湖北漳河灌區中稻氣象產量變化特征及預測模型

余 蕾,鄒志科,劉鳳麗,羅文兵,王文娟

(長江科學院 農業水利研究所,武漢 430010)

0 引 言

水稻是我國最重要的糧食作物之一,除了水稻品種、生長環境和農業管理措施外,氣候是影響水稻產量的最重要因素之一[1]。氣候變化嚴重威脅作物生產力的穩定和糧食安全[2]。2021年發布的政府間氣候變化專門委員會(IPCCAR6)第六次評估報告指出,全球變暖將使干旱和降水等極端事件日益頻繁[3],聯合國糧食及農業組織(Food and Agriculture Organization of the United Nations,FAO)評估稱,氣候變化對全球農業生產和糧食安全產生了重大影響[4-5]。因此,科學評估氣候變化對糧食產量的影響,及時準確地預測糧食產量,對于維護國家糧食安全具有重要意義。

水稻產量的波動受到當地氣候年際變化的影響。張衛建等[6]研究表明,水稻生長季平均氣溫上升1 ℃,水旱兩熟區中稻平均減產10.9%、我國南方雙季稻早稻平均減產6.7%、晚稻平均增產12.1%。Tao等[7]研究認為,在不考慮CO2及施肥效應的前提下,當全球平均氣溫分別上升1、2、3 ℃時,我國的水稻產量將分別降低6.1%～18.6%、13.5%～31.9%、23.6%～40.2%。因此,未來氣候變暖的趨勢將對中國的水稻產量產生不利影響[8-9]。

通常采用模擬試驗方法、生長模型方法和統計分析共3種方法解析氣象災害對作物產量的影響[10-14]。統計分析法比較客觀、嚴密,在時效、經濟成本和準確性上可以滿足農業生產管理和產量預測的需求,已經成為氣象產量研究最常見的方法之一[15]。統計分析法采用多年氣象觀測資料和相應的作物實際產量,將作物氣象產量波動從實際產量中分離出來,然后分析其與氣象因子的關系[16]。趙東妮等[17]評價了應用HP 濾波法、指數平滑法以及Logistic 方法分離水稻的趨勢產量、氣象產量序列的合理性,三者之間無顯著區別(P>0.05)。葛道闊等[18]利用多項評估指標分析評價了三點滑動平均法、二次函數法、HP 濾波法和二次指數平滑法4 種方法分離出的水稻的氣象(災害)產量序列的合理性和普適性,結果表明4種方法均基本適用于宏觀、粗線條的氣象產量分離,但以二次指數平滑方法最為合理、可信。

以往的研究成果對理解水稻生產規律具有重要的實踐意義。但多數研究采用多元線性分析方法研究水稻產量與氣象因子的關系,直接使用實際糧食產量代替氣象產量,沒有考慮時序數據的相關性。此外,大多是挑選對水稻生產最重要的2～3個氣象因子進行分析,而忽視了水稻產量取決于多種氣象因子的共同脅迫和水稻生長發育不同階段的需求[19-20]。湖北省是我國最易發生洪澇災害的地區之一,氣象因子變化是造成糧食產量波動的重要因素。因此,本文選取湖北省的漳河灌區為研究區域,結合漳河灌區1975—2020年水稻產量統計資料,利用4種常見的氣象產量分離方法研究氣象因子與水稻產量波動的關系,從而得到湖北省水稻氣象產量的變化特征,識別不同生育階段影響水稻產量的主要氣象因子,建立漳河灌區單季稻對氣象因子的響應模型,為預測氣候變化對灌區產量的影響提供科學依據[21-23]。

1 材料與方法

1.1 研究區概況

漳河灌區位于湖北省長江支流沮漳河東支的漳河上(見圖1),設計灌溉面積260.52萬畝(1畝≈666.67 m2),漳河水庫是其主要灌溉水源,目前人口162萬,其中包括110.68萬農業人口。灌區主要種植中稻,是湖北省主要商品糧基地之一。

