保山壩區玉米產量預測模型研究

賈晗思　字雪明　楊宇涵　王文丹

摘 要 為了給保山地區日常農業氣象服務及鄉村振興氣象保障服務提供科學決策依據，利用云南省保山市隆陽區1981—2021年玉米產量資料與同期氣象資料，對保山壩區玉米產量進行預測研究。結果表明：保山壩區氣候相對穩定，玉米產量與氣象條件具有相關性，通過相關性分析，9月日照時間是影響玉米產量的主要氣象因子，此時保山壩區玉米處于乳熟至成熟期，充足的光照條件對玉米光合作用和干物質的積累尤其重要。通過逐步回歸，建立了3 a、5 a滑動平均計算趨勢產量后剝離出的氣象產量的預測模型，模型分別為“yw1=-586.558+5.172x1”“yw2=-743.559+6.839x2”，模型準確率分別為88%、85%；模擬結果表明，基于關鍵氣象因子的玉米產量預報方法，對保山壩區玉米產量的預報效果較好，可以投入業務應用。

關鍵詞 農業氣象；玉米；氣象因子；產量預報；云南省保山市隆陽區

中圖分類號：S162 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2023.17.009

農業生產受到了包括自然資源因素、人為因素、氣象因素等多種條件的制約和影響，其中氣象因素的影響往往起著關鍵性作用，分析研究作物的產量與氣象因子之間的相關性，根據觀測的氣象數據及未來氣象條件預測，可以對農作物生產做出合理預報[1]。農作物產量預報是現代農業氣象服務的重要組成部分，及時可靠的作物產量預報可用于管理氣候風險、優化農業管理措施、制定糧食貿易政策和優化資源利用等區域農業管理，對確保糧食安全和維持農業可持續發展至關重要[2]。

當前氣象部門作物產量預報主要是對作物的平均單產與種植面積進行預測，種植面積數據可通過衛星遙感技術進行提取，或是根據統計局提供的種植意向進行估算。而作物平均單產的預測方法較多，除了傳統的數理統計方法以外，遙感模型估產、作物生長模型模擬、機器學習、多模式集成預報等新技術與新方法的不斷應用也拓展了單產的預報思路[3]。目前，國家級作物氣象產量預報的主要方法集中在統計模型、作物模型模擬、遙感估產等，區縣級的作物產量預報業務主要是利用縣級的作物產量數據并結合縣自身的氣象條件，通過統計模型進行統計預報，而預報的準確性取決于站點氣象數據觀測的準確性[4]。

影響作物產量預報準確性的關鍵問題之一是自然條件下預報因子對作物產量影響的不確定性，因此眾多學者對產量預報模型進行了研究，旨在提高預報的準確性。Chen等將作物模型和天氣預報相結合，對華北平原中部地區2008—2015年冬小麥產量進行了預測，結果表明，天氣預報的不確定性會降低預報準確度，使用歷史氣象觀測數據比使用氣候模式輸出的天氣預報效果更好[5]。秦鵬程等通過從歷史氣象資料庫中獲取替代資料的方法，使用CERES-Rice模型系統評估了氣象資料對產量預報準確性的影響，結果表明，水稻產量對成熟前2個月內的氣象條件較為敏感，基于氣象資料和作物模型開展產量預測，基本誤差可控制在5%以內，若加入后期氣候趨勢預測，成熟前2個月起報預測準確率可達80%以上[6]。楊祥珠等針對作物產量預報的特點，應用集對分析中聯系度的概念，建立了基于集對分析的作物產量預報模型，對新昌縣小麥產量進行預報試驗，結果表明，聯系度的引進改進了預報因子的合理性，能提高小麥產量預報的準確性[7]。馮明等利用糧食總產氣象預報模型，通過地面氣象資料和統計局歷年產量資料，從理論和實際兩方面分析了模型的可行性，通過實際應用模型對湖北省糧食產量預測預報的準確率達98.1%～99.3%[8]。

滇西地區是云南玉米主產區之一，其中保山市地處橫斷山脈滇西縱谷南端，境內地形復雜多樣，屬低緯山地亞熱帶季風氣候，由于地處低緯高原，地形地貌復雜，氣候復雜多變，農業生產極易受到天氣狀況的影響，因此，準確的氣象及作物生產預報，對當地的農業生產極為重要。

1? 材料與方法

1.1? 研究區概況

保山市隆陽區屬西南季風區亞熱帶高原氣候類型，該區經緯度為24°03′N、99°10′E，平均海拔1 653.5 m，年降水量約為963.8 mm，年平均氣溫16.8 ℃，年平均日照時間2 432.3 h；土壤類型主要為紅壤土和紫壤土，富含有機質。保山市是滇西地區玉米主產區，2021年全市玉米種植面積11.20萬hm2，占糧食種植面積的42.5%，玉米總產量73.2萬t，其中隆陽區玉米種植面積為3.70萬hm2，玉米總產量30.91萬t，占全市玉米產量的42.22%[9]。

