基于ARIMA-TR模型的世界马铃薯单产潜力分析
来源:用户上传
作者:蔡承智 张林
摘要：马铃薯是世界主要粮食作物之一，其单产潜力事关我国及世界未来的粮食安全。然而，迄今为止基于“时间序列分析”研究马铃薯单产潜力尚鲜见文献报道。为此，本文基于1961-2020年数据、运用ARIMA-TR（自回归单整移动平均-趋势回归）模型预测分析2025年前世界马铃薯单产潜力。结果表明：2021-2025年世界马铃薯平均单产将分别为21095 kg/ha、21350 kg/ha、21610 kg/ha、21874 kg/ha和22142 kg/ha，同期世界马铃薯最高单产将分别为50213 kg/ha、50355 kg/ha、50494 kg/ha、50632 kg/ha和50768 kg/ha;前者分别是后者的38.34%、38.48%、38.62%、38.76%和38.91%。该结果意味着：就2025年前世界马铃薯生产而言，平均单产提升尚有巨大空间，总产提高应主要依靠保持高产国家优势。
关键词：ARIMA-TR模型 世界 马铃薯 单产潜力马铃薯单产潜力一直是农学界关注的重点和热点之一[1-3]。例如：贾立国等（2015）预测得出[4]，内蒙古阴山北麓地区马铃薯的光合生产潜力为82503kg/ha，光温生产潜力为65620 kg/ha，平均降水生产潜力为47 898 kg/ha;Haverkort A.J等基于生产函数模型研究了荷兰马铃薯单产潜力及其受气候变化的影响[5];Svubure O等运用LINTUL-POTATO模型研究了津巴布韦不同农业生态区马铃薯的光能获取、利用及单产潜力[6];Kleinwechter U等运用SUBSTOR模型对秘鲁所有地区（温带、亚热带及热带）不同马铃薯品种单产进行了系统评估[7];田丰等研究指出马铃薯块茎最高理论产量时的最优组合为纯N肥173 kg/ha、P2O5肥112 kg/ha和K2O肥68 kg/ha，密度60000株/ha[8];间作使马铃薯叶绿素含量降低，光合速率下降，从而导致单株生产力下降[9];套作（玉米）改变了马铃薯的光合特性，并显著降低了马铃薯块茎产量[10];在整个生育期内，马铃薯光合性能（蒸腾速率、气孔导度和光合速率）均呈先增后减的变化规律[11];持续弱光胁迫使马铃薯叶片光合速率显著下降，对强光的利用能力减弱[12];在开花期，与单作相比，（燕麦）间作马铃薯叶片的净光合速率、气孔导度、蒸腾速率显著降低，胞间CO2浓度显著提高[13];增加CO2浓度可显著增加马铃薯植株的叶面积、叶片净光合速率和胞间CO2浓度[14];中国东北三省地区已进入气候暖干化阶段，在今后的马铃薯生产中应通过适时调整播期、培育或引进适应气候变化的新品种等科学农田管理措施，充分利用气候资源提高马铃薯生产力水平[15]，等等。
以上可见，迄今为止，学界对于马铃薯单产（潜力）的研究，以育种、栽培及生理方面为主，主要基于实验、试验方法。运用计量模型、从宏观（趋势）上进行马铃薯单产研究相对少，尤其在“时间序列”模型运用方面鲜见报道。
作为世界上最重要的粮食及蔬菜作物之一。随着世界人口增长和农田减少，马铃薯单产的提高越来越受到重视。所以，预测分析世界马铃薯单产潜力对指导该作物生产以及帮助解决未来粮食安全问题具有一定现实意义。
一、材料与方法
（一）材料
基于1961-2020年世界马铃薯平均单产和最高（国家）单产数据，预测分析2025年前单产潜力。
如表1所示，1961-2020年世界马铃薯平均单产比最高单产上升稍慢、但更平稳。
（二）方法
ARIMA-TR模型即ARIMA（自回归单整移动平均）模型与TR（趋势回归）模型的组合。
ARIMA模型的简易形式为ARIMA（p，d，q）。其中：p为自回归项数、d为时间序列成为平稳序列时所做的差分次数、q为移动平均项数。ARIMA模型的完整数学表达式如公式（1）：
[1-?iL]（1-L）dXt=[1+θiL]ε （1）
公式（1）中L、?（L）和θ（L）分别为滞后算子、平稳的自回归算子和可逆的移动平均算子， （目标变量）。
