打开文本图片集
摘要：由于农业其后年景预测可为合理安排农业生产布局、科学制定宏观调控政策提供一定依据，分析江苏省1961—2014年全年粮食作物相对气象产量与气象条件之间的关系。结果发现：降水对相对气象产量的影响权重最大，其次为日照和≥0 ℃活动积温，说明农业气候年景受光照资源、热量资源、水分资源的综合影响。为了将光、温、水的综合影响定量化，构建农业气候年景综合指数，将历年综合指数与相应年景进行统计分析，划定丰、平、歉年所对应的综合指数范围。基于太平洋海温和大气环流对长期天气过程影响的滞后性，同时考虑预报因子的显著性、稳定性和独立性，应用最优化技术，建立农业气候年景综合指数的预测模型，经过历史拟合和试报检验，效果理想，可投入业务应用，提前1年预测综合指数，从而确定农业气候年景。
关键词：农业气候年景；海温；环流特征量；预测模型
中图分类号： S165+.27 文献标志码： A
文章编号：1002-1302（2016）09-0435-04
气象条件是粮食产量波动的重要影响因素，气象条件的匹配与否、气象灾害的轻重度，在很大程度上决定了粮食收成丰歉、品质优劣和成本高低。20世纪90年代后期以来，我国粮食产量连续多年增产，但是随着人口、资源、环境问题的日益突出，自然灾害的频繁发生，我国粮食生产受到严重制约。我国地处东亚季风区，是世界上主要的气候脆弱区之一，随着全球气候变化的日益加剧，气象灾害对粮食安全构成的威胁越来越大，近年来我国农业气象灾害呈现出频率高、强度大、危害重的态势[1]。因此，开展客观、定量的农业气候年景预测，对科学制定宏观调控政策、合理安排农业生产布局、趋利避害稳定粮食生产和保障国家粮食安全具有重要的社会意义和经济意义。
农业气候年景是指农作物生长发育和产量形成期间的气候条件组合最终对粮食产量的影响，从20世纪 70 年代后期起，我国已有一些学者开展了农业气候年景预测的研究，并取得了一些成果，汪铎等研究发现，大范围作物产量的波动受特定天气类型的主导，而这种特定的天气类型是在特定的大型环流背景下形成的，因此提出了“环流-天气气候-作物年景”概念模型[2]。王建林等分别用相似分析法和综合评价法对我国黄河流域、长江流域和新疆棉花主产区的棉花年景进行了预测[3-4]。孙家明等利用降水距平累加作为干旱和洪涝指标，结合受灾（成灾）面积，建立回归模型，进行年景预测[5]。李翠金等采用修改后的Z值指标对长江中下游地区旱涝气候年景进行了评定[6]。石磊等通过计算干旱、暴雨洪涝等气候异常指数，建立气候年景模型[7]。上述研究更多的是侧重某种作物或者某种灾害的农业年景预测，而农业气候年景是指农作物生长发育和产量形成期间的气候条件组合对粮食产量的影响。
本研究以江苏省为例，综合考虑光、温、水对作物产量的影响，利用产量数据与气象资料确定相对气象产量的影响因子的权重，构建农业气候年景综合指数，分别以大气环流、太平洋海温为长期预报因子，建立农业气候年景综合指数的预测模型，通过历史拟合和试报检验预测模型的准确率，最终确定预测年份的农业气候年景，以期为开展农业气候年景预测业务服务提供技术支撑。
1 材料与方法
1.1 材料来源
（1）气象资料：来自江苏省60个气象台站1961—2014年的日平均气温、日降水量、日照时数；来自国家气候中心的74项环流指数与太平洋（10°S～50°N、120°E～80°W）海表面温度，水平分辨率5°×5°（共286个格点），取1961—2014年太平洋表面温度月平均值。
（2）产量数据：由江苏省统计局提供，采集1961—2014年江苏省农作物各年单产数据。
1.2 研究方法
1.2.1 相对气象产量的算法
一般可将实际产量y分离为依社会生产水平的变化而变化的趋势产量gt、随历史气象环境条件而变化的气象产量yw和随机误差ε（在通常情况下，随机误差可以忽略不计）。
2 结果与分析
