基于气候年型的河南省冬小麦产量预测

doi:10.13304/j.nykjdb.2020.0886

摘要/Abstract

摘要：

气候变化是影响小麦产量的重要因素，因此科学划分气候年型，对于准确预测小麦产量至关重要。利用河南省15个气象站点（市、县）1984—2018年的温度数据划分暖温年、平温年、冷温年，依据降雨数据划分湿年、平水年、干年，组合成9种气候年型并分析其规律；结合小麦产量数据划分出丰产年、平产年、低产年，分析气候年型和产量年型的关系。然后结合地形土壤、气象等因素把河南划分为豫北麦区、豫中东部麦区、豫西麦区、豫南麦区和南阳盆地5个麦区。在此基础上，利用HP滤波法分离出气象产量和趋势产量，以气象因子驱动并利用BP神经网络构建模型预测气象产量，利用一元线性回归模型建模得到趋势产量，把两者产量叠加得出实际产量，从而实现小麦产量的预测。结果表明：河南省积温年型以暖温年、正常年型为主，降雨年型分布比较均匀，气候年型中以正常年和干年为主，暖湿年小麦高产频率最高，为76.9%，冷湿年小麦低产频率最高，为67.9%；积温是影响小麦产量波动的主要因素，暖年年型下小麦更容易丰产，冷年时小麦低产概率较高；利用气象产量和趋势产量分别建模叠加得出的小麦产量和实际产量相比，豫北、豫中东、豫西、豫南和南阳盆地五大麦区各模型的平均相对误差分别为0.31%、0.36%、0.58%、0.48%、0.38%，说明利用HP滤波和BP神经网络技术预测小麦产量是可行的。

关键词: 小麦, 气象, 气候年型, 产量, HP滤波, BP神经网络

Abstract:

Climate change is an important factor affecting wheat yield， so scientific classification of climate year type is very important for accurate prediction of wheat yield. This paper divided the temperature data of 15 meteorological stations （cities or counties） in Henan Province from 1984 to 2018 to warm year， normal year， and cold year； according to the rainfall data， wet year， normal water year， and dry year were divided， and then 9 climatic year types were formed to analyze their laws. The relationship between the climatic year type and the output year type was analyzed combined with the wheat yield data to divide the high year， the average year， and the low year， based on topography， soil， weather and other factors， 5 wheat areas were diveded including northern Henan， central and eastern Henan， western Henan， southern Henan， and Nanyang basin. On this basis， the HP filter method was used to separate the meteorological output and the trend output. Under the driving of meteorological factor， the BP neural network was used to construct a model to predict the meteorological output， and the linear regression model was used to obtain the trend output， and then the two output were superimposed to obtain the actual output to realize the forecast of wheat output. The results showed that the accumulated temperature years in Henan Province were mainly warm year and normal year， and rainfall year was more evenly distributed. The climate year types were mainly normal year and dry year. The frequency of high wheat yield was the highest in warm and wet years with 76.9%. In cold and wet years， the frequency of low wheat yield was the highest with 67.9%； accumulated temperature in meteorological data was the main factor affecting wheat yield fluctuations. In warm years， wheat was easily high yields， and the probability of low yields in cold years was higher； compared the wheat output obtained by the superimposition of the output modeling using meteorological yields and trends with the actual output， the average relative error of each model of the 5 wheat regions in northern Henan， middle eastern Henan， western Henan， southern Henan and Nanyang basin was 0.31%， 0.36%， 0.58%， 0.48% and 0.38%， respectively， which indicated that it was feasible to predict wheat yield using HP filter and BP neural network technology.

Key words: wheat, weather, climate year type, yield, HP filter, BP neural network

中图分类号:

S126

许鑫, 马兆务, 熊淑萍, 马新明, 程涛, 李海洋, 赵锦鹏. 基于气候年型的河南省冬小麦产量预测[J]. 中国农业科技导报, 2022, 24(2): 136-144.

Xin XU, Zhaowu MA, Shuping XIONG, Xinming MA, Tao CHENG, Haiyang LI, Jinpeng ZHAO. Wheat Yield Forecast in Henan Province Based on Climate Year Type[J]. Journal of Agricultural Science and Technology, 2022, 24(2): 136-144.

