運城市糧食產(chǎn)量綜合預報模型

摘要 基于運城市13個臺站1971～2010年間的冬小麥和秋糧單產(chǎn)、作物生長期間的氣溫、降水和日照等地面資料以及海溫、高度場資料，運用滑動平均、調(diào)和權(quán)重、逐步回歸等方法分析了氣象條件與冬小麥和秋糧單產(chǎn)的相關(guān)關(guān)系，分別建立了冬小麥、秋糧產(chǎn)量各種預報模型，并在此基礎(chǔ)上建立了冬小麥、秋糧產(chǎn)量綜合預報模型，其擬合效果和試報效果甚佳，可投入業(yè)務應用。

關(guān)鍵詞 糧食產(chǎn)量；運城市；綜合預報模型

中圖分類號 S161 文獻標識碼 A 文章編號 0517-6611（2014）17-05583-04

Abstract Based on data of winter wheat， autumn grain yield per unit area and the air temperature， precipitation and sunshine hours in crops growth period of Yuncheng during 1971-2010， as well as sea surface temperature and height field， using the moving average method， harmonic weighting method， stepwise regression method， the relationship between meteorological conditions and winter wheat and grain yield per unit area was analyzed. The various forecasting model of winter wheat and autumn grain yield were established. On the basis of this， the comprehensive prediction models were constructed， fitting and forecast effect is very good， which can be routinely operated in grain yield forecasting business.

Key words Grain yield； Yuncheng； Integrated prediction model

糧食安全是一個世界性問題，是關(guān)系到人類生存與發(fā)展的戰(zhàn)略性問題[1-2]。糧食產(chǎn)量受品種、土壤條件、氣象條件以及管理措施等諸多因素影響，分析影響糧食產(chǎn)量的因素，提前作出較為準確的、有科學依據(jù)的預測與預報，是政府制定農(nóng)業(yè)政策和計劃的重要依據(jù)，對指導農(nóng)業(yè)生產(chǎn)、乃至整個國家安排糧食調(diào)運和進出口計劃以及防災減災具有重要的指導意義[3-5]。

我國農(nóng)業(yè)氣象產(chǎn)量預報自20世紀70年代后期開始，經(jīng)過了全國性的協(xié)作研究，在預報理論和預報方法上發(fā)展很快[6]，80年代中后期糧食產(chǎn)量預報進入了一個新的發(fā)展階段[7]，逐步實現(xiàn)了產(chǎn)量預報業(yè)務化和自動化。到目前為止，許多學者對糧食產(chǎn)量進行了研究[8-12]，結(jié)果表明，由于播種期、氣候、土壤差異，影響糧食產(chǎn)量的氣象因素各不相同[9-12]，除了光、溫、水等基本環(huán)境氣象因素外，大氣環(huán)流特征的改變會使地面氣象因子發(fā)生變化，從而影響糧食產(chǎn)量[8]；大氣環(huán)流和海溫是影響產(chǎn)量的間接氣象因素，具有空間尺度大、時間尺度長和宏觀、綜合的特征，因此利用海溫和高度場進行糧食產(chǎn)量預測比用其他的氣象因子更穩(wěn)定、更準確[8]。筆者在采用作物生育期內(nèi)的光照、溫度和降水的同時，采用500、700和850 hPa高度場和海溫資料，建立糧食產(chǎn)量綜合預報模型。

1 資料與方法

1.1 資料來源

1.1.1 地面氣象資料和產(chǎn)量。采用運城市1971～2010年間冬小麥、玉米單產(chǎn)資料以及冬小麥、玉米生長季的旬、月平均氣溫、降水和日照等常規(guī)氣象資料。氣象資料來源于運城市氣象局，產(chǎn)量資料來自運城市農(nóng)業(yè)局。

1.1.2 高度場和海溫資料。

由于500、700和850 hPa大氣環(huán)流系統(tǒng)是由超長波、長波和短波系統(tǒng)組成，它表征了大氣徑向、緯向環(huán)流、副高、印緬槽、青藏高原、南方濤動指數(shù)及極渦等大形勢天氣過程活動情況，故它們對一般天氣條件的影響存在一定的滯后效應[13-14]；海溫為西太平洋網(wǎng)格平面平均溫度，也存在一定的滯后效應[15-18]，可作為長期預報因子。NECP高度場資料和NOAA全球海溫資料來源于國家氣象局氣候中心。

