劉維 宋迎波

(國(guó)家氣象中心，北京100081)

引 言

作物產(chǎn)量預(yù)報(bào)是我國(guó)現(xiàn)代農(nóng)業(yè)氣象業(yè)務(wù)服務(wù)與科研的重要部分，國(guó)家級(jí)和省級(jí)產(chǎn)量預(yù)報(bào)產(chǎn)品為各級(jí)政府制定宏觀調(diào)控政策、合理安排農(nóng)業(yè)生產(chǎn)提供了重要的參考依據(jù)，是氣象為農(nóng)服務(wù)的重要組成部分[1]。目前國(guó)家級(jí)作物產(chǎn)量預(yù)報(bào)業(yè)務(wù)中針對(duì)全國(guó)尺度的產(chǎn)量預(yù)報(bào)主要分兩種，一是由作物全國(guó)單產(chǎn)序列結(jié)合全國(guó)氣象條件進(jìn)行統(tǒng)計(jì)預(yù)報(bào)；二是根據(jù)各省級(jí)預(yù)報(bào)單產(chǎn)，并以面積加權(quán)集成為全國(guó)單產(chǎn)[2]，該方法預(yù)報(bào)準(zhǔn)率很大程度上取決于省級(jí)產(chǎn)量預(yù)報(bào)準(zhǔn)確率，因此提高單一省級(jí)產(chǎn)量預(yù)報(bào)準(zhǔn)確率就尤為重要。目前省級(jí)尺度作物產(chǎn)量預(yù)報(bào)主要是利用省級(jí)產(chǎn)量序列和各省代表站點(diǎn)的平均氣象條件進(jìn)行統(tǒng)計(jì)分析，如何提高省級(jí)產(chǎn)量預(yù)報(bào)準(zhǔn)確率存在一定的瓶頸。而利用地市、縣級(jí)的產(chǎn)量并結(jié)合地市、縣自身的氣象條件，則可建立地市、縣一級(jí)的產(chǎn)量預(yù)報(bào)模型，再加權(quán)計(jì)算成省級(jí)單產(chǎn)，就能建立基于不同產(chǎn)量序列和不同空間尺度的省級(jí)產(chǎn)量預(yù)報(bào)模型，為作物省級(jí)產(chǎn)量提供新的預(yù)報(bào)依據(jù)，在此基礎(chǔ)上，再由省級(jí)產(chǎn)量集成到全國(guó)產(chǎn)量，可以建立縣-市-省-國(guó)家級(jí)的集成產(chǎn)量預(yù)報(bào)體系，既能提升國(guó)家級(jí)產(chǎn)量預(yù)報(bào)廣度，又能開(kāi)展精細(xì)化產(chǎn)量預(yù)報(bào)；同進(jìn)入公里級(jí)別的農(nóng)用天氣預(yù)報(bào)、農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)與評(píng)估、作物長(zhǎng)勢(shì)監(jiān)測(cè)評(píng)估一樣[3]，滿足氣象現(xiàn)代化不斷發(fā)展的新要求。

目前國(guó)家級(jí)作物氣象產(chǎn)量預(yù)報(bào)的主要方法集中在統(tǒng)計(jì)模型、作物模型模擬、遙感估產(chǎn)等，統(tǒng)計(jì)模型中氣候適宜度法[4-9]、關(guān)鍵氣象因子法[10-11]、豐歉指數(shù)法[12-13]在目前應(yīng)用最為廣泛。氣候適宜度是基于逐日的光溫水等氣象要素，通過(guò)建立函數(shù)將氣象條件轉(zhuǎn)變?yōu)樽魑锷L(zhǎng)發(fā)育的適宜程度[4-5]，構(gòu)建適宜程度與作物產(chǎn)量的相關(guān)關(guān)系，以預(yù)測(cè)作物的產(chǎn)量。由于氣候適宜度模型具有較好的普適性[8]，因此本文以江蘇省一季稻為例，利用氣候適宜度模型，基于省、市、縣三級(jí)產(chǎn)量序列，開(kāi)展不同空間尺度的一季稻精細(xì)化產(chǎn)量預(yù)報(bào)；并利用小區(qū)域(縣級(jí)、市級(jí))的一季稻種植面積百分比為權(quán)重系數(shù)，進(jìn)行省級(jí)集成，開(kāi)展基于不同空間尺度一季稻產(chǎn)量序列的大區(qū)域(省級(jí))產(chǎn)量預(yù)測(cè)。

