薛思嘉，魏瑞江，王朋朋， 劉園園，楊 梅

(1.河北省氣象與生態(tài)環(huán)境重點實驗室，河北 石家莊 050021；2.河北省承德市氣象局，河北 承德 067000；3. 河北省氣象科學研究所，河北 石家莊 050021)

引 言

馬鈴薯是河北省乃至全國的重要糧食作物，其產量形成受多重因素共同影響，隨著生產力水平的提高，氣象要素的影響愈加明顯。在品種一定、管理水平相對穩(wěn)定的條件下，光、溫、水等氣象因素是影響馬鈴薯產量形成的主要因素[1]。如青海高原東北部馬鈴薯氣象產量與降水和日照分別呈顯著正相關和負相關[2]；甘肅馬鈴薯產量，在降水量一定的情況下，隨氣溫的升高而降低，在氣溫一定的條件下，隨降水量的增多而增大[3]；高寒半干旱地區(qū)馬鈴薯生長發(fā)育主要受熱量和日照時數的影響[4]。建立馬鈴薯產量與氣象條件的關系模型，對馬鈴薯產量進行預測是做好農業(yè)氣象服務的基礎，對馬鈴薯進出口貿易有著重要意義[5-6]。

產量預報是氣象部門核心業(yè)務之一，目前常用的作物產量預報方法主要有統(tǒng)計方法[7-10]、動力生長模型方法[11-13]等。統(tǒng)計方法中應用最為廣泛的是采用相關分析，提取對作物氣象產量影響顯著的關鍵氣象因子，在此基礎上進行回歸分析或神經網絡分析，構建預測模型，進而預測作物產量[14-15]，其在河南、遼寧、江蘇、重慶等地的玉米、大豆、小麥、水稻等作物的產量預報中得到應用[16-18]，達到了一定的預報效果。但以上研究中所建的作物產量預報模型多是依據獨立的月或旬的氣象因子進行預報，而氣象條件對作物產量的影響有時間上的連續(xù)性，若以獨立的月、旬氣象因子進行預報，勢必產生人為間斷其影響的問題，不利于提高作物產量預報準確率[19-21]。

因此，本文采用因子膨化技術，對馬鈴薯生育期間的逐旬平均氣溫、降水量和日照時數進行膨化，提取對馬鈴薯氣象產量影響顯著的關鍵氣象因子及其影響時段，建立產量預測模型，以期更準確地預報河北省馬鈴薯的產量。

1 資料與方法

1.1 資 料

1983—2018年河北省歷年馬鈴薯總產、種植面積資料來源于國家統(tǒng)計局；馬鈴薯生育期資料來源于河北省馬鈴薯產區(qū)21個農業(yè)氣象觀測站(圖1)；這21個農業(yè)氣象觀測站的氣象資料來源于河北省氣象局，包括馬鈴薯生育期間逐旬的平均氣溫、降水量和日照時數。

圖1 河北省馬鈴薯產區(qū)21個農業(yè)氣象觀測站空間分布Fig.1 The spatial distribution of 21 agrometeorological observation stations in potato producing area of Hebei Province

1.2 方 法

1.2.1 因子膨化

為充分反映不同時段氣象條件對馬鈴薯產量的影響，對逐旬平均氣溫、降水量和日照時數進行膨化處理，即將馬鈴薯全生育期(4月中旬至9月下旬)以旬為單位分成17旬，將第1旬作為馬鈴薯氣象因子膨化時段組合的起始時間，第17旬作為時段組合的終止時間，將旬平均氣溫、降水量和日照時數依次按照連續(xù)1旬，2旬，3旬，……，17旬進行所有不同時段的膨化組合，分別得到120個序列，3個氣象因子共得到360個不同時段的因子序列。將馬鈴薯氣象產量分別與膨化后的氣象因子進行相關分析，從中篩選出相關顯著的因子。

