王賀然，張 琪，陳鵬獅，趙 明，劉東明，黃 巖，黃 悅

（1.遼寧省生態(tài)氣象和衛(wèi)星遙感中心，沈陽110166；2.遼寧省氣象臺，沈陽110166；3.中國平安財產保險股份有限公司，深圳518048）

東北地區(qū)作為中國糧食主產區(qū)和商品糧基地，對于農產品產業(yè)鏈來說，其農業(yè)氣象條件、農作物長勢、未來產量尤其受到關注，產量預測結果的關注主體由政府、行業(yè)部門轉為市場主體［1，2］。近年來，資本、技術對農業(yè)的關注、投入逐漸增多，不僅農作物種植者，農產品產業(yè)鏈上的收儲、加工、貿易企業(yè)和涉農互聯(lián)網、金融、保險、電商企業(yè)均開始關注作物產量［3］，各大機構已經在生長季期間，獨立或聯(lián)合開展主產區(qū)作物長勢調查，動態(tài)跟蹤作物長勢，并與行業(yè)部門合作，分析氣象條件對作物后期產量形成的影響而進一步預測產量，為作物收儲、農產品生產、資本市場投資行為、農作物災害理賠等提供參考依據(jù)。所以提供動態(tài)、準確的農業(yè)氣象條件對作物產量的影響預測信息及對政府和行業(yè)部門、市場主體、種植戶制定決策、調整市場行為、從事農業(yè)生產活動意義重大。

中國從20世紀70年代就著手研究產量預報方法［4］，80年代開展業(yè)務化應用［5］，涉及的作物種類不斷增加［6-10］。目前產量預報業(yè)務中普遍采用的方法包括農學方法、統(tǒng)計學方法、遙感估產、作物生長模型等，隨著靜態(tài)預報到動態(tài)預報的發(fā)展，產量預報的準確度、精細化程度、預報時效逐漸提高［1，5，11］，產量預報結果可以應用到作物產量預報、農業(yè)氣象條件評價、農業(yè)氣象災害影響預測或評估等方面。在統(tǒng)計學方法中，目前氣象部門主要基于關鍵氣象因子、氣候適宜度指數(shù)、作物產量歷史豐歉氣象影響指數(shù)進行產量動態(tài)預報［3］?；陉P鍵氣象因子、氣候適宜度指數(shù)的產量動態(tài)預報方法已經應用于遼寧省春玉米、水稻、大豆的產量預報中［2，3，12］，但基于作物產量歷史豐歉氣象影響指數(shù)的方法在遼寧省尤其是分市作物產量預報的應用尚未有報道。目前市場主體對作物產量預測信息的需求不僅局限于其主產省，更重要的是及時明確當年的主產市縣、高產市縣、優(yōu)產市縣，這些決定了收獲期市場主體的市場行為，對于糧食收購商、貿易商、保險公司等產業(yè)鏈企業(yè)或服務商來說，更早更準確的產量預測信息和產地信息，可以提升物流效率、降低運輸成本、獲得更多利潤，對理賠成本的計算和保險產品覆蓋地區(qū)的調整提供指導。

本研究應用前人研究方法，對遼寧省14市及全省的春玉米、水稻、大豆單產進行逐候預報，為完善該地區(qū)產量預報的關鍵技術、提高產量預報業(yè)務的精細化水平提供技術支撐。

1 材料與方法

1.1 區(qū)域概況

遼寧省是中國的糧食主產省，具備較強的糧食生產和貿易優(yōu)勢，糧食產量萬眾矚目。遼寧省不僅有多個產糧大縣，而且發(fā)展形成了多個北方重要糧食貿易港。春玉米、水稻、花生、大豆分別是遼寧省前四大作物，受雨養(yǎng)條件限制，遼寧省內春玉米、花生、大豆等旱田作物的產量幾乎完全依賴氣象條件。

1.2 資料來源

氣象資料為1980—2016年遼寧省56個氣象站作物生長季（5—9月）逐日最高氣溫（℃）、最低氣溫（℃）、降水量（mm）和日照時數(shù)（h），來自遼寧省氣象信息中心；產量資料為1980—2016年遼寧省及1992—2016年遼寧省14個市的春玉米、水稻、大豆單產（kg/hm2），來自遼寧省統(tǒng)計年鑒。

1.3 資料處理

1.3.1 氣象資料處理采用算術平均的方法，將各站氣象資料處理成區(qū)域氣象資料，形成省、市日平均氣溫，日平均降水量，日平均日照時數(shù)。將區(qū)域氣象資料由日資料處理成候資料，形成省、市候平均氣溫，候累積降水量，候累積日照時數(shù)，以自然月為計算周期，每候5 d或6 d（31日所在候），生長季5—9月共30候。將區(qū)域氣象資料按候累加處理成預報日期前的區(qū)域分段氣象資料，并對部分氣象要素進行標準化處理。計算播種（5月第1候）以來，每5 d或6 d省、市的積溫、分段累積降水量、分段累積日照時數(shù)，即5月1日至5月6日、5月1日至5月10日、5月1日至5月15日、…以此類推。將分段累積降水量、分段累積日照時數(shù)進行標準化處理，處理后分別稱為分段累積標準化降水量、分段累積標準化日照時數(shù)。分段累積標準化降水量計算公式如下：

