不同統(tǒng)計(jì)模型在冬小麥產(chǎn)量預(yù)報(bào)中的預(yù)報(bào)能力評估*——以江蘇麥區(qū)為例

徐 敏, 徐經(jīng)緯, 高 蘋, 宋迎波

(1.江蘇省氣候中心 南京 210008; 2.南京信息工程大學(xué)氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室/南京信息工程大學(xué) 氣象災(zāi)害預(yù)報(bào)預(yù)警與評估協(xié)同創(chuàng)新中心 南京 210044; 3.國家氣象中心 北京 100081)

產(chǎn)量預(yù)報(bào)一直備受農(nóng)業(yè)部門、糧食部門和政府決策部門的關(guān)注[1], 準(zhǔn)確的產(chǎn)量預(yù)報(bào)可大大提升國家戰(zhàn)略決策服務(wù)的水平和質(zhì)量, 使決策部門能夠及時(shí)了解和掌握作物產(chǎn)量動態(tài), 制定科學(xué)的宏觀調(diào)控政策, 合理安排調(diào)撥、貯運(yùn)、進(jìn)出口貿(mào)易及生產(chǎn)等, 對保障國家糧食安全具有重要意義。另外, 隨著糧食貿(mào)易的發(fā)展和農(nóng)業(yè)政策的調(diào)整, 農(nóng)業(yè)也逐漸受到資本市場的青睞, 尤其農(nóng)產(chǎn)品期貨貿(mào)易、農(nóng)作物保險(xiǎn)等機(jī)構(gòu)急需產(chǎn)量預(yù)報(bào)信息[2]。

從20 世紀(jì)70年代開始, 中國開始研究作物產(chǎn)量預(yù)報(bào)方法, 經(jīng)過40 多年的研究, 目前主要形成了4 種方法: 基于農(nóng)學(xué)的產(chǎn)量預(yù)報(bào)方法[3]、基于統(tǒng)計(jì)學(xué)的產(chǎn)量預(yù)報(bào)方法[4]、遙感估產(chǎn)法[5]、基于作物生長模型的產(chǎn)量預(yù)報(bào)法[6]。其中農(nóng)學(xué)方法具有直觀、機(jī)理性強(qiáng)的優(yōu)勢, 但農(nóng)學(xué)模式需要穗數(shù)、穗粒數(shù)、千粒重, 而這些要素的獲取依賴人工觀測, 成本高且觀測點(diǎn)偏少, 在實(shí)際應(yīng)用中具有較大的限制; 遙感技術(shù)可以大范圍地估產(chǎn), 但存在作物信息提取受云層覆蓋影響大, 以及作物種類識別精度有限等困難; 作物模型對作物生長機(jī)理考慮較全, 但參數(shù)校正難度大, 業(yè)務(wù)成熟應(yīng)用的調(diào)試時(shí)間長[7]。有些學(xué)者為了充分利用作物模型和遙感技術(shù)各自的優(yōu)勢, 嘗試將兩種方法相結(jié)合進(jìn)行產(chǎn)量預(yù)測, 但同樣存在業(yè)務(wù)成熟應(yīng)用調(diào)試時(shí)間長的問題[8]。目前在氣象部門應(yīng)用較為成熟的主要還是基于統(tǒng)計(jì)學(xué)的產(chǎn)量預(yù)報(bào)法, 作物產(chǎn)量的形成除了受品種、生產(chǎn)力水平等影響外, 與外界生態(tài)環(huán)境因子有著密切關(guān)系, 氣象條件是外界生態(tài)環(huán)境中最主要的因素, 因此充分應(yīng)用近幾十年氣象條件與產(chǎn)量之間的關(guān)系, 通過數(shù)理統(tǒng)計(jì)方法建立產(chǎn)量預(yù)測模型, 具體為基于作物歷史豐歉相似年、關(guān)鍵氣象因子、氣候適宜度的統(tǒng)計(jì)學(xué)預(yù)報(bào)方法, 這些方法已應(yīng)用于黑龍江[9]、吉林[10]、河南[11]等省的作物產(chǎn)量預(yù)報(bào)中。這3 種方法具有不同的優(yōu)缺點(diǎn)[12], 歷史豐歉相似年法計(jì)算相對比較簡單, 能夠客觀定量地預(yù)報(bào)出氣象條件對作物產(chǎn)量豐歉的影響, 并且解決了傳統(tǒng)統(tǒng)計(jì)方法在短時(shí)間內(nèi)篩選因子困難的問題, 缺點(diǎn)是沒有考慮冬小麥生長發(fā)育過程中的生理生態(tài)過程, 同時(shí)也很難找到真正相似的年份, 所以預(yù)報(bào)結(jié)果有一定的局限性和不穩(wěn)定性; 關(guān)鍵氣象因子法的優(yōu)點(diǎn)是考慮了冬小麥生長發(fā)育期內(nèi)關(guān)鍵時(shí)段氣象因子對氣象產(chǎn)量的影響, 但也只考慮了溫度、降水、日照的影響, 并未考慮土壤水分等因子的影響; 氣候適宜度法充分考慮了冬小麥的生物學(xué)特性, 從生長發(fā)育所需的上下限溫度、最適溫度、需光性、需水量等方面, 建立氣候適宜度與氣象產(chǎn)量之間的關(guān)系模型, 預(yù)報(bào)準(zhǔn)確率普遍較高, 但在趨勢預(yù)報(bào)上具有一定的不穩(wěn)定性。

