李俊秀 周景春 張存嶺

（1濉溪縣城市管理局，安徽濉溪 235100；2濉溪縣氣象局，安徽濉溪 235100；3濉溪縣科學(xué)技術(shù)協(xié)會，安徽濉溪 235100）

由全球氣候變化導(dǎo)致極端天氣事件發(fā)生頻率不斷上升，極端天氣事件造成的氣象災(zāi)害成為影響農(nóng)作物年際產(chǎn)量的最主要因素。作物生長發(fā)育及最終產(chǎn)量與光、熱、水、相對濕度條件之間的關(guān)系錯綜復(fù)雜，同時受因子組合的影響。1個因子或幾個因子對農(nóng)作物生長的正效應(yīng)可能被其他因子加強、減弱或完全抵消。準(zhǔn)確獲取氣象產(chǎn)量是評估氣象災(zāi)害對作物產(chǎn)量影響的前提[1]，也是明確氣象限制因子及影響時期的關(guān)鍵。選取合適的方法，將作物產(chǎn)量序列進(jìn)行合理、準(zhǔn)確的分解，是研究氣象因子對作物產(chǎn)量影響的重要步驟[2]。

作物產(chǎn)量主要受社會因素以及自然因素影響，同時還存在偶然因素。社會因素的影響表現(xiàn)為科技進(jìn)步和投入增加所引起的生產(chǎn)力水平提高、作物產(chǎn)量逐步遞增，這部分產(chǎn)量稱為趨勢產(chǎn)量。氣象因素是自然因素中最主要的影響因素，自然因素年際間、區(qū)域間變化造成的作物產(chǎn)量波動稱為氣象產(chǎn)量。由一些偶然因素變動引起的作物產(chǎn)量變化稱為隨機產(chǎn)量。由于隨機產(chǎn)量對實際產(chǎn)量影響較小，無法用函數(shù)的形式表達(dá)出來，不能量化，且多年均值為0，一般忽略不計。

趨勢產(chǎn)量是一種長期穩(wěn)定變動的均勻信號，而氣象產(chǎn)量、隨機產(chǎn)量具有不確定性、無規(guī)律性，利用現(xiàn)有數(shù)據(jù)對趨勢產(chǎn)量進(jìn)行統(tǒng)計擬合比直接測算氣象產(chǎn)量、隨機產(chǎn)量更合理。在通過顯著水平檢驗的前提下擬合趨勢產(chǎn)量，利用實際產(chǎn)量與趨勢產(chǎn)量的差求得氣象產(chǎn)量，是分離氣象產(chǎn)量最有效的方法[3]。目前，用于擬合時間序列作物趨勢產(chǎn)量的方法可歸為移動平均法（3年、5年、單指數(shù)、雙指數(shù)等）、回歸分析法（線性、非線性）、濾波分析法（HP、BP等）3類[1-6]，3類方法各具特點，且對不同地區(qū)、不同農(nóng)作物的趨勢產(chǎn)量擬合準(zhǔn)確度存在差別，用于擬合空間序列作物趨勢產(chǎn)量的方法鮮見報道。

1 利用區(qū)域試驗分離氣象產(chǎn)量方法推導(dǎo)

2017—2019年度豐樂聯(lián)合體黃淮南片區(qū)域試驗承試點25個，匯總23點；2019—2020年度新世界聯(lián)合體生產(chǎn)試驗承試點22個，匯總21點。3年共同的匯總點16個。在這16個試點中，3年平均試點產(chǎn)量7 283.4～9 246.3 kg/hm2，平均8 017.2 kg/hm2。與3年平均試點產(chǎn)量相比，2017—2018年度為-23.10%～5.99%，平均-13.13%，為歉年。2018—2019年度為-10.56%～21.11%，平均9.58%；2019—2020年度-12.64%～14.40%，平均3.55%；均為豐年。

