魏慶偉 石俊峰 張億博

摘要：為探尋準(zhǔn)確高效分離冬小麥趨勢(shì)產(chǎn)量與氣象產(chǎn)量的方法，利用河南省浚縣1986—2018年冬小麥單產(chǎn)數(shù)據(jù)，分別采用HP濾波法、Logistic擬合法、滑動(dòng)平均法和綜合平均趨勢(shì)法擬合其趨勢(shì)產(chǎn)量，計(jì)算對(duì)應(yīng)的氣象產(chǎn)量，并對(duì)所得結(jié)果進(jìn)行對(duì)比分析。結(jié)果表明：綜合平均趨勢(shì)法分離的趨勢(shì)產(chǎn)量與實(shí)產(chǎn)變化趨勢(shì)最為吻合，氣象產(chǎn)量波動(dòng)幅度準(zhǔn)確反映了實(shí)產(chǎn)變化特點(diǎn)，是分離冬小麥趨勢(shì)產(chǎn)量與氣象產(chǎn)量最準(zhǔn)確的方法。11a滑動(dòng)平均法及HP濾波法操作簡(jiǎn)單，且擬合結(jié)果能較準(zhǔn)確地體現(xiàn)氣候變化對(duì)糧食產(chǎn)量變化的影響，是較為實(shí)用的方法。Logistic擬合法得到的趨勢(shì)產(chǎn)量增產(chǎn)速率呈逐步減小趨勢(shì);5a滑動(dòng)平均法得到的氣象產(chǎn)量波動(dòng)幅度較小，夸大了社會(huì)生產(chǎn)力發(fā)展對(duì)小麥增產(chǎn)的作用，部分程度忽略了氣候變化對(duì)小麥產(chǎn)量的影響。這兩者所得結(jié)果均在某種程度上與客觀事實(shí)不符，不適合該地區(qū)冬小麥趨勢(shì)產(chǎn)量與氣象產(chǎn)量的分離。

關(guān)鍵詞：冬小麥;趨勢(shì)產(chǎn)量;氣象產(chǎn)量;HP濾波;Logistic擬合;滑動(dòng)平均

中圖分類號(hào)：S512.1+1：S11 ?文獻(xiàn)標(biāo)識(shí)號(hào)：A ?文章編號(hào)：1001-4942（2019）08-0127-06

Abstract In the study， the trend yield was fitted respectively by HP filter method， Logistic fitting method， moving average method and comprehensive average trend method based on winter wheat yield data from 1986 to 2018 in Xunxian County of Henan Province， and the corresponding meteorological yield was calculated. The results were compared and analyzed to explore the effective separation method for separating trend yield and meteorological yield of winter wheat.The results showed that the trend yield separated by comprehensive average trend method was the most consistent with the trend of real production， and the fluctuation range of meteorological yield also accurately reflected production change characteristics， so it was the best method for separating trend yield and meteorological yield of winter wheat. The HP filter and 11a moving average method were more practical methods. The growth of trend yield decreased gradually which fitted by Logistic fitting method. The fluctuation range of meteorological yield was narrower by 5a moving average method， so the effect of social productivity development on wheat yield was exaggerated and the impact of climate change was ignored partially， to some extent. The result was not consistent with the objective fact. Therefore， the two methods were not suitable for separating trend yield and meteorological yield of winter wheat in the research area.

Keywords Winter wheat; Trend yield; Meteorological yield; HP filter; Logistic fitting; Moving average

冬小麥?zhǔn)俏覈?guó)的主要糧食作物之一，2016年中國(guó)冬小麥產(chǎn)量為1.22億噸[1]，在我國(guó)糧食生產(chǎn)和糧食安全方面占有重要地位[2-4]。目前全球氣候變化已經(jīng)成為不容置疑的事實(shí)，由氣候變化導(dǎo)致的極端天氣事件發(fā)生頻率不斷上升[5-7]。在氣候變化對(duì)農(nóng)作物產(chǎn)量影響方面，極端天氣事件導(dǎo)致的農(nóng)業(yè)氣象災(zāi)害成為左右農(nóng)作物產(chǎn)量年際間波動(dòng)的最主要因素[8]。冬小麥作為我國(guó)大面積室外種植作物，整個(gè)生長(zhǎng)周期較長(zhǎng)，對(duì)氣候條件要求較高[9，10]，不同的生長(zhǎng)階段對(duì)光照、溫濕度及降雨具有不同的敏感性要求，受氣象條件影響較大[11，12]。因此，探討氣象條件對(duì)冬小麥產(chǎn)量的影響對(duì)于準(zhǔn)確掌握冬小麥產(chǎn)量趨勢(shì)、因地制宜制定冬小麥適應(yīng)性策略、保障我國(guó)糧食生產(chǎn)的穩(wěn)定和安全具有重要意義。