图/表 9

参考文献 41

1	杨玮，孙红，郑立华，等.基于土壤参数的冬小麦产量预测模型［J］.农业工程学报，2013，29（23）：118-123.
	YANG W， SUN H， ZHENG L H， et al.. Prediction model of winter wheat yield based on soil parameters ［J］. Trans. Chin. Soc. Agric. Eng.， 2013， 29（23）：118-123.
2	周景博，刘亮.未来气候变化对中国小麦产量影响的差异性研究——基于Meta回归分析的定量综述［J］.中国农业气象，2018，39（3）：141-151.
	ZHOU J B， LIU L. Study on the differences of the impact of future climate change on wheat yield in China—quantitative review based on Meta regression analysis ［J］. Chin. J. Agrometeorol.， 2018， 39（3）：141-151.
3	马雪晴，胡琦，潘学标，等.1961—2015年华北平原夏玉米生长季气候年型及其影响分析［J］.中国农业气象，2019，40（2）：65-75.
	MA X Q， HU Q， PAN X B， et al.. Analysis of annual climate types and its impact on summer maize in the North China Plain over the period 1961—2015 ［J］. Chin. J. Agrometeorol.， 2019， 40（2）：65-75.
4	戚超，刘晓，闫艺兰，等.不同降水年型黄土高原半干旱撂荒草地水分收支特征［J］.水土保持研究，2019，26（1）：106-112.
	QI C， LIU X， YAN Y L， et al.. Water budget of abandoned steppe in semiarid area on the Loess Plateau in different rainfall pattern years ［J］. Res. Soil Water Conserv.， 2019， 26（1）：106-112.
5	高艳梅，孙敏，高志强，等.不同降水年型旱地小麦覆盖对产量及水分利用效率的影响［J］.中国农业科学，2015，48（18）：3589-3599.
	GAO Y M， SUN M， GAO Z Q， et al.. Effects of mulching on grain yield and water use efficiency of dryland wheat in different rainfall years ［J］. Sci. Agric. Sin.， 2015， 48（18）：3589-3599.
6	胡雨彤，郝明德，付威，等.不同降水年型和施磷水平对小麦产量的效应［J］.中国农业科学，2017，50（2）：299-309.
	HU Y T， HAO M D， FU W， et al.. Effects of different precipitation years and phosphorus application levels on wheat yield ［J］. Chin. J. Agric. Sci.， 2017， 50（2）：299-309.
7	裴雪霞，党建友，张定一，等.不同降水年型下播期对晋南旱地小麦产量和水分利用率的影响［J］.中国生态农业学报，2017，25（4）：553-562.
	PEI X X， DANG J Y， ZHANG D Y， et al.. Impact of sowing date on yield and water use efficiency of wheat in different precipitation years in dryland of South Shanxi ［J］. Chin. J. EcoAgric.， 2017， 25（4）：553-562.
8	侯贤清，牛有文，吴文利，等.不同降雨年型下种植密度对旱作马铃薯生长、水分利用效率及产量的影响［J］.作物学报，2018，44（10）：1560-1569.
	HOU X Q， NIU Y W， WU W L， et al.. Effect of planting density on the growth， water use efficiency and yield of dryfarming potato under different rainfall year types ［J］. Acta Agron. Sin.， 2018， 44（10）：1560-1569.
9	赵彦茜，肖登攀，齐永青，等.华北平原不同降水年型和作物种植模式下的产量和耗水模拟［J］.农业工程学报，2018，34（20）：108-116.
	ZHAO Y X， XIAO D P， QI Y Q， et al.. Crop yield and water consumption of different cropping patterns under different precipitation years in North China Plain ［J］. Trans. Chin. Soc. Agric. Eng.， 2018， 34（20）：108-116.
10	蒋菊芳，王润元，陈雷，等.不同气候年型对荒漠植物生长的影响［J］.干旱区研究，2017，34（3）：524-530.
	JIANG J F， WANG R Y， CHEN L， et al.. Growth of desert plants in different climate years ［J］. Arid Zone Res.， 2017， 34（3）：524-530.
11	潘小艳，张建平，何永坤，等.重庆地区不同气候年型下玉米耕地适宜等级与对策研究［J］.中国农学通报，2014，30（12）：87-92.
	PAN X Y， ZHANG J P， HE Y K， et al.. The cultivated land suitable level and countermeasures research of corn under the different climate years in Chongqing area ［J］. Chin. Agric. Sci. Bull.， 2014， 30（12）：87-92.
12	MAIMAITIJIANG M， SAGAN V， SIDIKE P， et al.. Vegetation index weighted canopy volume model （CVM VI） for soybean biomass estimation from unmanned aerial systembased RGB imagery ［J］. ISPRS J. Photogrammetry Remote Sens.， 2019， 151：27-41.
13	JULIANE B， ANDREAS B， SIMON B， et al.. Estimating biomass of barley using crop surface models （CSMs） derived from UAVbased RGB imaging ［J］. Remote Sens.， 2014， 6（11）：10395-10412.
14	JOHNSON M D， HSIEH W W， CANNON A J， et al.. Crop yield forecasting on the Canadian Prairies by remotely sensed vegetation indices and machine learning methods ［J］. Agric. Forest Meteorol.， 2016， 218-219：74-84.
15	MAVROMATIS T. Preseason prediction of regional rainfed wheat yield in Northern Greece with CERESWheat ［J］. Theor. Appl. Climatol.， 2014， 117（3-4）：653-665.
16	SHARABIAN V R， NOGUCHI N， ISHI K. Significant wavelengths for prediction of winter wheat growth status and grain yield using multivariate analysis ［J］. Eng. Agric.， Environ. Food， 2014， 7（1）：14-21.
17	ANWAR M R， LIU D L， FARQUHARSON R， et al.. Climate change impacts on phenology and yields of five broadacre crops at four climatologically distinct locations in Australia ［J］. Agric. Syst.， 2015， 132.
18	KUMAR M. Impact of climate change on crop yield and role of model for achieving food security ［J/OL］. Environ. Monit Assess， 2016， 188（8）：465［2021-02-28］. .
19	衡亚蓉，李晓，贺利，等.基于上部叶片叶绿素荧光参数的小麦产量预测与评价［J］.麦类作物学报，2018，38（6）：701-709.
	HENG Y R， LI X， HE L， et al.. Prediction and Evaluation of yield using chlorophyll fluorescence parameters of the upper leaves in wheat ［J］. J. Triticeae Crops， 2018， 38（6）：701-709.
20	田苗，王鹏新，张树誉，等.基于条件植被温度指数的冬小麦产量预测［J］.农业机械学报，2014，45（2）：239-245.
