引用本文
李红艳, 徐建强, 许甫金, 肖玉苹, 沈足金, 张乐平, 方明. 气象因素对水稻产量的影响及预测模型的建立[J]. 浙江农业科学, 2018,59(7):1104-1107
doi: 10.16178/j.issn.0528-9017.20180707
Permissions
Copyright©2018, 《浙江农业科学》编辑部
《浙江农业科学》编辑部 所有
气象因素对水稻产量的影响及预测模型的建立
李红艳1, 徐建强1, 许甫金2, 肖玉苹1, 沈足金1, 张乐平1, 方明1
1.桐乡市农业技术推广服务中心,浙江 桐乡 314500
2.桐乡市梧桐街道农业经济服务中心,浙江 桐乡 314500

作者简介:李红艳(1987—),女,安徽亳州人,农艺师,硕士,从事粮油技术推广与服务工作,E-mail:569953484@qq.com。

摘要

全球气候变暖作为一个不争的客观事实,不可避免地对农业生产产生影响。为了解气象因素对水稻生产的影响,利用桐乡市2001—2013年气象资料和水稻产量数据,运用指数平滑法测定水稻趋势产量,分离出水稻气象产量,与水稻生育期逐月平均温度、最高温度、最低温度、日照时数、降水量进行相关分析,确定了影响水稻产量的关键因子,建立回归方程并进行检验。结果显示,桐乡市水稻产量与当地气象因素存在一定的相关性,相关度最高的为9月日照时数和6月日照时数。水稻产量预测公式对2001—2013年历年水稻产量进行校验,平均准确度达99.0%;对2014—2017年水稻产量进行预测,平均准确度达96.2%。

关键词: 气象因素; 水稻产量; 预测模型
中图分类号:S511 文献标志码:A 文章编号:0528-9017(2018)07-1104-04

桐乡市地处杭嘉湖平原腹地, 现有耕地面积3.87万hm2, 其中水田2.87万hm2, 农业生产基础较好, 土壤肥沃, 自然条件优越, 生产技术较先进。水稻是浙江省的主要粮食作物, 种植面积占耕地面积的50%以上, 产量约占粮食总量的80%[1], 而桐乡又是浙北重要产粮区, 水稻种植面积稳定在1.33万hm2左右。

IPCC第4次评估报告指出, 过去100年里, 全球平均气温升高0.74 ℃(0.56~0.92 ℃)[2], 在全球气候变暖的大背景下, 气候的变化对水稻的生产会有不同程度影响[3]。桐乡市水稻单产受气候变化等因素影响也有所波动, 平均单产在8 296 kg· hm-2。为了更好地理解气候变化对水稻生产的影响, 国内外许多学者为此也做了大量研究。Peng等[4]研究表明, 水稻产量与气温密切相关, 在热带地区, 平均气温每升高1 ℃, 水稻产量下降50%; 最低气温每升高1 ℃, 水稻产量将下降约10%。Welch等[5]研究认为, 日均气温的升高能增加水稻产量, 平均最低气温的升高却可能降低水稻产量。Tao等[6]研究指出, 在不考虑CO2施肥效应的前提下, 当全球平均气温分别上升1、2、3 ℃时, 水稻产量将分别降低6.1%~18.6%、13.5%~31.9%、23.6%~40.2%。大量研究表明, 在未来气候变化情况下, 中国大多水稻种植区将面临不同程度的减产[7, 8, 9, 10, 11]。

气候变化对农作物产量影响方面, 应用较为广泛的方法为观测统计法, 即根据多年作物实际产量和气象资料观测数据, 通过统计分析, 研究气象因子与作物产量之间的关系, 此方法比较客观、严密[12]。本文拟采用指数平滑法, 根据桐乡市2000— 2013年14年的水稻单产, 分离出水稻趋势产量, 从而计算出水稻气象产量。气象产量与各年份气象因素进行相关性和回归性分析, 得出水稻产量预测公式, 为预测未来气候变化对水稻产量影响提供依据, 对指导农业生产及减少保障粮食生产安全具有现实意义。

1 材料与方法
1.1 研究地概况

桐乡市位于浙江省北部(30° 28'~30° 47'N、120° 17'~120° 39'E), 属亚热带季风气候, 温暖湿润, 四季分明, 雨水充沛, 日照充足。水稻栽培制度为单季稻模式, 水稻生长季(5月下旬至11月上旬)多年平均气温23.4 ℃, 降水量678.9 mm, 日照时数1 085.1 h。

1.2 数据来源

本研究中的水稻单产数据源于《桐乡市统计年鉴》, 从统计年鉴中分别提取了2000— 2017年间单季晚稻总产量和种植面积, 计算水稻单位面积产量(单产)。气象数据源于桐乡市气象局气象观测资料。

