徐敏+徐經緯+高蘋+吳洪顏+徐樂

摘要：由于農業(yè)其后年景預測可為合理安排農業(yè)生產布局、科學制定宏觀調控政策提供一定依據，分析江蘇省1961—2014年全年糧食作物相對氣象產量與氣象條件之間的關系。結果發(fā)現：降水對相對氣象產量的影響權重最大，其次為日照和≥0 ℃活動積溫，說明農業(yè)氣候年景受光照資源、熱量資源、水分資源的綜合影響。為了將光、溫、水的綜合影響定量化，構建農業(yè)氣候年景綜合指數，將歷年綜合指數與相應年景進行統(tǒng)計分析，劃定豐、平、歉年所對應的綜合指數范圍?；谔窖蠛睾痛髿猸h(huán)流對長期天氣過程影響的滯后性，同時考慮預報因子的顯著性、穩(wěn)定性和獨立性，應用最優(yōu)化技術，建立農業(yè)氣候年景綜合指數的預測模型，經過歷史擬合和試報檢驗，效果理想，可投入業(yè)務應用，提前1年預測綜合指數，從而確定農業(yè)氣候年景。

關鍵詞：農業(yè)氣候年景；海溫；環(huán)流特征量；預測模型

中圖分類號： S165+.27 文獻標志碼： A

文章編號：1002-1302（2016）09-0435-04

氣象條件是糧食產量波動的重要影響因素，氣象條件的匹配與否、氣象災害的輕重度，在很大程度上決定了糧食收成豐歉、品質優(yōu)劣和成本高低。20世紀90年代后期以來，我國糧食產量連續(xù)多年增產，但是隨著人口、資源、環(huán)境問題的日益突出，自然災害的頻繁發(fā)生，我國糧食生產受到嚴重制約。我國地處東亞季風區(qū)，是世界上主要的氣候脆弱區(qū)之一，隨著全球氣候變化的日益加劇，氣象災害對糧食安全構成的威脅越來越大，近年來我國農業(yè)氣象災害呈現出頻率高、強度大、危害重的態(tài)勢[1]。因此，開展客觀、定量的農業(yè)氣候年景預測，對科學制定宏觀調控政策、合理安排農業(yè)生產布局、趨利避害穩(wěn)定糧食生產和保障國家糧食安全具有重要的社會意義和經濟意義。

農業(yè)氣候年景是指農作物生長發(fā)育和產量形成期間的氣候條件組合最終對糧食產量的影響，從20世紀 70 年代后期起，我國已有一些學者開展了農業(yè)氣候年景預測的研究，并取得了一些成果，汪鐸等研究發(fā)現，大范圍作物產量的波動受特定天氣類型的主導，而這種特定的天氣類型是在特定的大型環(huán)流背景下形成的，因此提出了“環(huán)流-天氣氣候-作物年景”概念模型[2]。王建林等分別用相似分析法和綜合評價法對我國黃河流域、長江流域和新疆棉花主產區(qū)的棉花年景進行了預測[3-4]。孫家明等利用降水距平累加作為干旱和洪澇指標，結合受災（成災）面積，建立回歸模型，進行年景預測[5]。李翠金等采用修改后的Z值指標對長江中下游地區(qū)旱澇氣候年景進行了評定[6]。石磊等通過計算干旱、暴雨洪澇等氣候異常指數，建立氣候年景模型[7]。上述研究更多的是側重某種作物或者某種災害的農業(yè)年景預測，而農業(yè)氣候年景是指農作物生長發(fā)育和產量形成期間的氣候條件組合對糧食產量的影響。

本研究以江蘇省為例，綜合考慮光、溫、水對作物產量的影響，利用產量數據與氣象資料確定相對氣象產量的影響因子的權重，構建農業(yè)氣候年景綜合指數，分別以大氣環(huán)流、太平洋海溫為長期預報因子，建立農業(yè)氣候年景綜合指數的預測模型，通過歷史擬合和試報檢驗預測模型的準確率，最終確定預測年份的農業(yè)氣候年景，以期為開展農業(yè)氣候年景預測業(yè)務服務提供技術支撐。

1 材料與方法

1.1 材料來源

（1）氣象資料：來自江蘇省60個氣象臺站1961—2014年的日平均氣溫、日降水量、日照時數；來自國家氣候中心的74項環(huán)流指數與太平洋（10°S～50°N、120°E～80°W）海表面溫度，水平分辨率5°×5°（共286個格點），取1961—2014年太平洋表面溫度月平均值。

（2）產量數據：由江蘇省統(tǒng)計局提供，采集1961—2014年江蘇省農作物各年單產數據。

1.2 研究方法

1.2.1 相對氣象產量的算法

一般可將實際產量y分離為依社會生產水平的變化而變化的趨勢產量gt、隨歷史氣象環(huán)境條件而變化的氣象產量yw和隨機誤差ε（在通常情況下，隨機誤差可以忽略不計）。

