论文部分内容阅读
摘要 [目的]针对不同发育期时段建立一季稻产量趋势及定量预报方程。[方法]依据1981～2010年桐城市一季稻实产数据及全生育期对应时段的基本气象资料，利用直线滑动均值和调和权重法分离处理气象产量，引入气候适宜度模式，采用相关系数分析分时段筛选出桐城一季稻产量的气象影响因子，结合逐步回归方法建立预报方程。[结果]通过试报及检验，得出90%的年份相对误差值为-3%～3%，只有3个年份相对误差绝对值>3%，2011、2012年试报的相对误差分别为-1.1%、3.7%。[结论]首次将气候适宜度作为气象影响因子引入预报模式，使得预报结果更加精确，效果令人满意，完全满足业务化要求，可以业务使用，尤其可针对不同发育期时段适时开展为农服务工作，意义较大。
关键词 一季稻；产量预报；模式；桐城
中图分类号 S165 文献标识码 A 文章编号 0517-6611（2015）36-286-03
Abstract[Objective]The research aimed to establish the singleseason rice production trends and quantitative prediction equations for the different developmental stages.[Method]According to singleseason rice yield and the meteorological data of the corresponding period of the whole growth period in Tongcheng from 1981 to 2010，the meteorological output was separated by using linear sliding mean and harmonic weight.The introduction of climate suitability model，singleseason rice yield meteorological factor was screened in different time periods by correlation analysis，the prediction equations was established by stepwise regression method.[Result]Through trial and test report，the relative error of 90% years was -3% to 3%， only 3 years was >3%.And the relative errors of the 2011 and 2012 years was -1.1%， 3.7% respectively.[Conclusion]For the first time， the climate suitability was introduced into the forecast model， which made the forecasting results more precise and satisfactory. It can meet the requirements of the business and can be used in the business.
Key words Singleseason rice；Yield forecasting；Model；Tongcheng
一季稻主要分布在我国秦岭、淮河以北，长江流域北部以及四川盆地和云贵高原，是安徽省的主要粮食作物之一，占水稻种植总面积的70%以上[1]，在农业结构中占有很大比重。关于其产量形成及预报研究目前国内已有很多种模式方法[2-5]，如龙继锐[2]以节氮高效栽培为目标，采用大阳试验方式，开展了一系列超级杂交稻节氮增效栽培试验研究，主要研究超级杂交一季稻产量形成和氮肥施用之间的联系；钟楚等[3]则从一季稻不同熟性和品种以及农艺措施等方面着手，研究其产量形成与气象因子之间的联系；赵海燕等[4]通过水稻开花灌浆期气象要素与结实率和粒重的相关性分析来寻找产量形成的关键因子；研究最多的是以郑志广[6]为代表的从其生长的光温条件，结合不同生育期对产量形成的贡献率。但随着气象条件的区域性得到越来越多的关注，目前现有的产量预报模式已经达不到精细化以及业务服务的需求。气候适宜度的概念由张建军等[7]提出，得到了比较广泛的认可，那么其与作物产量的形成到底存不存在某种联系，能不能通过不同生育期的气候适宜度来预报其产量形成，以及基于气候适宜度的产量预报精度能不能满足实际的业务服务的需求，针对这些問题，笔者主要研究基于气候适宜度的一季稻产量预报方程，以安徽省桐城市为例，通过不同生育期阶段的气象条件分析，更有针对性地为农业生产提供指导意见，尽量减少或避免不利天气因子的影响，实现农民利益的最大化，更好地体现桐城作为气象为农服务“两个体系”试点县的职能作用。
