王贺然张 慧王 莹李 晶米 娜**王若男李琳琳董 巍张 琪苏 航,6



基于两种方法建立辽宁大豆产量丰歉预报模型对比

王贺然1，2，张 慧3，王 莹2，李 晶2，米 娜1**，王若男4，李琳琳2，董 巍5，张 琪2，苏 航2,6

（1．中国气象局沈阳大气环境研究所，沈阳 110166；2．辽宁省气象科学研究所，沈阳 110166；3．锦州市生态与农业气象中心，锦州 121001；4．辽宁省气象装备保障中心，沈阳 110166；5．中国气象局气象干部培训学院辽宁分院，沈阳 110166；6．沈阳中心气象台，沈阳 110166）

利用辽宁省56个气象站1992−2016年逐日气象资料和5个代表农业气象站的大豆发育期资料，计算不同生育期关键气象因子和气候适宜度指数，分别建立基于关键气象因子和气候适宜度的辽宁省大豆逐候产量动态预报模型，并进行回代检验和预报检验。结果表明：基于关键气象因子的预报模型在6月16日、7月21日、7月26日、8月1日、8月26日和9月16日可以进行产量预报（P＜0.05），基于气候适宜度的预报模型在8月16日−10月1日每候可进行1次产量预报（P＜0.05）；两种预报模型的平均回代检验准确率均高于83.0%；基于气候适宜度的预报模型回代检验准确率和预报检验准确率的变幅较小，稳定性更高；应用两种预报模型，辽宁省大豆产量趋势预报业务得分＞0的年份约占60%。说明利用两种模型对辽宁省大豆产量进行动态预报均能满足业务服务需求；进行趋势预报时，可以优先考虑基于关键气象因子的预报模型，而在未出现重大气象灾害的正常年份，可以赋予基于气候适宜度的预报模型更多权重，以减少预报时次。

大豆；关键气象因子；气候适宜度；产量预报；辽宁

产量预报是气象部门的核心业务之一，产量预报结论一直受到农业部门、粮食部门和政府决策部门的关注[1]，随着粮食贸易的发展和农业政策的调整，农业也逐渐受到市场和资本的青睐，农业产业链上的农业从业者、粮食加工企业、粮食收储企业和贸易商，涉足农业的互联网企业、金融企业、保险业和电商等都开始关注作物产量，因为产量预报可以为农产品期货贸易、农作物保险等机构提供参考[1]，多家机构已尝试独立进行产量预报，同时各大粮食产量预测机构开始受邀参与气象部门的粮食产量预报会商，因此，产量预报信息的制作方和用户也不再局限于政府部门。

20世纪70年代，气象部门已经开始研究作物产量预报方法，并在80年代实现了业务化应用，开展国内作物产量预报[2]，90年代开始对国外作物产量进行预报[3]。40a来，产量预报技术不断发展，从农学预报方法、统计学模型预报方法发展到遥感技术预报方法、动力学作物生长模型预报等方法[1,3−4]，产量预报实现了从一次静态到多次动态的预报。这些方法具有一定的数理统计学基础、较长的预报时效和较高的预报准确率[5]，但是应用统计学方法建立的产量预报模型，虽然简单实用，但缺少生态学基础，解释性较差；运用遥感技术可以大范围估产，但作物信息提取受云层覆盖影响大；作物模型的动态性较强，但参数校正难度大，业务化经历时间长[1,6]。

基于关键气象因子、气候适宜度指数、作物产量历史丰歉气象影响指数的统计学预报方法和运用作物生长模型进行模拟是气象部门现阶段主要使用的产量动态预报方法，目前前3种统计学动态预报方法已经应用于湖南、山东、河南、河北、四川、黑龙江、吉林等水稻、小麦、玉米、大豆、棉花等作物的产量预报研究[4−23]，运用作物模型开展大豆的相关研究则相对较少[24−26]。总之，通过方法的改进，产量预报的准确率不断提高，产量预报技术应用的作物种类也不断增加。

在辽宁省作物产量动态预报方法研究中，基于关键气象因子、气候适宜度指数、作物产量历史丰歉气象影响指数的研究较为少见[27]，尤其对大豆产量预报的研究尚未有报道。本研究基于关键气象因子和气候适宜度指数分别建立辽宁省大豆产量动态预报模型，并对比两种方法的预报准确率，以期为辽宁省大豆单产的动态、定量、精细化预报和预报模型优选提供技术支持和依据。

1 资料来源及处理

1.1 研究区概况

辽宁省位于中国东北春大豆主产区[26]，大豆种植历史悠久，是重要的野生大豆种质资源来源地[28]。但自20世纪50年代中后期以来，辽宁省大豆播种面积一直呈下降趋势[28]，从最高峰1957年的729000hm2[28]降至2014年的106400hm2；同时辽宁省大豆播种面积占粮食播种面积的比例也呈下降趋势，50−80年代为10%～20%[28]，90年代以来，除个别年份，均低于10%，尤其是2005年以来大部分年份在5%以内，近5a，辽宁省大豆种植面积和产量分别占全省粮食播种面积和产量的4%和1.5%以内。东北平原尤其是黑龙江省是中国大豆的主产区，2003−2016年东北三省大豆播种面积占全国大豆播种面积的40%～60%，期间，辽宁省大豆播种面积占东北三省大豆播种面积的比例由7%降至4%以内，产量占比由8%下降到5%以内，所以辽宁省大豆种植面积和产量都无法与多数生产大省相比[28]。2015年，受国家耕地保护和种植补贴等政策影响，全国大豆播种面积出现恢复性增加，主要集中在东北地区[29]，加上气候适宜性和种植历史等因素影响，辽宁省大豆播种面积逐渐恢复，2016年达到132400hm2。

