王賀然張 慧王 瑩李 晶米 娜**王若男李琳琳董 巍張 琪蘇 航,6

?

基于兩種方法建立遼寧大豆產(chǎn)量豐歉預(yù)報模型對比

王賀然1，2，張 慧3，王 瑩2，李 晶2，米 娜1**，王若男4，李琳琳2，董 巍5，張 琪2，蘇 航2,6

（1．中國氣象局沈陽大氣環(huán)境研究所，沈陽 110166；2．遼寧省氣象科學(xué)研究所，沈陽 110166；3．錦州市生態(tài)與農(nóng)業(yè)氣象中心，錦州 121001；4．遼寧省氣象裝備保障中心，沈陽 110166；5．中國氣象局氣象干部培訓(xùn)學(xué)院遼寧分院，沈陽 110166；6．沈陽中心氣象臺，沈陽 110166）

利用遼寧省56個氣象站1992?2016年逐日氣象資料和5個代表農(nóng)業(yè)氣象站的大豆發(fā)育期資料，計算不同生育期關(guān)鍵氣象因子和氣候適宜度指數(shù)，分別建立基于關(guān)鍵氣象因子和氣候適宜度的遼寧省大豆逐候產(chǎn)量動態(tài)預(yù)報模型，并進(jìn)行回代檢驗和預(yù)報檢驗。結(jié)果表明：基于關(guān)鍵氣象因子的預(yù)報模型在6月16日、7月21日、7月26日、8月1日、8月26日和9月16日可以進(jìn)行產(chǎn)量預(yù)報（P＜0.05），基于氣候適宜度的預(yù)報模型在8月16日?10月1日每候可進(jìn)行1次產(chǎn)量預(yù)報（P＜0.05）；兩種預(yù)報模型的平均回代檢驗準(zhǔn)確率均高于83.0%；基于氣候適宜度的預(yù)報模型回代檢驗準(zhǔn)確率和預(yù)報檢驗準(zhǔn)確率的變幅較小，穩(wěn)定性更高；應(yīng)用兩種預(yù)報模型，遼寧省大豆產(chǎn)量趨勢預(yù)報業(yè)務(wù)得分＞0的年份約占60%。說明利用兩種模型對遼寧省大豆產(chǎn)量進(jìn)行動態(tài)預(yù)報均能滿足業(yè)務(wù)服務(wù)需求；進(jìn)行趨勢預(yù)報時，可以優(yōu)先考慮基于關(guān)鍵氣象因子的預(yù)報模型，而在未出現(xiàn)重大氣象災(zāi)害的正常年份，可以賦予基于氣候適宜度的預(yù)報模型更多權(quán)重，以減少預(yù)報時次。

大豆；關(guān)鍵氣象因子；氣候適宜度；產(chǎn)量預(yù)報；遼寧

產(chǎn)量預(yù)報是氣象部門的核心業(yè)務(wù)之一，產(chǎn)量預(yù)報結(jié)論一直受到農(nóng)業(yè)部門、糧食部門和政府決策部門的關(guān)注[1]，隨著糧食貿(mào)易的發(fā)展和農(nóng)業(yè)政策的調(diào)整，農(nóng)業(yè)也逐漸受到市場和資本的青睞，農(nóng)業(yè)產(chǎn)業(yè)鏈上的農(nóng)業(yè)從業(yè)者、糧食加工企業(yè)、糧食收儲企業(yè)和貿(mào)易商，涉足農(nóng)業(yè)的互聯(lián)網(wǎng)企業(yè)、金融企業(yè)、保險業(yè)和電商等都開始關(guān)注作物產(chǎn)量，因為產(chǎn)量預(yù)報可以為農(nóng)產(chǎn)品期貨貿(mào)易、農(nóng)作物保險等機構(gòu)提供參考[1]，多家機構(gòu)已嘗試獨立進(jìn)行產(chǎn)量預(yù)報，同時各大糧食產(chǎn)量預(yù)測機構(gòu)開始受邀參與氣象部門的糧食產(chǎn)量預(yù)報會商，因此，產(chǎn)量預(yù)報信息的制作方和用戶也不再局限于政府部門。

20世紀(jì)70年代，氣象部門已經(jīng)開始研究作物產(chǎn)量預(yù)報方法，并在80年代實現(xiàn)了業(yè)務(wù)化應(yīng)用，開展國內(nèi)作物產(chǎn)量預(yù)報[2]，90年代開始對國外作物產(chǎn)量進(jìn)行預(yù)報[3]。40a來，產(chǎn)量預(yù)報技術(shù)不斷發(fā)展，從農(nóng)學(xué)預(yù)報方法、統(tǒng)計學(xué)模型預(yù)報方法發(fā)展到遙感技術(shù)預(yù)報方法、動力學(xué)作物生長模型預(yù)報等方法[1,3?4]，產(chǎn)量預(yù)報實現(xiàn)了從一次靜態(tài)到多次動態(tài)的預(yù)報。這些方法具有一定的數(shù)理統(tǒng)計學(xué)基礎(chǔ)、較長的預(yù)報時效和較高的預(yù)報準(zhǔn)確率[5]，但是應(yīng)用統(tǒng)計學(xué)方法建立的產(chǎn)量預(yù)報模型，雖然簡單實用，但缺少生態(tài)學(xué)基礎(chǔ)，解釋性較差；運用遙感技術(shù)可以大范圍估產(chǎn)，但作物信息提取受云層覆蓋影響大；作物模型的動態(tài)性較強，但參數(shù)校正難度大，業(yè)務(wù)化經(jīng)歷時間長[1,6]。

基于關(guān)鍵氣象因子、氣候適宜度指數(shù)、作物產(chǎn)量歷史豐歉氣象影響指數(shù)的統(tǒng)計學(xué)預(yù)報方法和運用作物生長模型進(jìn)行模擬是氣象部門現(xiàn)階段主要使用的產(chǎn)量動態(tài)預(yù)報方法，目前前3種統(tǒng)計學(xué)動態(tài)預(yù)報方法已經(jīng)應(yīng)用于湖南、山東、河南、河北、四川、黑龍江、吉林等水稻、小麥、玉米、大豆、棉花等作物的產(chǎn)量預(yù)報研究[4?23]，運用作物模型開展大豆的相關(guān)研究則相對較少[24?26]。總之，通過方法的改進(jìn)，產(chǎn)量預(yù)報的準(zhǔn)確率不斷提高，產(chǎn)量預(yù)報技術(shù)應(yīng)用的作物種類也不斷增加。

在遼寧省作物產(chǎn)量動態(tài)預(yù)報方法研究中，基于關(guān)鍵氣象因子、氣候適宜度指數(shù)、作物產(chǎn)量歷史豐歉氣象影響指數(shù)的研究較為少見[27]，尤其對大豆產(chǎn)量預(yù)報的研究尚未有報道。本研究基于關(guān)鍵氣象因子和氣候適宜度指數(shù)分別建立遼寧省大豆產(chǎn)量動態(tài)預(yù)報模型，并對比兩種方法的預(yù)報準(zhǔn)確率，以期為遼寧省大豆單產(chǎn)的動態(tài)、定量、精細(xì)化預(yù)報和預(yù)報模型優(yōu)選提供技術(shù)支持和依據(jù)。

