基于氣候適宜度的河南省夏玉米產(chǎn)量預(yù)報研究

李樹巖， 余衛(wèi)東

(中國氣象局河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點實驗室，河南省氣象科學(xué)研究所，河南 鄭州 450003)

?

基于氣候適宜度的河南省夏玉米產(chǎn)量預(yù)報研究

李樹巖， 余衛(wèi)東

(中國氣象局河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點實驗室，河南省氣象科學(xué)研究所，河南 鄭州 450003)

從夏玉米不同發(fā)育階段所需的光、溫、水等生物學(xué)特性出發(fā)，構(gòu)建了河南省夏玉米氣候適宜度模型，計算了1980—2007年全省13個主產(chǎn)省轄市夏玉米生長季綜合氣候適宜度；根據(jù)各階段氣候適宜度與夏玉米產(chǎn)量的相關(guān)關(guān)系，建立了以旬為步長的夏玉米產(chǎn)量預(yù)報模型，并利用2008—2012年數(shù)據(jù)進(jìn)行預(yù)報檢驗。結(jié)果表明，氣候適宜度指數(shù)與夏玉米產(chǎn)量呈顯著正相關(guān)，氣候適宜度變化能較為客觀地反映夏玉米產(chǎn)量水平及其動態(tài)變化。1980—2007年各省轄市模型回代檢驗準(zhǔn)確率為87.5%～94.6%，全省平均為91.8%，2008—2012年各省轄市預(yù)報準(zhǔn)確率逐旬平均為92.3%～98.4%，全省平均為96.0%，能基本滿足農(nóng)業(yè)氣象業(yè)務(wù)服務(wù)需求。

氣候適宜度；產(chǎn)量預(yù)報；預(yù)報模型；夏玉米

夏玉米是河南省重要的糧食作物，其產(chǎn)量波動將直接影響全年糧食生產(chǎn)的穩(wěn)定性。夏玉米產(chǎn)量豐歉受氣候、土壤、品種和農(nóng)業(yè)生產(chǎn)技術(shù)水平等多種因素影響，其中溫度、降水、光照等氣象條件貫穿整個生長過程，是最主要的環(huán)境因素，因此實時跟蹤，定量評價各生育階段氣象條件對作物的影響，是農(nóng)業(yè)氣象系列化服務(wù)的重要內(nèi)容[1]。隨著社會經(jīng)濟的發(fā)展，農(nóng)業(yè)生產(chǎn)對農(nóng)業(yè)氣象產(chǎn)量預(yù)報的需求日益增加，準(zhǔn)確預(yù)報夏玉米產(chǎn)量變化，為農(nóng)業(yè)生產(chǎn)提供預(yù)測信息，對保障糧食安全和農(nóng)業(yè)發(fā)展具有重要意義。20世紀(jì)70年代末就開始了作物產(chǎn)量預(yù)報的研究和服務(wù)，取得了許多研究成果，建立了多種預(yù)報模式[2-5]。各模式多以統(tǒng)計方法為主，綜合了氣象、農(nóng)學(xué)、經(jīng)濟、遙感等多學(xué)科技術(shù)和方法[6]，取得了較好的預(yù)報效果，隨著作物模擬模型技術(shù)的發(fā)展，基于作物模型的產(chǎn)量預(yù)報方法也開始逐步應(yīng)用，但模型中部分所需實時數(shù)據(jù)在業(yè)務(wù)中仍難以獲得，參數(shù)的調(diào)整也較為困難[7,8]。近年來，氣候適宜度理論不斷發(fā)展和完善[9,10]，通過構(gòu)建光、溫、水綜合的氣候適宜度模型，開展作物產(chǎn)量預(yù)報的方法研究日趨成熟，魏瑞江等[11]通過計算河北省8個市夏玉米生育期內(nèi)逐旬氣候適宜度，建立了8個市夏玉米不同時段產(chǎn)量預(yù)報模型，試報準(zhǔn)確率滿足了業(yè)務(wù)服務(wù)需求。易雪等[12]將氣候適宜度指數(shù)在早稻產(chǎn)量動態(tài)預(yù)報上進(jìn)行了應(yīng)用。李曼華等[13]結(jié)合山東省小麥生理特性構(gòu)建適宜度模型，進(jìn)行冬小麥產(chǎn)量預(yù)報，單產(chǎn)預(yù)報準(zhǔn)確率在95%以上。劉偉昌等[14]建立了河南省冬小麥氣候適宜度模型，姜麗霞等[15]通過對玉米生長過程的干物質(zhì)累積曲線進(jìn)行逐時段的溫度和水分訂正，建立了黑龍江省玉米氣候產(chǎn)量的預(yù)測模式。但不論何種作物及產(chǎn)量預(yù)報方法，都有一定的區(qū)域針對性，不能將其他地區(qū)建立的預(yù)報模型照辦挪用，需根據(jù)本區(qū)域的氣候特點，綜合考慮光、溫、水氣象要素來構(gòu)建產(chǎn)量預(yù)報模型。夏玉米的生長發(fā)育和產(chǎn)量形成是一個動態(tài)變化的過程，需根據(jù)氣象條件變化進(jìn)行實時動態(tài)預(yù)報。因此，在前人研究的基礎(chǔ)上，本研究利用河南省夏玉米13個主產(chǎn)省轄市的產(chǎn)量資料和氣象資料，改進(jìn)氣候適宜度計算方法，構(gòu)建基于氣候適宜度的河南省夏玉米產(chǎn)量預(yù)報模型，實現(xiàn)逐旬滾動產(chǎn)量預(yù)報，全面、動態(tài)、客觀地揭示了夏玉米生產(chǎn)與氣象條件的關(guān)系，為糧食豐歉年景預(yù)測提供信息服務(wù)。

