王賀然，張 琪，陳鵬獅，趙 明，劉東明，黃 巖，黃 悅

（1.遼寧省生態(tài)氣象和衛(wèi)星遙感中心，沈陽110166；2.遼寧省氣象臺(tái)，沈陽110166；3.中國(guó)平安財(cái)產(chǎn)保險(xiǎn)股份有限公司，深圳518048）

東北地區(qū)作為中國(guó)糧食主產(chǎn)區(qū)和商品糧基地，對(duì)于農(nóng)產(chǎn)品產(chǎn)業(yè)鏈來說，其農(nóng)業(yè)氣象條件、農(nóng)作物長(zhǎng)勢(shì)、未來產(chǎn)量尤其受到關(guān)注，產(chǎn)量預(yù)測(cè)結(jié)果的關(guān)注主體由政府、行業(yè)部門轉(zhuǎn)為市場(chǎng)主體［1，2］。近年來，資本、技術(shù)對(duì)農(nóng)業(yè)的關(guān)注、投入逐漸增多，不僅農(nóng)作物種植者，農(nóng)產(chǎn)品產(chǎn)業(yè)鏈上的收儲(chǔ)、加工、貿(mào)易企業(yè)和涉農(nóng)互聯(lián)網(wǎng)、金融、保險(xiǎn)、電商企業(yè)均開始關(guān)注作物產(chǎn)量［3］，各大機(jī)構(gòu)已經(jīng)在生長(zhǎng)季期間，獨(dú)立或聯(lián)合開展主產(chǎn)區(qū)作物長(zhǎng)勢(shì)調(diào)查，動(dòng)態(tài)跟蹤作物長(zhǎng)勢(shì)，并與行業(yè)部門合作，分析氣象條件對(duì)作物后期產(chǎn)量形成的影響而進(jìn)一步預(yù)測(cè)產(chǎn)量，為作物收儲(chǔ)、農(nóng)產(chǎn)品生產(chǎn)、資本市場(chǎng)投資行為、農(nóng)作物災(zāi)害理賠等提供參考依據(jù)。所以提供動(dòng)態(tài)、準(zhǔn)確的農(nóng)業(yè)氣象條件對(duì)作物產(chǎn)量的影響預(yù)測(cè)信息及對(duì)政府和行業(yè)部門、市場(chǎng)主體、種植戶制定決策、調(diào)整市場(chǎng)行為、從事農(nóng)業(yè)生產(chǎn)活動(dòng)意義重大。

中國(guó)從20世紀(jì)70年代就著手研究產(chǎn)量預(yù)報(bào)方法［4］，80年代開展業(yè)務(wù)化應(yīng)用［5］，涉及的作物種類不斷增加［6-10］。目前產(chǎn)量預(yù)報(bào)業(yè)務(wù)中普遍采用的方法包括農(nóng)學(xué)方法、統(tǒng)計(jì)學(xué)方法、遙感估產(chǎn)、作物生長(zhǎng)模型等，隨著靜態(tài)預(yù)報(bào)到動(dòng)態(tài)預(yù)報(bào)的發(fā)展，產(chǎn)量預(yù)報(bào)的準(zhǔn)確度、精細(xì)化程度、預(yù)報(bào)時(shí)效逐漸提高［1，5，11］，產(chǎn)量預(yù)報(bào)結(jié)果可以應(yīng)用到作物產(chǎn)量預(yù)報(bào)、農(nóng)業(yè)氣象條件評(píng)價(jià)、農(nóng)業(yè)氣象災(zāi)害影響預(yù)測(cè)或評(píng)估等方面。在統(tǒng)計(jì)學(xué)方法中，目前氣象部門主要基于關(guān)鍵氣象因子、氣候適宜度指數(shù)、作物產(chǎn)量歷史豐歉氣象影響指數(shù)進(jìn)行產(chǎn)量動(dòng)態(tài)預(yù)報(bào)［3］。基于關(guān)鍵氣象因子、氣候適宜度指數(shù)的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法已經(jīng)應(yīng)用于遼寧省春玉米、水稻、大豆的產(chǎn)量預(yù)報(bào)中［2，3，12］，但基于作物產(chǎn)量歷史豐歉氣象影響指數(shù)的方法在遼寧省尤其是分市作物產(chǎn)量預(yù)報(bào)的應(yīng)用尚未有報(bào)道。目前市場(chǎng)主體對(duì)作物產(chǎn)量預(yù)測(cè)信息的需求不僅局限于其主產(chǎn)省，更重要的是及時(shí)明確當(dāng)年的主產(chǎn)市縣、高產(chǎn)市縣、優(yōu)產(chǎn)市縣，這些決定了收獲期市場(chǎng)主體的市場(chǎng)行為，對(duì)于糧食收購(gòu)商、貿(mào)易商、保險(xiǎn)公司等產(chǎn)業(yè)鏈企業(yè)或服務(wù)商來說，更早更準(zhǔn)確的產(chǎn)量預(yù)測(cè)信息和產(chǎn)地信息，可以提升物流效率、降低運(yùn)輸成本、獲得更多利潤(rùn)，對(duì)理賠成本的計(jì)算和保險(xiǎn)產(chǎn)品覆蓋地區(qū)的調(diào)整提供指導(dǎo)。

