渭南玉米產量氣象條件分析與預報模型研究

馬耀絨，淡會星，尹貞鈐，許偉峰

(渭南市氣象局，陜西渭南 714000)

渭南地處關中平原東部，素有“陜西糧倉”之稱，糧食總產位居全省前列。玉米是渭南市主栽糧食作物，種植面積占全市糧食面積的45%～55%，產量占全市糧食總產的55%～60%，產量豐欠影響全市乃至全省糧食安全。因此，進行玉米產量預測模型研究，對全市糧食安全、農業產業結構調整及合理部署可利用資源具有十分重要的意義。大量研究發現，作物產量與氣象條件關系密切，尹貞鈐等[1]研究出冬小麥產量與氣象因素的關系；徐延紅[2]研究出氣候適宜度指數與玉米氣象產量的相關關系。本文通過對渭南市1996—2018年玉米產量分離與模擬，建立較為準確的趨勢產量、氣象產量預測模型，為提高全市玉米產量預報準確率，政府部門合理調整生產布局提供重要依據。

1 資料來源

玉米是喜水、喜光作物，降水量、溫度、光照是影響玉米產量的重要氣象要素，晝晴夜雨是農作物最理想的生長條件，因此增加夜間降水量作為模型備選氣象因子。渭南春玉米生長期為4月下旬至9月下旬，夏玉米生長期為6月上旬至9月下旬。選取1996—2018年4—9月月降水量、月平均氣溫、月日照時數、月夜間降水量；旬降水量、旬平均氣溫、旬日照時數、旬平均最高氣溫和旬平均最低氣溫。以上氣象數據來自渭南市氣象局資料室，1996—2018年渭南市玉米產量數據來自渭南市統計局，

2 趨勢產量模擬與分離

影響產量的主要因素有自然因素和社會因素兩大類，因此將玉米產量分為趨勢產量、氣象產量和隨機產量3部分[1]。隨機產量由病蟲害、風雹等隨機因素影響，出現概率和影響較小，可忽略不計。趨勢產量受農業生產技術等非自然因素影響，產量逐年提高。氣象產量是指由氣象條件影響的那部分產量，可正可負。因此，玉米實際產量可表示為

y=yt+yw，

(1)

式(1)中y為實際產量，yt為趨勢產量，yw為氣象產量。

2.1 趨勢產量預報模型建立

趨勢產量與社會生產力、耕作技術水平及社會因素有關。其模擬方法有多種[3]，本文采用直線滑動平均法結合調和權重法進行趨勢產量模擬。直線滑動平均法是用一組最近的產量數據值來預測未來一年產量的一種常用方法，當產量既不快速增長也不快速下降，且不存在季節性因素時，直線滑動平均法能有效地消除預測中的隨機波動，是非常有用的。調和權重法以不同權重方法求算各序列樣本對趨勢產量的影響，即距離預報年越近的樣本，其權重越大[4]。因此采用直線滑動平均法結合調和權重法進行趨勢產量模擬和預報，準確率更高。

設某階段的線性趨勢方程[5]為

yi=ai+bit。

(2)

式(2)中i=n-k+1,為方程個數(k為滑動步長；n為樣本序列個數)；t為時間序號；ai、bi為常數。當i=1時，t=1,2,3…，k；當i=2時，t=2,3,4…，k+1；當i=n-k+1時，t=n-k+1,n-k+2,n-k+3…，n。計算每個方程在t點上的函數值yi(t)，然后再求算每個t點上i個函數值的平均值，連接各點的yi(t)，即可表示產量的歷史演變趨勢，當步長k值足夠大時，趨勢產量才能消除短周期波動的影響。

利用渭南市1996—2014年玉米產量數據，取滑動步長11 a[5]，求得9個二元一次線性方程，計算各方程在t點的函數值yi(t)，求算每個t點上的函數值的平均值，得到趨勢產量yt，分離出氣象產量yw。按照調和權重計算方法[4]，依次求算出趨勢產量的年增長量

w(t+1)=y(t+1)-yt。

(3)

當年趨勢產量即為上年趨勢產量加上當年趨勢產量的平均增長量，即

(4)