	TIAN M， WANG P X， ZHANG S Y， et al.. Winter wheat yield forecasting based on vegetation temperature condition index ［J］. Trans. Chin. Soc. Agric. Mach.， 2014， 45（2）：239-245.
21	陈上，窦子荷，蒋腾聪，等.基于聚类法筛选历史相似气象数据的玉米产量DSSATCERESMaize预测［J］.农业工程学报，2017，33（19）：147-155.
	CHEN S， DOU Z H， JIANG T C， et al.. Maize yield forecast with DSSATCERESMaize model driven by historical meteorological data of analogue years by clustering algorithm ［J］. Trans. Chin. Soc. Agric. Eng.， 2017， 33（19）：147-155.
22	曾妍，王迪，赵小娟.基于支持向量回归的关中平原冬小麦估产研究［J］.中国农业信息，2019，31（6）：10-20.
	ZENG Y， WANG D， ZHAO X J. Study on yield prediction of winter wheat in Guanzhong plain based on SVR ［J］. China Agric. Inform.， 2019， 31（6）：10-20.
23	李毅念，杜世伟，姚敏，等.基于小麦群体图像的田间麦穗计数及产量预测方法［J］.农业工程学报，2018，34（21）：185-194.
	LI Y N， DU S W， YAO M， et al.. Method for wheatear counting and yield predicting based on image of wheatear population in field ［J］. Trans. Chin. Soc. Agric. Eng.， 2018， 34（21）：185-194.
24	宗宸生，郑焕霞，王林山.改进粒子群优化BP神经网络粮食产量预测模型［J］.计算机系统应用，2018，27（12）：204-209.
	ZONG C S， ZHENG H X， WANG L S. Grain yield prediction based on BP neural network optimized by improved particle swarm optimization ［J］. Comput. Syst. Appl.， 2018， 27（12）：204-209.
25	刘峻明，和晓彤，王鹏新，等.长时间序列气象数据结合随机森林法早期预测冬小麦产量［J］.农业工程学报，2019，35（6）：158-166.
	LIU J M， HE X T， WANG P X， et al.. Early prediction of winter wheat yield with long time series meteorological data and random forest method ［J］. Trans. Chin. Soc. Agric. Eng.， 2019， 35（6）：158-166.
26	徐敏.基于HP滤波法对气象产量预报模型的改进［C］//中国气象学会.第33届中国气象学会年会论文集.西安，2016：584-587.
27	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.
	LI X Y， ZHANG Y， ZHAO Y X， et al.. Comparative study on main crop yield separation methods ［J］. J. Appl. Meteorol. Sci.， 2020， 31（1）：74-82.
28	赵东妮，王艳华，任传友，等.3种水稻趋势产量拟合方法的比较分析［J］.中国生态农业学报，2017，25（3）：345-355.
	ZHAO D N， WANG Y H， REN C Y， et al.. Comparative analysis of three fitting methods of rice trend yield ［J］. Chin. J. EcoAgric.， 2017， 25（3）：345-355.
29	国家气象信息中心.中国气象数据［EB/OL］.（2019-12-31）［2021-02-28］. .
30	王朋，张蓓蓓.安康气象站1953—2016年气温变化特征研究［J］.水资源与水工程学报，2018，29（6）：94-99.
	WANG P， ZHANG B B. Analysis on variation characteristics of air temperature in Ankang weather station from 1953 to 2016 ［J］. J. Water Resour. Water Eng.， 2018， 29（6）：94-99.
31	许鑫，时雷，何龙，等.基于NoSQL数据库的农田物联网云存储系统设计与实现［J］.农业工程学报，2019，35（1）：172-179.
	XU X， SHI L， HE L， et al.. Design and implementation of cloud storage system for farmland internet of things based on NoSQL database ［J］. Trans. Chin. Soc. Agric. Eng.， 2019， 35（1）：172-179.
32	吴义城，袁业畅，任耀武，等.农业气候影响评价：农作物气候年型划分方法［S］.北京：中国标准出版社，2008.
33	赵广才.中国小麦种植区划研究（一）［J］.麦类作物学报，2010，30（5）：886-895.
	ZHAO G C. Study on Chinese wheat planting regionalization（Ⅰ）［J］. J. Triticeae Crops， 2010， 30（5）：886-895.
34	马运粮，周继泽，常萍.2016年河南省小麦品种利用及秋播布局意见［J］.种业导刊，2016 （10）：5-9.
	MA Y L， ZHOU J Z， CHANG P. Advices on the utilization and distribution of wheat variety in Henan Province in 2016 ［J］. J. Seed Ind. Guide， 2016 （10）：5-9.
35	胡艳.河南省小麦关键生产技术推广应用现状与对策分析［D］.郑州：河南农业大学，2016.
	HU Y. Analysis of the current situation and countermeasures of the popularization and application of key wheat production technologies in Henan Province ［D］. Zhengzhou： Henan Agricultural University， 2016.
36	王桂芝，陆金帅，陈克垚，等.基于HP滤波的气候产量分离方法探讨［J］.中国农业气象，2014，35（2）：195-199.
	WANG G Z， LU J H， CHEN K Y， et al.. Exploration of method in separating climatic output based on HP filter ［J］. Chin. J. Agrometeorol.， 2014， 35（2）：195-199.
37	牛浩，陈盛伟.山东省玉米气象产量分离方法的多重比较分析［J］.山东农业科学，2015，47（8）：95-99.
	NIU H， CHEN S W. Multiple comparative analyses of separation methods for meteorological yield of corn in Shandong Province ［J］. Shandong Agric. Sci.， 2015， 47（8）：95-99.
38	房世波.分离趋势产量和气候产量的方法探讨［J］.自然灾害学报，2011，20（6）：13-18.
	FANG S B. Exploration of method for discrimination between trend crop yield and climatic fluctuant yield ［J］. J. Nat. Disasters， 2011， 20（6）：13-18.
39	郑建安.主成分和BP神经网络在粮食产量预测中的组合应用［J］.计算机系统应用，2016，25（11）：274-278.
	ZHENG J A. Application of PCA and BP neural networks in grain production prediction ［J］. Comput. Syst. Appl.， 2016， 25（11）：274-278.
40	李蓬勃，闫晓冉，徐东瑞.BP神经网络和多元线性回归在粮食产量空间分布预测中的比较［J］.干旱区资源与环境，2014，28（9）：74-79.
	LI P B， YAN X R， XU D R. Comparison of grain yield spatial distribution forecast between the models of BP neural network and multiple linear regression ［J］. J. Arid Land Resour. Environ.， 2014， 28（9）：74-79.
41	张佩，陈郑盟，刘春伟，等.冬小麦产量结构要素预报方法［J］.农业工程学报，2020，36（8）：78-87.
	ZHANG P， CHEN Z M， LIU C W， et al.. Method for the prediction of wheat yield components ［J］. Trans. Chin. Soc. Agric. Eng.， 2020， 36（8）：78-87.