1 數(shù)據(jù)與方法

1.1 資料選取

根據(jù)河南省夏玉米播種面積及總產(chǎn)，確定安陽、焦作、開封、洛陽、新鄉(xiāng)、鄭州、漯河、許昌、平頂山、周口、商丘、南陽和駐馬店13個省轄市作為主產(chǎn)區(qū)代表市，這13個省轄市夏玉米播種面積占全省的95%以上，可以代表全省夏玉米生產(chǎn)情況。氣象資料為上述13個省轄市1980—2012年逐旬平均氣溫、旬降水量和旬日照時數(shù)。產(chǎn)量資料為相應(yīng)年份的夏玉米單產(chǎn)資料，來源于河南省統(tǒng)計年鑒。

1.2 氣象產(chǎn)量提取

一般來說，農(nóng)作物產(chǎn)量可分為3個部分，即趨勢產(chǎn)量、氣象產(chǎn)量和隨機“噪聲”，表示為：

Y=Yt+Yw+ε

(1)

式中：Y為作物歷年單產(chǎn)；Yt為趨勢產(chǎn)量；Yw為氣象產(chǎn)量；ε為隨機“噪聲”，一般忽略不計，故(1)式可簡化為：

Y=Yt+Yw

(2)

為消除各地產(chǎn)量水平的差異，重點考慮氣象條件對產(chǎn)量波動的影響，還需計算相對氣象產(chǎn)量Ywa，如式(3)

Ywa=(Y-Yt)/Yt

(3)

本研究采用三次多項式和直線滑動平均2種方法來進(jìn)行趨勢產(chǎn)量的模擬，并計算氣象產(chǎn)量。利用趨勢產(chǎn)量與實際產(chǎn)量的擬合系數(shù)，進(jìn)行2種模擬方法比較。

1.2.1 三次多項式模擬 三次多項式模擬的商丘市夏玉米趨勢產(chǎn)量見圖1。趨勢產(chǎn)量序列方程為：

商丘：Y=-0.041X3+4.586X2+19.49X+2 949

式中Y為趨勢產(chǎn)量，X是從1980—2010年的年代序數(shù)，根據(jù)方程可求得歷年的趨勢產(chǎn)量，同理建立其他省轄市的模擬方程。

圖1 三次多項式模擬趨勢產(chǎn)量Fig.1 The method to simulate the tendency yield by cubic polynomial model