本研究應(yīng)用前人研究方法，對(duì)遼寧省14市及全省的春玉米、水稻、大豆單產(chǎn)進(jìn)行逐候預(yù)報(bào)，為完善該地區(qū)產(chǎn)量預(yù)報(bào)的關(guān)鍵技術(shù)、提高產(chǎn)量預(yù)報(bào)業(yè)務(wù)的精細(xì)化水平提供技術(shù)支撐。

1 材料與方法

1.1 區(qū)域概況

遼寧省是中國(guó)的糧食主產(chǎn)省，具備較強(qiáng)的糧食生產(chǎn)和貿(mào)易優(yōu)勢(shì)，糧食產(chǎn)量萬眾矚目。遼寧省不僅有多個(gè)產(chǎn)糧大縣，而且發(fā)展形成了多個(gè)北方重要糧食貿(mào)易港。春玉米、水稻、花生、大豆分別是遼寧省前四大作物，受雨養(yǎng)條件限制，遼寧省內(nèi)春玉米、花生、大豆等旱田作物的產(chǎn)量幾乎完全依賴氣象條件。

1.2 資料來源

氣象資料為1980—2016年遼寧省56個(gè)氣象站作物生長(zhǎng)季（5—9月）逐日最高氣溫（℃）、最低氣溫（℃）、降水量（mm）和日照時(shí)數(shù)（h），來自遼寧省氣象信息中心；產(chǎn)量資料為1980—2016年遼寧省及1992—2016年遼寧省14個(gè)市的春玉米、水稻、大豆單產(chǎn)（kg/hm2），來自遼寧省統(tǒng)計(jì)年鑒。

1.3 資料處理

1.3.1 氣象資料處理采用算術(shù)平均的方法，將各站氣象資料處理成區(qū)域氣象資料，形成省、市日平均氣溫，日平均降水量，日平均日照時(shí)數(shù)。將區(qū)域氣象資料由日資料處理成候資料，形成省、市候平均氣溫，候累積降水量，候累積日照時(shí)數(shù)，以自然月為計(jì)算周期，每候5 d或6 d（31日所在候），生長(zhǎng)季5—9月共30候。將區(qū)域氣象資料按候累加處理成預(yù)報(bào)日期前的區(qū)域分段氣象資料，并對(duì)部分氣象要素進(jìn)行標(biāo)準(zhǔn)化處理。計(jì)算播種（5月第1候）以來，每5 d或6 d省、市的積溫、分段累積降水量、分段累積日照時(shí)數(shù)，即5月1日至5月6日、5月1日至5月10日、5月1日至5月15日、…以此類推。將分段累積降水量、分段累積日照時(shí)數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，處理后分別稱為分段累積標(biāo)準(zhǔn)化降水量、分段累積標(biāo)準(zhǔn)化日照時(shí)數(shù)。分段累積標(biāo)準(zhǔn)化降水量計(jì)算公式如下：

1.3.2 產(chǎn)量資料處理本研究作物產(chǎn)量計(jì)算公式如下：

式中，ΔYi為第i年與第i-1年的作物單產(chǎn)的變化，即產(chǎn)量豐歉值，Yi和Yi-1分別為第i年和第i-1年作物單產(chǎn)，i代表第i年，i-1代表第i年的前一年。

