东北地区玉米热量指数的预测模型研究

东北地区玉米热量指数的预测模型研究 应 用 气 象 学 报 第 14 卷 5 期 Vol. 14 , No. 5 JOURNAL OF APPL IED METEOROLO GICAL SCIENCE October 2003 2003 年 10 月 Ξ 东北地区玉米热量指数的预测模型研究 1) 2) 2)郭建平田志会张涓涓 ) ) 12(() )中国气象科学研究院 ,北京 100081北京农学院 ,北京 102206 摘 要 利用 1961,2000 年逐月气温资料计算了东北地区分省和全区玉米的热量指数 。通过 对热量指数和大气环流资料的统计 ,建立了 6 个预测玉米热量指数的模型 ,各模型都能 较好地预测东北地区各省及全区的玉米生长发育期间的热量状况 。检验结果可以看出 ,所 有模型的准确率较高 ,且稳定性较好 ,6 个模型预测玉米热量指数的平均相对误差都在 7 % 以下 ,说明了各模型都具有较好的预测能力 。其中辽宁省的相对误差最小 ,平均在 2 %以 下 ,预测效果最好 ,黑龙江省的平均误差最大 ,也都在 4. 5 %,7 %。 关键词 : 东北地区 玉米 热量指数 预测模型 引 言 玉米是世界性的作物 ,种植范围广 ,播种面积大 ,约占总种植面积的 16 %左右 ,产量 2 占各种谷物类作物总产的 22 % ,平均单产达 2500 kg/ hm,高于水稻和麦类等 。中国是主 要的玉米生产国之一 ,播种面积和总产量居世界第二位 ,仅次于美国 。东北地区是中国重 要的粮豆生产基地 ,粮豆总产量占全国的 12 %以上 ,粮食商品率在 40 %以上 ,高于全国平 均水平 。其中玉米占粮食总产的 40 %左右 ,出口量占全国总出口量的一半以上 。 () 东北地区农作物低温冷害是指夏季 6,8 月气温低于作物生长发育所需的温度条 [ 1,2 ] 件 ,使作物生长发育延迟或开花结实受阻 ,从而导致减产,是东北地区农业生产中主 要的农业气象灾害之一 。由于低温冷害对农作物的影响严重 ,1949 年以来 ,我国的农业 气象和农学专家开展了低温冷害对农作物影响的系列研究 ,主要研究了低温冷害的发生 [ 1,9 ] 律 、低温冷害的气候指标 、低温冷害的影响机理以及低温冷害的防御技术措施等规。 但到目前为止 ,对如何有效地预测低温冷害的发生还没有进行系统有效的研究 。在农业 生产的实践中 ,要准确有效地防御低温冷害对农作物的危害 ,准确预测低温冷害是一项十 分重要和有意义的工作 。本文根据玉米生长发育与热量条件的关系 ,计算了影响玉米生 长发育的热量指数 ,并利用大气环流资料建立了预测玉米热量指数的系列模型 ,可为玉米 低温冷害的预测提供必要的基础方法 。 Ξ 本文由国家科技部“十五”攻关计划“农林重大病虫害和农业气象灾害的预警及控制技术研究”之“农业气象 灾 () 害预警技术研究”2001BA509B213课题和科技部社会公益性研究专项资金项目“华北干旱和东北低温冷 害监测预警技术研究”共同资助 。 2003206218 收到 ,2003207223 收到修改稿。 5 期 郭建平等 :东北地区玉米热量指数的预测模型研究 627 1 资料与方法 1. 1 热量指数的计算方法 为了得到一个能避免其它非热量因素干扰 ,真正反映地区热量条件对作物影响的指 标 ,就必须充分结合作物的生长发育特性 ,提出有明确生物学意义的新指标 。为此 ,对计 [ 10 ]算玉米生产潜力公式中的热量订正系数公式进行改进后 ,获得了如下计算玉米热量指 数的公式 : B( ) ( ) T - TT- T 12 ( ) FT= 100 × B ( ) ( )T- TT- T 0 12 0 T - T 2 0 B = T- T 0 1 式中 T 为 5,9 月逐月平均气温 ; T、T、T分别为该时段内玉米生长发育所需的下限 温1 2 0 () 度 、上限温度和适宜温度 1。 [ 10] 表 1 高产条件下玉米各发育期的 T、T、T? 1 2 0 生长发育时期 苗期 营养生长期 营养 、生殖并进期 开花 —灌浆期 灌浆 —成熟期 T 18 . 0 11 . 5 14. 0 14 . 0 10. 0 T 227. 0 30 . 0 33. 0 32 . 0 30. 0 T 20. 0 24 . 5 27. 0 25 . 