预测水稻产量随气候变化的模型

全球变暖对水稻生产影响研究随着全球变暖现象的加剧，气候变化已经成为了一种无法避免的趋势。

气候变化不仅仅影响到了人们的生活和工作，也严重影响到了人们的生产和经济发展。

其中，水稻作为全世界最主要的粮食作物之一，其生产也受到了全球变暖的不良影响。

因此，了解全球变暖对水稻生产的影响，是我们应该重视的重要问题。

一、气候变化对水稻生产的影响气候变化会导致全球有更多的异常天气，暴雨、干旱、极端气候和自然灾害等一系列人类难以控制的自然灾害都会不可避免地对水稻产量造成影响。

在干旱、水浸、夜长日短等环境下，水稻的生存和生长都会受到非常大的影响，而全球变暖会导致这些极端气候的出现率越来越高。

同时，全球变暖也会导致温度升高，从而影响水稻的呼吸和代谢等生理功能，减少了水稻的产量和质量。

二、全球变暖与水稻生产的关系水稻向来是全球最主要的粮食作物之一，不仅仅对于亚洲地区尤其重要，全球很多地方都有水稻的种植和消费。

但是，全球变暖的影响，使得水稻的生长逐渐变得更加困难。

全球变暖导致的干旱、水浸和高温环境，都让水稻的生长和营养消耗变得更加困难。

同时，气候变化还会引起病虫害的增多，使得水稻遭受到更多威胁，影响了水稻生产的增长。

三、如何适应全球变暖的环境针对全球变暖对水稻产量的不良影响，农业专家和科学家纷纷研究了应对全球变暖的方法。

其研究主要发现如下几点：1.控制温度和湿度。

针对全球变暖导致的高温和湿度问题，农民需要采取科学的方法，确保水稻生长环境的合适。

例如，可以加强水分的管理，保持土壤的湿度，同时注意降温等方面措施，确保水稻生长的顺利开展。

2.改进育种技术。

在变化的环境下，种植新的，具有更高抗气候变化能力的水稻品种，是提高水稻生产效率和减少传染病、病虫害的一个方法，而这需要育种专家和科研人员的努力。

3.调整种植方法。

通过运用科技手段，如植物生长调节剂、有益微生物的运用、精细水稻栽培等手段，从而提高水稻的生产能力，保证水稻的质量和产量。

水稻产量预测模型的研究与应用随着人们生活水平的提高，对粮食的需求量逐渐增加。

水稻作为我国主要的粮食作物之一，拥有着广泛的种植面积和高产量的特点。

因此，对于水稻产量的预测与掌握是极为重要的。

而在现代技术的支持下，水稻产量预测模型的研究与应用已经成为了一个热门的话题。

一、水稻种植与产量影响因素水稻作为一种生态环境敏感的作物，其种植过程中受到的环境因素影响很大。

由于我国南北气候差异较大，不同地区对于水稻的种植也有所不同。

以南方地区为例，其中的水稻种植主要受到气温、降水、光照等气象因素的影响。

除此之外，还有土壤肥力、气候变化和病虫害等因素会对水稻产量造成影响。

因此，在进行水稻产量预测之前，必须深入了解水稻种植的影响因素。

二、水稻产量预测模型基于各种水稻生长因素和环境因素，我们可以得出以下水稻产量预测模型：WaterRice = f(Water, Soil, Air, Sunshine, Pests)。

其中Water、Soil、Air、Sunshine、Pests代表实际环境中水、土、气温、光照和病虫害等因素。

该预测模型被广泛应用于全国的水稻产量预测。

除此之外，还有许多其他的水稻产量预测模型，如基于后缀回归的模型、BP神经网络模型等。

这些模型均基于相关因素建立，精度和可靠性在实践应用中得到了证明。

尤其是在人工智能技术的支持下，这些模型在水稻产量预测中逐渐得到推广和应用。

三、水稻产量预测模型的应用水稻产量预测模型的应用主要体现在数据收集、决策支持和区域化水稻生产指导等方面。

利用水稻产量预测模型，可以及时得到水稻生长环境中重要因素的变化情况，及时发现问题并进行调整。

此外，还可以在不同的生态环境下得出更为准确的水稻产量预测，为农业生产的决策和规划提供参考依据。

例如，在某一地区中，历史数据表明该地区水稻生长环境的最佳温度为18~25摄氏度，而在某一年中，该地区的气温较高、降水较少，为预测该年水稻产量的变化，我们只需利用相关预测模型，根据实际气候数据计算出该年的产量指数，即可得出较为准确的预测结果。