1 材料與方法

1.1 氣象資料

采用來(lái)自國(guó)家氣象中心1981—2016年江蘇省13個(gè)地級(jí)市下轄的62個(gè)縣一季稻全生育期逐日氣象資料，包括日最高氣溫(℃)、日最低氣溫(℃)、日降水量(mm)、日照時(shí)數(shù)(h)。由于3個(gè)縣站氣象數(shù)據(jù)缺測(cè)較多，因此不參與本文計(jì)算。

1.2 氣候適宜度模型構(gòu)建

1.2.1 氣溫適宜度

計(jì)算站點(diǎn)日氣溫適宜度，公式如下：

；

(1)

(2)

其中：F(ti)為江蘇省一季稻站點(diǎn)逐日氣溫適宜度；ti為站點(diǎn)日平均氣溫(℃)；tl、th和t0分別為江蘇省一季稻各發(fā)育期所需的下限溫度、上限溫度和適宜溫度；B為常數(shù)。利用站點(diǎn)日氣溫適宜度，可以求得區(qū)域日氣溫適宜度：

(3)

其中：n為區(qū)域內(nèi)站點(diǎn)個(gè)數(shù)，當(dāng)區(qū)域?yàn)槭r(shí)，n=62；當(dāng)區(qū)域?yàn)槭袝r(shí)，n為各市下轄縣個(gè)數(shù)；當(dāng)區(qū)域?yàn)榭h時(shí)，n=1，日照適宜度和降水適宜度同理。利用區(qū)域日氣溫適宜度，求得區(qū)域旬氣溫適宜度：

(4)

其中：m為旬內(nèi)天數(shù)，為10或者11。

1.2.2 日照適宜度

一般認(rèn)為當(dāng)日照時(shí)數(shù)達(dá)到可照時(shí)數(shù)的70%以上時(shí)，作物對(duì)日照的反映達(dá)到適宜狀態(tài)，但水稻為短日照作物，過(guò)多的日照對(duì)其生長(zhǎng)發(fā)育會(huì)有抑制作用。因此，本文根據(jù)水稻的氣候適應(yīng)性原理，構(gòu)建了一季稻逐日日照適宜度模型：

(5)

其中：F(si)為站點(diǎn)逐日日照適宜度；si為站點(diǎn)逐日日照時(shí)數(shù)(h)；s0為站點(diǎn)逐日日照百分率為70%時(shí)的日照時(shí)數(shù)；s1為站點(diǎn)逐日日照百分率為30%時(shí)的日照時(shí)數(shù)；b為常數(shù)。利用站點(diǎn)逐日日照適宜度計(jì)算區(qū)域逐日日照適宜度F(s)區(qū)域和區(qū)域旬日照適宜度F(s旬)區(qū)域：

(6)

(7)

1.2.3 降水適宜度

一季稻為水田作物且江蘇省一季稻生育期內(nèi)降水較豐沛，基本能滿足其生長(zhǎng)發(fā)育需求。但在抽穗揚(yáng)花期如遇強(qiáng)降水將會(huì)導(dǎo)致結(jié)實(shí)率降低，不利于一季稻產(chǎn)量形成，由于逐日降水量的隨機(jī)性，故直接計(jì)算站點(diǎn)旬降水適宜度和區(qū)域旬降水適宜度：

(8)

其他生育期：F(p旬)=1，

(9)

(10)

(11)

其中：F(p旬)為站點(diǎn)旬降水適宜度；p旬為旬降水量(mm)；pa為旬多年(1981—2010年)平均降水量；ps為旬降水距平百分率；F(p旬)區(qū)域?yàn)閰^(qū)域旬降水適宜度。

1.2.4 氣候適宜度模型

根據(jù)氣溫、降水、日照適宜度，采用幾何平均方法對(duì)氣象要素單因子適宜度求值，構(gòu)建綜合氣候適宜度模型：

(12)

