不同统计模型在冬小麦产量预报中的预报能力评估——以江苏麦区为例

摘要

在多类冬小麦单产统计预报模型中筛选出预报能力强的模型,并对优选出的模型进行加权集成,以此提高产量预报准确率,对保障粮食安全具有重要意义。利用1993—2018年江苏省69个基本气象观测站逐日气象资料和冬小麦产量数据及生育期资料,在5种气象产量分离方法(线性分离、差值百分率、5年滑动平均、3年滑动平均、二次曲线)的基础上,采用准确率、标准差、相关系数、泰勒图等检验法,评估分析了丰歉相似年法、关键气象因子法、气候适宜度法与集成预报法在江苏省冬小麦单产预报中的模拟效果。结果表明:1)对于同一种预报方法,不同的产量分离法对预报精度影响较大,二次曲线分离法要好于其他4种方法;丰歉相似年预报方法中加权法的预报精度高于大概率法。1993—2013年丰歉相似年法、关键气象因子法、气候适宜度法平均准确率分别为89.67%、94.86%和94.96%。2)集成预报法近5年预报准确率在96.33%以上,高于丰歉加权模型、关键气象因子二次曲线分离模型、气候适宜度二次曲线分离模型等单个最优模型,在一定程度上可以弥补单一预报方法预报结果稳定性差的不足。3)起报时间越接近成熟期,预报因子信息越全面,则预报模型准确率越高。研究结果可为江苏省冬小麦采用合理的单产预报模型提供科学依据,同时模型筛选思路也可供外省借鉴。