辽宁省朝阳市农作物农业气象产量预报模型研究

摘 要：农作物产量与气象条件密切相关。本文应用Spearman、Pearson、Kendall"s Tau-b相关检验方法，统计分析影响辽宁省朝阳市农作物产量的相关气象因子，用逐步回归方法建立气象产量预报模型，应用到实际产量预报业务中，为区域农作物产量预估提供科学依据。

关键词：农作物;产量;气象因子;预报模型;朝阳市

我国农业气象产量预报研究开始于20世纪初叶。进入20世纪70年代，农业气象产量预报技术发展迅速，不仅将土壤、地势等因素引入产量预报模式，还开展了作物群体生长的动力学模拟研究[1-2]。不少国家已逐步将预报模式交付业务部门试用，现大范围作物产量的预报已具有一定准确性，误差仅为实产的±10%。目前，产量预报正朝着长期预报方向发展，预报准确率将随预报模式的完善而进一步提高[3-4]。

朝阳市位于辽宁省西部，地处东经118°50′～121°20′、北纬40°35′～42°20′，属于半湿润半干旱的易旱气候区。全市现有耕地面积约46.7万hm2，是农业大市，农业生产仍然属于“雨养农业”，气象条件是导致农作物产量增减波动的主要因素。因此，利用农作物产量和气象条件进行对比分析，建立农作物气象产量预报模型，对区域农作物产量预报评估具有现实意义。

一、资料与方法

（一）资料来源

产量资料来源于朝阳市统计局，气象资料来源于朝阳市气象局资料室。产量资料选取1985—2015年朝阳市农作物单位面积产量。气象资料选取朝阳市7个气象台站1985—2015年农作物生长季主要时段气象资料：4—9月积温、4—9月日照时间、4—9月降水量、春季（3—5月，下同）平均气温、春季降水量、春季大于10 mm降水日数、4月降水量、5月降水量、7月降水量、8月降水量、7—8月总降水量及6月日照时间。

（二）分析方法

首先，选用Spearman、Pearson、Kendall"s Tau-b相关性检验方法对粗选因子进行筛选。然后，利用逐步回归方法建立预报方程。最后，应用Excel程序进行数据处理和分析。

二、结果与分析

（一）气象产量统计

在农作物产量的气象预报模型中，通常是将作物实际产量y分解为3个部分：农业生产力水平变化引起的趋势产量y（x），由不稳定的活跃多变因子主要是指气象条件引起的气象产量y（w），某些偶然因素（一般被忽略）[5-6]。在雨养农业的前提下，农作物实际产量沿时间趋势线上下波动，一般用线性函数来确定趋势产量。农作物实际产量y减去趋势产量y（x）得到气象产量y（w），即y（w）=y-y（x）。其中，趋势产量y（x）=9.48x-18 716，x为时间序列。

（二）气象产量预报模型的建立

1.气象因子粗选

农作物生长发育与温度、降水、日照息息相关，气象因子的选择是影响预报模型准确性的重要因素。先对因子进行粗选，以将日常进行产量预报的经验为依据，选择农作物生长季各个关键期主要影响气象要素，初步选取4—9月积温、4—9月日照时间、4—9月降水量、春季平均气温、春季降水量、春季大于10 mm降水日数、4月降水量、5月降水量、7—8月降水量、7月降水量、8月降水量及6月日照时间作为建立农作物气象产量与气象要素相关的因子。

2.因子精选

完成因子粗选后进行因子的精选，通过计算粗选因子与预报对象之间的线性相关系数，挑选相关系数的绝对值较大的各物理量为入选因子，入选因子要通过信度为0.05的相关检验，才能作为精选因子，最后建立预报模型。

在进行相关性检验时，选用Spearman、Pearson、Kendall"s Tau-b相关性检验方法对粗选因子进行筛选，对各检验方法得出的检验统计量进行分析，各检验方法在农作物产量相关性检验上表现一致，筛选出检验统计量小于0.05的要素是4—9月积温、4—9月降水量、春季平均气温、7—8月降水量、7月降水量。