其中：F(c旬)區(qū)域?yàn)閰^(qū)域旬氣候適宜度，區(qū)域分別為省級(jí)、地市級(jí)、縣級(jí)三級(jí)區(qū)域。

1.3 氣候適宜指數(shù)

由于作物在各個(gè)生育階段的生理生態(tài)特征不同，對(duì)環(huán)境氣象條件的需求也不盡相同，同時(shí)，各個(gè)時(shí)段氣象條件對(duì)其生長(zhǎng)發(fā)育及產(chǎn)量形成的滿足程度也有所差異。因此，為反映不同時(shí)段氣象條件對(duì)一季稻產(chǎn)量形成的影響程度，建立一季稻播種至任意一旬的氣候適宜指數(shù)，即由期間各旬氣候適宜度加權(quán)集成：

(13)

其中：F(C)為作物播種至某一旬的氣候適宜指數(shù)；Ki為各旬氣候適宜度對(duì)產(chǎn)量的影響系數(shù)；n為播種至某旬的旬?dāng)?shù)。影響系數(shù)Ki由公式(14)求得：

(14)

其中：Ri為區(qū)域某旬氣候適宜度與氣象產(chǎn)量的相關(guān)系數(shù)。

1.4 產(chǎn)量資料

產(chǎn)量資料為來(lái)自江蘇省統(tǒng)計(jì)局的1981—2016年江蘇省、13個(gè)地市、62個(gè)主產(chǎn)縣一季稻產(chǎn)量數(shù)據(jù)，包括平均單產(chǎn)(kg·hm-2)、種植面積(hm2)和總產(chǎn)量(kg)。作物品種更替、氣候變化、農(nóng)業(yè)生產(chǎn)技術(shù)提高等因素會(huì)對(duì)產(chǎn)量產(chǎn)生影響[14-15]，作物平均單產(chǎn)一般表示為農(nóng)業(yè)技術(shù)產(chǎn)量與氣象產(chǎn)量之和，即：

Yi=Yti+Ywi,

(15)

其中：Yi為一季稻平均單產(chǎn)；Yti為農(nóng)業(yè)技術(shù)產(chǎn)量；Ywi為氣象產(chǎn)量。

一季稻農(nóng)業(yè)技術(shù)產(chǎn)量采用線性分離法計(jì)算，即：

Yti=aT+b,

(16)

其中：T為時(shí)間序列(即1981、1982、…、2016年)，其中a、b均為模擬系數(shù)，由最小二乘法計(jì)算得出。

根據(jù)Yi=Yti+Ywi的原則，則：Ywi=Yi-Yti，考慮到產(chǎn)量變化的可比性，采用相對(duì)產(chǎn)量表述氣象產(chǎn)量，即：

(17)

1.5 平均單產(chǎn)動(dòng)態(tài)預(yù)報(bào)模型建立

將一季稻不同時(shí)段氣候適宜指數(shù)與氣象產(chǎn)量ΔYwj進(jìn)行回歸，建立不同時(shí)段一季稻氣象產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型，即：

ΔYwj=a×F(C)+b,

(18)

其中：ΔYwj分別為省級(jí)、地市級(jí)或縣級(jí)一季稻氣象產(chǎn)量，a和b為模擬系數(shù)，在此基礎(chǔ)上，根據(jù)ΔYwi結(jié)果，利用公式(19)對(duì)各區(qū)域一季稻平均單產(chǎn)進(jìn)行動(dòng)態(tài)預(yù)報(bào)：

(19)

1.6 預(yù)報(bào)準(zhǔn)確率

利用各區(qū)域模型預(yù)報(bào)的一季稻平均單產(chǎn)與當(dāng)年實(shí)際平均單產(chǎn)進(jìn)行對(duì)比，可得出當(dāng)年平均單產(chǎn)預(yù)報(bào)準(zhǔn)確率，即：

Fi=(1-|(Yi預(yù)報(bào)-Yi實(shí)際)|/Yi實(shí)際)×100%。

(20)