1.2.2 直線滑動平均模擬 該方法將線性回歸模型與滑動平均相結(jié)合，將玉米產(chǎn)量的時間序列在某個階段內(nèi)的變化看做線性函數(shù)，呈一直線。隨著階段的連續(xù)滑動，直線不斷變換位置，后延滑動，從而反映產(chǎn)量歷史演變趨勢變化。依次求取各階段內(nèi)的直線回歸模型，而各時間點上各直線滑動回歸模擬值的平均即為其趨勢產(chǎn)量[16]。設(shè)某階段的線性趨勢方程為；

yi=ai+bit

(4)

式中:i為方程個數(shù)，i=n-K+1,K為滑動步長，n為樣本序列個數(shù)；t是時間序號。計算每個方程在t點上的函數(shù)值yi(t)，每個t點上分別有q個函數(shù)值，q的多少與n，K有關(guān)。本研究中n=30，K取11。然后求算每個t點上q個函數(shù)的平均值：

(5)

1.2.3 2種模擬方法比較 用2種方法計算的實際產(chǎn)量與趨勢產(chǎn)量做擬合效果分析(表1)，結(jié)果表明，二者的擬合效果差異不大，直線滑動平均方法擬合的相關(guān)系數(shù)全省平均為0.842，三次多項式方法為0.802，直線滑動平均方法稍好?？紤]計算的簡便性，本研究采用三次多項式方法計算氣象產(chǎn)量。

表1 直線滑動平均和三次多項式方法擬合系數(shù)比較Table 1 The fitting coefficients by the linear moving average model compared with cubic polynomial model

2 夏玉米氣候適宜度模型建立

2.1 溫度適宜度模型

玉米喜溫，整個生育期均需要較高的溫度，不同生育階段適宜溫度范圍不同，過低過高都會對生長產(chǎn)生抑制作用。根據(jù)馬樹慶等[17]的研究成果，建立溫度適宜度模型：

(6)

式中：F(tij)省轄市為各點第j年第i旬溫度適宜度；tij為各點第j年第i旬平均氣溫，tL,tH,t0分別為夏玉米第i旬所需的旬平均最低氣溫、旬平均最高氣溫和旬平均適宜氣溫。tL,tH,t0的確定分別參照河南省夏玉米產(chǎn)區(qū)各市的旬平均最低氣溫、旬平均最高氣溫和旬平均氣溫的歷年平均值以及夏玉米各發(fā)育期對溫度的需求, 見表2。

2.2 降水適宜度模型

夏玉米生長在高溫和蒸發(fā)量大的夏季，一生需水量多，且不同生育階段對水分要求不同。一般抽雄前10 d到抽雄后20 d為需水臨界期，降水不足將嚴(yán)重影響夏玉米產(chǎn)量；降水量過多亦會發(fā)生玉米澇漬及連陰雨災(zāi)害，尤其在玉米生長中后期，直接影響開花授粉及籽粒灌漿，造成減產(chǎn)[18]。因此根據(jù)夏玉米各生育階段需水量是否滿足[19]計算降水適宜度。

(7)

表2 氣候適宜度模型參數(shù)Table 2 The parameters of climate suitability model

注：E-表示1個月的前10 d，上旬；M-表示1個月中間10 d，中旬；L-表示1個月最后10 d，下旬；下同。

Note: E- is the first ten-day of a month. M- is the middle ten-day of a month. L- is last ten-day of a month. The same as below.

式中：△Wij為農(nóng)田水分盈虧值，ΔWij=Rij-Wij，Wij=Kc·Eij，Rij為第j年第i旬降水量，Wij為農(nóng)作物理論需水量，Kc為夏玉米作物系數(shù)，Eij為該時段潛在蒸散量用彭曼公式計算所得。

2.3 日照適宜度模型

玉米喜光怕陰，充足的日照能促進(jìn)玉米高產(chǎn)，夏玉米對光照最敏感的時段是雌穗分化期和開花吐絲期，如果此時光照不足，使玉米植株正常發(fā)育受阻或花絲、花粉活力降低造成空稈或結(jié)實不良。日照適宜度模型為：

(8)

2.4 綜合適宜度模型

2.4.1 逐旬綜合適宜度模型 旬綜合適宜度為光、溫、水各氣象要素適宜度加權(quán)求和所得。

F(Cij)省轄市=btiF(tij)省轄市+bRiF(Rij)省轄市+
bsiF(Sij)省轄市

(9)

