǎn)量與實(shí)際情況較為符合，更能真實(shí)反映20世紀(jì)90年代以來因生產(chǎn)力和國家政策變化等引起的實(shí)際產(chǎn)量變化情況，而五年滑動(dòng)平均法擬合的趨勢產(chǎn)量難以體現(xiàn)社會(huì)實(shí)際。

2.3 玉米氣候產(chǎn)量分離

氣候產(chǎn)量是從實(shí)際產(chǎn)量中除去趨勢產(chǎn)量的剩余分量?？紤]到同一氣候區(qū)氣候變化特征類似，且大面積的農(nóng)業(yè)氣象災(zāi)害發(fā)生常常與大的氣候過程相關(guān)，所以同一氣候區(qū)玉米的氣候產(chǎn)量應(yīng)具有相似的變化特征[9,18]。因此，將不同方法分離的引黃灌區(qū)6個(gè)市（縣）的相對氣候產(chǎn)量平均值作為研究區(qū)域的相對氣候產(chǎn)量序列，并以其標(biāo)準(zhǔn)差度量隨機(jī)變量的離散程度。合理的方法分離的相對氣候產(chǎn)量有同升（增產(chǎn)）或同降（減產(chǎn)）的特點(diǎn)，即一致性較好，表現(xiàn)為樣本標(biāo)準(zhǔn)差較小，反之則標(biāo)準(zhǔn)差較大[18,20]。

3種分離方法得到的區(qū)域相對氣候產(chǎn)量平均值及標(biāo)準(zhǔn)差序列見圖2?？梢钥闯鲇衩紫鄬夂虍a(chǎn)量呈振蕩波動(dòng)變化，尤其是1997—2005年產(chǎn)量劇烈波動(dòng)，但從2005年后波動(dòng)強(qiáng)度較1997—2005年有所減弱，表明氣候變化對玉米單產(chǎn)貢獻(xiàn)率在逐漸減弱，可能是由于農(nóng)業(yè)技術(shù)不斷進(jìn)步、高標(biāo)準(zhǔn)農(nóng)田建設(shè)不斷推進(jìn)，使引黃灌區(qū)玉米生產(chǎn)抗災(zāi)能力顯著增強(qiáng)。二次指數(shù)平滑法分離的區(qū)域相對氣候產(chǎn)量平均值與其他2種方法有明顯區(qū)別，除個(gè)別年份其余產(chǎn)值均大于0，波動(dòng)幅度較小且相對平穩(wěn)，與其他2種方法在相同年份上對氣候因子年際變化反映程度相差較大，影響差異明顯。此外，五年滑動(dòng)平均法分離的結(jié)果波動(dòng)幅度明顯大于五點(diǎn)二次平滑法，表明五年滑動(dòng)平均法在一定程度上夸大了氣候因子對玉米產(chǎn)量的影響。

圖2 3種方法分離的相對氣候產(chǎn)量區(qū)域平均值及標(biāo)準(zhǔn)差序列

從其標(biāo)準(zhǔn)差看（相關(guān)樣本成對檢驗(yàn)），3種方法分離的相對氣候產(chǎn)量標(biāo)準(zhǔn)差序列之間均有顯著性差異（＜0.05），且五年滑動(dòng)平均法分離的結(jié)果顯著大于二次指數(shù)平滑法和五點(diǎn)二次平滑法，3種方法分離的相對氣候產(chǎn)量序列標(biāo)準(zhǔn)差平均值從小到大為二次指數(shù)平滑法（1.52%）＜五點(diǎn)二次平滑法（2.31%）＜五年滑動(dòng)平均法（3.30%）。五點(diǎn)二次平滑法分離得到的各市（縣）相對氣候產(chǎn)量同相變化特征更明顯，一致性特征最好，二次指數(shù)平滑法次之，五年滑動(dòng)平均法最差。從研究區(qū)相對氣候產(chǎn)量序列反映氣候要素年際變化特征而言，五點(diǎn)二次平滑法分離得到的相對氣候產(chǎn)量序列更合理。

2.4 作物產(chǎn)量分離方法檢驗(yàn)