準(zhǔn)確掌握氣象條件對(duì)冬小麥產(chǎn)量的影響必須以氣象產(chǎn)量的準(zhǔn)確獲取為前提，因此選取合適的方法準(zhǔn)確分離出趨勢(shì)產(chǎn)量與氣象產(chǎn)量對(duì)研究結(jié)果具有重要意義。目前，較為常用的作物趨勢(shì)產(chǎn)量分離方法主要有滑動(dòng)平均法、Logistic函數(shù)擬合法、HP濾波法及二次曲線擬合法等。成林等[13]運(yùn)用直線滑動(dòng)平均法模擬了河南省1981—2014年冬小麥趨勢(shì)產(chǎn)量，進(jìn)而計(jì)算出相對(duì)氣象產(chǎn)量;房世波[14]采用3a滑動(dòng)平均、5a滑動(dòng)平均、二次曲線3種方法模擬趨勢(shì)產(chǎn)量;王桂芝[15]和效賽麗[16]等采用HP濾波法進(jìn)行了長(zhǎng)時(shí)間序列的趨勢(shì)產(chǎn)量擬合;趙東妮等[17]采用HP濾波法、指數(shù)平滑法以及Logistic方法分離了遼寧省水稻的趨勢(shì)產(chǎn)量、氣象產(chǎn)量，并對(duì)不同方法的有效性及合理性進(jìn)行了評(píng)價(jià)分析;牛浩等[18]利用5a滑動(dòng)平均法、雙指數(shù)平滑法、回歸分析法、HP 濾波法對(duì)山東省玉米趨勢(shì)產(chǎn)量進(jìn)行擬合，并分離出相應(yīng)的氣象產(chǎn)量。為了探尋準(zhǔn)確有效分離冬小麥氣象產(chǎn)量的方法，本研究以冬小麥主產(chǎn)區(qū)河南省?？h1986—2018年長(zhǎng)時(shí)間序列的產(chǎn)量數(shù)據(jù)為例，分別采用HP濾波法、Logistic擬合法、滑動(dòng)平均法和綜合平均趨勢(shì)法分離趨勢(shì)產(chǎn)量，進(jìn)而計(jì)算出該時(shí)期的氣象產(chǎn)量變化情況，并比較分析不同類型方法的合理性，以探尋最適的趨勢(shì)產(chǎn)量提取方法，提高氣象產(chǎn)量分離的準(zhǔn)確性。

1 材料與方法

1.1 數(shù)據(jù)來(lái)源

由于我國(guó)冬小麥可種植耕地資源基本固定，冬小麥產(chǎn)量的不斷增長(zhǎng)主要是源于單產(chǎn)的增長(zhǎng)。為了能夠較準(zhǔn)確獲得氣象條件變化對(duì)冬小麥產(chǎn)量的影響，本研究選取冬小麥主產(chǎn)區(qū)河南省?？h1986—2018年的單產(chǎn)數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)來(lái)源于河南省鶴壁市統(tǒng)計(jì)局。

1.2 研究方法

冬小麥的產(chǎn)量主要受社會(huì)因素和自然因素影響。在冬小麥的長(zhǎng)期生產(chǎn)時(shí)間序列中，社會(huì)因素的影響表現(xiàn)在由于科技和投入加強(qiáng)所引起的生產(chǎn)力水平的提高上，把這種由生產(chǎn)力水平提高引起的冬小麥產(chǎn)量的變化稱為趨勢(shì)產(chǎn)量，也稱為技術(shù)產(chǎn)量。自然因素的影響主要表現(xiàn)在年際間氣象條件的差異造成的冬小麥產(chǎn)量變化，因此將由氣象因素引起的小麥產(chǎn)量波動(dòng)性變化稱為氣象產(chǎn)量。同時(shí)，由一些其它因素變動(dòng)引起的冬小麥產(chǎn)量變化稱為隨機(jī)產(chǎn)量。即一般將作物的總產(chǎn)量分解為趨勢(shì)產(chǎn)量、氣象產(chǎn)量和隨機(jī)產(chǎn)量，公式[19]為