式中：F(Cij)省轄市為第j年第i旬綜合適宜度;bti，bRi，bsi分別為各旬溫度，降水和日照的適宜度權(quán)重系數(shù);bti，bRi，bsi的確定方法為將每旬各氣象要素適宜度與相應(yīng)年份的氣象產(chǎn)量做相關(guān)分析。用各要素相關(guān)系數(shù)除以3個要素的相關(guān)系數(shù)絕對值之和。因此bti+bRi+bsi=1，確定方法如下。

(10)

式中：αti，αRi，αsi為分別為各旬溫度、降水和日照時數(shù)適宜度與相對氣象產(chǎn)量的相關(guān)系數(shù)；αci為各氣象要素相關(guān)系數(shù)絕對值之和。

2.4.2 全生育期綜合適宜度模型 河南夏玉米全生育期共12旬，將各旬綜合氣候適宜度與相應(yīng)年份氣象產(chǎn)量做相關(guān)分析，用各旬相關(guān)系數(shù)除以12旬相關(guān)系數(shù)絕對值之和，計算各旬氣候適宜度權(quán)重系數(shù)，然后累加計算全生育期氣候適宜度，如公式(11)

(11)

(12)

F(Cj)省轄市為各省轄市第j年夏玉米全生育期綜合適宜度，Ki為各旬適宜度權(quán)重系數(shù)，αi為各旬綜合氣候適宜度與氣象產(chǎn)量的相關(guān)系數(shù)，n為夏玉米全生育期總旬?dāng)?shù)，本研究n=12。

2.4.3 全省氣候適宜度模型 全省氣候適宜度由各省轄市氣候適宜度加權(quán)求和所得，見公式(13)～(17)。

他們在一起時總愛咬文嚼字，說些富有象征意義的暗語?！安祭侍睂λ馕吨∪?，對愛拉則是向人求助的女人。“你的文學(xué)午餐”是他用來指她不貞的說法，有時以風(fēng)趣的口吻說出，有時則一本正經(jīng)。（2014：204）

(13)

(14)

(15)

(16)

(17)

F(tij)省，F(xiàn)(Rij)省，F(xiàn)(Sij)省分別為第j年第i旬全省溫度、降水、日照適宜度。Qi為各省轄市適宜度影響權(quán)重系數(shù)，由各省轄市夏玉米播種面積除以13個省轄市播種面積之和所得。權(quán)重系數(shù)計算結(jié)果見表3，F(xiàn)(Cij)省為第j年第i旬全省綜合適宜度，F(xiàn)(Cj)省為第j年全省夏玉米全生育期綜合氣候適宜度。

表3 各省轄市種植面積權(quán)重系數(shù)Table 3 The weight coefficients in every city according to plant area

2.5 氣候適宜度模型檢驗

將13個省轄市1980—2007年氣候適宜度指數(shù)與對應(yīng)相對氣象產(chǎn)量做相關(guān)分析，如表4所示，除焦作市相關(guān)系數(shù)通過0.1顯著性檢驗外，其他省轄市均通過0.01的極顯著性檢驗，說明本研究建立的夏玉米氣候適宜度模型能較好地反映河南省氣候適宜性動態(tài)變化和產(chǎn)量增減趨勢，可以用來評價夏玉米生長適宜情況。結(jié)合各地的農(nóng)業(yè)基礎(chǔ)條件可知，焦作、新鄉(xiāng)等豫北地區(qū)灌溉條件較好，遇到干旱的年份可及時灌溉，一定程度上掩蓋了氣象條件對生產(chǎn)的影響，因此氣象產(chǎn)量與氣候適宜度的相關(guān)性較低。

2.6 夏玉米產(chǎn)量動態(tài)預(yù)報模型

河南夏玉米一般6月上旬播種，擬從7月中旬開始進(jìn)行逐旬滾動的預(yù)報模型，因此，計算6月上旬至相應(yīng)起報旬的累積適宜度指數(shù)，建立各起報旬累積適宜度指數(shù)與相對氣象產(chǎn)量的回歸方程，進(jìn)行夏玉米產(chǎn)量滾動預(yù)報，如表5所示。x為相應(yīng)起報時刻的累積適宜度指數(shù)，Y為預(yù)報所得相對氣象產(chǎn)量。對預(yù)報模型進(jìn)行F檢驗可知，除開封和周口7月中旬的預(yù)報方程未通過檢驗外，其他省轄市各旬產(chǎn)量預(yù)報方程具有顯著的統(tǒng)計意義，可用來預(yù)報夏玉米產(chǎn)量。