圖1 漳河灌區地理位置Fig.1 Geographical location of Zhanghe irrigation area

1.2 數據來源

漳河灌區1975—2020年水稻產量數據來源于漳河灌區管理局,氣象站的逐日氣象資料,包括氣溫(最高、最低氣溫及平均氣溫)、相對濕度、日照時數、平均風速、降雨量、蒸發量等來源于荊門市氣象局。根據種植面積和水稻產量計算單位面積水稻產量(單產),選擇單產可充分消除播種面積變化造成的影響[24]。

1.3 單季稻氣象產量

水稻產量受社會因素和自然因素的共同影響。農業技術推廣、農業生產經營管理水平的提高、農作物栽培和施肥以及灌溉方法的改進、國家惠農政策的實施等一系列社會因素帶來農業生產力水平的不斷提高,促進水稻產量不斷增加,此部分水稻產量稱為趨勢產量;自然因素中最主要的影響因素為氣象因子,而由于氣象因子變化導致的水稻產量稱為氣象產量;除這2種因素外,由其他因素導致的產量為隨機變量,其影響較小,一般可忽略不計[16]。水稻的實際產量可以看作趨勢產量與氣象產量的總和,即

ot=yt+yw。

(1)

式中:ot為第t年水稻實際產量(kg/hm2);yw為水稻氣象產量(kg/hm2);yt為第t年水稻趨勢產量(kg/hm2)。采用不同的分離方法計算水稻的趨勢產量yt,由式(1)得到氣象產量。

根據漳河灌區水稻的實際生長情況,將漳河灌區水稻從育苗到成熟劃分為8個階段,分別為育苗期(5月1—25日)、返青期(5月26日—6月6日)、分蘗前期(6月7—22日)、分蘗后期(6月23日—7月10日)、拔節孕穗期(7月11—26日)、抽穗開花期(7月27日—8月13日)、乳熟期(8月14—28日)、黃熟期(8月29日—9月7日)[20]。選擇5月1日至9月7日8個生育階段的最高氣溫、最低氣溫、平均氣溫、相對濕度、累計日照時數、平均風速、累計降雨量、累計蒸發量8類主要氣象因子,運用相關分析法獲取各生育階段與水稻產量相關性最高的氣象因子,建立回歸模型并進行擬合度與顯著性檢驗,再計算水稻歷年產量預測值,與水稻歷年實際產量進行比較,以此檢驗模擬公式的精確度。

1.4 研究方法

滑動平均法、HP濾波法、指數平滑法等是趨勢產量分離的常用方法[12-14,25]。氣象產量可由水稻實際產量和水稻趨勢產量相減得到,最后通過水稻氣象產量與水稻相應的8個生育階段共64個氣象因子的回歸分析,建立氣象產量對氣象因子的響應模型。

1.4.1 三點滑動平均法

滑動平均法被認為是一種低通濾波器,它通過依次增減新舊數據,消除偶然變化的因素,發現事物的發展趨勢。對于樣本量為N的時間序列x,其滑動平均序列表示為

式中:yt為3 a滑動平均產量序列;q為滑動步長。由于本文使用46 a水稻產量數據,農業結構調整通?！? a,因此滑動步長q取3,對應于3 a滑動平均法。

1.4.2 指數平滑法

指數平滑法遵循“厚近薄遠”的原則對時間系列進行加權處理,所以不同于一般的加權滑動平均法,指數平滑法能對時間序列進行平滑修勻,消除不規則變動的影響。二次指數平滑法的基礎為一次指數平滑法,一次指數平滑法的數學模型為

(3)

式中:St、S1、St-1分別為第t年、第t-1年、第1年一次平滑后水稻產量;o1為第1年水稻實際產量。平滑系數a取值范圍為0～1,對結果具有重要影響,本研究中取a=0.9。

一次滑動平均產生的序列再進行一次指數平滑后得到二次指數平滑,所以實際上是一次指數平滑的遞歸形式,即

Dt=aSt+(1-a)Dt-1。

(4)