3.各要素间相关性检验

选取建立多元回归方程的因子时，若因子间有较强的相关性，会影响方程的准确性。因此，对各气象要素两两进行相关性检验，排除要素间相关性过强对预报方程的影响。利用Spearman、Pearson和Kendall"s Tau-b相关性检验方法，对上文提到的各气象要素两两之间进行相关性检验，两两间的检验统计量小于0.001，具有显著的相关性，最终确定建立农作物气象产量模型的各气象要素为4—9月降水量、春季平均气温、6月日照时间。

4.建立气象产量预报预报方程

根据最终确定的气象要素因子建立农作物气象产量多元线性回归方程。利用逐步回归的方法，将气象因子逐个引入，引入因子的条件是该因子的方差贡獻是显著的。同时，每引入一个新因子后，按能通过0.05的显著性F检验的标准对老因子进行逐个检验，将方差贡献变为不显著的因子剔除。建立农作物气象产量预报模型为：

y（w）=300.56+0.36×（4—9月降水）-26.98×春季平均气温-0.73×6月日照时间

（三）气象要素因子对农作物产量的影响

（1）从农作物气象产量预报模型来看，朝阳市农作物气象产量与降水（4—9月降水）呈正相关，说明朝阳市农作物产量与降水关系最密切，降水是制约农业增产丰收的最主要的气象条件。因此，开展人工增雨，增加自然降水量，提高水资源利用率，实施节水灌溉等技术措施，是提高农作物产量的重要途径。

（2）农作物产量与春季平均气温呈负相关，春季温度低，说明春季回暖慢，化冻时间偏晚，土壤返浆偏晚，有利于土壤保墒增墒，利于大田播种和苗期生长;反之，春季温度偏高，回暖快，地温升高快，土壤水分蒸发迅速，容易引发春旱发生。

（3）农作物产量与6月日照时间呈负相关。6月日照时间越少，产量越高。根据多年天气形势分析，6月朝阳市冷窝天气较多，阴雨天气较多，日照时间偏少，使得降水量亦多，降水多对农作物生长很有利，作物长势良好，为产量形成奠定基础。

三、结论

从农作物气象产量预报模型来看，朝阳市农作物气象产量与降水（4—9月降水）呈正相关，与春季平均气温、6月日照时间呈负相关。但是，气象产量预报模式中的气象因子，没有考虑各个气象因子适宜范围，即气候适宜度问题[7]。

例如，降水多产量就增加，但降水量不是没有上线，因为如果是一次降水过程超过暴雨量级，很可能导致农田渍涝灾害或被淹没冲毁;同样春季温度过低，有可能错过最适宜播种期，造成作物不能正常成熟;6月阴雨过多，日照时间少，可能导致病虫害发生、生长延迟等[8-9]。产量预报中气象因子适宜度问题有待进一步研究。（基金项目：中国气象局气候变化专项“东北粮食生产格局的气候变化影响与适应”，项目编号：CCSF-09-13）

参考文献：

[1]张淑杰，张玉书，王石立，等.基于作物生长模拟模式的玉米产量预报方法研究[J].安徽农业科学，2009（36）：17914-17917.

[2]张金波.作物生长模拟模型研究综述[J].科技信息（学术版），2008（21）：66-67.

[3]尹东.农业产量预报技术的研究和应用[J].干旱气象，2007（2）：12-16.

[4]钱拴，王建林.农业气象作物产量预报的特点与思考[J].气象科技，2003（5）：257-261.

[5]史永臣，刘振忠.农作物产量预报模型研究与实践[J].生物数学学报，2001（2）：229-233.

[6]韩永翔，尹东.作物产量预报新方法研究[J].干旱地区农业研究，2002（3）：124-127.

[7]魏瑞江，宋迎波，王鑫，等.基于气候适宜度的玉米产量动态预报方法[J].应用气象学报，2009（5）：622-627.

[8]张建平，赵艳霞，王春乙，等.气候变化情景下东北地区玉米产量变化模拟[J].中国生态农业学报，2008（6）：1448-1452.

[9]贾建英，郭建平，彭妮，等.气候变化对东北地区玉米产量的影响[J].安徽农业科学，2010（32）：18309-18312，18342.

推荐访问:朝阳市 辽宁省 农作物 气象 预报