1.2.2 氣象產量分離

一般認為，糧食產量可分解為社會經濟因素決定的趨勢產量、氣象因素決定的氣象產量和偶然因素造成的隨機產量[22]，計算公式如下：

Ya=Yt+Ym+σ

式中：Ya、Yt、Ym和σ(kg·hm-2)分別為實際產量、趨勢產量、氣象產量和隨機產量，隨機產量通?？梢院雎圆挥媅23]。

2 結果分析

參考文獻[24]，采用5 a滑動平均將趨勢產量從實際產量中分離出來，用實際產量減去趨勢產量，則得到氣象產量，下文中的產量均為單產。圖2為1983—2019年歷年河北省馬鈴薯產量。可以看出，2000年以前，馬鈴薯實際產量年際變化不大，氣象產量隨時間的變化小幅波動，2000—2019年，實際產量呈波動上升趨勢，2009年以后上升趨勢明顯；2008年以后氣象產量波動幅度增大，2016年出現(xiàn)較大負值，表明當年農業(yè)氣象條件較差，2017年出現(xiàn)氣象產量較大正值，表明當年農業(yè)氣象條件較好。

圖2 1983—2019年河北省馬鈴薯歷年產量Fig.2 The yearly potato yield in Hebei Province from 1983 to 2019

2.1 關鍵氣象因子

對1983—2015年河北省馬鈴薯生長發(fā)育期狀況進行統(tǒng)計分析，發(fā)現(xiàn)各產區(qū)馬鈴薯播種期通常在4月中旬陸續(xù)展開，9月下旬全面進入收獲期，表1列出河北省馬鈴薯主要生育期。

表1 河北省馬鈴薯主要生育期出現(xiàn)時間Tab.1 The occurrence time of main growth period of potato in Hebei Province

將1983—2015年馬鈴薯氣象產量與膨化后的360個氣象因子進行相關分析，通過顯著性檢驗的因子為11個(表2)。可以看出，平均氣溫入選的因子最多(5個)，降水量入選的因子最少(2個) ，日照時數入選因子為4個，說明生育期平均氣溫對馬鈴薯產量影響最大，其次是日照時數，降水量對馬鈴薯產量影響最小，這是因為河北省馬鈴薯大部分種植區(qū)域有灌溉條件，一般情況下水分可滿足馬鈴薯生長發(fā)育需求。在入選的因子中，馬鈴薯產量與不同時段的平均氣溫、降水均呈負相關，與生育中期的日照時數正相關，與生育后期的日照時數負相關。因為馬鈴薯為喜涼作物，生育中后期所需最適氣溫為15～21 ℃[25-26]，氣溫過高或過低均會影響產量[27-28]。而河北省大部分產區(qū)多年平均氣溫大于20 ℃，有時超出馬鈴薯生長最適氣溫，造成馬鈴薯植株葉片萎蔫、莖稈干燥，同時加劇膜脂過氧化、光合作用速率下降[29]，減少馬鈴薯塊莖數目及大小，甚至在塊莖增長期薯塊生長停滯，形成畸形薯塊[30]，所以平均氣溫對產量有負效應。7月下旬至9月下旬，馬鈴薯一般處于開花期—可收期，中間經歷塊莖膨大期，此時水分過多易引起濕腐病，造成塊莖腐爛而減產[31]，同時適當干燥，對處于成熟收獲期的馬鈴薯有利，可促進馬鈴薯塊莖周皮充分老化，便于儲存，所以降水量對產量有負效應。5月中旬至7月中旬，馬鈴薯一般處于出苗期—開花期，逐漸從以莖和葉生長為中心過渡為地上和地下生長相結合，最后轉為地下塊莖生長為主，在馬鈴薯苗期，充足的日照利于形成壯苗，在花期日照時數越長，越有利于養(yǎng)分的積累和薯塊的形成，從而提高產量[32]，所以此時日照時數對產量有正效應；8月下旬至9月下旬馬鈴薯一般處于塊莖膨大期至可收期，此時光照時間長易造成馬鈴薯植株衰老，導致生育期縮短，影響產量[33]，所以此時日照時數對馬鈴薯產量有負效應。

2.2 氣象產量預報模型的建立

為實現(xiàn)馬鈴薯產量滾動預報，將表2中關鍵氣象因子所在時段的下一旬第1天作為起報時間，即將7月21日、8月21日、9月11日和9月21日作為起報時間。引入相應起報時間前的關鍵氣象因子，采用逐步回歸分析，建立相應起報時間的馬鈴薯氣象產量預報模型，表3列出各起報時間模型的預報因子及其回歸系數。