1 資料來源及處理

1.1 研究區(qū)概況

遼寧省位于中國東北春大豆主產(chǎn)區(qū)[26]，大豆種植歷史悠久，是重要的野生大豆種質(zhì)資源來源地[28]。但自20世紀(jì)50年代中后期以來，遼寧省大豆播種面積一直呈下降趨勢[28]，從最高峰1957年的729000hm2[28]降至2014年的106400hm2；同時遼寧省大豆播種面積占糧食播種面積的比例也呈下降趨勢，50?80年代為10%～20%[28]，90年代以來，除個別年份，均低于10%，尤其是2005年以來大部分年份在5%以內(nèi)，近5a，遼寧省大豆種植面積和產(chǎn)量分別占全省糧食播種面積和產(chǎn)量的4%和1.5%以內(nèi)。東北平原尤其是黑龍江省是中國大豆的主產(chǎn)區(qū)，2003?2016年東北三省大豆播種面積占全國大豆播種面積的40%～60%，期間，遼寧省大豆播種面積占東北三省大豆播種面積的比例由7%降至4%以內(nèi)，產(chǎn)量占比由8%下降到5%以內(nèi)，所以遼寧省大豆種植面積和產(chǎn)量都無法與多數(shù)生產(chǎn)大省相比[28]。2015年，受國家耕地保護(hù)和種植補貼等政策影響，全國大豆播種面積出現(xiàn)恢復(fù)性增加，主要集中在東北地區(qū)[29]，加上氣候適宜性和種植歷史等因素影響，遼寧省大豆播種面積逐漸恢復(fù)，2016年達(dá)到132400hm2。

1.2 資料來源

氣象資料和發(fā)育期資料均來自遼寧省氣象信息中心，氣象資料包括遼寧省56個氣象站5?9月逐日最高氣溫（℃）、最低氣溫（℃）、降水量（mm）和日照時數(shù)（h）。發(fā)育期資料為遼寧省5個代表農(nóng)業(yè)氣象站大豆發(fā)育期觀測資料。遼寧省開展大豆觀測的農(nóng)業(yè)氣象站由1981年的10個減至2009年的5個，各站分布情況見圖1。根據(jù)資料的完整性，選擇海城、錦州、開原、新賓和新民5站作為大豆發(fā)育期觀測的代表站點。大豆單產(chǎn)資料來自遼寧省統(tǒng)計年鑒。資料年代均為1992?2016年。

圖1 遼寧省56個氣象站和10個大豆觀測站點的分布

1.3 資料處理

1.3.1 發(fā)育期資料

無論10個或5個大豆發(fā)育期觀測站點，均未在全省14個地級（含以上）市均勻分布（圖1），因此，對未設(shè)置觀測站點城市大豆發(fā)育期資料用氣候條件相似站點的資料替代。本文選取的5個農(nóng)業(yè)氣象站的大豆發(fā)育期觀測資料及其適用城市見表1。

遼寧省大豆發(fā)育期常年值為1981?2010年全部農(nóng)業(yè)氣象站的觀測平均值，即全省平均播種日期為5月4日，出苗5月18日，三真葉期5月29日，分枝日期6月25日，開花7月14日，結(jié)莢7月28日，鼓粒8月19日，成熟9月23日，故遼寧省大豆生長季為5?9月。

發(fā)育期資料采用當(dāng)年實測值，將進(jìn)入某一發(fā)育階段的普遍期日期所在候記為該發(fā)育期的起始候，根據(jù)下一發(fā)育階段的生理指標(biāo)計算該候的氣候適宜度。先分市計算氣候適宜度指數(shù)，再加權(quán)計算成全省氣候適宜度指數(shù)，與全省大豆單產(chǎn)進(jìn)行建模。

1.3.2 氣象資料

采用算術(shù)平均的方法，將56站氣象資料處理為區(qū)域氣象資料，市、省逐候平均氣溫、降水量和日照時數(shù)即市、省候平均氣溫、候累積降水量和候累積日照時數(shù)，以自然月為計算周期，每候5d或6d（31日所在候），大豆生長季5?9月共30候。

1.3.3 產(chǎn)量資料

參考文獻(xiàn)[7]，計算相鄰年份大豆產(chǎn)量的豐歉百分率，即

式中，ΔYi為第i年與第i?1年的大豆單產(chǎn)豐歉值（即相對氣象產(chǎn)量），Yi和Yi?1分別為第i年和第i?1年大豆單產(chǎn)，i代表第i年，i?1代表第i年的前一年。

表1 遼寧省5個農(nóng)業(yè)氣象站的大豆發(fā)育期觀測資料及其適用城市（1981?2010年）

單產(chǎn)預(yù)報值為

式中，Yi為第i年大豆單產(chǎn)預(yù)報值，ΔYi為第i年大豆單產(chǎn)豐歉值的預(yù)報值。參考文獻(xiàn)[11]，預(yù)報時間為氣象要素所在時段下一候的第一天。

參考文獻(xiàn)[7]，計算產(chǎn)量預(yù)報準(zhǔn)確率，即

進(jìn)行產(chǎn)量預(yù)報研究時，選擇1992?2013年數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，建立預(yù)報模型，并進(jìn)行回代檢驗，將2014?2016年數(shù)據(jù)作為檢驗數(shù)據(jù)，進(jìn)行預(yù)報檢驗[30]。

根據(jù)1992?2016年數(shù)據(jù)，選擇基于關(guān)鍵氣象因子和氣候適宜度兩種統(tǒng)計學(xué)方法分別建立遼寧省大豆產(chǎn)量豐歉動態(tài)預(yù)報模型，并對兩種方法所建模型的預(yù)報準(zhǔn)確率進(jìn)行對比。

采用Excel 2007進(jìn)行數(shù)據(jù)處理并繪制圖表，SPSS22.0進(jìn)行統(tǒng)計分析。

2 結(jié)果與分析

2.1 基于關(guān)鍵氣象因子的遼寧省大豆產(chǎn)量豐歉預(yù)報模型

2.1.1 氣象因子篩選

分析1992?2013年遼寧省大豆生育期內(nèi)全省候平均氣溫、降水量和日照時數(shù)與全省大豆產(chǎn)量豐歉百分率的相關(guān)性。結(jié)果顯示，通過0.05水平顯著性檢驗的因子共8個，即7月第5候（開花期）和9月第3候（鼓粒期）的平均氣溫，5月第1候（播種期）、6月第3候（三真葉期）、7月第4候（分枝期）、7月第5候（開花期）、7月第6候（開花結(jié)莢期）和8月第5候（鼓粒期）的日照時數(shù)（表2）。5月第1候大豆尚未出苗，此時日照時數(shù)對大豆生長基本無影響，因此，去除“5月第1候的日照時數(shù)”這一因子，將其它7個確定為關(guān)鍵氣象因子。

候降水量與產(chǎn)量豐歉百分率雖然有一定相關(guān)性，但并沒有通過顯著性檢驗（表2），故降水因子未入選關(guān)鍵氣象因子，可能因為從全省平均情況看，降水量可以滿足作物需求。馬樹慶[31]認(rèn)為，吉林地區(qū)大豆生長季5?9月的需水量在500~580mm，6?8月開花結(jié)莢期需水較多，為400~480mm，李彩霞等[32]研究沈陽地區(qū)作物需水量認(rèn)為，該地區(qū)大豆播種?出苗、出苗?分枝、分枝?開花、開花?結(jié)莢、結(jié)莢?鼓粒、鼓粒?成熟的需水量分別為16.8、82.9、119.9、54.9、72.4和84.5mm。遼寧省大豆播種?出苗、出苗?分枝、分枝?開花、開花?結(jié)莢、結(jié)莢?鼓粒、鼓粒?成熟和全生育期的多年平均降水量分別為22.8、87.9、87.8、81.5、137.4、99.8和529mm，除分枝?開花期，降水量能夠滿足大豆各發(fā)育階段和全生育期的水分需求，播種?出苗、出苗?分枝的降水量超過作物需水量，儲存在土壤中的水分可以在分枝?開花期提供給作物，另外生產(chǎn)上有部分大豆種植在低洼地[33]，水分條件好于平地和山地，如盤錦地區(qū)部分大豆種植在水稻田田埂上，所以降水條件對研究區(qū)域大豆生長較適宜，不是構(gòu)成產(chǎn)量形成的限制性因子。