5 19. 0 0 由于上式充分考虑了玉米不同生长发育时期对温度条件的要求 ,因此 ,该公式的生物 学意义十分清晰 ,它可以反映不同时期的热量条件对玉米生长发育的影响程度 。由上式 ( ) 还可以看出 ,热量条件对玉米不同发育期的影响是非线性的 , F T值越大 ,则表明玉米 ( ) 生长季的热量条件越好 ,反之则热量条件越差 。 F T的量值在 0,100 之间 。此外 ,在 我国的东北地区 ,农作物生长发育期间的平均气温条件一般都不超过作物所需的适宜温 ( ) 度条件 ,出现高温危害的几率较小 。因此 ,利用上述计算的 FT来分析热量条件对作物 ( ) 的影响程度是十分有意义的 ,当 FT小于某一临界值时 ,玉米就有可能受到低温冷害的 影响 。 利用东北三省 60 个气象站 1961,2000 年的逐日平均气温资料 ,统计计算出该区农 ( ) 作物主要生长季的 5,9 月逐月平均气温并代入上式 ,即可获得各站历年逐月的 F T, () 然后计算整个生长季 5,9 月的平均值表示玉米生长季的热量指数 。各省和全区的热 量指数用该省内实际使用的站点数的平均值表示 。由此获得各省和全区 40 年逐年的热 量指数 。 1. 2 热量指数预测模型的统计方法 利用 1960,2000 年逐月大气环流资料中副高面积指数 、副高强度指数 、副高脊线 、副 高北界 、极涡指数 、环流指数等 6 类 。根据遥相关原理 ,利用当年 1 月与上年 7,12 月逐 月的大气环流资料与热量指数进行逐步回归分析 ,建立预测玉米生长季热量指数的统计 预测模型 。在假定用 30 年样本建立的相关统计关系稳定的前提下 ,前 30 年资料用于模 型建立和回代检验 ,后 10 年资料作为独立样本用于试报检验 。 应 用 气 象 学 报 14 卷 628 2 预测模型 ()2. 1 副高强度指数预测模型 模型 1 利用 1961,1990 年 30 年当年 1 月和上年 7,12 月逐月的北半球副高 、北非副高 、北 非大西洋北美副高 、西太平洋副高 、东太平洋副高 、北美副高 、南海副高 、北美大西洋副高 、 太 ( ) ( ) 平洋副高强度指数与 FT进行相关分析 ,获得与 FT相关显著的因子见表 2 。 ( ) 表 2 与 F T相关显著的副高强度指数因子 预测因子 物理意义 预测因子 物理意义 上年 12 月北半球副高强度指数 上年 7 月北非副高强度指数 X X 12X X 34上年 8 月北非副高强度指数 上年 8 月西太平洋副高强度指数 X X 56上年 9 月西太平洋副高强度指数 上年 12 月西太平洋副高强度指数 X X 78上年 10 月南海副高强度指数 上年 7 月北美大西洋副高强度指数 X 9X 上年 7 月太平洋副高强度指数 10 上年 8 月太平洋副高强度指数 ( ) 利用上述相关显著的因子与 F T进行逐步回归分析 ,分别建立了辽宁省 、黑龙江 省 、吉林省和东北全区玉米热量指数的副高强度指数预测模型 : 辽 宁 : Y = 87. 4724 - 0. 05988 X + 0. 14696 X + 0. 03876 X R = 0. 7099 1 1 6 10 黑龙江 : Y = 56. 0520 + 0. 08367 X + 0. 05760 X + 0. 06135 X - 0. 06127 X R = 0. 5040 1 1 2 4 9 吉 林 : Y = 73. 2357 + 0. 03800 X - 0. 03960 X + 0. 04943 X + 0. 20481 X R = 0. 5651 1 1 2 3 7 全 区 : Y = 73. 4193 + 0. 04434 X + 0. 05130 X + 0. 16598 X - 0. 01755 X R = 0. 5724 1 1 4 7 9 ()2. 2 副高面积指数预测模型 模型 2 利用 1961,1990 年 30 年当年 1 月和上年 7,12 月逐月的北半球副高 、北非副高 、北 非大西洋北美副高 、西太平洋副高 、东太平洋副高 、北美副高 、南海副高 、北美大西洋副高 、 太 ( ) ( ) 平洋副高面积指数与 FT进行相关分析 ,获得与 FT相关显著的因子见表 3 。 ( ) 表 3 与 F T相关显著的副高面积指数因子 预测因子 物理意义 预测因子 物理意义 上年 12 月北半球副高面积指数 上年 8 月北非副高面积指数 X X 12X X 34上年 10 月北非副高面积指数 上年 12 月西太平洋副高面积指数 X X 56上年 12 月东太平洋副高面积指数 上年 10 月大西洋副高面积指数 X X 78上年 11 月大西洋副高面积指数 当年 1 月南海副高面积指数 X 9X 上年 10 月南海副高面积指数 10 上年 10 月北美大西洋副高面积指数 X 11 当年 1 月太平洋副高面积指数 ( ) 利用上述相关显著的因子与 F T进行逐步回归分析 ,分别建立了辽宁省 、黑龙江 省 、吉林省和东北全区玉米热量指数的副高面积指数预测模型 : 辽 宁 : Y = 85. 0452 + 0. 12552 X - 0. 16008 X + 0. 20560 X - 0. 49907 X + 2 2 3 4 8 0. 43194 X R = 0. 8288 9 黑 龙 江 : Y = 59. 228 + 0. 62931 X - 0. 87339 X + 0. 43344 X - 0. 73482 X + 2 4 6 7 8 0. 41111 X R = 0. 6437 10 吉 林 : Y = 65. 5941 + 0. 27719 X - 0. 15616 X + 0. 27042 X + 0. 95431 X - 2 2 3 7 9 5 期 郭建平等 :东北地区玉米热量指数的预测模型研究 629 0. 12293 X R = 0. 6348 10 全 区 : Y = 65. 3121 + 0. 24087 X - 0. 18016 X + 0. 35396 X - 0. 85778 X + 2 2 3 4 8 0. 54328 X R = 0. 7274 9 ()2. 3 副高北界预测模型 模型 3 利用 1961,1990 年 30 年当年 1 月和上年 7,12 月逐月的北半球副高 、北非副高 、北 非大西洋北美副高 、西太平洋副高 、东太平洋副高 、北美副高 、南海副高 、北美大西洋副高 、 太 ( ) ( ) 平洋副高北界与 FT进行相关分析 ,获得与 FT相关显著的因子见表 4 。 ( ) 表 4 与 F T相关显著的副高北界因子 预测因子 物理意义 预测因子 物理意义 X 当年 1 月北半球副高北界 X 上年 7 月北半球副高北界 12X X 3上年 8 月北半球副高北界 4上年 9 月北半球副高北界 X X 5上年 12 月北半球副高北界 6上年 9 月北非副高北界 X X 7上年 9 月北非大西洋北美副高北界 8上年 10 月北非大西洋北美副高北界 X X 9当年 1 月西太平洋副高北界 10 上年 11 月西太平洋副高北界 X X 11 上年 12 月西太平洋副高北界 12 上年 10 月东太平洋副高北界 X X 13 上年 11 月北美副高北界 14 上年 11 月大西洋副高北界 X X 15 上年 10 月北美大西洋副高北界 16 上年 11 月北美大西洋副高北界 ( ) 利用上述相关显著的因子与 F T进行逐步回归分析 ,分别建立了辽宁省 、黑龙江 X 17 当年 1 月太平洋副高北界 省 、吉林省和东北全区玉米热量指数的副高北界预测模型 : 辽 宁 : Y = 57. 965 + 0. 20582 X + 0. 48995 X - 0. 33058 X + 0. 30342 X + 3 3 7 8 10 0. 12903 X - 0. 33921 X + 0. 81893 X R = 0. 8195 12 13 17 黑龙江 : Y = 54. 2382 - 1. 22988 X + 1. 31440 X - 0. 96086 X + 1. 47864 X R = 0. 6668 3 4 6 13 17 吉 林 : Y = 47. 9536 + 0. 63025 X - 0. 55284 X + 0. 72548 X - 0. 57537 X - 3 7 8 10 11 0. 65592 X + 1. 62806 X R = 0. 8021 13 17 全 区 : Y = 40. 0077 + 0. 65964 X + 0. 94903 X - 0. 60326 X + 0. 35344 X - 3 1 6 8 10 0. 