淺析氣象要素對中山早稻產量的影響以及建立產量統計模型

吳添圓 吳道航 傾鵬程 蔡成滿

(中山市氣象局，廣東 中山 528400)

引言

水稻作為我國主要糧食作物之一，產量接近糧食總產量的1/2[1]。水稻產量受多種要素的影響，隨著經濟科技的發展和土、水、肥條件的提高改善，水稻的產量有所提高，但是年際間仍有較大波動，除了受當時當地的社會條件和農業水平限制外，氣候要素對水稻各個生育期也有密切的影響[2]。廣東省中山市地處珠三角中南部，瀕臨南海，屬亞熱帶季風氣候。中山市的氣候特點，光照充足、熱量豐富、雨量充沛、干濕分明。本文通過氣象統計方法，分析研究中山市早稻氣象產量和氣象要素，包括平均氣溫、降水、最高平均氣溫等要素之間的關系；分析影響早稻產量的最主要的氣象要素特征以及早稻不同生育期對這些氣象要素的敏感程度，為當地水稻的生產提供理論依據和決策參考。

1 數據和方法

1.1 數據

本文使用了1995—2018年逐年中山市早稻平均產量(kg·667m-2，以下簡稱為產量)數據，1995—2018年逐日氣象要素數據。其中，中山市早稻產量數據來源于中山市統計年鑒，氣象數據來自中山市基本國家氣象站。

1.2 方法

趙東妮等研究指出，在Logistic方法、HP濾波法和指數滑動平均法中，從趨勢產量的擬合結果與惠農政策的實施和社會發展的情況來看，HP濾波擬合出的趨勢產量序列與實際情況吻合最好。HP濾波法是經濟學中用來消除時間序列所包含的趨勢成分而被運用的一種方法，是一種時間序列在狀態空間的分解方法。王桂芝等認為HP濾波分解在進行長時間序列的趨勢產量擬合過程中具有一定優勢。在研究氣候變化對糧食產量影響中，作物模型法、模擬實驗和統計分析法比較常見，而研究氣象要素與長時間序列糧食產量的關系時，可以把糧食產量分解為氣象產量、趨勢產量、隨機誤差3部分。HP濾波可以視作一個近似的高通濾波器，隨機誤差可看成隨機噪音，隨機誤差對產量的影響基本無規律可循，可忽略不計，即氣象產量 = 實際產量-趨勢產量。使用HP濾波得到的氣象產量如圖1所示。

圖1 1995—2018年中山市早稻氣象產量

研究氣象規律，必然會涉及很多因素，每一種因素實際上就是一種變量，回歸分析就是尋找和確定各種變量之間定量關系的方法之一。回歸分析的主要思路是，確定幾個變量之間是否存在某種相關關系，如果存在某種相關關系，從而建立起定量的數學表達式，利用此表達式，根據自變量的觀測值預測因變量的可能取值；估計這種預測可能達到的精度(可能出現的誤差范圍)。

2 結果與分析

2.1 早稻氣象產量與平均氣溫

以逐年(1995—2018年)2月中旬—7月上旬的平均氣溫作為自變量(共15個自變量)，中山市早稻氣象產量作為因變量，分別建立一元一次回歸方程，從而得到15個偏回歸系數。回歸模型的偏回歸系數(圖2)反映了各旬平均氣溫對中山市早稻氣象產量的影響效應變化情況(正值為正影響效應，氣溫升高，對氣象產量影響為正，利于產量增加；反之利于氣象產量下降)。建立氣象產量回歸方程的結果顯示，4月上旬、6月中旬、7月上旬的平均氣溫分別通過90%的顯著性檢驗(早稻氣象產量與平均氣溫的正相關通過90%顯著性檢驗，如表1)；4月下旬、5月中旬的平均氣溫分別通過95%的顯著性檢驗(早稻氣象產量與平均氣溫的正相關通過95%顯著性檢驗，如表1)。