基于1961-2020年期间历年统计值预测2021-2025年未来值，逻辑步骤如下：首先，为了消除异方差对变量的历史数值取对数，再检验该对数序列的平稳性，通过平稳性检验时进入下一步，不能通过平稳性检验时进行差分使序列平稳再进入下一步;其次，基于变量的“平稳序列”建立5种基础模型：ARMA（1，2）模型、ARMA（1，1）模型、AR（1）模型、MA（2）模型和MA（1）模型;再次，同时运用这5种基础模型拟合变量1961-2020年期间历史数值，根据拟合度最优的基础模型构建ARIMA（p，d，q）预测模型――本研究中选用RMSE（均方根误差）判断基础模型拟合优度;最后，运用ARIMA（p，d，q）模型预测变量2021-2025年未来值。
趋势回归（TR）模型直接以“时间”（年份的序数）作为自变量、世界马铃薯单产作为因变量，基于1961-2020年期间历年统计值进行（指数函数、线性函数、对数函数、多项式函数和幂函数）五种趋势回归建模。选择决定系数最高的趋势回归模型，预测2021-2025年未来值。
最后，对ARIMA预测模型和TR预测模型进行RMSE比较，选择其中较小者作为ARIMA-TR模型预测值。
二、结果与分析
（一）世界马铃薯2025年前平均单产的ARIMA-TR模型预测
1. 世界马铃薯2021-2025年平均单产的ARIMA模型预测
1961-2020年世界马铃薯平均单产的“时间序列”平稳性检验表明：其对数值序列未能通过平稳性检验（ADF单位根检验的t统计量-1.706449大于1%水平检验临界值-4.130526）;对该对数值序列进行一A差分后，通过平稳性检验（ADF单位根检验的t统计量-9.626551小于1%水平检验临界值-3.552666）。为此，基于变量对数值的一阶差分平稳序列建立世界马铃薯1961-2020年平均单产拟合基础模型，其RMSE值分别为ARMA（1，2）模型的959.9255、ARMA（1，1）模型的888.3164、AR（1）模型的1083.376、MA（2）模型1093.172的和MA（1）模型的1099.333。为此，基于ARMA（1，1）基础模型构建ARIMA（1，1，1）预测模型如下：
nlc202210171213
ln ayp=0.009102+1.101199 ln ayp-0.101199 ln ayp+ε-0.740471ε（2）
公式（2）中，“ayp”代表世界马铃薯平均单产。
基于该ARIMA（1，1，1）模型预测的2021-2025年世界马铃薯平均单产分别为：20617 kg/ha、20806 kg/ha、20996 kg/ha、21188 kg/ha和21382 kg/ha。
2. 世界马铃薯2021-2025年平均单产的TR模型预测
世界马铃薯1961-2020年平均单产变化趋势回归模型的决定系数分别为：指数函数的0.8638、线性函数的0.8456、对数函数的0.6343、多项式函数的0.8963和幂函数的0.6942;5种趋势回归模型中，多项式函数的决定系数最高。为此，建立公式（3）多项式函数（RMSE = 757.6642）回归模型预测世界马铃薯2021-2025年平均单产。
y=2.0416x2+4.5394x+13221（3）
公式（3）中，x代表年份（序数）、y代表世界马铃薯平均单产。
基于该TR模型预测的2021-2025年世界马铃薯平均单产分别为：21095 kg/ha、21350 kg/ha、21610 kg/ha、2187 4kg/ha和22142 kg/ha。
3. 世界马铃薯2021-2025年平均单产的ARIMA-TR模型预测
根据世界马铃薯2021-2025年平均单产的ARIMA模型和TR模型的RMSE值，取较小者作为ARIMA-TR模型预测结果。即：世界马铃薯2021-2025年平均单产的ARIMA-TR模型预测值分别为21095 kg/ha、21350 kg/ha、21610 kg/ha、21874 kg/ha和22142 kg/ha。
（二）世界马铃薯2025年前最高单产的ARIMA-TR模型预测
1.世界马铃薯2021-2025年最高单产的ARIMA模型预测