式中Dt為二次指數水稻平滑后的產量序列。

1.4.3 HP濾波法

HP濾波被看作高通濾波器,其假設水稻產量的時間序列由2部分組成,即高頻成分的氣象產量與低頻成分的趨勢產量。水稻實際產量、長期趨勢產量以及短期氣象產量分別以ot、yt、yw表示,可將yt定義為求取下面公式的最小化問題的解,即

(5)

對式(5)中的ot序列求導,轉化成矩陣形式,可得

yt=(λF+I)-1ot。

(6)

式中F和I分別為系數矩陣和單位矩陣。根據前人的研究經驗[17-18],參數λ決定趨勢線的光滑程度,其參考值選值為100。

2 結果與分析

2.1 水稻單產及趨勢產量變化特征

圖2顯示,1975—2020年漳河灌區水稻單產總體上呈現增長趨勢,多年平均單產為7 512 kg/hm2。采用Mann-Kendall秩次法檢驗漳河灌區水稻單產的變化趨勢[26],在0.01顯著水平下,1975—2020年統計量為2.39>1.96,呈現明顯的上升趨勢。根據水稻單產變化規律大致可分為3個階段。

圖2 漳河灌區水稻單產及趨勢產量時序變化Fig.2 Time series change of rice yield per unit area and trend yield in Zhanghe irrigation area

(1)穩步上升階段(1975—1988年)。此階段為比較明顯的上升階段,這一階段最高產量達到7 695 kg/hm2,比1975年增產高達79.8%,這主要是政策因素和生產力投入因素綜合作用結果。改革開放初期,“家庭聯產承包責任制”充分釋放了農村生產力,加之農業技術與勞動力的大規模投入,水稻實際單產得到大幅度提升[27]。

(2)穩定階段(1989—2007年)。此階段的水稻產量呈現一定的上下波動,但基本保持在6 800 kg/hm2左右;這主要是因為20世紀80年代后期,隨著鄉鎮企業異軍突起,發展工業產生的經濟效益明顯優于農業,農民在解決了基本溫飽后,不愿意加大農業投入,加之化肥濫用,土壤肥力降低,但在前期政策和技術投入的慣性作用下水稻單產保持波動穩定。

(3)波動上升階段(2008—2020年)。2012—2016年連續5 a平均單產超過10 000 kg/hm2,2017年之后產量開始在10 000 kg/hm2上下波動。這是因為稻米市場價格一直保持低價徘徊,“谷賤傷農”造成農民普遍增產不增收,并且此階段是湖北省城鎮化提速最快的階段,大量農村勞動力進城打工。為了改變這種狀況,2006年取消農業稅費后,湖北省采取了一系列扶持政策穩定農業生產,提高農民種糧積極性,與此同時漳河灌區節水灌溉試驗研究成果不斷推廣應用,這些因素綜合作用導致了該階段水稻產量呈現一定的上下波動,但是仍呈現增長的趨勢。

4種不同的方法分離出漳河灌區水稻單產的趨勢產量(見圖2),趨勢產量曲線基本能反映出1975—2020漳河灌區年水稻單產的變化過程,漳河灌區趨勢產量總體上呈現明顯的上升趨勢,可見農業生產力水平的不斷提高促進水稻增產。在4種分離方法中,一次平滑法分離的水稻趨勢產量與水稻單產吻合度最好。

將水稻平均單產、趨勢產量分別進行相關性分析,顯著性檢驗結果如表1所示。4種方法分離所得的水稻趨勢產量與水稻單產的相關性較好,決定系數均在0.9以上,且均通過0.01顯著性檢驗,由此可見4種方法分離出的水稻趨勢產量能夠較好地反映1975—2020年漳河灌區水稻單產明顯上升的變化趨勢。其中一次指數平滑法分離的趨勢產量與水稻單產相關性最高,R2=0.998,與圖2表現一致。其次分別為二次指數平滑法、三點滑動平均法,其決定系數R2分別為0.992、0.911,也能較好反映出不同時期漳河灌區水稻產量的變化趨勢。