1.3.2 產量資料處理本研究作物產量計算公式如下：

式中，ΔYi為第i年與第i-1年的作物單產的變化，即產量豐歉值，Yi和Yi-1分別為第i年和第i-1年作物單產，i代表第i年，i-1代表第i年的前一年。

1.4 預報方法

1.4.1 基本原理某一地點，相鄰年份土壤條件不變、技術水平變化不大，如果忽略品種因素，作物單產的變化可認為由氣象要素的差異引起，所以作物產量與播種以來的氣象條件密切相關，相似的氣象條件會引起作物相同的產量變化幅度，因此，首先根據(jù)氣象要素的綜合診斷指標確定作物生長某一階段氣象條件相似的年份，再根據(jù)這些歷史相似年中同種作物前后兩年產量變化情況計算預報年作物產量豐歉氣象影響指數(shù)，建立作物產量動態(tài)預報模型［7，13，14］。

1.4.2預報方法的確定

1）綜合診斷指標的建立和歷史相似年的選擇。

利用歐式距離和相關系數(shù)法計算預報年氣象要素與歷史上任意一年同一時段同類氣象要素差異，建立綜合診斷指標，判斷歷史相似年的排序。本研究選擇積溫、分段累積標準化降水量、分段累積標準化日照時數(shù)3個氣象要素分別代表溫、水、光3種氣象條件，以候為預報周期對2016年遼寧省春玉米、水稻、大豆單產進行預報，預報時間為氣象要素所在時段下一候的第一天。

相似距離計算公式如下：

相關系數(shù)計算公式如下：

綜合聚類指標計算公式如下：

式中，cik為預報年（k年）與歷史任一年（i年）的綜合聚類指標，是綜合診斷指標，其值越大，則預報年與歷史某一年的氣象影響程度越一致，dik為歐氏距離，rik為相關系數(shù)。k為預報年，i為歷史任一年，j為氣象要素的序號，xkj為預報年作物播種至預報時間第j個氣象要素值，xij歷史任一年同一時段同類氣象要素值，n為資料長度。針對每個氣象要素，選擇cik值最大的3年為歷史相似年，共9年。

2）產量豐歉值的計算。

前人由于對溫、光、水等氣象條件分別用多種氣象要素來表示，所以可以對氣象要素進行多種組合計算，對比分析出歷史相似年作物單產的變化值與預報年最接近的組合，對選種的組合采取單因子分析、兩因子組合分析、大概率分析、加權平均分析、綜合影響指數(shù)分析、集成分析等方法，確定產量動態(tài)預報的預報因子和預報方法［7］。本研究選擇積溫、分段累積標準化降水量、分段累積標準化日照時數(shù)一種組合，采用加權平均分析方法計算預報年作物產量豐歉氣象影響指數(shù)。

式中，ΔY′i為第i年作物產量豐歉氣象影響指數(shù)即作物單產豐歉值的預報值，ΔYi(+)為9個歷史相似年型中作物單產豐歉值為正值的累加，ΔYi(-)為9個歷史相似年型中作物單產豐歉值為負值的累加，l為作物單產豐歉值為正值的個數(shù)，m為作物單產豐歉值為負值的個數(shù)，a(+)為預報值為正值的概率，a(-)為預報值為負值的概率。

3）產量預報值的計算。

根據(jù)式（7）計算作物單產豐歉值后，利用式（10）計算作物單產的預報值。

式中，Y′i為第i年作物單產預報值，Yi-1為第i-1年作物單產，ΔY′i為第i年作物單產豐歉值的預報值。

1.4.3 檢驗方法的確定對2016年遼寧省作物單產動態(tài)預報結果進行檢驗，用單產預報準確率來評價預報模型，單產預報準確率的計算方法見式（11）。

式中，Y′i為第i年作物單產預報值，Yi為第i年作物單產實際值。

2 結果與分析

2.1 氣象要素相似年

因為遼寧省省、市作物產量序列不同，為了尋找省氣象條件更為相似的歷史年，分別根據(jù)2016年省、市氣象數(shù)據(jù)確定歷史相似年而預測各級作物單產。表1列出了不同預報時間（以7月16日、8月26日、9月21日為例），省、市的溫度相似年、日照時數(shù)相似年、降水相似年。