江苏农业学报(ＪｉａｎｇｓｕＪ.ｏｆＡｇｒ.Ｓｃｉ.)ꎬ２０２１ꎬ３７(３):６０６￣６１２ｈｔｔｐ://ｊｓｎｙｘｂ.ｊａａｓ.ａｃ.ｃｎ董京铭ꎬ刘瑞翔ꎬ马晨晨ꎬ等.利用主成分回归方法预估连云港地区水稻气象产量[Ｊ].江苏农业学报ꎬ２０２１ꎬ３７(３):６０６￣６１２.ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１０００￣４４４０.２０２１.０３.００８利用主成分回归方法预估连云港地区水稻气象产量董京铭ꎬ㊀刘瑞翔ꎬ㊀马晨晨ꎬ㊀郝㊀玲ꎬ㊀史达伟(连云港市气象局ꎬ江苏连云港２２２０００)收稿日期:２０２０￣０９￣２１基金项目:连云港市气象局科技计划项目(ＬＧ２０２００１)作者简介:董京铭(１９８９－)ꎬ江苏连云港人ꎬ硕士ꎬ工程师ꎬ主要从事农业气象研究ꎮ(Ｅ￣ｍａｉｌ)７９２１５６７０９＠ｑｑ.ｃｏｍ通讯作者:史达伟ꎬ(Ｅ￣ｍａｉｌ)３９５１５８６１０＠ｑｑ.ｃｏｍ㊀㊀摘要:㊀根据连云港地区１９７４－２０１６年５个站点的气象资料和水稻产量资料ꎬ利用主成分回归方法研究该地区水稻不同生长期内ꎬ气象要素与水稻气象产量的关系ꎬ构建预估模型并对其进行检验ꎮ结果表明ꎬ抽穗开花期和灌浆成熟期的气温㊁积温等热力因子对连云港地区水稻气象产量影响最大ꎻ主成分分析的前３个分量为 抽穗开花期因子 ㊁ 灌浆成熟期因子 和 移栽返青期因子 ꎬ可以解释连云港地区８５％左右的水稻相对气象产量变化ꎻ回归模型组合出３个新的因子ꎬ分别对应抽穗开花期的热力条件㊁灌浆成熟期的热力条件和移栽返青期的温差ꎬ该模型可以较好地预估连云港地区水稻的气象产量ꎮ关键词:㊀连云港ꎻ水稻ꎻ气象产量ꎻ主成分回归中图分类号:㊀Ｓ５１１㊀㊀㊀文献标识码:㊀Ａ㊀㊀㊀文章编号:㊀１０００￣４４４０(２０２１)０３￣０６０６￣０７ＥｓｔｉｍａｔｉｏｎｏｆｔｈｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｙｉｅｌｄｏｆｒｉｃｅｉｎＬｉａｎｙｕｎｇａｎｇａｒｅａｕｓｉｎｇｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｒｅｇｒｅｓｓｉｏｎｍｅｔｈｏｄＤＯＮＧＪｉｎｇ￣ｍｉｎｇꎬ㊀ＬＩＵＲｕｉ￣ｘｉａｎｇꎬ㊀ＭＡＣｈｅｎ￣ｃｈｅｎꎬ㊀ＨＡＯＬｉｎｇꎬ㊀ＳＨＩＤａ￣ｗｅｉ(ＬｉａｎｙｕｎｇａｎｇＭｅｔｅｏｒｏｌｏｇｉｃａｌＢｕｒｅａｕꎬＬｉａｎｙｕｎｇａｎｇ２２２０００ꎬＣｈｉｎａ)㊀㊀Ａｂｓｔｒａｃｔ:㊀Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｍｅｔｅｏｒｏｌｏｇｉｃａｌｅｌｅｍｅｎｔｓａｎｄｔｈｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｙｉｅｌｄｏｆｒｉｃｅｄｕｒｉｎｇｄｉｆｆｅｒｅｎｔｇｒｏｗ￣ｉｎｇｐｅｒｉｏｄｓｏｆｒｉｃｅｉｎＬｉａｎｙｕｎｇａｎｇｒｅｇｉｏｎｗａｓｓｔｕｄｉｅｄｂａｓｅｄｏｎｔｈｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｄａｔａａｎｄｒｉｃｅｙｉｅｌｄｄａｔａｏｆｆｉｖｅｓｔａｔｉｏｎｓｆｒｏｍ１９７４ｔｏ２０１６ꎬｕｓｉｎｇｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｒｅｇｒｅｓｓｉｏｎｍｅｔｈｏｄ.Ａｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｗａｓｃｏｎｓｔｒｕｃｔｅｄａｎｄｔｅｓｔｅｄ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔꎬｔｈｅｒｍａｌｆａｃｔｏｒｓｓｕｃｈａｓａｉｒｔｅｍｐｅｒａｔｕｒｅａｎｄａｃｃｕｍｕｌａｔｅｄｔｅｍｐｅｒａｔｕｒｅａｔｈｅａｄｉｎｇ￣ｆｌｏｗｅｒｉｎｇｓｔａｇｅａｎｄｆｉｌｌｉｎｇ￣ｍａｔｕ￣ｒｉｔｙｓｔａｇｅｈａｄｔｈｅｇｒｅａｔｅｓｔｉｍｐａｃｔｏｎｔｈｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｙｉｅｌｄｏｆｒｉｃｅｉｎＬｉａｎｙｕｎｇａｎｇｒｅｇｉｏｎ.Ｔｈｅｆｉｒｓｔｔｈｒｅｅｃｏｍｐｏｎｅｎｔｓｏｆｐｒｉｎ￣ｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｗｅｒｅ ｈｅａｄｉｎｇ￣ｆｌｏｗｅｒｉｎｇｐｅｒｉｏｄｆａｃｔｏｒ ꎬ ｆｉｌｌｉｎｇ￣ｍａｔｕｒｉｔｙｐｅｒｉｏｄｆａｃｔｏｒ ａｎｄ ｔｒａｎｓｐｌａｎｔｉｎｇ￣ｒｅｔｕｒ￣ｎｉｎｇｇｒｅｅｎｐｅｒｉｏｄｆａｃｔｏｒ ꎬｗｈｉｃｈｃｏｕｌｄｅｘｐｌａｉｎａｂｏｕｔ８５％ｏｆｔｈｅｒｅｌａｔｉｖｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｙｉｅｌｄｃｈａｎｇｅｓｏｆｒｉｃｅｉｎＬｉａｎｙｕｎｇａｎｇａｒｅａ.Ｔｈｒｅｅｎｅｗｆａｃｔｏｒｓｗｅｒｅｃｏｍｂｉｎｅｄｂｙｔｈｅｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌꎬｗｈｉｃｈｃｏｒｒｅｓｐｏｎｄｅｄｔｏｔｈｅｔｈｅｒｍａｌｃｏｎｄｉｔｉｏｎｓｏｆｔｈｅ: ｈｅａｄ￣ｉｎｇ￣ｆｌｏｗｅｒｉｎｇｐｅｒｉｏｄ ｔｈｅｔｈｅｒｍａｌｃｏｎｄｉｔｉｏｎｓｏｆｔｈｅ ｆｉｌｌｉｎｇ￣ｍａｔｕｒｉｔｙｐｅｒｉｏｄ ａｎｄｔｈｅｔｅｍｐｅｒａｔｕｒｅｄｉｆｆｅｒｅｎｃｅｉｎｔｈｅ ｔｒａｎｓｐｌａｎ￣ｔｉｎｇ￣ｒｅｔｕｒｎｉｎｇｇｒｅｅｎｐｅｒｉｏｄ ꎬｒｅｓｐｅｃｔｉｖｅｌｙ.ＴｈｅｍｏｄｅｌｃａｎｗｅｌｌｐｒｅｄｉｃｔｔｈｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｙｉｅｌｄｏｆｒｉｃｅｉｎＬｉａｎｙｕｎｇａｎｇａｒｅａ.Ｋｅｙｗｏｒｄｓ:㊀Ｌｉａｎｙｕｎｇａｎｇꎻｒｉｃｅꎻｍｅｔｅｏｒｏｌｏｇｉｃａｌｙｉｅｌｄꎻｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｒｅｇｒｅｓｓｉｏｎ㊀㊀长江流域是中国最大的水稻生产区ꎬ播种面积占全国７０％以上ꎬ江苏省水稻种植面积和总产量均排全国第五位[１￣２]ꎮ江苏省以一季稻种植为主ꎬ通常在５月下旬播种ꎬ１０月收获[３]ꎮ连云港市是江苏省水稻生产的优势区域ꎬ是全省粮食供给的支柱地区之一ꎬ对保障江苏省农业优势产业的发展㊁粮食安全具有重要作用[４]ꎮ近年来ꎬ随着全球变暖日益严重ꎬ极端高温事件频发ꎬ水稻抽穗扬花受到影响ꎬ花器官发育不全ꎬ花粉发育不良ꎬ严重影响着江苏省水６０６稻的产量[５￣７]ꎬ另一方面ꎬ极端天气事件可能导致温度波动振幅增大ꎬ短期严重低温造成的区域性障碍型低温冷害也会对水稻产量造成重要影响[８￣９]ꎮ陶炳炎等[１０]发现如果水稻开花时遇到连续７ｄ大于３５ħ的高温ꎬ空壳率将升高１０倍ꎮ于堃等[１１]指出常发生高温热害的地区主要分布在淮河以南地区ꎬ且２１世纪以来最为严重ꎮ包云轩等[１]指出江苏省水稻热害主要发生在拔节至孕穗期和抽穗至乳熟期ꎬ并且气候偏暖时水稻热害多ꎬ产量相应低ꎮ陈斐等[１２]认为移栽至灌浆末期的热力因子调控着水稻的气象产量ꎮ陈雅子和申双和[３]采用Ｃｏｐｕｌａ函数验证了夏季高温热害指标与水稻减产之间的相关关系ꎮ由此可见温度这一气象因子对水稻的产量有影响ꎮ前人工作大多是研究较大的地理区域ꎬ如长江中下游或江苏省ꎬ很少针对局部小区域进行研究ꎬ但是在农业生产中ꎬ大尺度研究得到的结论并不一定适用于局地ꎬ所以本研究拟从连云港地区气象站点资料出发ꎬ利用主成分回归方法ꎬ探究何种气象因子对该地区水稻气象产量具有重要影响ꎬ构建回归方程并对其进行检验ꎬ为连云港地区农业生产应对气候变化提供帮助与理论依据ꎮ１㊀材料与方法１.