其中：Fi為預(yù)報(bào)年的預(yù)報(bào)準(zhǔn)確率。

2 結(jié)果與分析

2.1 產(chǎn)量資料分析

1981—2016年江蘇省一季稻產(chǎn)量資料分析結(jié)果表明(圖1)，江蘇省一季稻平均單產(chǎn)呈波動(dòng)上升態(tài)勢(shì)，1998年為歷史最高值年，1998年之前增幅大于1998年之后，全省單產(chǎn)水平從1981年的5 464 kg·hm-2提升到2016年的8 416 kg·hm-2，增幅達(dá)54%；江蘇省一季稻種植面積在1981—1990年持續(xù)增長(zhǎng)，1991—1999年出現(xiàn)小幅波動(dòng)，但在2000—2003年出現(xiàn)連續(xù)4 a下滑，2003年降至歷史次低值，2004年以后基本保持穩(wěn)定。13個(gè)地市產(chǎn)量資料分析結(jié)果表明，各地市平均單產(chǎn)呈現(xiàn)緩慢升高的特點(diǎn)，各地市平均單產(chǎn)水平從1981年的5 101 kg·hm-2提升到2016年的8 951 kg·hm-2，增幅達(dá)75.5%，除1991和2003年外，各地市之間單產(chǎn)差異總體不大，且2010年以后，各地市級(jí)產(chǎn)量差異變小，產(chǎn)量水平相近；從種植面積來(lái)看，常州、南京、蘇州、無(wú)錫、鎮(zhèn)江等蘇南地市一季稻種植面積呈下降趨勢(shì)，連云港、淮安、宿遷、徐州、鹽城等蘇北地市種植面積呈現(xiàn)上升趨勢(shì)，南通、泰州、揚(yáng)州三市面積較穩(wěn)定。62個(gè)主產(chǎn)縣產(chǎn)量資料分析結(jié)果表明，各縣平均單產(chǎn)呈緩慢升高特點(diǎn)，各縣平均單產(chǎn)水平從1981年的5 054 kg·hm-2提升到2016年的8 944 kg·hm-2，增幅達(dá)77.0%；灌云、濱海、射陽(yáng)等26個(gè)縣種植面積逐年上升，而武進(jìn)、宜興、吳江等22個(gè)縣種植面積逐年下降，泰興、宿遷、新沂等14個(gè)縣種植面積較穩(wěn)定。

圖1 江蘇省1981—2016年一季稻單產(chǎn)和面積Fig.1 The yield and planting areas of single ricein Jiangsu from 1981 to 2016

2.2 江蘇省一季稻產(chǎn)量預(yù)報(bào)模型

利用1981—2011年、1981—2012年、1981—2013年、1981—2014年、1981—2015年江蘇省一季稻氣象產(chǎn)量與播種分別至7月中旬和8月中旬的氣候適宜指數(shù)建立2012—2016年江蘇省一季稻單產(chǎn)動(dòng)態(tài)預(yù)報(bào)模型(表1)，除2012、2013年7月中旬預(yù)報(bào)模型相關(guān)系數(shù)通過(guò)α=0.1信度顯著性檢驗(yàn)以外，其余年份都通過(guò)了α=0.05信度的顯著性檢驗(yàn)，說(shuō)明所建立的江蘇省一季稻氣候適宜指數(shù)能夠客觀反映江蘇省一季稻的氣候適宜性水平及動(dòng)態(tài)變化，基于氣候適宜指數(shù)的預(yù)報(bào)方法適用于江蘇省一季稻單產(chǎn)預(yù)報(bào)。2012—2016年7月中旬和8月中旬動(dòng)態(tài)預(yù)報(bào)檢驗(yàn)結(jié)果表明，除2016年兩次預(yù)報(bào)準(zhǔn)確率為95%左右外，其余時(shí)段預(yù)報(bào)準(zhǔn)確率均在97%以上，5 a平均準(zhǔn)確率分別為97.62%和97.91%(圖2)，且8月中旬平均預(yù)報(bào)準(zhǔn)確率總體高于7月中旬。

表1 江蘇省一季稻單產(chǎn)動(dòng)態(tài)預(yù)報(bào)模型及檢驗(yàn)Table 1 The dynamical prediction models of single rice yield and test in Jiangsu

圖2 基于氣候適宜指數(shù)的省級(jí)預(yù)報(bào)結(jié)果Fig.2 Province forecasting results of method based onclimatic suitable index