1.2 资料来源

气象资料和发育期资料均来自辽宁省气象信息中心，气象资料包括辽宁省56个气象站5−9月逐日最高气温（℃）、最低气温（℃）、降水量（mm）和日照时数（h）。发育期资料为辽宁省5个代表农业气象站大豆发育期观测资料。辽宁省开展大豆观测的农业气象站由1981年的10个减至2009年的5个，各站分布情况见图1。根据资料的完整性，选择海城、锦州、开原、新宾和新民5站作为大豆发育期观测的代表站点。大豆单产资料来自辽宁省统计年鉴。资料年代均为1992−2016年。

图1 辽宁省56个气象站和10个大豆观测站点的分布

1.3 资料处理

1.3.1 发育期资料

无论10个或5个大豆发育期观测站点，均未在全省14个地级（含以上）市均匀分布（图1），因此，对未设置观测站点城市大豆发育期资料用气候条件相似站点的资料替代。本文选取的5个农业气象站的大豆发育期观测资料及其适用城市见表1。

辽宁省大豆发育期常年值为1981−2010年全部农业气象站的观测平均值，即全省平均播种日期为5月4日，出苗5月18日，三真叶期5月29日，分枝日期6月25日，开花7月14日，结荚7月28日，鼓粒8月19日，成熟9月23日，故辽宁省大豆生长季为5−9月。

发育期资料采用当年实测值，将进入某一发育阶段的普遍期日期所在候记为该发育期的起始候，根据下一发育阶段的生理指标计算该候的气候适宜度。先分市计算气候适宜度指数，再加权计算成全省气候适宜度指数，与全省大豆单产进行建模。

1.3.2 气象资料

采用算术平均的方法，将56站气象资料处理为区域气象资料，市、省逐候平均气温、降水量和日照时数即市、省候平均气温、候累积降水量和候累积日照时数，以自然月为计算周期，每候5d或6d（31日所在候），大豆生长季5−9月共30候。

1.3.3 产量资料

参考文献[7]，计算相邻年份大豆产量的丰歉百分率，即

式中，ΔYi为第i年与第i−1年的大豆单产丰歉值（即相对气象产量），Yi和Yi−1分别为第i年和第i−1年大豆单产，i代表第i年，i−1代表第i年的前一年。

表1 辽宁省5个农业气象站的大豆发育期观测资料及其适用城市（1981−2010年）

单产预报值为

式中，Yi为第i年大豆单产预报值，ΔYi为第i年大豆单产丰歉值的预报值。参考文献[11]，预报时间为气象要素所在时段下一候的第一天。

参考文献[7]，计算产量预报准确率，即

进行产量预报研究时，选择1992−2013年数据作为训练数据，建立预报模型，并进行回代检验，将2014−2016年数据作为检验数据，进行预报检验[30]。

根据1992−2016年数据，选择基于关键气象因子和气候适宜度两种统计学方法分别建立辽宁省大豆产量丰歉动态预报模型，并对两种方法所建模型的预报准确率进行对比。

采用Excel 2007进行数据处理并绘制图表，SPSS22.0进行统计分析。

2 结果与分析

2.1 基于关键气象因子的辽宁省大豆产量丰歉预报模型

2.1.1 气象因子筛选

分析1992−2013年辽宁省大豆生育期内全省候平均气温、降水量和日照时数与全省大豆产量丰歉百分率的相关性。结果显示，通过0.05水平显著性检验的因子共8个，即7月第5候（开花期）和9月第3候（鼓粒期）的平均气温，5月第1候（播种期）、6月第3候（三真叶期）、7月第4候（分枝期）、7月第5候（开花期）、7月第6候（开花结荚期）和8月第5候（鼓粒期）的日照时数（表2）。5月第1候大豆尚未出苗，此时日照时数对大豆生长基本无影响，因此，去除“5月第1候的日照时数”这一因子，将其它7个确定为关键气象因子。

候降水量与产量丰歉百分率虽然有一定相关性，但并没有通过显著性检验（表2），故降水因子未入选关键气象因子，可能因为从全省平均情况看，降水量可以满足作物需求。马树庆[31]认为，吉林地区大豆生长季5−9月的需水量在500~580mm，6−8月开花结荚期需水较多，为400~480mm，李彩霞等[32]研究沈阳地区作物需水量认为，该地区大豆播种−出苗、出苗−分枝、分枝−开花、开花−结荚、结荚−鼓粒、鼓粒−成熟的需水量分别为16.8、82.9、119.9、54.9、72.4和84.5mm。辽宁省大豆播种−出苗、出苗−分枝、分枝−开花、开花−结荚、结荚−鼓粒、鼓粒−成熟和全生育期的多年平均降水量分别为22.8、87.9、87.8、81.5、137.4、99.8和529mm，除分枝−开花期，降水量能够满足大豆各发育阶段和全生育期的水分需求，播种−出苗、出苗−分枝的降水量超过作物需水量，储存在土壤中的水分可以在分枝−开花期提供给作物，另外生产上有部分大豆种植在低洼地[33]，水分条件好于平地和山地，如盘锦地区部分大豆种植在水稻田田埂上，所以降水条件对研究区域大豆生长较适宜，不是构成产量形成的限制性因子。