2 結果與分析

2.1 江蘇省糧食作物種植面積與產量概況

江蘇省全年糧食主要由夏糧和秋糧構成，夏糧以小麥為主，秋糧包含水稻、玉米、大豆等，以水稻為主。從近5年的全省糧食產量和播種面積的平均狀況（表1）來看：水稻總產量占糧食總產量的比重最大（55.9%），小麥其次（31.7%），玉米位列第3（6.7%）；水稻單產最高，全省平均單產高達8 342 kg/hm2，玉米其次，單產為5 384 kg/hm2，小麥位列第3，單產為5 016 kg/hm2；水稻和小麥播種面積相當，均在220萬kg/hm2 左右，玉米和大豆的播種面積相對較少，均在50萬kg/hm2以下。

2.2 糧食產量的分離

產量不僅受社會因素的影響，還取決于歷年氣象條件的優(yōu)劣。對大范圍農業(yè)區(qū)而言，農業(yè)生產水平逐年變化不大，相對穩(wěn)定，但農作物的生長發(fā)育則各有特點，對氣象條件的要求也各不相同，且氣象條件逐年變化較大，因此最終的產量歷年波動也不相同。為了分析氣象條件變化對產量的影響，本研究利用HP濾波法對江蘇省糧食產量進行分離。從圖1可以看出，隨著優(yōu)良品種的多次更替、耕作制度的不斷發(fā)展、栽培技術的逐年提高，江蘇省糧食單產呈曲線上升，由社會生產力貢獻的趨勢產量一直處于增長狀態(tài)，尤其是2000年之前，線性趨勢達120 kg/（hm2·年），實際單產與趨勢產量的相關系數高達0.991 2，通過了0.001顯著性檢驗，說明趨勢產量能很好地反映實際單產的變化趨勢；氣象產量在0左右波動，說明天氣條件對糧食產量的影響時正時負，曲線波動范圍表明氣象條件對糧食產量的影響程度。

2.3 農業(yè)氣候年景綜合指數的構建

所謂農業(yè)氣候年景是指農作物生長發(fā)育和產量形成期間的氣候條件組合對糧食產量的影響，主要指降水、積溫、日照等氣候要素的綜合影響。為了將降水、積溫、日照的綜合影響進行定量化，本研究構建了農業(yè)氣候年景綜合指數。該指數的構建對于農業(yè)氣候年景的預測非常關鍵，由于農業(yè)氣候年景綜合指數是基于主要氣象因子對相對氣象產量的影響權重來構建的，因此該綜合指數對農業(yè)氣候年景具有較好的指示意義，若能準確預測綜合指數，則能預測出相應的農業(yè)氣候年景。農業(yè)氣候年景綜合指數的特點：（1）物理意義清晰，數值大小直接能反映降水、積溫、日照的綜合影響程度，而非單一要素的影響程度，符號能直接反映出氣候條件的總體影響是正還是負；（2）指數序列在時間上具有持續(xù)性和波動平穩(wěn)性，符合超長期預測模型的建立需求。

2.3.1 相對氣象產量影響因子權重的確定

為了消除歷年生產水平對氣象產量的影響，將其處理成相對氣象產量。從圖2可以看出，20世紀60至70年代，相對氣象產量波動非常大，80年代以后較為平穩(wěn)，尤其是2007—2012年，相對氣象產量變動基本都在±1%之內，說明農業(yè)生產對不利氣候條件的脆弱性在下降，這與農業(yè)科技水平的提高和農業(yè)生產投入的增加有關。農業(yè)氣候資源是農業(yè)生產的基本環(huán)境條件和物質能源，在農業(yè)生產中起著主導作用，對農業(yè)產量的高低具有重要影響[10-11]。農業(yè)氣候資源包含光、溫、水3要素，因此在尋找相對氣象產量的影響因子時，選取降水量、≥0 ℃活動積溫、日照時數3要素，為了體現變化程度，統(tǒng)一處理成距平百分率。相對氣象產量與降水量呈反相關（圖2），相關系數為-0.42，通過了α=0.01的顯著性檢驗，說明糧食作物生育期內降水量在滿足其需求的基礎上如果增加，則會導致減產，反之亦然；相對氣象產量與日照時數呈現正相關，相關系數為0.36，也通過了0.01的顯著性檢驗，說明當日照減少時，不利于糧食作物的光合作用，產量易降低，反之亦然；相對氣象產量與≥0 ℃活動積溫的相關性很弱，說明對于江蘇省，活動積溫滿足糧食作物的熱量需求，因此熱量資源不是影響水稻產量的主要因子。

