基于关键气象因子的山东省棉花产量预报

doi:10.11924/j.issn.1000-6850.casb2023-0377

摘要/Abstract

摘要：

棉花是山东省重要的经济作物，其生长发育和产量形成与气象条件密切相关，开展棉花产量预报对山东省经济安全具有重要意义。利用山东省1990—2020年棉花产量资料及同期山东省17个气象站的逐日平均气温、降水量和日照时数，通过膨化处理及相关分析确定影响山东省棉花产量的关键气象因子，建立以候为时间步长的山东省棉花产量动态预报模型。将全省划分为4个区域，利用模型对全省及各区域1990—2016年棉花产量进行回代检验，对2017—2020年棉花产量进行试报。结果表明，模型回代检验全省平均准确率为94.1%，各区域检验准确率在87.3%~94.1%之间；预报准确率全省平均为95.1%，鲁南、鲁中、鲁西北、鲁东地区预报平均准确率分别为92.1%、91.5%、91.5%、90.9%。研究结果为山东省棉花产量的定量、动态、精细化预报提供理论依据。

关键词: 关键气象因子, 因子膨化, 气象产量, 动态预报

Abstract:

Cotton is an important cash crop in Shandong Province，and its growth and yield formation are closely related to meteorological conditions. It’s significant to carry out cotton yield prediction for economic security in Shandong Province. Based on the cotton yield data in Shandong Province from 1990 to 2020, the daily average temperature, precipitation and sunshine hours from 17 meteorological stations during the same period, the meteorological key factors affecting cotton yield were determined by means of factor puffing and correlation analysis, and a dynamic forecast model of cotton yield with every five days as the time step in Shandong Province was established. The province was divided into 4 regions, and the forecast model of cotton yield was tested during 1990-2016 and was applied during 2017-2020. The results showed that the average trend back-testing accuracy was 94.1% in the province, and ranged from 87.3%to 94.1% in different regions. The forecast accuracy of cotton yield during 2017-2020 was 95.1% in Shandong Province, and was 92.1%, 91.5%, 91.5%, and 90.9% in southern region, central region, northwestern region and eastern region of Shandong, respectively. The results of this study provided a theoretical basis for the quantitative, dynamic, and refined prediction of cotton yield in Shandong Province.

Key words: key meteorological factors, factor puffing, meteorological yield, dynamic prediction

侯梦媛. 基于关键气象因子的山东省棉花产量预报[J]. 中国农学通报, 2024, 40(9): 37-41.

HOU Mengyuan. Cotton Yield Forecast in Shandong Province Based on Meteorological Key Factors[J]. Chinese Agricultural Science Bulletin, 2024, 40(9): 37-41.