１㊀研究材料本研究使用的资料包括气象资料和水稻产量资料ꎮ气象资料为连云港市５个气象站点(市区㊁赣榆㊁灌南㊁灌云㊁东海)的观测数据ꎬ包括播种出苗期㊁移栽返青期㊁分蘖期㊁拔节孕穗期㊁抽穗开花期和灌浆成熟期６个水稻生长期ꎬ以及相应时期的平均气温㊁最高气温㊁最低气温㊁平均湿度㊁降水量㊁日照㊁温差㊁积温等物理量ꎮ产量资料包括连云港市５个县(市区)的水稻气象产量和相对气象产量ꎮ资料年限均为１９７４－２０１６年ꎮ１.２㊀气象产量、趋势产量与相对气象产量水稻等农作物产量按照其主要影响因素的不同ꎬ可以分解成趋势产量㊁气象产量与随机误差３个分量[１２￣１４]ꎬ即Ｙ＝Ｙｔ＋Ｙｍ＋ε(１)其中ꎬＹ为实际水稻产量ꎬＹｔ为趋势产量ꎬＹｍ为气象产量ꎬε为随机误差ꎮ趋势产量主要受到经济㊁耕作技术等要素发展的影响ꎻ而气象产量是受到各类气象要素影响而产生的波动的产量ꎻ随机误差可能包括系统偏差或者其他随机噪音产生的产量偏差ꎬ相对前两个分量可以忽略ꎮ对于趋势产量ꎬ可以对实际产量进行滑动平均㊁低频滤波等方法得到[１５￣１６]ꎮ因此ꎬ气象产量可以由实际产量与趋势产量的差表示Ｙｍ＝Ｙ－Ｙｔ(２)为消除不同时期不同生产力水平的影响ꎬ使得相对气象产量在较长的时间尺度和较广的空间尺度上具有一定的可比性ꎬ可以进一步将气象产量与趋势产量的比值定义为相对气象产量Ｙｒꎬ即:Ｙｒ＝Ｙ－ＹｔＹｔˑ１００％(３)１.３㊀主成分回归分析首先对气象站点的气象记录和水稻相对气象产量间进行相关性分析ꎬ从中挑选与水稻相对气象产量最密切相关的若干气象要素作为主要因子ꎮ前人研究结果表明ꎬ影响水稻相对气候产量的主导因子之间有很高的相关性[９ꎬ１７]ꎬ比如平均气温㊁日照和积温之间就具有较高的一致性ꎮ因此ꎬ需要采用一些方法来降低因子之间的相关性ꎬ以提高模型拟合的效果ꎮ主成分回归是一种常用的降低因子间相关性的方法ꎮ其主要思路为通过主成分分析ꎬ对原始自变量进行线性组合ꎬ得到对因变量起主导作用的一组相互间不相关的新的自变量ꎻ接着对新的自变量进行回归分析ꎬ得到回归方程后ꎬ再将原始自变量带入ꎬ得到最终的模型ꎮ２㊀结果与分析２.１㊀关键气象要素的筛选将连云港地区５个气象站点在水稻６个不同生育阶段的８项气象观测记录与各地区当年的相对气象产量进行相关分析ꎬ所得结果如表１所示ꎮ在所有６个生育阶段的８项气象要素中ꎬ与相对气象产量相关系数达到０ ０１显著水平的气象要素被认为是影响连云港地区水稻相对气象产量的关键气象要素ꎮ由表１可知ꎬ符合筛选标准的气象要素有以下９个:移栽返青期的温差ꎬ抽穗开花期的平均气温㊁最高气温㊁最低气温㊁日照和积温ꎬ灌浆成熟期的平均气温㊁最高气温以及积温ꎮ其中ꎬ抽穗开花期和灌浆成熟期的气温㊁积温等热力因子在所有关键气象７０６董京铭等:利用主成分回归方法预估连云港地区水稻气象产量要素中占的比重很大ꎮ前人研究结果也指出由于该地区水稻品种较强的感温性ꎬ水稻生长期中移栽至灌浆末期的热力因子对水稻产量有重要影响[１ꎬ９ꎬ１２]ꎮ因此相关性分析筛选出的９个关键气象要素不仅在统计学上与相对气象产量显著相关ꎬ同时也与前人研究结果相吻合ꎮ表１㊀连云港水稻相对气象产量与各生育期气象因子之间的相关系数Ｔａｂｌｅ１㊀ＣｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｂｅｔｗｅｅｎｔｈｅｒｅｌａｔｉｖｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｙｉｅｌｄｏｆｒｉｃｅａｎｄｔｈｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｆａｃｔｏｒｓｏｆｅａｃｈｇｒｏｗｉｎｇｐｅｒｉｏｄｉｎＬｉ￣ａｎｙｕｎｇａｎｇ生育期㊀㊀平均气温最高气温最低气温平均湿度降水量日照温差积温播种出苗期－０.０２８－０.０３６０.００９０.０７０－０.０４０－０.０１８－０.０４７－０.０２８移栽返青期－０.１５１∗－０.１６７∗－０.０３５０.１５７∗０.０１２－０.１０４－０.１８６∗∗－０.１５１∗分蘖期－０.０４３－０.０４９－０.０５０－０.０７８－０.１７１∗０.００１－０.０２２－０.０４３拔节孕穗期０.０２７－０.０１８０.０７７０.１１１０.１４５∗－０.１３５－０.１３００.０２７抽穗开花期０.３１９∗∗０.３３∗∗０.２２２∗∗０.００６－０.１６６∗０.１８６∗∗０.１２５０.３１９∗∗灌浆成熟期０.２１７∗∗０.２０１∗∗０.１６３∗０.００７－０.０４６０.０３０－０.００３０.２１７∗∗∗表示在０.０５水平显著相关ꎬ∗∗表示在０.０１水平显著相关ꎮ２.２㊀水稻相对气象产量模型对相关性分析筛选出的９个关键气象要素(记为Ｘ１~Ｘ９)进行共线性诊断ꎬ诊断结果如表２所示ꎮ判断共线性有以下几个指标:１.多个维度的特征根接近０ꎮ２.条件指数大于１０且相应的方差比例大于０ ５ꎮ根据共线性诊断的结果ꎬ维度Ｄ３㊁Ｄ６和Ｄ８的特征根接近０ꎬ而它们的条件指数大于１０ꎬ而且Ｄ３与Ｘ１ꎬＤ６与Ｘ６以及Ｄ８与Ｘ２㊁Ｘ３㊁Ｘ４的方差比例均大于０ ５ꎮ综合各维度的特征根㊁条件指数以及与各气象要素的方差比例的结果ꎬ所选９个气象要素之间存在多重共线性ꎮ对存在多重共线性的变量直接采用线性回归的方法建立模型会导致各变量回归系数的方差过大ꎬ影响模型的可靠性[１２]ꎮ因此本研究采用主成分回归的方法构建连云港地区水稻相对气象产量的模拟模型ꎮ表２㊀主导气象因子间的共线性诊断结果Ｔａｂｌｅ２㊀Ｄｉａｇｎｏｓｉｓｒｅｓｕｌｔｓｏｆｃｏｌｌｉｎｅａｒｉｔｙａｍｏｎｇｄｏｍｉｎａｎｔｍｅｔｅｏｒｏｌｏｇｉｃａｌｆａｃｔｏｒｓ维度特征值条件指数方差比例Ｘ１Ｘ２Ｘ３Ｘ４Ｘ５Ｘ６Ｘ７Ｄ１７.９１８１.００００００００００Ｄ２０.０５４１２.１１３０.０６００００.２３００Ｄ３０.０２０１９.９９２０.６２００００.０５００.０３Ｄ４０.００６３５.３１７０.１０００００.０４００.２７Ｄ５０.００１７３.９２１０.１４０００.０２０.０１０.１００.１３Ｄ６４.４０１ˑ１０－４１３４.１３１０.０１００.０２０.０００.０４０.５７０.３７Ｄ７２.２３０ˑ１０－４１８８.２２１０.０６００.２６０.１４０.４９０.３２０.