在實(shí)際應(yīng)用中發(fā)現(xiàn), 不同的預(yù)報(bào)方法對不同區(qū)域作物產(chǎn)量的預(yù)報(bào)結(jié)果存在差異, 如何優(yōu)選出適合本省的產(chǎn)量預(yù)報(bào)模型非常關(guān)鍵。邱美娟等[13]對豐歉相似年中加權(quán)法與大概率法在吉林春玉米(Zea mays)產(chǎn)量預(yù)報(bào)中的效果做了比較, 研究表明加權(quán)法預(yù)報(bào)效果好于大概率法; 王賀然等[14]對關(guān)鍵氣象因子和氣候適宜度兩種預(yù)報(bào)方法在遼寧大豆(Glycine max)產(chǎn)量預(yù)報(bào)中的預(yù)報(bào)效果進(jìn)行了對比分析, 結(jié)果表明進(jìn)行大豆產(chǎn)量趨勢預(yù)報(bào)時(shí), 可以優(yōu)先考慮關(guān)鍵氣象因子預(yù)報(bào)模型, 在未出現(xiàn)重大氣象災(zāi)害的正常年份, 可以賦予氣候適宜度預(yù)報(bào)模型更多權(quán)重。目前, 對豐歉相似年中加權(quán)法和大概率法、關(guān)鍵氣象因子法、氣候適宜度法同時(shí)進(jìn)行比較的研究還少見報(bào)道; 另外, 也未考慮不同氣象產(chǎn)量分離方法對產(chǎn)量預(yù)報(bào)模型精度的影響。

為此, 本研究以江蘇省冬小麥(Triticum aestivum)為例, 考慮線性分離、差值百分率、5年滑動平均、3年滑動平均、二次曲線等5 種產(chǎn)量分離法, 利用豐歉相似年法、關(guān)鍵氣象因子法、氣候適宜度法等3類產(chǎn)量預(yù)報(bào)方法, 通過不同組合, 建立不同的產(chǎn)量預(yù)報(bào)模型, 計(jì)算各模型的模擬準(zhǔn)確率、模擬單產(chǎn)與實(shí)際單產(chǎn)的相關(guān)系數(shù), 進(jìn)行擬合檢驗(yàn)和試報(bào)檢驗(yàn), 篩選出3 類方法中的最優(yōu)模型, 并通過最優(yōu)模型加權(quán)集成, 擬進(jìn)一步提高預(yù)報(bào)準(zhǔn)確率。研究結(jié)果可為江蘇省小麥單產(chǎn)的動態(tài)、定量預(yù)報(bào)和模型優(yōu)選提供科學(xué)依據(jù)。

1 資料與方法

1.1 研究區(qū)概況

江蘇省地處長江三角洲地區(qū), 全省境內(nèi)除北部邊緣、西南邊緣為丘陵山地, 地勢較高以外, 其余則自北向南為黃淮平原、江淮平原、濱海平原和長江三角洲共同組成的平坦大平原, 是經(jīng)濟(jì)大省, 同時(shí)也是糧食大省。小麥?zhǔn)墙K省第二大糧食作物, 僅次于水稻(Oryza sativa), 近10年江蘇省小麥種植面積維持在2.1×106hm2左右, 播種面積居全國第4 位、產(chǎn)量排第5 位, 對中國小麥產(chǎn)業(yè)至關(guān)重要。江蘇省處于北亞熱帶與暖溫帶的過渡氣候帶, 具有明顯的季風(fēng)特征, 四季分明、雨熱同季、雨量集中、光照充足, 其中江蘇的沿江、沿海及丘陵地區(qū), 土壤以高沙土為主, 氣候濕潤, 在小麥灌漿期降雨偏多, 土壤保肥能力差, 有利于小麥低蛋白和弱筋形成。憑借獨(dú)特的土壤、氣候等生態(tài)條件, 江蘇被列為弱筋小麥優(yōu)勢產(chǎn)區(qū), 是全國最大的弱筋小麥主產(chǎn)省份, 全國50%以上優(yōu)質(zhì)弱筋小麥依賴于江蘇, 特別受廣東、福建、浙江等南方加工企業(yè)的青睞。

1.2 數(shù)據(jù)資料

1)氣象資料: 選用1993—2018年江蘇省69 個(gè)基本氣象觀測站點(diǎn)逐日最高氣溫、最低氣溫、平均氣溫、降水量、日照時(shí)數(shù)、高溫日數(shù)、低溫日數(shù)、降雨日數(shù)、大雨日數(shù)、可照時(shí)數(shù)(根據(jù)各站點(diǎn)經(jīng)緯度計(jì)算得出)、20 cm 土壤相對濕度, 來自于江蘇省氣象局。用于尋找氣象條件類似的相似年、確定影響氣象產(chǎn)量的關(guān)鍵氣象因子和構(gòu)建綜合氣候適宜度。

2)小麥產(chǎn)量資料: 選用1993—2018年江蘇全省和13 個(gè)地級市小麥單產(chǎn)、種植面積, 來自于江蘇省統(tǒng)計(jì)局。作為單產(chǎn)統(tǒng)計(jì)預(yù)報(bào)模型中的目標(biāo)因子, 產(chǎn)量資料用于模型的構(gòu)建和驗(yàn)證。