玉米是喜溫、喜光、需水量大的作物，對氣候條件較為敏感[37]，生育期氣候資源的變化勢必會(huì)影響到其生長發(fā)育過程，進(jìn)而影響產(chǎn)量。所以分析氣候產(chǎn)量與氣候因子的關(guān)系時(shí)，產(chǎn)量對氣候因子的響應(yīng)規(guī)律應(yīng)符合研究作物的生長發(fā)育特性，且氣候因子間的因果關(guān)系也應(yīng)在其響應(yīng)規(guī)律中有所體現(xiàn)[9]。

基于上述研究結(jié)果，選用五點(diǎn)二次平滑法建立相對氣候產(chǎn)量模型，進(jìn)一步分析作物產(chǎn)量與氣象因子的關(guān)系是否符合玉米生長特性及其對氣象因子的響應(yīng)規(guī)律，回歸系數(shù)大小表示氣候因子對產(chǎn)量的貢獻(xiàn)。以銀川、陶樂為例，由表4可知，五點(diǎn)二次平滑法建立的相對氣候產(chǎn)量模型復(fù)相關(guān)系數(shù)均達(dá)0.73以上，回歸模型效果顯著。此外，回歸結(jié)果表明，降水、氣溫和日照時(shí)間與玉米相對氣候產(chǎn)量呈顯著相關(guān)關(guān)系。

從降水與玉米相對氣候產(chǎn)量的相關(guān)關(guān)系而言，4月下旬和5月上旬降水對玉米氣候產(chǎn)量影響為正效應(yīng)，8月中旬降水表現(xiàn)為負(fù)效應(yīng)。玉米作為需水較大的作物，4—5月正值其播種—出苗階段，適宜土壤水分有利于種子發(fā)芽和植株苗期生長發(fā)育。8月中旬正值玉米乳熟期，籽粒已基本定型，過多降水會(huì)造成光合作用減弱，不利于千粒質(zhì)量的提升，從而造成玉米產(chǎn)量降低。

從日照時(shí)間與玉米相對氣候產(chǎn)量的相關(guān)關(guān)系而言，4月中旬日照時(shí)間對玉米相對氣候產(chǎn)量影響為正效應(yīng)，5月下旬和9月中旬日照時(shí)間表現(xiàn)為負(fù)效應(yīng)。這是因?yàn)橛衩资且环N喜溫短日照作物，在各個(gè)生長發(fā)育期均需相應(yīng)的光照條件，光照強(qiáng)度和長短對其生長發(fā)育影響很大。玉米對光的飽和點(diǎn)較高，播種后充足光照會(huì)促進(jìn)出苗速率[38]，但出苗后，過長光照會(huì)導(dǎo)致生長緩慢，光合作用減弱，影響產(chǎn)量。

表4 銀川和陶樂相對氣候產(chǎn)量模型參數(shù)

從氣溫與玉米相對氣候產(chǎn)量的相關(guān)關(guān)系而言，4月中旬和5月中旬最低氣溫、5月下旬最高氣溫、7月中旬平均氣溫對玉米氣候產(chǎn)量影響為正效應(yīng)，4月中旬最高氣溫、6月下旬平均氣溫、7月中旬最低氣溫和8月下旬最高氣溫表現(xiàn)為負(fù)效應(yīng)。由于玉米喜溫特性，在不同生育階段對氣溫要求不同，4—5月是玉米播種—出苗階段，過低氣溫會(huì)使種子發(fā)芽緩慢甚至停止發(fā)育，過高氣溫會(huì)加快土壤水分散失，適當(dāng)升溫有利于種子發(fā)芽，尤其是出苗后相對范圍內(nèi)氣溫與植株生長速度成正比。拔節(jié)—開花期（6—7月）是玉米生長中對氣溫要求最高的階段，氣溫過高或過低均會(huì)影響正常授粉、受精，形成禿尖或空稈[39]。8月是玉米籽粒形成的關(guān)鍵階段，仍需較高氣溫促進(jìn)同化作用，但氣溫過高會(huì)出現(xiàn)高溫逼熟，籽粒秕小，降低產(chǎn)量[40]。