不同地区气象因子与大豆产量的相关性结果不尽相同，因为气象条件具有地域差异，所以影响当地大豆产量的主要限制因子也不同[34]。由表2可见，大豆产量丰歉百分率与7月第5候的平均气温呈显著负相关（P＜0.05），而与9月第3候的平均气温呈显著正相关（P<0.05），与5月第1候、6月第3候、7月第4候、7月第5候、7月第6候、8月第5候的日照时数呈显著负相关（P＜0.05）。上述关键气象因子具有一定的生物学意义，分别反映了大豆三真叶期、分枝期、开花结荚期、鼓粒期生长发育对光温的需求。产量丰歉百分率与日照时数均呈显著负相关，可能因为大豆是短日照植物，在幼苗时期必须有段时间的较短日照[35]，“夏至”以后（6月第5候），日照时数缩短，大豆逐渐开花（7月第3候）[36]，开花期之后，光照条件能够满足或超过大豆所需，日照时数的延长反而会导致植株徒长或缩短开花时间，减少花量，降低结荚率，不利于产量的增加[37]；大豆对温度的影响较敏感[38]，开花期正值7月下旬，夏季气温过高，若继续升温对大豆的生长会起抑制作用，9月份辽宁已进入秋季，气温下降快，若低于作物的最适范围，气温升高将利于大豆籽粒灌浆。

2.1.2 动态预报模型的建立

将筛选的7个关键气象因子与大豆产量丰歉百分率进行多元线性回归，建立基于关键气象因子的辽宁省大豆产量动态预报模型，预报方程见表3，将预报时间之前的所有关键气象因子作为自变量，大豆产量丰歉百分率作为因变量，建立预报模型，即

式中，ΔYi为第i年大豆单产丰歉值的预报值，Xm为第m个关键气象因子，n=7，b0为常数，bm为系数。

通过式（2），则可在6月16日、7月21日、7月26日、8月1日、8月26日和9月16日进行辽宁省大豆单产预报。

表2 辽宁省大豆产量丰歉百分率与不同时间关键气象因子的单相关系数（1992−2013年）

注：*、**分别表示相关系数通过0.05、0.01水平的显著性检验。下同。

Note:*is P<0.05，**is P<0.01. The same as below.

表3 基于关键气象因子的辽宁省大豆产量（ΔYi'）动态预报方程

注：ΔYi'为大豆单产比上年增加或减少的百分率即丰歉百分率的预报值（%），下同。x1为6月第3候的日照时数（h），x2为7月第4候的日照时数（h），x3为7月第5候的日照时数（h），x4为7月第5候的平均气温（℃），x5为7月第6候的日照时数（h），x6为8月第5候的日照时数（h），x7为9月第3候的平均气温（℃）。

Note:ΔYi' is the forecast value of increasing or decreasing tendency which means the bumper or poor harvest of soybean yield in Liaoning(%), the same as below. x1is the accumulated sunshine hours(h) of the 3rd pentad in June, x2is the accumulated sunshine hours(h) of the 4th pentad in July, x3is the accumulated sunshine hours(h) of the 5th pentad in July, x4is the average temperature(℃) of the 5th pentad in July, x5is the accumulated sunshine hours(h) of the 6th pentad in July, x6is the accumulated sunshine hours (h) of the 5th pentad in August, x7is the average temperature(℃) of the 3rd pentad in September.

2.2 基于气候适宜度的大豆产量动态预报模型

2.2.1 气候适宜度计算

（1）温度适宜度模型

大豆是喜温作物，对温度变化较敏感，一般开花结荚期对温度要求较高[38]。为定量评价辽宁省大豆生长的热量条件，根据马树庆[39]的研究，建立温度适宜度模型，即

（2）降水适宜度模型

大豆是需水较多的作物，分枝以后，需水量明显增大，开花到鼓粒期耗水量最大，约占全生育期耗水量的60%～70%，但过多的水分会造成大豆减产甚至绝收[32,38]，降水增加利于大豆种子萌发和出苗壮苗，苗期降水过多会造成大豆植株地上部分徒长，根系浅易倒伏，或者结荚部位高，导致结荚少从而影响产量，此时降水略少利于根系发展[41]。为定量评价辽宁省大豆生长的水分条件，根据宋迎波等[15]的研究，建立降水适宜度模型，即

表4 大豆生长三基点温度指标（℃）

式中，R(rij)为第j年第i候降水量适宜度，rij为第j年第i候累积降水量，r0i为第i候降水量的多年平均值，本研究取1981−2010年平均值。

（3）日照适宜度模型

大豆是短日照植物，在幼苗时期必须有段时间的较短日照[35]，“夏至”以后，日照时数缩短，大豆逐渐开花[36]。为定量评价辽宁省大豆生长的光照条件，根据易雪等[9]的研究，建立日照适宜度模型，即

式中，S(sij)为第j年第i候日照时数适宜度，sij为第j年第i候累积日照时数，soi为第i候日照时数的多年平均值，本研究取1981−2010年平均值。

（4）气候适宜度模型

为了从光、温、水3个基本要素上综合评价作物生长的气象条件，即气象条件对辽宁省大豆生长的适宜程度，建立大豆气候适宜度动态模型[9]，即

式中，Sij为第j年第i候气候适宜度指数，Sj为第j年从播种到第n候的累积气候适宜度指数，本研究中n取1−30。bti、bri、bsi分别为第i候温度、降水和日照的适宜度权重系数，权重系数的确定运用积分回归法，即分别针对每种气象要素，对候适宜度与产量丰歉值进行相关分析，计算每候该气象要素适宜度对大豆产量丰歉值的影响系数，将候影响系数的绝对值与全生育期该气象要素所有候影响系数的绝对值和的比值，作为该气象要素某一候适宜度的权重系数，即

式中，ati、ari、asi分别为第i候温度、降水和日照的适宜度对大豆产量丰歉值的影响系数。

区域气候适宜度指数由14市的气候适宜度指数加权求和得到，即

式中，F(Sij省)为第j年第i候全省气候适宜度指数，Km为某市第j年大豆播种面积占14市大豆播种面积总和的比例，m=14，图2为1992−2016年辽宁省14市大豆播种面积比例的平均值，Sij市为第j年第i候市气候适宜度指数。F(Sj省)为第j年从播种到第n候的全省累积气候适宜度指数，本研究n取1−30。