59317 X + 0. 72341 X R = 0. 8113 13 17 ()2. 4 副高脊线预测模型 模型 4 利用 1961,1990 年 30 年当年 1 月和上年 7,12 月逐月的北半球副高 、北非副高 、北 非大西洋北美副高 、西太平洋副高 、东太平洋副高 、北美副高 、南海副高 、北美大西洋副高 、 太 ( ) ( ) 平洋副高脊线与 FT进行相关分析 ,获得与 FT相关显著的因子见表 5 。 ( ) 表 5 与 F T相关显著的副高脊线因子 预测因子 物理意义 预测因子 物理意义 X 当年 1 月北半球副高脊线 X 上年 7 月北非副高脊线 12X X 3上年 10 月北非大西洋北美副高脊线 4上年 8 月西太平洋副高脊线 X X 5上年 7 月北美副高脊线 6上年 9 月北美副高脊线 X X 7上年 8 月大西洋副高脊线 8上年 9 月大西洋副高脊线 X X 9上年 11 月南海副高脊线 10 上年 9 月北美大西洋副高脊线 X X 11 上年 10 月北美大西洋副高脊线 12 上年 11 月北美大西洋副高脊线 X X 13 当年 1 月太平洋副高脊线 14 上年 9 月太平洋副高脊线 X X 15 上年 10 月太平洋副高脊线 16 上年 11 月太平洋副高脊线 X 17 上年 12 月太平洋副高脊线 应 用 气 象 学 报 14 卷 630 ( ) 利用上述相关显著的因子与 F T进行逐步回归分析 ,分别建立了辽宁省 、黑龙江 省 、吉林省和东北全区玉米热量指数的副高脊线预测模型 : 辽 宁 : Y = 81. 1896 + 0. 01699 X - 0. 03543 X + 0. 23036 X + 0. 35173 X + 4 1 2 7 8 0. 49415 X - 0. 42702 X - 0. 28010 X + 0. 31623 X R = 0. 8339 13 14 15 16 黑龙 江 : Y = 82. 8342 - 0. 99484 X + 0. 36197 X + 0. 67225 X + 2. 42607 X - 4 3 4 7 13 1. 75826 X - 1. 01908 X R = 0. 7310 14 17 吉 林 : Y = 96. 6384 - 0. 58309 X - 0. 46104 X - 0. 55631 X + 0. 65569 X + 4 2 3 6 8 1. 12047 X - 0. 61743 X R = 0. 8314 13 15 全 区 : Y = 93. 2174 - 0. 31914 X - 0. 39988 X + 0. 39240 X + 1. 19069 X - 4 2 3 8 13 0. 63465 X - 0. 48725 X R = 0. 7968 14 15 ()2. 5 大气环流指数预测模型 模型 5 大气环流指数取欧亚纬向环流指数 、欧亚经向环流指数 、亚洲纬向环流指数和亚洲经 向 () 环流指数 4 个要素的当年 1 月和上年 7,12 月逐月要素作为预测因子 表 6。 表 6 环流指数预测因子 预测因子 物理意义 预测因子 物理意义 X 当年 1 月欧亚纬向环流指数 X 上年 7 月欧亚纬向环流指数1 2 X 上年 8 月欧亚纬向环流指数 X 上年 9 月欧亚纬向环流指数3 4 X 上年 10 月欧亚纬向环流指数 X 上年 11 月欧亚纬向环流指数5 6 X 上年 12 月欧亚纬向环流指数 X 当年 1 月欧亚经向环流指数7 8 X 上年 7 月欧亚经向环流指数 X 上年 8 月欧亚经向环流指数9 10 X 上年 9 月欧亚经向环流指数 X 上年 10 月欧亚经向环流指数11 12 X 上年 11 月欧亚经向环流指数 X 上年 12 月欧亚经向环流指数13 14 X 当年 1 月亚洲纬向环流指数 X 上年 7 月亚洲纬向环流指数15 16 X 上年 8 月亚洲纬向环流指数 X 上年 9 月亚洲纬向环流指数17 18 X 上年 10 月亚洲纬向环流指数 X 上年 11 月亚洲纬向环流指数19 20 X 上年 12 月亚洲纬向环流指数 X 当年 1 月亚洲经向环流指数21 22 X 上年 7 月亚洲经向环流指数 X 上年 8 月亚洲经向环流指数23 24 X 上年 9 月亚洲经向环流指数 X 上年 10 月亚洲经向环流指数25 26 X 上年 11 月亚洲经向环流指数 X 上年 12 月亚洲经向环流指数27 28 ( ) 利用上述 28 个预测因子与玉米 F T进行逐步回归分析 ,分别建立了辽宁省 、黑龙 江省 、吉林省和东北全区玉米热量指数的环流指数预测模型 : 辽 宁 : Y = 92. 