表2 馬鈴薯氣象產量與氣象因子的相關系數Tab.2 Correlation coefficients between meteorological yield of potato and meteorological factors

表3 各起報時間馬鈴薯氣象產量預報模型回歸系數Tab.3 Regression coefficient of potato meteorological yield forecast model for different initial forecast time

2.3 預報模型的回代檢驗與應用

利用模型對1983—2015年歷年馬鈴薯預報產量(實際產量與趨勢產量之和)進行回代檢驗(表4)?？梢钥闯觯A報產量趨勢回代檢驗正確率平均為84.0%，預報產量回代檢驗準確率平均為87.8%，預報產量回代檢驗準確率超過95%的占比平均值為40.0%，三者數值均隨著起報時間的后移而增大。表5列出 2006—2015年不同起報時間預報產量回代檢驗準確率。可以看出，7月21日、8月21日、9月11日、9月21日起報的預報產量回代檢驗準確率分別為65.1%～93.4%、68.4%～94.3%、67.6%～95.8%和80.4%～96.7%，相應的預報產量回代檢驗準確率平均分別為79.6%、83.5%、84.1%和88.5%。預報產量回代檢驗準確率最小為65.1%，出現(xiàn)在2014年，該年4次預報產量回代檢驗準確率均低于70%，因為當年7月上旬河北省馬鈴薯主產區(qū)遭遇冰雹災害，此時正值馬鈴薯塊莖形成期，造成部分花枝被砸而折斷，引起馬鈴薯大幅減產。

表4 1983—2015年各起報時間馬鈴薯預報產量回代檢驗準確率Tab.4 The backtesting accuracy of forecasted potato yield for different initial forecast time during 1983-2015 單位： %

表5 2006—2015年各起報時間馬鈴薯預報產量回代檢驗準確率Tab.5 The backtesting accuracy of forecasted potato yield for different initial forecast time during 2006-2015 單位： %

表6列出2016—2019年各起報時間馬鈴薯產量預報準確率。可以看出，2016年4次產量預報準確率為85.1%～94.4%，平均為90.5%；2017年4次產量預報準確率為91.8%～95.3%，平均93.8%；2018年4次產量預報準確率為85.4%～91.4%，平均88.1%；2019年4次產量預報準確率為83.5%～91.5%，平均88.8%。隨起報時間的后移，預報準確率逐漸增大。

表6 2016—2019年各起報時間馬鈴薯產量預報準確率Tab.6 The forecast accuracy of potato yield for different initial forecast time during 2016-2019

3 結 論

(1)7—9月河北省馬鈴薯一般處于花序形成期—可收期，該時期的平均氣溫對馬鈴薯產量的影響最大，且與馬鈴薯預報產量負相關；日照時數對產量的影響次之，在生育前期表現(xiàn)為正相關，成熟收獲期表現(xiàn)為負相關；降水量對馬鈴薯產量的影響最小，且兩者為負相關。

(2)利用所建預報模型對1983—2015年河北省馬鈴薯產量進行回代檢驗，各起報時間馬鈴薯預報產量趨勢回代檢驗正確率平均為84.0%，預報產量回代檢驗準確率平均為87.8%，隨著起報時間的后移，趨勢回代檢驗正確率、預報產量回代檢驗準確率超過95%的占比均越來越高。利用所建預報模型對2016—2019年河北省馬鈴薯產量進行預報檢驗，產量預報準確率為83.5%～95.3%，平均為90.3%。

本研究充分考慮連續(xù)的氣象條件對作物產量的影響，對馬鈴薯生育期逐旬氣象因子進行膨化處理后與氣象產量做相關分析，該方法更能反映連續(xù)的氣象條件與馬鈴薯產量的關系，可以有效克服時間上的間斷對馬鈴薯產量預報準確率的影響。但基于關鍵氣象因子的產量預報方法本質仍是基于數理統(tǒng)計建立預報模型，數理統(tǒng)計對數據穩(wěn)定性的依賴度高，若預報年發(fā)生重大氣象災害即氣象因子處于異常狀態(tài)下，預報準確率則較低；統(tǒng)計預報模型對作物的生長機理考慮較少，未將作物受到災害后自身的修復能力、人工干預等因素考慮在內。因此在今后的工作中，還應結合多種模型和實地調研，進一步提高馬鈴薯產量預報準確率。