表1 不同方法分離趨勢產量的顯著性檢驗結果Table 1 Significance test results of trend yield decomposed by different methods

2.2 水稻氣象產量變化特征

采用三點滑動平均、一次指數平滑、二次指數平滑和HP濾波4種方法,對漳河灌區46 a的水稻單產進行了趨勢產量和氣象產量的分離。圖3顯示了4種氣象產量分離方法所獲得的氣象產量。

圖3 4種方法分離水稻的氣象產量時序變化Fig.3 Time series change of meteorological yield decomposed by four methods

由圖3可知,4種方法所分離出的水稻氣象產量的年際變化趨勢大致保持一致,但是變化幅度存在一定差異。一次指數平滑法和二次指數平滑法波動幅度不太明顯,三點滑動平均法和HP濾波法所對應的氣象產量波動幅度較大。此外,4種方法得到的氣象產量甚至存在數值正負相反的現象,在某些年份差異較大。因此,不同方法獲得的氣象產量輸出結果可能存在不同。

水稻實際單產中,趨勢單產占主要成分,趨勢產量和氣象單產對水稻實際單產多年平均的貢獻率分別為96.01%和3.99%。2000年以后,水稻氣象產量呈振蕩型變化且強度在增強,2008年和2009年的4種分離方法得到的氣象產量平均值約為1 200 kg/hm2,約占當年總產量的16.4%,證明氣象因子對湖北灌區水稻產量的影響作用在增強。1977年、1995年、2006年氣象產量均為負值,氣象因子對產量形成不利影響,其中,1977年6月、8月降雨偏少,而6月份是水稻的分蘗期,8月份是水稻的抽穗灌漿期;1995年5—9月降雨偏多,占全年降雨總量的70%;2006年持續陰雨寡照。這些不利的氣象條件均是造成水稻減產的重要原因[28]。由上可以看出,分離出的氣象產量可以初步反映水稻產量對氣象因子的依賴性。

2.3 氣象產量與氣象因子相關分析

漳河灌區中稻的主要生育期為5月上旬至9月上旬,選取水稻每個生育階段的氣象因子包括最高、最低及平均氣溫、相對濕度、累計日照時數、平均風速、累計降雨量、累計蒸發量,與分離的氣象產量進行相關分析,如表2所示。結果表明,漳河灌區水稻的氣象產量與8個不同生育階段的氣象因子存在一定的相關關系,但分離出的氣象產量與氣象因子決定系數隨方法的不同而有一定的差異。因此,合理的氣象產量取值是構建漳河灌區單季稻預測模型的關鍵。

表2 4種方法分離的氣象產量與氣象因子相關分析Table 2 Analysis of correlation between meteorological factors and meteorological yield decomposed by four methods

2.4 氣象產量與氣象因子回歸分析

水稻產量形成是有機物質積累與分配的過程,其氣象產量取決于多種氣象因子和水稻生長發育不同階段需求的綜合作用。為深化水稻氣象產量與氣象因子數量關系的研究,將4種方法分離得到的水稻氣象產量Yt與8個生育期的共64個氣象因子(S1、S2、…、S64)進行回歸分析,結果如表2所示。采用三點滑動平均法時,氣象產量與抽穗開花期降雨量、乳熟期降雨量、返青期降雨量、分蘗后期平均氣溫、乳熟期平均氣溫和分蘗前期日照時數擬合優度較好;采用一次指數平滑法時,氣象產量與抽穗開花期最低氣溫、拔節孕穗期最高氣溫、分蘗后期平均氣溫、返青期最低氣溫、乳熟期蒸發量和育苗最低氣溫擬合優度較好;采用二次指數平滑法時,氣象產量與抽穗開花期最低氣溫、拔節孕穗期最高氣溫、分蘗后期平均氣溫、返青期最低氣溫、乳熟期蒸發量、育苗最低氣溫、乳熟期平均氣溫和返青期蒸發量擬合優度較好;采用HP濾波法時,氣象產量與抽穗開花期最低氣溫、抽穗開花期蒸發量、返青期最低氣溫和分蘗后期平均氣溫擬合優度較好。