１９Ｄ８２.２１３ˑ１０－４５９２.９５２０.０１１.０００.７２０.８３０.１４０.０１０.０２Ｘ１~Ｘ７为相关性分析筛选出的关键气象要素ꎮ㊀㊀对９个关键气象要素进行主成分分析ꎬ特征值大于１的前３个分量(ＰＣ１ꎬＰＣ２和ＰＣ３)的分析结果如表３所示ꎮ前３个分量累计方差贡献率为８５ ２５％ꎬ因此这前３个分量可以解释相对气象产量的主要变化ꎮ从表３中可以看出ꎬ第一分量(ＰＣ１)中因子Ｘ２㊁Ｘ３和Ｘ６所占的比重较高ꎬ对应抽穗开花期的平均气温㊁最高气温和积温ꎬ因此ＰＣ１主要反映的是抽穗开花期的热力条件ꎬ可以称之为 抽穗开花期因子 ꎮ类似的ꎬ第二分量(ＰＣ２)由Ｘ７㊁Ｘ８和Ｘ９这３个灌浆成熟期的因子主导ꎬ可以称之为 灌浆成熟期因子 ꎻ第三分量(ＰＣ３)由移栽返青期的温差因子Ｘ１主导ꎬ可以称之为 移栽返青期因子 ꎮ按照８０６江苏农业学报㊀２０２１年第３７卷第３期表３的结果ꎬ这３个新因子与９个关键气象要素Ｘ１~Ｘ９的关系如下:ＰＣ１＝－０.０４５Ｘ１＋０.２２６Ｘ２＋０.２０６Ｘ３＋０.１９５Ｘ４＋０ ０８７Ｘ５＋０.２２６Ｘ６＋０.１３１Ｘ７＋０.１２８Ｘ８＋０.１３１Ｘ９(４)ＰＣ２＝０.０１５Ｘ１－０.１４０Ｘ２－０.１５４Ｘ３－０.０８８Ｘ４－０ １６４Ｘ５－０.１４０Ｘ６＋０.３４２Ｘ７＋０.２９５Ｘ８＋０.３４２Ｘ９(５)ＰＣ３＝０.５６２Ｘ１＋０.１１５Ｘ２－０.０８０Ｘ３＋０.３４２Ｘ４－０ ６１３Ｘ５＋０.１１５Ｘ６－０.０６６Ｘ７－０.０４７Ｘ８－０.０６６Ｘ９(６)将主成分分析所得的前３个分量作为新的因子ꎬ构建它们与相对气象产量之间的回归方程ꎬ可以得到:Ｙｒ＝２.７０１ＰＣ１－０.１１０ＰＣ２－０.９９３ＰＣ３(Ｒ２＝０ ２１６)(７)由公式(７)可以看出ꎬ３个分量中ꎬＰＣ１(抽穗开花期因子)的系数最大ꎬ其次是ＰＣ３(移栽返青期因子)ꎬＰＣ２(灌浆成熟期因子)的贡献最小ꎮ将前３个分量与各因子的关系[公式(４)㊁公式(５)和公式(６)]代入公式(７)ꎬ得到以关键气象要素为自变量的连云港地区水稻相对气象产量回归模型:Ｙｒ＝－０.６８４Ｘ１＋０.５１２Ｘ２＋０.６５３Ｘ３＋０.１９７Ｘ４＋０ ８６２Ｘ５＋０.５１２Ｘ６＋０.３８２Ｘ７＋０.３５９Ｘ８＋０.３８２Ｘ９(８)表３㊀连云港地区水稻相对气象产量和关键气象因子的主成分分析结果Ｔａｂｌｅ３㊀ＰｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｒｅｓｕｌｔｓｏｆｒｅｌａｔｉｖｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｙｉｅｌｄａｎｄｋｅｙｍｅｔｅｏｒｏｌｏｇｉｃａｌｆａｃｔｏｒｓｏｆｒｉｃｅｉｎＬｉａｎｙｕｎｇａｎｇａｒｅａ主成分特征值累计方差贡献Ｘ１Ｘ２Ｘ３Ｘ４Ｘ５Ｘ６Ｘ７Ｘ８Ｘ９ＰＣ１４.１０８４５.６４３－０.０４６０.２２６０.２０６０.１９５０.０８７０.２２６０.１３１０.１２８０.１３１ＰＣ２２.３９１７２.２１２０.０１５－０.１４０－０.１５４－０.０８８－０.１６４－０.１４００.３４２０.２９５０.３４２ＰＣ３１.１７３８５.２４８０.５６２０.１１５－０.０８００.３４２－０.６１３０.１１５－０.０６６－０.０４６－０.０６６２.３㊀模型对水稻产量的预估效果首先对建立的连云港地区水稻相对气象产量模型的拟合效果进行评估ꎮ将连云港地区这５个县(市区)的９个关键气象要素标准化之后ꎬ带入公式(８)ꎬ得到模型预估的相对气象产量ꎮ作为比较ꎬ通过普通多元线性回归ꎬ建立了另一个相对气象产量与９个关键气象要素间的模型ꎬ并且也得到了一组普通多元线性回归模型下的连云港地区水稻相对气象产量的预估值ꎮ图１ａ~图１ｅ展示了１９７５－２０１４这４０年５个县(市区)水稻的相对气象产量的实际值(实线)㊁主成分回归模型的预估值(虚线)以及普通多元线性回归模型的预估值(点线)ꎮ可以看到ꎬ连云港５个县(市区)的主成分回归模型预估的相对气象产量和实际的相对气象产量之间的相关系数均大于０ ３０ꎻ相关系数均通过０ ０５水平的显著性检验ꎮ其中ꎬ东海县两者相关系数最大(０ ５０)ꎬ而灌南和灌云县的相关系数最小(０ ３２㊁０ ３３)ꎻ但是普通多元线性回归模型的预估值与实际值的相关系数均为负值ꎮ从均方根误差来看(图１ｆ)ꎬ５个县(市区)的主成分回归模型的预估值与实际值之间的均方根误差均小于０ １ꎬ其中赣榆和东海县均方根误差较小ꎬ而市区的均方根误差较大ꎬ但也不超过０ １ꎻ反观普通多元线性回归模型ꎬ５个县(市区)模型预估值与实际值之间的均方根误差几乎都大于０ １ꎮ由此可以看出ꎬ主成分回归模型相比普通的多元线性回归模型ꎬ对连云港地区水稻相对气象产量有比较好的模拟效果ꎬ尤其是对东海和赣榆县ꎮ㊀㊀由相对气象产量与实际总产量和趋势产量的关系可知ꎬ通过回归方程得到的模型预估的相对气象产量可以结合趋势产量ꎬ进一步地代入公式(２)和公式(３)ꎬ从而对水稻总产量进行预估ꎮ图２ａ~图２ｅ展示了１９７５－２０１４年５个县(市区)水稻总产量的实际值(实线)㊁主成分回归模型的预估值(虚线)以及普通多元线性回归模型的预估值(点线)ꎮ由于主成分回归模型对相对气象产量已经有较好的拟合效果ꎬ结合与趋势产量的相对关系ꎬ可以看到模型预估的５个县(市区)预估总产量与实际总产量之间的相关系数均达到０ ９０以上ꎬ而均方根误差均小于５０(小于总产量的１０％)ꎮ普通多元回归模型对总产量的预估效果较差ꎬ不管是相关系数还是均方根误差ꎬ普通多元线性回归模型的表现与主成分回归模型有一定差距ꎮ９０６董京铭等:利用主成分回归方法预估连云港地区水稻气象产量ａ:市区ꎻｂ:赣榆ꎻｃ:灌南ꎻｄ:灌云ꎻｅ:东海ꎻｆ:均方根误差ꎮ图１㊀主成分回归模型与普通多元线性回归模型对连云港地区水稻相对气象产量预估效果的比较Ｆｉｇ.１㊀ＣｏｍｐａｒｉｓｏｎｏｎｔｈｅｐｒｅｄｉｃｔｉｏｎｅｆｆｅｃｔｏｆｔｈｅｒｅｌａｔｉｖｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｙｉｅｌｄｓｏｆｒｉｃｅｉｎＬｉａｎｙｕｎｇａｎｇａｒｅａｂｅｔｗｅｅｎｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌａｎｄｃｏｍｍｏｎｍｕｌｔｉｐｌｅｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ３㊀讨论通过主成分回归分析方法ꎬ本文构建了水稻生长发育阶段９个关键气象要素与相对气象产量间的模型ꎬ并从中得出以下主要结论:(１)关键气象要素中ꎬ抽穗开花期和灌浆成熟期的气温㊁积温等热力因子对连云港地区水稻气象产量影响最大ꎮ(２)主成分分析的前３个分量可以解释连云港地区８５ ２５％左右的水稻相对气象产量变化ꎬ３个分量分别可以称作 抽穗开花期因子 ㊁ 灌浆成熟期因子 和 移栽返青期因子 ꎮ(３)主成分回归模型组合出３个新的因子ꎬ分别对应抽穗开花期热力条件㊁灌浆成熟期热力条件和移栽返青期温差ꎬ可以较好预估连云港地区ꎬ尤其是东海和赣榆县的水稻相对气象产量ꎮ㊀㊀本文利用连云港地区５个气象站点的观测数据ꎬ系统研究了连云港地区水稻不同生长期内ꎬ气象要素对水稻气象产量的影响ꎬ发现 移栽返青期因子 ㊁ 抽穗开花期因子 和 灌浆成熟期因子 对水稻气象产量有重要影响ꎮ其中ꎬ抽穗开花期是指从水稻稻穗于顶端茎鞘中抽出至开花齐穗ꎬ此时适宜温度在２５~３２ħꎬ这一时期如果气温偏低ꎬ热力条件较差ꎬ水稻容易形成空壳或者瘪谷ꎻ但温度３２ħ以上水稻结实率也会下降ꎮ考虑到连云港地区六月初气候平均温度大约２６ħ左右ꎬ因此 抽穗开花期因子 和连云港地区水稻气象产量间基本上应为较好的正相关关系ꎮ而灌浆成熟期是开花到谷粒成熟０１６江苏农业学报㊀２０２１年第３７卷第３期图２㊀主成分回归模型与多元线性回归模型对连云港地区水稻总产量预估效果的比较Ｆｉｇ.２㊀ＣｏｍｐａｒｉｓｏｎｏｎｔｈｅｐｒｅｄｉｃｔｉｏｎｅｆｆｅｃｔｏｆｔｈｅｔｏｔａｌｒｉｃｅｏｕｔｐｕｔｉｎＬｉａｎｙｕｎｇａｎｇａｒｅａｂｅｔｗｅｅｎｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌａｎｄｍｕｌｔｉｐｌｅｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ的时期ꎬ这一时期对热力条件要求相对较高ꎬ适宜温度在２３~２８ħꎬ温度过低会造成水稻新陈代谢偏慢ꎬ结实率降低[１８￣２０]ꎬ而过高也会造成水稻本身呼吸消耗增加ꎬ结实率也会降低ꎮ连云港地区六月至七月的气候平均气温为２７ħꎬ因此用线性模型分析这一时期的热力条件与水稻产量的关系可能并不准确ꎬ 灌浆成熟期因子 的贡献率很可能在主成分回归的模型中被低估了ꎬ这可能给模型带来了一定的不确定性ꎮ值得注意的是ꎬ移栽返青期的温差这一因子在我们的模型中有这较高的贡献率ꎮ移栽返青期主要指水稻移栽到拔节前的这段时期ꎮ这一时期的热力条件并不直接影响水稻结实ꎬ而是可能通过影响分蘖来影响水稻穗数ꎬ从而间接影响最终水稻产量ꎮ另外ꎬ正如前面讨论的ꎬ线性模型对 灌浆成熟期因子 影响的低估可能间接导致了对 移栽返青期因子 影响的高估ꎮ尽管主成分回归模型有这样的不确定性ꎬ但是同普通线性回归模型相比ꎬ主成分回归模型在对水稻产量预估的准确性和因子的可解释性上都有较大的优势ꎮ近年来全球变暖问题深受科学界关注ꎬ２０世纪中后期以来ꎬ中国大陆显著增温[２１￣２２]ꎬ江苏省地区的变暖速率基本与全国平均保持一致[２３]ꎬＬｉ等[２４]指出全球变暖背景下ꎬ东亚夏季风低层环流的增强会导致江淮流域的夏季风降水显著增加ꎬ更热更湿的气候环境势必会对该地区水稻的气象产量造成重要影响[１]ꎬ这提醒相关部门应尽快制定相应的措施１１６董京铭等:利用主成分回归方法预估连云港地区水稻气象产量来应对未来气候变化以及潜在的粮食危机ꎮ参考文献:[１]㊀包云轩ꎬ刘㊀维ꎬ高㊀苹ꎬ等.气候变暖背景下江苏省水稻热害发生规律及其对产量的影响[Ｊ].中国农业气象ꎬ２０１２ꎬ３３(２):２８９￣２９６.[２]㊀艾玉春ꎬ董摇月ꎬ汪吉东ꎬ等.水稻产量主要养分限制因子及养分运筹应对技术研究[Ｊ].江苏农业学报ꎬ２０１５ꎬ３１(３):５５８￣５６３.[３]㊀陈雅子ꎬ申双和.江苏省水稻高温热害保险的天气指数研制[Ｊ].江苏农业科学ꎬ２０１６ꎬ４４(１０):４６１￣４６４.[４]㊀张正球ꎬ胡曙鋆ꎬ范郁尔ꎬ等.连云港市水稻生产制约因素及发展对策[Ｊ].北方水稻ꎬ２０１３ꎬ４３(２):７０￣７２.[５]㊀ＳＡＴＡＫＥＴꎬＹＯＳＨＩＤＡＳ.Ｈｉｇｈｔｅｍｐｅｒａｔｕｒｅｉｎｄｕｃｅｄｓｔｅｒｉｌｉｔｙｉｎｉｎ￣ｄｉｃａｒｉｃｅａｔｆｌｏｗｅｒｉｎｇ[Ｊ].ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣｒｏｐＳｃｉｅｎｃｅＳｏｃｉｅｔｙｏｆＪａｐａｎꎬ１９７８ꎬ４７(１):６￣１７.[６]㊀李守华ꎬ田小海ꎬ黄永平ꎬ等.江汉平原近５０年中稻花期危害高温发生的初步分析[Ｊ].中国农业气象ꎬ２００７ꎬ２８(１):５￣８. [７]㊀任义方ꎬ高㊀苹ꎬ王春乙.江苏高温热害对水稻的影响及成因分析[Ｊ].自然灾害学报ꎬ２０１０ꎬ１９(５):１０１￣１０７. [８]㊀程勇翔ꎬ王秀珍ꎬ郭建平ꎬ等.农作物低温冷害监测评估及预报方法评述[Ｊ].中国农业气象ꎬ２０１２ꎬ３３(２):２９７￣３０３. [９]㊀徐㊀敏ꎬ徐经纬ꎬ高㊀苹ꎬ等.江苏水稻障碍型冷害时空变化特征及敏感性分析[Ｊ].气象ꎬ２０１５ꎬ４１(１１):１３６７￣１３７３. [１０]陶炳炎ꎬ汤志成ꎬ彭钊安ꎬ等.江苏杂交水稻气候分析和区划[Ｊ].南京气象学院学报ꎬ１９８１(１):６５￣７３.[１１]于㊀堃ꎬ宋㊀静ꎬ高㊀苹.江苏水稻高温热害的发生规律与特征[Ｊ].气象科学ꎬ２０１０ꎬ３０(４):５３０￣５３３.[１２]陈㊀斐ꎬ杨沈斌ꎬ申双和ꎬ等.基于主成分回归法的长江中下游双季早稻相对气象产量模拟模型[Ｊ].中国农业气象ꎬ２０１４ꎬ３５(５):５２２￣５２８.[１３]秦㊀剑.气候变化与昆明粮食生产的研究[Ｊ].南京气象学院学报ꎬ１９９９ꎬ２２(４):６７１￣６７９.[１４]朱自玺ꎬ刘荣花ꎬ方文松ꎬ等.华北地区冬小麦干旱评估指标研究[Ｊ].自然灾害学报ꎬ２００３ꎬ１２(１):１４５￣１５０.[１５]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ꎬ２０１１ꎬ２０(６):１３￣１８.[１６]孙卫国ꎬ程炳岩ꎬ杨沈斌ꎬ等.区域气候变化对华东地区水稻产量的影响[Ｊ].中国农业气象ꎬ２０１１ꎬ３２(２):２２７￣２３４. [１７]季彪俊.影响水稻产量因子的研究[Ｊ].西南农业大学学报(自然科学版)ꎬ２００５ꎬ２７(５):５７９￣５８３.[１８]沈㊀航ꎬ陈㊀娇ꎬ黎佰杨ꎬ等.低温胁迫对不同杂交水稻组合苗期耐冷性及生理生化指标的影响[Ｊ].江苏农业科学ꎬ２０２０ꎬ４８(１２):５９￣６３.[１９]田孟祥ꎬ张时龙ꎬ何友勋ꎬ等.水稻耐低温基因ｂＺＩＰ７３分子标记的开发与验证[Ｊ].江苏农业学报ꎬ２０１９ꎬ３５(６):１２６５￣１２７０. [２０]胡雪琼ꎬ刘文英ꎬ张明达ꎬ等.云南省水稻低温冷害风险研究[Ｊ].江苏农业科学ꎬ２０１９ꎬ４７(１８):２８３￣２８６.[２１]任国玉ꎬ初子莹ꎬ周雅清ꎬ等.中国气温变化研究最新进展[Ｊ].气候与环境研究ꎬ２００５ꎬ１０(４):７０１￣７１６.[２２]丁一汇ꎬ任国玉ꎬ石广玉ꎬ等.气候变化国家评估报告Ｉ:中国气候变化的历史和未来趋势[Ｊ].气候变化研究进展ꎬ２００６ꎬ２(１):３￣８.[２３]周晓兰ꎬ高庆九ꎬ邓自旺ꎬ等.江苏气温长期变化趋势及年代际变化空间差异分析[Ｊ].南京气象学院学报ꎬ２００６ꎬ２９(２):１９６￣２０２.[２４]ＬＩＺＢꎬＳＵＮＹꎬＬＩＴꎬｅｔａｌ.ＦｕｔｕｒｅｃｈａｎｇｅｓｉｎＥａｓｔＡｓｉａｎｓｕｍｍｅｒｍｏｎｓｏｏｎｃｉｒｃｕｌａｔｉｏｎａｎｄｐｒｅｃｉｐｉｔａｔｉｏｎｕｎｄｅｒ１.５ｔｏ５ ０ħｏｆｗａｒ￣ｍｉｎｇ[Ｊ].Ｅａｒｔｈ ｓＦｕｔｕｒｅꎬ２０１９ꎬ７:１３９１￣１４０６.(责任编辑:陈海霞)２１６江苏农业学报㊀２０２１年第３７卷第３期。