1 资料与方法
1.1 资料来源
1981～2010年桐城市一季稻实产数据，取自桐城市统计局；
一季稻全生育期对应时段的基本气象资料，取自桐城市国家基准气候站；
模式所涉及技术指标等均来自《一季稻气象条件定量评价等级》地方标准[DB34][7]。
1.2 分析方法
采用直线滑动均值和调和权重法分离处理气象产量，引入气候适宜度模式，采用相关系数分析分时段筛选出桐城一季稻产量的气象影响因子，结合逐步回归分时段建立一季稻产量趋势及定量预报方程，依据作物产量预报模式Y=Yt+Ym还原得到定量预报值。
1.2.1 直线滑动均值法。 2.1.2 第2次产量趋势预报方程。此方程为
y′i=1.396+0.187X1+1.174 7X2-0.053 7X3-0.336 4X4+18.501 6X5-0.000 4X6，式中，y′i为第2次预测的相对气象产量趋势，i为对应的预测年份；X1代表第i年前一年的相对气象产量；X2代表当年第1次产量趋势预测值，即为上式中的yi值；X3代表当年6月下旬日照时数；X4代表当年6月降水日数；X5代表当年6月下旬气候适宜度；X6代表当年6月中旬～7月上旬降水量与7月上旬降水量的和再与6月降水日数+6月下旬降水日数的和的乘积。
分别计算该方程的全相关系数R=0.918，R0.01=0.641，R>R0.01；
标准误差σ=0.602，平均精度c=（1-|σ|100）×100%=99.4%；F=20.605，F0.01=3.710，F>F0.01。由此可见，该方程的回归效果很好。
2.1.3 定量产量预报方程。此方程为
y=0.271 8+0.101 4X1-0.723 7X2-0.001 4X3+0.089 3X4+0.812 7X5，式中，y为相对气象产量，i为对应预报年份，X1代表当年8月中旬平均降水量，X2代表当年8月上旬日最高气温>35 ℃的日数，X3代表当年7月上旬平均降水量的平方值，X4代表当年8月上旬日平均气温>30 ℃的日数平方值，X5代表当年第2次产量趋势预测值。 分别计算该方程的全相关系数
R=0.940，R0.01=0.641，R>R0.01；标准误差σ=0.506，平均精度c=（1-|σ|100）×100%=99.5%；F=36.588，F0.01=3.895，F>F0.01。由此可见，该方程的回归效果很好。
2.2 结果检验
2.2.1 预报等级检验。
通过定量预报相对气象产量，还原当年预测产量，对比实际产量作相对误差，结果发现，超过90%的年份相对误差值为-3%～3%，只有3个年份相对误差绝对值>3%（图2），参照《技术指导手册》趋势预报等级评分表，全部年份等级均在±1级，绝对正确率在95%以上，且增减产趋势预报100%符合，预报方程可信度很高，可以运用到实际业务中并为产量预报提供参考。
2.2.2 产量實况检验。
为了进一步检验模式的可信度，通过预测2011、2012年的一季稻产量，并与实况数据做对比分析。从表3可以看出，趋势预报历史回代效果良好，预报与实况误差不超过一级，完全正确率达70%，2011、2012年试报也比较令人满意；表4表明，定量预报平均相对误差为1.9%，其中90%的年份相对误差值为-3%～3%，只有3个年份相对误差绝对值>3%，2011、2012年试报的相对误差分别为-1.1%、3.7%，效果较好。
3 小结与讨论
（1）新研制的产量预报模式将气候适宜度作为气象影响因子引入模式，使预报结果更加的精确，为不同发育期适时开展为农服务工作提供更加科学的参考。
（2）通过2011、2012年的产量试报结果来看，无论是趋势预报还是定量预报，效果令人满意，完全满足业务化要求，可以业务使用。2013年的预报结果待检验。
（3）有个设想，就是采用动态30年数据参与模式拟合，这样每年的模式都是最新的，对下一年的预报准确度可以保证，缺点就是业务人员的工作量比较大，怎么实现最优化的模式研制还需要再一步的探讨。
参考文献
[1]张建军，马晓群，许莹.安徽省一季稻生长气候适宜性评价指标的建立与试用[J].气象，2013，39（1）：88-93.
[2]龙继锐.超级杂交稻节氮高效栽培生理生化特性及关键技术研究[D].长沙：湖南农业大学，2009.
[3]钟楚，朱颖墨，朱勇，等.云南不同类型一季稻产量形成及其与气象因子的关系[J].应用生态学报，2013，24（10）：2831-2842.
[4]赵海燕，姚凤梅，张勇，等.长江中下游水稻开花灌浆期气象要素与结实率和粒重的相关性分析[J].中国农业科学，2006，39（9）：1765-1771.