1.3 水稻产量分解

一般把作物产量分解为趋势产量、气象产量和随机误差3个部分, 其中趋势产量主要是受社会生产力发展平衡制约, 也被称为技术产量; 气象产量受气候因素为主的短周期变化因子(农业气象灾害为主)影响而波动; 随机误差影响小, 可忽略不计。因此水稻实际单产可表示[13, 14, 15]:

Y=Yt+Yw。

式中, Y为水稻实际单产(kg· hm-2), Yt为趋势单产(kg· hm-2), Yw为气象单产(kg· hm-2)。

1.4 研究方法

选用指数平滑法测定水稻趋势产量, 根据公式Yw=Y-Yt计算得到气象产量Yw。在指数平滑中, 平滑系数a取值不同, 计算出的平滑结果会有较大差异[16]。本研究平滑系数a分别取0.1、0.3、0.5、0.7和0.9, 分别计算出趋势产量, 根据公式分离出气象产量。2000年后, 桐乡市水稻主要种植模式为晚粳稻一季稻, 水稻的生育期跨度为5— 11月。因此, 选择5月水稻播种育秧开始到11月水稻收获期间, 逐月平均温度、最高温度、最低温度、日照时数和降水量5个主要气象指标, 运用相关分析, 获取与水稻产量相关性最高的气象因素, 建立回归模型并进行拟合度与显著性检验, 再计算水稻历年产量预测值, 与水稻历年实际产量进行比较, 以此检验模拟公式的精确度。

1.5 数据处理

采用Excel 2010软件进行数据处理。

2 结果与分析
2.1 水稻产量及趋势产量、气象产量

运用指数平滑法计算得到水稻趋势产量Yt, 根据公式Y=Yt+Yw分离出气象产量Yw, 结果见表1。平滑系数a分别取0.1、0.3、0.5、0.7、0.9时, 2003和2005年气象产量均为减产, 其中2003年降水量严重偏少, 而9月中上旬又遭遇极端高温, 日平均温度为27.3 ℃, 较常年9月中上旬日均温高3.3 ℃; 2005年降水量偏少, 6月下旬至7月上旬、9月中下旬均遭遇高温天气。这2年气象条件均对水稻生产产生不利, 由此可见, 分离出的气象产量能初步反映气象条件对水稻产量的影响。

表1 不同年份水稻产量、趋势产量及气象产量
2.2 气象产量与气象因子的相关分析

通过对气象产量与水稻生育期相关月平均温度、最高温、最低温、日照时数和降水量的相关分析, 结果表明(表2), 桐乡市水稻产量与当地月平均温度、最高温、最低温、日照时数和降水量存在一定的相关性, 与水稻产量相关性最高的气象因素依次为9月日照时数、6月日照时数、9月最高温等。

表2 气象产量与各因子相关分析
2.3 气象产量与关键气象因素的回归分析

根据相关分析结果, 选取相关程度最高的2个因子进行回归分析。a=0.1时, 选择6月日照时数与9月日照时数; a=0.3时, 选择9月日照时数与6月日照时数; a为0.5、0.7、0.9时, 均选择9月日照时数与9月最高温度。回归统计结果见表3。

表3 气象产量与关键气象因素回归统计

由表3可知, Ra=0.32> Ra=0.12> Ra=0.52> Ra=0.72> Ra=0.92, 表明a=0.3时模型拟合优度较高, 且标准误差S(a=0.3)< S(a=0.1)< S(a=0.5)< S(a=0.7)< S(a=0.9), 说明 a=0.3时实际观察点与所拟合的样本回归线的离差最小, 故选用平滑系数 a=0.3时的分析结果。

从表4、5可知, Significance F为0.00110623, 远小于0.01, 说明6月、9月日照时数联合起来对水稻产量有极显著影响。

表4 平滑系数a=0.3时方差分析
表5 平滑系数a=0.3时回归参数

当a=0.3时关键因子是6月、9月日照时数, 分别设为S6、S9, 则气象产量Yw回归方程为:Yw=952.88-1.19× S6-4.46× S9。再设桐乡市水稻实际产量为Y, n年的水稻产量用Yn表示, (n+1)年的水稻产量用 Y(n+1)表示, n年的趋势产量为 Yt(n), (n+1)年的水稻趋势产量为 Yt(n+1)。根据平滑指数平滑法计算公式, 取平滑系数a=0.3, 则(n+1)年的水稻趋势产量方程为:

Yt(n+1)=0.3× Y(n)+(1-0.3)× Yt(n)。

根据Y=Yt+Yw, 得到桐乡市水稻产量预测方程为:

Y(n+1)=0.3× Y(n)+(1-0.3)× Yt(n)+952.88-1.19× S6(n+1)-4.46× S9(n+1)。

2.4 结果检验

2.4.1 校验2001— 2013年实际产量与预测产量

表6可见, 通过与历年水稻实际产量比较, 预测准确度最高为99.9%, 最低为97.9%, 13年平均预测准确度达99.0%。

表6 2001— 2013年实际产量与预测产量对比

2.4.2 预测2014— 2017年水稻产量

根据模拟公式分别计算出2014— 2017年水稻预测产量, 通过查询4年相关统计数据, 对比结果见表7。4年平均预测准确度达96.2%, 由此可见, 水稻预测公式具有较高的准确度。