2.1 江苏省粮食作物种植面积与产量概况
江苏省全年粮食主要由夏粮和秋粮构成，夏粮以小麦为主，秋粮包含水稻、玉米、大豆等，以水稻为主。从近5年的全省粮食产量和播种面积的平均状况（表1）来看：水稻总产量占粮食总产量的比重最大（55.9%），小麦其次（31.7%），玉米位列第3（6.7%）；水稻单产最高，全省平均单产高达8 342 kg/hm2，玉米其次，单产为5 384 kg/hm2，小麦位列第3，单产为5 016 kg/hm2；水稻和小麦播种面积相当，均在220万kg/hm2 左右，玉米和大豆的播种面积相对较少，均在50万kg/hm2以下。
2.2 粮食产量的分离
产量不仅受社会因素的影响，还取决于历年气象条件的优劣。对大范围农业区而言，农业生产水平逐年变化不大，相对稳定，但农作物的生长发育则各有特点，对气象条件的要求也各不相同，且气象条件逐年变化较大，因此最终的产量历年波动也不相同。为了分析气象条件变化对产量的影响，本研究利用HP滤波法对江苏省粮食产量进行分离。从图1可以看出，随着优良品种的多次更替、耕作制度的不断发展、栽培技术的逐年提高，江苏省粮食单产呈曲线上升，由社会生产力贡献的趋势产量一直处于增长状态，尤其是2000年之前，线性趋势达120 kg/（hm2·年），实际单产与趋势产量的相关系数高达0.991 2，通过了0.001显著性检验，说明趋势产量能很好地反映实际单产的变化趋势；气象产量在0左右波动，说明天气条件对粮食产量的影响时正时负，曲线波动范围表明气象条件对粮食产量的影响程度。
2.3 农业气候年景综合指数的构建
所谓农业气候年景是指农作物生长发育和产量形成期间的气候条件组合对粮食产量的影响，主要指降水、积温、日照等气候要素的综合影响。为了将降水、积温、日照的综合影响进行定量化，本研究构建了农业气候年景综合指数。该指数的构建对于农业气候年景的预测非常关键，由于农业气候年景综合指数是基于主要气象因子对相对气象产量的影响权重来构建的，因此该综合指数对农业气候年景具有较好的指示意义，若能准确预测综合指数，则能预测出相应的农业气候年景。农业气候年景综合指数的特点：（1）物理意义清晰，数值大小直接能反映降水、积温、日照的综合影响程度，而非单一要素的影响程度，符号能直接反映出气候条件的总体影响是正还是负；（2）指数序列在时间上具有持续性和波动平稳性，符合超长期预测模型的建立需求。
2.3.1 相对气象产量影响因子权重的确定
为了消除历年生产水平对气象产量的影响，将其处理成相对气象产量。从图2可以看出，20世纪60至70年代，相对气象产量波动非常大，80年代以后较为平稳，尤其是2007—2012年，相对气象产量变动基本都在±1%之内，说明农业生产对不利气候条件的脆弱性在下降，这与农业科技水平的提高和农业生产投入的增加有关。农业气候资源是农业生产的基本环境条件和物质能源，在农业生产中起着主导作用，对农业产量的高低具有重要影响[10-11]。农业气候资源包含光、温、水3要素，因此在寻找相对气象产量的影响因子时，选取降水量、≥0 ℃活动积温、日照时数3要素，为了体现变化程度，统一处理成距平百分率。相对气象产量与降水量呈反相关（图2），相关系数为-0.42，通过了α=0.01的显著性检验，说明粮食作物生育期内降水量在满足其需求的基础上如果增加，则会导致减产，反之亦然；相对气象产量与日照时数呈现正相关，相关系数为0.36，也通过了0.01的显著性检验，说明当日照减少时，不利于粮食作物的光合作用，产量易降低，反之亦然；相对气象产量与≥0 ℃活动积温的相关性很弱，说明对于江苏省，活动积温满足粮食作物的热量需求，因此热量资源不是影响水稻产量的主要因子。
相对气象产量的影响因子为降水、日照时数、≥0 ℃活动积温，将各项因子的相关系数绝对值之和作为分母，相关系数作为分子，可计算出各项因子的影响权重，分别为-0.446、0.383、0.171，表明降水对粮食作物的影响最大且呈负影响，其次是日照。
