吴添圆 吴道航 倾鹏程 蔡成满
(中山市气象局,广东 中山 528400)
水稻作为我国主要粮食作物之一,产量接近粮食总产量的1/2[1]。水稻产量受多种要素的影响,随着经济科技的发展和土、水、肥条件的提高改善,水稻的产量有所提高,但是年际间仍有较大波动,除了受当时当地的社会条件和农业水平限制外,气候要素对水稻各个生育期也有密切的影响[2]。广东省中山市地处珠三角中南部,濒临南海,属亚热带季风气候。中山市的气候特点,光照充足、热量丰富、雨量充沛、干湿分明。本文通过气象统计方法,分析研究中山市早稻气象产量和气象要素,包括平均气温、降水、最高平均气温等要素之间的关系;分析影响早稻产量的最主要的气象要素特征以及早稻不同生育期对这些气象要素的敏感程度,为当地水稻的生产提供理论依据和决策参考。
本文使用了1995—2018年逐年中山市早稻平均产量(kg·667m-2,以下简称为产量)数据,1995—2018年逐日气象要素数据。其中,中山市早稻产量数据来源于中山市统计年鉴,气象数据来自中山市基本国家气象站。
赵东妮等研究指出,在Logistic方法、HP滤波法和指数滑动平均法中,从趋势产量的拟合结果与惠农政策的实施和社会发展的情况来看,HP滤波拟合出的趋势产量序列与实际情况吻合最好。HP滤波法是经济学中用来消除时间序列所包含的趋势成分而被运用的一种方法,是一种时间序列在状态空间的分解方法。王桂芝等认为HP滤波分解在进行长时间序列的趋势产量拟合过程中具有一定优势。在研究气候变化对粮食产量影响中,作物模型法、模拟实验和统计分析法比较常见,而研究气象要素与长时间序列粮食产量的关系时,可以把粮食产量分解为气象产量、趋势产量、随机误差3部分。HP滤波可以视作一个近似的高通滤波器,随机误差可看成随机噪音,随机误差对产量的影响基本无规律可循,可忽略不计,即气象产量 = 实际产量-趋势产量。使用HP滤波得到的气象产量如图1所示。
图1 1995—2018年中山市早稻气象产量
研究气象规律,必然会涉及很多因素,每一种因素实际上就是一种变量,回归分析就是寻找和确定各种变量之间定量关系的方法之一。回归分析的主要思路是,确定几个变量之间是否存在某种相关关系,如果存在某种相关关系,从而建立起定量的数学表达式,利用此表达式,根据自变量的观测值预测因变量的可能取值;估计这种预测可能达到的精度(可能出现的误差范围)。
以逐年(1995—2018年)2月中旬—7月上旬的平均气温作为自变量(共15个自变量),中山市早稻气象产量作为因变量,分别建立一元一次回归方程,从而得到15个偏回归系数。回归模型的偏回归系数(图2)反映了各旬平均气温对中山市早稻气象产量的影响效应变化情况(正值为正影响效应,气温升高,对气象产量影响为正,利于产量增加;反之利于气象产量下降)。建立气象产量回归方程的结果显示,4月上旬、6月中旬、7月上旬的平均气温分别通过90%的显著性检验(早稻气象产量与平均气温的正相关通过90%显著性检验,如表1);4月下旬、5月中旬的平均气温分别通过95%的显著性检验(早稻气象产量与平均气温的正相关通过95%显著性检验,如表1)。
表1 1995—2018年中山市早稻气象产量与同期各旬平均气温的相关系数
夏小曼指出水稻抽穗期和乳熟期为水稻产量形成的关键时期。有研究表明,水稻前中期的适温为日平均气温25~30℃。
分析得出早稻种植在适宜温度内(25~30℃),在分蘖(4月下旬)、拔节(5月中旬)等前中期平均气温升高且均为明显的正影响,有利于产量的增加(图2)。
图2 旬平均气温对中山市早稻气象产量回归方程的偏回归系数
类似于早稻气象产量与平均气温的分析,以逐年(1995—2018年)2月中旬—7月上旬的降水量作为自变量(共15个自变量),中山市早稻气象产量作为因变量,得到15个偏回归系数。分析得出,6月下旬的降水量通过90%的显著性检验(早稻气象产量与4月中旬、6月下旬降水量的负相关通过90%显著性检验,表略);6月中旬的降水量通过95%的显著性检验(早稻气象产量与降水量的负相关通过90%显著性检验,表略)。分析得出在水稻的抽穗(6月中旬)、乳熟期(6月下旬),降水量的增加利于产量的减产。
以逐年(1995—2018年)2月中旬—7月上旬的逐旬最高气温平均值作为自变量(共15个自变量),方法与上述相同,得到15个偏回归系数。建立回归方程的结果显示,5月中旬、6月中旬的最高气温平均值分别通过90%的显著性检验(早稻气象产量与最高气温平均值的正相关通过90%显著性检验,表略);4月上旬、4月下旬的最高气温平均值分别通过95%的显性检验(早稻气象产量与最高气温平均值的正相关通过95%显著性检验,表略)。水稻前中期的适温为日平均气温25~30℃,分析得出在早稻的适温范围内,返青(4月上旬)、拔节(5月中旬)、抽穗(6月中旬)等生育期中,最高气温平均值的升高,对早稻产量有促进作用。
在考查基本气象要素(此外,本文省略了日照时数、相对湿度的特征)与早稻产量的线性关系的基础上,选取与气象产量的相关系数通过90%以上显著性检验的气象要素,试图建立中山市早稻气象产量(y)的多元一次回归模型。以1995—2016年5月中旬平均气温(x1),7月上旬平均气温(x2),6月中旬降水量(x3),4月上旬最高气温平均值(x4)作为变量建立中山市早稻气象产量回归方程:
y=4.65×x1+5.24×x2-0.07×x3 +1.87×x4-310.71
图3 1995—2018年早稻气象产量的回归方程
回归方程中每个自变量均通过90%以上显著性t检验。分析结果显示,1995—2016年气象产量与回归值(y)的相关系数值为0.84,从图3可以看出,使用回归方程预测的2017年、2018年的y值(-17.1,15.6)趋势与实际情况(2.9,22.7)相同,但数值上仍有差异。综合而言,由气象要素建立的回归方程,其预测气象产量的趋势可以作为有用的参考。
本研究以中山市1995—2018年的早稻平均产量数据和中山市1995—2018年的平均温度、降水量、最高平均温度、最低平均温度等气象数据为基础,利用HP滤波方法、多元一次回归方程模型,分析了中山市早稻气象产量与气象要素的关系。结果表明,在水稻不同生育期对气象不同要素敏感性不同,多元一次回归方程模型预测趋势与实际情况相同,但是数值上仍有差异,其预测气象产量的趋势可以作为有用的参考。