時間序列趨勢產(chǎn)量回歸分析，將實際產(chǎn)量設(shè)定為因變量，將年份設(shè)定為自變量，采用最小二乘法建立自變量與因變量的線性或非線性擬合模型[4]?？臻g序列最基本的自變量為經(jīng)緯度。逐步回歸分析表明，試點產(chǎn)量（Y）與試點緯度（X=（N-32）×6，N代表緯度）曲線相關(guān)，Y=3 978.49+2 069.013N1/2-257.968N，P1/2=0.016，P=0.057，F(xiàn)=5.162**。同一試點年際間經(jīng)緯度沒有變化，而作物產(chǎn)量年際間存在明顯的豐歉。因此，緯度只能用來擬合單一生產(chǎn)周期的趨勢產(chǎn)量，不能分離多年度的氣象產(chǎn)量。進(jìn)行空間序列趨勢產(chǎn)量擬合，必須尋找1個自變量，這里設(shè)定為空間指數(shù)（S），插入公式如下：

在區(qū)域試驗產(chǎn)量參數(shù)分析中，以參試種產(chǎn)量為因變量，各試點全部參試品種平均產(chǎn)量（試點產(chǎn)量）為自變量進(jìn)行回歸分析，用回歸系數(shù)評價品種適應(yīng)性[7]。年度試點產(chǎn)量本身包含豐歉，以年度試點產(chǎn)量擬合趨勢產(chǎn)量，勢必遺漏影響產(chǎn)量的部分氣象限制因子。同時，只能分離參試品種產(chǎn)量，不能分離試點的氣象產(chǎn)量。

3年平均試點產(chǎn)量（Y3a）代表試點正常年份的技術(shù)水平，與各年度試點產(chǎn)量（Yi）呈極顯著正相關(guān)（表1）。直接用3年平均試點產(chǎn)量直線回歸擬合趨勢產(chǎn)量，會造成同一試點3年的趨勢產(chǎn)量一樣，為此引入年增長量。時間序列趨勢產(chǎn)量滑動平均法，將連續(xù)3、5年的作物單產(chǎn)看作是變化的線性函數(shù)。1985—2018年河南省小麥單產(chǎn)每10年增加1 158 kg/hm2，約增產(chǎn)1.95%[5]。2000—2019年，冬小麥主產(chǎn)區(qū)各地年均單產(chǎn)在3 426～5 910 kg/hm2，區(qū)域年均增產(chǎn)83.12 kg/hm2，約增長1.78%[6]。這里年增產(chǎn)率取1.90%。

表1 試點產(chǎn)量與3年平均產(chǎn)量的回歸關(guān)系

分析表明（表2），空間指數(shù)與試點和品種產(chǎn)量（Yw）呈極顯著直線正相關(guān)，可以擬合趨勢產(chǎn)量。這里采用相對氣象產(chǎn)量表征產(chǎn)量波動，使結(jié)果更具可比性。試點和參試品種相對氣象產(chǎn)量為0.00%±11.18%～-0.01%±13.25%。2017—2018年為-11.39%±9.04%，2018—2019年度10.15%±9.11%，2019—2020年度1.28%±6.68%，與實際產(chǎn)量的豐歉吻合。

表2 趨勢產(chǎn)量擬合直線回歸方程

2 利用區(qū)域試驗分離氣象產(chǎn)量的優(yōu)勢

2.1 原始數(shù)據(jù)準(zhǔn)確可靠

品種區(qū)域試驗是指通過統(tǒng)一規(guī)范要求進(jìn)行試驗，對新育成品種的豐產(chǎn)性、適應(yīng)性、抗逆性和品質(zhì)進(jìn)行全面鑒定，根據(jù)品種在區(qū)域試驗中的表現(xiàn)，結(jié)合抗逆性鑒定和品質(zhì)分析結(jié)果，進(jìn)行綜合評價，是品種審定和推廣的依據(jù)。由國家和?。▍^(qū)、市）品種審定委員會組織實施，有統(tǒng)一的試驗方案。田間試驗由試驗站、農(nóng)科院或種子企業(yè)的專業(yè)技術(shù)人員在相對固定的試驗地點實施，全區(qū)或去邊行收獲計產(chǎn)，按標(biāo)準(zhǔn)含水量折算，品種表現(xiàn)差異大、數(shù)據(jù)記載不完整、或不能真實反映品種性狀的試點不納入?yún)R總。逐日氣象數(shù)據(jù)來自距試驗地點最近的國家基本氣象站。

2.2 樣本容量大

育成品種完成試驗程序一般要進(jìn)行2個正季生產(chǎn)周期的區(qū)域試驗和1個正季生產(chǎn)周期的生產(chǎn)試驗。匯總點區(qū)域試驗不少于10個，生產(chǎn)試驗不少于區(qū)域試驗。3a至少30點次。

