長沙地區(qū)早稻產(chǎn)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(yōu)勢產(chǎn)區(qū)，全市糧食播種面積37.93萬 hm2，總產(chǎn)254.14萬 t。其中早稻面積15.50萬hm2，總產(chǎn)量92.33萬 t，早稻占糧食總產(chǎn)量的36%。早稻生產(chǎn)期受氣象條件的制約，進行早稻產(chǎn)量氣象預報研究對于實現(xiàn)長沙市年產(chǎn)糧食25億kg具有極為重要意義。由于早稻生產(chǎn)在露天進行，與天氣變化和氣象災(zāi)害影響關(guān)系密切，因此開展早稻產(chǎn)量與氣象條件關(guān)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(nóng)業(yè)局可收集到長沙2001～2010年水稻的單產(chǎn)資料，2001～2010年長沙地區(qū)早稻產(chǎn)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(huán)境因子，如光、熱、水、氣、風、土、肥等都影響著作物的生長發(fā)育及產(chǎn)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(chǎn)量影響明顯的因子有：農(nóng)業(yè)技術(shù)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(huán)境因子對產(chǎn)量形成的關(guān)系很復雜，但環(huán)境條件對生命有機體的影響是有后效作用的，通過生物數(shù)學分析，計算相關(guān)程度，可以找出影響早稻產(chǎn)量的關(guān)鍵因子。

將影響早稻產(chǎn)量的因子分為氣象因子和非氣象因子來研究，發(fā)現(xiàn)對產(chǎn)量影響的非氣象因子（農(nóng)業(yè)技術(shù)措施、品種改良、土壤肥力、病蟲害、生物因子）在短期內(nèi)是相對穩(wěn)定的，且有相關(guān)的延續(xù)性，因此，它們對產(chǎn)量的影響關(guān)系，可用時間關(guān)系函數(shù)來近似估計。氣象因子的變化極不穩(wěn)定，但氣象因子與產(chǎn)量的形成也是有一定關(guān)系的，通過分析產(chǎn)量與氣象因子的相關(guān)關(guān)系，可以建立氣象產(chǎn)量模式，綜合產(chǎn)量的時間變率，作出未來的產(chǎn)量預報。

在具體建立預報模式中，著重分析研究對早稻產(chǎn)量形成具有顯著影響的關(guān)鍵因子，把早稻產(chǎn)量分為氣象產(chǎn)量與非氣象產(chǎn)量（趨勢產(chǎn)量）兩部分來處理。即Yw=Y-Yt+YQ，式中Y為實際產(chǎn)量，Yt為趨勢產(chǎn)量，Yw為氣象產(chǎn)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(zāi)面積（667m2），Q為受害程度（即單位面積667m2受災(zāi)百分率），Y為在未受災(zāi)害情況下的預報產(chǎn)量（kg/667m2），M 為栽種面積（667m2）。

通過氣象產(chǎn)量與各氣象因子的相關(guān)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(chǎn)量預報亞模式

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

圖1 長沙2001～2010年早稻產(chǎn)量變化

2.2 氣象產(chǎn)量

計算氣象產(chǎn)量Yw，結(jié)果如表1所示。

表1 長沙地區(qū)2001～2010年早稻氣象產(chǎn)量 （kg/667m2）

2.3 建立氣象產(chǎn)量預報模式

利用氣象產(chǎn)量序列與平行氣象因子進行相關(guān)分析，廣泛篩選出相關(guān)氣象因子。然后利用統(tǒng)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(shù)、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(shù)、5月中旬日照時數(shù)、4月中旬降水量、5月上旬降水日數(shù)、5月中旬降水日數(shù)、5月下旬降水日數(shù)、5月日平均氣溫小于20℃的日數(shù)、4月中旬日平均氣溫小于20℃的日數(shù)、4月下旬日平均氣溫小于20℃的日數(shù)、5月上旬日平均氣溫小于20℃的日數(shù)、5月中旬日平均氣溫小于20℃的日數(shù)、5月下旬日平均氣溫小于20℃的日數(shù)、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(guān)系數(shù) 采用excel工具欄數(shù)據(jù)分析法，找出與早稻產(chǎn)量關(guān)系較為密切的一批氣象因子，結(jié)果如表2所示。

表2 早稻產(chǎn)量與3～6月各氣象條件相關(guān)系數(shù)

2.3.3 挑選因子 影響早稻產(chǎn)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(fā)育、產(chǎn)量形成的關(guān)鍵時期。選取因子X1：5月日平均氣溫小于20℃的日數(shù)，X2：5月1日～5月25日大于17℃的有效積溫。 2001～2010年長沙地區(qū)5月日平均氣溫小于20℃的日數(shù)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(chǎn)量預報模式 采用excel工具欄回歸分析，建立氣象產(chǎn)量預報模式，通過以上分析，得出長沙地區(qū)早稻氣象產(chǎn)量預報模式如下：

其中：X1為5月日平均氣溫小于20℃的日數(shù)，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(chǎn)量預報值，單位為kg。

從早稻氣象產(chǎn)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(chǎn)量是由單位面積上的有效穗數(shù)、每穗總粒數(shù)、結(jié)實率、千粒重等4個因素構(gòu)成的。

單位面積有效穗數(shù)（667m2）=最高苗數(shù)×成穗率

長沙地區(qū)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(tǒng)計分析可看出：有效穗數(shù)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(guān)；與5月日平均氣溫小于20℃的日數(shù)呈反相關(guān)。由此可組建氣象要素與早稻氣象產(chǎn)量的預報模式，根據(jù)氣象產(chǎn)量預測值與趨勢產(chǎn)量預測值，即可求出早稻產(chǎn)量的預測值。這樣，就可用前期氣象要素信息來預報早稻產(chǎn)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(guān)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(jù)數(shù)理統(tǒng)計學知識，在原假設(shè)H0成立的條件下，F(xiàn)統(tǒng)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(tǒng)計量F的數(shù)值，通過F>Fα或F≤Fα來拒絕或接受原假設(shè)H0，以判定原方程總體上的線性關(guān)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(xiàn)=15.161 62>4.26=Fα，則：拒絕原假設(shè)H0，可判定原方程在95%的水平下線性關(guān)系顯著成立。

4 預報演示及效果

以2011年長沙地區(qū)早稻為例進行產(chǎn)量預報。5月日平均氣溫小于20℃的日數(shù)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(chǎn)量為410.5 kg/667m2。據(jù)農(nóng)業(yè)局提供的資料，2011年早稻產(chǎn)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(jù)此模式，對長沙地區(qū)早稻進行預報，結(jié)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(qū)早稻實產(chǎn)和預報產(chǎn)量比較

回歸分析中因變量與自變量復相關(guān)系數(shù)為0.90，統(tǒng)計顯著性較高。從所選因子分析可知，長沙地區(qū)早稻生長發(fā)育氣象條件最為敏感的是光照、積溫，生物意義較好和相關(guān)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(shù)、4月中旬日照百分率等。早稻生育期內(nèi)，降水量較豐沛，對早稻產(chǎn)量豐歉影響不太顯著。

[1]陳耆驗，羅華龍.利用山區(qū)立體氣候發(fā)展渡淡蔬菜的研究[J].湖南農(nóng)業(yè)科學，1993，（5）：30-20.

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

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

[4]杜宏娟，姬菲菲，張 磊.氣象因子及產(chǎn)量結(jié)構(gòu)對水稻產(chǎn)量的影響分析[J].現(xiàn)代農(nóng)業(yè)科技，2011，（5）：301,304.