氣象因子對靈山縣早稻產(chǎn)量的影響研究

摘要：基于靈山縣1957—2022年早稻產(chǎn)量資料及氣象資料，本文應(yīng)用主成分回歸方法建立顯著相關(guān)氣象因子與早稻相對氣象產(chǎn)量的預(yù)報模型，分析氣象因子對靈山縣早稻產(chǎn)量的影響，并對模型進行檢驗。結(jié)果表明：在靈山縣早稻發(fā)育期內(nèi)，減數(shù)分裂期前顯著相關(guān)的氣象因子與早稻相對氣象產(chǎn)量呈正相關(guān)，減數(shù)分裂期起至灌漿成熟后期呈負相關(guān)；其中降水是最重要的氣象因子，為負相關(guān)。早稻相對氣象產(chǎn)量預(yù)報模型通過1%顯著性檢驗，平均預(yù)測準(zhǔn)確度大于95%，回歸模型可信度高。

關(guān)鍵詞：早稻；相對氣象產(chǎn)量；氣象因子；主成分

回歸

在全球氣候變暖的背景下，氣象災(zāi)害發(fā)生概率逐漸升高，對水稻產(chǎn)量的影響越來越大，許多學(xué)者在氣象因子對早稻產(chǎn)量影響方面做了大量的研究。陳斐等通過主成分回歸方法研究發(fā)現(xiàn)長江中下游雙季早稻相對氣象產(chǎn)量最大的影響因子為降水，呈負相關(guān)[1]。李涵茂等研究發(fā)現(xiàn)5 月上旬平均氣溫、6 月中旬降水量和 7 月中旬日照時數(shù)與湘北早稻產(chǎn)量相關(guān)性最好[2]?？镉碌劝l(fā)現(xiàn)平均溫度上升與湘南早稻產(chǎn)量呈負相關(guān)[3]。吳麗姬等認為降水主要對華南早稻的結(jié)實期有不利影響[4]。前人大多數(shù)是研究較大的地理區(qū)域，針對局部小區(qū)域的多個氣象因子對早稻產(chǎn)量影響的研究較少。但是，不同區(qū)域氣候存在較大差異，以較大的地理區(qū)域研究得出的結(jié)果并不一定適用于局部小區(qū)域的生產(chǎn)實際。因此，本文以靈山縣為例，通過主成分回歸方法研究氣象因子對靈山縣早稻產(chǎn)量的影響，建立相對氣象產(chǎn)量的預(yù)報模型，為靈山縣早稻產(chǎn)量預(yù)報以及水稻生產(chǎn)防災(zāi)減災(zāi)提供科

學(xué)依據(jù)。

1 資料與方法

1.1 研究材料

靈山縣基準(zhǔn)氣候站1957—2022年逐旬平均氣溫、總?cè)照諘r數(shù)、總降水量、平均相對濕度等氣象數(shù)據(jù)和1994—2022年觀測得到的早稻發(fā)育期資料；靈山縣早稻產(chǎn)量數(shù)據(jù)來自于欽州市統(tǒng)計局（1957～2019年）和國家統(tǒng)計局欽州調(diào)查隊（2020～2022年）。

1.2 研究方法

1.2.1 產(chǎn)量分解及相對氣象產(chǎn)量

將水稻產(chǎn)量Y分解為反映種植技術(shù)進步、品種優(yōu)化等非自然因素影響的趨勢產(chǎn)量Yt，生長環(huán)境中氣象條件變化等自然因素影響的氣象產(chǎn)量Yw，其他隨機因素造成的隨機產(chǎn)量ε，ε一般很小，在研究中通?？梢院雎?，則有：

本文采用五步直線滑動平均法分解趨勢產(chǎn)量，將氣象產(chǎn)量與趨勢產(chǎn)量的比值定義為相對氣象產(chǎn)量Yr，以消除不同時期生產(chǎn)力水平的影響，使氣象產(chǎn)量在時間和區(qū)域上具有可比性[1]，即：

1.2.2 建模方法

以旬為時間尺度，通過SPSS26軟件對早稻相對氣象產(chǎn)量和早稻發(fā)育期內(nèi)各旬氣象因子進行相關(guān)性分析得到與早稻相對氣象產(chǎn)量顯著相關(guān)的氣息因子，運用主成分回歸方法建立顯著相關(guān)氣象因子與早稻相對氣象產(chǎn)量的回歸預(yù)報模型，并對模型進行檢驗[5]。

2 結(jié)果與分析

2.1 相關(guān)性分析

以旬為時間尺度，通過SPSS26軟件對早稻相對氣象產(chǎn)量和早稻發(fā)育期內(nèi)各旬氣象因子進行相關(guān)性分析。結(jié)果詳見表1。

由表1可以看出，在靈山縣早稻發(fā)育期內(nèi)相對氣象產(chǎn)量與平均氣溫、平均最高氣溫、最高氣溫、有效積溫和日照時數(shù)等氣象因子呈顯著正相關(guān)到顯著負相關(guān)轉(zhuǎn)變，與氣溫日較差和降水量呈顯著負相關(guān)，相對濕度對早稻的影響不顯著。

2.2 靈山縣早稻平均發(fā)育期

利用1994～2022年靈山縣早稻發(fā)育期觀測資料將靈山縣早稻發(fā)育期劃分為幼苗期（3月下旬—4月中旬）、分蘗期（4月下旬—5月中旬）、拔節(jié)孕穗期