2.2 趨勢產量分離

依據趨勢產量計算方法，分別計算出1996—2014年趨勢產量，用實際產量減去趨勢產量得出各年氣象產量(表1)。

表1 1996—2014年渭南玉米實際產量分離結果 單位: kg/hm2

3 氣象產量與氣象因子相關性分析

3.1 月氣象因子

利用SPSS17.0軟件，對選取的各月氣象因子與氣象產量進行相關分析，結果(表2)顯示：5—8月月降水量和月夜間降水量與氣象產量呈正相關，9月降水量呈弱的負相關，表明在玉米營養生長階段(5—8月)，降水量對產量貢獻最大。9月轉入生殖生長階段，降水偏多，易造成植株生長延長，貪青晚熟，對產量形成不利。7月降水量、7月夜間降水量通過α=0.01顯著性檢驗，表明產量隨降水量增多而增加。7月夏玉米處于大喇叭口期，營養生長與生殖生長并進，是玉米穗粒形成的關鍵期，水分需求旺盛。春玉米處于拔節—灌漿期，此期缺水可造成幼穗發育不良，嚴重時無法抽雄、受精，產量下降[6-7]。

4—7月月平均氣溫、月日照時數與氣象產量負相關，6、7月月平均氣溫通過α=0.05顯著性檢驗，表明玉米出苗期—灌漿期溫度越高，光照偏多時光合作用受阻，抑制產量增加。8—9月月平均氣溫、月日照時數與產量正相關，表明玉米乳熟—成熟期，氣溫高、光照條件充足，有利產量形成。月日照時數未通過顯著性水平檢驗，表明日照時數對產量形成無顯著影響。

表2 1996—2014年渭南玉米氣象產量與月氣象因子相關系數

注:*表示通過α=0.05顯著性檢驗,**表示通過α=0.01顯著性檢驗。

3.2 旬氣象因子

各旬氣象因子與氣象產量相關分析結果(見表3)顯示：4月下旬、6月中旬、9月下旬降水量， 5月下旬、6月上旬、9月下旬平均最高氣溫以及5月下旬日照時數通過α=0.05顯著性檢驗。6月下旬、7月上旬降水量通過α=0.01顯著性檢驗。旬平均氣溫、旬平均最低氣溫未通過相關檢驗。6月下旬—7月上旬正值夏玉米苗期，春玉米拔節期，是需水關鍵期，此期降水偏多，有利作物生長。

表3 1996—2014年渭南玉米氣象產量與旬氣象因子的相關系數

注:*表示通過α=0.05顯著性檢驗,**表示通過α=0.01顯著性檢驗。

4 氣象產量預報模型建立與檢驗

4.1 氣象產量模型建立

選取通過a=0.05、a=0.01顯著性檢驗的氣象因子，遵循建模時氣象因子正交的原則[8](7月降水量中包含了7月上旬降水量)，采用多元線性回歸方法，利用SPSS17.0軟件，設氣象產量為因變量，氣象因子為自變量[9-11]，建立氣象產量預報模型

yw= 476.297+0.207X1+0.034X2-13.193X3-6.17X4-0.91X5。

(5)

式(5)中yw為玉米氣象產量，X1為7月降水量，X2為7月夜間降水量，X3為6月平均氣溫，X4為7月平均氣溫，X5為6月下旬降水量。方程R2=0.719，F=10.206,F>F0.01(5, 13)=4.862，通過顯著性檢驗，回歸方程顯著。

4.2 預報模型檢驗

利用趨勢產量、氣象產量預測模型，對1996—2014年玉米產量進行回代檢驗，結果(表4)顯示：1996—2014 年玉米實際產量與擬合值誤差為0.3%～8.7%，平均誤差絕對值4.1%，檢驗情況較好。

利用預測模型對2015—2018 年玉米產量進行預測，結果顯示(表5)：4 a中預報誤差<10%概率為75%，平均誤差5.9%，模型預報效果良好，可以推廣應用。

5 結論與討論

(1)渭南玉米氣象產量受氣象條件因素影響波動較大，表明氣象因素是影響玉米產量波動的最主要因子，采用氣象產量分離法進行氣象因子與氣象產量模型預測，此種方法合理且準確率高，為其他農作物產量預測提供了參考。

表4 1996—2014年玉米產量方程回報檢驗結果

表5 2015—2018 年玉米產量預報檢驗結果

(2)在玉米營養生長階段，降水對氣象產量貢獻最大。在生殖生長階段，降水與氣象產量呈弱的負相關，降水偏多對氣象產量形成不利。因此，降水量是影響玉米產量的主要氣象因子，農業氣象服務中應關注旬月降水預報和旱情監測。

(3)預報模型檢驗結果顯示，該模型預報效果良好，可在日常產量預報業務中推廣應用，有利預報準確率提高。