2 結(jié)果與分析

2.1 趨勢(shì)產(chǎn)量擬合結(jié)果分析

2.1.1 趨勢(shì)產(chǎn)量擬合曲線分析 利用上述方法分別擬合出對(duì)應(yīng)的趨勢(shì)產(chǎn)量值，并利用Microsoft Excel軟件得到冬小麥趨勢(shì)產(chǎn)量與實(shí)際產(chǎn)量的對(duì)比圖（圖1～圖4）?？梢?，四種方法擬合計(jì)算的趨勢(shì)：產(chǎn)量曲線均能反映出1986—2018年?？h冬小麥單產(chǎn)的變化趨勢(shì)，即由于科技水平的發(fā)展，社會(huì)生產(chǎn)力不斷提升，?？h冬小麥單產(chǎn)一直處于較為穩(wěn)定的增長(zhǎng)狀態(tài)。5a滑動(dòng)平均法擬合的冬小麥趨勢(shì)產(chǎn)量與實(shí)產(chǎn)最為吻合，是四種方法中唯一能表現(xiàn)出部分時(shí)間段冬小麥單產(chǎn)有下降趨勢(shì)的方法;但由于其趨勢(shì)產(chǎn)量曲線存在較大的波動(dòng)性，故不能有效分離出短時(shí)間內(nèi)受氣候條件影響導(dǎo)致的氣象產(chǎn)量變化。其他三種方法擬合的趨勢(shì)產(chǎn)量曲線均表現(xiàn)為平穩(wěn)向上傾斜，其中，HP濾波法及11a滑動(dòng)平均法還能通過(guò)曲線斜率較好反映出不同時(shí)期冬小麥單產(chǎn)增長(zhǎng)速度的快慢，且11a滑動(dòng)平均法表現(xiàn)更明顯，如：1986—1994年與2002—2008年趨勢(shì)產(chǎn)量曲線斜率較大，表明?？h冬小麥單產(chǎn)處于快速增長(zhǎng)階段;1995—2001年與2009—2018年曲線斜率較小，表明該階段?？h冬小麥單產(chǎn)增長(zhǎng)速度較為平緩，與實(shí)產(chǎn)增長(zhǎng)趨勢(shì)較為一致。Logistic擬合的趨勢(shì)產(chǎn)量曲線最為平穩(wěn)，但其斜率一直處于減小狀態(tài)，表明冬小麥單產(chǎn)增長(zhǎng)速度一直在減小，這與實(shí)際情況不符。

綜上所述，各趨勢(shì)產(chǎn)量擬合方法均有一定程度的優(yōu)劣性，為最大程度減小某種方法擬合趨勢(shì)產(chǎn)量的隨機(jī)性，本研究將上述四種方法擬合的冬小麥趨勢(shì)產(chǎn)量序列求平均，得到綜合平均趨勢(shì)產(chǎn)量，用來(lái)代表?？h地區(qū)1986—2018年間冬小麥單產(chǎn)的整體增長(zhǎng)趨勢(shì)。綜合平均趨勢(shì)產(chǎn)量與實(shí)際產(chǎn)量的對(duì)比如圖5所示?？梢钥闯?，綜合平均趨勢(shì)產(chǎn)量曲線既可以反映出1986—2018年間?？h冬小麥單產(chǎn)隨著社會(huì)生產(chǎn)力的不斷提升一直處于較為穩(wěn)定的增長(zhǎng)狀態(tài)，又能反映出不同時(shí)間段產(chǎn)量增長(zhǎng)速率的快慢，擬合效果整體好于上述四種方法。