0856 + 0. 03016 X - 0. 09007 X - 0. 01789 X - 0. 07840 X + 5 1 2 6 8 0. 06567 X + 0. 08916 X R = 0. 6263 11 22 黑龙 江 : Y = 71. 4413 + 0. 03951 X - 0. 40213 X + 0. 29412 X - 0. 07709 X + 5 1 8 10 20 0. 23920 X R = 0. 6943 22 吉 林 : Y = 102. 213 - 0. 17333 X - 0. 04279 X - 0. 03377 X - 0. 17562 X + 5 2 6 7 8 0. 14712 X R = 0. 6144 22 全 区 : Y = 95. 8102 - 0. 12172 X - 0. 20555 X - 0. 04207 X + 0. 15373 X R = 0. 6158 5 2 8 20 22 ()2. 6 极涡面积 、强度和位置预测模型 模型 6 利用 1961,1990 年 30 年当年 1 月和上年 7,12 月逐月的亚洲区极涡 、太平洋区极 5 期 郭建平等 :东北地区玉米热量指数的预测模型研究 631 涡 、北美区极涡 、大西洋欧洲区极涡 、北半球极涡的面积指数 、强度指数 、北半球极涡中心 () () ( ) ( ) 位置 J W和北半球极涡中心位置 J O与 FT进行相关分析 ,获得与 FT相关显著的 因子见表 7 。 ( ) 表 7 与 F T相关显著的极涡因子 预测因子 物理意义 预测因子 物理意义 X 上年 8 月亚洲区极涡面积指数 X 上年 10 月北美区极涡面积指数 12X X 3当年 1 月大西洋欧洲区极涡面积指数 4上年 7 月大西洋欧洲区极涡面积指数 X X 5上年 8 月大西洋欧洲区极涡面积指数 6上年 9 月大西洋欧洲区极涡面积指数 X X 7上年 8 月北半球极涡面积指数 8上年 8 月亚洲区极涡强度指数 X X 9上年 8 月太平洋区极涡强度指数 10 上年 7 月北美区极涡强度指数 X X 11 上年 8 月北美区极涡强度指数 12 上年 9 月北半球极涡强度指数 X X ()13 上年 10 月北半球极涡强度指数 14 上年 7 月北半球极涡中心位置J W X ()X ()15 上年 8 月北半球极涡中心位置J W 16 上年 9 月北半球极涡中心位置J W X ()X()17 当年 1 月北半球极涡中心位置JO 18 上年 8 月北半球极涡中心位置JO X ()19 上年 12 月北半球极涡中心位置JO ( ) 利用上述相关显著的因子与 F T进行逐步回归分析 ,分别建立了辽宁省 、黑龙江 省 、吉林省和东北全区玉米热量指数的极涡预测模型 : 辽 宁 : Y = 87. 9418 + 0. 03640 X - 0. 13412 X - 0. 23382 X + 0. 00520 X - 6 6 8 10 15 0. 12517 X + 0. 21908 X + 0. 14042 X R = 0. 7962 17 18 19 黑龙江 : Y = 69. 9594 - 0. 24077 X + 0. 12711 X - 0. 26281 X + 0. 53325 X R = 0. 6435 6 5 6 9 18 吉 林 : Y = 92. 3773 - 0. 03704 X - 0. 29784 X + 0. 46247 X + 0. 23519 X 6 7 10 18 19 R = 0. 6107 全 区 : Y = 84. 1452 + 0. 09795 X - 0. 06417 X + 0. 45199 X R = 0. 6275 6 6 17 18 利用上述资料所建立的辽宁省 、黑龙江省 、吉林省和东北全区预测热量指数的模型 1 ,6 ,经相关检验都达到了 0. 001 的显著水平 。 