2.3 不需要人為劃分生育期

品種區(qū)域試驗要求田間記載物候期，如小麥播種、出苗、抽穗和成熟期，玉米播種、出苗、抽雄、吐絲和成熟期，大豆播種、出苗、開花和成熟期。統(tǒng)計逐日氣象數(shù)據(jù)不需要人為劃分生育期。

2.4 便于檢驗準(zhǔn)確性

趨勢產(chǎn)量擬合準(zhǔn)確性直接影響氣象產(chǎn)量分離準(zhǔn)確度，趨勢產(chǎn)量的準(zhǔn)確擬合尤為重要。完成試驗程序的參試品種均參加3個正季生產(chǎn)周期試驗，可同時進(jìn)行試點和多個參試品種氣象產(chǎn)量分離，以檢驗趨勢產(chǎn)量擬合的準(zhǔn)確性。

豐樂-新世紀(jì)聯(lián)合體黃淮南片區(qū)域試驗小麥實際單產(chǎn)與空間指數(shù)呈極顯著直線正相關(guān)，相關(guān)系數(shù)為0.525～0.622，P≤0.000 2，氣象產(chǎn)量最大占比19.88%～31.85%（表3），具有合理性意義[3]。

表3 試點和不同品種的氣象產(chǎn)量

同一試驗不同參試品種應(yīng)具有相似的產(chǎn)量趨勢[4]，氣象產(chǎn)量具有基本相同的波動趨勢。筆者分析的區(qū)域試驗，試點和品種氣象產(chǎn)量之間呈極顯著正相關(guān)，且相關(guān)系數(shù)≥0.735 1，2/3的試點表現(xiàn)同升（增產(chǎn)）同降（減產(chǎn)）；豐產(chǎn)年份不乏減產(chǎn)試點，減產(chǎn)試點也有品種增產(chǎn)，反之亦然（表4）。這說明利用空間指數(shù)擬合趨勢產(chǎn)量能有效捕獲氣象因子對產(chǎn)量影響和品種間差異。

表4 不同試點的相對氣象產(chǎn)量范圍

產(chǎn)量分離目的是找到氣象因子與作物產(chǎn)量之間的關(guān)系。同一生態(tài)區(qū)氣候特征相似，且大面積農(nóng)業(yè)氣象災(zāi)害發(fā)生往往與大的天氣過程有關(guān)。不同品種氣象產(chǎn)量與氣象因子的相關(guān)性應(yīng)該一致，且與作物生長發(fā)育特性具有很強的合理性。相關(guān)系數(shù)出現(xiàn)數(shù)值較大正負(fù)差異，應(yīng)重新進(jìn)行產(chǎn)量分離。筆者分析的區(qū)域試驗，只有部分對作物產(chǎn)量沒有影響的氣象因子，與相對氣象產(chǎn)量的相關(guān)系數(shù)出現(xiàn)正負(fù)差異，其相關(guān)系數(shù)絕對值≤0.166（P≥0.265）；但凡有相關(guān)系數(shù)絕對值≥0.195（P≤0.189）的，都沒有出現(xiàn)正負(fù)差異，具有一致性（表5）。11月、1—4月最低氣溫和5月最高氣溫，11—12月、2月相對濕度和11—12月降水量與相對氣象產(chǎn)量正相關(guān)；10月和3、5月的降水量、相對濕度與相對氣象產(chǎn)量負(fù)相關(guān)；這些都與小麥生長發(fā)育對氣象條件的要求吻合。品種間差異表現(xiàn)在相關(guān)系數(shù)、回歸系數(shù)的大小上。

表5 主要氣象因子與相對氣象產(chǎn)量的相關(guān)系數(shù)

3 結(jié)論

應(yīng)用區(qū)域試驗數(shù)據(jù)分離氣象產(chǎn)量，分析影響作物產(chǎn)量的主要氣象因子及關(guān)鍵時段，具有原始數(shù)據(jù)準(zhǔn)確可靠、樣本容量大、不需要人為劃分生育期、便于檢驗準(zhǔn)確性等優(yōu)勢，依空間指數(shù)直線回歸擬合趨勢產(chǎn)量操作簡便，結(jié)果合理。