不同地區(qū)氣象因子與大豆產(chǎn)量的相關(guān)性結(jié)果不盡相同，因為氣象條件具有地域差異，所以影響當(dāng)?shù)卮蠖巩a(chǎn)量的主要限制因子也不同[34]。由表2可見，大豆產(chǎn)量豐歉百分率與7月第5候的平均氣溫呈顯著負(fù)相關(guān)（P＜0.05），而與9月第3候的平均氣溫呈顯著正相關(guān)（P<0.05），與5月第1候、6月第3候、7月第4候、7月第5候、7月第6候、8月第5候的日照時數(shù)呈顯著負(fù)相關(guān)（P＜0.05）。上述關(guān)鍵氣象因子具有一定的生物學(xué)意義，分別反映了大豆三真葉期、分枝期、開花結(jié)莢期、鼓粒期生長發(fā)育對光溫的需求。產(chǎn)量豐歉百分率與日照時數(shù)均呈顯著負(fù)相關(guān)，可能因為大豆是短日照植物，在幼苗時期必須有段時間的較短日照[35]，“夏至”以后（6月第5候），日照時數(shù)縮短，大豆逐漸開花（7月第3候）[36]，開花期之后，光照條件能夠滿足或超過大豆所需，日照時數(shù)的延長反而會導(dǎo)致植株徒長或縮短開花時間，減少花量，降低結(jié)莢率，不利于產(chǎn)量的增加[37]；大豆對溫度的影響較敏感[38]，開花期正值7月下旬，夏季氣溫過高，若繼續(xù)升溫對大豆的生長會起抑制作用，9月份遼寧已進(jìn)入秋季，氣溫下降快，若低于作物的最適范圍，氣溫升高將利于大豆籽粒灌漿。

2.1.2 動態(tài)預(yù)報模型的建立

將篩選的7個關(guān)鍵氣象因子與大豆產(chǎn)量豐歉百分率進(jìn)行多元線性回歸，建立基于關(guān)鍵氣象因子的遼寧省大豆產(chǎn)量動態(tài)預(yù)報模型，預(yù)報方程見表3，將預(yù)報時間之前的所有關(guān)鍵氣象因子作為自變量，大豆產(chǎn)量豐歉百分率作為因變量，建立預(yù)報模型，即

式中，ΔYi為第i年大豆單產(chǎn)豐歉值的預(yù)報值，Xm為第m個關(guān)鍵氣象因子，n=7，b0為常數(shù)，bm為系數(shù)。

通過式（2），則可在6月16日、7月21日、7月26日、8月1日、8月26日和9月16日進(jìn)行遼寧省大豆單產(chǎn)預(yù)報。

表2 遼寧省大豆產(chǎn)量豐歉百分率與不同時間關(guān)鍵氣象因子的單相關(guān)系數(shù)（1992?2013年）

注：*、**分別表示相關(guān)系數(shù)通過0.05、0.01水平的顯著性檢驗。下同。

Note:*is P<0.05，**is P<0.01. The same as below.

表3 基于關(guān)鍵氣象因子的遼寧省大豆產(chǎn)量（ΔYi'）動態(tài)預(yù)報方程

注：ΔYi'為大豆單產(chǎn)比上年增加或減少的百分率即豐歉百分率的預(yù)報值（%），下同。x1為6月第3候的日照時數(shù)（h），x2為7月第4候的日照時數(shù)（h），x3為7月第5候的日照時數(shù)（h），x4為7月第5候的平均氣溫（℃），x5為7月第6候的日照時數(shù)（h），x6為8月第5候的日照時數(shù)（h），x7為9月第3候的平均氣溫（℃）。

Note:ΔYi' is the forecast value of increasing or decreasing tendency which means the bumper or poor harvest of soybean yield in Liaoning(%), the same as below. x1is the accumulated sunshine hours(h) of the 3rd pentad in June, x2is the accumulated sunshine hours(h) of the 4th pentad in July, x3is the accumulated sunshine hours(h) of the 5th pentad in July, x4is the average temperature(℃) of the 5th pentad in July, x5is the accumulated sunshine hours(h) of the 6th pentad in July, x6is the accumulated sunshine hours (h) of the 5th pentad in August, x7is the average temperature(℃) of the 3rd pentad in September.

2.2 基于氣候適宜度的大豆產(chǎn)量動態(tài)預(yù)報模型

2.2.1 氣候適宜度計算

（1）溫度適宜度模型

大豆是喜溫作物，對溫度變化較敏感，一般開花結(jié)莢期對溫度要求較高[38]。為定量評價遼寧省大豆生長的熱量條件，根據(jù)馬樹慶[39]的研究，建立溫度適宜度模型，即

（2）降水適宜度模型

大豆是需水較多的作物，分枝以后，需水量明顯增大，開花到鼓粒期耗水量最大，約占全生育期耗水量的60%～70%，但過多的水分會造成大豆減產(chǎn)甚至絕收[32,38]，降水增加利于大豆種子萌發(fā)和出苗壯苗，苗期降水過多會造成大豆植株地上部分徒長，根系淺易倒伏，或者結(jié)莢部位高，導(dǎo)致結(jié)莢少從而影響產(chǎn)量，此時降水略少利于根系發(fā)展[41]。為定量評價遼寧省大豆生長的水分條件，根據(jù)宋迎波等[15]的研究，建立降水適宜度模型，即

表4 大豆生長三基點溫度指標(biāo)（℃）

式中，R(rij)為第j年第i候降水量適宜度，rij為第j年第i候累積降水量，r0i為第i候降水量的多年平均值，本研究取1981?2010年平均值。

（3）日照適宜度模型

大豆是短日照植物，在幼苗時期必須有段時間的較短日照[35]，“夏至”以后，日照時數(shù)縮短，大豆逐漸開花[36]。為定量評價遼寧省大豆生長的光照條件，根據(jù)易雪等[9]的研究，建立日照適宜度模型，即

式中，S(sij)為第j年第i候日照時數(shù)適宜度，sij為第j年第i候累積日照時數(shù)，soi為第i候日照時數(shù)的多年平均值，本研究取1981?2010年平均值。

（4）氣候適宜度模型

為了從光、溫、水3個基本要素上綜合評價作物生長的氣象條件，即氣象條件對遼寧省大豆生長的適宜程度，建立大豆氣候適宜度動態(tài)模型[9]，即

式中，Sij為第j年第i候氣候適宜度指數(shù)，Sj為第j年從播種到第n候的累積氣候適宜度指數(shù)，本研究中n取1?30。bti、bri、bsi分別為第i候溫度、降水和日照的適宜度權(quán)重系數(shù)，權(quán)重系數(shù)的確定運用積分回歸法，即分別針對每種氣象要素，對候適宜度與產(chǎn)量豐歉值進(jìn)行相關(guān)分析，計算每候該氣象要素適宜度對大豆產(chǎn)量豐歉值的影響系數(shù)，將候影響系數(shù)的絕對值與全生育期該氣象要素所有候影響系數(shù)的絕對值和的比值，作為該氣象要素某一候適宜度的權(quán)重系數(shù)，即

