長沙地區早稻產量定量預報模式研究

章竹青，邱慶棟，彭夢霜，陳朝暉

（長沙市氣象局，湖南 長沙 410205）

長沙市是全國重要的水稻優勢產區，全市糧食播種面積37.93萬 hm2，總產254.14萬 t。其中早稻面積15.50萬hm2，總產量92.33萬 t，早稻占糧食總產量的36%。早稻生產期受氣象條件的制約，進行早稻產量氣象預報研究對于實現長沙市年產糧食25億kg具有極為重要意義。由于早稻生產在露天進行，與天氣變化和氣象災害影響關系密切，因此開展早稻產量與氣象條件關系研究也是必要的。

1 預報的資料來源、分析及處理

1.1 資料來源

通過市農業局可收集到長沙2001～2010年水稻的單產資料，2001～2010年長沙地區早稻產量分別為 409.3、348.3、392.1、400.7、411.1、415.8、419.0、421.7、404.3、397.0 kg/667m2。氣象資料來自國家基準站望城坡（57687），資料來源可靠、準確。

1.2 分析處理

早稻從播種到成熟的全部生命活動過程，都是在露天的大自然中進行的，因而周圍的各個環境因子，如光、熱、水、氣、風、土、肥等都影響著作物的生長發育及產量形成，但在早稻各個不同的生育期，各因子的影響程度又有大小、主次之分。對產量影響明顯的因子有：農業技術措施、品種改良、土壤肥力、氣象因子、生物因子、病蟲害等。雖然環境因子對產量形成的關系很復雜，但環境條件對生命有機體的影響是有后效作用的，通過生物數學分析，計算相關程度，可以找出影響早稻產量的關鍵因子。

將影響早稻產量的因子分為氣象因子和非氣象因子來研究，發現對產量影響的非氣象因子（農業技術措施、品種改良、土壤肥力、病蟲害、生物因子）在短期內是相對穩定的，且有相關的延續性，因此，它們對產量的影響關系，可用時間關系函數來近似估計。氣象因子的變化極不穩定，但氣象因子與產量的形成也是有一定關系的，通過分析產量與氣象因子的相關關系，可以建立氣象產量模式，綜合產量的時間變率，作出未來的產量預報。

在具體建立預報模式中，著重分析研究對早稻產量形成具有顯著影響的關鍵因子，把早稻產量分為氣象產量與非氣象產量（趨勢產量）兩部分來處理。即Yw=Y-Yt+YQ，式中Y為實際產量，Yt為趨勢產量，Yw為氣象產量，YQ為隨機誤差，也稱噪音，計算公式如下：

YQ=∑ （S×Q×Y）/M，式中，S 為受災面積（667m2），Q為受害程度（即單位面積667m2受災百分率），Y為在未受災害情況下的預報產量（kg/667m2），M 為栽種面積（667m2）。

通過氣象產量與各氣象因子的相關分析，可以建立回歸方程，Yw=f（xi），式中f（xi）為氣象因子，最后得出Y軒=Y軒t+Y軒w+YQ

2 預報方法

2.1 建立趨勢產量預報亞模式

把非氣象產量的歷史變化稱為趨勢產量，在本研究中，采用EXCEL圖表中的趨勢線作為產量，隨時間變化得線性擬合趨勢產量：Yt=2.967 4*（t-2001）+385.6，見圖 1。

圖1 長沙2001～2010年早稻產量變化

2.2 氣象產量

計算氣象產量Yw，結果如表1所示。

表1 長沙地區2001～2010年早稻氣象產量 （kg/667m2）

2.3 建立氣象產量預報模式

利用氣象產量序列與平行氣象因子進行相關分析，廣泛篩選出相關氣象因子。然后利用統計方法進一步篩選因子，建立多因子預報模式。

2.3.1 因子篩選 早稻從秧苗階段、分蘗階段、幼穗分化至抽穗楊花階段一般在3月下旬至6月。選取因子有：早稻抽穗期（6月19日～6月27日）降水量、早稻孕穗期（5月26日～6月18日）日平均氣溫、早稻分蘗期（5月2日～5月25日）日照時數、3月下旬光積溫、5月降水量、6月上旬降水量、6月中旬降水量、6月下旬降水量、6月平均氣溫、4月日照時數、5月中旬日照時數、4月中旬降水量、5月上旬降水日數、5月中旬降水日數、5月下旬降水日數、5月日平均氣溫小于20℃的日數、4月中旬日平均氣溫小于20℃的日數、4月下旬日平均氣溫小于20℃的日數、5月上旬日平均氣溫小于20℃的日數、5月中旬日平均氣溫小于20℃的日數、5月下旬日平均氣溫小于20℃的日數、4月中旬日照百分率、4月下旬日照百分率、5月上旬日照百分率、5月中旬日照百分率、5月下旬日照百分率、6月上旬日照百分率、5月1日～5月25日大于17℃的有效積溫、5月26日～6月30日氣溫日較差和。

