牧草产量预报模型的研究进展

牧草产量预报模型的研究进展邹雨坤，王璐，王明新等甘肃农业大学草业学院 (730070)E-mail：zyk@摘要：我国牧区面积较大，水热条件分布不均匀，牧草产量主要受气象因子，牧草条件，人为因子等的影响。

一般来说气象因子对牧草产量的影响较为显著，大多数研究均以气象因子为预报因子，利用简单的单因子线性回归模型，多因子线性回归模型正交多项式积分回归模式等数学方法建立牧草产量预报模型，以求准确预测牧草产量，为牧业生产决策，提高牧业生产效率调整牧业结构提供科学可靠的依据。

对于大面积的草地，应用遥感技术，可以建立更好更准确的模型应用于牧业生产中，并在现实应用中取得了良好的效果。

关键词:预报模型；牧草产量；研究进展1.引言我国牧区南北跨越23个纬度，东西跨越50个经度。

草地面积根据十个省的资料统计为3.53亿公顷，占全国土地面积的30%[29]。

比澳大利亚和前苏联草场面积小，比美国草场面积大。

在草场面积如此之大，范围如此之广的牧区，由于自然条件，地形和牧业经营方式不同，生产中也就存在着一些问题。

如水热不协调，产草量低；季节草场不平衡；气象灾害多等。

近些年，由于自然条件的改变,加上人为影响,缺乏科学管理,长期超载过牧,造成草场退化,沙漠化。

因此监测天然草地产草量,对确定合理载畜量，加强草场的科学管理具有重要的实用价值。

牧草产量预报模型是在20世纪60年代随计算机技术的发展而逐步兴起的研究领域，是信息技术应用于农业生产的一个重要方面经过40多年的发展牧草产量模型研究从理论研究进入生产运用并逐步深入到各个领域[37]，我国的牧草产量预报摸型研究在80年代起步，但发展比较快[5]。

天然草场产草量是畜牧业生产规划的重要基础。

掌握天然草场暖、冷季产草量的动态资料实施草畜生产安排,对提高畜牧业生产力具有十分重要的意义。

因此，准确预测牧草产量，将成为指定牧业生产决策调整农业结构提供科学可靠的依据。

2.影响产草量的生态因子排除人为影响，天然草地生产力主要决定于气候、土壤和牧草条件。

土壤结构，肥力，牧草种类，数量等，在一个时期内相对稳定。

气候因子中，光（尤其是光照时间强度等）虽然在短时期内可有较大的变化，但一般尚能满足牧草光合作用的要求，热量和水分则不然，即使在一个生长季内，高温﹑低温﹑多雨﹑少雨以及它们的互作都对牧草产量有很大的影响。

在近些年来的研究中，产量预报摸型的预报因子大多以气象因子为主，如光照﹑降雨﹑温度,也有地形﹑海拔等，但地形、海拔也是因水热分布不同而影响着牧草产量，热量条件支配着天然草场牧草产量的高低[18]。

少有以牧草条件为预报因子的，但在羊草+杂类草草原牧草产量的非破坏性预测中就以牧草的种群和群落数量特征为因子做了预报模型（1994，多立安）[17]。

2.1 光照与牧草产量的关系某一地区日照时数可代表太阳辐射的多寡，太阳辐射能是生物运动变化的最基本能源，牧草通过叶绿细胞吸收太阳辐射能中可见光波段与二氧化碳和水合成植物能。

一般认为，牧草在充足的水热条件下其产品随光能的增加而增加。

就我国西部来说其值较小，与牧草生长有直接意义的是生长季内（日平均温度稳定在0℃以上的持续日数）的光合有效辐射（光合作用过程中所吸收的0.38-0.71um波段的辐射）。

我国牧区全年总辐射量，各地变化在502400-837300J/cm²而我国东部农业区华中，华南则低于502400J/cm²,长江中下游川黔地区更低,在418700 J/cm²以下[30]。

