水稻播种期的气象预报模型研究:以江苏省为例

张晓英

(福建省农业科学院 农业质量标准与检测技术研究所， 福建 福州 350003)

水稻播种期是生产上品种布局、播期安排、茬口衔接所必须考虑的问题，同时准确预测预报水稻播种期也是农用天气预报的一个重要环节。根据联合国政府间气候变化专门委员会(IPCC)第五次评估报告，1880—2012年，全球平均地表温度升高0.85℃[0.65～1.06℃]，1951—2012年全球地表温度的升温速率(0.12℃/10年)几乎是1880年以来升温速率的2倍，极端气候事件频率增加。气候变暖对作物生长发育也有影响，但不同作物的生育期、不同地区同一作物生育期及同一作物不同生育期对气候变暖的响应不同[1-11]，如春播作物播种期提早，喜温作物生育期延长[1]，越冬作物播种期推迟，生育期缩短。

水稻是江苏省第一大粮食作物，常年种植面积220万hm2，种植面积、稻谷产量分别占全省粮食面积的40%和总产量的60%，约占全国水稻种植面积的7%和水稻总产量的10%，单产稳居全国第一。水稻发育期的变化直接由温度等气象条件变化而引起。为利用实时气象资料直接进行播种期预报，以江苏省为例，选择旬平均气温(T)等10个气象因子作为自变量，应用相关分析方法及最优化相关处理技术，寻找表征江苏省水稻播种期的最佳气象因子，并建立回归模型。

1 资料来源与分析方法

1.1 资料来源

江苏省徐州、赣榆、淮安、兴化、镇江、宜兴、昆山和高淳8个水稻观测站有记录以来的农业气象资料及对应气象站的观测资料，包括旬平均气温(T)、旬最低气温(Tn)、旬最高气温(Tx)、旬温差(TD=Tx-Tn)、旬日照时数(S)、旬光温积(T*S)、旬降水量(R)、旬降水日数(Rd)、旬降水强度(RS=R/Rd)和旬降水温度比(R/T)10个气象因子，均来自于江苏省气象信息中心。为了保证数据的可比性，统一用1990—2010年资料进行分析建模。

1.2 分析方法

1.2.1 因变量的获取 将播种期数值化以便建模，对发育期进行处理，即以每年的1月 1日为基准，计算播种期为一年的第*天，返青期则在播种期的基础上继续累加实际的日数。如徐州 1986年度水稻播种期为5月 11日，即记为131。

1.2.2 最优化因子相关分析 利用最优化相关普查方法[12]分析自变量(气象因子)与因变量之间最合适的相互关系。为增加因子的信息量，首先对因子进行膨化处理[13]，然后再进行最优化普查。

因子X的线性和非线性[含单调的和非单调的单峰(谷)型]化处理可归纳为一种通用变换形式：

Q=(│X-b│/B+0.5)a

式中，a、b为待定参数，且Xmin≤b≤Xmax，B=max(Xmax-b，b-Xmin)。

经上式变换后，Q与Y(因变量，为水稻播种期)必为单调关系，且(│X-b│/B+0.5)的值在区间[0.5，1.5]内变化。对于单峰(谷)型关系的因子，为避免X在最低或最高值附近出现个别样本的偶然误差影响，b的取值以Xmin+(Xmax-Xmin)/4≤b≤Xmax-(Xmax-Xmin)/4为宜。a值一般在(-10，-1/10)和(1/10，10)2个区间内取值，效果较好。a、b可用最优化技术求出。令目标函数为f(a，b)= 1-R2=min，R为a、b取一定值时Q与Y的相关系数。应用二维寻优的变量转换思路将其分解为一元问题逐步处理。

经过上述方法处理普查后获得的因子，是一批与因变量相关最显著的因子。

1.2.3 稳定性检验与独立性检验 通过对相关普查所选的因子用滑动相关检验法进行稳定性检验[14]，拟淘汰掉一些相关程度前好后差或波动变化较大的因子，保证所选因子与积温之间具有稳定、显著的相关关系。

为提高统计回归模型的可预报性，首先要估计预报模型的系数，对于最小二乘法拟合来说，如果自变量数据矩阵Xn×p中有多元共线性存在，则系数就无法估计。为解决这一问题，选用主成分识别法[12，13，15-16]进行因子的独立性检验[13，15-16]，剔除共线性因子。在α=0.01置信度水平的相关显著因子中分别剔除掉复共线性因子，可以认为剩下的因子是相关显著、稳定并且相对独立的因子。

2 结果与分析

2.1 水稻播种期与气象因子的相关性

通过分析8个站点水稻播种期与气象因子的相关性发现，水稻播种期与气象因子相关密切。表1列出了与兴化站水稻播种期相关性达0.01极显著水平的气象因子。

2.2 水稻播种期的气象回归模型

由于已考虑因子相关的最优化、显著性、稳定性和独立性，因此，由自变量组合的联立方程可以达到非奇异。利用逐步回归方法，在8个站点保留的相关气象因子中筛选出贡献最大的因子，建立稳定可靠的回归模型(表2)，且8个站点的回归模型达0.01极显著水平。

表1 兴化站水稻播种期与气象因子的函数形式及相关系数

表2 水稻播种期的气象预报模型

注:X1′=(∣X1-8.4∣/5.1+0.5)0.58，为当年4月中旬旬最低气温，单相关系数为0.52；X2′=(∣X2-50.3∣/16.6+0.5)-0.55，为上一年12月上旬至当年1月中旬旬最高气温累积值，单相关系数为0.48。

2.3 预报模型拟合

利用上述预报模型进行回代检验，对水稻播种期的气象模型进行模拟，8个站点的模型都通过了α=0.01的显著性检验。图1为兴化站水稻播种期气象预报模型的历史拟合效果。

3 小结

结合水稻生理特征，选择旬平均气温等10个气象因子，应用相关统计分析方法，寻找表征江苏省水稻播种期的最佳气象因子，最终建立回归模型。这些预报模型的拟合检验效果良好，可提前较长时间预测出播种期时间，如兴化站常年水稻播种期为5月上中旬，建立的模型在4月中旬即可作出预报。预报结果对水稻种植具有重要的指导意义，可提升农业气象的专业服务能力。

水稻播种期除受天气条件影响外，还与品种、水利设施、土壤特性等有关，未来需要综合考虑这些因素，采用科学方法将这些因素转变为模型需要的自变量因子，以进一步提升预报模型的准确性。