據表3可知,各方法所得R2的大小順序為一次指數平滑法>二次指數平滑法>三點滑動平均法>HP濾波法,說明采用一次指數平滑法時水稻氣象產量對氣象因子的響應模型擬合優度較好,且標準誤差S的大小順序為一次指數平滑法<二次指數平滑法

表3 氣象產量與生育階段氣象因子回歸統計Table 3 Regression statistics of meteorological yield and meteorological factors in growth stage

由表4、表5可知,F值為7.122,?1,顯著性檢驗度SignificanceF為0.000 036,?0.05,說明逐步回歸效果顯著。當采用一次指數平滑法時,關鍵氣象因子為抽穗開花期最低氣溫、拔節孕穗期最高氣溫、分蘗后期平均氣溫、返青期最低氣溫、乳熟期蒸發量、育苗期最低氣溫。

表4 采用一次指數平滑法時方差分析結果Table 4 Analysis result of variance using single exponential smoothing method

表5 采用一次指數平滑法時回歸參數Table 5 Regression parameters using single exponential smoothing method

根據漳河灌區1975—2014年氣象產量與各生育階段氣象因子的回歸分析,建立中稻氣象產量對氣象因子的響應模型,即

yw=199.340-6.718S2+15.749S10+11.381S27-

15.283S35-10.273S42+17.549S56。

(7)

式中:S2為育苗期最低氣溫;S10為返青期最低氣溫;S27為分蘗后期平均氣溫;S35為拔節孕穗期最高氣溫;S42為抽穗開花期最低氣溫;S56為乳熟期蒸發量。

依據一次指數平滑法的表達式,平滑系數a=0.9時,趨勢產量的計算式為

yt(j+1)=0.9y(j)+(1-0.9)yt(j)。

(8)

式中:j為年份;y(j)為第j年的水稻產量(kg/hm2);yt(j)、yt(j+1)分別為第j、第j+1年水稻產量的趨勢產量。

根據式(1),可得漳河灌區單季稻產量預測模型為

y(j+1)=0.9y(j)+(1-0.9)yt(j)+199.340-

6.718S2+15.749S10+11.381S27-15.283S35-

10.273S42+17.549S56。

(9)

式中y(j+1)為第j+1年的水稻產量(kg/hm2)。

2.5 模型模擬結果分析

根據建立的漳河灌區中稻預測模型,利用1975—2020年氣象資料和水稻實際產量資料,計算得到預測模型的中稻產量預測值。將率定期1975—2014年和驗證期2015—2020年的產量預測值與水稻實際產量進行對比,如圖4所示。

圖4 漳河灌區水稻單產預測模型模擬值與實測值對比Fig.4 Comparison of rice yield per unit area between prediction and measurement in Zhanghe irrigation area

由圖4可知,基于漳河灌區水稻單產預測模型模擬中稻產量與水稻單產實測值比較接近,二者之間具有較好的擬合度。模擬值與實測值在率定期的決定系數R2為0.993,水稻產量模擬值與單產最大誤差出現在2000年,達到351.1 kg/hm2,相對誤差為4.7%;其次為2006年,誤差達到-331.9 kg/hm2。模擬值與實測值在驗證期間的決定系數R2為0.984,水稻產量模擬值與實測值最大誤差出現在2017年,達到-201.7 kg/hm2,相對誤差為2.1%。率定期和驗證期的預測誤差均在5%以內,可見基于氣象因子建立的預測模型能夠較好地模擬漳河灌區的水稻產量,模型的精度較高,決定系數R2達到0.994,可應用于漳河灌區水稻產量估算。