因此，五點(diǎn)二次平滑法分離得到的相對氣候產(chǎn)量能夠較為合理地解釋作物產(chǎn)量與氣候因子間的關(guān)系，符合玉米生長特性及其對氣象因子的響應(yīng)規(guī)律。

3 討論

本研究表明，五點(diǎn)二次平滑法分離得到的結(jié)果能夠較為準(zhǔn)確地體現(xiàn)當(dāng)?shù)貧夂蛞蜃訉Ξa(chǎn)量的真實(shí)影響，符合玉米的生長發(fā)育狀況，五點(diǎn)二次平滑法更適用于引黃灌區(qū)玉米產(chǎn)量的分離，該結(jié)論與李心怡等[18]就江蘇省水稻產(chǎn)量的研究結(jié)果一致，但該方法是否具有普適性仍有待于進(jìn)一步證實(shí)。首先，3種方法擬合的各地區(qū)玉米趨勢產(chǎn)量整體增長趨勢一致，相對而言，對實(shí)際產(chǎn)量波動(dòng)變化的捕捉較為靈敏的有二次指數(shù)平滑法和五點(diǎn)二次平滑法；但在各地區(qū)社會(huì)技術(shù)發(fā)展水平與全區(qū)相當(dāng)?shù)那闆r下，3種方法在趨勢產(chǎn)量擬合上無明顯差別。其次，制度創(chuàng)新和強(qiáng)農(nóng)惠農(nóng)政策的實(shí)施能夠極大地提升生產(chǎn)力，合適的趨勢產(chǎn)量擬合方法應(yīng)體現(xiàn)制度和惠農(nóng)政策實(shí)施等對糧食產(chǎn)量的促進(jìn)作用，得出二次指數(shù)平滑法和五點(diǎn)二次平滑法擬合的趨勢產(chǎn)量與實(shí)際情況較為符合，更能真實(shí)反映實(shí)際產(chǎn)量變化。此外，引黃灌區(qū)屬大陸性半濕潤半干旱氣候，而氣候產(chǎn)量是受氣候因子變化影響而導(dǎo)致的波動(dòng)產(chǎn)量分量，所以當(dāng)研究區(qū)各地區(qū)氣候變化特征基本相同時(shí)，玉米的氣候產(chǎn)量也應(yīng)有基本相似的波動(dòng)特點(diǎn)[20,41]，而五點(diǎn)二次平滑法分離的結(jié)果波動(dòng)幅度相對較為平緩齊整，該方法分離得到的相對氣候產(chǎn)量整個(gè)研究區(qū)同升或同降的變化特征更明顯，一致性特征最好。最后，通過對優(yōu)選出的五點(diǎn)二次平滑法分離得到的相對氣候產(chǎn)量建立多元逐步回歸模型，進(jìn)一步解釋了玉米產(chǎn)量與氣候因子關(guān)系的合理性，驗(yàn)證了該方法在本研究區(qū)的合理性。

作物產(chǎn)量的形成會(huì)受到多種因素的共同影響，且對不同因素的敏感度可能有所不同，本文在對比作物產(chǎn)量分離方法時(shí)未考慮不同時(shí)間長度氣象災(zāi)害突變及病蟲害對產(chǎn)量分離的影響。由此為提高作物產(chǎn)量分離效果，能更準(zhǔn)確地分離出氣候產(chǎn)量，須對作物產(chǎn)量資料序列進(jìn)行關(guān)鍵時(shí)段的劃分，以選取最適合的作物產(chǎn)量分離方法進(jìn)而求取趨勢產(chǎn)量，得到較為準(zhǔn)確的氣候產(chǎn)量[42-43]?；蚩紤]多種分離方法混合使用，同時(shí)結(jié)合詳細(xì)的氣象災(zāi)害和病蟲害資料，能更客觀地反映氣象災(zāi)害及病蟲害對區(qū)域作物產(chǎn)量的影響。