3)小麥生育期資料: 選用1993—2018年昆山、沭陽、大豐、如皋、興化、淮安、盱眙、濱海、贛榆、徐州等10 個(gè)農(nóng)業(yè)氣象觀測站的小麥播種、出苗、三葉、分蘗、拔節(jié)、孕穗、抽穗、開花、成熟等生育期的普遍期, 來自于江蘇省氣象局《作物生長發(fā)育狀況記錄年報(bào)表》。

1.3 研究方法

1.3.1 氣象產(chǎn)量分離法

產(chǎn)量主要受社會因素和氣象條件的影響, 因此可分解為隨生產(chǎn)力變化的趨勢產(chǎn)量和隨氣象條件變化的氣象產(chǎn)量。社會因素主要表現(xiàn)為農(nóng)業(yè)技術(shù)的進(jìn)步、生產(chǎn)資料的投入、惠農(nóng)政策的實(shí)施、農(nóng)藥施肥灌溉方法的改進(jìn)等, 由生產(chǎn)力提升引起的小麥產(chǎn)量變化稱之為趨勢產(chǎn)量。氣象條件存在年際差異且年內(nèi)若出現(xiàn)明顯的農(nóng)業(yè)氣象災(zāi)害則氣象產(chǎn)量波動會比較大。文中為了比較不同產(chǎn)量分離方法對預(yù)報(bào)模型準(zhǔn)確率的影響, 采用了5 種產(chǎn)量分離方法[15-17]: 線性分離法(簡稱為L)、差值百分率分離法(簡稱為D)、5年滑動平均分離法(簡稱為M5)、3年滑動平均分離法(簡稱為M3)和二次曲線分離法(簡稱為Q)。

1.3.2 單產(chǎn)預(yù)報(bào)方法

1)基于豐歉相似年的單產(chǎn)預(yù)報(bào)法: 計(jì)算作物播種后的積溫(≥0 ℃)、標(biāo)準(zhǔn)化降水量、累積日照時(shí)數(shù), 通過找尋預(yù)報(bào)年氣象要素與歷史年氣象要素最相似的年份, 預(yù)測預(yù)報(bào)年的單產(chǎn)變化情況。相似年的確定方法見公式(1)-(2):

式中:ikr 、ikd 分別為某氣象要素預(yù)報(bào)年和歷史上任意一年的相關(guān)系數(shù)與歐氏距離; k 為預(yù)報(bào)年, i 為歷史上的任意年;ikX 為判定相似年的指標(biāo), 該值越大表明預(yù)報(bào)年與這一年的氣象條件越相似, 單產(chǎn)變化也越接近;kjx 為預(yù)報(bào)年冬小麥播種至發(fā)布預(yù)報(bào)時(shí)的第j 個(gè)氣象要素;ijx 為歷史上任意一年同一時(shí)段同類氣象要素; j 為某氣象要素序號, N 為樣本長度。為了減小預(yù)報(bào)誤差, 在積溫、標(biāo)準(zhǔn)化降水量、累積日照時(shí)數(shù)3 個(gè)因子中分別選取排在前3 位的歷史相似年, 共得到9 個(gè)相似年, 分別采用大概率法和加權(quán)法[13]最終確定預(yù)報(bào)年的單產(chǎn)變化。

2)基于關(guān)鍵氣象因子的單產(chǎn)預(yù)報(bào)法: 根據(jù)冬小麥生長期內(nèi)各時(shí)段不同氣象因子(歸一化處理后的平均氣溫、日平均氣溫≥0 ℃的積溫、日最高氣溫≥30 ℃的日數(shù)、日最低氣溫≤0 ℃的日數(shù)、降水量、降雨日數(shù)、日降水量為25.0～49.9 mm 的大雨日數(shù)、可照時(shí)數(shù))與氣象產(chǎn)量(5 種分離方法下的氣象產(chǎn)量)之間的相關(guān)系數(shù), 并結(jié)合冬小麥的生物學(xué)特性, 確定影響產(chǎn)量形成的關(guān)鍵氣象因子, 并將溫度類、降水類、日照類3 類因子進(jìn)行加權(quán)綜合, 通過綜合關(guān)鍵氣象因子與氣象產(chǎn)量的關(guān)系, 建立線性回歸模型。綜合關(guān)鍵氣象因子計(jì)算公式為:

式中: M 為選定時(shí)段內(nèi)同類關(guān)鍵氣象因子的綜合值, R 為選定時(shí)段內(nèi)某個(gè)關(guān)鍵氣象因子與氣象產(chǎn)量的相關(guān)系數(shù), E 為選定時(shí)段內(nèi)同類關(guān)鍵氣象因子進(jìn)行歸一化后的要素值。

3)基于氣候適宜度的單產(chǎn)預(yù)報(bào)法: 利用冬小麥生育期內(nèi)氣溫、日照時(shí)數(shù)、降水量和20 cm 土壤相對濕度, 從江蘇省冬小麥生長發(fā)育的上限溫度、最適溫度、下限溫度、需水量、需光性等生物學(xué)特性出發(fā), 建立不同生育階段的旬溫度適宜度、降水適宜度、日照適宜度, 并將三者進(jìn)行綜合, 建立綜合氣候適宜度[18-19], 利用綜合氣候適宜度分別與5 種分離方法下的氣象產(chǎn)量之間的關(guān)系, 建立線性回歸方程。綜合氣候適宜度的計(jì)算公式如下:

式中: S 為旬綜合氣候適宜度,tS 、pS 、sS 分別為溫度適宜度、降水適宜度和日照適宜度, 具體計(jì)算公式見文獻(xiàn)[20]。

1.3.3 不同單產(chǎn)預(yù)報(bào)模型模擬能力評估思路

首先利用1993—2013年的樣本資料, 對3 類單產(chǎn)預(yù)報(bào)模型進(jìn)行擬合對比檢驗(yàn), 由于采用了5 種產(chǎn)量分離方法以及豐歉相似年法中又分為加權(quán)法(W)和大概率法(A), 因此一共有12 種預(yù)報(bào)模型, 分別為: 豐歉相似年加權(quán)法、豐歉相似年大概率法、關(guān)鍵氣象因子-線性法(簡稱為關(guān)鍵L, 以下同)、關(guān)鍵氣象因子-差值百分率法(關(guān)鍵D)、關(guān)鍵氣象因子-5年滑動平均法(關(guān)鍵M5)、關(guān)鍵氣象因子-3年滑動平均法(關(guān)鍵M3)、關(guān)鍵氣象因子-二次曲線法(關(guān)鍵Q)、氣候適宜度-線性法(氣候適宜L)、氣候適宜度-差值百分率法(氣候適宜D)、氣候適宜度-5年滑動平均法(氣候適宜M5)、氣候適宜度-3年滑動平均法(氣候適宜M3)、氣候適宜度-二次曲線法(氣候適宜Q)。

通過對比這12 種冬小麥單產(chǎn)預(yù)報(bào)模型模擬值的準(zhǔn)確率、正確率及與實(shí)際單產(chǎn)的相關(guān)系數(shù), 篩選出3 類預(yù)報(bào)方法中3 個(gè)相對最優(yōu)預(yù)報(bào)模型; 其次按照預(yù)報(bào)性能確定這3 個(gè)最優(yōu)模型的權(quán)重, 按權(quán)重對3個(gè)最優(yōu)模型的預(yù)報(bào)結(jié)果進(jìn)行相加, 得到最終的最優(yōu)模型綜合集成預(yù)報(bào)結(jié)果; 最后利用2014—2018年的資料進(jìn)行試報(bào)檢驗(yàn), 主要是對擬合檢驗(yàn)中得出的3種最優(yōu)預(yù)報(bào)模型和綜合集成模型進(jìn)行試報(bào)。另外, 所建立的統(tǒng)計(jì)預(yù)報(bào)模型均為動態(tài)預(yù)報(bào)模型, 因此為了比較不同起報(bào)時(shí)間對模型模擬性能的影響差異, 在擬合檢驗(yàn)和試報(bào)檢驗(yàn)時(shí)均選取了不同的起報(bào)時(shí)間, 考慮到江蘇省冬小麥通常5月下旬開始收獲, 因此選取4月10日和5月10日兩種起報(bào)時(shí)間。

預(yù)報(bào)模型的平均準(zhǔn)確率計(jì)算公式為:

式中: AR 是平均準(zhǔn)確率, Yi是某年的單產(chǎn)模擬值, Yia是某年的單產(chǎn)實(shí)際值, i 為擬合年中的年份序號, N 為擬合檢驗(yàn)的樣本長度(1993—2013年的樣本長度為21年)。

預(yù)報(bào)模型的正確率是指預(yù)報(bào)年和上年實(shí)際單產(chǎn)的增減符號與實(shí)際單產(chǎn)和上年實(shí)際單產(chǎn)的增減符號一致, 則為正確, 反之錯(cuò)誤。正確率計(jì)算公式為:

式中: CR 為正確率, C 為1993—2013年中預(yù)報(bào)年單產(chǎn)增減符號與實(shí)際單產(chǎn)增減符號一致的總次數(shù), N 為21。

綜合模型(即最優(yōu)模型集成)計(jì)算公式為:

式中: Z 是綜合集成模型某年單產(chǎn)預(yù)報(bào)值,1Y 、2Y 、3Y 分別為基于豐歉相似年預(yù)報(bào)模型的最優(yōu)預(yù)報(bào)值、基于關(guān)鍵氣象因子預(yù)報(bào)模型的最優(yōu)預(yù)報(bào)值和基于氣候適宜度預(yù)報(bào)模型的最優(yōu)預(yù)報(bào)值, a、b、c 分別為該 3 類模型最優(yōu)預(yù)報(bào)值的權(quán)重, 權(quán)重通過準(zhǔn)確率、正確率及與實(shí)際單產(chǎn)相關(guān)系數(shù)進(jìn)行綜合排序確定, 文中按照專家經(jīng)驗(yàn), 排在第1 位權(quán)重賦值0.5、第2 位賦值0.3、第3 位賦值0.2。