图2 辽宁省14市大豆播种面积平均比例（1992−2016年）

2.2.2 动态预报模型的建立

将1992−2013年辽宁省大豆播种（5月第1候）−生长季内任意候的累积气候适宜度指数与对应的辽宁省大豆产量丰歉百分率作相关分析。结果表明，从播种−8月第3候到播种−9月第6候的累积气候适宜度指数与大豆产量丰歉百分率均呈显著相关（表5），说明建立的气候适宜度模型能够客观、动态地反映辽宁省大豆气候适宜性和产量增减幅度。

通常辽宁省大豆播种始于5月上旬，9月底收获结束，中国气象局《农业气象产量预报质量考核办法》（2012年）规定，省级农业气象单位需在7月15日和8月25日提交省级作物产量趋势预报和定量预报结论，为在生长季内实现辽宁省大豆产量动态预报，并满足业务服务需求，建立1992−2013年辽宁省大豆从播种−7月第3候开始到生长季内任意候止的辽宁省大豆产量丰歉百分率预报模型：

式中，ΔYi为第i年大豆单产丰歉值的预报值，Xm为从播种（5月第1候）−第m候的累积气候适宜度指数，b0为常数，bm为系数。

运用该方法可以在7月16日−10月1日每隔5d或6d进行辽宁省大豆产量丰歉百分率预报，但仅8月16日以后的预报方程才通过显著性检验，预报方程见表6，根据式（2）可以预测辽宁省大豆单产。

表5 辽宁省大豆累积气候适宜度指数与产量丰歉值的相关性检验

表6 不同起报时间的辽宁省大豆产量（ΔYi'）预报模型

注：x表示从5月第1候到预报时间前1候的全省累积气候适宜度指数。

Note: x is the provincial accumulated climate suitability index from the 1st pentad-May to the forecast time.

2.3 两种产量动态预报模型的预报准确率对比

2.3.1 回代检验

将根据1992−2013年数据建立的基于关键气象因子和基于气候适宜度的辽宁省大豆产量动态预报模型对大豆单产进行回代检验，根据式（3）评价检验结果。由表7可见，6月辽宁省大豆主要处于营养生长阶段，进行产量预报时间过早，同时受篇幅所限，仅对比7月以后有相同预报时间的预报模型回代检验结果。两种预报模型的回代检验准确率的平均值为7月以后通过显著性检验的预报方程检验结果的平均值。

两种预报模型的回代检验准确率均高于83.0%，基于关键气象因子的预报模型的回代检验准确率更高，而且随着预报时间的推进，两种预报模型的回代检验准确率有提高趋势，但基于气候适宜度的预报模型的回代检验准确率变幅更小。

表7 1992−2013年两种方法建立的辽宁省大豆单产预报模型回代检验的平均准确率（%）

注：方法1表示基于关键气象因子的产量动态预报模型，方法2表示基于气候适宜度的产量动态预报模型。下同。

Note: Method 1 is the dynamic forecast method based on key meteorological factors, method 2 is the dynamic forecast method based on climatic suitability. The same as below.

2.3.2 预报检验

应用本研究建立的基于两种统计方法的预报模型对2014−2016年辽宁省大豆单产进行预报检验，预测值及其与实际产量的差值和预报准确率见表8。2014年，基于气候适宜度的预报模型的预报准确率大多高于基于关键气象因子的模型。2015年，前者略高于后者，但两个预报模型的预报准确率基本都在90%以上。2016年也表现为前者略高于后者，前者的预报准确率都在90%以上。2015年和2016年，基于气候适宜度的预报模型的预测值与实际产量的差值要小于关键气象因子的预报方法。2014−2016年，基于气候适宜度的预报模型的5次预测准确率变幅更小。

根据中国气象局《农业气象产量预报质量考核办法》（2012年），作物单产的趋势预报依据当年预报值与前5a数据平均值（依据辽宁省统计年鉴）的差值除以前5a数据平均值，即

根据M值范围，作物单产趋势预报结论表述为丰年（M≥5%）、平偏丰（3%≤M＜5%）、持平略增（0%≤M＜3%）、持平略减（−3%≤M＜0%）、平偏歉（−5%≤M＜−3%）和歉年（M＜−5%），不给出具体定量预报值。当某年实际产量数据公布后，如果实际产量趋势为趋势预报时结论表述的前3项中任一项，而预报趋势为后3项中任一项，则趋势预报不得分，但实际产量趋势为持平略增，预报趋势为持平略减除外；如果实际产量趋势为后3项，而预报趋势为前3项，则趋势预报也不得分，但实际产量趋势为持平略减，预报趋势为持平略增则可以得分。

表9列出了应用上述预报模型计算的1997−2016年趋势预报得分年的个数百分比。由表9可见，因为趋势预报在7月15日进行，基于关键气象因子的预报模型仅有6月21日的预报结论，60%的年份可以得分，基于气候适宜度的预报模型有7月6日、7月11日，甚至7月16日的预报结论，55%～60%的年份可以得分，可见，利用这两种预报模型进行趋势预报的得分几率没有太大差异。

总体来看，7月15日进行趋势预报时，辽宁省大豆刚进入结荚期，此时基于关键气象因子的预报模型只能进行1次预报，而基于气候适宜度的预报模型虽能进行3次，但预报方程均未通过显著性检验，用两种模型进行产量趋势预报的得分概率比较接近。8月25日进行定量预报时，基于关键气象因子的预报模型有5次预报结果（表3），基于气候适宜度的预报模型也有3次预报结果（表6），两种预报模型多个预报时次的平均预报准确率均高于83.0%（表7），说明这两种预报方法都可以应用于辽宁省大豆产量定量预报。通过预报准确率检验可以看出，基于气候适宜度的预报模型的结果更准确（表8）且变幅较小更稳定（表7、表8），如果采用这种方法进行单产预报，可以适当减少预报时次。2015年和2016年辽宁省气象条件对大豆生长较为有利，没有出现对大豆生长发育造成较大影响的气象灾害，可以看作正常年型，尤其是2016年，气象条件为近5a最好，旱田作物单产均仅次于2013年，基于气候适宜度的预报模型准确率高于基于关键气象因子的预报模型准确率（表8），所以进行辽宁省大豆单产预测可以赋予基于气候适宜度的预报模型预报结果更大的权重。