4 結(jié)論

1）從適用性來看，五年滑動(dòng)平均法、二次指數(shù)平滑法和五點(diǎn)二次平滑法都適用于玉米趨勢產(chǎn)量的擬合，均能較好反映玉米產(chǎn)量總體增長趨勢，而且3種方法在趨勢產(chǎn)量擬合上無顯著差別。

2）從符合性來看，二次指數(shù)平滑法和五點(diǎn)二次平滑法擬合的趨勢產(chǎn)量與實(shí)際情況較為符合，更能真實(shí)地反映因生產(chǎn)力和國家政策變化等導(dǎo)致的實(shí)際產(chǎn)量變化，而五年滑動(dòng)平均法擬合的趨勢產(chǎn)量變化體現(xiàn)實(shí)際社會(huì)發(fā)展的能力最差。

3）從合理性來看，當(dāng)研究區(qū)各地區(qū)氣候變化特征基本相同時(shí)，五點(diǎn)二次平滑法分離得到的各市（縣）相對氣候產(chǎn)量更能體現(xiàn)氣候要素年際變化對其產(chǎn)量的影響，一致性特征最好，二次指數(shù)次之，五年滑動(dòng)平均法最差。

4）從普適性來看，五點(diǎn)二次平滑法分離得到的相對氣候產(chǎn)量建立的模型能夠較為合理地反映氣候因子對產(chǎn)量的影響，符合玉米生長發(fā)育特性，說明五點(diǎn)二次平滑法更具有普適性。

[1] ZHANG Jinping, ZHAO Yong, DING Zhihong. Research on the relationships between rainfall and meteorological yield in irrigation district[J]. Water Resources Management, 2014, 28(6): 1 689-1 702.

[2] ZHUANG Jiayu, XU Shiwei, LI Ganqiong, et al. The influence of meteorological factors on wheat and rice yields in China[J]. Crop Science, 2018, 58(2): 837-852.

[3] AGHAKOUCHAK Amir, CHENG Linyin, MAZDIYASH Omid, et al. Global warming and changes in risk of concurrent climate extremes: Insights from the 2014 California drought[J]. Geophysical Research Letters, 2014, 41(24): 8 847-8 852.

[4] 張強(qiáng), 李裕, 陳麗華. 當(dāng)代氣候變化的主要特點(diǎn)、關(guān)鍵問題及應(yīng)對策略[J]. 中國沙漠, 2011, 31(2): 492-499.

ZHANG Qiang, LI Yu, CHEN Lihua. Major characteristics, key issues and coping strategies of climate change[J]. Journal of Desert Research, 2011, 31(2): 492-499.

[5] 張強(qiáng), 韓蘭英, 郝小翠, 等. 氣候變化對中國農(nóng)業(yè)旱災(zāi)損失率的影響及其南北區(qū)域差異性[J]. 氣象學(xué)報(bào), 2015, 73(6): 1 092-1 103.

ZHANG Qiang, HAN Lanying, HAO Xiaocui, et al. On the impact of the climate change on the agricultural disaster loss caused by drought in china and the regional differences between the North and the South[J]. Acta Meteorologica Sinica, 2015, 73(6): 1 092-1 103.

[6] ZHANG Qiang, YAO Yubi, WANG Ying, et al. Characteristics of drought in southern china under climatic warming, the risk, and countermeasures for prevention and control[J]. Theoretical and Applied Climatology, 2019, 136(3/4): 1 157-1 173.

[7] LIU Yanxin, YAN Xiaodong. Comparison of regional droughts impacts and social responses in the historical China: A case study of the Han dynasty[J]. Physics and Chemistry of the Earth, 2020, 117: 102 854.

[8] 孫華, 何茂萍, 胡明成. 全球變化背景下氣候變暖對中國農(nóng)業(yè)生產(chǎn)的影響[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2015, 36(7): 51-57.

SUN Hua, HE Maoping, HU Mingcheng. Impact of global climatic warming on agricultural production in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2015, 36(7): 51-57.

[9] 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(xué)報(bào), 2011, 20(6): 13-18.

FANG Shibo. Exploration of method for discrimination between trend crop yield and climatic fluctuant yield[J]. Journal of Natural Disasters, 2011, 20(6): 13-18.