2 結(jié)果與分析

2.1 擬合檢驗(yàn)與模型優(yōu)選

12 種冬小麥單產(chǎn)預(yù)報(bào)模型擬合結(jié)果表明(圖1): 1993—2013年4月10日和5月10日兩種起報(bào)時(shí)間下, 12 種單產(chǎn)預(yù)報(bào)模型均模擬出江蘇全省冬小麥單產(chǎn)的年際總體變化特征, 2003年之前單產(chǎn)呈波動變化, 2003年之后單產(chǎn)穩(wěn)步上升。各預(yù)報(bào)模型的模擬值與實(shí)際值存在不同程度的數(shù)值差異, 尤其對于異常高值年或低值年的模擬, 各模型間的差異較大, 1998年為近21年單產(chǎn)最低值, 除豐歉相似年加權(quán)和豐歉相似年大概率模型以外, 其余10 種模型均準(zhǔn)確模擬出了1997—1999年間的“漏斗”型變化特征, 而豐歉相似年加權(quán)和大概率模型模擬出的最低值年出現(xiàn)在1999年, 2000年為高值年, 均比實(shí)際年份向后“漂移”了1年, 這種誤差與該預(yù)報(bào)方法本身有關(guān)。對比不同起報(bào)時(shí)間的模擬差異發(fā)現(xiàn), 4月10日(圖1a)和5月10日(圖1b)起報(bào)的模擬值年際變化基本一致, 僅變化幅度存在一定差異。

為篩選出豐歉相似年法、關(guān)鍵氣象因子法、氣候適宜度法中最優(yōu)的預(yù)報(bào)模型, 比較分析了各模型的準(zhǔn)確率、正確率、相關(guān)系數(shù)。圖2a 為各模型的擬合準(zhǔn)確率, 1993—2013年4月10日和5月10日兩種起報(bào)時(shí)間下, 豐歉相似年法2 種預(yù)報(bào)模型的準(zhǔn)確率范圍為87.83%～91.46%(平均89.67%), 關(guān)鍵氣象因子法 5 種預(yù)報(bào)模型的準(zhǔn)確率范圍為 94.07%～ 95.71%(平均94.86%), 氣候適宜度法5 種預(yù)報(bào)模型的準(zhǔn)確率范圍為93.06%～96.17%(平均94.96%)。因此, 擬合準(zhǔn)確率總體排序?yàn)闅夂蜻m宜度法＞關(guān)鍵氣象因子法＞豐歉相似年法, 關(guān)鍵氣象因子法和氣候適宜度法的5 種預(yù)報(bào)模型準(zhǔn)確率均明顯高于豐歉相似年加權(quán)法和豐歉相似年大概率法的預(yù)報(bào)準(zhǔn)確率; 同類方法中不同預(yù)報(bào)模型進(jìn)行比較, 豐歉相似年法中加權(quán)模型準(zhǔn)確率高于大概率模型, 關(guān)鍵氣象因子法和氣候適宜度法中均是二次曲線分離模型準(zhǔn)確率最高、線性分離模型準(zhǔn)確率位列第二。對12 種模型準(zhǔn)確率全部進(jìn)行比較, 則是氣候適宜度法中二次曲線分離模 型的準(zhǔn)確率最高, 豐歉相似年法大概率模型的準(zhǔn)確率最低; 4月10日和5月10日起報(bào)的12 種預(yù)報(bào)模型的平均準(zhǔn)確率分別為93.98%、94.09%, 說明越接近冬小麥成熟期, 預(yù)報(bào)因子信息越全面, 預(yù)報(bào)模型準(zhǔn)確率越高。

圖1 1993—2013年江蘇省12 種冬小麥單產(chǎn)預(yù)報(bào)模型歷史模擬值與實(shí)際值 (a: 起報(bào)時(shí)間4月10日; b: 起報(bào)時(shí)間5月10日)Fig.1 Winter wheat yield simulated by 12 yield prediction models and actual yield in Jiangsu Province from 1993 to 2013(a: starting time is April 10; b: starting time is May 10)

圖2b 為各模型的擬合正確率, 1993—2013年4月10日和5月10日兩種起報(bào)時(shí)間下, 豐歉相似年法預(yù)報(bào)模型的正確率范圍為 28.57%～42.86%(平均36.9%), 關(guān)鍵氣象因子法5 種預(yù)報(bào)模型的正確率范圍是47.62%～66.67%(平均59.52%), 氣候適宜度法5種預(yù)報(bào)模型的正確率范圍是 57.14%～85.71%(平均75.24%), 擬合正確率總體排序?yàn)闅夂蜻m宜度法＞關(guān)鍵氣象因子法＞豐歉相似年法, 關(guān)鍵氣象因子法和氣候適宜度法的5 種預(yù)報(bào)模型正確率均明顯高于豐歉相似年加權(quán)法和豐歉相似年大概率法的預(yù)報(bào)正確率。同類方法中不同預(yù)報(bào)模型進(jìn)行比較, 豐歉相似年法中加權(quán)模型正確率高于大概率模型, 關(guān)鍵氣象因子法二次曲線分離模型正確率最高、線性分離模型正確率位列第二, 氣候適宜度法5年滑動平均模型正確率最高、二次曲線和線性分離模型正確率并列第二。12 種模型正確率全部進(jìn)行比較, 則是氣候適宜度法中5年滑動平均分離模型的正確率最高, 豐歉相似年法大概率模型的正確率最低。兩種起報(bào)時(shí)間下的平均正確率均為62.3%。正確率數(shù)值明顯小于準(zhǔn)確率數(shù)值, 說明所建立的預(yù)報(bào)模型對單產(chǎn)的模擬精度還有待進(jìn)一步改進(jìn)。