表8 两种模型对2014−2016年辽宁省大豆产量的动态预报检验结果

Table 8 The average forecast test accuracy rate of the soybean yield forecast equations based on two methods in Liaoning (2014−2016)

注：差值=预测产量−实际产量。

Note: difference(DF)= PY-AY. AY is the actual yield(kg·ha−1), and PY is the predicted yield(kg·ha−1) . BF is the forecast time.

表9 两种模型对1997−2016年辽宁省大豆单产趋势预报得分年的比例（%）

注：某年产量趋势预报评分＞0分，即为得分年。

Note: Score year is a certain year's production tendency forecast score is＞0 points.

3 结论与讨论

（1）基于关键气象因子和气候适宜度的辽宁省大豆产量丰歉动态预报模型的平均预报准确率平均在83.0%以上，均可以满足业务需求，进行大豆产量趋势预报和定量预报。目前基于关键气象因子、气候适宜度指数、作物产量历史丰歉气象影响指数的产量预报方法研究均以旬为时间尺度建立预报模型[4−16,18−22,27]，而农业气象业务中产量趋势预报和定量预报的时间为7月15日和8月25日，旬尺度预报模型无法反映预报前5d的气象条件对作物产量的影响。本研究建立的两种预报模型的平均预报准确率在83.0%以上，与邱美娟等[4]基于气候适宜度指数建立的吉林省旬尺度大豆产量预报模型的预报准确率（＞85%）较为接近，所以从时间和空间角度说明了本研究建立的预报模型的适用性，但是预报模型时间尺度的缩短不一定会提高预报准确率。

（2）进行产量趋势预报时，可以采用基于关键气象因子的辽宁省大豆产量丰歉动态预报模型。多数学者[7,9,22]在研究中分析了单产趋势预报的准确性，与本研究中的趋势预报中的趋势并非同一概念，前者对比的是单产当年值与前一年值的变化[6]，即产量丰歉百分率的预报准确性，而本研究把单产预报值与前5a的实际值进行对比，根据业务评分标准，两种模型的得分概率均接近60%（表9），但基于气候适宜度的预报模型在业务上报时间内尚未通过显著性检验，所以在大豆产量趋势预报中，可以采用基于关键气象因子的预报模型的预报结论。

（3）在未出现较大气象灾害的正常年份进行产量定量预报时，可以赋予基于气候适宜度的辽宁省大豆产量丰歉动态预报模型更多权重，该方法也可以减少预报时次。基于统计学原理建立的预报模型是基于多年气象和产量数据，所以预报特殊年型尤其是灾害年作物单产的能力较差[4,9,19]，2014年，辽宁省出现了较为严重的夏旱，两种预报模型2014年的预报准确率均较低，而2015年和2016年的预报准确率较高，这与邱美娟等[4]的研究结果相同。帅细强等[6]基于气候适宜度、关键气象因子建立了湖南省早稻产量动态预报模型，并和作物生长模型预报结果进行了对比，认为3种方法的预报准确率较为接近，基于气候适宜度的预报方法的回代检验和预报检验的准确率最高，因为对预报模型的选择更多考虑的是预报检验的准确率，所以与本研究的结论相同。无论在回代检验还是预报检验，基于气候适宜度的预报模型的准确率变幅小稳定性好。因此，由于预报准确率和稳定性较高的优势，在进行定量预报时可以分配更多的权重给基于气候适宜度的预报模型，而且可以减少预报时次。

本研究建立的辽宁省大豆产量丰歉动态预报模型均存在一定的局限性，需要进一步改进和完善。基于关键气象因子的预报方法只有在筛选出关键因子的时段才能建立预报模型，所以预报时间不连续，这与李琳琳等[27，42]的研究结果相同，所以在下一步研究中可以增加描述光、温、水和可能致灾的气象因子，如连阴雨日数、高温日数、开花期降水等，使该方法在每一时段都能筛选出关键气象因子，实现生长季所有时段的预报。另外，本研究建立的基于气候适宜度的辽宁省大豆产量丰歉动态预报模型，虽然在一定程度反映了作物的生物学特征，但选择温度指标为吉林省大豆生长的三基点温度[40]，与辽宁省大豆会略有差异，影响了温度适宜度的准确性；水分适宜度仅考虑了降水条件，而作物对水分的吸收主要来自土壤，有学者[14,16]考虑利用土壤水分和作物需水量建立的水分适宜度可以代替降水适宜度，能更好地反映水分状况对作物产量的影响，而且本研究中的降水适宜度的计算方法主要参考了水稻和冬小麦产量预报的建模方法[9,15]，但大豆耐旱能力要略强于玉米；大豆是典型的短日照植物，本研究中日照适宜度的计算方法参考了玉米、冬小麦和水稻产量预报的建模方法[9,15,16,19]，所以，可以通过改进温度、水分和日照适宜度指标或计算方法来提高基于气候适宜度的预报模型的预报准确率，业务上也可以根据该方法建立逐日预报模型进行产量预报，但在建模指标、要素相同的情况下，预报准确率不会有较大提升。