2.3.2 农业气候年景的划分
参照世界气象组织推荐的百分位数法确定农业气候年景的阈值[12]，将1961—2012年的相对气象产量以百分位法计算20%、75%对应的百分位数，分别为-2.098%、2.540%，以此作为临界值划分农业气候年景，即相对气象产量低于-2.098%为歉年，高于2.540%为丰年，介于两者之间为平年，1961—2012年的丰年、平年、歉年的数量分别为14、28、10年（表2）。典型丰歉年气候条件平均状况见表3，其中典型丰年是1966年、1973年、1978年，降水明显偏少（距平百分率平均值约为-27.6%），日照时数明显偏多（12.10%），对应的相对气象产量平均为5.8%；典型歉年是1963年、1991年、2003年，降水明显偏多（25.9%），日照明显偏少（-5.0%），对应的相对气象产量平均为-7.8%。
2.3.3 农业气候年景综合指数的构建及与相对气象产量的相关性
在降水、日照时数、≥0 ℃活动积温影响权重的基础上，分别乘以各要素距平百分率，然后进行相加，即为农业气候年景综合指数。从构建的综合指数与相对气象产量的时间序列来看，两者的变化规律基本同步（图3），1961—2012年两者的相关系数为0.45，通过了0.001的显著性检验。综合指数与相对气象产量的同正负率为67.3%，90%的歉年对应负的综合指数，平均值为-8.7；64%的丰年对应正的综合指数，平均值为9；平年对应的综合指数有正有负，主体变化范围是介于丰年与歉年平均值之间，因此通过农业气候年景综合指数预测农业气候年景是可行的。
2.4 基于海温和环流特征量的农业气候年景综合指数预测模型的建立
由于农业气候年景预测的时间尺度长达1个自然年度，因此预报因子需要具有相当高的稳定性和显著性，太平洋海温和大气环流特征量符合这一要求，而且两者对天气过程的影响均具有滞后性[13-14]，滞后性的存在对长期预报的时效非常关键。海洋对农作物产量的影响是通过对大气运动的控制而影响受天气条件支配的气候产量，500 hPa大气环流特征量是表征大气经向环流、纬向环流、副高等大形势天气过程的活动情况，大形势的调整产生不同的天气过程，从而对气候产量产生影响。
基于海温的建模思路：由于太平洋海温是一个场，所以首先对海温场进行相关普查，为了预测模型的可靠性和准确性，避免单相关的偶然性，对初步筛选出的因子，根据相关分析原理与空间拓扑分析作进一步处理，然后再进行最优化处理与稳定性和独立性检验[15]，筛选出相关性最显著的因子，最终建立农业气候年景综合指数的预测模型。
2.5 预测模型的效果检验
为检验以上2种预测模型的拟合效果，将农业气候年景综合指数的实际值和模拟值进行比较，由图4可见，无论是基于海温的预测模型还是基于环流指数的预测模型，模拟值都非常接近实际值，复相关系数分别高达0.923、0.938，2种模型都通过了0.001的显著性检验，F检验值分别为22.412、49.542，拟合效果好。
除了拟合检验外，还利用2013—2014年资料进行试报检验，经过与实际综合指数对比，2013年海温预测模型计算出的值与实际与实际更接近（表4），2014年则是环流预测模型的预测值更接近，不过预测出的年景基本为平年，与实际相符。在实际业务应用中，可考虑将2种模型的预测结果进行集合平均，并考虑预测年份的总体降水情况，与典型丰年和典型歉年的降水距平百分率进行比较，最终确定预测年份的农业气候年景。
3 结论与讨论
（1）农业气候年景受农业气候资源的综合影响，其中降水的影响权重最大（占0.446）且为负影响，其次是日照（占0.383），为正影响，由于积温均满足作物的热量需求，因此权重较小（占0.171）。江苏省粮食典型丰年（歉年）对应的气象条件是降水明显偏少（偏多）、日照时数明显偏多（偏少）。