3 模型检验 模型检验主要是通过回代检验和试报检验来分析模型的预测值与实况值之间的吻合 程度 。预测准确率用下式计算 : 实况值 - 预测值 准确率 = ×100 % 实况值 3. 1 回代检验 本文利用了 1961,1990 年 30 年的资料参加了模型的建立 ,因此 ,用这 30 年资料进 行 () 回代检验 表 8。 表 8 1961,1990 年 30 年回代检验准确率 % 省份 模型 1 模型 2 模型 3 模型 4 模型 5 模型 6 辽 宁 省 98 . 81 99 . 03 99 . 04 99 . 03 98 . 62 98 . 97 黑龙江省 94 . 38 95 . 17 95 . 34 95 . 76 95 . 20 95 . 54 吉 林 省 97 . 10 97 . 19 97 . 78 98 . 81 97 . 20 96 . 86 全 区 92 . 90 97 . 51 98 . 04 97 . 99 97 . 30 97 . 45 应 用 气 象 学 报 14 卷 632 由表可见 ,不同省份各模型的回代准确率几乎都超过了 95 % ,其中辽宁省的回代准 确率最高 ,都在 98 %以上 ,黑龙江省的预测准确率最低 ,也都在 95 %左右 。不同模型之间 的差异不大 。 3. 2 试报检验 由于 1991,2000 年 10 年的资料未参加模型的建立 ,因此 ,利用 1991,2000 年资料 () 进行模型的试报检验 表 9。 表 9 1991,2000 年 10 年试报检验的准确率 % 省份 模型 1 模型 2 模型 3 模型 4 模型 5 模型 6 辽 宁 省 96 . 03 96 . 73 95 . 71 96 . 59 96 . 17 97 . 38 黑龙江省 92 . 02 92 . 47 86 . 33 87 . 49 89 . 89 91 . 00 吉 林 省 93 . 66 93 . 98 91 . 13 92 . 42 91 . 86 93 . 44 全 区 94 . 03 94 . 60 90 . 80 93 . 43 93 . 96 94 . 40 由表可见 ,模型的试报准确率略低于回代准确率 ,但仍然较高 。辽宁省各模型的试报 准确率最高 ,都超过了 95 % ,黑龙江省的试报准确率最低 ,其中 ,模型 1 、模型 2 和模型 6 的试报准确率在 91 %以上 ,其它 3 个模型的试报准确率在 90 %以下 ,但都在 86 %以上 。 吉林省和全区各模型的预测准确率也都在 90 %左右 。 由此可见 ,利用大气环流资料建立的 6 个预测东北地区玉米生长季热量指数的模型 都具有较高的精度 ,可以用于业务服务 。 4 结论与讨论 利用 1961,2000 年逐月气温资料计算了东北地区分省和全区玉米的热量指数 。通 过对热量指数和大气环流资料的统计分析 ,建立了 6 个相关的预测玉米热量指数的预测 模型 ,各模型都能较好地预测东北地区各省及全区的玉米生长发育期间的热量状况 。通 过对 1961,1990 年的回代检验和 1991,2000 年试报检验可以看出 ,所有模型的准确率 () 较高 ,且稳定性较好 表 10。 表 10 各模型 1961,2000 年回代和试报检验效果( 平均相对误差) % 省份 模型 1 模型 2 模型 3 模型 4 模型 5 模型 6 辽 宁 省 1 . 888 1 . 544 1 . 795 1 . 577 1 . 992 1 . 427 黑龙江省 6 . 135 5 . 504 6 . 911 6 . 320 6 . 129 5 . 658 吉 林 省 3 . 837 3 . 628 3 . 883 3 . 539 4 . 283 3 . 995 全 区 6 . 819 3 . 217 3 . 773 3 . 399 3 . 558 3 . 315 由表可以看出 ,6 个模型预测辽宁省 、黑龙江省 、吉林省和全区玉米热量指数的平均 相对误差都在 7 %以下 ,说明了各模型都具有较好的预测能力 。其中辽宁省的相对误差 最小 ,平均在 2 %以下 ,预测效果最好 ,黑龙江省的平均误差最大 ,也都在 4. 5 %,7 %。 尽管通过各模型都能较好地预测玉米生长发育期间的热量条件 ,但要能准确地预测 玉米的热量年型仍存在一定的困难 。