渭南市冬小麦产量预报模型研究

2014-10-25尹贞钤许伟峰田中伟

陕西气象 2014年5期

关键词：渭南市冬小麦定量

尹贞钤，许伟峰，田中伟，冯伟

(1.渭南市气象局，陕西渭南 714000；2.杨凌气象局，陕西杨凌 712100)

渭南市冬小麦产量预报模型研究

尹贞钤1，许伟峰1，田中伟2，冯伟1

(1.渭南市气象局，陕西渭南 714000；2.杨凌气象局，陕西杨凌 712100)

利用1998—2012年渭南市气象与冬小麦产量数据，利用直线滑动平均模拟趋势产量，结合调和权重法预测趋势产量，采用SPSS20.0软件对气象产量进行逐步回归，得到年景和定量气象产量预测模型。统计趋势产量与气象产量合计值，得到年景(或定量)预报产量。通过验证，年景和定量产量预报准确率较高。

直线滑动平均模拟；调和权重；趋势产量；气象产量；模型检验

渭南市地处渭河平原东部，粮食总产量居全省前列，素有“陕西粮仓”之称。冬小麦是渭南市主要粮食作物之一，近15年平均种植面积3.2×105hm2，总产1.1×109kg，占全年粮食总产的40%～50%。因此，进行冬小麦产量预报模型研究，为政府部门提供准确的作物产量预测信息，对调整农业产业结构，合理安排布局具有重要意义。

1 资料来源

1998—2012年冬小麦产量数据来自渭南市统计局，1998—2012年气象数据和2003—2012年冬小麦生育期数据来自渭南市气象局资料室。

2 产量模拟

冬小麦实际产量可分解为趋势产量、气象产量和随机产量三部分[1]，实际计算时，随机产量可以忽略不记，表示为

y=yt+yw，

(1)

式中，y为实际产量，yt为趋势产量，yw为气象产量。

2.1 趋势产量模拟

趋势产量模拟方法有多种[2]，直线滑动平均模拟不必主观假定产量历史演变曲线类型，也可不损失样本序列数，是一种较好的趋势模拟方法。调和权重法[3]可以不同权重方法求算各序列样本对趋势产量的影响,即距预报年越近的样本,其权重越大。因此采用直线滑动平均结合调和权重法进行趋势产量模拟和预报。

设某阶段的线性趋势方程[1]为

yi=ai+bit，

(2)

式中，i为方程个数，i=n-k+1；n为样本序列个数；t为时间序号；k为步长。利用渭南市1998—2012年冬小麦产量数据，取滑动步长11 a[1]，求得5个线性方程，计算各方程在t点的函数值yi(t)，并求算各t点上多个函数值的平均值，得到趋势产量yt，分离出气象产量yw。产量分离完成，按照调和权重计算方法[3]，依次求算趋势产量年增长量

w(t+1)=y(t+1)-y(t)，

(3)

=m(t+1)/(n-1)，

(4)

(5)

(6)

则2013年趋势产量=262.863+2.232=265.095 kg/666.7 m2。

2.2 气象产量建模

2.2.1 气象因子选取冬小麦产量与光、热、水等气候资源关系密切，不同生育期气象条件对产量的贡献不同。选取渭南市临渭区、大荔、蒲城、韩城4个国家级农气站2003—2012年冬小麦生育期观测数据，求取各站近10 a生育普遍期平均值，以4站数据为代表，确定渭南市冬小麦主要生育普遍期的出现时间(见表1)。根据表中生育普遍期及播种—出苗、返青—拔节、返青—孕穗、拔节—抽穗、孕穗—灌浆、播种—拔节、播种—灌浆的出现时间，分时段统计全市降水、气温、日照、相对湿度数据作为模型备选气象因子。同时，考虑播前底墒、冬前积温及越冬期负积温对产量的影响，增加8月、9月、7—8月、8—9月全市降水量、10—12月中旬≥0 ℃积温及12—2月负积温数据作为备选因子。

表1 渭南市冬小麦2004—2013年平均生育普遍期日/月

注：产量预报5月15日前发布，15日后生育期未统计。灌浆期非规范规定生育期，各站无数据。

2.2.2 建模冬小麦产量预报一般分为年景预报和定量预报，年景预报每年4月15日前完成，定量预报每年5月15日前完成。按照预报时限将气象因子分为两组，底墒降水量和播种—拔节期所有因子作为年景预报因子，底墒降水量和播种—灌浆期所有因子作为定量预报因子。数据分组完成，采用SPSS20.0软件进行回归分析。设置气象产量为因变量，年景预报因子为自变量，入选变量F值标准α=0.10，剔除标准α=0.15，进行逐步回归,得到预测模型

yw年景=75.724-0.217x21+1.300x5+1.703x15-5.446x31-0.704x3，

(7)

式中，yw年景为年景气象产量；x21为3月下旬—4月上旬日照数；x5为12月下旬—2月中旬降水量；x15为3月降水量；x31为10月上中旬平均气温；x3为2月中旬—3月中旬降水量。方程R2=0.860，F=11.062，显著性P=0.001，Fgt;Fα=0.01(5,9)=6.06,回归方程显著。同理，导入定量预报因子和气象产量数据，设置气象产量为因变量，定量预报因子为自变量，变量F值入选标准α=0.10，剔除α=0.15，进行逐步回归,得到预测模型

yw定量=-75.317+0.565x10-0.135x12+

0.345x20-0.144x13-0.615x9-0.304x24，

(8)

式中，yw定量为定量气象产量；x10为10月—5月上旬降水量；x12为8月—9月降水量；x20为4月下旬—5月上旬日照时数；x13为8月降水量；x9为3月下旬—4月上旬降水量；x24为5月上旬日照时数。方程R2=0.954，F=27.368，显著性P=0.000，Fgt;Fα=0.01(6,8)=6.37,回归方程显著。

3 模型检验

根据气象产量预测模型，预计2013年yw年景=-30.913 kg/666.7 m2，yw定量=-53.793 kg/666.7 m2。结合趋势产量预测结果，2013年冬小麦年景预测值=265.095+(-30.913)=234.2 kg/666.7 m2，定量预测值=265.095+(-53.793)=211.3 kg/666.7 m2，与实际产量220 kg/666.7 m2比较，年景预测值误差14.2 kg/666.7 m2，准确率93.6%，定量预测值误差8.7 kg/666.7 m2，准确率96.0%。