（2）基于降水、日照、积温的影响权重，构建农业气候年景综合指数，该指数可对主要气象因子的综合影响进行定量化，数值大小直接能反映综合影响程度，数值的正负能直接反映气候条件的总体影响是正影响还是负影响。将历年综合指数与相应年景进行统计分析，划定丰、平、歉年所对应的综合指数范围，该指数对农业气候年景具有较好的指示意义。
（3）海温和大气环流是长期天气过程的重要影响因子，且两者对天气过程的影响均具有滞后性，根据长期天气预报原理，以海温和大气环流特征量为预报因子，建立农业气候年景综合指数的预测模型，经历史拟合和试报检验，预测效果理想，可投入业务应用，提前1年预测综合指数，从而确定农业气候年景。预测结果对政府决策部门科学制定宏观调控政策、合理安排农业生产布局具有重要意义。
虽然预测模型对农业气候年景综合指数的预测准确度很高，但是对于农业气候年景的预测仍存在不确定性，因为农业气候年景综合指数与农业气候年景并不是完全一一对应，误差来源主要表现在2个方面：（1）不同作物在不同季节对不同农业气候资源的敏感性可能存在抵消作用，建立的综合指数不能很好地体现农业气候条件对粮食产量的绝对影响力；（2）随着农业科技水平的提高和农业生产投入的增加，农业生产对不利气候条件的脆弱性在下降，从2000年以来气象产量波动明显减小的特征可以体现，但缺乏不利气候条件导致农业生产投入增加的相关数据。在今后的研究中，可以考虑从农业气象灾害和农业生产对不利气候条件的脆弱性下降2个方面深入展开，从而进一步提高农业气候年景预测的准确率。
参考文献：
[1]符 琳.东北三省农业气候年景评估研究[D]. 北京：中国气象科学研究院，2011.
[2]汪 铎，张 镡.“环流-天气气候-农业年景”系统模式探讨[J]. 大气科学，1989，13（2）：178-184.
[3]王建林，太华杰. 影响中国棉花产量丰歉的气象指标[J]. 应用气象学报，1995（增刊1）：96-101.
[4]王建林，太华杰. 棉花年景评价方法[J]. 气象，1997，23（4）：24-27.
[5]孙家明，黄朝迎. 中国农业气候年景的评估及预测[J]. 应用气象学报，2005，16（增刊1）：111-115.
[6]李翠金，马巧英. 长江中下游地区旱涝气候年景和评定方法的研究[J]. 灾害学，1998，13（1）：72-77.
[7]石 磊，王 胜，盛绍学. 近50年安徽省气候年景评估方法[J]. 地理研究，2012，31（9）：1580-1588.
[8]韩 蓓. HP滤波法及其在地区潜在经济增长率测算中的应用[J]. 经济师，2009（1）：28-29.
[9]高 苹，张 佩，谢小萍，等. 基于海温和环流特征量的江苏省小麦适播期预测[J]. 气象，2012，38（12）：1572-1578.
[10]杨晓光，刘志娟，陈 阜. 全球气候变暖对中国种植制度可能影响Ⅰ.气候变暖对中国种植制度北界和粮食产量的可能影响分析[J]. 中国农业科学，2010，43（2）：329-336.
[11]李克南，杨晓光，刘志娟，等. 全球气候变化对中国种植制度可能影响分析Ⅲ.中国北方地区气候资源变化特征及其对种植制度界限的可能影响[J]. 中国农业科学，2010，43（10）：2088-2097.
[12]翟盘茂，潘晓华. 中国北方近50年温度和降水极端事件变化[J]. 地理学报，2003，58（9）：1-10.
[13]李麦村，陈烈庭，林学椿. 海温异常影响长期天气过程研究的进展[J]. 大气科学，1979，3（3）：247-255.
[14]汪 铎，黄懿琉，张 镡. 试用环流特征因子作丰歉年景预报[J]. 气象，1982（4）：18-19.
[15]朱盛明，曲学实. 数值预报产品统计解释技术的进展[M]. 北京：气象出版社，1988：112-116.