1.2 研究方法

1.2.1 氣象產(chǎn)量。

影響糧食單產(chǎn)的因素主要有自然因素和非自然因素兩大類。農(nóng)業(yè)技術(shù)水平的提升等因素引起糧食單產(chǎn)的趨勢增長，而氣象條件的變化引起糧食單產(chǎn)的年際波動。將糧食單產(chǎn)分解為3部分，即y=yt+yw+ε，式中，y為糧食實際單產(chǎn)，yt為趨勢產(chǎn)量；yw為氣象產(chǎn)量；ε為隨機噪聲，由于ε所占比例較小，在此忽略不計。在此利用年滑動平均計算出趨勢產(chǎn)量yt，以公式計算可得氣象產(chǎn)量yw。用Excel計算氣象產(chǎn)量與氣溫、降水、日照的旬、月資料及關(guān)鍵時段降水和積溫的線性相關(guān)性和信度檢驗。

1.2.2 直線滑動平均模擬方法。直線滑動平均模擬方法是將線性回歸模型與滑動平均相結(jié)合，將小麥產(chǎn)量的時間序列在某個階段內(nèi)的變化看作線性函數(shù)。隨著階段的連續(xù)滑動，直線不斷變換位置，后延滑動，從而反映了產(chǎn)量歷史演變趨勢變化。依次求取各階段內(nèi)的直線回歸模型，而各時間點上直線滑動回歸模擬值的平均，即為其趨勢產(chǎn)量。

1.2.5 海溫和高度場因子的選取。因為海溫和高度場是一個場，首先對海溫和高度場進行相關(guān)普查，為了預測模型的可靠性，避免單相關(guān)的偶然性，根據(jù)場相關(guān)分析原理，剔除單個或連續(xù)2、3個高相關(guān)的因子，以存在連續(xù)4個以上相關(guān)顯著格點的海區(qū)作為1個預報相關(guān)顯著區(qū)，取區(qū)內(nèi)格點海溫和高度場的平均值作為1個預報因子，再將所選因子進行最優(yōu)化相關(guān)處理。

2 結(jié)果與分析

2.1 冬小麥預報模型

2.1.1 運城市冬小麥產(chǎn)量及趨勢產(chǎn)量。由圖1可知，20世紀70年代以來運城市糧食產(chǎn)量隨著時間的推移呈現(xiàn)著明顯的遞增趨勢，尤其是80年代以后，90年代中期達高峰，進入21世紀產(chǎn)量有所下降。糧食單產(chǎn)增加的原因主要是農(nóng)村水利設(shè)施工程的建設(shè)、品種的改良、病蟲害的防治、農(nóng)機具的大量使用、種植制度的改變以及社會和人為因素的影響等。

2.6.2 系統(tǒng)流程。每年5月中旬依照運城市糧食產(chǎn)量預報模型流程圖（圖6）對利用地面氣象因子（溫度、降水、日照）、海溫、高度場因子計算得出氣象產(chǎn)量加權(quán)平均加上趨勢產(chǎn)量做出冬小麥預報產(chǎn)量，每年9月上旬依照運城市糧食產(chǎn)量預報模型流程圖（圖6）對利用地面氣象因子（溫度、降水、日照）、海溫、高度場因子計算得出氣象產(chǎn)量加權(quán)平均加上趨勢產(chǎn)量做出玉米預報產(chǎn)量。

3 總結(jié)

（1）模型預報精度較高，回報準確率冬小麥為83%、秋糧為98%，秋糧的準確率相當高，秋糧的綜合預報模型比地面、高度場和海溫3種單一模式預報準確率更高，冬小麥的綜合預報模型較地面和海溫2種單一模型預報準確率高，但比高度場的預報準確率低，因此冬小麥的綜合預報模型有待在以后的應用中繼續(xù)修正、補充、更新，以保持預測性能的穩(wěn)定性和可靠性。希望在可能的情況下考慮社會因素的影響。