可见我国牧区的光辐射是非常充裕的，在阳光充足的情况下,牧草经常处于光饱和状态,这对牧草光合作用与营养物质的积累十分有利,牧草在红光下形成碳水化合物,在蓝光下合成蛋白质,因此在我国牧区太阳辐射强,光质好的情况下,与南方草山草坡的牧草相比,牧草多具“三高一低”的特点，即蛋白质高,脂肪高,无氮浸出物高,粗纤维低。

由此可见,光照不失为牧草产量预报模型的一个重要预报因子。

2.2 温度与牧草产量的关系我国牧区地域广,由于受季风影响,冬冷夏热,表现出明显的大陆性气候特点,使得用年均温表征一地热量资源,不但局限性大,而且也很难对草原畜牧生产利弊程度做出比较客观的评价,因而对月,季温度状况分析就显得很有必要。

众所周知,年平均气温相同的两地,其最热月(最冷月)平均气温可能存在较大差异。

事实上牧草的地区分布规律表现出与最热月最冷月的相关关系比年平均气温要密切的多,为此选择最热月平均气温作为指标温度更能评价牧业生产的利弊程度[21]。

积温是度量热量资源的重要指标之一，一个地方牧草生长季的积温，能够表征该地区可供牧草利用的热量资源多少，其地域分布趋势与牧草生长及天数分布一致，积温变动范围在500-5500℃之间[29]。

多数模型以积温作为温度方面的预报因子。

2.3 降雨量与牧草产量的关系我国牧区自然降水的水汽来源,北部牧区主要是来自太平洋,降水量自东南向西北递减,西部牧区主要是来大西洋和北冰洋,水汽在移动过程中多降落在西北部,东南和南部降水减少。

由于各地水汽来源和距海远近的不同,降雨量的地区分布极不均匀,除了东北大兴安岭、黄土高原、西部山区(阿尔泰山、天山、祁连山)以及青藏高原东南部为多雨区,年降水量在400mm以上以外,其余地区均不足400mm﹑200mm以下的地区占据了整个牧区的一半左右,形成了广大的半干旱和干旱荒漠区[31]。

降水分布不均匀,除了表现在地区的差异外,还由于季风的迟早,强弱而导致降水量的年际变化很大。

我国牧区年降水变率为15-50%,分布规律和年降水量变化趋势一致[29]。

明显的表现在降水量多的地区变率小,降水量少的地区变率大。

降水变率大,自然降水的保证就低。

我国牧区年降水本来就少,在正常情况下都嫌不足,稍有变化就会波及草地的产产量和牧草的品质,给牧业生产带来损失,影响牧业生产的稳定性。

2.4 牧草产量与气象条件的相关性积温和日照时数从春季日平均气温稳定通过0℃的日期开始累积，降水量由于考虑前期降水的影响，从前一年11月起累积，气象条件对天山北坡中山的牧草生长发育及产量的影响（1996林柯）一文中指出干草重与气象条件的相关系数大于鲜草重与气象条件的相关系数，不同气象要素中，降雨量最大，日照时数最小，积温居中。

干草重与积温，降水量，日照常数的相关系数，除杂类草干草重与日照时数的相关系数达到显著水平外，其余都达到极显著水平。

相反，鲜草重中只有杂类草鲜重和总重与降水量的相关系数达到极显著水平杂类草鲜重与日照时数的相关系数没有通过显著性检验，其余的达到显著水平[14]。

对于不同的气象要素而言，产量与降雨量的相关性最好，文献14中显著性测验指出除禾本科牧草鲜重与降水量的相关系数达到显著水平外，其余的都达到极显著水平，鲜草重均达到显著水平日照时数，只有禾本科牧草及鲜重与日照时数的相关系数达到极显著水平，杂类草鲜重与日照时数的相关系数没有通过显著性检验，其余达到显著水平[14]。