1961-2020年世界马铃薯最高单产的“时间序列”平稳性检验表明：其对数值序列未能通过平稳性检验（ADF单位根检验的t统计量-4.127338大于1%水平检验临界值-4.942314 ）;对该对数值序列进行一阶差分后，通过平稳性检验（ADF单位根检验的t统计量-10.59063小于1%水平检验临界值-3.552666）。为此，基于变量对数值的一阶差分平稳序列建立世界马铃薯1961-2020年最高单产拟合基础模型，其RMSE值分别为ARMA（1，2）模型的3331.687、ARMA（1，1）模型的3488.832、AR（1）模型的4421.182、MA（2）模型的3628.972和MA（1）模型的4230.405。为此，基于ARMA（1，2）基础模型构建ARIMA（1，1，2）预测模型如下：
ln typt=0.008446+0.558799 ln typt-1+0.441201 ln typt-2+εt-0.214539 εt-1-0.784721 εt-2（4）
公式（4）中，“typ”代表世界马铃薯最高单产。
基于该ARIMA（1，1，2）模型预测的2021、2022、2023、2024和2025年世界马铃薯最高单产分别为：55020 kg/ha、55486 kg/ha、55957 kg/ha、56432 kg/ha和56910 kg/ha。
2. 世界马铃薯2021-2025年最高单产的TR模型预测
世界马铃薯1961-2020年最高单产变化趋势回归模型的决定系数分别为：指数函数的0.7920、线性函数的0.7875、对数函数的0.7383、多项式函数的0.7934和幂函数的0.8056;趋势回归模型的决定系数低于平均单产，表明同期平均单产的变化趋势更明显。5种趋势回归模型中，幂函数的决定系数最高。为此，建立公式（5）幂函数（RMSE = 757.6642）回归模型预测世界马铃薯2021-2025年最高单产。
y=24668x0.1729（5）
公式（5）中，x代表年份（序数）、y代表世界马铃薯最高单产。
基于该TR模型预测的2021、2022、2023、2024和2025年世界马铃薯最高单产分别为：50213 kg/ha、50355 kg/ha、50494 kg/ha、50632 kg/ha和50768 kg/ha。
3. 世界马铃薯2021-2025年最高单产的ARIMA-TR模型预测
根据世界马铃薯2021-2025年最高单产的ARIMA模型和TR模型的RMSE值，取较小者作为ARIMA-TR模型预测结果。即：世界马铃薯2021-2025年最高单产的ARIMA-TR模型预测值分别为50213 kg/ha、50355 kg/ha、50494 kg/ha、50632 kg/ha和50768 kg/ha。
（三）世界马铃薯2025年前单产潜力
“最高单产”可视为“平均单产”的潜力极限。
根据以上预测结果，2021-2025年世界马铃薯平均单产将分别是最高单产的38.34%、38.48%、38.62%、38.76%和38.91%。即：世界马铃薯2021-2025年平均单产将“缓慢追赶”最高单产，但前后二者比率低于50%，意味着世界马铃薯平均单产提升尚有巨大空间。
三、讨论与结论
（一）讨论
与常用的作物“生产函数”预测模型不同，本研究所采用的ARIMA-TR模型不需考虑马铃薯单产的影响因素（光、温、水、肥、气），不需分析生产投入变量（灌溉、肥料、r药、农机动力等），因为这些投入变量理论上都是随着时间（年）不断改进的，可以通过“时间序列”来集中反映“影响因素”及“投入变量”的变化趋势。一般而言，预测时段越短，结果信度越高。时间序列模型预测中，样本实际值波动越小，历史数据时段越长，变化趋势越明显，预测结果信度越高;反之越低。理论上，样本覆盖范围越广，统计数据越接近实际值，预测结果信度越高。相比之下“时间序列”方法通常更适合于宏观预测，而考虑多因子的“生产函数”模型更适合于微观预测，二者并行不悖、相互补充。
nlc202210171213
（二）结论
本研究表明：就2025年前世界马铃薯生产而言，平均单产提升尚有巨大空间，总产提高应主要依靠保持高产国家优势。
参考文献：
[1]蔡承智，Harrij van Velthuizen， Guenther Fischer，等.基于AEZ模型的我马铃薯产量潜力的农作制区划分析.中国马铃薯.2006，20（4）：207-211.