圖2 1993—2013年江蘇省冬小麥12 種單產(chǎn)預(yù)報(bào)模型的歷史擬合平均準(zhǔn)確率(a)和單產(chǎn)增減正確率(b)Fig.2 Average accuracy of yield fitting (a)and average accuracy of yield increase and decrease (b)calculated by 12 yield prediction models in Jiangsu Province from 1993 to 2013

圖3 1993—2013年江蘇省冬小麥12 種單產(chǎn)預(yù)報(bào)模型歷史模擬值與實(shí)際值的泰勒圖 Fig.3 Taylor diagrams for wheat yield between the observations and simulation by 12 yield prediction models in Jiangsu Province from 1993 to 2013

泰勒圖能夠?qū)?shí)際值和模擬值的相關(guān)系數(shù)、標(biāo)準(zhǔn)差放在一張極坐標(biāo)中, 可直觀且較全面地評估多個(gè)模型的模擬能力和差異[21], 當(dāng)模擬值與實(shí)際值之間的距離越近時(shí), 代表該模型的模擬能力越強(qiáng)。圖3給出了江蘇省冬小麥單產(chǎn)的泰勒圖, 圖中黑色五角星為實(shí)際單產(chǎn), 12 種不同顏色的圓點(diǎn)為12 種預(yù)報(bào)模 型。1993—2013年4月10日和5月10日兩種起報(bào)時(shí)間下, 除了豐歉相似年加權(quán)模型和大概率模型離實(shí)際值較遠(yuǎn)外, 其余10 個(gè)預(yù)報(bào)模型相對比較集中, 與觀測值的標(biāo)準(zhǔn)差為0.5～0.9, 其中氣候適宜度和關(guān)鍵氣象因子的二次曲線分離、線性分離法離實(shí)際值的距離最近, 與觀測值的標(biāo)準(zhǔn)差在0.5 左右, 說明這4 種模型的模擬能力較強(qiáng)。從模擬值與觀測值的相關(guān)系數(shù)來看, 豐歉相似年法預(yù)報(bào)模型的相關(guān)系數(shù)范圍是0.263～0.348(平均0.322), 關(guān)鍵氣象因子法5 種預(yù)報(bào)模型的相關(guān)系數(shù)范圍是0.778～0.887(平均0.828), 氣候適宜度法 5 種預(yù)報(bào)模型的相關(guān)系數(shù)范圍是0.666～0.901(平均0.807), 關(guān)鍵氣象因子法和氣候適宜度法的5 種預(yù)報(bào)模型模擬值與實(shí)際值的相關(guān)系數(shù)均通過了P＜0.001 的顯著性檢驗(yàn), 明顯高于豐歉相似年法2 種預(yù)報(bào)模型的相關(guān)系數(shù)。關(guān)鍵氣象因子法和氣候適宜度法中均是二次曲線分離模型相關(guān)系數(shù)最高、線性分離模型位列第二; 12 種模型正確率全部進(jìn)行比較, 則是氣候適宜度法中二次曲線分離模型的相關(guān)系數(shù)最高, 豐歉相似年法大概率模型的相關(guān)系數(shù)最低。比較4月10日和5月10日兩種起報(bào)時(shí)間下的12 種預(yù)報(bào)模型與實(shí)際值的距離總體相當(dāng), 平均相關(guān)系數(shù)分別是0.732、0.737, 5月10 起報(bào)的模擬效果略好于4月10日起報(bào)的。

由此可見, 經(jīng)過21年的歷史擬合檢驗(yàn), 綜合考慮準(zhǔn)確率、正確率的排序與泰勒圖, 得到3 類方 法中最優(yōu)預(yù)報(bào)模型分別是: 豐歉加權(quán)模型、關(guān)鍵氣象因子二次曲線分離模型和氣候適宜度二次曲線分離模型。

2.2 最優(yōu)模型集成與試報(bào)檢驗(yàn)

利用2014—2018年的資料對12 種預(yù)報(bào)模型進(jìn)行試報(bào)檢驗(yàn), 依舊發(fā)現(xiàn)豐歉相似法加權(quán)模型、關(guān)鍵氣象因子二次曲線分離模型、氣候適宜度二次曲線分離模型的準(zhǔn)確率總體高于其他模型, 正確率差異較小, 因此采用這3 種最優(yōu)模型進(jìn)行集成, 目的是減小各模型的預(yù)報(bào)隨機(jī)誤差, 增強(qiáng)預(yù)報(bào)值的穩(wěn)定性。

由表1 可知, 4月10日為起報(bào)時(shí)間, 3 種模型中, 2014年和2016年氣候適宜度二次曲線分離模型準(zhǔn)確率排第一位, 2017年和2018年豐歉加權(quán)模型準(zhǔn)確率排第一位, 2015年關(guān)鍵氣象因子二次曲線分離模型準(zhǔn)確率排第一位。5月10日為起報(bào)時(shí)間, 3 種模型中, 2014—2016年和2018年均是氣候適宜度二次曲線分離模型準(zhǔn)確率排第一位, 2017年豐歉加權(quán)模型準(zhǔn)確率排第一位。兩種起報(bào)時(shí)間下, 按照權(quán)重進(jìn)行最優(yōu)模型集成后, 預(yù)報(bào)準(zhǔn)確率均得到提升, 近5年平均準(zhǔn)確率排序?yàn)? 最優(yōu)模型集成＞氣候適宜度二次曲線分離模型＞豐歉相似年加權(quán)模型＞關(guān)鍵氣象因子二次曲線分離模型。