[1]单琨,刘布春,李茂松,等.基于花粉量的作物产量预测模型研究进展[J].中国农业气象,2010, 31(2):282-287.Shan K,Liu B C,Li M S,et al.Research progress of pollen variable models for forecasting crop yield[J].Chinese Journal of Agrometeorology,2010,31(2):282-287.(in Chinese)

[2]钱拴,王建林.农业气象作物产量预报的特点与思考[J].气象科技,2003,31(5):257-261.Qian S,Wang J L.Special aspects of agrometeorological crop yields forecast and discussion[J].Meteorological Sciences and Technology,2003,31(5):257-261.(in Chinese)

[3]池俊成,王兰君,刑树本,等.作物产量预测技术在外贸决策中的应用[J].中国农业气象,1997,18(3):45-46. Chi J C,Wang L J,Xing S B,et al.Application of crops yield prediction method in foreign trade policy[J].Chinese Journal of Agrometeorology,1997,18(3):45-46. (in Chinese)

[4]邱美娟,郭春明,王冬妮,等.基于气候适宜度指数的吉林省大豆单产动态预报研究[J].大豆科学,2018,37(3):445-451.Qiu M J,Guo C M,Wang D N,et al.Study of soybean yield forecast in Jilin province based on climate suitability index method[J].Soybean Science,2018,37(3):445-451.(in Chinese)

[5]邱美娟,宋迎波,王健林,等.新型统计检验聚类方法在精细化农业气象产量预报中的应用[J].中国农业气象,2014,32(2):187-194. Qiu M J,Song Y B,Wang Y L,et al.Application of newly developed cluster analysis of statistical test in fine agrometeorological yield prediction[J].Chinese Journal of Agrometeorology,2014,32(2):187-194.(in Chinese)

[6]帅细强,陆魁东,黄晚华.不同方法在湖南早稻产量动态预报中的比较[J].应用气象学报,2015,26(1):103-111.Shuai X Q,Lu K D,Huang W H.A comparative study on dynamic forecasting of early rice yield by using different methods in Hunan province[J].Journal of Applied Meteorological Science,2015,26(1):103-111.(in Chinese)

[7]郑昌玲,杨霏云,王建林,等.早稻产量动态预报模型[J].中国农业气象,2007,28(4):412-416.Zheng C L,Yang F Y,Wang J L,et al.A study on dynamic prediction model of early rice yield per unit[J].Chinese Journal of Agrometeorology,2007,28(4):412-416.(in Chinese)

[8]易雪,王建林,宋迎波,等.早稻产量综合动态预报方法研究[J].气象与环境科学,2009,32(4):8-12.Yi X,Wang J L,Song Y B,et al.Methodology on dynamical prediction of early rice yield[J].Meteorological and Envir- onmental Sciences,2009,32(4):8-12.(in Chinese)

[9]易雪,王建林,宋迎波.气候适宜指数在早稻产量动态预报上的应[J].气象,2010,36(6):85-89.Yi X,Wang J L,Song Y B.Application of climatic suitability index to dynamical prediction of early rice yield[J].Meteorol- ogical Monthly,2010,36(6):85-89.(in Chinese)

[10]杜春英,李帅,王晾晾,等.基于历史产量丰歉影响指数的黑龙江省水稻产量动态预报[J].中国农业气象,2010,31(3):427-430. Du C Y,Li S,Wang L L,et al.Dynamic prediction method for rice yield based on influence index for bumper or poor harvest from historic yield in Heilongjiang province[J].Chinese Journal of Agrometeorology,2010,31(3):427-430.(in Chinese)

[11]唐余学,罗孳孳,范莉,等.基于关键气象因子的中稻单产动态预报[J].中国农业气象,2011,32(增1):140-143. Tang Y X,Luo Z Z,Fan L,et al.The dynamic prediction of mid-season rice yield basedon key meteorological factors[J].Chinese Journal of Agrometeorology,2011,32(S1):140-143.(in Chinese)

[12]游超,蔡元刚,张玉芳.基于气象适宜指数的四川盆地水稻气象产量动态预报技术研究[J].高原山地气象研究,2011,31(1):51-55. You C,Cai Y G,Zhang Y F.Study on dynamic forecasting technology of meteorological yield of rice in Sichuan basin based on weather appropriate index[J].Plateau and Mountain Meteorology Reseach,2011,31(1):51-55.(in Chinese)

[13]刘伟昌,陈怀亮,余卫东,等.基于气候适宜度指数的冬小麦动态产量预报技术研究[J].气象与环境科学,2008,31(2):21-24. Liu W C,Chen H L,Yu W D,et al.Dynamic output forecast research for winter wheat basedon climatic suitability index[J].Meteorological and Environmental Sciences,2008,31(2):21-24.(in Chinese)

[14]代立芹,李春强,康西言,等.基于气候和土壤水分综合适宜度指数的冬小麦产量动态预报模型[J].中国农业气象,2012,33(4):519-526. Dai L Q, Li C Q,Kang X Y,et al.Dynamic forecast model of winter wheat yield based on climate and soil moisture suitability[J].Chinese Journal of Agrometeorology,2012,33(4):519-526.(in Chinese)

[15]宋迎波,王建林,李昊宇,等.冬小麦气候适宜诊断指标确定方法初探[J].气象,2013,39(6):768-773. Song Y B,Wang J L,Li H Y,et al.Exploration to the method for determining diagnostic indicators of suitable climate for winter wheat[J].Meteorological Monthly,2013,39(6):768-773.(in Chinese)

[16]魏瑞江,宋迎波,王鑫.基于气候适宜度的玉米产量动态预报方法[J].应用气象学报,2009,20(5):622-627. Wei R J, Song Y B,Wang X.Method for dynamic forecast of corn yield based on climatic suitability[J].Journal of Applied Meteorological Science,2009,20(5):622-627.(in Chinese)

