四川省水稻农业气候年景预测模型的构建与检验

摘 要：水稻作为四川省重要的粮食作物，其产量的稳定关系到粮食安全，而做好年景预测可以为水稻生产提供科学依据，保障水稻生产安全。通过分析1975—2014年四川省水稻单产、总产、面积的变化特征，利用SPSS计算1975—2014年四川省水稻单产增减率与环流因子、四川省逐旬和逐月气象资料的相关情况，筛选出与增减产率显著相关（显著性>0.05）的因子，利用逐步回归法、主分量分析法构建农业气候年景预测模型，最后进行检验。结果表明：利用环流因子构建的回归预测模型的预报准确率高于气象要素模型，按三级农业年景划分其准确率为80%，按六级农业年景划分其准确率为84%。利用环流因子构建的回归预测模型计算方便，易于业务化，其准确率基本满足预报业务需要。

关键词：四川省；农业气候年景预测；水稻；农业生产

中图分类号：S162.5 文献标志码：A 文章编号：1674-7909（2024）18-126-4

DOI：10.19345/j.cnki.1674-7909.2024.18.030

0 引言

四川省是我国重要的粮食生产基地，水稻是四川省第一大粮食作物。《四川统计年鉴2023》显示，2022年四川省水稻播种面积和总产量分别占全省粮食的29.0%和41.7%［1］。四川省属于多种气候并存的地区，以亚热带季风气候为主，冬季干燥、夏季潮湿，夏秋雨多、冬春雨少，夜间降水多于白天［2］；降水季节性差异很大，90%集中在5—10月［3］；晴天多，云量少，年日照时数为2 000～2 600 h［4］。四川省有山地、丘陵、平原、高原等地貌类型，自然灾害多发、频发，人均耕地面积较小，耕地资源相对匮乏。开展四川省水稻农业气候年景预测研究，可以为水稻生产提供科学依据，有利于水稻产量和品质提升，保障粮食安全。

1 资料来源与研究方法

1.1 资料来源

研究使用的资料为四川省气象探测数据中心发布的气象资料和农业农村部种植业管理司发布的四川省水稻种植业相关资料。

1.2 研究方法

1.2.1 气候年景评估方法

研究利用四川省全年水稻单产情况表征水稻生产状况；参考国家统计局农村社会经济调查司《中国农业统计资料（1949-2019）》，产量的丰歉年指水稻产量增加的绝对数或增减百分率，研究采用水稻产量的增减百分率表示丰歉年型，见式（1）。

[∆Yi=Yi-Yi-1Yi-1×100]%                  （1）

式（1）中：[∆Yi]为某年水稻单产增减百分率，Yi为某年水稻单产，Yi-1为上一年水稻单产。在小时间段内，当其他条件不变，气候差异是水稻单产变化的最大影响因子。根据相邻2年水稻单产的增减率可以得出农业年景丰歉年型。其中，三级划分法的农业年景丰歉年型为：[∆Yi]≥5%为丰产年型，5%>[∆Yi]≥-5%为平年年型，[∆Yi]<-5%为歉年年型；六级划分法的农业年景丰歉年型为：[∆Yi]≥5%为丰产年型，5%[>][∆Yi]≥3%为平偏丰年，3%[>][∆Yi]≥0为持平略增，0≥[∆Yi][>]-3%为持平略减，-3%≥[∆Yi][>]-5%为平偏歉年，[∆Yi][<]-5%为歉年年型。

1.2.2 逐步回归法

逐步回归法有3种策略。①前向选择，从模型中没有变量开始，使用选择的模型拟合准则测试每个变量的加法，添加包含的变量，使拟合在统计上有最显著的改善，并重复这个过程，直到模型在统计上没有显著的改进为止。②向后消除，涉及从所有候选变量开始，使用选择的模型拟合准则测试每个变量的剔除，剔除模型拟合在统计上最不重要的变量，并重复这一过程，直到不出现统计显著的拟合损失的情况，无法剔除为止。③双向消除，前向选择和向后消除的组合，测试每一步的变量相关或不相关［5］。

1.2.3 主分量分析法

主分量分析法又称为主成分分析法、EOF方法、经验正交函数分解法和特征向量分析法，分析对象是以网格点为空间点随时间变化的样本。研究在分析气候要素因子与农业年景的关系和构建模型方程时，用到主分量分析法。针对一个区域内水稻单产的宏观研究，要避免过多气候因素造成的不稳定性和共线性，通过相关性分析挑选出关键的气候因子，再利用主分量分析法构建出1个综合气候因子来代替多个气候因子。这样可以减少维数，提取主要信息［6］。利用主分量分析法对通过置信检验的多个预报因子进行处理，从而建立农作物产量预测模型。该方法不仅能提取所有预测因子的有效信息，还消除了因子间的多元共线性［7］。

2 1970—2014年四川省水稻生产概况和产量变化规律

2.1 水稻逐年产量特征

图1（a）显示，四川省水稻总产量在1975—1984年一直呈递增趋势，1985—1996年产量也在波动上升，1996年达到最大值2 161.1万t，1997—2003年波动减少，2004—2014年波动较小，2007年出现最小值1 417.3万t。1975—2014年研究区水稻总产量均值1 651万t，2001—2014年的总产量低于均值。

图1（b）显示，1975—2014年四川省水稻单产（每667 m2种植面积产量，下同）稳步上升，从1975年的279.46 kg增加到2014年的511 kg，增长率为82.8%。1975—1984年一直呈递增趋势，1985—2014年波动上升，2013年单产达到最高值519.01 kg。1975—2014年四川水稻单产均值为442 kg，除2007年以外，1995—2014年其他年份单产都高于均值。