1.4 預(yù)報(bào)方法

1.4.1 基本原理某一地點(diǎn)，相鄰年份土壤條件不變、技術(shù)水平變化不大，如果忽略品種因素，作物單產(chǎn)的變化可認(rèn)為由氣象要素的差異引起，所以作物產(chǎn)量與播種以來的氣象條件密切相關(guān)，相似的氣象條件會(huì)引起作物相同的產(chǎn)量變化幅度，因此，首先根據(jù)氣象要素的綜合診斷指標(biāo)確定作物生長(zhǎng)某一階段氣象條件相似的年份，再根據(jù)這些歷史相似年中同種作物前后兩年產(chǎn)量變化情況計(jì)算預(yù)報(bào)年作物產(chǎn)量豐歉氣象影響指數(shù)，建立作物產(chǎn)量動(dòng)態(tài)預(yù)報(bào)模型［7，13，14］。

1.4.2預(yù)報(bào)方法的確定

1）綜合診斷指標(biāo)的建立和歷史相似年的選擇。

利用歐式距離和相關(guān)系數(shù)法計(jì)算預(yù)報(bào)年氣象要素與歷史上任意一年同一時(shí)段同類氣象要素差異，建立綜合診斷指標(biāo)，判斷歷史相似年的排序。本研究選擇積溫、分段累積標(biāo)準(zhǔn)化降水量、分段累積標(biāo)準(zhǔn)化日照時(shí)數(shù)3個(gè)氣象要素分別代表溫、水、光3種氣象條件，以候?yàn)轭A(yù)報(bào)周期對(duì)2016年遼寧省春玉米、水稻、大豆單產(chǎn)進(jìn)行預(yù)報(bào)，預(yù)報(bào)時(shí)間為氣象要素所在時(shí)段下一候的第一天。

相似距離計(jì)算公式如下：

相關(guān)系數(shù)計(jì)算公式如下：

綜合聚類指標(biāo)計(jì)算公式如下：

式中，cik為預(yù)報(bào)年（k年）與歷史任一年（i年）的綜合聚類指標(biāo)，是綜合診斷指標(biāo)，其值越大，則預(yù)報(bào)年與歷史某一年的氣象影響程度越一致，dik為歐氏距離，rik為相關(guān)系數(shù)。k為預(yù)報(bào)年，i為歷史任一年，j為氣象要素的序號(hào)，xkj為預(yù)報(bào)年作物播種至預(yù)報(bào)時(shí)間第j個(gè)氣象要素值，xij歷史任一年同一時(shí)段同類氣象要素值，n為資料長(zhǎng)度。針對(duì)每個(gè)氣象要素，選擇cik值最大的3年為歷史相似年，共9年。

2）產(chǎn)量豐歉值的計(jì)算。

前人由于對(duì)溫、光、水等氣象條件分別用多種氣象要素來表示，所以可以對(duì)氣象要素進(jìn)行多種組合計(jì)算，對(duì)比分析出歷史相似年作物單產(chǎn)的變化值與預(yù)報(bào)年最接近的組合，對(duì)選種的組合采取單因子分析、兩因子組合分析、大概率分析、加權(quán)平均分析、綜合影響指數(shù)分析、集成分析等方法，確定產(chǎn)量動(dòng)態(tài)預(yù)報(bào)的預(yù)報(bào)因子和預(yù)報(bào)方法［7］。本研究選擇積溫、分段累積標(biāo)準(zhǔn)化降水量、分段累積標(biāo)準(zhǔn)化日照時(shí)數(shù)一種組合，采用加權(quán)平均分析方法計(jì)算預(yù)報(bào)年作物產(chǎn)量豐歉氣象影響指數(shù)。

式中，ΔY′i為第i年作物產(chǎn)量豐歉氣象影響指數(shù)即作物單產(chǎn)豐歉值的預(yù)報(bào)值，ΔYi(+)為9個(gè)歷史相似年型中作物單產(chǎn)豐歉值為正值的累加，ΔYi(-)為9個(gè)歷史相似年型中作物單產(chǎn)豐歉值為負(fù)值的累加，l為作物單產(chǎn)豐歉值為正值的個(gè)數(shù)，m為作物單產(chǎn)豐歉值為負(fù)值的個(gè)數(shù)，a(+)為預(yù)報(bào)值為正值的概率，a(-)為預(yù)報(bào)值為負(fù)值的概率。

3）產(chǎn)量預(yù)報(bào)值的計(jì)算。

根據(jù)式（7）計(jì)算作物單產(chǎn)豐歉值后，利用式（10）計(jì)算作物單產(chǎn)的預(yù)報(bào)值。

式中，Y′i為第i年作物單產(chǎn)預(yù)報(bào)值，Yi-1為第i-1年作物單產(chǎn)，ΔY′i為第i年作物單產(chǎn)豐歉值的預(yù)報(bào)值。