[17]侯英雨,张艳红,王良宇,等.东北地区春玉米气候适宜度模型[J].应用生态学报,2013,24(11): 3207-3212. Hou Y Y,Zhang Y H,Wang L Y,et al.Climatic suitability model for spring maize in Northeast China[J].Chinese Jou- rnal of Applied Ecology,2013,24(11):3207-3212.(in Chinese)

[18]李树岩,刘伟昌.基于气象关键因子的河南省夏玉米产量预报研究[J].干旱地区农业研究,2014,32(5):223-227. Li S Y,Liu W C.Research on the yield prediction of summer maize in Henan province based on meteorological key factors[J].Agricultural Research in the Arid Areas,2014,32(5):223-227.(in Chinese)

[19]李树岩,余卫东.基于气候适宜度指数的河南省夏玉米产量预报研究[J].河南农业大学学报,2015,49(1):27-34. Li S Y,Yu W D.Research of summer maize yield forecasting based on climate suitability in Henan[J].Journal of Henan Agricultural University,2015,49(1):27-34.(in Chinese)

[20]娄秀荣,杨霏云,王建林.黑龙江省大豆产量丰歉年型气象指标的初步研究[J].气象,2001,27(12):47-49. Lou X R,Yang F Y,Wang J L.Study on meteorological indicators of high and low bean yield in Heilongjiang province[J].Meteorological Monthly,2001,27(12):47-49.(in Chinese)

[21]郑昌玲,王建林,宋迎波,等.大豆产量动态预报模型研究[J].大豆科学,2008,27(6):943-948. Zheng C L,Wang J L,Song Y B,et al.Dynamic prediction model of soybean yield per unit[J].Soybean Science,2008,27(6):943-948.(in Chinese)

[22]朱海霞,赵慧颖,李秀芬,等.黑龙江省大豆主产地产量动态预报系统的建立[J].大豆科学,2017,36(6):950-957. Zhu H X,Zhao H Y,Li X F,et al.System development of dynamic forecast on soybean yield of main areas in Heilongjiang province[J].Soybean Science,2017,36(6):950-957.(in Chinese)

[23]王建林,赵四强.全国棉花产量预报模式[J].气象,1990,16(5):26-30. Wang J L,Zhao S Q.A cotton yield prediction model of China[J].Meteorological Monthly,1990,16(5):26-30.(in Chinese)

[24]丁秋莹.基于跨尺度模型融合的气候变化对我国大豆主产区影响及适应技术模拟研究[D].上海:上海应用技术学院,2017:3-4. Ding Q Y.Research about the adaptive measures of soybean production under climate change in China:based on cross-scale model coupling[D].Shanghai:Shanghai Institute of Technology,2017:3-4. (in Chinese)

[25]于庚康,徐敏,徐经纬,等.大豆生育期内气候资源变化特征及未来情景预估[J].气象科学,2014,34(4):450-456. Yu G K,Xu M,Xu J W,et al.Variation characteristics and prospective estimation of climate resources during soybean growth period in Jiangsu[J].Journal of the Meteorological Sciences, 2014,34(4):450-456.(in Chinese)

[26]曲辉辉,朱海霞,王京秋,等.气候变化对东北三省大豆生育期和产量的影响模拟[J].西北农林科技大学学报(自然科学版),2014,42(7):61-69. Qu H H,Zhu H X,Wang J Q,et al.Effects of climate change on soybean growth period and yield in Northeast China[J].Journal of Northwest A&F University(Nat. Sci. Ed.),2014,42(7):61-69.(in Chinese)

[27]李琳琳,王婷,李雨鸿,等.基于关键气象因子的辽宁省水稻产量动态预报[J].大麦与谷类科学,2017,34(4):50-54. Li L L,Wang T,Li Y H,et al.The dynamic prediction of single-season rice yield based on keymeteorological factors in Liaoning province[J].Barley and Cereal Sciences,2017,34(4):50-54.(in Chinese)

[28]董钻,单维奎,宋书宏,等.辽宁省大豆研究60年[M].北京:中国农业出版社, 2010:24,117,185.Dong Z,Shan W K,Song S H,et al.Soybean research for 60 years in Liaoning province [M].Beijing:China Agriculture Press,2010:24,117,185.(in Chinese)

[29]殷瑞锋,徐雪高,冯学静.2016年以来大豆市场分析与后市展望[J].农业展望,2017,(6):9-13.Yin R F,Xu X G,Feng X J.Soybean market since 2016 and its future prospect[J].Agriculture Outlook,2017,(6):9-13.(in Chinese)

[30]王桂芝,胡慧,陈纪波,等.基于BP滤波的Fourier模型在粮食产量预测中的应用[J].中国农业气象,2015,36(4):472-478. Wang G Z,Hu H,Chen J B,et al.Application of Fourier model based on BP filter in crops yield prediction[J].Chinese Journal of Agrometeorology,2015,36(4):472-478.(in Chinese)

[31]马树庆.我省发展大豆生产的农业气候条件及主产区划分[J].吉林农业科学,1994, (4):90-94. Ma S Q.Analysis of climate condition and division of main cultivate areas of soybean in Jilin province[J].Jilin Agricult- ural Sciences,1994,(4):90-94.(in Chinese)

[32]李彩霞,陈晓飞,韩国松,等.沈阳地区作物需水量的预测研究[J].中国农村水利水电,2017, (5):61-67. Li C X,Chen X F,Han G S,et al.Research on crop water requirement prediction in Shenyang region[J].China Rural Water and Hydropower,2017,(5):61-67.(in Chinese)

[33]潘铁夫,王健青.吉林省中部地区作物丰歉气候条件的研究[J].中国农业科学,1963,(12):16-24. Pan T F,Wang J Q.Research on meteorological condition for high and low bean yield in central Jilin[J].Scientia Agricult- ura Sinica,1963,(12):16-24. (in Chinese)