未来气候变化情景下中国主要粮食作物生产模拟未来气候变化情景下中国主要粮食作物生产模拟随着全球气候变化的不断加剧，人们对于未来的气候趋势和气候变化对农业的影响越来越关注。

粮食作物是人类生存和发展的重要基础，对气候变化的适应能力将直接影响到粮食的供应和食品安全。

因此，研究未来气候变化情景下中国主要粮食作物的生产模拟是非常重要的。

中国作为世界上最大的农业国之一，粮食生产对于经济和社会稳定具有重要意义。

在过去的几十年中，中国的粮食生产取得了巨大的成功，但是面临着气候变化带来的巨大挑战。

气候变化导致的温度升高、干旱和洪涝等极端气候事件频繁发生，给粮食生产带来了很大的不确定性。

因此，研究未来可能出现的气候情景下粮食生产的变化是十分必要的。

粮食作物主要包括水稻、小麦和玉米。

这些作物是中国人口主要的食物来源，也是支撑农业生产的关键作物。

因此，对未来气候变化情景下这些作物的生产模拟具有重要意义。

首先，我们应该了解未来气候变化情景。

根据国际气候变化研究机构的预测，未来几十年内，全球气候将继续变暖，降水分布也将发生变化。

在这种情况下，中国将面临更加持续和频繁的极端气候事件，如高温、干旱和洪涝等。

这对于粮食作物的生长和产量将产生重要的影响。

接下来，我们可以利用气候模型和作物生长模型进行未来粮食作物生产的模拟研究。

通过对历史气象数据和农田实测资料的分析和挖掘，我们可以建立起适合中国气候的作物生长模型，并通过与实际生产数据的对比验证模型的准确性。

然后，基于未来气候情景的数据，我们可以用模型进行未来粮食作物生产的模拟。

模拟的结果显示，未来气候变化情景下，中国主要粮食作物的生产将面临较大的挑战。

首先，由于温度的升高，作物生长周期将发生变化，对生长季节的选择和管理提出了新的要求。

其次，干旱和洪涝等极端气候事件可能导致作物减产甚至灾害。

这将对粮食供应和食品安全产生严重影响。

然而，我们也可以通过适应措施来减轻气候变化对粮食作物生产的影响。

内蒙古兴安盟水稻气候适宜度模型构建及检验高红霞，孙荣宇，李倩文（兴安盟气象局，内蒙古兴安盟137400）摘要：利用兴安盟科右前旗农业气象观测站2010年～2022年逐日气象资料和水稻生育期观测资料，以温度、日照时数为影响因子，构建了以日为尺度的兴安盟水稻综合气候适宜度评价模型。

首先结合兴安盟实际情况，对水稻温度和日照气候适宜度函数的参数进行修订，然后采用熵权法确定了二者的权重系数。

最后使用该模型对科右前旗历年水稻从移栽至成熟期间的逐日气候适宜度进行了计算，同时计算出历年全生育期综合气候适宜度，并将水稻历年气象产量与全生育期综合气候适宜度进行相关分析。

结果显示二者显著正相关，且在0.05置信水平上等级相关，表明该模型能够较好地反映出兴安盟气象条件对水稻生长状况的影响，可以用来评价兴安盟水稻生长的气候适宜度情况。

关键词：水稻；气候适宜度模型；熵权法；兴安盟中图分类号院杂162文献标志码院A 文章编号院1673原6737渊圆园23冤06原园园20原园5基金项目：内蒙古气象局引导性创新项目（nmqxydcx202208）。

收稿日期：2023-02-02作者简介：高红霞（1982-），高级工程师，硕士，主要从事农业气象与生态监测方面的研究工作。

Construction and Test of Rice Climate Suitability Model in Xingan League of Inner MongoliaGAO Hong-xia ,SUN Rong-yu ,LI Qian-wen(Xingan League Meteorological Bureau,Ulanhot,Inner Mongolia 137400,China)Abstract:Using the daily meteorological data and growth period observation data of Horqin Right Front Banner Agricultural Observation Station in Xingan League from 2010to 2022,taking temperature and sunshine hours as influencing factors,an evaluation model of rice climate suitability in Xingan League on a daily scale was constructed.First,the parameters of rice temperature and sunshine climate suitability function were revised according to the actual situation of Xingan League,and then the weight coefficients of temperature and sunshine were determined by entropy weight method.Finally,the model was used to calculate the daily climate suitability of rice from transplanting to maturity over the years in Horqin Right Front Banner,and the whole growth period climate suitability were calculated.The correlation analysis between the comprehensive climate suitability of the whole growth period and the meteorological yield of rice over the years shows that they are significantly positive correlation,and the grade correlation is at the 0.05confidence level.These shows that the model can better reflect the impact of meteorological conditions on rice growth in Xingan League,and can be used to evaluate the climate suitability of rice growth in Xingan League.Key words :Rice;Climate suitability model;Entropy weight method;Xingan League兴安盟位于内蒙古东北部大兴安岭南麓生态圈，地处黑龙江、吉林、内蒙古三省区交界处的“中国稻米金三角”，属于北纬46度“寒地水稻黄金带”。

气候变化背景下我国农业模型模拟研究进展任景全;王连喜;李琪;吴荣军;吴东丽【摘要】概述了我国在未来气候变化下主要粮食作物(水稻,小麦,玉米)的模型模拟研究的概况,主要包括粮食产量和敏感性、脆弱性研究.作物模型与气候模式相结合的模型模拟研究是目前的主流方法.虽然我国的模型模拟研究取得了一定的进步,但当前研究所用的作物模型大多是国外的模型,国内的模型模拟水平还有待提高.针对目前研究中存在的问题,认为在气候模式本身、温室气体排放情景、应用技术的不确定性、作物生长模拟模型和农业气候变化的脆弱性等方面应进行重点研究,为准确评价气候变化对我国农业生产的可持续发展提供理论依据.【期刊名称】《广东农业科学》【年(卷),期】2012(039)004【总页数】4页(P136-139)【关键词】作物模型;气候情景;气候模式;脆弱性【作者】任景全;王连喜;李琪;吴荣军;吴东丽【作者单位】南京信息工程大学环境科学与工程学院/江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京210044;南京信息工程大学环境科学与工程学院/江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京210044;南京信息工程大学环境科学与工程学院/江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京210044;南京信息工程大学环境科学与工程学院/江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京210044;中国气象局气象探测中心,北京 100081【正文语种】中文【中图分类】S11+3气候变化是指大气长时期统计状态的变化，即一段时期内气候要素的统计与另一段时期统计量之间的差别[1]。

以全球气候变暖为主要特征的气候变化正成为人类生存和发展的重大威胁。

在将来的大气CO2浓度倍增的情况下，运用区域气候模型RegCM2进行模拟，发现年均温度将会增加2.7℃，年降水量会增加25%。

考虑到气溶胶和自然因素的影响，温度增加将会减少到2.0℃，降水增加将减少到19%[2]。

2种水稻生长模型比较浩宇【摘要】[目的]比较ORYZA2000和WOFOST 2种模型对江西省水稻生长的模拟效果.[方法]利用江西省当地田间试验观测数据,收集水稻的关键参数,同时结合同期逐日气象数据等资料分别对ORYZA2000和WOFOST 2种模型进行比较.采用适应性评价对水稻多个生理指标进行评价与验证.[结果] 以统一化均方根误差(NRMSE)来衡量作物模型的模拟结果,ORYZA2000模型模拟结果显示水稻各生物量的NRMSE值小于25%,而WOFOST模型对叶面积指数及穗生物量模拟偏差较大,分别为46%和55%.[结论] ORYZA200在穗生物量和叶面积指数的模拟中比WOFOST模型模拟效果较好.%[Objective]To compare simulation effect of two kinds of rice growth model in Jiangxi Province.[Method] By the local field experimental observation data and meteorological data at the same period,the ORYZA2000 and WOFOST model parameters were compared.The growth period,the leaf area index and the biomass index were verified and evaluated.[Result]Measuring simulation effat of crop model with NRMSE,the biomass NRMSE value were less than 25% from ORYZA2000 model,and the NRMSE value of LAI and dry weight was 46% and 55% from WOFOST,which the deflection was larger.[Conclusion] Simulation effect of ORYZA2000 in spike biomass and leaf area index is better than that of WOFOST model.【期刊名称】《安徽农业科学》【年(卷),期】2017(045)011【总页数】5页(P19-22,26)【关键词】作物模型;田间数据;调试参数;适应性评价【作者】浩宇【作者单位】陕西省气象服务中心,陕西西安 710014【正文语种】中文【中图分类】S511作物生长模型作为新兴农业研究领域的重要工具，不仅能帮助人类加强对于农业生产系统的认知水平，还能比较不同试验点结果的差异性[1-4]。

