路智淵，顧 娟，龔小麗，王桂芳，常耀軍

(中國氣象局旱區(qū)特色農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警與風(fēng)險(xiǎn)管理重點(diǎn)實(shí)驗(yàn)室，寧夏 銀川750002；寧夏氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室，寧夏 銀川750002；固原市氣象局，寧夏 固原756000)

固原位于寧夏南部山區(qū)，地處黃土高原半干旱氣候區(qū)，是典型的大陸性氣候，形成冬季漫長寒冷、春季氣溫多變、夏季短暫涼爽、秋季降溫迅速，晝夜溫差大，春季和夏初雨量偏少、日照充足。特殊的氣候環(huán)境直接制約著當(dāng)?shù)丶Z食作物的產(chǎn)量，氣候因子對(duì)冬小麥產(chǎn)量影響較大。因此，進(jìn)行冬小麥產(chǎn)量預(yù)報(bào)與氣象條件分析對(duì)合理布局，調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)具有重要意義[1-4]。

1 冬小麥產(chǎn)量預(yù)報(bào)與氣象條件分析

冬小麥實(shí)際產(chǎn)量數(shù)據(jù)、歷年冬小麥生育期數(shù)據(jù)與氣候資料分別由固原國家一級(jí)農(nóng)業(yè)試驗(yàn)站與固原國家基準(zhǔn)氣候站提供。

作物產(chǎn)量的高低是與作物的品種特性、耕作制度、土壤肥力、管理措施和氣象條件等因素共同決定的。一般情況下冬小麥實(shí)際產(chǎn)量可分解為趨勢(shì)產(chǎn)量、氣象產(chǎn)量和隨機(jī)產(chǎn)量三部分[2]，實(shí)際計(jì)算時(shí)隨機(jī)產(chǎn)量可以忽略不計(jì)，表示為：Y=Yt+Yw

式中，Y為實(shí)際產(chǎn)量，Yt為趨勢(shì)產(chǎn)量，Yw為氣象產(chǎn)量。

1.1 趨勢(shì)產(chǎn)量模擬

趨勢(shì)產(chǎn)量是由地理環(huán)境、水肥、品種和生產(chǎn)力水平等因素決定，其產(chǎn)量呈逐年增高趨勢(shì)，有相對(duì)的穩(wěn)定性。在實(shí)際產(chǎn)量比較低的情況下，年際間延續(xù)產(chǎn)量逼近某斜直線上升趨勢(shì)。趨勢(shì)產(chǎn)量有多種模擬方法，其中，直線滑動(dòng)平均模擬不損失樣本序列數(shù)，也不必主觀假定產(chǎn)量歷史演變曲線類型；調(diào)和權(quán)重法是以不同權(quán)重方法確定各序列樣本對(duì)趨勢(shì)產(chǎn)量的影響。本文結(jié)合直線滑動(dòng)平均與調(diào)和權(quán)重法對(duì)趨勢(shì)產(chǎn)量進(jìn)行模擬和預(yù)報(bào)。假設(shè)某階段的線性趨勢(shì)方程[1]。

式中，a，b為回歸系數(shù)，t為滑動(dòng)時(shí)間變量，p為滑動(dòng)步長。在樣本選取上采用p年滑動(dòng)，n年資料有np+1個(gè)直線回歸方程，即回歸方程樣本分別取1～p年，2～p+1年，…n-p+1～n年，亦即得到n-p+1個(gè)回歸方程：

設(shè)通過t點(diǎn)的回歸方程有qt個(gè)，因而回歸方程在該點(diǎn)的擬合值y(t)也有qt個(gè)，則該年的趨勢(shì)產(chǎn)量y(t)為這些擬合值的平均，即：

連接各點(diǎn)的y(t)即可表示產(chǎn)量的變化趨勢(shì)。計(jì)算趨勢(shì)產(chǎn)量的關(guān)鍵是滑動(dòng)步長，p值越大，趨勢(shì)產(chǎn)量越平滑，p值越小，趨勢(shì)產(chǎn)量波動(dòng)就越大。

本文利用2000～2020年冬小麥觀測(cè)地段實(shí)際產(chǎn)量數(shù)據(jù)，取滑動(dòng)步長為14年，求得8個(gè)線性方程，按照上述直線滑動(dòng)平均得到趨勢(shì)產(chǎn)量Yt，分離出氣象產(chǎn)量Yw。產(chǎn)量分離完成后，按照調(diào)和權(quán)重計(jì)算方法[1]，依次計(jì)算趨勢(shì)產(chǎn)量年增長量。（調(diào)和權(quán)重預(yù)測(cè)是一種對(duì)趨勢(shì)產(chǎn)量進(jìn)行外延的算法）具體步驟如下：