由表1可知，在同一預報年中，對于同一預報地區(qū)，相同氣象要素在不同預報時間的3個相似年有差異，有完全相同的，如沈陽市的降水相似年在3個時段的3年完全相同，有部分相同的，如沈陽的溫度相 似年在3個 時段中2006年出現(xiàn) 了3次，2014年出現(xiàn)了2次，但沒有完全不同的；在同一預報年中，對于同一預報地區(qū)，不同氣象要素在同一預報時間的相似年有差異，多為完全不同，如沈陽市5月1日至7月15日3個氣象要素的9個相似年完全不同，有部分相同的，如朝陽市5月1日至9月20日3個氣象要素的9個相似年中，1995年和1998年均出現(xiàn)了2次，但沒有全部相同的；在同一預報年中，相同預報時間，對于不同預報地區(qū)，同一氣象要素的相似年有差異，有部分相同的，如5月1日至7月15日全省、大連市、鞍山市、錦州市、營口市、阜新市、鐵嶺市、朝陽市的降水相似年均有2014年、2015年，有完全相同的，如5月1日至8月25日朝陽市、盤錦市的降水相似年均為1995年、1998年、2010年，兩個地區(qū)間會出現(xiàn)完全不同的情況，如5月1日至8月26日撫順市、錦州市的6個降水相似年完全不同。

表1 遼寧省2016年氣象條件的歷史相似年

2.2 模型檢驗結果

同一預報年、預報時間相同時，盡管不同作物在同一預報地區(qū)的氣象條件歷史相似年相同，但同年份的氣象條件對不同作物的影響不同，所以不同作物在相同相似年對應的單產變幅不同，豐歉值的預報結果不同。作物單產預報豐歉值與實際豐歉值見

由表2至表4可知，分作物看，春玉米的單產預報準確率大多高于80%，水稻的單產預報準確率大多高于90%，大豆的單產預報準確率大多高于80%，但不及春玉米。水稻的單產預報準確率普遍高于其他兩種旱田作物且不同預報時間的預報值較穩(wěn)定，各種作物的單產預報準確率并沒有因接近成熟期而提高。分地區(qū)看，全省、沈陽市、鞍山市、撫順市、本溪市、營口市、阜新市、遼陽市、鐵嶺市、盤錦市的春玉米、水稻的單產預報準確率高于大豆，大連市、丹東市、錦州市、朝市陽、葫蘆島市的水稻、大豆的單產預報準確率高于玉米。

表2 遼寧省2016年春玉米單產豐歉值的預報結果和單產預報準確率 （單位：%）

表3 遼寧省2016年水稻單產豐歉值的預報結果和單產預報準確率 （單位：%）

表4 遼寧省2016年大豆單產豐歉值的預報結果和單產預報準確率 （單位：%）

3 小結與討論

本研究通過綜合聚類分析，確定氣象條件相似的歷史年份，分別建立了遼寧省春玉米、水稻、大豆產量豐歉氣象影響指數(shù)而進行產量預報。這種基于作物產量歷史豐歉氣象影響指數(shù)的產量動態(tài)預報方法，可以實現(xiàn)遼寧省三大糧食作物的逐候產量動態(tài)預報，且單產預報準確率普遍高于80%，可以滿足遼寧省省級和大部分市級產量預報的業(yè)務需求。該方法與基于綜合關鍵氣象因子和氣候適宜度指數(shù)的產量動態(tài)預報方法共同構成了基于統(tǒng)計學方法的遼寧省作物產量預報技術體系。

但該方法確定出來的相似年所表現(xiàn)出的差異與邱美娟等［15］的研究結果相同。這是因為同一省份內，不同地區(qū)的氣候特征存在較大差異，如大連市和朝陽市，所以對于同一預報年，它們之間各自的相似年不具備可比性，不同氣象要素的相似年有差異。但同一預報年，同一地區(qū)某一氣象要素的相似年隨時間會發(fā)生變化，甚至完全不同，這可能源于該方法的理論基礎，因為這種相似在同一個地區(qū)尋找出的相對相似的氣象相似年，這種相對的相似年會隨著數(shù)據(jù)序列的變化而變化。

兩次預報的產量豐歉趨勢會出現(xiàn)相反的情況，這可能由于預報地區(qū)內不同地塊氣象條件在不同時段的差異造成的，因為模型的建立過程中沒有明確體現(xiàn)出氣象災害的影響［7，9，13，15］，所以一定區(qū)域范圍內，某一地塊出現(xiàn)氣象災害，尤其是較嚴重的氣象災害，或者災害范圍較大時，該地區(qū)作物的減產風險就較大，產量預報結果可能從增產轉為減產，如果這種災害影響時段不是發(fā)生在作物的關鍵生育期，則產量預報結果可能再次轉為增產。這個問題可以在一定程度上通過縮小預報地區(qū)的范圍來解決，如根據(jù)地塊產量和鄰近的站點氣象數(shù)據(jù)對某一相對小的地區(qū)開展產量預報，因為產量數(shù)據(jù)與氣象數(shù)據(jù)更為匹配。