3 討 論

水稻的最終產量可以看作為趨勢產量和氣象產量的總和。趨勢產量是反映歷史時期生產力發展水平的長周期糧食生產組成部分,除了受品種更新、化肥施用量增加、耕作方式改變等影響外,農業優惠政策的推行也能在較短時間內最大限度地促進趨勢產量快速增長。王桂芝等[29]研究了1961—2012年全國糧食50余年的單產數據,結果表明,雖然不同階段糧食的增產速率存在差異,但全國糧食單產始終維持增長趨勢。1961—1977年,由于受農業到生產力水平的制約,近17 a糧食單產增產速率緩慢;1978—1990年期間,由于農業優惠政策如“家庭聯產承包責任制”的推行解放了農村生產力,全國的糧食單產迅速增長;1991年后,隨著種植技術和農業生產力的進一步發展,糧食處于穩定增長狀態[14,24]。盡管本文4種方法擬合出的水稻趨勢產量在不同時間段內的增長速率有一定的差別,但與王桂芝等[29]研究的全國糧食增長趨勢基本一致。

水稻的產量還受氣象因子的制約,氣象產量是受氣象因子為主的短周期變化影響的波動產量。雖然多年(1975—2020年)平均氣象產量只占總產量的4%,2000年之前,氣象因子作為水稻生長的必要條件,其變化相對平穩;但是2000年之后隨著氣候變化,極端天氣的頻率和強度有所增強,氣象產量的變化幅度增強,氣候變化對漳河灌區水稻產量的影響作用在增強。漳河灌區水資源豐富、灌溉設施完善,因此在水稻生育期內水分供應充足,供水不是氣象產量的主控因素,氣象產量年際間的波動主要由溫度的年際變化決定。本文4種方法分離出水稻氣象產量,與水稻8個生育階段的8類主要氣象因子進行相關分析,篩選出來的主要氣象因子都與溫度相關,表明4種分離方法得到的氣象產量具有較好的一致性,即區域范圍內氣候特征基本相同時,水稻的氣象產量具有基本相似的變化特征[30]。然而,為了反映水稻生長受不同階段溫度條件的影響,一次指數平滑方法分離得到的氣象產量相較其他3種方法的結果更加符合實際,其R2=0.994。此外,在不同的生育階段,水稻氣象產量對溫度(最低氣溫、平均氣溫和最高氣溫)的敏感性不同,這也反映了全球變暖的背景下,氣溫對水稻產量的影響愈發顯著,導致不穩定性增加,應采取針對性措施著力減輕未來極端氣候條件對糧食安全的不利影響。

4 結 論

本文利用4種常見的方法(一次指數平滑、三點滑動平均、二次指數平滑和HP濾波)將漳河灌區的氣象資料和同期(1975—2020年)水稻單產分離為趨勢產量和氣象產量,從而揭示了湖北省典型灌區水稻氣象產量的變化特征,得到如下結論:

(1)湖北省典型灌區水稻實際單產可分解為趨勢單產和氣象單產,趨勢單產和氣象單產對水稻實際單產多年平均的貢獻率分別為96.01%和3.99%。其中,氣象單產變化的幅度正在增強,表明氣候變化對湖北灌區水稻產量的影響作用在增強。

(2)4種不同方法的計算結果均能體現水稻氣象產量的長期變化趨勢,但在短期波動幅度上存在一定差異。就氣象產量和湖北省平均趨勢產量序列之間相關性而言,以一次指數平滑方法最為合理、可信。

(3)回歸分析顯示,漳河灌區水稻8個生育階段中,抽穗開花期最低氣溫、拔節孕穗期最高氣溫、分蘗后期平均氣溫、返青期最低氣溫、乳熟期蒸發量和育苗最低氣溫是影響氣象產量的主要因子,水稻預測模型對2015—2020年水稻產量進行預測,平均準確度達98.4%。建立的水稻產量模型具有較高的預測精度,也更加符合實際情況。