渭南市冬小麥產量預報模型研究

尹貞鈐，許偉峰，田中偉，馮 偉

(1.渭南市氣象局，陜西渭南 714000；2.楊凌氣象局，陜西楊凌 712100)

渭南市冬小麥產量預報模型研究

尹貞鈐1，許偉峰1，田中偉2，馮 偉1

(1.渭南市氣象局，陜西渭南 714000；2.楊凌氣象局，陜西楊凌 712100)

利用1998—2012年渭南市氣象與冬小麥產量數據，利用直線滑動平均模擬趨勢產量，結合調和權重法預測趨勢產量，采用SPSS20.0軟件對氣象產量進行逐步回歸，得到年景和定量氣象產量預測模型。統計趨勢產量與氣象產量合計值，得到年景(或定量)預報產量。通過驗證，年景和定量產量預報準確率較高。

直線滑動平均模擬；調和權重；趨勢產量；氣象產量；模型檢驗

渭南市地處渭河平原東部，糧食總產量居全省前列，素有“陜西糧倉”之稱。冬小麥是渭南市主要糧食作物之一，近15年平均種植面積3.2×105hm2，總產1.1×109kg，占全年糧食總產的40%～50%。因此，進行冬小麥產量預報模型研究，為政府部門提供準確的作物產量預測信息，對調整農業產業結構，合理安排布局具有重要意義。

1 資料來源

1998—2012年冬小麥產量數據來自渭南市統計局，1998—2012年氣象數據和2003—2012年冬小麥生育期數據來自渭南市氣象局資料室。

2 產量模擬

冬小麥實際產量可分解為趨勢產量、氣象產量和隨機產量三部分[1]，實際計算時，隨機產量可以忽略不記，表示為

y=yt+yw，

(1)

式中，y為實際產量，yt為趨勢產量，yw為氣象產量。

2.1 趨勢產量模擬

趨勢產量模擬方法有多種[2]，直線滑動平均模擬不必主觀假定產量歷史演變曲線類型，也可不損失樣本序列數，是一種較好的趨勢模擬方法。調和權重法[3]可以不同權重方法求算各序列樣本對趨勢產量的影響,即距預報年越近的樣本,其權重越大。因此采用直線滑動平均結合調和權重法進行趨勢產量模擬和預報。

設某階段的線性趨勢方程[1]為

yi=ai+bit，

(2)

式中，i為方程個數，i=n-k+1；n為樣本序列個數；t為時間序號；k為步長。利用渭南市1998—2012年冬小麥產量數據，取滑動步長11 a[1]，求得5個線性方程，計算各方程在t點的函數值yi(t)，并求算各t點上多個函數值的平均值，得到趨勢產量yt，分離出氣象產量yw。產量分離完成，按照調和權重計算方法[3]，依次求算趨勢產量年增長量

w(t+1)=y(t+1)-y(t)，

(3)

=m(t+1)/(n-1)，

(4)

(5)

(6)

則2013年趨勢產量=262.863+2.232=265.095 kg/666.7 m2。

2.2 氣象產量建模

2.2.1 氣象因子選取 冬小麥產量與光、熱、水等氣候資源關系密切，不同生育期氣象條件對產量的貢獻不同。選取渭南市臨渭區、大荔、蒲城、韓城4個國家級農氣站2003—2012年冬小麥生育期觀測數據，求取各站近10 a生育普遍期平均值，以4站數據為代表，確定渭南市冬小麥主要生育普遍期的出現時間(見表1)。根據表中生育普遍期及播種—出苗、返青—拔節、返青—孕穗、拔節—抽穗、孕穗—灌漿、播種—拔節、播種—灌漿的出現時間，分時段統計全市降水、氣溫、日照、相對濕度數據作為模型備選氣象因子。同時，考慮播前底墑、冬前積溫及越冬期負積溫對產量的影響，增加8月、9月、7—8月、8—9月全市降水量、10—12月中旬≥0 ℃積溫及12—2月負積溫數據作為備選因子。