造成这种困难的原因主要是因为不同热量年型的热 量指标差异较小 ,尽管热量指数的预测误差很小 ,但用来判断热量年型时往往还会发生错 5 期 郭建平等 :东北地区玉米热量指数的预测模型研究 633 误 。因此 ,要准确地判断不同的热量年型还必须结合其它方法 。但总体上来看 ,热量指数 可以 有效地反映作物生长季的热量状况 ,各模型的天气气候学意义有待进一步的分析 。 参 考 文 献 1 王书裕. 农作物冷害的研究. 北京 :气象出版社 ,1995 . 2 潘铁夫. 农作物低温冷害及其防御. 北京 :农业出版社 ,1983 . 3 张养才 ,何维勋 ,李世奎. 中国农业气象灾害概论. 北京 :气象出版社 ,1991 . () 4 孙玉亭 ,王书裕 ,杨永歧. 东北地区作物冷害研究. 气象学报 ,1983 ,41 3: 313,321 . 5 马树庆. 吉林省农业气候研究. 北京 :气象出版社 ,1996 . ) (6 高素华 ,刘玲 ,郭建平. 抗低温助长剂 、稀土抗低温机理的试验研究. 气象学报 ,2000 ,50 增刊:936,944 . () 7 王春乙 ,郭建平 ,马树庆 ,等. 玉米抗低温助长剂田间试验研究. 自然灾害学报 ,2001 ,10 1:80,85 . 8 王春乙 ,郭建平. 农作物低温冷害综合防御技术研究. 北京 :气象出版社 ,1999 . () 9 毛飞 ,高素华 ,王春乙. 东北地区热量资源和低温冷害分布规律的研究. 气象学报 ,2000 ,50 增刊:871,880 . 10 高素华主编. 中国三北地区农业气候生产潜力及开发利用对策. 北京 :气象出版社 ,1995 . FORECASTING MOD ELS OF HEAT IND EX FOR CO RN IN NO RTHEAST CHINA ) ) )123Guo JianpingTian ZhihuiZhang J uanjuan ) 1( )Chinese Academy of Meteorological Sciences , Beijing 100081 ) 2( )Beijing A gricultural College , Beijing 102206 Abstract Using the mean monthly air temperature f rom 1961 to 2000 , the corn heat indexes in 3 provinces and whole Northeast China are calculated. Based on the statistic analysis between heat index and atmospheric circulation data , 6 models of forecasting availably the corn heat index are set up. Each model can be used to forecast heat status in the growth and develop2 ment period of corn in each province and whole Northeast China. Test shows that the accura2 cy of all models is higher and the stability is preferable. The mean relative error of 6 models is lower than 7 %. These models show the better forecasting ability. In which , the least rel2 ative error is in Liaoning province , the mean value is lower than 2 % , and the forecast effect is best . The greatest relative error is in Heilongjiang province , the mean value is f rom 4. 5 % to 7 %. Key words : Northeast China Corn Heat index Forecasting model