式中，ati、ari、asi分別為第i候溫度、降水和日照的適宜度對大豆產(chǎn)量豐歉值的影響系數(shù)。

區(qū)域氣候適宜度指數(shù)由14市的氣候適宜度指數(shù)加權(quán)求和得到，即

式中，F(xiàn)(Sij省)為第j年第i候全省氣候適宜度指數(shù)，Km為某市第j年大豆播種面積占14市大豆播種面積總和的比例，m=14，圖2為1992?2016年遼寧省14市大豆播種面積比例的平均值，Sij市為第j年第i候市氣候適宜度指數(shù)。F(Sj省)為第j年從播種到第n候的全省累積氣候適宜度指數(shù)，本研究n取1?30。

圖2 遼寧省14市大豆播種面積平均比例（1992?2016年）

2.2.2 動態(tài)預(yù)報模型的建立

將1992?2013年遼寧省大豆播種（5月第1候）?生長季內(nèi)任意候的累積氣候適宜度指數(shù)與對應(yīng)的遼寧省大豆產(chǎn)量豐歉百分率作相關(guān)分析。結(jié)果表明，從播種?8月第3候到播種?9月第6候的累積氣候適宜度指數(shù)與大豆產(chǎn)量豐歉百分率均呈顯著相關(guān)（表5），說明建立的氣候適宜度模型能夠客觀、動態(tài)地反映遼寧省大豆氣候適宜性和產(chǎn)量增減幅度。

通常遼寧省大豆播種始于5月上旬，9月底收獲結(jié)束，中國氣象局《農(nóng)業(yè)氣象產(chǎn)量預(yù)報質(zhì)量考核辦法》（2012年）規(guī)定，省級農(nóng)業(yè)氣象單位需在7月15日和8月25日提交省級作物產(chǎn)量趨勢預(yù)報和定量預(yù)報結(jié)論，為在生長季內(nèi)實現(xiàn)遼寧省大豆產(chǎn)量動態(tài)預(yù)報，并滿足業(yè)務(wù)服務(wù)需求，建立1992?2013年遼寧省大豆從播種?7月第3候開始到生長季內(nèi)任意候止的遼寧省大豆產(chǎn)量豐歉百分率預(yù)報模型：

式中，ΔYi為第i年大豆單產(chǎn)豐歉值的預(yù)報值，Xm為從播種（5月第1候）?第m候的累積氣候適宜度指數(shù)，b0為常數(shù)，bm為系數(shù)。

運用該方法可以在7月16日?10月1日每隔5d或6d進(jìn)行遼寧省大豆產(chǎn)量豐歉百分率預(yù)報，但僅8月16日以后的預(yù)報方程才通過顯著性檢驗，預(yù)報方程見表6，根據(jù)式（2）可以預(yù)測遼寧省大豆單產(chǎn)。

表5 遼寧省大豆累積氣候適宜度指數(shù)與產(chǎn)量豐歉值的相關(guān)性檢驗

表6 不同起報時間的遼寧省大豆產(chǎn)量（ΔYi'）預(yù)報模型

注：x表示從5月第1候到預(yù)報時間前1候的全省累積氣候適宜度指數(shù)。

Note: x is the provincial accumulated climate suitability index from the 1st pentad-May to the forecast time.

2.3 兩種產(chǎn)量動態(tài)預(yù)報模型的預(yù)報準(zhǔn)確率對比

2.3.1 回代檢驗

將根據(jù)1992?2013年數(shù)據(jù)建立的基于關(guān)鍵氣象因子和基于氣候適宜度的遼寧省大豆產(chǎn)量動態(tài)預(yù)報模型對大豆單產(chǎn)進(jìn)行回代檢驗，根據(jù)式（3）評價檢驗結(jié)果。由表7可見，6月遼寧省大豆主要處于營養(yǎng)生長階段，進(jìn)行產(chǎn)量預(yù)報時間過早，同時受篇幅所限，僅對比7月以后有相同預(yù)報時間的預(yù)報模型回代檢驗結(jié)果。兩種預(yù)報模型的回代檢驗準(zhǔn)確率的平均值為7月以后通過顯著性檢驗的預(yù)報方程檢驗結(jié)果的平均值。

兩種預(yù)報模型的回代檢驗準(zhǔn)確率均高于83.0%，基于關(guān)鍵氣象因子的預(yù)報模型的回代檢驗準(zhǔn)確率更高，而且隨著預(yù)報時間的推進(jìn)，兩種預(yù)報模型的回代檢驗準(zhǔn)確率有提高趨勢，但基于氣候適宜度的預(yù)報模型的回代檢驗準(zhǔn)確率變幅更小。

表7 1992?2013年兩種方法建立的遼寧省大豆單產(chǎn)預(yù)報模型回代檢驗的平均準(zhǔn)確率（%）

注：方法1表示基于關(guān)鍵氣象因子的產(chǎn)量動態(tài)預(yù)報模型，方法2表示基于氣候適宜度的產(chǎn)量動態(tài)預(yù)報模型。下同。

Note: Method 1 is the dynamic forecast method based on key meteorological factors, method 2 is the dynamic forecast method based on climatic suitability. The same as below.

2.3.2 預(yù)報檢驗

應(yīng)用本研究建立的基于兩種統(tǒng)計方法的預(yù)報模型對2014?2016年遼寧省大豆單產(chǎn)進(jìn)行預(yù)報檢驗，預(yù)測值及其與實際產(chǎn)量的差值和預(yù)報準(zhǔn)確率見表8。2014年，基于氣候適宜度的預(yù)報模型的預(yù)報準(zhǔn)確率大多高于基于關(guān)鍵氣象因子的模型。2015年，前者略高于后者，但兩個預(yù)報模型的預(yù)報準(zhǔn)確率基本都在90%以上。2016年也表現(xiàn)為前者略高于后者，前者的預(yù)報準(zhǔn)確率都在90%以上。2015年和2016年，基于氣候適宜度的預(yù)報模型的預(yù)測值與實際產(chǎn)量的差值要小于關(guān)鍵氣象因子的預(yù)報方法。2014?2016年，基于氣候適宜度的預(yù)報模型的5次預(yù)測準(zhǔn)確率變幅更小。

根據(jù)中國氣象局《農(nóng)業(yè)氣象產(chǎn)量預(yù)報質(zhì)量考核辦法》（2012年），作物單產(chǎn)的趨勢預(yù)報依據(jù)當(dāng)年預(yù)報值與前5a數(shù)據(jù)平均值（依據(jù)遼寧省統(tǒng)計年鑒）的差值除以前5a數(shù)據(jù)平均值，即

根據(jù)M值范圍，作物單產(chǎn)趨勢預(yù)報結(jié)論表述為豐年（M≥5%）、平偏豐（3%≤M＜5%）、持平略增（0%≤M＜3%）、持平略減（?3%≤M＜0%）、平偏歉（?5%≤M＜?3%）和歉年（M＜?5%），不給出具體定量預(yù)報值。當(dāng)某年實際產(chǎn)量數(shù)據(jù)公布后，如果實際產(chǎn)量趨勢為趨勢預(yù)報時結(jié)論表述的前3項中任一項，而預(yù)報趨勢為后3項中任一項，則趨勢預(yù)報不得分，但實際產(chǎn)量趨勢為持平略增，預(yù)報趨勢為持平略減除外；如果實際產(chǎn)量趨勢為后3項，而預(yù)報趨勢為前3項，則趨勢預(yù)報也不得分，但實際產(chǎn)量趨勢為持平略減，預(yù)報趨勢為持平略增則可以得分。