2.1.2 趨勢(shì)產(chǎn)量擬合相關(guān)性分析 根據(jù)不同方法擬合出趨勢(shì)產(chǎn)量值，利用SPSS軟件將趨勢(shì)產(chǎn)量序列與實(shí)際產(chǎn)量序列分別進(jìn)行回歸分析及相關(guān)性分析，其顯著性檢驗(yàn)結(jié)果見表1?？梢?，四種擬合方法及平均趨勢(shì)擬合法所得趨勢(shì)產(chǎn)量與實(shí)際產(chǎn)量具有較強(qiáng)的相關(guān)性，相關(guān)系數(shù)均大于0.9，且均通過(guò)0.01顯著性檢驗(yàn)，表明上述方法分離出的趨勢(shì)產(chǎn)量可以較好地反映?？h冬小麥單產(chǎn)1986—2018年間顯著增長(zhǎng)的變化趨勢(shì)。其中5a滑動(dòng)平均法擬合趨勢(shì)產(chǎn)量結(jié)果與實(shí)際單產(chǎn)相關(guān)性最高，R=0.977，與圖3表現(xiàn)一致。其次與實(shí)產(chǎn)相關(guān)性較高的為綜合平均趨勢(shì)法和11a滑動(dòng)平均法，相關(guān)系數(shù)分別為0.962、0.960，也能較好反映出不同時(shí)期冬小麥產(chǎn)量增長(zhǎng)速度的快慢。

由于趨勢(shì)產(chǎn)量反映的是長(zhǎng)時(shí)間序列內(nèi)由生產(chǎn)力水平提高及惠農(nóng)政策實(shí)施引起的冬小麥單產(chǎn)的整體變化趨勢(shì)，并非趨勢(shì)產(chǎn)量與實(shí)際產(chǎn)量越吻合、相關(guān)性越高擬合效果越好，因?yàn)檫@樣容易夸大社會(huì)生產(chǎn)力水平對(duì)產(chǎn)量提高的作用，從而忽略氣候變化對(duì)產(chǎn)量影響的信息。總體而言，平均趨勢(shì)擬合法和11a滑動(dòng)平均法分離的趨勢(shì)產(chǎn)量與實(shí)際冬小麥單產(chǎn)增長(zhǎng)趨勢(shì)最為吻合。

2.2 氣象產(chǎn)量分離結(jié)果分析

根據(jù)公式（1），利用1986—2018年?？h冬小麥實(shí)際單產(chǎn)與上述四種擬合方法分離的趨勢(shì)產(chǎn)量計(jì)算氣象產(chǎn)量，結(jié)果如圖6所示;由綜合平均趨勢(shì)產(chǎn)量計(jì)算的氣象產(chǎn)量如圖7所示。

氣象產(chǎn)量柱狀圖的正負(fù)波動(dòng)表明氣候變化對(duì)糧食產(chǎn)量的影響時(shí)正（增產(chǎn)）時(shí)負(fù)（減產(chǎn)），波動(dòng)的范圍則表明氣候變化對(duì)糧食產(chǎn)量貢獻(xiàn)率的大小。從圖6、圖7可以看出，以上五種方法在氣候條件變化明顯的年份均能反映出其對(duì)冬小麥單產(chǎn)變化的影響，如1990、2002及2018年氣象產(chǎn)量均表現(xiàn)為減產(chǎn)年份;1989、1997年氣象產(chǎn)量均表現(xiàn)為增產(chǎn)年份。同時(shí)可以看出2000年之后氣象產(chǎn)量的變化幅度明顯小于2000年之前，且每個(gè)氣象產(chǎn)量明顯減產(chǎn)年份的前一年基本上都為增產(chǎn)年。

從擬合方法上看，Logistic擬合法得到的氣象產(chǎn)量波動(dòng)范圍最大，5a滑動(dòng)平均法得到的氣象產(chǎn)量波動(dòng)范圍最小。這也進(jìn)一步驗(yàn)證了Logistic法擬合的趨勢(shì)產(chǎn)量與冬小麥實(shí)產(chǎn)相關(guān)性最低，5a滑動(dòng)平均法擬合的趨勢(shì)產(chǎn)量與冬小麥實(shí)產(chǎn)相關(guān)性最高。綜合平均趨勢(shì)擬合法和11a滑動(dòng)平均法分離出的氣象產(chǎn)量變化幅度與實(shí)際情況最為一致。