表1 1995—2018年中山市早稻氣象產量與同期各旬平均氣溫的相關系數

夏小曼指出水稻抽穗期和乳熟期為水稻產量形成的關鍵時期。有研究表明，水稻前中期的適溫為日平均氣溫25～30℃。

分析得出早稻種植在適宜溫度內(25～30℃)，在分蘗(4月下旬)、拔節(5月中旬)等前中期平均氣溫升高且均為明顯的正影響，有利于產量的增加(圖2)。

圖2 旬平均氣溫對中山市早稻氣象產量回歸方程的偏回歸系數

2.2 早稻氣象產量與降水量

類似于早稻氣象產量與平均氣溫的分析，以逐年(1995—2018年)2月中旬—7月上旬的降水量作為自變量(共15個自變量)，中山市早稻氣象產量作為因變量，得到15個偏回歸系數。分析得出，6月下旬的降水量通過90%的顯著性檢驗(早稻氣象產量與4月中旬、6月下旬降水量的負相關通過90%顯著性檢驗，表略)；6月中旬的降水量通過95%的顯著性檢驗(早稻氣象產量與降水量的負相關通過90%顯著性檢驗，表略)。分析得出在水稻的抽穗(6月中旬)、乳熟期(6月下旬)，降水量的增加利于產量的減產。

2.3 早稻氣象產量與最高氣溫的平均值

以逐年(1995—2018年)2月中旬—7月上旬的逐旬最高氣溫平均值作為自變量(共15個自變量)，方法與上述相同，得到15個偏回歸系數。建立回歸方程的結果顯示，5月中旬、6月中旬的最高氣溫平均值分別通過90%的顯著性檢驗(早稻氣象產量與最高氣溫平均值的正相關通過90%顯著性檢驗，表略)；4月上旬、4月下旬的最高氣溫平均值分別通過95%的顯性檢驗(早稻氣象產量與最高氣溫平均值的正相關通過95%顯著性檢驗，表略)。水稻前中期的適溫為日平均氣溫25～30℃，分析得出在早稻的適溫范圍內，返青(4月上旬)、拔節(5月中旬)、抽穗(6月中旬)等生育期中，最高氣溫平均值的升高，對早稻產量有促進作用。

3 早稻的回歸模型

在考查基本氣象要素(此外，本文省略了日照時數、相對濕度的特征)與早稻產量的線性關系的基礎上，選取與氣象產量的相關系數通過90%以上顯著性檢驗的氣象要素，試圖建立中山市早稻氣象產量(y)的多元一次回歸模型。以1995—2016年5月中旬平均氣溫(x1)，7月上旬平均氣溫(x2)，6月中旬降水量(x3)，4月上旬最高氣溫平均值(x4)作為變量建立中山市早稻氣象產量回歸方程：

y=4.65×x1+5.24×x2-0.07×x3 +1.87×x4-310.71

圖3 1995—2018年早稻氣象產量的回歸方程

回歸方程中每個自變量均通過90%以上顯著性t檢驗。分析結果顯示，1995—2016年氣象產量與回歸值(y)的相關系數值為0.84，從圖3可以看出，使用回歸方程預測的2017年、2018年的y值(-17.1，15.6)趨勢與實際情況(2.9，22.7)相同，但數值上仍有差異。綜合而言，由氣象要素建立的回歸方程，其預測氣象產量的趨勢可以作為有用的參考。

4 結論與討論

本研究以中山市1995—2018年的早稻平均產量數據和中山市1995—2018年的平均溫度、降水量、最高平均溫度、最低平均溫度等氣象數據為基礎，利用HP濾波方法、多元一次回歸方程模型，分析了中山市早稻氣象產量與氣象要素的關系。結果表明，在水稻不同生育期對氣象不同要素敏感性不同，多元一次回歸方程模型預測趨勢與實際情況相同，但是數值上仍有差異，其預測氣象產量的趨勢可以作為有用的參考。