（5月下旬—6月中旬）、抽穗揚花期（6月中下旬）和灌漿成熟期（7月）。

2.3 主成分分析

靈山縣早稻3月下旬（最高氣溫）—7月下旬降水量等顯著相關(guān)氣象因子的主成分分析，結(jié)果詳見表2。

從表2可以看出，前6個主成分累計貢獻率大于80%，可以解釋早稻相對氣象產(chǎn)量的主要變化[6]。結(jié)合表1、2以及靈山縣早稻發(fā)育期時間可知，主成分P1中因子X9～X14所占的比重較高，對應(yīng)6月中旬平均氣溫、平均最高氣溫、最高氣溫、氣溫日較差、有效積溫和日照時數(shù)，反映了靈山縣孕穗后期-抽穗初期的氣象條件，可以稱為“孕穗后期-抽穗初期氣象因子”。類似地，主成分P2由分蘗后期（5月中旬）的因子X3～X6主導(dǎo)，稱為“分蘗后期氣象因子”；主成分P3由減數(shù)分裂期（6月上旬）的因子X7和X8主導(dǎo)，稱為“減數(shù)分裂期氣象因子”；主成分P4由灌漿成熟后期（6月下旬）的因子X16 主導(dǎo)，稱為“灌漿成熟后期降水因子”；主成分P5由抽穗揚花后期（7月下旬）的因子X15 主導(dǎo)，稱為“抽穗揚花后期降水因子”；主成分P6由幼苗中后期（3月下旬及4月上旬）的因子X1和X2主導(dǎo)，稱為“幼苗中后期最高氣溫因子”。

2.4 相對氣象產(chǎn)量預(yù)報模型及評估檢驗

以主成分P1-P6為自變量，通過多元線性回歸構(gòu)建靈山縣早稻相對氣象產(chǎn)量的回歸方程：

將主成分各分量除以對應(yīng)特征根的平方根后帶入式（3），得到靈山縣早稻相對氣象產(chǎn)量標(biāo)準(zhǔn)化回歸預(yù)報模型：

由式（4）可知，在靈山縣早稻發(fā)育期內(nèi)，顯著相關(guān)氣象因子對早稻相對氣象產(chǎn)量的影響從幼苗中期最高氣溫的正相關(guān)到減數(shù)分裂期氣溫日較差起向負相關(guān)轉(zhuǎn)變，其中，最重要的為抽穗揚花期降水量，其次為灌漿成熟期降水量，均為負相關(guān)；早稻相對氣象產(chǎn)量預(yù)報模型通過1%顯著性檢驗（同注1）。為檢驗建立的相對氣象產(chǎn)量模型準(zhǔn)確性，引入準(zhǔn)確率，準(zhǔn)確率=（1-|模擬產(chǎn)量-實際產(chǎn)量|/實際產(chǎn)量）×100%[2]。檢驗結(jié)果表明，靈山縣早稻模型的預(yù)測準(zhǔn)確率為79.0%～99.9%，其中最小準(zhǔn)確率出現(xiàn)在1988年，平均預(yù)報準(zhǔn)確率大于95%，模型模擬可信度高。

3 結(jié)論與討論

本文通過主成分回歸方法研究了顯著相關(guān)氣象因子對靈山縣早稻相對氣象產(chǎn)量的影響，得出以下結(jié)論：

（1）在靈山縣早稻發(fā)育期內(nèi)，減數(shù)分裂期前顯著相關(guān)的氣象因子與早稻相對氣象產(chǎn)量呈正相關(guān)，減數(shù)分裂期起至灌漿成熟后期呈負相關(guān)；其中降水是最重要的氣象因子，為負面影響。在大多數(shù)年份，靈山縣早稻幼苗中后期和分蘗后期易出現(xiàn)低溫陰雨天氣，此時較高的溫度和較多日照時數(shù)有利于早稻培育壯秧及移栽后分蘗生長，提高早稻產(chǎn)量；在減數(shù)分裂期和孕穗后期-抽穗初期，靈山縣溫度逐漸升高，日照時數(shù)增加，此時過高的溫度和過多日照時數(shù)對早稻幼穗分化有不利影響，容易導(dǎo)致穗粒數(shù)減少，空粒增多，最終造成早稻產(chǎn)量下降。在早稻抽穗揚花后期、灌漿成熟期后期降水量偏多，不利于早稻灌漿結(jié)實，持續(xù)的降雨還會造成谷粒穗上發(fā)芽，導(dǎo)致產(chǎn)量減少，與吳麗姬等研究結(jié)果一致[4]。

（2）本文基于顯著相關(guān)的氣象因子建立的早稻相對氣象產(chǎn)量模型通過1%顯著性檢驗，平均預(yù)報準(zhǔn)確率大于95%，模型模擬可信度高，為早稻產(chǎn)量預(yù)報提供可靠的依據(jù)。

參考文獻

[1] 陳斐，楊沈斌，申雙和，等.基于主成分回歸法的長江中下游雙季早稻相對氣象產(chǎn)量模擬模型[J].中國農(nóng)業(yè)氣象，2014，35（5）：522-528.

[2] 李涵茂，帥細強，戴平，等．基于關(guān)鍵氣象因子的湘北早稻產(chǎn)量動態(tài)預(yù)報[J]．湖南農(nóng)業(yè)科學(xué)，2015（1）：114-116+119.

[3] 匡勇，鄭華斌，黃璜.溫度變化對湖南水稻產(chǎn)量的影響[J].作物研究，2011，25（6）：538-543.

[4] 吳麗姬，胡飛.華南地區(qū)早晚稻生育期降水特征分析[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報，2019，40（1）：1-7.

[5] 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，2021，37（3）：606-612.

[6] 司守奎，孫璽菁，孫兆亮，等.數(shù)學(xué)建模算法與應(yīng)用[M].第3版.北京：國防工業(yè)出版社，2021：276-277.