表9列出了應(yīng)用上述預(yù)報模型計算的1997?2016年趨勢預(yù)報得分年的個數(shù)百分比。由表9可見，因為趨勢預(yù)報在7月15日進(jìn)行，基于關(guān)鍵氣象因子的預(yù)報模型僅有6月21日的預(yù)報結(jié)論，60%的年份可以得分，基于氣候適宜度的預(yù)報模型有7月6日、7月11日，甚至7月16日的預(yù)報結(jié)論，55%～60%的年份可以得分，可見，利用這兩種預(yù)報模型進(jìn)行趨勢預(yù)報的得分幾率沒有太大差異。

總體來看，7月15日進(jìn)行趨勢預(yù)報時，遼寧省大豆剛進(jìn)入結(jié)莢期，此時基于關(guān)鍵氣象因子的預(yù)報模型只能進(jìn)行1次預(yù)報，而基于氣候適宜度的預(yù)報模型雖能進(jìn)行3次，但預(yù)報方程均未通過顯著性檢驗，用兩種模型進(jìn)行產(chǎn)量趨勢預(yù)報的得分概率比較接近。8月25日進(jìn)行定量預(yù)報時，基于關(guān)鍵氣象因子的預(yù)報模型有5次預(yù)報結(jié)果（表3），基于氣候適宜度的預(yù)報模型也有3次預(yù)報結(jié)果（表6），兩種預(yù)報模型多個預(yù)報時次的平均預(yù)報準(zhǔn)確率均高于83.0%（表7），說明這兩種預(yù)報方法都可以應(yīng)用于遼寧省大豆產(chǎn)量定量預(yù)報。通過預(yù)報準(zhǔn)確率檢驗可以看出，基于氣候適宜度的預(yù)報模型的結(jié)果更準(zhǔn)確（表8）且變幅較小更穩(wěn)定（表7、表8），如果采用這種方法進(jìn)行單產(chǎn)預(yù)報，可以適當(dāng)減少預(yù)報時次。2015年和2016年遼寧省氣象條件對大豆生長較為有利，沒有出現(xiàn)對大豆生長發(fā)育造成較大影響的氣象災(zāi)害，可以看作正常年型，尤其是2016年，氣象條件為近5a最好，旱田作物單產(chǎn)均僅次于2013年，基于氣候適宜度的預(yù)報模型準(zhǔn)確率高于基于關(guān)鍵氣象因子的預(yù)報模型準(zhǔn)確率（表8），所以進(jìn)行遼寧省大豆單產(chǎn)預(yù)測可以賦予基于氣候適宜度的預(yù)報模型預(yù)報結(jié)果更大的權(quán)重。

表8 兩種模型對2014?2016年遼寧省大豆產(chǎn)量的動態(tài)預(yù)報檢驗結(jié)果

Table 8 The average forecast test accuracy rate of the soybean yield forecast equations based on two methods in Liaoning (2014?2016)

注：差值=預(yù)測產(chǎn)量?實際產(chǎn)量。

Note: difference(DF)= PY-AY. AY is the actual yield(kg·ha?1), and PY is the predicted yield(kg·ha?1) . BF is the forecast time.

表9 兩種模型對1997?2016年遼寧省大豆單產(chǎn)趨勢預(yù)報得分年的比例（%）

注：某年產(chǎn)量趨勢預(yù)報評分＞0分，即為得分年。

Note: Score year is a certain year's production tendency forecast score is＞0 points.

3 結(jié)論與討論

（1）基于關(guān)鍵氣象因子和氣候適宜度的遼寧省大豆產(chǎn)量豐歉動態(tài)預(yù)報模型的平均預(yù)報準(zhǔn)確率平均在83.0%以上，均可以滿足業(yè)務(wù)需求，進(jìn)行大豆產(chǎn)量趨勢預(yù)報和定量預(yù)報。目前基于關(guān)鍵氣象因子、氣候適宜度指數(shù)、作物產(chǎn)量歷史豐歉氣象影響指數(shù)的產(chǎn)量預(yù)報方法研究均以旬為時間尺度建立預(yù)報模型[4?16,18?22,27]，而農(nóng)業(yè)氣象業(yè)務(wù)中產(chǎn)量趨勢預(yù)報和定量預(yù)報的時間為7月15日和8月25日，旬尺度預(yù)報模型無法反映預(yù)報前5d的氣象條件對作物產(chǎn)量的影響。本研究建立的兩種預(yù)報模型的平均預(yù)報準(zhǔn)確率在83.0%以上，與邱美娟等[4]基于氣候適宜度指數(shù)建立的吉林省旬尺度大豆產(chǎn)量預(yù)報模型的預(yù)報準(zhǔn)確率（＞85%）較為接近，所以從時間和空間角度說明了本研究建立的預(yù)報模型的適用性，但是預(yù)報模型時間尺度的縮短不一定會提高預(yù)報準(zhǔn)確率。

（2）進(jìn)行產(chǎn)量趨勢預(yù)報時，可以采用基于關(guān)鍵氣象因子的遼寧省大豆產(chǎn)量豐歉動態(tài)預(yù)報模型。多數(shù)學(xué)者[7,9,22]在研究中分析了單產(chǎn)趨勢預(yù)報的準(zhǔn)確性，與本研究中的趨勢預(yù)報中的趨勢并非同一概念，前者對比的是單產(chǎn)當(dāng)年值與前一年值的變化[6]，即產(chǎn)量豐歉百分率的預(yù)報準(zhǔn)確性，而本研究把單產(chǎn)預(yù)報值與前5a的實際值進(jìn)行對比，根據(jù)業(yè)務(wù)評分標(biāo)準(zhǔn)，兩種模型的得分概率均接近60%（表9），但基于氣候適宜度的預(yù)報模型在業(yè)務(wù)上報時間內(nèi)尚未通過顯著性檢驗，所以在大豆產(chǎn)量趨勢預(yù)報中，可以采用基于關(guān)鍵氣象因子的預(yù)報模型的預(yù)報結(jié)論。

（3）在未出現(xiàn)較大氣象災(zāi)害的正常年份進(jìn)行產(chǎn)量定量預(yù)報時，可以賦予基于氣候適宜度的遼寧省大豆產(chǎn)量豐歉動態(tài)預(yù)報模型更多權(quán)重，該方法也可以減少預(yù)報時次?；诮y(tǒng)計學(xué)原理建立的預(yù)報模型是基于多年氣象和產(chǎn)量數(shù)據(jù)，所以預(yù)報特殊年型尤其是災(zāi)害年作物單產(chǎn)的能力較差[4,9,19]，2014年，遼寧省出現(xiàn)了較為嚴(yán)重的夏旱，兩種預(yù)報模型2014年的預(yù)報準(zhǔn)確率均較低，而2015年和2016年的預(yù)報準(zhǔn)確率較高，這與邱美娟等[4]的研究結(jié)果相同。帥細(xì)強等[6]基于氣候適宜度、關(guān)鍵氣象因子建立了湖南省早稻產(chǎn)量動態(tài)預(yù)報模型，并和作物生長模型預(yù)報結(jié)果進(jìn)行了對比，認(rèn)為3種方法的預(yù)報準(zhǔn)確率較為接近，基于氣候適宜度的預(yù)報方法的回代檢驗和預(yù)報檢驗的準(zhǔn)確率最高，因為對預(yù)報模型的選擇更多考慮的是預(yù)報檢驗的準(zhǔn)確率，所以與本研究的結(jié)論相同。無論在回代檢驗還是預(yù)報檢驗，基于氣候適宜度的預(yù)報模型的準(zhǔn)確率變幅小穩(wěn)定性好。因此，由于預(yù)報準(zhǔn)確率和穩(wěn)定性較高的優(yōu)勢，在進(jìn)行定量預(yù)報時可以分配更多的權(quán)重給基于氣候適宜度的預(yù)報模型，而且可以減少預(yù)報時次。