（2）筆者運用多種統(tǒng)計方法，對運城市冬小麥和秋糧產(chǎn)量的定量預報進行了探討，建立了預報模型，具有操作簡單、實用性強的特點，可快捷、方便地得到作物產(chǎn)量預報。這些也為合理安排灌溉、小麥生育期評價、人工增雨服務小麥生產(chǎn)提供可靠依據(jù)，特別是抓住關(guān)鍵期人工增雨將會取得明顯的社會效益和經(jīng)濟效益。

（3）筆者在采用常規(guī)氣象資料的同時，采用了穩(wěn)定性更好、時效更長的高度場和海溫資料作為預報因子，使得預報模型更趨合理，產(chǎn)量預報準確率得到了提高。

參考文獻

[1]張明偉，鄧輝，李貴才，等.模型模擬華北地區(qū)氣候變化對冬小麥產(chǎn)量的影響[J].中國農(nóng)業(yè)資源區(qū)劃，2011，32（4）：45-49.

[2] 周清波.國內(nèi)外農(nóng)情遙感現(xiàn)狀與發(fā)展趨勢[J].中國農(nóng)業(yè)資源與區(qū)劃，2004，2（5）：9-14.

[3] 莊立偉，王馥棠，王石立.我國糧食產(chǎn)量綜合預測系統(tǒng)[J].氣象，1998，24（5）：19-22.

[4] 王建林，太華杰.中國糧食總產(chǎn)量結(jié)構(gòu)分析與豐歉評估[J].氣象，1998，2（12）：7-12.

[5] 張榮霞，安麗華，汪學峰.聊城市冬小麥產(chǎn)量的氣候條件分析[J].山東氣象，2004，24（S1）：18-19.

[6] 王馥棠，李郁竹，王石立.農(nóng)業(yè)氣象產(chǎn)量模擬與模型引論[M].北京：科學出版社，1990.

[7] 莊立偉，王馥棠，王石立.農(nóng)業(yè)氣象產(chǎn)量預測業(yè)務系統(tǒng)的研制[J].應用氣象學報，1996，7（3）：194-199.

[8] 趙四強.歐亞大氣環(huán)流和北太平洋海溫與我國糧食產(chǎn)量[J]. 農(nóng)業(yè)氣象，1983（3）：1-5.

[9] 張利華，張永強，仲維建，等.徐州地區(qū)小麥產(chǎn)量預報模型研究[J].安徽農(nóng)業(yè)科學，2010，38（33）：18698-18700.

[10] 張高斌，郭建茂，吳元芝，等.萬榮麥田土壤濕度變化及其對產(chǎn)量的影響[J].陜西氣象，2011（6）：1-4.

[11] 張高斌，郭建茂，寧建東，等.萬榮縣冬小麥產(chǎn)量與氣象條件的關(guān)系研究[J]. 山西農(nóng)業(yè)科學，2013（1）：78-81.

[12] 曲靖.調(diào)和權(quán)重法在作物產(chǎn)量預報中的應用[J].陜西農(nóng)業(yè)科學，2011（5）：109-110.

[13] 高蘋，張佩，謝小萍，等.基于海溫和環(huán)流特征量的江蘇省小麥適播期預測[J].氣象，2012，38（12）：1572-1578.

[14] 章基嘉，葛玲.中長期天氣預報基礎(chǔ)[M].北京：氣象出版社，1983：108-174.

[15] 劉梅，高蘋，王靜苒，等.江蘇夏季逐月高溫日數(shù)與西太平洋還文昌相關(guān)分析及預測模型建立[J].氣象，2011，37（12）：1553-1559.

[16] 汪靖，呂江津.天津地區(qū)雨季降水異常年大氣環(huán)流特征分析[J].氣象，2011，37（8）：950-955.

[17] 鄧偉濤，孫照渤，曾剛，等.中國東部夏季降水型的年代際變化及其與北太平洋海溫的關(guān)系[J].大氣科學，2009，3（4）：835-846.

[18] 錢維宏，朱江，王永光，等.江淮梅雨和遲到太平洋區(qū)域海溫變化的關(guān)系[J].科學通報，2009，54（1）：79-84.