数据显示，1975—2014年四川省水稻播种面积整体呈现下降趋势，1975—2014年播种面积减少147.19万hm2，年均减少3.68万hm2。从四川省水稻播种面积占全国的比例来看，1978年以来四川省水稻播种面积占全国粮食播种面积的比例呈波动下滑趋势。1975—1984年水稻播种面积增大，1985—1996年波动持平，1996—1997年播种面积减少80.91万hm2，1997—2014年水稻播种面积继续减少。

综上所述，四川省水稻单产水平呈现持续上升趋势，从1975年的279.46 kg增加到2014年的511 kg，增长率为82.8%。但水稻播种面积整体呈现下降趋势，播种面积从1975年的248.93万hm2减少到2014年的101.74万hm2，共减少147.19万hm2，年均减少3.68万hm2。1997年重庆市划分出四川省成为直辖市，也使得1997年前后四川省水稻播种面积和总产量有较大的波动。单产反映的是区域平均情况，行政区划变动对其造成的影响较小，因此以1975—2014年四川省水稻单产为研究对象进行年景分析。

2.2 气候年景变化情况

按照农业气候年景划分方法，对1975—2014年四川省水稻生产农业气候年景进行划分，其中丰年、平年、歉年数量分别为10 a、28 a、2 a，持平略减年、平偏歉年、平偏丰年、持平略增年数量分别为6 a、4 a、7 a、11 a。其中1978年增率最高，达10.1%，平均每667 m2增产29.76 kg；2001年减率最高，为-11.35%，平均每667 m2减产58.28 kg。增产年份和减产年份都是20 a，各占50%。

如图2所示，根据1975—2014年四川省水稻单产增减率变化趋势，增减产率呈轻微下降趋势，每年约为0.12%，这表明水稻单产逐年变化幅度呈现减少趋势。由于作物品种优化、种植技术成熟等因素的影响，水稻单产水平逐渐稳定。

3 年景预测研究

3.1 基于环流因子的年景预测模型

研究以国家气候中心74项环流指数为预报因子，但由于环流影响存在一定的滞后效应，计算相关性时，将前12个月的环流因子也进行了相关计算。通过初步相关计算分析，发现与粮食单产增减百分率具有比较密切关系的逐月环流因子达100个，通过降维的方式进行进一步筛选，从而建立预测模型。研究采用逐步回归法进行降维，最终得到预测模型，见式（2）。

Y=79.145-1.423X1+0.328X2-0.249X3-0.918X4-0.895X5+0.568X6                                                     （2）

式（2）中：X1代表当年6月北非副高脊线指数，X2代表当年2月大西洋欧洲环流型指数，X3代表当年4月大西洋欧洲环流型指数，X4代表当年8月北非副高北界指数，X5代表上一年7月北非副高脊线指数，X6代表上一年1月西太平洋副高北界指数。

图3显示，相关系数为0.874，F检验为4.656，均通过了0.001的信度检验。图3可直观看出环流因子回归模型生成的模拟值与实际值的相似程度。从1975—2014年40个回带结果来看，按三级农业年景划分，回带预测年景与实际年景一致的年份有32 a，准确率可达80%，有8 a预测不够准确；按六级农业年景划分，预报准确率达84%，且在错误预报的年景中，只有3 a的模拟值和实际值的差值大于3%，差值大于5%的仅有1 a（将丰年报成平偏丰年），错误预报年份的模拟值和实际值相差在1个级别内。

3.2 基于气象要素的年景预测模型

利用四川省统计局调查总队测产的39个农业主产县（区）的气象要素算术平均值表征四川省气候状态，用四川省逐月和逐旬的平均气温、降水、日照等气象要素与粮食增减百分率序列进行相关普查。虽然有种植制度变更等客观因素存在，但研究采用的是1975—2014年四川省水稻单产数据来进行相关分析，因此种植制度变更等因素对研究结果影响较小。

3.2.1 逐步回归法模型

利用回归方程建立四川省全年粮食农业气候年景评价模型，见式（3）。

Y=81.310-0.836X1-1.787X2-0.988X3+0.088X4   （3）

式（3）中：Y表示农业气候年景指标，X1为2月上旬平均气温，X2为7月中旬平均气温，X3为7月中旬平均最高气温，X4为5月上旬降水量。

这表明四川省水稻农业气候年景的主要影响因子有2月上旬平均气温、7月中旬平均气温、7月中旬平均最高气温和5月上旬降水量，除5月上旬降水量与水稻农业年景为正相关外，2月上旬平均气温、7月中旬平均气温和7月中旬平均最高气温与水稻农业年景都为负相关。5月，水稻处于分蘖期，对水分较为敏感，尤其在早稻生长前期，气温、水温都比较低，一般土壤持水量在70%以上时才有利于分蘖；气温在26～36 ℃时，土壤持水量达80%，分蘖最多；气温在16～21 ℃，土壤持水量达100%时，分蘖最少。7月，水稻处于灌浆期，如遇35 ℃以上的高温，会出现高温催熟，导致空秕率增加。以上数据表明回归模型的主要相关因子与水稻的生长周期重合，具有实际意义。对该回归模式进行统计检验发现，相关系数为0.750，F检验为4.323，均通过0.01的信度检验。

从1975—2014年四川省水稻全年粮食40个回带结果来看，按三级农业年景划分，回带预测年景与实际年景一致的年份有25 a，准确率达62.5%；按六级农业年景划分，预报准确率达70.8%。在错报的年份中，有8 a的预报模拟值与实际值差值超过3%，其中只有3 a的预报模拟值与实际值差值超过5%。从上述结果看，1975—2014年有8 a模拟值与实际结果相差较大。