相對氣象產量的影響因子為降水、日照時數、≥0 ℃活動積溫，將各項因子的相關系數絕對值之和作為分母，相關系數作為分子，可計算出各項因子的影響權重，分別為-0.446、0.383、0.171，表明降水對糧食作物的影響最大且呈負影響，其次是日照。

2.3.2 農業(yè)氣候年景的劃分

參照世界氣象組織推薦的百分位數法確定農業(yè)氣候年景的閾值[12]，將1961—2012年的相對氣象產量以百分位法計算20%、75%對應的百分位數，分別為-2.098%、2.540%，以此作為臨界值劃分農業(yè)氣候年景，即相對氣象產量低于-2.098%為歉年，高于2.540%為豐年，介于兩者之間為平年，1961—2012年的豐年、平年、歉年的數量分別為14、28、10年（表2）。典型豐歉年氣候條件平均狀況見表3，其中典型豐年是1966年、1973年、1978年，降水明顯偏少（距平百分率平均值約為-27.6%），日照時數明顯偏多（12.10%），對應的相對氣象產量平均為5.8%；典型歉年是1963年、1991年、2003年，降水明顯偏多（25.9%），日照明顯偏少（-5.0%），對應的相對氣象產量平均為-7.8%。

2.3.3 農業(yè)氣候年景綜合指數的構建及與相對氣象產量的相關性

在降水、日照時數、≥0 ℃活動積溫影響權重的基礎上，分別乘以各要素距平百分率，然后進行相加，即為農業(yè)氣候年景綜合指數。從構建的綜合指數與相對氣象產量的時間序列來看，兩者的變化規(guī)律基本同步（圖3），1961—2012年兩者的相關系數為0.45，通過了0.001的顯著性檢驗。綜合指數與相對氣象產量的同正負率為67.3%，90%的歉年對應負的綜合指數，平均值為-8.7；64%的豐年對應正的綜合指數，平均值為9；平年對應的綜合指數有正有負，主體變化范圍是介于豐年與歉年平均值之間，因此通過農業(yè)氣候年景綜合指數預測農業(yè)氣候年景是可行的。

2.4 基于海溫和環(huán)流特征量的農業(yè)氣候年景綜合指數預測模型的建立

由于農業(yè)氣候年景預測的時間尺度長達1個自然年度，因此預報因子需要具有相當高的穩(wěn)定性和顯著性，太平洋海溫和大氣環(huán)流特征量符合這一要求，而且兩者對天氣過程的影響均具有滯后性[13-14]，滯后性的存在對長期預報的時效非常關鍵。海洋對農作物產量的影響是通過對大氣運動的控制而影響受天氣條件支配的氣候產量，500 hPa大氣環(huán)流特征量是表征大氣經向環(huán)流、緯向環(huán)流、副高等大形勢天氣過程的活動情況，大形勢的調整產生不同的天氣過程，從而對氣候產量產生影響。

基于海溫的建模思路：由于太平洋海溫是一個場，所以首先對海溫場進行相關普查，為了預測模型的可靠性和準確性，避免單相關的偶然性，對初步篩選出的因子，根據相關分析原理與空間拓撲分析作進一步處理，然后再進行最優(yōu)化處理與穩(wěn)定性和獨立性檢驗[15]，篩選出相關性最顯著的因子，最終建立農業(yè)氣候年景綜合指數的預測模型。

2.5 預測模型的效果檢驗

為檢驗以上2種預測模型的擬合效果，將農業(yè)氣候年景綜合指數的實際值和模擬值進行比較，由圖4可見，無論是基于海溫的預測模型還是基于環(huán)流指數的預測模型，模擬值都非常接近實際值，復相關系數分別高達0.923、0.938，2種模型都通過了0.001的顯著性檢驗，F檢驗值分別為22.412、49.542，擬合效果好。

除了擬合檢驗外，還利用2013—2014年資料進行試報檢驗，經過與實際綜合指數對比，2013年海溫預測模型計算出的值與實際與實際更接近（表4），2014年則是環(huán)流預測模型的預測值更接近，不過預測出的年景基本為平年，與實際相符。在實際業(yè)務應用中，可考慮將2種模型的預測結果進行集合平均，并考慮預測年份的總體降水情況，與典型豐年和典型歉年的降水距平百分率進行比較，最終確定預測年份的農業(yè)氣候年景。

3 結論與討論

（1）農業(yè)氣候年景受農業(yè)氣候資源的綜合影響，其中降水的影響權重最大（占0.446）且為負影響，其次是日照（占0.383），為正影響，由于積溫均滿足作物的熱量需求，因此權重較?。ㄕ?.171）。江蘇省糧食典型豐年（歉年）對應的氣象條件是降水明顯偏少（偏多）、日照時數明顯偏多（偏少）。