[5]杨沈斌，申双和，赵小燕，等.气候变化对长江中下游稻区水稻产量的影响[J].作物学报，2010，36（9）：1519-1528.
[6]郑志广.光温条件对水稻结实及干物质生产的影响[J].北京农学院学报，2003，18（1）：13-16.
[7]张建军，马晓群，陈晓艺，等.一季稻气象条件定量评价等级：DB34/T 1920-2013[S].安徽省质量技术监督局，2013.
关键词 一季稻；产量预报；模式；桐城
中图分类号 S165 文献标识码 A 文章编号 0517-6611（2015）36-286-03
Abstract[Objective]The research aimed to establish the singleseason rice production trends and quantitative prediction equations for the different developmental stages.[Method]According to singleseason rice yield and the meteorological data of the corresponding period of the whole growth period in Tongcheng from 1981 to 2010，the meteorological output was separated by using linear sliding mean and harmonic weight.The introduction of climate suitability model，singleseason rice yield meteorological factor was screened in different time periods by correlation analysis，the prediction equations was established by stepwise regression method.[Result]Through trial and test report，the relative error of 90% years was -3% to 3%， only 3 years was >3%.And the relative errors of the 2011 and 2012 years was -1.1%， 3.7% respectively.[Conclusion]For the first time， the climate suitability was introduced into the forecast model， which made the forecasting results more precise and satisfactory. It can meet the requirements of the business and can be used in the business.
Key words Singleseason rice；Yield forecasting；Model；Tongcheng
一季稻主要分布在我国秦岭、淮河以北，长江流域北部以及四川盆地和云贵高原，是安徽省的主要粮食作物之一，占水稻种植总面积的70%以上[1]，在农业结构中占有很大比重。关于其产量形成及预报研究目前国内已有很多种模式方法[2-5]，如龙继锐[2]以节氮高效栽培为目标，采用大阳试验方式，开展了一系列超级杂交稻节氮增效栽培试验研究，主要研究超级杂交一季稻产量形成和氮肥施用之间的联系；钟楚等[3]则从一季稻不同熟性和品种以及农艺措施等方面着手，研究其产量形成与气象因子之间的联系；赵海燕等[4]通过水稻开花灌浆期气象要素与结实率和粒重的相关性分析来寻找产量形成的关键因子；研究最多的是以郑志广[6]为代表的从其生长的光温条件，结合不同生育期对产量形成的贡献率。但随着气象条件的区域性得到越来越多的关注，目前现有的产量预报模式已经达不到精细化以及业务服务的需求。气候适宜度的概念由张建军等[7]提出，得到了比较广泛的认可，那么其与作物产量的形成到底存不存在某种联系，能不能通过不同生育期的气候适宜度来预报其产量形成，以及基于气候适宜度的产量预报精度能不能满足实际的业务服务的需求，针对这些問题，笔者主要研究基于气候适宜度的一季稻产量预报方程，以安徽省桐城市为例，通过不同生育期阶段的气象条件分析，更有针对性地为农业生产提供指导意见，尽量减少或避免不利天气因子的影响，实现农民利益的最大化，更好地体现桐城作为气象为农服务“两个体系”试点县的职能作用。
1 资料与方法
1.1 资料来源
1981～2010年桐城市一季稻实产数据，取自桐城市统计局；