（1）確定歷史趨勢(shì)產(chǎn)量的增量

式中，Yt為第t年的趨勢(shì)產(chǎn)量，Y(t+1)為后一年的趨勢(shì)產(chǎn)量；wt+1為趨勢(shì)產(chǎn)量的年增長量。

（2）確定歷史趨勢(shì)產(chǎn)量增量的調(diào)和平均值：

式中，Ct+1為調(diào)和權(quán)重系數(shù)，Ct+1按以下公式計(jì)算：

顯然，調(diào)和權(quán)重滿足：ct+1＞0;∑ct+1=1

（3）趨勢(shì)產(chǎn)量預(yù)測(cè)值

調(diào)和權(quán)重法考慮了農(nóng)作物產(chǎn)量歷史增長的規(guī)律，使得離預(yù)測(cè)年較近的年份的增量有較大的權(quán)重，與等權(quán)處理相比，符合農(nóng)業(yè)生產(chǎn)的實(shí)際情況。

于是得出2021年趨勢(shì)產(chǎn)量Y=382.384+15.262=397.646（g/m2）

1.2 氣象因子選取

由于作物產(chǎn)量與氣象因子等氣候資源關(guān)系密切，不同生育期氣象條件對(duì)產(chǎn)量的影響不同。以固原一級(jí)農(nóng)業(yè)試驗(yàn)站冬小麥歷年平均生育期為代表，來確定當(dāng)?shù)囟←溨饕诘某霈F(xiàn)時(shí)間及對(duì)應(yīng)時(shí)段。

根據(jù)表1中所列冬小麥生育期，以旬為單位，統(tǒng)計(jì)各旬平均氣溫、旬降水量、旬日照時(shí)數(shù)數(shù)據(jù)作為模型備選氣象因子，分析氣象產(chǎn)量與各因子之間的相關(guān)性[5-8]，通過顯著性檢驗(yàn)的因子作為影響冬小麥產(chǎn)量的關(guān)鍵氣象因子。分析結(jié)果顯示，氣象產(chǎn)量與R42（4月中旬降水）、R43（4月下旬降水）、S33（3月下旬日照）、S51（5月上旬日照）、T51（5月上旬氣溫）在0.05水平上顯著相關(guān)，與R42（4月中旬降水）、S33（3月下旬日照）在0.01水平上顯著相關(guān)。因此。將這5個(gè)因子作為冬小麥氣象產(chǎn)量預(yù)報(bào)建立模型的關(guān)鍵因子。

表1 固原一級(jí)農(nóng)業(yè)試驗(yàn)站冬小麥歷年平均生育期普遍期

表2 冬小麥氣象產(chǎn)量與關(guān)鍵發(fā)育期氣象因子的相關(guān)性

2 建立預(yù)報(bào)模型

選取與氣象產(chǎn)量顯著相關(guān)的5個(gè)因子做自變量，以氣象產(chǎn)量做因變量，進(jìn)行多元線性逐步回歸分析，可以得出擬合最好的回歸方程：

方程中選取的3個(gè)關(guān)鍵性氣象因子分別為：R42（4月中旬降水）、S33（3月下旬日照）、S51（5月上旬日照），復(fù)相關(guān)系數(shù)為0.926，調(diào)整后的R2為0.833，入選的3個(gè)因子不存在序列相關(guān)和共線性，方差分析顯示回歸方程的概率為0，小于顯著性水平0.05或0.01，可以認(rèn)為回歸方程成立，至此氣象產(chǎn)量的預(yù)測(cè)模型已初步建立。

3 模型檢驗(yàn)

根據(jù)氣象產(chǎn)量預(yù)報(bào)模型，計(jì)算2021年氣象產(chǎn)量為YW=70.9062（g/m2），結(jié)合趨勢(shì)產(chǎn)量預(yù)測(cè)結(jié)果，2021冬小麥產(chǎn)量預(yù)測(cè)結(jié)果為Y=397.646+70.9062=468.5522（g/m2）。

預(yù)測(cè)結(jié)果與2021年觀測(cè)地段冬小麥實(shí)際產(chǎn)量524.97相比，定量誤差值為56.4178，預(yù)報(bào)準(zhǔn)確率為89.26%。

4 結(jié)論

本文運(yùn)用直線滑動(dòng)平均，結(jié)合調(diào)和權(quán)重法對(duì)固原市冬小麥產(chǎn)量進(jìn)行模擬預(yù)報(bào)取得了成功，可以認(rèn)為此方法為當(dāng)?shù)仄渌r(nóng)作物產(chǎn)量定量預(yù)測(cè)提供參考。

根據(jù)冬小麥生育普遍期的出現(xiàn)時(shí)間，以旬為單位選取氣象因子，進(jìn)行相關(guān)分析和逐步回歸，得出的模擬方程擬合度較高，預(yù)測(cè)結(jié)果準(zhǔn)確率也較高。

雖然該文建立的預(yù)測(cè)模型方法簡單，參數(shù)少，易于使用。但也存在一些不足，如分析單個(gè)氣象條件對(duì)產(chǎn)量的影響具有一定的片面性；未對(duì)作物生長自救和人工管理的影響進(jìn)行考慮，即作物受輕微危害后可以通過自身恢復(fù)生長，也可通過管理人員的農(nóng)技措施加以緩解。