（2）基于降水、日照、積溫的影響權重，構建農業(yè)氣候年景綜合指數，該指數可對主要氣象因子的綜合影響進行定量化，數值大小直接能反映綜合影響程度，數值的正負能直接反映氣候條件的總體影響是正影響還是負影響。將歷年綜合指數與相應年景進行統(tǒng)計分析，劃定豐、平、歉年所對應的綜合指數范圍，該指數對農業(yè)氣候年景具有較好的指示意義。

（3）海溫和大氣環(huán)流是長期天氣過程的重要影響因子，且兩者對天氣過程的影響均具有滯后性，根據長期天氣預報原理，以海溫和大氣環(huán)流特征量為預報因子，建立農業(yè)氣候年景綜合指數的預測模型，經歷史擬合和試報檢驗，預測效果理想，可投入業(yè)務應用，提前1年預測綜合指數，從而確定農業(yè)氣候年景。預測結果對政府決策部門科學制定宏觀調控政策、合理安排農業(yè)生產布局具有重要意義。

雖然預測模型對農業(yè)氣候年景綜合指數的預測準確度很高，但是對于農業(yè)氣候年景的預測仍存在不確定性，因為農業(yè)氣候年景綜合指數與農業(yè)氣候年景并不是完全一一對應，誤差來源主要表現在2個方面：（1）不同作物在不同季節(jié)對不同農業(yè)氣候資源的敏感性可能存在抵消作用，建立的綜合指數不能很好地體現農業(yè)氣候條件對糧食產量的絕對影響力；（2）隨著農業(yè)科技水平的提高和農業(yè)生產投入的增加，農業(yè)生產對不利氣候條件的脆弱性在下降，從2000年以來氣象產量波動明顯減小的特征可以體現，但缺乏不利氣候條件導致農業(yè)生產投入增加的相關數據。在今后的研究中，可以考慮從農業(yè)氣象災害和農業(yè)生產對不利氣候條件的脆弱性下降2個方面深入展開，從而進一步提高農業(yè)氣候年景預測的準確率。

參考文獻：

[1]符 琳.東北三省農業(yè)氣候年景評估研究[D]. 北京：中國氣象科學研究院，2011.

[2]汪 鐸，張 鐔.“環(huán)流-天氣氣候-農業(yè)年景”系統(tǒng)模式探討[J]. 大氣科學，1989，13（2）：178-184.

[3]王建林，太華杰. 影響中國棉花產量豐歉的氣象指標[J]. 應用氣象學報，1995（增刊1）：96-101.

[4]王建林，太華杰. 棉花年景評價方法[J]. 氣象，1997，23（4）：24-27.

[5]孫家明，黃朝迎. 中國農業(yè)氣候年景的評估及預測[J]. 應用氣象學報，2005，16（增刊1）：111-115.

[6]李翠金，馬巧英. 長江中下游地區(qū)旱澇氣候年景和評定方法的研究[J]. 災害學，1998，13（1）：72-77.

[7]石 磊，王 勝，盛紹學. 近50年安徽省氣候年景評估方法[J]. 地理研究，2012，31（9）：1580-1588.

[8]韓 蓓. HP濾波法及其在地區(qū)潛在經濟增長率測算中的應用[J]. 經濟師，2009（1）：28-29.

[9]高 蘋，張 佩，謝小萍，等. 基于海溫和環(huán)流特征量的江蘇省小麥適播期預測[J]. 氣象，2012，38（12）：1572-1578.

[10]楊曉光，劉志娟，陳 阜. 全球氣候變暖對中國種植制度可能影響Ⅰ.氣候變暖對中國種植制度北界和糧食產量的可能影響分析[J]. 中國農業(yè)科學，2010，43（2）：329-336.

[11]李克南，楊曉光，劉志娟，等. 全球氣候變化對中國種植制度可能影響分析Ⅲ.中國北方地區(qū)氣候資源變化特征及其對種植制度界限的可能影響[J]. 中國農業(yè)科學，2010，43（10）：2088-2097.

[12]翟盤茂，潘曉華. 中國北方近50年溫度和降水極端事件變化[J]. 地理學報，2003，58（9）：1-10.

[13]李麥村，陳烈庭，林學椿. 海溫異常影響長期天氣過程研究的進展[J]. 大氣科學，1979，3（3）：247-255.

[14]汪 鐸，黃懿琉，張 鐔. 試用環(huán)流特征因子作豐歉年景預報[J]. 氣象，1982（4）：18-19.

[15]朱盛明，曲學實. 數值預報產品統(tǒng)計解釋技術的進展[M]. 北京：氣象出版社，1988：112-116.