但是，降雨量一般不被单独作为预报因子，一般都是与其它因子相结合，如在文献13中，就将降雨量与土壤湿度对产草量的影响共同考虑起来。

图1是荒漠地区草地产量与降水量，土壤湿度的关系图，从图1可看出,1982年、1986年、1989年降水和土壤湿度都处于明显的低谷,故产量在此期也表现为明显的负增量,但草产量较高时降水和土壤湿度对产量的增量并不一定表现为正相关,而是取决于较多降水量在各个时期分配是否均匀以及根系层土壤(0～20cm左右)对大气降水的截留情况。

表现出了由于草场长期过度利用,使草产量退化趋势逐年加重。

3 模型的建立3.1简单的单因子线性回归法简单的单因子线性回归法是一种较为简单的模型,仅以某一因子作为自变量建立的预测模型,如邓子风做出白刺的新生枝条长度增量与日照时数的关系[31]:ΔH白刺=0.0029-0.6212S r=-0.6210 rａ＝0.5494(a=0.1)。

又如草原化荒漠天然牧草产量与气象条件的关系一文中（巫荣征）[30]给出了以5-9月降水量(x)为预报因子的牧草白产量(y)的模型:y=3.7+0.09x(r=0.7937,n=2.47)。

游直方[20]用1964,1971,1979-1980年的牧草产量和降雨量距平百分率绘制了相关图,并用回归方法建立预报方程:y=21.0+0.79x(y为牧草产量百分率,x降水量距平百分率,信度为0.05,相关系数为r=0.8638)。

作预报时只要将某一时段的降水量距平百分率代入方程即可算出同一时段牧草产量百分率,再将百分率还原为牧草产量预报值。

图1 降水量、土壤湿度和产草量的变化关系[13]3.2 多元线性回归法天然牧草的生长发育受光﹑热﹑水等气象要素以及牧草自身生物学特性的综合影响,而且各种气象要素在各个发育期的作用各不相同,牧草生长前期(返青期)对牧草生长发育的主要限制因子是热量条件,其次是降水因素,6-8月热量条件可满足牧草生长的需要,牧草的生长要受限于大气降水的多少及在各个时期的分配[30]。

巫荣征[30]经统计分析可得,牧草产量与水热条件关系如下:y=19.2-0.001x1+0.276x2(n=22,r=0.8579)其中x1为ΣΤ日≧10℃积温,x2为同期降水量(mm),y为牧草产量(kg/亩)。

3.3 正交多项式积分回归模式近年来所报道的草地生物量及年产草量与气象条件之间的关系多以数学方法给出了多种形式的模拟模型，在实际工作中也得到了较好的应用。

但所提及的模拟模型一般以某个气象因子或多个气象因子为自变量建立的经典回归分析。

实际上气象因素对植物生长发育或产量形成的影响，并非是简单的以某个气象因素作自变量的回归关系。

因为植物在生长发育的不同阶段，同一气象要素所反映的作用效果具有很大的区别。

要素在植物生长发育不同阶段内的分配，对最终产量的形成有着显著的影响[41]。

对此，不少学者应用了正交多项式积分回归的模拟模型，它具有样本资料短，同时考虑气象因子对植物生长发育在各个阶段有不同的影响效应等优点，受到了人们的重视李英年等[19]采用地温资料建立影响高寒草甸牧草产k(t)x(t)dt量的正交多项式回归模式，GW=359.6[19176+ak∫Ψ111]此模型拟合率较高，平均相对误差为2.32%，达极显著相关的检验水平（p<0.01），预报准确率较高，具有一定的实用价值。

3.4关联分析与多元回归相结合关联分析是确定时间序列与比较时间序列之间随时间变化动态发展趋势是否接近的一种有效方法，是一种相对性序列分析。

实质上是曲线间几何形式形状分布的比较，它包括了关联系数，关联序及关联程度的求算。

为便于运算，既消除量纲影响又可使数值缩小，一般对序列数值进行均值化处理。

首先求出关联系数，然后再求出产量序列与气候因子序列的关联度（关联度是表征序列间关联程度大小的一种关系）然后再进行多元回归分析，建立预测模型，李英年等[1]便采用这一方法建立了预报高寒草甸牧草产量的模拟模型方程GW=a+Σajxj，其拟合效果及试报效果均很好。