[34]崔明元.气象因子对通化地区大豆产量构成因素影响的分析[D].吉林:延边大学,2014:1-3.Cui M Y.Analysis of meteorological factor on the soybean yield components in Tonghua[D].Jilin:Yanbian University,2014:1-3.(in Chinese)

[35]刘海涛,毛菊花.气象因子对大豆产量的影响[J].农民致富之友,2011,(6):8. Liu H T,Mao J H.Effects of meteorological factor on soybean yield[J].Nong Min Zhi Fu Zhi You,2011,(6):8.(in Chinese)

[36]王连铮,韩天富,周新安,等.大豆研究50年[M].北京:中国农业科学技术出版社,2010:8,20,50,60. Wang L Z,Han T F,Zhou X A,et al.Soybean research for 50 years[M].Beijing:China Agricultural Sciences and Techno- logy Press,2010:8,20,50,60.(in Chinese)

[37]林晓新,郭奥楠.辽北地区气象条件对大豆产量的影响[J].农业开发与装备,2017,(4):40-41.Lin X X,Guo A N.Effects of meteorological factor on soybean yield in northern Liaoning[J].Agricultural Develo- pment & Equipments,2017,(4):40-41.(in Chinese)

[38]包焕升,孙青彬,孙立镌.大豆生长气象要素与产量预测模型[J].哈尔滨科学技术大学学报,1992,16(4):52-59.Bao H S,Sun Q B,Sun L J.Regression prediction model for the relation between soybean yield and the weather factors[J].Journal Harbin Univ.Sc.&Tech.,1992,16(4):52-59.(in Chinese)

[39]马树庆.吉林省农业气候研究[M].北京:气象出版社,1994:33.Ma S Q.Agricultural climate research[M].Beijing:China Meteorological Press,1994:33.(in Chinese)

[40]马树庆.气候变化对吉林省粮食产量影响的模拟研究[J].自然资源,1994,(1):34-40.Ma S Q.A study of the impact of climatic change on grain yield in Jilin province[J].Resources Sciences,1994,(1):34-40.(in Chinese)

[41]郑有飞,宗雪梅,陈万隆,等.未来气候变化对南京地区春大豆生产潜力的影响[J].中国农业气象,1998,19(5):4-7. Zheng Y F,Zong X M,Chen W L,et al.The effect of future climatic variation on potential productivity of spring soybean in Nanjing[J].Chinese Journal of Agrometeorology,1998, 19(5):4-7.(in Chinese)

[42]李涵茂,帅细强,戴平,等.基于关键气象因子的湘北早稻产量动态预报[J].湖南农业科学,2015, (1):114-116,119.Li H M,Shuai X Q,Dai P,et al.The dynamic prediction of early rice yield based on key meteorological factors in northern Hunan[J].Hunan Agricultural Sciences,2015,(1):114-116,119.(in Chinese

A Comparative Study on Forecast Model for Soybean Yield by Using Different Statistic Methods in Liaoning Province

WANG He-ran1,2, ZHANG Hui3, WANG Ying2, LI Jing2, MI Na1, WANG Ruo-nan4, LI Lin-lin2, DONG Wei5, ZHANG Qi2, SU Hang6

(1.Institute of Atmospheric Environment, China meteorological Administration, Shenyang 110166, China; 2.Liaoning Institute of Meteorological Sciences, Shenyang 110166; 3.Jinzhou Ecology and Agriculture Meteorological Center, Jinzhou 121001; 4.Liaoning Meteorological Equipment Support Center, Shenyang 110166; 5.Liaoning Centre, China Meteorological Administration Training Centre, Shenyang 110166; 6.Shenyang Central Meteorological Observatory, Shenyang 110166)

Two different dynamic forecast methods for soybean yield based on key meteorological factors and climatic suitability were established in this study. The key meteorological factors and climatic suitable index were calculated by daily meteorological data from 56 meteorological stations, soybean growth stage records of 5 key agrometeorological stations and yield data in Liaoning province from 1992 to 2016. The results showed that the key meteorological factors-based forecast model was suitable to forecast soybean yield on June 16, July 21, July 26, August 1, August 26 and September 16 (P＜0.05), and the climatic suitability-based forecast model could be used for every 5 or 6 days from August 16 to October 1 (P＜0.05) in Liaoning province. The average accuracies of return test of both models were higher than 83.0%. Compared with the key meteorological factors-based model, the climatic suitability-based model was stable, which indicated by smaller variation of average verified accuracy and average forecast test accuracy. From 1997 to 2016, both models could be applied in soybean yield tendency forecast, according to scoring criteria, core above zero reach up to 60% by the two models. In conclusion, the yield forecast models based on key meteorological factors and climatic suitability could meet the basic needs for agrometeorological services in Liaoning province. For soybean yield tendency forecasting, the method based on key meteorological factors should be preferred. In the normal years without severe meteorological disaster, the method on climatic suitability could be given priority to yield quantitative forecasting to reduce forecast times.

Soybean; Keymeteorological factors;Climatic suitability; Yield forecast; Liaoning

2018−05−02

。E-mail：mina7921@126.com

辽宁省科技厅重点研发计划指导计划项目（2017210001）；中国气象局沈阳大气环境研究所中央级公益性科研院所基本科研业务费重点项目（2016SYIAEZD1）；辽宁省气象局博士启动金项目（D201604）；国家自然科学基金青年项目（41505120）

王贺然（1985−），女，博士，工程师，主要从事农业气象业务和科研工作。E-mail：wangheran001@aliyun.com

10.3969/j.issn.1000-6362.2018.11.004

王贺然,张慧,王莹,等. 基于两种方法建立辽宁大豆产量丰歉预报模型对比[J].中国农业气象,2018,39(11):725-738