2.3.2 相關系數 采用excel工具欄數據分析法，找出與早稻產量關系較為密切的一批氣象因子，結果如表2所示。

表2 早稻產量與3～6月各氣象條件相關系數

2.3.3 挑選因子 影響早稻產量的氣象因素雖然很多，從表2中可看出，5月份的氣象條件是早稻生長發育、產量形成的關鍵時期。選取因子X1：5月日平均氣溫小于20℃的日數，X2：5月1日～5月25日大于17℃的有效積溫。 2001～2010年長沙地區5月日平均氣溫小于20℃的日數分別為8、15、10、8、4、3、1、2、9、10 d；5 月 1 日～5 月 25 日大于 17℃的 有 效 積 溫 分 別 為 585.0、369.5、492.1、519.3、554.7、557.9、622.2、604.5、574.2、436.5℃。

2.3.4 建立氣象產量預報模式 采用excel工具欄回歸分析，建立氣象產量預報模式，通過以上分析，得出長沙地區早稻氣象產量預報模式如下：

其中：X1為5月日平均氣溫小于20℃的日數，X2為5月1日～5月25日大于17℃的有效積溫，Y軒w為早稻氣象產量預報值，單位為kg。

從早稻氣象產量預報模式中所選氣象因子來分析，具有充分的生物學意義：早稻產量是由單位面積上的有效穗數、每穗總粒數、結實率、千粒重等4個因素構成的。

單位面積有效穗數（667m2）=最高苗數×成穗率

長沙地區的早稻分孽期為5月6日至5月26日，分孽期的最低溫度為17.0℃，最適宜溫度為25～28℃，光照充足，當遇到低溫陰雨寡照，日平均氣溫降低到17.0℃以下時，分孽停止。

由統計分析可看出：有效穗數與5月1日～5月25日日平均氣溫大于17.0℃的有效積溫呈正相關；與5月日平均氣溫小于20℃的日數呈反相關。由此可組建氣象要素與早稻氣象產量的預報模式，根據氣象產量預測值與趨勢產量預測值，即可求出早稻產量的預測值。這樣，就可用前期氣象要素信息來預報早稻產量的豐歉。

3 多元線性回歸方程的顯著性檢驗

方程顯著性檢驗，旨在對模型中被解釋變量與解釋變量之間的線性關系在總體上是否顯著成立作出推斷。

H0：β0=β1=β2=0

H1：βj不全為 0

根據數理統計學知識，在原假設H0成立的條件下，F統計量服從自由度（k，n-k-1）的F分布，給定顯著性水平 α，可得到臨界值 Fα（k，n-k-1），由樣本求出統計量F的數值，通過F>Fα或F≤Fα來拒絕或接受原假設H0，以判定原方程總體上的線性關系是否顯著成立。

從表 2 可知：R=0.901 36，n=10，k=2，dfe=n-k-1=7，dft=n-1=9。

回歸分析中回歸平方和為2 674.735，它表示因變量Y的預測值對其平均值的總偏差；殘差平方和617.452，它表示因變量Y對其預測值的總偏差；總平方和3 292.187，它表示因變量對其平均值的總偏差。F值為15.161 62，P值為0.002 857，小于0.01，可認為模型的置信度達到99%。

F檢驗：給定顯著性水平α=0.05，由Dfr=2，dft=n-1=9，查F分布表得4.26，由此，F=15.161 62>4.26=Fα，則：拒絕原假設H0，可判定原方程在95%的水平下線性關系顯著成立。

4 預報演示及效果

以2011年長沙地區早稻為例進行產量預報。5月日平均氣溫小于20℃的日數X1=9；5月1日～25日大于17℃的有效積溫X2=497.7。

則：Y軒=Y軒t+Y軒w+ΔY，其中，ΔY 一般情況下可忽略不計，得2011年早稻產量為410.5 kg/667m2。據農業局提供的資料，2011年早稻產量為400 kg/667m2，其準確率為97.37%，誤差率為2.63%。

5 歷史反演情況

據此模式，對長沙地區早稻進行預報，結果如表3所示，預報準確率平均達98.26%，最低為96.68%，最高為99.78%。

表3 2001～2010年長沙地區早稻實產和預報產量比較

回歸分析中因變量與自變量復相關系數為0.90，統計顯著性較高。從所選因子分析可知，長沙地區早稻生長發育氣象條件最為敏感的是光照、積溫，生物意義較好和相關性較高的因子有6月上旬日照百分率、5月上旬日平均氣溫小于20℃的日數、4月中旬日照百分率等。早稻生育期內，降水量較豐沛，對早稻產量豐歉影響不太顯著。

[1]陳耆驗，羅華龍.利用山區立體氣候發展渡淡蔬菜的研究[J].湖南農業科學，1993，（5）：30-20.

[2]易 雪，王建林，宋迎波.早稻產量綜合動態預報方法研究[J].氣象與環境科學，2009，32（4）：8-12.

[3]劉曉紅.利用氣象因子對水稻產量進行定量預報的研究[J].湖南農業科學，1992，（1）：31-34.

[4]杜宏娟，姬菲菲，張 磊.氣象因子及產量結構對水稻產量的影響分析[J].現代農業科技，2011，（5）：301,304.