3 討論與結(jié)論

本研究以冬小麥主產(chǎn)區(qū)河南省浚縣1986—2018年間歷史單產(chǎn)數(shù)據(jù)為基礎(chǔ)，對(duì)HP濾波法、Logistic擬合法、5a和11a滑動(dòng)平均法及綜合平均趨勢(shì)法分離趨勢(shì)產(chǎn)量及氣象產(chǎn)量的合理性進(jìn)行了對(duì)比分析，結(jié)果表明：

（1）以上五種方法分離出的趨勢(shì)產(chǎn)量序列均能較好反映出社會(huì)發(fā)展趨勢(shì)并擬合出1986年以來(lái)?？h冬小麥單產(chǎn)的增長(zhǎng)趨勢(shì)，且均通過(guò)了0.01顯著性檢驗(yàn)，與實(shí)際產(chǎn)量的相關(guān)系數(shù)均大于0.9。整體而言，綜合平均趨勢(shì)法分離出的趨勢(shì)產(chǎn)量與實(shí)際單產(chǎn)的變化趨勢(shì)最為吻合，優(yōu)于其他四種方法;11a滑動(dòng)平均法及HP濾波法能較好體現(xiàn)冬小麥不同時(shí)間段增產(chǎn)速度的緩慢，能很好反映社會(huì)發(fā)展趨勢(shì)，優(yōu)于Logistic擬合法和5a滑動(dòng)平均法。

（2）不同方法得到的氣象產(chǎn)量波動(dòng)性較好體現(xiàn)了氣候變化對(duì)冬小麥單產(chǎn)變化的影響。與趨勢(shì)產(chǎn)量分離效果表現(xiàn)一致，綜合平均趨勢(shì)法分離出的氣象產(chǎn)量波動(dòng)幅度合理性與實(shí)際氣候變化趨勢(shì)最為吻合，優(yōu)于其他四種方法。11a滑動(dòng)平均法及HP濾波法能較準(zhǔn)確體現(xiàn)氣候變化對(duì)產(chǎn)量變化的影響，整體優(yōu)于Logistic擬合法和5a滑動(dòng)平均法。

綜上分析，我們認(rèn)為綜合平均趨勢(shì)法是分離長(zhǎng)時(shí)間序列冬小麥趨勢(shì)產(chǎn)量與氣象產(chǎn)量的最佳方法，其次為11a滑動(dòng)平均法及HP濾波法。Logistic擬合法和5a滑動(dòng)平均法擬合結(jié)果均在某種程度上與客觀事實(shí)不符，不適合用于該地區(qū)冬小麥趨勢(shì)產(chǎn)量與氣象產(chǎn)量的分離。

由于數(shù)據(jù)有限，本研究?jī)H對(duì)?？h1986年以來(lái)冬小麥的單產(chǎn)進(jìn)行了對(duì)比分析。而不同方法對(duì)不同作物、不同區(qū)域氣候變化影響的敏感程度不同，因此如何根據(jù)不同的產(chǎn)量數(shù)據(jù)特性，選擇合適的分離方法，還有待進(jìn)一步驗(yàn)證與分析。

參 考 文 獻(xiàn)：

[1] 國(guó)家統(tǒng)計(jì)局. 2016年全國(guó)夏糧產(chǎn)量數(shù)據(jù)[R/OL]. 2018-10-04. http：//data.stats.gov.cn/easyquery.htm？cn=C01&zb=A0D0G&sj=2016.

[2] 宋艷玲. 現(xiàn)代及未來(lái)氣候變化對(duì)我國(guó)冬小麥的影響[D]. 北京：中國(guó)科學(xué)院大氣物理研究所， 2007.

[3] 戴彤， 王靖， 赫迪， 等. 1961—2010年氣候變化對(duì)西南冬小麥潛在和雨養(yǎng)產(chǎn)量影響的模擬分析[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)， 2016， 24（3）：293-305.

[4] 劉敏. 中國(guó)近50年極端氣候事件變化及對(duì)糧食產(chǎn)量的影響初步研究[D]. 北京：中國(guó)科學(xué)院研究生院，2011.

[5] Zhuang J， Xu S， Li G， et al. The influence of meteorological factors on wheat and rice yields in China [J]. Crop Science， 2018， 58（2）：837-852 .