[10] 趙彥茜, 肖登攀, 唐建昭, 等. 氣候變化對我國主要糧食作物產(chǎn)量的影響及適應(yīng)措施[J]. 水土保持研究, 2019, 26(6): 317-326.

ZHAO Yanxi, XIAO Dengpan, TANG Jianzhao, et al. Effects of climate change on the yield of major grain crops and its adaptation measures in China[J]. Research of Soil and Water Conservation, 2019, 26(6): 317-326.

[11] 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.

WANG Guizhi, LU Jinshuai, CHEN Keyao, et al. Exploration of method in separating climatic output based on HP filter[J]. Chinese Journal of Agrometeorology, 2014, 35(2): 195-199.

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

WANG Yuan, FANG Xiuqi, XU Tan. A method for calculating the climatic yield of grain under climate change[J]. Journal of Natural Resources, 2004, 19(4): 531-536.

[13] 廉麗姝. 山東省氣候變化及農(nóng)業(yè)自然災(zāi)害對糧食產(chǎn)量的影響[J]. 氣象科技, 2005, 33(1): 73-76.

LIAN Lishu. Impact of climate change and natural disasters on grain yields in Shandong Province[J]. Meteorological Science and Technology, 2005, 33(1): 73-76.

[14] 郝立生, 吳雁, 王榮英. 海河低平原春季氣候變化對冬小麥產(chǎn)量的影響[J]. 氣象與減災(zāi)研究, 2007(4): 20-24.

HAO Lisheng, WU Yan, WANG Rongying. Impact of spring climate change on wheat yield in lower Haihe Plain[J]. Meteorology and Disaster Reduction Research, 2007(4): 20-24.

[15] LIZUMI Toshichika, LUO Jingjia, CHALLINOR Andrew, et al. Impacts of EI ni?o southern oscillation on the global yields of major crops[J]. Nature Communications, 2014, 5(1): 3 712-3 718.

[16] NGUYEN-HUY Thong, DEO Ravinesh, MUSHTAQ Shahbaz, et al. Modeling the joint influence of multiple synoptic-scale, climate mode indices on australian wheat yield using a vine copula-based approach[J]. European Journal of Agronomy, 2018, 98: 65-81.

[17] 葛道闊, 曹宏鑫, 張文宇, 等. 4種水稻氣象產(chǎn)量分離方法的對比研究[J]. 江西農(nóng)業(yè)學(xué)報(bào), 2020, 32(12): 1-6.

GE Daokuo, CAO Hongxin, ZHANG Wenyu, et al. Comparative study on four methods for separating rice meteorological yield[J]. Acta Agriculture Jiangxi, 2020, 32(12): 1-6.

[18] 李心怡, 張祎, 趙艷霞, 等. 主要作物產(chǎn)量分離方法比較[J]. 應(yīng)用氣象學(xué)報(bào), 2020, 31(1): 74-82.

LI Xinyi, ZHANG Yi, ZHAO Yanxia, et al. Comparative study on main crop yield separation methods[J]. Journal of Applied Meteorological Science, 2020, 31(1): 74-82.

[19] 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(xué), 2015, 47(8): 95-99.

NIU Hao, CHEN Shengwei. Multiple comparative analyses of separation methods for meteorological yield of corn in Shandong Province[J]. Shandong Agricultural Sciences, 2015, 47(8): 95-99.

[20] 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(xué)報(bào), 2017, 25(3): 345-355.

ZHAO Dongni, WANG Yanhua, REN Chuanyou, et al. Comparative analysis of three fitting methods of rice trend yield[J]. Chinese Journal of Eco-Agriculture, 2017, 25(3): 345-355.

[21] 魏慶偉, 石俊峰, 張億博. 冬小麥趨勢產(chǎn)量與氣象產(chǎn)量分離方法對比分析[J]. 山東農(nóng)業(yè)科學(xué), 2019,51(8): 127-132.

WEI Qingwei, SHI Junfeng, ZHANG Yibo. Comparative analysis of methods for separating trend yield and meteorological yield of winter wheat[J]. Shandong Agricultural Sciences, 2019, 51(8): 127-132.

