孔維財，尤明雙

(1.南京市高淳區(qū)氣象局，江蘇 南京 211300；2.欽州市靈山縣氣象局，廣西 靈山 535400)

水稻是我國主要的糧食作物之一，在糧食生產(chǎn)中占有非常重要的地位。水稻是喜光短日照植物，良好的溫光水條件是增產(chǎn)的必要條件。近年來各種技術(shù)與措施已趨于成型，這些條件對水稻產(chǎn)量的影響也趨于穩(wěn)定。隨著全球氣候變暖的加劇，溫光水條件變化頻繁、氣象災害頻發(fā)，氣象條件對水稻產(chǎn)量的影響也越來越大[1]。南京市地處中國東部，降水充沛，水網(wǎng)密布，自古就是水稻的主要種植地之一。

國內(nèi)外許多學者在氣象因子與水稻產(chǎn)量的關(guān)系方面已經(jīng)做了大量的研究。劉春等[2]研究表明光熱條件與水稻干物質(zhì)積累和莖葉生長有很大的相關(guān)性；李茂芬等[3]分析了氣象因子對海口晚稻生育期的影響，表明10月上旬降水量、平均相對濕度為晚稻產(chǎn)量的主要限制因子，日照有增產(chǎn)作用；張育慧等[4]研究了金華市晚稻產(chǎn)量與氣象要素的關(guān)系，表明晚稻產(chǎn)量與7月中旬、8月中旬平均氣溫呈負相關(guān)，與7月中旬降水、9月上旬日照呈正比；鄧吉良等[5]研究海南省早稻產(chǎn)量與氣象因子的關(guān)系表明，早稻產(chǎn)量與平均風速、日照時間相關(guān)性非常高。這些研究都為分析單季晚稻產(chǎn)量與氣象因子的關(guān)系提供了借鑒。

基于氣象因子的水稻產(chǎn)量預測方法較多，但是各地氣候存在差異性，關(guān)鍵氣象因子不盡相同，且大多數(shù)研究直接采用線性回歸進行分析，忽略了各氣象因子之間的相關(guān)性[6]，因此，本文先采用主成分分析，消除各氣象因子之間共性的影響，建立適用于南京地區(qū)的產(chǎn)量模擬模型，以期為準確預測單季晚稻產(chǎn)量、合理利用氣象資源提供一定的理論依據(jù)。

1 材料與方法

1.1 數(shù)據(jù)來源

本文數(shù)據(jù)包括1991—2018年南京單季晚稻單產(chǎn)數(shù)據(jù)和生育期資料，南京月氣溫、降水、日照等氣象數(shù)據(jù)。水稻產(chǎn)量和氣象數(shù)據(jù)均來自于南京市統(tǒng)計年鑒，水稻生育期氣象資料來自于南京農(nóng)業(yè)氣象觀測單季晚稻觀測記錄。

1990年后，南京市主要種植中稻和單季晚稻，早稻、雙季后作稻等面積逐漸減少，本文選取單季晚稻單產(chǎn)數(shù)據(jù)作為分析對象。

1.2 研究方法

產(chǎn)量分析。單季晚稻產(chǎn)量可分為趨勢產(chǎn)量、氣象產(chǎn)量[7-10]。

趨勢產(chǎn)量表達式：Y=Yt+Yw+ε；

式中，Y為實際單產(chǎn)；Yt為趨勢產(chǎn)量，由5 a滑動平均求得；Yw為氣象產(chǎn)量；ε為隨機誤差，研究中忽略不計。

影響單季晚稻產(chǎn)量的因素除了氣象條件外，還包括品種改良、政策影響、技術(shù)改良等[11-13]，為了準確分析氣象因子對單季晚稻產(chǎn)量的影響，使不同時期的水稻產(chǎn)量有可比性，本文引入相對氣象產(chǎn)量Ym，即：Ym=Yw/Yt×100%。

主成分分析。因為氣象因子中氣溫、降水和日照有很大的相關(guān)性，如1991—2018年南京5—10月日照與總降水量存在顯著相關(guān)性，系數(shù)為-0.411(在0.05水平顯著相關(guān))。當分析的因子數(shù)量較多時，會導致線性回歸分析結(jié)果不精確。主成分分析法是一種降維的方法，把多個因子化為少數(shù)幾個綜合的、不相關(guān)變量的統(tǒng)計方法。本文采用SPSS軟件進行主成分分析，提取累計方差貢獻率≥80%的主成分，再把主成分作為自變量與相對氣象產(chǎn)量進行線性回歸分析，并建立模型，最后進行模型的檢驗。