高频率干旱对仁寿县水稻产量的影响李奇穗;李秀梅【摘要】干旱是限制水稻作物产量的主要生态因子之一.仁寿县作为十年九旱的农业大县,水稻生长经常发生缺水现象,研究水稻产量受干旱胁迫的影响对粮食安全具有十分重要的意义.以岗优21为分析对象,收集1990-2008年水稻产量及同时段5-7月积温、日照、蒸发、降水等气象要素,利用SPSS10.0中的逐步回归法(Stepwise)建立水稻产量和各气象要素间的回归模型.根据SPSS10.0中的逐步回归法,把变量的选择和别除标准分别设为0.15和0.20.根据标准选择进入回归方程的变量,包括5月的积温总数、5月和6月的日照总时数、5月的蒸发总量和7月的降水总量.建立了相应的回归模型.建立的回归方程取得了较好的拟合效果,可以作为水稻产量的估测模型使用.【期刊名称】《现代农业科技》【年(卷),期】2010(000)023【总页数】3页(P278-279,281)【关键词】水稻;高频率干旱;产量;影响;四川仁寿【作者】李奇穗;李秀梅【作者单位】四川省眉山市气象局,四川眉山,620020;四川省眉山市气象局,四川眉山,620020【正文语种】中文【中图分类】S511仁寿县位于四川盆地西南部的浅丘地区，地处东经104°0′~104°30′，北纬29°40′~30°16′，全县总面积 2 606.36 km2，耕地总面积 7.99万 hm2，其中旱地 4.07万 hm2，水田3.92万hm2，水稻种植面积3.92万hm2。

仁寿县冷热四季分明，干湿两季明显，属亚热带季风气候。

由于季风作用，加上大气在运行过程中产生降水的随机性、偶然性，造成降水量无论在月、季、年的变化均差异大，因此干旱是仁寿县农业气象灾害之首。

干旱常以冬干、春旱、夏旱、伏旱等类型交替出现。

春季、初夏时节，常因热带、副热带暖湿气团尚未入侵或入侵季节偏迟，原南下控制仁寿县的干冷气团，由于季节转换，太阳辐射能量大增而剧烈增温，形成仁寿县春季、初夏气温回升快、空气干燥、降水少、日照多、蒸发大，春、夏旱显著的气候特点。

基于遗传优化BP神经网络的水稻气象产量预报模型罗梦森;景元书;熊世为【期刊名称】《气象科学》【年(卷),期】2012(32)6【摘要】利用1951-2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段.在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型.结果表明:(1)7-9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70％左右,预报精度也提高了4.3％.%With rice yield of Jiangsu Province during 1951 to 2010 and daily average temperature and precipitation data from 14 meteorological stations during the same period, this paper investigated the impact of hydrothermal resources on rice meteorological yield and the influence periods by using factors expanded method and related analysis, then established three kinds of yield forecast models on the basis of the meteorological yield; stepwise regression, PCA-BP neural networks and PCA-GA-BP neural network. The results showed that; (1) The critical period of yield formation of rice was July, August and September, rice yield was most sensitive to the changes of hydrothermal resources during this time, and the impact of temperature on meteorological yield was greater than precipitation; ( 2 ) two neural network models perform better than theregression model; ( 3 ) The training speed of network model which has been optimizated by genetic algorithm was about 70% faster than the model which has not been optimizated, while the forecast accuracy was also improved by 4. 3%.【总页数】6页(P665-670)【作者】罗梦森;景元书;熊世为【作者单位】盐城市气象局,江苏盐城224005;南京信息工程大学应用气象学院,南京210044;南京信息工程大学应用气象学院,南京210044【正文语种】中文【中图分类】P456.8【相关文献】1.基于BP神经网络的马铃薯气候产量预报模型 [J], 杨淑华;刘洁莉;梁进秋;杨春仓;秦雅娟;徐鑫;李腊平;张玉芳;2.基于BP神经网络的马铃薯气候产量预报模型 [J], 杨淑华;刘洁莉;梁进秋;杨春仓;秦雅娟;徐鑫;李腊平;张玉芳3.基于遗传优化BP神经网络的供热管网故障诊断模型 [J], 段兰兰;田琦;段鹏飞;李哲4.基于BP神经网络的农业气象产量预报系统 [J], 乔加新;周森鑫;马季5.基于气象因子的水稻产量预报模型 [J], 刘洪英;鲜铁军;李睿;刘科因版权原因，仅展示原文概要，查看原文内容请购买。

基于遥感技术的水稻产量监测方法水稻是我国的重要粮食作物，也是世界上主要的粮食作物之一。

因为水稻的种植受到气候、土地条件和水文等因素的影响，且水稻作物本身难以直接观测，因此，准确监测水稻产量一直是农业领域面临的难题。

为了解决这一问题，科学家们利用遥感技术开发了许多水稻产量监测方法，本文将介绍其中较为流行的几种方法及其应用情况。

一、植被指数法植被指数是利用遥感影像资料计算植被覆盖度等植被信息的指标。

植被指数法是利用植被指数来监测水稻产量的一种方法。

它可以利用遥感影像资料计算出水稻生长季内的植被覆盖度，从而推算水稻产量。

植被指数法的基本思路是根据水稻在不同生育期的植被指数变化曲线，确定该区域水稻产量预测模型。

在水稻的生长季内，植被指数会随着植被的生长发生变化，通过对这种变化进行监测和分析，可以反推出水稻产量的变化趋势。

植被指数法的优点在于操作简单、准确度高、数据获取方便。

但是，由于该方法主要利用遥感影像来计算生长季内的植被指数，因此在遇到大比例尺、复杂地形和太阳高度角过低等情况时，会出现一定的误差。

二、光学遥感法光学遥感法是利用可见光和近红外光谱的遥感数据进行水稻产量监测的一种方法。

它可以用来推算水稻在不同生育期内的类固醇、异黄酮等成分含量，从而预测水稻产量。

该方法主要利用可见光和近红外光谱，通过测量水稻的反射率和吸收率等光学特性，推算水稻的类固醇、异黄酮等成分含量，从而预测水稻产量。

光学遥感法的优点在于方法简单、准确度高、数据获取方便，而且可以同时进行多时刻遥感监测。

缺点是此方法易受环境和仪器误差的影响。

三、微波遥感法微波遥感法是一种利用微波辐射测量水稻表面参数的方法，可以反演出土壤湿度、物质含量等信息，从而推测出水稻产量情况。

微波遥感法的基本原理是利用微波遥感技术对水稻田地的电磁辐射进行监测，可以得到土壤湿度和土壤成分含量等参数信息。

通过分析土壤湿度和土壤成分含量，可以推测出水稻产量情况。

微波遥感法的优点在于在水稻田地表面污染非常少，微波能够穿透云层和感应遮挡物，能够实现全天侯、连续的遥感监测。

基于大数据分析的农业气候与农作物产量变化研究崔媛【摘要】[目的]作为农业大国,我国农业产量直接影响着我国未来发展进度,而气候的变化直接牵动着农业产量的变化.[方法]文章基于农业气候对农作物产量的影响,借鉴已有研究从农业气候变化的角度入手,介绍气候变化对农作物产量等方面的影响,并以华北、华东及东北水稻产区为例,通过主成分因素分析设定降水量、气温、光照及太阳辐射度等指标因素,并建立C-D-A模型,[结果]降水量、气温及光照等气候因素对农作物产量的影响明显,其中干旱天气的影响最大.[结论]通过实证分析验证了该模型具有较高的可信度,以期为各种天气条件下保障与提高农作物产量提供理论依据.%Climate change directly affects the change of agricultural production, and hence affects the progress of a country′s future development.Based on the agrometeorological influences on crop yieldsin recent years, This paper summarized the study progress of the impactsof agricultural climate change on crops.And then, taking the rice production areas in north China, east China and northeastas an example, it analyzedtheindex factors such as precipitation, temperature, light and solar radiation degree usingthe principal component factor analysis, andestablisheda C-A-D model.The results showed that the climate factors such as precipitation, temperature and illumination had great effects on crop yield, especially the dry weather.It concluded that the model had high credibility, so as to provide a reference for guaranteeing and improving the crop yields in various weather conditions.【期刊名称】《中国农业资源与区划》【年(卷),期】2017(038)002【总页数】6页(P112-117)【关键词】农业产量;气候变化;主成分因素;C-D-A模型;实证分析【作者】崔媛【作者单位】天津职业大学基础课部,天津 300410【正文语种】中文【中图分类】S126;S162;S5·粮食安全·农产品既是人民生产与生活的根本，也是一个国家的自足之本。