[22] 王馥棠. 第七講農(nóng)業(yè)氣象產(chǎn)量預(yù)報(bào)(上)[J]. 氣象, 1986(10): 39-43.

WANG Futang. Lecture 7 forecast of agricultural meteorological yield (I)[J]. Meteorology, 1986 (10): 39-43.

[23] 馮金巧, 楊兆升, 張林, 等. 一種自適應(yīng)指數(shù)平滑動(dòng)態(tài)預(yù)測模型[J]. 吉林大學(xué)學(xué)報(bào)(工學(xué)版), 2007(6): 1 284-1 287.

FENG Jinqiao, YANG Zhaosheng, ZHANG Lin, et al. Adaptive exponential smoothing model for dynamic prediction[J]. Journal of Jilin University (Engineering and Technology Edition), 2007(6): 1 284-1 287.

[24] 王長江. 指數(shù)平滑法中平滑系數(shù)的選擇研究[J]. 中北大學(xué)學(xué)報(bào)(自然科學(xué)版), 2006, 27(6): 558-561.

WANG Changjiang. Selection of smoothing coefficient via exponential smoothing algorithm[J]. Journal of North University of China (Natural Science Edition), 2006, 27(6): 558-561.

[25] 董京銘, 劉瑞翔, 馬晨晨, 等. 利用主成分回歸方法預(yù)估連云港地區(qū)水稻氣象產(chǎn)量[J]. 江蘇農(nóng)業(yè)學(xué)報(bào), 2021, 37(3): 606-612.

DONG Jingming, LIU Ruixiang, MA Chenchen, et al. Estimation of the meteorological yield of rice in Lianyungang area using principal component regression method[J]. Jiangsu Journal of Agriculture, 2021, 37(3): 606-612.

[26] 田俊, 霍治國. 江西省早稻雨洗花災(zāi)害指標(biāo)構(gòu)建與災(zāi)損評估[J]. 應(yīng)用氣象學(xué)報(bào), 2018, 29(6): 657-666.

TIAN Jun, HUO Zhiguo. Index and loss estimation of rain washing damage to early rice pollen in Jiangxi Province[J]. Journal of Applied Meteorological Science, 2018, 29(6): 657-666.

[27] 錢永蘭, 毛留喜, 周廣勝. 全球主要糧食作物產(chǎn)量變化及其氣象災(zāi)害風(fēng)險(xiǎn)評估[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2016, 32(1): 226-235.

QIAN Yonglan, MAO Liuxi, ZHOU Guangsheng. Changes in global main crop yields and its meteorological risk assessment[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(1): 226-235.

[28] 劉玉秀, 徐建平. 定量檢測指標(biāo)的一致性統(tǒng)計(jì)分析方法[J]. 臨床檢驗(yàn)雜志, 1998, 16(6): 60-62.

LIU Yuxiu, XU Jianping. The consistency statistical analysis method of quantitative detection index[J]. Journal of Clinical Laboratory, 1998, 16(6): 60-62.

[29] 陳秧分, 李先德. 中國糧食產(chǎn)量變化的時(shí)空格局與影響因素[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2013, 29(20): 1-10.

CHEN Yangfen, LI Xiande. Spatial-Temporal characteristics and influencing factors of grain yield change in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(20): 1-10.

[30] 劉彥隨, 王介勇, 郭麗英. 中國糧食生產(chǎn)與耕地變化的時(shí)空動(dòng)態(tài)[J]. 中國農(nóng)業(yè)科學(xué), 2009, 42(12): 4 269-4 274.

LIU Yansui, WANG Jieyong, GUO Liying. The Spatial-temporal changes of grain production and arable land in China[J]. Scientia Agricultura Sinica, 2009, 42(12): 4 269-4 274.

[31] 戈大專, 龍花樓, 張英男, 等. 中國縣域糧食產(chǎn)量與農(nóng)業(yè)勞動(dòng)力變化的格局及其耦合關(guān)系[J]. 地理學(xué)報(bào), 2017, 72(6): 1 063-1 077.

