四川省水稻農(nóng)業(yè)氣候年景預測模型的構(gòu)建與檢驗

摘 要：水稻作為四川省重要的糧食作物，其產(chǎn)量的穩(wěn)定關系到糧食安全，而做好年景預測可以為水稻生產(chǎn)提供科學依據(jù)，保障水稻生產(chǎn)安全。通過分析1975—2014年四川省水稻單產(chǎn)、總產(chǎn)、面積的變化特征，利用SPSS計算1975—2014年四川省水稻單產(chǎn)增減率與環(huán)流因子、四川省逐旬和逐月氣象資料的相關情況，篩選出與增減產(chǎn)率顯著相關（顯著性gt;0.05）的因子，利用逐步回歸法、主分量分析法構(gòu)建農(nóng)業(yè)氣候年景預測模型，最后進行檢驗。結(jié)果表明：利用環(huán)流因子構(gòu)建的回歸預測模型的預報準確率高于氣象要素模型，按三級農(nóng)業(yè)年景劃分其準確率為80%，按六級農(nóng)業(yè)年景劃分其準確率為84%。利用環(huán)流因子構(gòu)建的回歸預測模型計算方便，易于業(yè)務化，其準確率基本滿足預報業(yè)務需要。

關鍵詞：四川省；農(nóng)業(yè)氣候年景預測；水稻；農(nóng)業(yè)生產(chǎn)

中圖分類號：S162.5 文獻標志碼：A 文章編號：1674-7909（2024）18-126-4

DOI：10.19345/j.cnki.1674-7909.2024.18.030

0 引言

四川省是我國重要的糧食生產(chǎn)基地，水稻是四川省第一大糧食作物。《四川統(tǒng)計年鑒2023》顯示，2022年四川省水稻播種面積和總產(chǎn)量分別占全省糧食的29.0%和41.7%［1］。四川省屬于多種氣候并存的地區(qū)，以亞熱帶季風氣候為主，冬季干燥、夏季潮濕，夏秋雨多、冬春雨少，夜間降水多于白天［2］；降水季節(jié)性差異很大，90%集中在5—10月［3］；晴天多，云量少，年日照時數(shù)為2 000～2 600 h［4］。四川省有山地、丘陵、平原、高原等地貌類型，自然災害多發(fā)、頻發(fā)，人均耕地面積較小，耕地資源相對匱乏。開展四川省水稻農(nóng)業(yè)氣候年景預測研究，可以為水稻生產(chǎn)提供科學依據(jù)，有利于水稻產(chǎn)量和品質(zhì)提升，保障糧食安全。

1 資料來源與研究方法

1.1 資料來源

研究使用的資料為四川省氣象探測數(shù)據(jù)中心發(fā)布的氣象資料和農(nóng)業(yè)農(nóng)村部種植業(yè)管理司發(fā)布的四川省水稻種植業(yè)相關資料。

1.2 研究方法

1.2.1 氣候年景評估方法

研究利用四川省全年水稻單產(chǎn)情況表征水稻生產(chǎn)狀況；參考國家統(tǒng)計局農(nóng)村社會經(jīng)濟調(diào)查司《中國農(nóng)業(yè)統(tǒng)計資料（1949-2019）》，產(chǎn)量的豐歉年指水稻產(chǎn)量增加的絕對數(shù)或增減百分率，研究采用水稻產(chǎn)量的增減百分率表示豐歉年型，見式（1）。

[?Yi=Yi-Yi-1Yi-1×100]%" " " " " " " " " （1）

式（1）中：[?Yi]為某年水稻單產(chǎn)增減百分率，Yi為某年水稻單產(chǎn)，Yi-1為上一年水稻單產(chǎn)。在小時間段內(nèi)，當其他條件不變，氣候差異是水稻單產(chǎn)變化的最大影響因子。根據(jù)相鄰2年水稻單產(chǎn)的增減率可以得出農(nóng)業(yè)年景豐歉年型。其中，三級劃分法的農(nóng)業(yè)年景豐歉年型為：[?Yi]≥5%為豐產(chǎn)年型，5%gt;[?Yi]≥-5%為平年年型，[?Yi]lt;-5%為歉年年型；六級劃分法的農(nóng)業(yè)年景豐歉年型為：[?Yi]≥5%為豐產(chǎn)年型，5%[gt;][?Yi]≥3%為平偏豐年，3%[gt;][?Yi]≥0為持平略增，0≥[?Yi][gt;]-3%為持平略減，-3%≥[?Yi][gt;]-5%為平偏歉年，[?Yi][lt;]-5%為歉年年型。