表7 2014— 2017年水稻产量预测及校验
3 小结

桐乡市水稻产量与当地水稻生育期相关月份逐月平均气温、最高温度、最低温度、日照时数和降水量之间具有一定的相关性, 相关度从高到低依次有9月日照时数、6月日照时数、9月最高温度等。气象条件不利的年份表现为水稻气象产量减产, 可见分离出的气象产量能初步反映气象条件对水稻产量的影响。

水稻气象产量与9月和6月日照时数相关系数r值分别为-0.855 3和-0.723 7, 且∣r∣相对较大, 表明水稻产量与9月和6月日照时数均成负相关, 且相关程度较高。6月份为水稻的播种出苗期, 水稻秧苗在光照不足或光照过足条件下均不利于正常生长。9月份为水稻的抽穗灌浆期, 晴天略带微风, 更有利于水稻授粉, 如果日照过足, 其水稻的蒸发量也变大, 水分供应不足, 产量易下降。

回归分析显示, 6、9月的日照时数联合起来对水稻产量有极显著影响。水稻产量预测公式对2001— 2013年历年水稻产量进行校验, 平均准确度达99.0%; 对2014— 2017年水稻产量进行预测, 平均准确度达96.2%。

通过采用指数平滑法, 设置不同平滑系数分解趋势产量, 最后选择平滑系数为0.3时, 模拟拟合优度高, 误差较小。

The authors have declared that no competing interests exist.

参考文献:
[1] 陆艳婷, 张小明, 金庆生. 浙江省水稻生产现状分析[J]. 农业科技通讯, 2012(4): 5-8. [本文引用:1]
[2] ORG W M. Intergovernmental panel on climate change (IPCC[J]. United Nations, 2007, 114(D14): 48-56. [本文引用:1]
[3] 沈陈华. 气象因子对江苏省水稻单产的影响[J]. 生态学报, 2015, 35(12): 4155-4167. [本文引用:1]
[4] PENG S, HUANG J, SHEEHY J E, et al. Rice yields decline with higher night temperature from global warming[J]. Proceedings of the National Academy of Sciences of the United States of America, 2004, 101(27): 9971-9975. [本文引用:1]
[5] WELCH J R, VINCENT J R, AUFFHAMMER M, et al. Rice yields in tropical/subtropical Asia exhibit large but opposing sensitivities to minimum and maximum temperatures[J]. Proceedings of the National Academy of Sciences of the United States of America, 2010, 107(33): 14562-14567. [本文引用:1]
[6] TAO F L, HAYASHI Y, ZHANG Z, et al. Global warming, rice production, and water use in China: Developing a probabilistic assessment[J]. Agricultural & Forest Meteorology, 2008, 148(1): 94-110. [本文引用:1]
[7] 熊伟, 陶福禄, 许吟隆, 等. 气候变化情景下我国水稻产量变化模拟[J]. 中国农业气象, 2001, 22(3): 1-5. [本文引用:1]
[8] 叶清, 杨晓光, 李勇, 等. 气候变化背景下中国农业气候资源变化Ⅷ. 江西省双季稻各生育期热量条件变化特征[J]. 应用生态学报, 2011, 22(8): 2021-2030. [本文引用:1]
[9] 杨修, 孙芳, 林而达, 等. 我国水稻对气候变化的敏感性和脆弱性[J]. 自然灾害学报, 2004, 13(5): 85-89. [本文引用:1]
[10] 葛道阔, 金之庆. 气候及其变率变化对长江中下游稻区水稻生产的影响[J]. 中国水稻科学, 2009, 23(1): 57-64. [本文引用:1]
[11] 朱珠, 陶福禄, 娄运生, 等. 1981—2009年江苏省气候变化趋势及其对水稻产量的影响[J]. 中国农业气象, 2012, 33(4): 567-572. [本文引用:1]
[12] 赵桂涛, 刘中聚, 冯尚宗, 等. 基于气象因素的临沂水稻产量评估预测模型[J]. 江西农业学报, 2016, 28(10): 71-74. [本文引用:1]
[13] 房世波. 分离趋势产量和气候产量的方法探讨[J]. 自然灾害学报, 2011(6): 13-18. [本文引用:1]
[14] 温晓慧, 温桂清. 用直线滑动均值法做作物趋势产量预报[J]. 黑龙江气象, 1994(1): 19-20. [本文引用:1]
[15] 魏中海, 王建勇, 景秀. 农作物产量综合预测的数学模型[J]. 湖北农业科学, 2005(2): 37-40. [本文引用:1]
[16] 袁卫, 庞皓, 曾五一, 等. 统计学[M]. 北京: 高等教育出版社, 2009. [本文引用:1]