图/表 6

参考文献 30

[1]	刘红耀, 温利华. 农业生产在气候变化中的脆弱性分析:以邯郸市为例[J]. 山西农业大学学报(自然科学版), 2016, 36(4):283-287.
[2]	阿布都克日木·阿巴司, 胡素琴, 努尔帕提曼·买买提热依木. 新疆喀什气候变化对棉花发育期及产量的影响分析[J]. 中国生态农业学报, 2015, 23(7):919-930.
[3]	王友华, 周治国. 气候变化对我国棉花生产的影响[J]. 农业环境科学学报, 2011, 30(9):1734-1741.
[4]	李春平, 赵萍, 刘忠山, 等. 棉花不同阶段温度与产量和衣分的相关性研究[J]. 棉花科学, 2014, 36(5):8-13.
[5]	马丽娜, 千怀遂, 李明霞, 等. 山东省棉花温度适宜度变化趋势[J]. 山东农业科学, 2012, 44(6):65-69.
[6]	吴昊, 杨柳, 杨磊. 鄱阳湖区棉花花铃期降水资源变化与影响研究[J]. 江西农业学报, 2018, 30(7):111-116,122.
[7]	项晓敏, 金晓斌, 杜心栋, 等. 基于“强度—潜力—难度”综合测度的中国农用地整治实施协调性分析[J]. 地理研究, 2016, 35(2):285-298. doi: 10.11821/dlyj201602007
[8]	CHARTIN C, EVRARD O, SALVADOR-BLANES S, et al. Quantifying and modelling the impact of land consolidation and field borders on soil redistribution in agricultural landscapes (1954-2009)[J]. Catena, 2013, 110(2):184-195. doi: 10.1016/j.catena.2013.06.006 URL
[9]	王秀琴, 孙悦, 李栋梁. 极端干旱区棉花生育期变化特征及光热条件对其产量的影响[J]. 干旱地区农业研究, 2014, 32(6):229-235.
[10]	李树岩, 刘伟昌. 基于气象关键因子的河南省夏玉米产量预报研究[J]. 干旱地区农业研究, 2014, 32(5):223-227.
[11]	黄珍珠, 李寅, 陈慧华, 等. 基于气象关键因子的广东省橡胶产量预报[J]. 热带农业科学, 2018, 38(2):107-112.
[12]	唐余学, 罗孳孳, 范莉, 等. 基于关键气象因子的中稻单产动态预报[J]. 中国农业气象, 2011, 32(S1):140-143.
[13]	王贺然, 张慧, 王莹, 等. 基于两种方法建立辽宁大豆产量丰歉预报模型对比[J]. 中国农业气象, 2018, 39(11):725-738. doi: 10.3969/j.issn.1000-6362.2018.11.004
[14]	邱美娟, 宋迎波, 王建林, 等. 山东省冬小麦产量动态集成预报方法[J]. 应用气象学报, 2016, 27(2):191-200.
[15]	薛思嘉, 魏瑞江, 王朋朋, 等. 基于关键气象因子的河北省马铃薯产量预报[J]. 干旱气象, 2021, 39(1):138-143.
[16]	余焰文, 杨爱萍, 蔡小琴, 等. 三种油菜产量预测模型在江西的应用比较[J]. 气象科技, 2018, 46(5):1032-1037.
[17]	李涵茂, 帅细强, 戴平, 等. 基于关键气象因子的湘北早稻产量动态预报[J]. 湖南农业科学, 2015, 36(1):114-116.
[18]	崔日鲜, 付金东. 山东植棉区降水与棉花需水耦合度的时空变化特征分析[J]. 棉花学报, 2014, 26(1):49-57. doi: 10.11963/cs140107
[19]	蒙华月, 王兆林, 姚佩, 等. 农业涝渍灾害评估中不同气象产量分离方法的比较研究[J]. 中国生态农业学报(中英文), 2022, 30(6):976-989.
[20]	李心怡, 张祎, 赵艳霞, 等. 主要作物产量分离方法比较[J]. 应用气象学报, 2020, 31(1):74-82.
[21]	中国气象局. 地面气象自动观测规范(第一版)[M]. 北京: 气象出版社, 2020:102.
[22]	魏中海, 王建勇, 夏宣炎. 粮食产量预测的因子处理和建模方法[J]. 华中农业大学学报, 2004(6):680-684.
[23]	李彦, 雷晓云, 白云岗. 不同灌水下限对棉花产量及水分利用效率的影响[J]. 灌溉排水学报, 2013, 32(4):132-134.
[24]	江柱, 张江辉, 白云岗, 等. 不同灌水频率水分胁迫对北疆棉花生长及产量的影响[J]. 中国农村水利水电, 2021(5):49-54.
[25]	崔日鲜, 陈明利. 山东棉花生育期降水量和作物需水量的时空变化特征研究[J]. 青岛农业大学学报(自然科学版), 2014, 31(4):255-265.
[26]	KARGIOTIDOU A, DELI D, GALANOPOULOU D, et al. Low temperature and light regulate delta 12 fatty acid desaturases (FAD2) at a transcriptional level in cotton (Gossypium hirsutum)[J]. Journal of experimental botany, 2008, 59(8):2043-2056. doi: 10.1093/jxb/ern065 pmid: 18453533
[27]	李玉强. 低温冷害对尉犁县棉花生长发育的影响分析[J]. 农业灾害研究, 2018, 8(5):42-43.
[28]	钟信念. 蕾期低温胁迫对棉花生长发育、光合及叶绿素荧光特性的影响[D]. 石河子: 石河子大学, 2021.
[29]	张金帮, 王勇, 毛允峰. 气象因素对棉花铃重、衣分的影响[J]. 江西棉花, 2000, 22(2):29-32.
[30]	朱红霞, 黄严帅, 张耀鸿. 气象条件对南通地区棉花生长的影响[J]. 江苏农业科学, 2012, 40(7):70-73.

生育期	出现时间
播种期	4月3候—4月6候
苗期	5月1候—6月2候
蕾期	6月3候—7月2候
花铃期	7月3候—8月6候
吐絮成熟期	9月1候—10月4候

生育期	出现时间
播种期	4月3候—4月6候
苗期	5月1候—6月2候
蕾期	6月3候—7月2候
花铃期	7月3候—8月6候
吐絮成熟期	9月1候—10月4候

平均气温			降水量			日照时数
因子	时段	相关系数	因子	时段	相关系数	因子	时段	相关系数
A1	6月6候	0.356^*	A2	4月3候	0.412^*	A9	4月3候—4月4候	-0.408^*
			A3	4月3候—4月4候	0.421^*	A10	5月5候	-0.430^*
			A4	5月5候	0.465^**	A11	5月5候—6月4候	-0.383^*
			A5	5月5候—6月1候	0.376^*	A12	5月5候—6月5候	-0.362^*
			A6	5月5候—6月2候	0.396^*	A13	9月1候—9月4候	0.372^*
			A7	6月1候	0.465^**	A14	9月2候—9月4候	0.389^*
			A8	6月1候—6月2候	0.422^*

平均气温			降水量			日照时数
因子	时段	相关系数	因子	时段	相关系数	因子	时段	相关系数
A1	6月6候	0.356^*	A2	4月3候	0.412^*	A9	4月3候—4月4候	-0.408^*
			A3	4月3候—4月4候	0.421^*	A10	5月5候	-0.430^*
			A4	5月5候	0.465^**	A11	5月5候—6月4候	-0.383^*
			A5	5月5候—6月1候	0.376^*	A12	5月5候—6月5候	-0.362^*
			A6	5月5候—6月2候	0.396^*	A13	9月1候—9月4候	0.372^*
			A7	6月1候	0.465^**	A14	9月2候—9月4候	0.389^*
			A8	6月1候—6月2候	0.422^*

起报时间	b₀	A₂	A₈	A₉	A₁₀	A₁₁	R²
4月16日	-31.337	6.104					0.199
4月21日	190.075			-2.553			0.231
5月26日	267.853			-1.975	-2.961		0.365
6月6日	267.853			-1.975	-2.961		0.365
6月11日	96.968		5.985		-3.337		0.381
6月21日	256.585	5.725				-1.179	0.415
6月26日	256.585	5.725				-1.179	0.415
7月1日	256.585	5.725				-1.179	0.415
9月21日	256.585	5.725				-1.179	0.415