本研究建立的遼寧省大豆產(chǎn)量豐歉動態(tài)預(yù)報模型均存在一定的局限性，需要進(jìn)一步改進(jìn)和完善?；陉P(guān)鍵氣象因子的預(yù)報方法只有在篩選出關(guān)鍵因子的時段才能建立預(yù)報模型，所以預(yù)報時間不連續(xù)，這與李琳琳等[27，42]的研究結(jié)果相同，所以在下一步研究中可以增加描述光、溫、水和可能致災(zāi)的氣象因子，如連陰雨日數(shù)、高溫日數(shù)、開花期降水等，使該方法在每一時段都能篩選出關(guān)鍵氣象因子，實現(xiàn)生長季所有時段的預(yù)報。另外，本研究建立的基于氣候適宜度的遼寧省大豆產(chǎn)量豐歉動態(tài)預(yù)報模型，雖然在一定程度反映了作物的生物學(xué)特征，但選擇溫度指標(biāo)為吉林省大豆生長的三基點溫度[40]，與遼寧省大豆會略有差異，影響了溫度適宜度的準(zhǔn)確性；水分適宜度僅考慮了降水條件，而作物對水分的吸收主要來自土壤，有學(xué)者[14,16]考慮利用土壤水分和作物需水量建立的水分適宜度可以代替降水適宜度，能更好地反映水分狀況對作物產(chǎn)量的影響，而且本研究中的降水適宜度的計算方法主要參考了水稻和冬小麥產(chǎn)量預(yù)報的建模方法[9,15]，但大豆耐旱能力要略強于玉米；大豆是典型的短日照植物，本研究中日照適宜度的計算方法參考了玉米、冬小麥和水稻產(chǎn)量預(yù)報的建模方法[9,15,16,19]，所以，可以通過改進(jìn)溫度、水分和日照適宜度指標(biāo)或計算方法來提高基于氣候適宜度的預(yù)報模型的預(yù)報準(zhǔn)確率，業(yè)務(wù)上也可以根據(jù)該方法建立逐日預(yù)報模型進(jìn)行產(chǎn)量預(yù)報，但在建模指標(biāo)、要素相同的情況下，預(yù)報準(zhǔn)確率不會有較大提升。

[1]單琨,劉布春,李茂松,等.基于花粉量的作物產(chǎn)量預(yù)測模型研究進(jìn)展[J].中國農(nóng)業(yè)氣象,2010, 31(2):282-287.Shan K,Liu B C,Li M S,et al.Research progress of pollen variable models for forecasting crop yield[J].Chinese Journal of Agrometeorology,2010,31(2):282-287.(in Chinese)

[2]錢拴,王建林.農(nóng)業(yè)氣象作物產(chǎn)量預(yù)報的特點與思考[J].氣象科技,2003,31(5):257-261.Qian S,Wang J L.Special aspects of agrometeorological crop yields forecast and discussion[J].Meteorological Sciences and Technology,2003,31(5):257-261.(in Chinese)

[3]池俊成,王蘭君,刑樹本,等.作物產(chǎn)量預(yù)測技術(shù)在外貿(mào)決策中的應(yīng)用[J].中國農(nóng)業(yè)氣象,1997,18(3):45-46. Chi J C,Wang L J,Xing S B,et al.Application of crops yield prediction method in foreign trade policy[J].Chinese Journal of Agrometeorology,1997,18(3):45-46. (in Chinese)

[4]邱美娟,郭春明,王冬妮,等.基于氣候適宜度指數(shù)的吉林省大豆單產(chǎn)動態(tài)預(yù)報研究[J].大豆科學(xué),2018,37(3):445-451.Qiu M J,Guo C M,Wang D N,et al.Study of soybean yield forecast in Jilin province based on climate suitability index method[J].Soybean Science,2018,37(3):445-451.(in Chinese)

[5]邱美娟,宋迎波,王健林,等.新型統(tǒng)計檢驗聚類方法在精細(xì)化農(nóng)業(yè)氣象產(chǎn)量預(yù)報中的應(yīng)用[J].中國農(nóng)業(yè)氣象,2014,32(2):187-194. Qiu M J,Song Y B,Wang Y L,et al.Application of newly developed cluster analysis of statistical test in fine agrometeorological yield prediction[J].Chinese Journal of Agrometeorology,2014,32(2):187-194.(in Chinese)

[6]帥細(xì)強,陸魁東,黃晚華.不同方法在湖南早稻產(chǎn)量動態(tài)預(yù)報中的比較[J].應(yīng)用氣象學(xué)報,2015,26(1):103-111.Shuai X Q,Lu K D,Huang W H.A comparative study on dynamic forecasting of early rice yield by using different methods in Hunan province[J].Journal of Applied Meteorological Science,2015,26(1):103-111.(in Chinese)

[7]鄭昌玲,楊霏云,王建林,等.早稻產(chǎn)量動態(tài)預(yù)報模型[J].中國農(nóng)業(yè)氣象,2007,28(4):412-416.Zheng C L,Yang F Y,Wang J L,et al.A study on dynamic prediction model of early rice yield per unit[J].Chinese Journal of Agrometeorology,2007,28(4):412-416.(in Chinese)

[8]易雪,王建林,宋迎波,等.早稻產(chǎn)量綜合動態(tài)預(yù)報方法研究[J].氣象與環(huán)境科學(xué),2009,32(4):8-12.Yi X,Wang J L,Song Y B,et al.Methodology on dynamical prediction of early rice yield[J].Meteorological and Envir- onmental Sciences,2009,32(4):8-12.(in Chinese)

[9]易雪,王建林,宋迎波.氣候適宜指數(shù)在早稻產(chǎn)量動態(tài)預(yù)報上的應(yīng)[J].氣象,2010,36(6):85-89.Yi X,Wang J L,Song Y B.Application of climatic suitability index to dynamical prediction of early rice yield[J].Meteorol- ogical Monthly,2010,36(6):85-89.(in Chinese)

[10]杜春英,李帥,王晾晾,等.基于歷史產(chǎn)量豐歉影響指數(shù)的黑龍江省水稻產(chǎn)量動態(tài)預(yù)報[J].中國農(nóng)業(yè)氣象,2010,31(3):427-430. Du C Y,Li S,Wang L L,et al.Dynamic prediction method for rice yield based on influence index for bumper or poor harvest from historic yield in Heilongjiang province[J].Chinese Journal of Agrometeorology,2010,31(3):427-430.(in Chinese)

[11]唐余學(xué),羅孳孳,范莉,等.基于關(guān)鍵氣象因子的中稻單產(chǎn)動態(tài)預(yù)報[J].中國農(nóng)業(yè)氣象,2011,32(增1):140-143. Tang Y X,Luo Z Z,Fan L,et al.The dynamic prediction of mid-season rice yield basedon key meteorological factors[J].Chinese Journal of Agrometeorology,2011,32(S1):140-143.(in Chinese)