1.2.2 逐步回歸法

逐步回歸法有3種策略。①前向選擇，從模型中沒有變量開始，使用選擇的模型擬合準則測試每個變量的加法，添加包含的變量，使擬合在統(tǒng)計上有最顯著的改善，并重復這個過程，直到模型在統(tǒng)計上沒有顯著的改進為止。②向后消除，涉及從所有候選變量開始，使用選擇的模型擬合準則測試每個變量的剔除，剔除模型擬合在統(tǒng)計上最不重要的變量，并重復這一過程，直到不出現(xiàn)統(tǒng)計顯著的擬合損失的情況，無法剔除為止。③雙向消除，前向選擇和向后消除的組合，測試每一步的變量相關或不相關［5］。

1.2.3 主分量分析法

主分量分析法又稱為主成分分析法、EOF方法、經(jīng)驗正交函數(shù)分解法和特征向量分析法，分析對象是以網(wǎng)格點為空間點隨時間變化的樣本。研究在分析氣候要素因子與農(nóng)業(yè)年景的關系和構(gòu)建模型方程時，用到主分量分析法。針對一個區(qū)域內(nèi)水稻單產(chǎn)的宏觀研究，要避免過多氣候因素造成的不穩(wěn)定性和共線性，通過相關性分析挑選出關鍵的氣候因子，再利用主分量分析法構(gòu)建出1個綜合氣候因子來代替多個氣候因子。這樣可以減少維數(shù)，提取主要信息［6］。利用主分量分析法對通過置信檢驗的多個預報因子進行處理，從而建立農(nóng)作物產(chǎn)量預測模型。該方法不僅能提取所有預測因子的有效信息，還消除了因子間的多元共線性［7］。

2 1970—2014年四川省水稻生產(chǎn)概況和產(chǎn)量變化規(guī)律

2.1 水稻逐年產(chǎn)量特征

圖1（a）顯示，四川省水稻總產(chǎn)量在1975—1984年一直呈遞增趨勢，1985—1996年產(chǎn)量也在波動上升，1996年達到最大值2 161.1萬t，1997—2003年波動減少，2004—2014年波動較小，2007年出現(xiàn)最小值1 417.3萬t。1975—2014年研究區(qū)水稻總產(chǎn)量均值1 651萬t，2001—2014年的總產(chǎn)量低于均值。

圖1（b）顯示，1975—2014年四川省水稻單產(chǎn)（每667 m2種植面積產(chǎn)量，下同）穩(wěn)步上升，從1975年的279.46 kg增加到2014年的511 kg，增長率為82.8%。1975—1984年一直呈遞增趨勢，1985—2014年波動上升，2013年單產(chǎn)達到最高值519.01 kg。1975—2014年四川水稻單產(chǎn)均值為442 kg，除2007年以外，1995—2014年其他年份單產(chǎn)都高于均值。

數(shù)據(jù)顯示，1975—2014年四川省水稻播種面積整體呈現(xiàn)下降趨勢，1975—2014年播種面積減少147.19萬hm2，年均減少3.68萬hm2。從四川省水稻播種面積占全國的比例來看，1978年以來四川省水稻播種面積占全國糧食播種面積的比例呈波動下滑趨勢。1975—1984年水稻播種面積增大，1985—1996年波動持平，1996—1997年播種面積減少80.91萬hm2，1997—2014年水稻播種面積繼續(xù)減少。

綜上所述，四川省水稻單產(chǎn)水平呈現(xiàn)持續(xù)上升趨勢，從1975年的279.46 kg增加到2014年的511 kg，增長率為82.8%。但水稻播種面積整體呈現(xiàn)下降趨勢，播種面積從1975年的248.93萬hm2減少到2014年的101.74萬hm2，共減少147.19萬hm2，年均減少3.68萬hm2。1997年重慶市劃分出四川省成為直轄市，也使得1997年前后四川省水稻播種面積和總產(chǎn)量有較大的波動。單產(chǎn)反映的是區(qū)域平均情況，行政區(qū)劃變動對其造成的影響較小，因此以1975—2014年四川省水稻單產(chǎn)為研究對象進行年景分析。

2.2 氣候年景變化情況

按照農(nóng)業(yè)氣候年景劃分方法，對1975—2014年四川省水稻生產(chǎn)農(nóng)業(yè)氣候年景進行劃分，其中豐年、平年、歉年數(shù)量分別為10 a、28 a、2 a，持平略減年、平偏歉年、平偏豐年、持平略增年數(shù)量分別為6 a、4 a、7 a、11 a。其中1978年增率最高，達10.1%，平均每667 m2增產(chǎn)29.76 kg；2001年減率最高，為-11.35%，平均每667 m2減產(chǎn)58.28 kg。增產(chǎn)年份和減產(chǎn)年份都是20 a，各占50%。