一季稻全生育期对应时段的基本气象资料，取自桐城市国家基准气候站；
模式所涉及技术指标等均来自《一季稻气象条件定量评价等级》地方标准[DB34][7]。
1.2 分析方法
采用直线滑动均值和调和权重法分离处理气象产量，引入气候适宜度模式，采用相关系数分析分时段筛选出桐城一季稻产量的气象影响因子，结合逐步回归分时段建立一季稻产量趋势及定量预报方程，依据作物产量预报模式Y=Yt+Ym还原得到定量预报值。
1.2.1 直线滑动均值法。 2.1.2 第2次产量趋势预报方程。此方程为
y′i=1.396+0.187X1+1.174 7X2-0.053 7X3-0.336 4X4+18.501 6X5-0.000 4X6，式中，y′i为第2次预测的相对气象产量趋势，i为对应的预测年份；X1代表第i年前一年的相对气象产量；X2代表当年第1次产量趋势预测值，即为上式中的yi值；X3代表当年6月下旬日照时数；X4代表当年6月降水日数；X5代表当年6月下旬气候适宜度；X6代表当年6月中旬～7月上旬降水量与7月上旬降水量的和再与6月降水日数+6月下旬降水日数的和的乘积。
分别计算该方程的全相关系数R=0.918，R0.01=0.641，R>R0.01；
标准误差σ=0.602，平均精度c=（1-|σ|100）×100%=99.4%；F=20.605，F0.01=3.710，F>F0.01。由此可见，该方程的回归效果很好。
2.1.3 定量产量预报方程。此方程为
y=0.271 8+0.101 4X1-0.723 7X2-0.001 4X3+0.089 3X4+0.812 7X5，式中，y为相对气象产量，i为对应预报年份，X1代表当年8月中旬平均降水量，X2代表当年8月上旬日最高气温>35 ℃的日数，X3代表当年7月上旬平均降水量的平方值，X4代表当年8月上旬日平均气温>30 ℃的日数平方值，X5代表当年第2次产量趋势预测值。 分别计算该方程的全相关系数
R=0.940，R0.01=0.641，R>R0.01；标准误差σ=0.506，平均精度c=（1-|σ|100）×100%=99.5%；F=36.588，F0.01=3.895，F>F0.01。由此可见，该方程的回归效果很好。
2.2 结果检验
2.2.1 预报等级检验。
通过定量预报相对气象产量，还原当年预测产量，对比实际产量作相对误差，结果发现，超过90%的年份相对误差值为-3%～3%，只有3个年份相对误差绝对值>3%（图2），参照《技术指导手册》趋势预报等级评分表，全部年份等级均在±1级，绝对正确率在95%以上，且增减产趋势预报100%符合，预报方程可信度很高，可以运用到实际业务中并为产量预报提供参考。
2.2.2 产量實况检验。
为了进一步检验模式的可信度，通过预测2011、2012年的一季稻产量，并与实况数据做对比分析。从表3可以看出，趋势预报历史回代效果良好，预报与实况误差不超过一级，完全正确率达70%，2011、2012年试报也比较令人满意；表4表明，定量预报平均相对误差为1.9%，其中90%的年份相对误差值为-3%～3%，只有3个年份相对误差绝对值>3%，2011、2012年试报的相对误差分别为-1.1%、3.7%，效果较好。
3 小结与讨论
（1）新研制的产量预报模式将气候适宜度作为气象影响因子引入模式，使预报结果更加的精确，为不同发育期适时开展为农服务工作提供更加科学的参考。
（2）通过2011、2012年的产量试报结果来看，无论是趋势预报还是定量预报，效果令人满意，完全满足业务化要求，可以业务使用。2013年的预报结果待检验。
（3）有个设想，就是采用动态30年数据参与模式拟合，这样每年的模式都是最新的，对下一年的预报准确度可以保证，缺点就是业务人员的工作量比较大，怎么实现最优化的模式研制还需要再一步的探讨。
参考文献
[1]张建军，马晓群，许莹.安徽省一季稻生长气候适宜性评价指标的建立与试用[J].气象，2013，39（1）：88-93.
[2]龙继锐.超级杂交稻节氮高效栽培生理生化特性及关键技术研究[D].长沙：湖南农业大学，2009.
[3]钟楚，朱颖墨，朱勇，等.云南不同类型一季稻产量形成及其与气象因子的关系[J].应用生态学报，2013，24（10）：2831-2842.
[4]赵海燕，姚凤梅，张勇，等.长江中下游水稻开花灌浆期气象要素与结实率和粒重的相关性分析[J].中国农业科学，2006，39（9）：1765-1771.
[5]杨沈斌，申双和，赵小燕，等.气候变化对长江中下游稻区水稻产量的影响[J].作物学报，2010，36（9）：1519-1528.
[6]郑志广.光温条件对水稻结实及干物质生产的影响[J].北京农学院学报，2003，18（1）：13-16.
[7]张建军，马晓群，陈晓艺，等.一季稻气象条件定量评价等级：DB34/T 1920-2013[S].安徽省质量技术监督局，2013.