[12]游超,蔡元剛,張玉芳.基于氣象適宜指數(shù)的四川盆地水稻氣象產(chǎn)量動態(tài)預(yù)報技術(shù)研究[J].高原山地氣象研究,2011,31(1):51-55. You C,Cai Y G,Zhang Y F.Study on dynamic forecasting technology of meteorological yield of rice in Sichuan basin based on weather appropriate index[J].Plateau and Mountain Meteorology Reseach,2011,31(1):51-55.(in Chinese)

[13]劉偉昌,陳懷亮,余衛(wèi)東,等.基于氣候適宜度指數(shù)的冬小麥動態(tài)產(chǎn)量預(yù)報技術(shù)研究[J].氣象與環(huán)境科學(xué),2008,31(2):21-24. Liu W C,Chen H L,Yu W D,et al.Dynamic output forecast research for winter wheat basedon climatic suitability index[J].Meteorological and Environmental Sciences,2008,31(2):21-24.(in Chinese)

[14]代立芹,李春強,康西言,等.基于氣候和土壤水分綜合適宜度指數(shù)的冬小麥產(chǎn)量動態(tài)預(yù)報模型[J].中國農(nóng)業(yè)氣象,2012,33(4):519-526. Dai L Q, Li C Q,Kang X Y,et al.Dynamic forecast model of winter wheat yield based on climate and soil moisture suitability[J].Chinese Journal of Agrometeorology,2012,33(4):519-526.(in Chinese)

[15]宋迎波,王建林,李昊宇,等.冬小麥氣候適宜診斷指標(biāo)確定方法初探[J].氣象,2013,39(6):768-773. Song Y B,Wang J L,Li H Y,et al.Exploration to the method for determining diagnostic indicators of suitable climate for winter wheat[J].Meteorological Monthly,2013,39(6):768-773.(in Chinese)

[16]魏瑞江,宋迎波,王鑫.基于氣候適宜度的玉米產(chǎn)量動態(tài)預(yù)報方法[J].應(yīng)用氣象學(xué)報,2009,20(5):622-627. Wei R J, Song Y B,Wang X.Method for dynamic forecast of corn yield based on climatic suitability[J].Journal of Applied Meteorological Science,2009,20(5):622-627.(in Chinese)

[17]侯英雨,張艷紅,王良宇,等.東北地區(qū)春玉米氣候適宜度模型[J].應(yīng)用生態(tài)學(xué)報,2013,24(11): 3207-3212. Hou Y Y,Zhang Y H,Wang L Y,et al.Climatic suitability model for spring maize in Northeast China[J].Chinese Jou- rnal of Applied Ecology,2013,24(11):3207-3212.(in Chinese)

[18]李樹巖,劉偉昌.基于氣象關(guān)鍵因子的河南省夏玉米產(chǎn)量預(yù)報研究[J].干旱地區(qū)農(nóng)業(yè)研究,2014,32(5):223-227. Li S Y,Liu W C.Research on the yield prediction of summer maize in Henan province based on meteorological key factors[J].Agricultural Research in the Arid Areas,2014,32(5):223-227.(in Chinese)

[19]李樹巖,余衛(wèi)東.基于氣候適宜度指數(shù)的河南省夏玉米產(chǎn)量預(yù)報研究[J].河南農(nóng)業(yè)大學(xué)學(xué)報,2015,49(1):27-34. Li S Y,Yu W D.Research of summer maize yield forecasting based on climate suitability in Henan[J].Journal of Henan Agricultural University,2015,49(1):27-34.(in Chinese)

[20]婁秀榮,楊霏云,王建林.黑龍江省大豆產(chǎn)量豐歉年型氣象指標(biāo)的初步研究[J].氣象,2001,27(12):47-49. Lou X R,Yang F Y,Wang J L.Study on meteorological indicators of high and low bean yield in Heilongjiang province[J].Meteorological Monthly,2001,27(12):47-49.(in Chinese)

[21]鄭昌玲,王建林,宋迎波,等.大豆產(chǎn)量動態(tài)預(yù)報模型研究[J].大豆科學(xué),2008,27(6):943-948. Zheng C L,Wang J L,Song Y B,et al.Dynamic prediction model of soybean yield per unit[J].Soybean Science,2008,27(6):943-948.(in Chinese)

[22]朱海霞,趙慧穎,李秀芬,等.黑龍江省大豆主產(chǎn)地產(chǎn)量動態(tài)預(yù)報系統(tǒng)的建立[J].大豆科學(xué),2017,36(6):950-957. Zhu H X,Zhao H Y,Li X F,et al.System development of dynamic forecast on soybean yield of main areas in Heilongjiang province[J].Soybean Science,2017,36(6):950-957.(in Chinese)

[23]王建林,趙四強.全國棉花產(chǎn)量預(yù)報模式[J].氣象,1990,16(5):26-30. Wang J L,Zhao S Q.A cotton yield prediction model of China[J].Meteorological Monthly,1990,16(5):26-30.(in Chinese)

[24]丁秋瑩.基于跨尺度模型融合的氣候變化對我國大豆主產(chǎn)區(qū)影響及適應(yīng)技術(shù)模擬研究[D].上海:上海應(yīng)用技術(shù)學(xué)院,2017:3-4. Ding Q Y.Research about the adaptive measures of soybean production under climate change in China:based on cross-scale model coupling[D].Shanghai:Shanghai Institute of Technology,2017:3-4. (in Chinese)

[25]于庚康,徐敏,徐經(jīng)緯,等.大豆生育期內(nèi)氣候資源變化特征及未來情景預(yù)估[J].氣象科學(xué),2014,34(4):450-456. Yu G K,Xu M,Xu J W,et al.Variation characteristics and prospective estimation of climate resources during soybean growth period in Jiangsu[J].Journal of the Meteorological Sciences, 2014,34(4):450-456.(in Chinese)

[26]曲輝輝,朱海霞,王京秋,等.氣候變化對東北三省大豆生育期和產(chǎn)量的影響模擬[J].西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版),2014,42(7):61-69. Qu H H,Zhu H X,Wang J Q,et al.Effects of climate change on soybean growth period and yield in Northeast China[J].Journal of Northwest A&F University(Nat. Sci. Ed.),2014,42(7):61-69.(in Chinese)

[27]李琳琳,王婷,李雨鴻,等.基于關(guān)鍵氣象因子的遼寧省水稻產(chǎn)量動態(tài)預(yù)報[J].大麥與谷類科學(xué),2017,34(4):50-54. Li L L,Wang T,Li Y H,et al.The dynamic prediction of single-season rice yield based on keymeteorological factors in Liaoning province[J].Barley and Cereal Sciences,2017,34(4):50-54.(in Chinese)

[28]董鉆,單維奎,宋書宏,等.遼寧省大豆研究60年[M].北京:中國農(nóng)業(yè)出版社, 2010:24,117,185.Dong Z,Shan W K,Song S H,et al.Soybean research for 60 years in Liaoning province [M].Beijing:China Agriculture Press,2010:24,117,185.(in Chinese)

[29]殷瑞鋒,徐雪高,馮學(xué)靜.2016年以來大豆市場分析與后市展望[J].農(nóng)業(yè)展望,2017,(6):9-13.Yin R F,Xu X G,Feng X J.Soybean market since 2016 and its future prospect[J].Agriculture Outlook,2017,(6):9-13.(in Chinese)

[30]王桂芝,胡慧,陳紀(jì)波,等.基于BP濾波的Fourier模型在糧食產(chǎn)量預(yù)測中的應(yīng)用[J].中國農(nóng)業(yè)氣象,2015,36(4):472-478. Wang G Z,Hu H,Chen J B,et al.Application of Fourier model based on BP filter in crops yield prediction[J].Chinese Journal of Agrometeorology,2015,36(4):472-478.(in Chinese)