地区 Region	播种期 Sowing date	越冬期 Overwinter period	拔节期 Joint stage	抽穗期 Head date	开花期 Flower period	成熟期 Mature period
郑州 Zhengzhou	10/13	12/21	03/21	04/21	04/26	06/01
安阳 Anyang	10/09	12/19	03/28	04/18	04/28	06/05
新乡 Xinxiang	10/10	12/19	03/24	04/17	04/26	06/03
三门峡 Sanmenxia	10/08	12/19	03/22	04/19	04/29	05/30
孟津 Mengjin	10/12	12/20	03/25	04/19	04/28	05/31
许昌 Xuchang	10/11	12/21	03/20	04/20	04/27	06/01
开封 Kaifeng	10/12	12/21	03/19	04/19	04/28	05/31
西峡 Xixia	10/18	12/22	03/10	04/10	04/20	05/28
南阳 Nanyang	10/18	12/22	03/11	04/10	04/21	05/27
宝丰 Baofeng	10/15	12/20	03/20	04/14	04/25	06/01
西华 Xihua	10/13	12/21	03/21	04/17	04/28	06/02
驻马店 Zhumadian	10/18	12/21	03/17	04/12	04/22	05/30
信阳 Xinyang	10/20	12/22	03/10	04/07	04/16	05/26
商丘 Shangqiu	10/14	12/21	03/21	04/20	04/28	06/02
固始 Gushi	10/22	12/22	03/12	04/10	04/20	05/26