表1 渭南市冬小麥2004—2013年平均生育普遍期 日/月

注：產量預報5月15日前發布，15日后生育期未統計。灌漿期非規范規定生育期，各站無數據。

2.2.2 建模 冬小麥產量預報一般分為年景預報和定量預報，年景預報每年4月15日前完成，定量預報每年5月15日前完成。按照預報時限將氣象因子分為兩組，底墑降水量和播種—拔節期所有因子作為年景預報因子，底墑降水量和播種—灌漿期所有因子作為定量預報因子。數據分組完成，采用SPSS20.0軟件進行回歸分析。設置氣象產量為因變量，年景預報因子為自變量，入選變量F值標準α=0.10，剔除標準α=0.15，進行逐步回歸,得到預測模型

yw年景=75.724-0.217x21+1.300x5+1.703x15-5.446x31-0.704x3，

(7)

式中，yw年景為年景氣象產量；x21為3月下旬—4月上旬日照數；x5為12月下旬—2月中旬降水量；x15為3月降水量；x31為10月上中旬平均氣溫；x3為2月中旬—3月中旬降水量。方程R2=0.860，F=11.062，顯著性P=0.001，Fgt;Fα=0.01(5,9)=6.06,回歸方程顯著。同理，導入定量預報因子和氣象產量數據，設置氣象產量為因變量，定量預報因子為自變量，變量F值入選標準α=0.10，剔除α=0.15，進行逐步回歸,得到預測模型

yw定量=-75.317+0.565x10-0.135x12+

0.345x20-0.144x13-0.615x9-0.304x24，

(8)

式中，yw定量為定量氣象產量；x10為10月—5月上旬降水量；x12為8月—9月降水量；x20為4月下旬—5月上旬日照時數；x13為8月降水量；x9為3月下旬—4月上旬降水量；x24為5月上旬日照時數。方程R2=0.954，F=27.368，顯著性P=0.000，Fgt;Fα=0.01(6,8)=6.37,回歸方程顯著。

3 模型檢驗

根據氣象產量預測模型，預計2013年yw年景=-30.913 kg/666.7 m2，yw定量=-53.793 kg/666.7 m2。結合趨勢產量預測結果，2013年冬小麥年景預測值=265.095+(-30.913)=234.2 kg/666.7 m2，定量預測值=265.095+(-53.793)=211.3 kg/666.7 m2，與實際產量220 kg/666.7 m2比較，年景預測值誤差14.2 kg/666.7 m2，準確率93.6%，定量預測值誤差8.7 kg/666.7 m2，準確率96.0%。

4 小結

(1)采用直線滑動平均結合調和權重法進行趨勢產量模擬和預報，既不必主觀假定產量歷史演變曲線類型，又充分考慮樣本對趨勢產量的影響權重，是一種較好的趨勢產量模擬和預測方法。該方法在冬小麥產量預報預測中的成功應用，為其它農作物產量定量預測提供了參考。

(2)根據冬小麥生育普遍期出現時間，分時段選取氣象因子，進行回歸分析，得到的氣象產量預測方程擬合度高，回歸顯著，預測結果準確率高。

(3)為方便業務使用，將氣象因子分為年景和定量預測因子，按預報時限建立兩組預測模型，可以在每年4月上旬和5月上旬進行年景和定量產量預測，實現了業務化應用，應用效果良好。

[1] 中國氣象局.QX/T 81—2007小麥干旱災害等級[S].北京:中國標準出版社,2007.

[2] 朱秀紅,李秀珍,姚文軍，等.基于SPSS的日照市小麥產量年景預測模型[J].中國農學通報,2010,26(2):296.

[3] 溫曉慧,溫桂清,薛敏.用直線滑動均值法做作物趨勢產量預報[J].黑龍江氣象,1994(l):19-20.

尹貞鈐，許偉峰，田中偉，等.渭南市冬小麥產量預報模型研究[J].陜西氣象，2014(5)：35-37.

1006-4354(2014)05-0035-03

2014-04-11

尹貞鈐(1970—)，女，陜西渭南人，漢族，高工，從事為農氣象服務工作。

S165

A