[6] 鄔婧. 我國(guó)小麥生產(chǎn)的技術(shù)效率分析[D]. 南京：南京農(nóng)業(yè)大學(xué)， 2010.

[7] Zhang J P， Zhao Y， Ding Z H. Research on the relationships between rainfall and meteorological yield in irrigation district [J]. Water Resources Management， 2014， 28（6）：1689-1702.

[8] 郭寧.淺析河南省農(nóng)業(yè)氣象災(zāi)害對(duì)主要糧食作物的產(chǎn)量影響[J]. 農(nóng)業(yè)與技術(shù)， 2013（3）：161.

[9] 毛守原. 河南省小麥氣象指數(shù)保險(xiǎn)產(chǎn)品研究[D]. 鄭州：鄭州大學(xué)， 2014.

[10] 張明捷， 王運(yùn)行， 趙桂芳， 等. 濮陽(yáng)冬小麥生育期氣候變化及其對(duì)小麥產(chǎn)量的影響[J]. 中國(guó)農(nóng)業(yè)氣象， 2009， 30（2）：223-229.

[11] 王培娟， 張佳華， 謝東輝， 等. A2和B2情景下冀魯豫冬小麥氣象產(chǎn)量估算[J]. 應(yīng)用氣象學(xué)報(bào)， 2011， 22（5）：549-557.

[12] Ouazaa S， Latorre B， Burguete J， et al. Effect of intra-irrigation meteorological variability on seasonal center-pivot irrigation performance and corn yield [J]. Agricultural Water Management， 2016， 177：201-214.

[13] 成林， 李彤霄， 劉榮花. 主要生育期氣候變化對(duì)河南省冬小麥生長(zhǎng)及產(chǎn)量的影響[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)， 2017， 25（6）：931-940.

[14] 房世波. 分離趨勢(shì)產(chǎn)量和氣候產(chǎn)量的方法探討[J]. 自然災(zāi)害學(xué)報(bào)， 2011，20（6）：13-18.

[15] 王桂芝， 陸金帥， 陳克垚， 等. 基于HP濾波的氣候產(chǎn)量分離方法探討[J]. 中國(guó)農(nóng)業(yè)氣象， 2014， 35（2）：195-199.

[16] 效賽麗， 朱秀英， 鄧蒙芝， 等. 基于HP濾波法的河南省糧食產(chǎn)量波動(dòng)分析[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2014， 48（6）：785-789.

[17] 趙東妮， 王艷華， 任傳友， 等. 3種水稻趨勢(shì)產(chǎn)量擬合方法的比較分析[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)， 2017， 25（3）：345-355.

[18] 牛浩， 陳盛偉. 山東省玉米氣象產(chǎn)量分離方法的多重比較分析[J]. 山東農(nóng)業(yè)科學(xué)， 2015， 47（8）：95-99.

[19] 王媛， 方修琦， 徐錟. 氣候變化背景下“氣候產(chǎn)量”計(jì)算方法的探討[J]. 自然資源學(xué)報(bào)， 2004， 19（4）：531-536.

[20] 高帆. 我國(guó)糧食生產(chǎn)的波動(dòng)性及增長(zhǎng)趨勢(shì)：基于H-P濾波法的實(shí)證研究[J]. 經(jīng)濟(jì)學(xué)家， 2009， 5（5）：57-68.

[21] 董江水. 應(yīng)用SPSS軟件擬合Logistic曲線研究[J]. 金陵科技學(xué)院學(xué)報(bào)， 2007， 23（1）：21-24.

[22] 殷祚云. Logistic曲線擬合方法研究[J]. 數(shù)理統(tǒng)計(jì)與管理， 2002， 21（1）：41-46.

[23] 張蕾， 呂厚荃， 程路. 北方冬小麥趨勢(shì)產(chǎn)量擬合方法探討[J]. 天氣預(yù)報(bào)， 2014（5）：43-49.

[24] 王秀芬， 楊艷昭， 尤飛. 近30a來(lái)黑龍江省氣候變化及其對(duì)玉米產(chǎn)量的影響[J]. 干旱區(qū)研究， 2012， 29（6）：1105-1111.