2 結(jié)果與分析

2.1 關(guān)鍵氣象因子分析

通過統(tǒng)計分析1991—2018年單季晚稻生育期，把南京單季晚稻的生育期劃分為3個關(guān)鍵生育階段，即播種—分蘗期(F1)、拔節(jié)—抽穗揚花期(F2)、灌漿—成熟期(F3)，時間段分別定為5—7月、8—9月和10月。根據(jù)水稻生育期特性和各因子與單產(chǎn)的相關(guān)性，選擇3個關(guān)鍵生育期的平均氣溫、降水量和整個生育期日照時數(shù)，關(guān)鍵影響因子總共7個(X1～X7)。

2.2 主成分分析及模型建立

通過對關(guān)鍵氣象因子的主成分分析，主成分(P1～P2)載荷如表1所示，并都通過了0.01水平的顯著性檢驗。選取前4個主成分，其累計貢獻率≥83.0%。在P1中，5—7月平均氣溫和降水占較大的比重，主要反映的是播種—分蘗期的氣象因子；在P2中，10月平均氣溫和總?cè)照諘r數(shù)占主要成分，表征的是灌漿—成熟期的熱量情況；在P3中8—9月平均氣溫和降水量較為重要，表明該主成分是代表拔節(jié)—抽穗揚花期各氣象條件的；P4貢獻值較小，其構(gòu)成與P3相似。

表1 南京市單季晚稻相對氣象產(chǎn)量的主成分分析

將主成分P1～P4與單季晚稻相對氣象產(chǎn)量進行回歸分析，并建立回歸方程：Ym=-0.029P1-0.005P2+0.030P3+0.048P4-23.569，該回歸方程相關(guān)系數(shù)r=0.462。

將各分量代入上式得出：Ym=0.022 3X1+0.050 5X2-0.010 2X3-0.011 1X4-0.021 5X5+0.010 3X6+0.037 3X7-23.569。

由上式可以看出，拔節(jié)—抽穗揚花期氣溫對相對氣象產(chǎn)量影響最大，其次是播種—分蘗期的氣溫，積溫是水稻生長的一個重要指標，在其他條件穩(wěn)定情況下，氣溫的高低決定了水稻產(chǎn)量的高低[14]；負相關(guān)系數(shù)最大的是拔節(jié)—抽穗揚花期的降水量，拔節(jié)期水稻正處于生長旺盛時期，降水增多的同時會伴有日照減少，導致干物質(zhì)積累不足，當水稻揚花期遇到強降水，會導致明顯減產(chǎn)[15]。

2.3 模型檢驗

為檢驗回歸模型準確性，引入準確率[16]，準確率=(1-|模擬產(chǎn)量-實際產(chǎn)量|/實際產(chǎn)量)×100%。

檢驗結(jié)果表明，模型預測結(jié)果準確率61.5%～99.9%，平均預報準確率為89.0%，模型模擬可信度高。其中最小準確率出現(xiàn)在1997年，為61.5%，該年氣象條件較差，8月下旬到10月底降水量不足60 mm，干旱少雨、日照不足，相對氣象產(chǎn)量為負最大值，擬合度較差；相對氣象產(chǎn)量正最大值出現(xiàn)在1994年，預測準確率為65.1%，準確率低。

3 小結(jié)與討論

根據(jù)南京水稻多年生育期資料分析得出，水稻的關(guān)鍵生育期為播種—分蘗期、拔節(jié)—抽穗揚花期和灌漿—成熟期。研究發(fā)現(xiàn)，影響長江中下游水稻產(chǎn)量最主要的因子為降水，其次為日照時數(shù)、總熱效應、氣溫等[6]。通過主成分分析南京單季晚稻生育期氣象因子對產(chǎn)量的影響得出，影響南京單季晚稻產(chǎn)量的最主要氣象因子是播種—分蘗期的氣溫、拔節(jié)—抽穗揚花期的氣溫和降水量、灌漿—成熟期日照時數(shù)，這與其他學者研究結(jié)果相似。結(jié)合單季晚稻的生育時段來看，播種—分蘗期易出現(xiàn)低溫災害等天氣，良好的溫度基礎能保證水稻安全度過苗期。在拔節(jié)—抽穗揚花期，尤其是揚花期，對降水非常敏感，如花期遇到暴雨，會導致明顯減產(chǎn)。良好的光溫水配合是水稻穩(wěn)定高產(chǎn)的關(guān)鍵條件。利用主成分分析法建立單季晚稻相對氣象產(chǎn)量預測模型，并通過了0.01水平的顯著性檢驗。以實際產(chǎn)量對模型進行驗證，結(jié)果表明，預測結(jié)果準確率61.5%～99.9%，平均預報準確率為89.0%，模型模擬可信度高。

本研究的模型只模擬了氣象因子對南京市單季晚稻產(chǎn)量的影響，分析方法為經(jīng)驗統(tǒng)計模型，與實際水稻生長的復雜性相比較為簡單，對此值得進一步深入研究。