1.2? 資料來源

氣象數據來自保山市隆陽區氣象臺的多年觀測數據，包含保山市隆陽區1978—2021年玉米生育期（5—9月）的月平均氣溫、降水量、日照時間。玉米產量數據來源于保山市隆陽區統計局，包含1978—2021年玉米產量。

1.3? 計算方法

1.3.1? 玉米氣象產量

自然因素和非自然因素是影響玉米產量的主要因素，這兩類因素的影響可以將玉米產量分解為氣象產量和趨勢產量，即將實測產量減去趨勢產量能剝離出氣象產量，趨勢產量通過滑動平均[1]和線性擬合[10]兩種方法計算得出，本文滑動年份分別取3 a、5 a、10 a，公式如下[11]：

yw=y-yt? （1）

式中：yw為氣象產量，y為作物產量，yt為趨勢產量，單位皆為kg·hm-2。

1.3.2? 玉米相對氣象產量

研究表明，氣象因素是導致玉米產量波動的最主要因子，將氣象產量占趨勢產量的比率r作為評定氣象豐年、氣象平年、氣象歉年的指標，并將r＞10%的年份定義為氣象豐年，將r＜-10%的年份定義為氣象歉年；-10%≤r≤10%定義為氣象平年。r的計算公式[12]為：

r=（yw/yt）×100% （2）

1.3.3? 模型準確率

將預測產量和實際產量進行對比，計算出模型準確率，公式如下[12]：

模型準確率=【（1-預報產量-實際產量）/實際產量]×100%

（3）

2? 結果與分析

2.1? 玉米相對氣象產量

相對氣象產量主要表征因農業自然災害等不可預見因素造成的作物產量的波動，該因子不受時間和空間影響，具有可比性，能較好地描述以氣象要素為主的各種短期變動因子對產量的影響。圖1為3種滑動平均法下保山壩區玉米相對產量年際動態，滑動平均法很好地消除了氣象因子的不穩定波動，從圖中可以看出，3 a滑動平均法下1981—2021年保山壩區玉米氣象豐年有12 a，氣象平年有25 a，氣象歉年有4 a；5 a滑動平均法下1983—2021年保山壩區玉米氣象豐年有17 a，氣象平年有19 a，氣象歉年有3年；10 a滑動平均法下1988—2021年保山壩區玉米氣象豐年有17 a，氣象平年有14 a，氣象歉年有3 a。保山壩區整體上氣候較為穩定，出現的極端氣候較少，因此，在1981—2021年間出現的氣象歉年較少（3～4 a），這也說明玉米的氣象產量與氣候變化有著極其重要的相關性。

2.2? 玉米氣象產量與氣象因子的相關性分析

表1為玉米氣象產量與降水、氣溫、日照時間的相關性分析，以yw1、yw2、yw3分別代表3 a、5 a、10 a滑動平均計算出趨勢產量后剝離出的氣象產量，yw4為線性擬合計算出趨勢產量后剝離出的氣象產量，擬合方程為y=111.07x+3 833.4，R2=0.845。通過對玉米氣象產量和降水、氣溫、日照時間的相關性分析可以看出，yw1和8月、9月、全生育期日照時間顯著相關（p＜0.05）；yw2和9月、全生育期日照時間顯著相關（p＜0.05）；yw3和yw4與降水、氣溫、日照時間相關性不明顯，都未通過檢驗。本文選取通過檢驗的氣象因子所用的方法做后續分析，即用3 a、5 a滑動平均計算出趨勢產量后剝離出的氣象產量進行后續分析。

2.3? 玉米氣象產量預測模型及其檢驗

本文對通過檢驗的3 a滑動平均法和5 a滑動平均法的氣象產量進行分析，利用通過檢驗的氣象因子，通過逐步回歸的方法建立回歸方程，得到的方程分別為“yw1=-586.558+5.172x1”“yw2=-743.559+6.839x2”，其中x1、x2皆為9月日照時間。9月玉米處于乳熟至成熟期，是干物質積累的重要時期，從回歸方程可以看出，9月日照時間是對保山壩區玉米氣象產量影響最大的氣象因子。利用計算得出的回歸方程計算出1981—2021年、1983—2021年的預報產量，將其與實際產量對比，結果如下表所示，表2為yw1和yw2的檢驗結果，其中3 a滑動平均法的yw1模型預測準確率達到90%以上的共有19年，占比為46%，最低準確率為67%，最高為100%，平均準確率為88%；5 a滑動平均法的yw2模型預測準確率達到90%以上的共有15 a，占比為38%，準確率最低為70%、最高為99%、平均為85%。兩種分析方法的平均預測準確率均達到了85%以上，能夠滿足業務需求。