1.4.3 檢驗(yàn)方法的確定對(duì)2016年遼寧省作物單產(chǎn)動(dòng)態(tài)預(yù)報(bào)結(jié)果進(jìn)行檢驗(yàn)，用單產(chǎn)預(yù)報(bào)準(zhǔn)確率來評(píng)價(jià)預(yù)報(bào)模型，單產(chǎn)預(yù)報(bào)準(zhǔn)確率的計(jì)算方法見式（11）。

式中，Y′i為第i年作物單產(chǎn)預(yù)報(bào)值，Yi為第i年作物單產(chǎn)實(shí)際值。

2 結(jié)果與分析

2.1 氣象要素相似年

因?yàn)檫|寧省省、市作物產(chǎn)量序列不同，為了尋找省氣象條件更為相似的歷史年，分別根據(jù)2016年省、市氣象數(shù)據(jù)確定歷史相似年而預(yù)測(cè)各級(jí)作物單產(chǎn)。表1列出了不同預(yù)報(bào)時(shí)間（以7月16日、8月26日、9月21日為例），省、市的溫度相似年、日照時(shí)數(shù)相似年、降水相似年。

由表1可知，在同一預(yù)報(bào)年中，對(duì)于同一預(yù)報(bào)地區(qū)，相同氣象要素在不同預(yù)報(bào)時(shí)間的3個(gè)相似年有差異，有完全相同的，如沈陽市的降水相似年在3個(gè)時(shí)段的3年完全相同，有部分相同的，如沈陽的溫度相 似年在3個(gè) 時(shí)段中2006年出現(xiàn) 了3次，2014年出現(xiàn)了2次，但沒有完全不同的；在同一預(yù)報(bào)年中，對(duì)于同一預(yù)報(bào)地區(qū)，不同氣象要素在同一預(yù)報(bào)時(shí)間的相似年有差異，多為完全不同，如沈陽市5月1日至7月15日3個(gè)氣象要素的9個(gè)相似年完全不同，有部分相同的，如朝陽市5月1日至9月20日3個(gè)氣象要素的9個(gè)相似年中，1995年和1998年均出現(xiàn)了2次，但沒有全部相同的；在同一預(yù)報(bào)年中，相同預(yù)報(bào)時(shí)間，對(duì)于不同預(yù)報(bào)地區(qū)，同一氣象要素的相似年有差異，有部分相同的，如5月1日至7月15日全省、大連市、鞍山市、錦州市、營(yíng)口市、阜新市、鐵嶺市、朝陽市的降水相似年均有2014年、2015年，有完全相同的，如5月1日至8月25日朝陽市、盤錦市的降水相似年均為1995年、1998年、2010年，兩個(gè)地區(qū)間會(huì)出現(xiàn)完全不同的情況，如5月1日至8月26日撫順市、錦州市的6個(gè)降水相似年完全不同。

表1 遼寧省2016年氣象條件的歷史相似年

2.2 模型檢驗(yàn)結(jié)果

同一預(yù)報(bào)年、預(yù)報(bào)時(shí)間相同時(shí)，盡管不同作物在同一預(yù)報(bào)地區(qū)的氣象條件歷史相似年相同，但同年份的氣象條件對(duì)不同作物的影響不同，所以不同作物在相同相似年對(duì)應(yīng)的單產(chǎn)變幅不同，豐歉值的預(yù)報(bào)結(jié)果不同。作物單產(chǎn)預(yù)報(bào)豐歉值與實(shí)際豐歉值見

由表2至表4可知，分作物看，春玉米的單產(chǎn)預(yù)報(bào)準(zhǔn)確率大多高于80%，水稻的單產(chǎn)預(yù)報(bào)準(zhǔn)確率大多高于90%，大豆的單產(chǎn)預(yù)報(bào)準(zhǔn)確率大多高于80%，但不及春玉米。水稻的單產(chǎn)預(yù)報(bào)準(zhǔn)確率普遍高于其他兩種旱田作物且不同預(yù)報(bào)時(shí)間的預(yù)報(bào)值較穩(wěn)定，各種作物的單產(chǎn)預(yù)報(bào)準(zhǔn)確率并沒有因接近成熟期而提高。分地區(qū)看，全省、沈陽市、鞍山市、撫順市、本溪市、營(yíng)口市、阜新市、遼陽市、鐵嶺市、盤錦市的春玉米、水稻的單產(chǎn)預(yù)報(bào)準(zhǔn)確率高于大豆，大連市、丹東市、錦州市、朝市陽、葫蘆島市的水稻、大豆的單產(chǎn)預(yù)報(bào)準(zhǔn)確率高于玉米。