[31]馬樹慶.我省發(fā)展大豆生產(chǎn)的農(nóng)業(yè)氣候條件及主產(chǎn)區(qū)劃分[J].吉林農(nóng)業(yè)科學(xué),1994, (4):90-94. Ma S Q.Analysis of climate condition and division of main cultivate areas of soybean in Jilin province[J].Jilin Agricult- ural Sciences,1994,(4):90-94.(in Chinese)

[32]李彩霞,陳曉飛,韓國松,等.沈陽地區(qū)作物需水量的預(yù)測研究[J].中國農(nóng)村水利水電,2017, (5):61-67. Li C X,Chen X F,Han G S,et al.Research on crop water requirement prediction in Shenyang region[J].China Rural Water and Hydropower,2017,(5):61-67.(in Chinese)

[33]潘鐵夫,王健青.吉林省中部地區(qū)作物豐歉氣候條件的研究[J].中國農(nóng)業(yè)科學(xué),1963,(12):16-24. Pan T F,Wang J Q.Research on meteorological condition for high and low bean yield in central Jilin[J].Scientia Agricult- ura Sinica,1963,(12):16-24. (in Chinese)

[34]崔明元.氣象因子對通化地區(qū)大豆產(chǎn)量構(gòu)成因素影響的分析[D].吉林:延邊大學(xué),2014:1-3.Cui M Y.Analysis of meteorological factor on the soybean yield components in Tonghua[D].Jilin:Yanbian University,2014:1-3.(in Chinese)

[35]劉海濤,毛菊花.氣象因子對大豆產(chǎn)量的影響[J].農(nóng)民致富之友,2011,(6):8. Liu H T,Mao J H.Effects of meteorological factor on soybean yield[J].Nong Min Zhi Fu Zhi You,2011,(6):8.(in Chinese)

[36]王連錚,韓天富,周新安,等.大豆研究50年[M].北京:中國農(nóng)業(yè)科學(xué)技術(shù)出版社,2010:8,20,50,60. Wang L Z,Han T F,Zhou X A,et al.Soybean research for 50 years[M].Beijing:China Agricultural Sciences and Techno- logy Press,2010:8,20,50,60.(in Chinese)

[37]林曉新,郭奧楠.遼北地區(qū)氣象條件對大豆產(chǎn)量的影響[J].農(nóng)業(yè)開發(fā)與裝備,2017,(4):40-41.Lin X X,Guo A N.Effects of meteorological factor on soybean yield in northern Liaoning[J].Agricultural Develo- pment & Equipments,2017,(4):40-41.(in Chinese)

[38]包煥升,孫青彬,孫立鐫.大豆生長氣象要素與產(chǎn)量預(yù)測模型[J].哈爾濱科學(xué)技術(shù)大學(xué)學(xué)報,1992,16(4):52-59.Bao H S,Sun Q B,Sun L J.Regression prediction model for the relation between soybean yield and the weather factors[J].Journal Harbin Univ.Sc.&Tech.,1992,16(4):52-59.(in Chinese)

[39]馬樹慶.吉林省農(nóng)業(yè)氣候研究[M].北京:氣象出版社,1994:33.Ma S Q.Agricultural climate research[M].Beijing:China Meteorological Press,1994:33.(in Chinese)

[40]馬樹慶.氣候變化對吉林省糧食產(chǎn)量影響的模擬研究[J].自然資源,1994,(1):34-40.Ma S Q.A study of the impact of climatic change on grain yield in Jilin province[J].Resources Sciences,1994,(1):34-40.(in Chinese)

[41]鄭有飛,宗雪梅,陳萬隆,等.未來氣候變化對南京地區(qū)春大豆生產(chǎn)潛力的影響[J].中國農(nóng)業(yè)氣象,1998,19(5):4-7. Zheng Y F,Zong X M,Chen W L,et al.The effect of future climatic variation on potential productivity of spring soybean in Nanjing[J].Chinese Journal of Agrometeorology,1998, 19(5):4-7.(in Chinese)

[42]李涵茂,帥細(xì)強,戴平,等.基于關(guān)鍵氣象因子的湘北早稻產(chǎn)量動態(tài)預(yù)報[J].湖南農(nóng)業(yè)科學(xué),2015, (1):114-116,119.Li H M,Shuai X Q,Dai P,et al.The dynamic prediction of early rice yield based on key meteorological factors in northern Hunan[J].Hunan Agricultural Sciences,2015,(1):114-116,119.(in Chinese

A Comparative Study on Forecast Model for Soybean Yield by Using Different Statistic Methods in Liaoning Province

WANG He-ran1,2, ZHANG Hui3, WANG Ying2, LI Jing2, MI Na1, WANG Ruo-nan4, LI Lin-lin2, DONG Wei5, ZHANG Qi2, SU Hang6

(1.Institute of Atmospheric Environment, China meteorological Administration, Shenyang 110166, China; 2.Liaoning Institute of Meteorological Sciences, Shenyang 110166; 3.Jinzhou Ecology and Agriculture Meteorological Center, Jinzhou 121001; 4.Liaoning Meteorological Equipment Support Center, Shenyang 110166; 5.Liaoning Centre, China Meteorological Administration Training Centre, Shenyang 110166; 6.Shenyang Central Meteorological Observatory, Shenyang 110166)

Two different dynamic forecast methods for soybean yield based on key meteorological factors and climatic suitability were established in this study. The key meteorological factors and climatic suitable index were calculated by daily meteorological data from 56 meteorological stations, soybean growth stage records of 5 key agrometeorological stations and yield data in Liaoning province from 1992 to 2016. The results showed that the key meteorological factors-based forecast model was suitable to forecast soybean yield on June 16, July 21, July 26, August 1, August 26 and September 16 (P＜0.05), and the climatic suitability-based forecast model could be used for every 5 or 6 days from August 16 to October 1 (P＜0.05) in Liaoning province. The average accuracies of return test of both models were higher than 83.0%. Compared with the key meteorological factors-based model, the climatic suitability-based model was stable, which indicated by smaller variation of average verified accuracy and average forecast test accuracy. From 1997 to 2016, both models could be applied in soybean yield tendency forecast, according to scoring criteria, core above zero reach up to 60% by the two models. In conclusion, the yield forecast models based on key meteorological factors and climatic suitability could meet the basic needs for agrometeorological services in Liaoning province. For soybean yield tendency forecasting, the method based on key meteorological factors should be preferred. In the normal years without severe meteorological disaster, the method on climatic suitability could be given priority to yield quantitative forecasting to reduce forecast times.

Soybean; Keymeteorological factors;Climatic suitability; Yield forecast; Liaoning

2018?05?02

。E-mail：mina7921@126.com

遼寧省科技廳重點研發(fā)計劃指導(dǎo)計劃項目（2017210001）；中國氣象局沈陽大氣環(huán)境研究所中央級公益性科研院所基本科研業(yè)務(wù)費重點項目（2016SYIAEZD1）；遼寧省氣象局博士啟動金項目（D201604）；國家自然科學(xué)基金青年項目（41505120）

王賀然（1985?），女，博士，工程師，主要從事農(nóng)業(yè)氣象業(yè)務(wù)和科研工作。E-mail：wangheran001@aliyun.com

10.3969/j.issn.1000-6362.2018.11.004

王賀然,張慧,王瑩,等. 基于兩種方法建立遼寧大豆產(chǎn)量豐歉預(yù)報模型對比[J].中國農(nóng)業(yè)氣象,2018,39(11):725-738