3? 討論與結論

玉米的產量主要取決于自然因素和社會因素，社會因素的影響主要表現在農業科技水平進步所引起的玉米生產力水平的提高，由此增加的產量為趨勢產量。而自然因素的影響主要表現在年際自然條件的變化所引起的產量變化，與玉米品種本身的生物學特性、土壤肥力、氣象條件等有密切關系，其中氣象因素是自然因素中的重要影響因素，如氣溫、降水量、輻射等氣象條件對玉米的生長及產量的形成具有重要的影響。但是，因為社會因素所引起的趨勢產量的變量因素較多且難以控制，而氣象因子通過影響玉米的氣象產量從而對玉米的總產量造成不同程度的影響，因此，研究玉米的氣象產量與氣象因子的變化關系對于提高保山壩區的玉米單位面積產量來說更加具有現實意義，因此，在了解玉米的生物學特性的同時，考慮玉米生長發育不同時期的氣象條件是獲得高產穩產的必要環節。

本文通過對保山壩區實測氣象數據與玉米產量的關系進行研究，并通過模型進行預測研究，發現氣象因子與玉米生產密切相關，并得出以下結論。

1）在1981—2021年，保山壩區氣候相對穩定，其中1998—2005年因降雨量偏少，出現了氣象歉年，說明玉米產量與氣象條件具有相關性。

2）通過相關性分析，9月日照時間是影響玉米產量的主要氣象因子，9月保山壩區玉米為乳熟至成熟期，充足的光照條件對玉米光合作用和干物質的積累尤其重要。有研究表明[13]，光照是影響玉米產量的關鍵因素之一，光照影響玉米冠層結構，光照在冠層內的分布，直接影響玉米植株的光合能力，從而影響玉米產量。

3）通過逐步回歸，建立了3 a、5 a滑動平均計算趨勢產量后剝離出的氣象產量的預測模型，模型分別為“yw1=-586.558+5.172x1”“yw2=-743.559+6.839x2”，模型準確率分別為88%、85%，模擬結果表明，基于關鍵氣象因子的玉米產量預報方法，對保山壩區玉米產量的預報效果較好，可以投入業務應用。

參考文獻：

[1]? 范婷婷，范生曄，陳美娟，等.鎮賚縣玉米氣象產量預報模型及影響因子分析[J].鄉村科技，2021，12（28）：97-99.

[2] 黃晚華，薛昌穎，李忠輝，等.基于作物生長模擬模型的產量預報方法研究進展[J].中國農業氣象，2009，30（S1）：140-143，147.

[3] 侯英雨，張蕾，吳門新，等.國家級現代農業氣象業務技術進展[J].應用氣象學報，2018，29（6）：641-656.

[4] 劉維，宋迎波.基于不同空間尺度的作物產量集成預報——以江蘇一季稻為例[J].氣象科學，2021，41（6）：828-834.

[5] CHEN Y， TAO F. Potential of remote sensing data-crop model assimilation and seasonal weather forecasts for early-season crop yield forecasting over a large area[J]. Field Crops Research， 2022， 276： 108398.

[6] 秦鵬程，劉敏，萬素琴，等.不完整氣象資料下基于作物模型的產量預報方法[J].應用氣象學報，2016，27（4）：407-416.

[7] 楊祥珠，婁偉平.集對分析在作物產量年景預報中的應用[J].中國農業氣象，2008（1）：79-82.

[8] 馮明.湖北省糧食總產氣象預報模型[J].華中農業大學學報，2008（1）：144-147.

[9] 云南省統計局.云南省統計年鑒2021[M].北京：中國統計出版社，2022.

[10] 崔力，王春玲，李改琴，等.濮陽市夏玉米產量與氣象因子的關系分析[J].中國農學通報，2010，26（16）：341-344.

[11] 葉飛，勞曉璨.柑橘氣象產量和實際產量與氣象因子相關性及對比分析[J].浙江農業科學，2021，62（6）：1119-1122.

[12] 陸杰英，孫麗穎，吳健達，等.增城香蕉產量的氣象預報模型[J].廣東氣象，2022，44（3）：64-67.

[13]? RANUM P， PE?A-ROSAS J P， GARCIA-CASAL M N. Global maize production， utilization， and consumption[J]. Annals of the New York Academy of Sciences， 2014， 1312（1）： 105-112.

（責任編輯：丁志祥）

收稿日期：2023-03-06

基金項目：保山市隆陽區氣象局自籌科研經費項目（2022-01）。

作者簡介：賈晗思（1996—），女，云南保山人，本科，助理工程師，研究方向為農業氣象。E-mail：jhs0812@163.com。