表2 遼寧省2016年春玉米單產(chǎn)豐歉值的預(yù)報(bào)結(jié)果和單產(chǎn)預(yù)報(bào)準(zhǔn)確率 （單位：%）

表3 遼寧省2016年水稻單產(chǎn)豐歉值的預(yù)報(bào)結(jié)果和單產(chǎn)預(yù)報(bào)準(zhǔn)確率 （單位：%）

表4 遼寧省2016年大豆單產(chǎn)豐歉值的預(yù)報(bào)結(jié)果和單產(chǎn)預(yù)報(bào)準(zhǔn)確率 （單位：%）

3 小結(jié)與討論

本研究通過綜合聚類分析，確定氣象條件相似的歷史年份，分別建立了遼寧省春玉米、水稻、大豆產(chǎn)量豐歉氣象影響指數(shù)而進(jìn)行產(chǎn)量預(yù)報(bào)。這種基于作物產(chǎn)量歷史豐歉氣象影響指數(shù)的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法，可以實(shí)現(xiàn)遼寧省三大糧食作物的逐候產(chǎn)量動(dòng)態(tài)預(yù)報(bào)，且單產(chǎn)預(yù)報(bào)準(zhǔn)確率普遍高于80%，可以滿足遼寧省省級(jí)和大部分市級(jí)產(chǎn)量預(yù)報(bào)的業(yè)務(wù)需求。該方法與基于綜合關(guān)鍵氣象因子和氣候適宜度指數(shù)的產(chǎn)量動(dòng)態(tài)預(yù)報(bào)方法共同構(gòu)成了基于統(tǒng)計(jì)學(xué)方法的遼寧省作物產(chǎn)量預(yù)報(bào)技術(shù)體系。

但該方法確定出來的相似年所表現(xiàn)出的差異與邱美娟等［15］的研究結(jié)果相同。這是因?yàn)橥皇》輧?nèi)，不同地區(qū)的氣候特征存在較大差異，如大連市和朝陽市，所以對(duì)于同一預(yù)報(bào)年，它們之間各自的相似年不具備可比性，不同氣象要素的相似年有差異。但同一預(yù)報(bào)年，同一地區(qū)某一氣象要素的相似年隨時(shí)間會(huì)發(fā)生變化，甚至完全不同，這可能源于該方法的理論基礎(chǔ)，因?yàn)檫@種相似在同一個(gè)地區(qū)尋找出的相對(duì)相似的氣象相似年，這種相對(duì)的相似年會(huì)隨著數(shù)據(jù)序列的變化而變化。

兩次預(yù)報(bào)的產(chǎn)量豐歉趨勢(shì)會(huì)出現(xiàn)相反的情況，這可能由于預(yù)報(bào)地區(qū)內(nèi)不同地塊氣象條件在不同時(shí)段的差異造成的，因?yàn)槟Ｐ偷慕⑦^程中沒有明確體現(xiàn)出氣象災(zāi)害的影響［7，9，13，15］，所以一定區(qū)域范圍內(nèi)，某一地塊出現(xiàn)氣象災(zāi)害，尤其是較嚴(yán)重的氣象災(zāi)害，或者災(zāi)害范圍較大時(shí)，該地區(qū)作物的減產(chǎn)風(fēng)險(xiǎn)就較大，產(chǎn)量預(yù)報(bào)結(jié)果可能從增產(chǎn)轉(zhuǎn)為減產(chǎn)，如果這種災(zāi)害影響時(shí)段不是發(fā)生在作物的關(guān)鍵生育期，則產(chǎn)量預(yù)報(bào)結(jié)果可能再次轉(zhuǎn)為增產(chǎn)。這個(gè)問題可以在一定程度上通過縮小預(yù)報(bào)地區(qū)的范圍來解決，如根據(jù)地塊產(chǎn)量和鄰近的站點(diǎn)氣象數(shù)據(jù)對(duì)某一相對(duì)小的地區(qū)開展產(chǎn)量預(yù)報(bào)，因?yàn)楫a(chǎn)量數(shù)據(jù)與氣象數(shù)據(jù)更為匹配。