表4 氣候適宜度指數(shù)與氣象產(chǎn)量的相關(guān)性檢驗Table 4 The correlation test between climate suitability index and meteorological yield

表5 各起報時刻夏玉米產(chǎn)量預(yù)報擬合方程Table 5 The fitting equation of summer maize yield forecast in different forecasting date beginning

注：*和**分別代表0.05和0.01的顯著水平。

Note: * and ** mean the significance at 0.05 and 0.01 level respectively.

3 夏玉米產(chǎn)量預(yù)報模型的檢驗

計算夏玉米生育期內(nèi)綜合氣候適宜度，自7月中旬開始，進(jìn)行夏玉米氣象產(chǎn)量逐旬滾動預(yù)報。利用三次多項式擬合方法計算各省轄市趨勢產(chǎn)量，加上預(yù)報所得的相對氣象產(chǎn)量，獲得各地及全省的預(yù)報單產(chǎn)。預(yù)報產(chǎn)量與實際產(chǎn)量相比較，計算預(yù)報準(zhǔn)確率。

3.1 單產(chǎn)預(yù)報檢驗

3.1.1 單產(chǎn)預(yù)報回代檢驗 1980—2007年回代檢驗準(zhǔn)確率如表6所示，各省轄市旬平均回代檢驗準(zhǔn)確率在87.5%～94.6%，除駐馬店、南陽外，其他省轄市均在90%以上，其中安陽、焦作最高，回代檢驗準(zhǔn)確率分別為94.6%和94.0%。全省各旬平均回代檢驗準(zhǔn)確率在91.4%～92.0%(平均為91.8%)。

統(tǒng)計各省轄市回代準(zhǔn)確率在90%以上的年份，計算年份所占比例，如表7所示，全省約七成的年份預(yù)報準(zhǔn)確率在90%以上。各省轄市之間差異較大，其中駐馬店僅46.9%的年份回代檢驗準(zhǔn)確率在90%以上，其次開封、南陽和周口市也較低，回代檢驗準(zhǔn)確率在90%的年份小于70%，安陽最高為86.2%。各旬平均在71.6%～73.3%(全省平均為72.7%)

表6 1980—2007年回代檢驗準(zhǔn)確率Table 6 The accuracy rate of return test from 1980 to 2007

表7 1980—2007年回代檢驗準(zhǔn)確率大于90%的年份比例Table 7 The proportion of years when the accuracy rate of return test is greater than 90% from 1980 to 2007 %

3.1.2 單產(chǎn)試報檢驗 利用預(yù)報模型在2008—2012年產(chǎn)量預(yù)報中進(jìn)行應(yīng)用，預(yù)報準(zhǔn)確率如表8所示，各省轄市預(yù)報準(zhǔn)確率在92.3%～98.4%，除開封和駐馬店外，其他省轄市旬平均預(yù)報準(zhǔn)確率均>95%，鄭州最高為98.4%，全省平均為96.0%，基本能滿足業(yè)務(wù)服務(wù)的需求。

3.2 產(chǎn)量趨勢預(yù)報檢驗

根據(jù)當(dāng)年產(chǎn)量與上一年單產(chǎn)的增減情況進(jìn)行趨勢產(chǎn)量預(yù)報，如表9所示。結(jié)果表明，1980—2007年趨勢預(yù)報的回代準(zhǔn)確率為67%，除平頂山，許昌，周口3個省轄市較小外，其他省轄市均大于60%。2008—2012年趨勢預(yù)報準(zhǔn)確率平均約50%，5年中大部分省轄市只報對2年的增減趨勢，表明趨勢預(yù)報的準(zhǔn)確率還較低。