2.3 江蘇省主產(chǎn)地市一季稻產(chǎn)量預(yù)報(bào)模型

利用1981—2011年、1981—2012年、1981—2013年、1981—2014年、1981—2015年江蘇省13個(gè)主產(chǎn)地市一季稻氣象產(chǎn)量與播種分別至7月中旬、8月中旬的氣候適宜指數(shù)建立2012—2016年13個(gè)地市一季稻單產(chǎn)動(dòng)態(tài)預(yù)報(bào)模型，130個(gè)預(yù)報(bào)模型中共有118個(gè)模型分別通過(guò)了α=0.001(15個(gè))、α=0.01(33個(gè))、α=0.05(44個(gè))和α=0.1(26個(gè))信度顯著性檢驗(yàn)，僅有12個(gè)模型未通過(guò)α=0.1信度顯著性檢驗(yàn)。2012—2016年7月中旬和8月中旬動(dòng)態(tài)預(yù)報(bào)檢驗(yàn)結(jié)果表明，13個(gè)地市5 a平均準(zhǔn)確率分別為96.24%和96.18%，較為接近，但略低于省級(jí)模型5 a平均預(yù)報(bào)準(zhǔn)確率；分地市來(lái)看，鹽城市兩次預(yù)報(bào)準(zhǔn)確率最高，分別為98.0%和98.01%，南通市最低，分別為93.5%和94.1%(表2)。

表2 江蘇省主產(chǎn)地市一季稻2012—2016年平均單產(chǎn)預(yù)報(bào)平均準(zhǔn)確率Table 2 Average accuracy between 2012-2016 based on theintegration yield prediction model in different cities %

2.4 江蘇省主產(chǎn)縣一季稻產(chǎn)量預(yù)報(bào)模型

利用1981—2011年、1981—2012年、1981—2013年、1981—2014年、1981—2015年江蘇省62個(gè)主產(chǎn)縣一季稻氣象產(chǎn)量與播種分別至7月中旬、8月中旬的氣候適宜指數(shù)建立2012—2016年62個(gè)主產(chǎn)縣一季稻單產(chǎn)動(dòng)態(tài)預(yù)報(bào)模型，620個(gè)預(yù)報(bào)模型中共有577個(gè)模型通過(guò)了α=0.1信度以上的顯著性檢驗(yàn)，僅有43個(gè)模型未通過(guò)顯著性檢驗(yàn)。2012—2016年7月中旬和8月中旬動(dòng)態(tài)預(yù)報(bào)檢驗(yàn)結(jié)果表明，62個(gè)主產(chǎn)縣5 a平均準(zhǔn)確率分別為94.0%和93.9%，低于省級(jí)和地市級(jí)模型5 a平均預(yù)報(bào)準(zhǔn)確率；分縣來(lái)看(圖3)，響水縣兩次預(yù)報(bào)平均準(zhǔn)確率最高，分別為98.1%和98.3%，銅山縣最低，僅為73.9%和80.4%，由此可見(jiàn)，縣級(jí)尺度一季稻單產(chǎn)預(yù)報(bào)模型準(zhǔn)確率波動(dòng)較大，說(shuō)明越小尺度區(qū)域作物產(chǎn)量預(yù)報(bào)的難度也相應(yīng)越大。

2.5 江蘇省一季稻區(qū)域集成預(yù)報(bào)模型

表3 江蘇省區(qū)域集成模型預(yù)報(bào)準(zhǔn)確率Table 3 Accuracy based on the integration yield prediction model in different areas in Jiangsu Province %

圖3 江蘇省主產(chǎn)縣一季稻2012—2016年平均單產(chǎn)預(yù)報(bào)平均準(zhǔn)確率Fig.3 Average accuracy between 2012-2016 based on the integration yield prediction model in different counties