地区 Region	播种期 Sowing date	越冬期 Overwinter period	拔节期 Joint stage	抽穗期 Head date	开花期 Flower period	成熟期 Mature period
郑州 Zhengzhou	10/13	12/21	03/21	04/21	04/26	06/01
安阳 Anyang	10/09	12/19	03/28	04/18	04/28	06/05
新乡 Xinxiang	10/10	12/19	03/24	04/17	04/26	06/03
三门峡 Sanmenxia	10/08	12/19	03/22	04/19	04/29	05/30
孟津 Mengjin	10/12	12/20	03/25	04/19	04/28	05/31
许昌 Xuchang	10/11	12/21	03/20	04/20	04/27	06/01
开封 Kaifeng	10/12	12/21	03/19	04/19	04/28	05/31
西峡 Xixia	10/18	12/22	03/10	04/10	04/20	05/28
南阳 Nanyang	10/18	12/22	03/11	04/10	04/21	05/27
宝丰 Baofeng	10/15	12/20	03/20	04/14	04/25	06/01
西华 Xihua	10/13	12/21	03/21	04/17	04/28	06/02
驻马店 Zhumadian	10/18	12/21	03/17	04/12	04/22	05/30
信阳 Xinyang	10/20	12/22	03/10	04/07	04/16	05/26
商丘 Shangqiu	10/14	12/21	03/21	04/20	04/28	06/02
固始 Gushi	10/22	12/22	03/12	04/10	04/20	05/26

异常度 Abnormality	积温年型 Temperature year type	距平百分率 Anomaly percentage	降雨年型 Rainfall year type	多年平均值 Multiyear average	产量年型 Yield year type
C>1	暖温年 Warm year	ΔR>15%	湿年 Wet year	Y>20%Δy	丰产年 High year
-1≤C≤1	平温年 Normal year	-15%≤ΔR≤15%	平水年 Normal year	Y=20%Δy	平产年 Average year
C<-1	冷温年 Cold years	ΔR<-15%	干年 Dry year	Y<20%Δy	低产年 Low year

异常度 Abnormality	积温年型 Temperature year type	距平百分率 Anomaly percentage	降雨年型 Rainfall year type	多年平均值 Multiyear average	产量年型 Yield year type
C>1	暖温年 Warm year	ΔR>15%	湿年 Wet year	Y>20%Δy	丰产年 High year
-1≤C≤1	平温年 Normal year	-15%≤ΔR≤15%	平水年 Normal year	Y=20%Δy	平产年 Average year
C<-1	冷温年 Cold years	ΔR<-15%	干年 Dry year	Y<20%Δy	低产年 Low year

麦区 Wheat area	地区 Region	积温 Accumulated temperature/℃	日照时间 Sunshine time/h	降雨 Rainfall/mm
豫北麦区 Wheat area in North Henan	安阳Anyang 新乡Xinxiang	1 834～2 553	1 375～1 690	58～278
豫西麦区 Wheat area in western Henan	三门峡Sanmenxia 孟津Mengjin	1 944～2 530	1 220～1 472	95～348
豫中东部麦区 Wheat area in the east of central Henan	郑州Zhengzhou 许昌Xuchang 宝丰Baofeng 西华Xihua 开封Kaifeng 商丘Shangqiu	1 881～2 681	1 288～1 513	75～542
豫南麦区 Wheat area in South Henan	驻马店Zhumadian 信阳Xinyang 固始Gushi	1 892～2 764	1 246～1 385	133～805
南阳盆地麦区 Wheat area of Nanyang Basin	南阳Nanyang 西峡Xixia	1 875～2 551	1 021～1 376	102～572