4 結(jié)論與討論

(1)從夏玉米不同發(fā)育階段上限溫度、最適溫度、下限溫度、需水量、需光性等生物學(xué)特性出發(fā)，參考前人研究方法，建立了河南省夏玉米氣候適宜度模型，并根據(jù)河南夏玉米生長特點對模型參數(shù)進(jìn)行修訂。通過氣候適宜度與對應(yīng)氣象產(chǎn)量相關(guān)分析，2者呈極顯著的正相關(guān)，表明氣候適宜度指數(shù)能較為客觀地反映夏玉米產(chǎn)量動態(tài)變化，可作為產(chǎn)量預(yù)報的驅(qū)動因子。

表8 2008—2012年產(chǎn)量預(yù)報準(zhǔn)確率Table 8 The accuracy rate of yield forecasting from 2008 to 2012 %

表9 產(chǎn)量趨勢預(yù)報檢驗Table 9 The test of tendency yield forecasting

(2)計算各省轄市氣候適宜度指數(shù)，自7月中旬起建立產(chǎn)量預(yù)報回歸模型，實現(xiàn)以旬為時間步長的產(chǎn)量動態(tài)預(yù)報。經(jīng)檢驗，各省轄市旬平均回代檢驗準(zhǔn)確率為87.5%～94.6%，全省平均91.8%；各省轄市預(yù)報準(zhǔn)確率為92.3%～98.4%，全省平均96.0%，能基本滿足業(yè)務(wù)服務(wù)需求。

(3)應(yīng)用基于氣候適宜度的產(chǎn)量預(yù)報模型能達(dá)到較高的預(yù)報準(zhǔn)確率，但模型未考慮到重大災(zāi)害天氣對產(chǎn)量的影響，個別年份模型預(yù)報準(zhǔn)確率很低，這是基于統(tǒng)計方法的產(chǎn)量預(yù)報模型較為共性的問題[20,21]，如2003年的周口、駐馬店、商丘、南陽等地，大范圍水澇災(zāi)害，當(dāng)年實際單產(chǎn)僅相當(dāng)于正常年份的20%～50%，預(yù)報準(zhǔn)確率較差。因此預(yù)報災(zāi)害對產(chǎn)量損失的影響的方法，還有待于進(jìn)一步探討。

(4)用當(dāng)年產(chǎn)量與上一年相比的增減進(jìn)行產(chǎn)量趨勢預(yù)報，趨勢回代及預(yù)報檢驗準(zhǔn)確率約50%～85%，準(zhǔn)確率較低。表明基于適宜度方法的產(chǎn)量預(yù)報模型對產(chǎn)量增減的預(yù)報不敏感，預(yù)報精度有待于提高。

[1] 陳懷亮，張雪芬. 玉米生產(chǎn)農(nóng)業(yè)氣象服務(wù)指南[M].北京:氣象出版社,1999.

[2] 王建林，楊霏云，宋迎波. 西北地區(qū)玉米產(chǎn)量動態(tài)業(yè)務(wù)預(yù)報方法探討[J]. 應(yīng)用氣象學(xué)報，2004, 15(1) : 51-57.

[3] 鄭昌玲, 楊霏云, 王建林, 等. 早稻產(chǎn)量動態(tài)預(yù)報模型[J].中國農(nóng)業(yè)氣象，2007, 28(4) : 412-416.

[4] 王建林，趙四強. 全國棉花產(chǎn)量預(yù)報模式[J]. 氣象，1990,16(5):26-30.

[5] 宋迎波，王建林，陳 暉,等. 中國油菜產(chǎn)量動態(tài)預(yù)報方法研究[J]. 氣象，2008,34(3):93-99.

[6] 錢 拴，王建林. 農(nóng)業(yè)氣象作物產(chǎn)量預(yù)報的特點與思考[J]. 氣象科技，2003 (5): 33-38.

[7] 黃晚華，薛昌穎，李忠輝. 基于作物生長模擬模型的產(chǎn)量預(yù)報方法研究進(jìn)展[J]. 中國農(nóng)業(yè)氣象，2009, 30(増1) : 140-143.

[8] 帥細(xì)強，王石立，馬玉平，等. 基于水稻生長模型的氣象影響評價和產(chǎn)量動態(tài)預(yù)測[J]. 應(yīng)用氣象學(xué)報，2008, 19(1):71-81.

[9] 趙 峰，千懷遂，焦士興. 農(nóng)作物氣候適宜度模型研究[J]. 資源科學(xué)，2003,25(6):75-82.