GE Dazhuan, LONG Hualou, ZHANG Yingnan, et al. Pattern and coupling relationship between grain yield and agricultural labor changes at county level in China[J]. Acta Geographica Sinica, 2017, 72(6): 1 063-1 077.

[32] 金宇豪, 郭恬, 陽會(huì)兵. 我國糧食安全的影響因素及對策分析[J]. 作物研究, 2020, 34(6): 580-584.

JIN Yuhao, GUO Tian, YANG Huibing. Analysis on the influencing factors and countermeasures of food security in China[J]. Crop Research, 2020, 34(6): 580-584.

[33] 許紅. 我國糧食生產(chǎn)的變化趨勢及空間分異研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2020, 41(9): 146-154.

XU Hong. Research on the trend and spatial differentiation of grain production in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(9): 146-154.

[34] 王桂芝, 胡慧, 陳紀(jì)波, 等. 基于BP濾波的Fourier模型在糧食產(chǎn)量預(yù)測中的應(yīng)用[J]. 中國農(nóng)業(yè)氣象, 2015, 36(4): 472-478.

WANG Guizhi, HU Hui, CHEN Jibo, et al. Application of fourier model based on bp filter in crops yield prediction[J]. Chinese Journal of Agrometeorology, 2015, 36(4): 472-478.

[35] 黃新玲, 王鵬, 亢玲. 寧夏糧食生產(chǎn)的發(fā)展態(tài)勢及相關(guān)情況的分析[J]. 寧夏農(nóng)林科技, 2010(6): 72-74.

HUANG Xinling, WANG Peng, KANG Ling. Analysis on the development situation of grain production and its correlative situation in Ningxia, China[J]. Ningxia Journal of Agriculture and Forestry Science and Technology, 2010(6): 72-74.

[36] 潘瑜. 寧夏60年糧食跨越發(fā)展[J]. 共產(chǎn)黨人, 2018(21): 35-36.

PAN Yu. The Leaping Development of Grain in 60 Years in Ningxia[J]. Communist Magazine, 2018(21): 35-36.

[37] IIZUMI Toshichika, FURUYA Jun, SHEN Zhihong, et al. Responses of crop yield growth to global temperature and socioeconomic changes[J]. Scientific Reports, 2017, 7(1): 112-123.

[38] 楊軍, 程玉琴, 尤莉. 翁牛特旗玉米生育期與氣象條件的相關(guān)分析[J].內(nèi)蒙古氣象, 2014(5): 33-35.

YANG Jun, CHENG Yuqin, YOU Li. Correlation analysis on corn growth period and meteorological conditions in ongniud banner[J]. Meteorology Journal of Inner Mongolia, 2014, (5): 33-35.

[39] 龐婷婷, 毛萬眾, 康文娟, 等. 寧夏沙坡頭區(qū)氣候變化對玉米產(chǎn)量及生產(chǎn)潛力的影響[J]. 陜西農(nóng)業(yè)科學(xué), 2021, 67(2): 1-7, 40.

PANG Tingting, MAO Wanzhong, KANG Wenjuan, et al. Effect of climate change on maize yield and potential productivity in shapotou area of Ningxia[J]. Shaanxi Journal of Agricultural Sciences, 2021, 67(2): 1-7, 40.

[40] 宋立泉. 低溫對玉米生長發(fā)育的影響[J]. 玉米科學(xué), 1997(3): 58-60.

SONG Liquan. Effects of low temperature on maize growth and development[J]. Maize Science, 1997(3): 58-60.

[41] 王保, 黃思先, 孫衛(wèi)國. 氣候變化對長江中下游地區(qū)水稻產(chǎn)量的影響[J]. 湖北農(nóng)業(yè)科學(xué), 2014, 53(1): 43-51.

WANG Bao, HUANG Sixian, SUN Weiguo. Effects of climate change on rice yield of the middle and lower reaches region of the Yangtze River[J]. Hubei Agricultural Sciences, 2014, 53(1): 43-51.

[42] 李永華, 高陽華, 張建平, 等. 氣候波動(dòng)對重慶水稻產(chǎn)量的影響及對策[J]. 中國農(nóng)業(yè)氣象, 2008(1): 75-78.