基于ARIMA模型的世界水稻单产潜力分析作者：蔡承智廖从健刘源侯来义王辉来源：《粮食科技与经济》2020年第04期[摘要]水稻作为世界上重要的粮食作物，随着全球人口的持续上升和耕地面积的不断下降，其单产的提高越来越受到重视。

所以，分析全球水稻单产演变规律及未来潜力，对指引我国及世界水稻生产具有积极的现实意义。

然而，运用计量模型预测分析全球水稻单产潜力，迄今为止鲜见报道。

为此，本文运用ARIMA（自回归单整移动平均）模型，基于1961—2018年统计数据预测分析2023年前世界水稻单产。

结果表明，2019年、2020年、2021年、2022年和2023年世界水稻平均单产将分别达4 800kg/hm2、4 879kg/hm2、4 958kg/hm2、5 039kg/hm2和5 121kg/hm2，同期世界水稻最高（国家）单产将分别为10 499kg/hm2、10 572kg/hm2、10 660kg/hm2、10 735kg/hm2和10 823kg/hm2，前者分别是后者的42.7%、46.5%、45.1%、46.9%和45.1%。

该结果意味着，就未来世界水稻生产而言，单产提高尚有可观空间，总产提高应主要保持高产国家优势，同时改良中低产国家耕地。

[关键词]ARIMA模型;水稻;单产;产量潜力中图分类号：S511 文献标识码：A DOI：10.16465/431252ts.202004水稻是我国主要的粮食作物，也是世界三大粮食作物之一，因此水稻单产潜力一直受到学术界及世界多国政府的高度重视，近年来学界在水稻单产（潜力）方面的研究成果整理如下。

Jiang P等[1]研究指出，水稻生物量差异主要源于温光变化导致的作物生长速率不同;尹朝静等[2]通过研究证明，气温升高对华东地区、华中地区、华南地区以及西南地区水稻单产的边际影响为负，而对东北地区的边际影响为正;Guo Y等[3]研究指出，受温室效应影响，2011—2099年浙江省水稻单产预计将低于1981—2010年水平。

WOFOST模型的研究进展朱津辉;戴萍;朱凯全;陈雨;范禹辰;李吉;冯冬蕾;曲骅倩【摘要】世界粮食作物研究模型（ WOFOST模型）引入我国以来对其的研究与应用日趋成熟，发展方向正从研究阶段向业务应用阶段转变。

简要分析了WOFOST模型及其发展历史，并阐述了国内外WOFOST模型的研究进展，以期推进WOFOST模型在我国农业气象服务业务领域中的应用，提升我国农业气象现代化水平。

%Since the introduction of WOFOST ( World Food Studies) model, the research advances and application have been grown up day by day in China.The development direction transformed from the research phase to the application stage.WOFOST model and its development course was analyzed, the research advances at home and abroad were elaborated, so as to promote its application in agrometeorological services in China and promote agricultural meteorology modernization level.【期刊名称】《安徽农业科学》【年(卷),期】2016(044)028【总页数】4页(P194-196,202)【关键词】WOFOST模型;发展历史;农业气象;业务领域【作者】朱津辉;戴萍;朱凯全;陈雨;范禹辰;李吉;冯冬蕾;曲骅倩【作者单位】辽宁省气象信息中心，辽宁沈阳110166;辽宁省气象信息中心，辽宁沈阳110166;民航东北空管局气象中心，辽宁沈阳110043;辽宁省气象信息中心，辽宁沈阳110166;辽宁省沈阳市环境监测中心站，辽宁沈阳110169;辽宁省桓仁满族自治县气象局，辽宁本溪117200;辽宁省桓仁满族自治县气象局，辽宁本溪117200;辽宁省桓仁满族自治县气象局，辽宁本溪117200【正文语种】中文【中图分类】S16我国人均耕地面积不足世界平均水平的43%，不到发达国家的25%[1]，耕地面积的缩小、人口的增加与资源紧张的矛盾将始终存在。

水稻种植分布及其对气候变化的响应中国一直以来都是农业大国，农村人口的数量一直占着很大的比例，从改革开放以来，中国的粮食产量已经有了明显的增长。

可是这远远满足不了持续增长的人口的需求，粮食问题也关系到国家的安全问题，在这样的情况下，很多人开始改变粮食的种植和销售方式，有关粮食的安全问题出现了，这也是急需要国家解决的问题。

在水稻的种植过程中，气候对于水稻的产量有着重要的影响，文章就具体的分析了水稻和气候变化之间的关系，以及遇到天气变化过程中应该采取的措施。

一、水稻生产与气候变化的关系和影响1.水稻和气候的关系。

水稻是比较喜欢生长在温暖潮湿的土地上的，对于气温和水分的需求都是比较高的，在报告中显示，种植地区的气候土壤都对水稻的产量有很严重的影响。

首先气候的变化是会影响水稻的生长的，在气温变暖的情况下，水稻的播种时间有所提前，对于水稻的产量的提高是很有利的。

原本不适合进行水稻种植的北方地区因为气候变暖也可以进行水稻的种植了，不再只有南方地区可以种植水稻了。

2.气候和水稻种植之间的问题。

在中国的水稻种植上，很多的方法是不科学的，一些人会认为不需要考虑水土和气候的原因，只要有技术就足够了，其实水土和气候才是水稻能够生长的基础，不仅仅单纯依靠技术就可以。

二、水稻的分布和气候之间的关系1.水稻品种不同分布不同。

相对来说耐寒能力比较强的水稻，抽穗的温度要求是在20 C左右的，但是在一些相对气温常年比较低的地区，水稻在18C温度下也是可以抽穗的，所以，水稻的种植分布要根据实际的情况来定。

对于这样的水稻影响最大的就是降水还有温度的平衡性。

2.气候不同水稻分布不同。

中国的国土面积是比较大的，南北温差也是比较大的，所以在不同的气候环境下，水稻的种植规律也就不相同。

3.水稻因地形不同的分区。

据统计，水稻种植的面积大概在29962 千公顷，占据粮食的播种比例是相当大的，稻谷产量也是很大的，占粮食产量一半左右。

中国是全世界种植水稻很早的国家，稻作历史几千年之久，对于世界的栽培也是有很大的影响的。

国际水稻所关于全球气候变化与水稻生产的研究进展
程在全
【期刊名称】《云南农业科技》
【年(卷),期】1995(000)001
【总页数】2页(P7-8)
【作者】程在全
【作者单位】无
【正文语种】中文
【中图分类】S511.101
【相关文献】
1.一种用于评价全球气候变化对中国南方水稻生产影响的效应模型--RCCMOD [J], 陈华;金之庆;葛道阔;石春林;高亮之;魏秀芳
2.全球气候变化对水稻生产的影响 [J], 周锭;豆沿斌
3.国际电工委员会(IEC)、国际标准化组织(ISO)、国际电信联盟(ITU)2009年世界
标准日祝词标准应对全球气候变化 [J], 雅克·里吉斯;阿兰·莫里森;哈马德·图尔
4.国际水稻所的微生物除草剂研究进展 [J], 段桂芳;余柳青;黄世文
5.广东水稻生产态势严峻，未来须抓良种良田良法——访水稻所水稻耕作栽培研究室主任黄庆研究员 [J], 何淑群
因版权原因，仅展示原文概要，查看原文内容请购买。