3 討論

在江蘇省一季稻種植面積整體保持穩(wěn)定的形勢(shì)下，不同市縣的種植面積發(fā)生了較大的變化，蘇南地區(qū)種植面積明顯減少，蘇北地區(qū)則大幅增加，這與江蘇省氣候變化[16]和社會(huì)經(jīng)濟(jì)水平的發(fā)展相一致。從江蘇省、主產(chǎn)地市集成、主產(chǎn)縣集成模型的預(yù)報(bào)結(jié)果來(lái)看，小區(qū)域尤其是縣級(jí)尺度集成模型預(yù)報(bào)結(jié)果總體優(yōu)于地市級(jí)集成和省級(jí)尺度預(yù)報(bào)模型，這主要是由于縣級(jí)尺度預(yù)報(bào)模型使用了針對(duì)性更強(qiáng)的產(chǎn)量序列和氣象數(shù)據(jù)，雖然在某些年份會(huì)出現(xiàn)較大波動(dòng)，但所建立的預(yù)報(bào)模型更好地反映了當(dāng)?shù)氐臍庀髼l件對(duì)一季稻生長(zhǎng)發(fā)育的影響，在經(jīng)過(guò)面積加權(quán)集成到省級(jí)尺度后，不同程度地提高了省級(jí)尺度一季稻產(chǎn)量預(yù)報(bào)的準(zhǔn)確性。

相比于精細(xì)化網(wǎng)格天氣預(yù)報(bào)的發(fā)展[17]，農(nóng)業(yè)氣象精細(xì)化服務(wù)雖然面臨諸多難點(diǎn)，但也已取得了長(zhǎng)足的進(jìn)步，但農(nóng)作物產(chǎn)量預(yù)報(bào)仍重點(diǎn)關(guān)注全國(guó)尺度的預(yù)報(bào)結(jié)果，且開(kāi)展市、縣級(jí)的產(chǎn)量預(yù)報(bào)服務(wù)相對(duì)較少。隨著氣象精細(xì)化服務(wù)的要求，構(gòu)建市、縣級(jí)主要作物產(chǎn)量預(yù)報(bào)模型，可進(jìn)一步提高省級(jí)和國(guó)家級(jí)作物產(chǎn)量預(yù)報(bào)的準(zhǔn)確率，更好的提升氣象為農(nóng)服務(wù)能力，同時(shí)可以發(fā)揮氣象預(yù)報(bào)的先導(dǎo)作用，為精準(zhǔn)防災(zāi)減災(zāi)、確保作物豐產(chǎn)穩(wěn)產(chǎn)提供有力保障。另外，可充分利用農(nóng)業(yè)氣象觀測(cè)站和試驗(yàn)站資料，嘗試構(gòu)建基于地段觀測(cè)數(shù)據(jù)的作物產(chǎn)量序列，以解決缺乏產(chǎn)量資料的問(wèn)題，更好地開(kāi)展精細(xì)化預(yù)報(bào)服務(wù)。

4 結(jié)論

(1)江蘇省級(jí)、地市級(jí)和縣級(jí)一季稻氣象產(chǎn)量與不同時(shí)段氣候適宜指數(shù)之間存在較高的相關(guān)性，說(shuō)明所建立的各區(qū)域一季稻氣候適宜指數(shù)能夠客觀反映一季稻的氣候適宜性水平及動(dòng)態(tài)變化，基于氣候適宜指數(shù)的預(yù)報(bào)方法適用于江蘇省不同區(qū)域一季稻單產(chǎn)預(yù)報(bào)。

(2)2012—2016年省級(jí)尺度模型預(yù)報(bào)平均準(zhǔn)確率高于97.5%，主產(chǎn)地市、主產(chǎn)縣模型平均預(yù)報(bào)準(zhǔn)確率低于省級(jí)尺度預(yù)報(bào)模型，表明預(yù)報(bào)區(qū)域越小，預(yù)報(bào)的難度提升。

(3)2012—2016年基于氣候適宜指數(shù)模型的江蘇省級(jí)、主產(chǎn)地市集成、主產(chǎn)縣集成模型預(yù)報(bào)準(zhǔn)確率大部在95%以上，整體上看主產(chǎn)縣集成優(yōu)于主產(chǎn)地市集成，主產(chǎn)地市集成優(yōu)于省級(jí)尺度模型，由此，開(kāi)展地市級(jí)和縣級(jí)尺度的精細(xì)化產(chǎn)量預(yù)報(bào)可提升省級(jí)尺度預(yù)報(bào)準(zhǔn)確率，具有非常重要的業(yè)務(wù)推廣意義。