3 討論與結(jié)論

3.1 討論

關(guān)鍵氣象因子和氣候適宜度產(chǎn)量預(yù)報(bào)法都是基 于氣象條件與產(chǎn)量之間的關(guān)系而建立, 而準(zhǔn)確掌握氣象條件對冬小麥產(chǎn)量的影響必須以氣象產(chǎn)量的準(zhǔn)確獲取為前提, 因此選取合適的方法準(zhǔn)確分離出趨勢產(chǎn)量和氣象產(chǎn)量對最終的預(yù)報(bào)結(jié)果準(zhǔn)確與否非常關(guān)鍵。以往針對冬小麥產(chǎn)量預(yù)報(bào)的研究更注重預(yù)報(bào)方法差異對預(yù)報(bào)結(jié)果的影響[13-14,19], 忽略了產(chǎn)量分離方法的差異對預(yù)報(bào)結(jié)果的影響。線性分離、差值百分率、5年滑動平均、3年滑動平均、二次曲線等5 種產(chǎn)量分離法是目前應(yīng)用較為普遍的幾種分離方法。趙東妮等[15]和李心怡等[17]對這幾種方法的分離效果還專門進(jìn)行過對比研究, 結(jié)果表明這幾種方法分離出的趨勢產(chǎn)量與糧食產(chǎn)量總體增長特征相一致, 且與實(shí)際生產(chǎn)力發(fā)展水平較為一致, 分離出的氣象產(chǎn)量總體能捕獲出典型豐歉年中氣象條件帶來的產(chǎn)量變化。文中基于這5 種產(chǎn)量分離法, 分別建立了關(guān)鍵氣象因子和氣候適宜度產(chǎn)量預(yù)報(bào)模型, 均是二次曲線分離模型預(yù)報(bào)準(zhǔn)確率最高, 準(zhǔn)確率分別為95.71%和96.17%。

表1 2014—2018年不同起報(bào)時(shí)間江蘇省冬小麥最優(yōu)模型和多模型集成單產(chǎn)預(yù)報(bào)值與實(shí)際值 Table 1 Winter wheat yield simulated by optimal yield forecasting models and multiple model integration for different forecast starting time and actual yield in Jiangsu Province from 2014 to 2018

不同的預(yù)報(bào)方法表現(xiàn)出的預(yù)報(bào)性能差異與各方法的預(yù)報(bào)思路有關(guān)。豐歉相似年法是通過找歷史相似年來進(jìn)行單產(chǎn)的預(yù)報(bào), 但要通過氣象條件找到與預(yù)報(bào)年真正相似的年份存在一定困難, 因?yàn)闅v史樣本有限, 所以該方法歷史擬合準(zhǔn)確率低于關(guān)鍵氣象因子法和氣候適宜度法、且準(zhǔn)確率年際變動幅度明顯偏大, 該方法歷史擬合平均預(yù)報(bào)準(zhǔn)確率為89.67%。關(guān)鍵氣象因子法是考慮了冬小麥生長發(fā)育時(shí)期內(nèi)關(guān)鍵氣象因子對產(chǎn)量的影響, 篩選出的與單產(chǎn)相關(guān)性高的氣象因子主要是累積降水量、積溫、平均氣溫、累積日照時(shí)數(shù)。說明這4 個(gè)因子對冬小麥單產(chǎn)具有關(guān)鍵影響作用, 而且正負(fù)相關(guān)性與冬小麥生長過程中的生理需求比較吻合。單產(chǎn)與上年10月份旬動態(tài)累積降水量呈正相關(guān), 與上年11月—當(dāng)年5月的動態(tài)累積降水量呈反相關(guān), 這與冬小麥生長過程中的水分需求是一致的, 10月份江蘇省冬小麥處于播種期, 適量的降水可以保證土壤墑情適宜, 利于播種出苗, 11月后冬小麥需水量減少, 雨量越多越不利于其生長; 與累積日照時(shí)數(shù)始終呈正相關(guān), 在生長過程中光照越充足越利于其光合作用; 與部分時(shí)段的積溫或平均氣溫呈反相關(guān), 在冬小麥生長前期如果氣溫過高容易出現(xiàn)旺長苗, 這對于后期產(chǎn)量的形成非常不利。單產(chǎn)與高溫日數(shù)、低溫日數(shù)、降雨日數(shù)、大雨日數(shù)等因子相關(guān)性不明顯, 該方法歷史擬合平均預(yù)報(bào)準(zhǔn)確率為94.86%。氣候適宜度法充分考慮了冬小麥生物學(xué)特性, 利用冬小麥不同生育期的上限溫度、最適溫度、下限溫度、需水量、需光性等指標(biāo), 采用模糊數(shù)學(xué)函數(shù)計(jì)算了氣象條件的適宜程度, 通過適宜度與單產(chǎn)之間的統(tǒng)計(jì)關(guān)系建立預(yù)報(bào)模型, 而豐歉相似年法和關(guān)鍵氣象因子法是從純統(tǒng)計(jì)角度進(jìn)行模型的構(gòu)建, 并未考慮冬小麥生長的特性, 所以無論是擬合檢驗(yàn)還是試報(bào)檢驗(yàn), 總體上均為氣候適宜度法的平均準(zhǔn)確率更高, 歷史擬合平均預(yù)報(bào)準(zhǔn)確率為94.96%, 這與已有結(jié)論[22-23]相一致, 但該方法在豐歉趨勢預(yù)報(bào)上具有一定的不穩(wěn)定性。