LI Yonghua, GAO Yanghua, ZHANG Jianping, et al. Impacts of climate changes on rice yield and response strategies in Chongqing[J]. Chinese Journal of Agrometeorology, 2008(1): 75-78.

[43] 張清霞, 張金恩, 萬正, 等. 二次枝梗分化期低溫對雙季早稻生長發(fā)育和產(chǎn)量的影響[J]. 江西農(nóng)業(yè)學(xué)報(bào), 2019, 31(9): 21-29.

ZHANG Qingxia, ZHANG Jinen, WAN Zheng, et al. Effects of low temperature on growth and yield of double cropping early rice in secondary branch and stem differentiation stage[J]. Acta Agriculture Jiangxi, 2019, 31(9): 21-29.

Separating the Effect of Meteorology on Maize Yield from the Impact of Other Factors in the Yellow River-water Irrigated Regions in Ningxia of China

HE Hong1,3, WANG Qiaojuan1,3, LI Liang1,3, CAI Huanjie1,2,3*

(1. College of Water Conservancy and Architectural Engineering, Northwest A & F University, Yangling 712100, China;2. Agriculture Water Conservation Research Institute of Arid Zone, Northwest A & F University,Yangling 712100, China; 3. Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas, Ministry of Education, Yangling 712100, China)

【】Variation in crop yield is the consequence of many natural and anthropogenic factors, and disentangling their impacts is important for improving agricultural management but difficult. The purpose of this paper is to propose and compared different methods to isolate the impacts of meteorological change on crop yield based on long time series of maize yield in Yellow River-water irrigated region in Ninxia province of China.【】The analysis is based on maize yield measured from1988 to 2019 in 6 counties located in the Yellow River-watered irrigation areas. We compared three methods for the separation: five -year moving average method, quadratic exponential smoothing method, and five-point quadratic smoothing method. The consistent correlation coefficient, trend coincidence conformity analysis method, consistency of climate change characteristics, which lead to the same rise-fall in meteorological yield, were used as the evaluation criteria. Their applicability and rationality were compared and analyzed. All methods were calibrated based on the relationship between meteorological factors and maize yield.【】All methods can fit the yield trend well. Compared with the average yield trend, the consistency correlation coefficients of all three methods were >0.5, suggesting that there was no significant difference between these methods for fitting the yield trend. The advantage of the quadratic exponential smoothing method and the five-point quadratic smoothing method is that they accurately describe the change in the yield as affected by national productivity and national policy. The change in the yield due to meteorological factors estimated by the five-point quadratic smoothing method described the effect of inter-annual meteorological factors better, and its associated meteorological yield model is able to describe the relationship between the meteorological factors and the maize yield.【】Comprehensive analysis showed that the five-point quadratic smoothing method modeled the yield change due to meteorological factors better than the other two methods.

maize; trend yield; meteorological-induced yield; separation methods

1672 - 3317（2022）04 - 0030 - 10

P942

A

10.13522/j.cnki.ggps.2021454

何虹, 王巧娟, 李亮, 等. 寧夏引黃灌區(qū)玉米趨勢產(chǎn)量與氣候產(chǎn)量分離方法研究[J]. 灌溉排水學(xué)報(bào), 2022, 41(4): 30-39.

HE Hong, WANG Qiaojuan, LI Liang, et al. Separating the Effect of Meteorology on Maize Yield from the Impact of Other Factors in the Yellow River-water Irrigated Regions in Ningxia of China[J]. Journal of Irrigation and Drainage, 2022, 41(4): 30-39.

2021-09-22

國家自然科學(xué)基金項(xiàng)目（51879223）；國家重點(diǎn)研發(fā)項(xiàng)目（2016YFC0400201）

何虹（1996-），女。碩士研究生，主要從事區(qū)域氣象干旱與作物產(chǎn)量研究。E-mail: nxhehong@nwafu.edu.cn

蔡煥杰（1962-），男。教授，主要從事農(nóng)業(yè)節(jié)水與水資源高效利用研究。E-mail: caihj@nwsuaf.edu.cn

責(zé)任編輯：韓 洋