如圖2所示，根據(jù)1975—2014年四川省水稻單產(chǎn)增減率變化趨勢，增減產(chǎn)率呈輕微下降趨勢，每年約為0.12%，這表明水稻單產(chǎn)逐年變化幅度呈現(xiàn)減少趨勢。由于作物品種優(yōu)化、種植技術(shù)成熟等因素的影響，水稻單產(chǎn)水平逐漸穩(wěn)定。

3 年景預測研究

3.1 基于環(huán)流因子的年景預測模型

研究以國家氣候中心74項環(huán)流指數(shù)為預報因子，但由于環(huán)流影響存在一定的滯后效應，計算相關性時，將前12個月的環(huán)流因子也進行了相關計算。通過初步相關計算分析，發(fā)現(xiàn)與糧食單產(chǎn)增減百分率具有比較密切關系的逐月環(huán)流因子達100個，通過降維的方式進行進一步篩選，從而建立預測模型。研究采用逐步回歸法進行降維，最終得到預測模型，見式（2）。

Y=79.145-1.423X1+0.328X2-0.249X3-0.918X4-0.895X5+0.568X6" " " " " " " " nbsp; " " " " " " " " " " " " " " " " " "（2）

式（2）中：X1代表當年6月北非副高脊線指數(shù)，X2代表當年2月大西洋歐洲環(huán)流型指數(shù)，X3代表當年4月大西洋歐洲環(huán)流型指數(shù)，X4代表當年8月北非副高北界指數(shù)，X5代表上一年7月北非副高脊線指數(shù)，X6代表上一年1月西太平洋副高北界指數(shù)。

圖3顯示，相關系數(shù)為0.874，F(xiàn)檢驗為4.656，均通過了0.001的信度檢驗。圖3可直觀看出環(huán)流因子回歸模型生成的模擬值與實際值的相似程度。從1975—2014年40個回帶結(jié)果來看，按三級農(nóng)業(yè)年景劃分，回帶預測年景與實際年景一致的年份有32 a，準確率可達80%，有8 a預測不夠準確；按六級農(nóng)業(yè)年景劃分，預報準確率達84%，且在錯誤預報的年景中，只有3 a的模擬值和實際值的差值大于3%，差值大于5%的僅有1 a（將豐年報成平偏豐年），錯誤預報年份的模擬值和實際值相差在1個級別內(nèi)。

3.2 基于氣象要素的年景預測模型

利用四川省統(tǒng)計局調(diào)查總隊測產(chǎn)的39個農(nóng)業(yè)主產(chǎn)縣（區(qū)）的氣象要素算術(shù)平均值表征四川省氣候狀態(tài)，用四川省逐月和逐旬的平均氣溫、降水、日照等氣象要素與糧食增減百分率序列進行相關普查。雖然有種植制度變更等客觀因素存在，但研究采用的是1975—2014年四川省水稻單產(chǎn)數(shù)據(jù)來進行相關分析，因此種植制度變更等因素對研究結(jié)果影響較小。

3.2.1 逐步回歸法模型

利用回歸方程建立四川省全年糧食農(nóng)業(yè)氣候年景評價模型，見式（3）。

Y=81.310-0.836X1-1.787X2-0.988X3+0.088X4" "（3）

式（3）中：Y表示農(nóng)業(yè)氣候年景指標，X1為2月上旬平均氣溫，X2為7月中旬平均氣溫，X3為7月中旬平均最高氣溫，X4為5月上旬降水量。

這表明四川省水稻農(nóng)業(yè)氣候年景的主要影響因子有2月上旬平均氣溫、7月中旬平均氣溫、7月中旬平均最高氣溫和5月上旬降水量，除5月上旬降水量與水稻農(nóng)業(yè)年景為正相關外，2月上旬平均氣溫、7月中旬平均氣溫和7月中旬平均最高氣溫與水稻農(nóng)業(yè)年景都為負相關。5月，水稻處于分蘗期，對水分較為敏感，尤其在早稻生長前期，氣溫、水溫都比較低，一般土壤持水量在70%以上時才有利于分蘗；氣溫在26～36 ℃時，土壤持水量達80%，分蘗最多；氣溫在16～21 ℃，土壤持水量達100%時，分蘗最少。7月，水稻處于灌漿期，如遇35 ℃以上的高溫，會出現(xiàn)高溫催熟，導致空秕率增加。以上數(shù)據(jù)表明回歸模型的主要相關因子與水稻的生長周期重合，具有實際意義。對該回歸模式進行統(tǒng)計檢驗發(fā)現(xiàn)，相關系數(shù)為0.750，F(xiàn)檢驗為4.323，均通過0.01的信度檢驗。