經(jīng)檢驗(yàn), 單一產(chǎn)量預(yù)報(bào)方法的預(yù)報(bào)結(jié)果存在一定的不穩(wěn)定性, 這與邱美娟[12]研究得出的結(jié)論相一致。為了減小預(yù)報(bào)不確定性, 文中確定了最優(yōu)模型集成方法, 即將豐歉相似年加權(quán)模型、關(guān)鍵氣象因子二次曲線分離模型、氣候適宜度二次曲線分離模型的預(yù)報(bào)結(jié)果進(jìn)行加權(quán)集成, 結(jié)果表明最優(yōu)模型集成效果好于單一最優(yōu)模型, 更重要的是能減小各模型的預(yù)報(bào)隨機(jī)誤差, 增強(qiáng)預(yù)報(bào)值的穩(wěn)定性。

冬小麥單產(chǎn)預(yù)報(bào)模型的預(yù)報(bào)性能除了與預(yù)報(bào)方法本身有關(guān)以外, 還與氣象產(chǎn)量的分離精度有關(guān), 因?yàn)榉蛛x出的氣象產(chǎn)量與實(shí)際情況越吻合, 則越利于尋找氣象條件與單產(chǎn)之間的關(guān)系, 建立的預(yù)報(bào)模型準(zhǔn)確率則越高。所以今后可以考慮通過提高產(chǎn)量分離精度的方式進(jìn)一步提升單產(chǎn)預(yù)報(bào)模型的精度。另外, 目前在進(jìn)行最優(yōu)模型集成計(jì)算時(shí), 對最優(yōu)模型的權(quán)重賦值是基于經(jīng)驗(yàn)而設(shè)定, 今后可以考慮從預(yù)報(bào)準(zhǔn)確率角度對權(quán)重系數(shù)進(jìn)行科學(xué)設(shè)定。

3.2 結(jié)論

本研究在5 種產(chǎn)量分離方法基礎(chǔ)上, 通過計(jì)算準(zhǔn)確率、正確率、相關(guān)系數(shù)、標(biāo)準(zhǔn)差, 經(jīng)過擬合檢驗(yàn)和試報(bào)檢驗(yàn), 評估分析了豐歉相似年法、關(guān)鍵氣象因子法、氣候適宜度法及集成預(yù)報(bào)法在江蘇冬小麥單產(chǎn)預(yù)報(bào)中的預(yù)報(bào)能力。得出如下結(jié)論:

1)4月10日和5月10日兩種起報(bào)時(shí)間下, 豐歉相似年法、關(guān)鍵氣象因子法、氣候適宜度法1993— 2013年歷史擬合平均準(zhǔn)確率分別為 89.67%、94.86%、94.96%; 豐歉相似年加權(quán)法的預(yù)報(bào)準(zhǔn)確率(歷史擬合平均準(zhǔn)確率91.14%)高于豐歉相似年大概率法(歷史擬合平均準(zhǔn)確率88.19%); 二次曲線分離法下的關(guān)鍵氣象因子和氣候適宜度預(yù)報(bào)模型的預(yù)報(bào)準(zhǔn)確率分別為95.63%、96.02%, 均高于線性分離、差值百分率、5年滑動平均、3年滑動平均分離法下預(yù)報(bào)模型的預(yù)報(bào)準(zhǔn)確率。

2)12 種單產(chǎn)預(yù)報(bào)模型均能較好地模擬出江蘇全省冬小麥單產(chǎn)的年際總體變化特征; 從12 種單產(chǎn)預(yù)報(bào)模型中篩選出的3 種最優(yōu)模型分別是豐歉相似年加權(quán)模型、關(guān)鍵氣象因子二次曲線分離模型、氣候適宜度二次曲線分離模型, 將3 種最優(yōu)模型的預(yù)報(bào)結(jié)果進(jìn)行加權(quán)集成后的近5年預(yù)報(bào)準(zhǔn)確率在96.33%以上, 預(yù)報(bào)效果好于單個(gè)最優(yōu)模型。

3)不同起報(bào)時(shí)間, 模型預(yù)報(bào)性能存在差異。對于擬合檢驗(yàn), 5月10日起報(bào)的準(zhǔn)確率總體略高于4月10日起報(bào)的準(zhǔn)確率, 說明起報(bào)時(shí)間越接近冬小麥成熟期, 預(yù)報(bào)因子信息越全面, 則預(yù)報(bào)模型準(zhǔn)確率越高。

本研究的對比分析結(jié)果, 可為江蘇省進(jìn)行冬小麥單產(chǎn)預(yù)報(bào)時(shí)采用合理的預(yù)報(bào)模型提供科學(xué)依據(jù), 大幅減少模型篩選時(shí)間, 通過最優(yōu)模型集成可提高預(yù)報(bào)準(zhǔn)確率, 同時(shí)模型檢驗(yàn)思路也可供外省借鑒。