[10]冶明珠，郭建平，蔣躍林，等. 氣候變化對農(nóng)作物氣候適宜度影響研究進(jìn)展[J]. 安徽農(nóng)業(yè)科學(xué)，2011,39(15):9104-9105,9134.

[11]魏瑞江，宋迎波，王 鑫. 基于氣候適宜度的玉米產(chǎn)量動態(tài)預(yù)報方法[J]. 應(yīng)用氣象學(xué)報，2009,20(5):622-627.

[12]易 雪，王健林，宋應(yīng)波. 氣候適宜度指數(shù)在早稻產(chǎn)量動態(tài)預(yù)報上的應(yīng)用[J]. 氣象，2010, 36(6):85-89.

[13]李曼華，薛曉萍，李鴻怡. 基于氣候適宜度指數(shù)的山東省冬小麥產(chǎn)量動態(tài)預(yù)報[J]. 中國農(nóng)學(xué)通報，2012,28(12):291-295.

[14]劉偉昌，陳懷亮，余衛(wèi)東，等.基于氣候適宜度指數(shù)的冬小麥動態(tài)產(chǎn)量預(yù)報技術(shù)研究[J]. 氣象與環(huán)境科學(xué)，2008,31(2):21-24.

[15]姜麗霞，王育光，孫孟梅，等. 黑龍江省玉米產(chǎn)量預(yù)報模式的研究[J]. 中國農(nóng)業(yè)氣象，2004, 25(1) : 13-16.

[16]中國氣象局.QX/T 107—2009 小麥干旱災(zāi)害等級[S].北京：中國標(biāo)準(zhǔn)出版社，2007.

[17]馬樹慶. 吉林省農(nóng)業(yè)氣候研究[M]. 北京:氣象出版社，1994:33.

[18]孫景生，肖俊夫，段愛旺，等.夏玉米耗水規(guī)律及水分脅迫對其生長發(fā)育和產(chǎn)量的影響[J]. 玉米科學(xué)，1999,7(2):45-48.

[19]張 強，楊賢為，黃朝迎. 近30年氣候變化對黃土高原地區(qū)玉米生產(chǎn)潛力的影響[J]. 中國農(nóng)業(yè)氣象，1995,16(6) :19-24.

[20]鄭昌玲，王建林，宋迎波，等. 大豆產(chǎn)量動態(tài)預(yù)報模型研究[J]. 大豆科學(xué)，2008, 27(6):943-948.

[21]游 超，蔡元剛，張玉芳. 基于氣象適宜指數(shù)的四川盆地水稻氣象產(chǎn)量動態(tài)預(yù)報技術(shù)研究[J]. 高原山地氣象研究，2011,31(1):51-55.

(責(zé)任編輯：朱秀英)

Research of summer maize yield forecasting based on climate suitability in Henan

LI Shuyan, YU Weidong

(China Meteorological Administration, Key Laboratory of Agrometeorological Safeguard and Applied Technique in Henan Province, Henan Institute of Meteorological Sciences, Zhengzhou 450003, China)

The climate suitability model of summer maize in Henan was established based on the biological characteristics such as sunlight, temperature and water in different growth stages. The climate suitability of summer maize growing season in 13 cities in Henan was calculated from 1980 to 2007. According to the relationship between climate suitability and summer maize yield in different growth stages, the yield forecasting models by step of 10 days were established. At last the forecasting accuracy rates were tested using the data from 2008 to 2012. The results showed, there was a significant positive correlation between climate suitability and summer maize yield. The climate suitability could respond the level of summer maize yield and its dynamic change. From 1980 to 2007, the return test accuracy rates in every city were from 87.5% to 94.6%, with an average of 91.8%. From 2008 to 2012, the forecasting accuracy rates in every city were from 92.3 to 98.4%, with an average of 96.0%. It could meet basic needs for agro-meteorological operation and service.

climate suitability; yield forecast; forecast model; summer maize

1000-2340(2015)01-0027-08

2014-01-17

公益性行業(yè)(氣象)科研專項(GYHY201206022)

李樹巖(1979-)，女，河北唐山人，高級工程師，主要從事氣候資源利用與農(nóng)業(yè)減災(zāi)研究。

S 513

A