從1975—2014年四川省水稻全年糧食40個回帶結(jié)果來看，按三級農(nóng)業(yè)年景劃分，回帶預測年景與實際年景一致的年份有25 a，準確率達62.5%；按六級農(nóng)業(yè)年景劃分，預報準確率達70.8%。在錯報的年份中，有8 a的預報模擬值與實際值差值超過3%，其中只有3 a的預報模擬值與實際值差值超過5%。從上述結(jié)果看，1975—2014年有8 a模擬值與實際結(jié)果相差較大。

3.2.2 主分量分析法模型

研究提取特征值大于1的6個主成分，之后做出6個主成分的成分矩陣，最后得到6個表達式。將與氣象要素相關的25個因子帶入6個表達式，得到6組新的因子數(shù)據(jù)，用這6組新因子數(shù)據(jù)與增減率做逐步回歸，得到回歸方程，見式（4）。

Y=-6.550-0.105×F1-0.061×F2-0.171×F3-0.093×F4+0.105×F5+0.082×F6" " " " " " " " " " " " " " " " （4）

式（4）中：對該回歸模型進行統(tǒng)計檢驗，F(xiàn)檢驗為6.373，相關系數(shù)為0.733，均通過了0.01的信度檢驗。

圖4顯示了氣象要素主分量分析法模型結(jié)果與實際值的相似程度。從1975—2014年四川省水稻全年糧食40個回帶結(jié)果來看，按三級農(nóng)業(yè)年景劃分，回帶預測年景與實際年景一致的年份有32 a，準確率達80%；按六級農(nóng)業(yè)年景劃分，預報準確率達72.5%。在錯報的年份中，有5 a的預報模擬值與實際值差值超過3%，其中只有3 a的預報模擬值與實際值差值超過5%。從上述結(jié)果看，1975—2014年有5 a模擬值與實際結(jié)果相差較大。

4 結(jié)論

①1975—2014年四川省水稻單產(chǎn)水平呈現(xiàn)持續(xù)上升趨勢，從1975年的279.46 kg增加到2014年的511 kg，增長率為82.8%。但水稻播種面積整體呈現(xiàn)下降趨勢，播種面積從1975年的248.93萬hm2減少到2014年的101.74萬hm2，一共減少147.19萬hm2，年均減少3.68萬hm2。水稻總產(chǎn)受耕地面積減小的影響呈現(xiàn)嚴重下降趨勢。因此，四川省作為西南地區(qū)重要的水稻種植區(qū)，為保障糧食安全，提高水稻單產(chǎn)顯得尤為重要。

②基于環(huán)流因子進行年景預測模型構(gòu)建，采用逐步回歸法分析，從回帶結(jié)果來看，按三級農(nóng)業(yè)年景劃分，預報準確率為80%；按六級農(nóng)業(yè)年景劃分，預報準確率達84%。該模型計算方便，易于業(yè)務化，其準確率能基本滿足預報業(yè)務需要。

③基于氣象要素的年景預測模型，采用逐步回歸法和主分量分析法分別構(gòu)建，其中，采用逐步回歸法模型分析，按三級農(nóng)業(yè)年景劃分，預報準確率為62.5%；按六級農(nóng)業(yè)年景劃分，采用預報準確率達70.8%。采用主分量分析法模型分析，按三級農(nóng)業(yè)年景劃分，預報準確率為80%；按六級農(nóng)業(yè)年景劃分，預報準確率達72.5%。

研究表明，基于環(huán)流因子的年景預測模型的預報準確率要高于氣象要素模型；基于主分量分析法的氣象要素模型預報準確率也比較高，但該模型計算復雜，業(yè)務化水平不高。

參考文獻：

［1］曾俊林.四川統(tǒng)計年鑒2023［M］.北京：中國統(tǒng)計出版社，2023：287-305.

［2］柯伯俊.四川省大氣污染源排放清單研究［D］.成都：西南交通大學，2014.

［3］徐裕華.西南氣候［M］.北京：氣象出版社，1991.

［4］韓蘭英，張強，姚玉璧，等.近60年中國西南地區(qū)干旱災害規(guī)律與成因［J］.地理學報，2014，69（5）：632-639.

［5］衛(wèi)冬冬，王文韜，王翰博.安徽省第三產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)變動影響因素的實證分析［J］.宿州學院學報，2012，27（3）：27-30.

［6］賀晉云，張明軍，王鵬，等.近50年西南地區(qū)極端干旱氣候變化特征［J］.地理學報，2011，66（9）：1179-1190.

［7］王明田.氣候變化背景下四川農(nóng)業(yè)季節(jié)性干旱的發(fā)展趨勢及應對措施［D］.雅安：四川農(nóng)業(yè)大學，2012.

作者簡介：盧杰（1989—），男，本科，工程師，研究方向：氣象服務和應用氣象；向影（1990—），女，本科，工程師，研究方向：氣象服務和應用氣象；楊雙蓮（1996—），女，本科，助理工程師，研究方向：氣象服務和應用氣象。