[2]Deguchi T， Iwama K， Haverkort AJ. Actual and Potential Yield Levels of Potato in Different Production Systems of Japan. POTATO RESEARCH. 2016， 59（3）： 207-225.
[3]Yilma S， Charlton BA， Shock CC ， et al.. Sage Russet： a New High Yielding Russet Potato Variety with Cold-Sweetening Resistance， High Vitamin C and Protein Contents and Excellent Fresh Pack and Processing Potential. AMERICAN JOURNAL OF POTATO RESEARCH. 2017， 94（4）： 379-389.
[4]贾立国，石晓华，秦永林，等.内蒙古阴山北麓地区马铃薯产量潜力的估算.作物杂志.2015，31（1）：109-113.
[5]A J Haverkort， P C Struik. Yield levels of potato crops： Recent achievements and future prospects. FIELD CROPS RESEARCH. Oct. 2015， 182（SI）： 76-85.
[6]O Svubure， P C Struik， A J Haverkort， et al.. Yield gap analysis and resource footprints of Irish potato production systems in Zimbabwe. FIELD CROPS RESEARCH. Jul. 2015， 178： 77-90.
[7]U Kleinwechter， M Gastelo， J Ritchie， et al.. Simulating cultivar variations in potato yields for contrasting environments. AGRICULTURAL SYSTEMS. Jun.2016，145：51-63.
[8]田丰，张永成，张凤军，等.不同肥料和密度对马铃薯光合特性和产量的影响.西北农业学报.2010，19（6）：95-98.
[9]肖继坪，颉炜清，郭华春.马铃薯与玉米间作群体的光合及产量效应.中国马铃薯.2011，25（6）：339-342.
[10]黄承建，赵思毅，王季春，等.马铃薯/玉米不同行数比套作对马铃薯光合特性和产量的影响.中国生态农业学报.2012，20（11）：1143-1150.
[11]马旭，尹娟.不同灌水处理对马铃薯光合性能和产量的影响.节水灌溉.2013，38（8）：22-26.
[12]秦玉芝，邢铮，邹剑锋，等.续弱光胁迫对马铃薯苗期生长和光合特性的影响. 中国农业科学.2014，64（3）：537-545.
[13]吴娜，刘晓侠，刘吉利，等.马铃薯/燕麦间作对马铃薯光合特性与产量的影响.草业学报.2015，26（8）：66-74.
[14]赵竞宇，刘广晶，崔世茂，等.施CO2对马铃薯植株光合特性及产量的影响.作物杂志.2016，32（3）：79-83.
[15]徐瑞阳，何英彬，赵锡海，等.基于DSSAT模型的1961―2017年东北地区马铃薯潜在单产及其影响因子分析.中国农业资源与区划.2021，41（12）：102-114.
（作者单位：贵州财经大学经济研究所）
作基金项目：色技术创新视阈下农产品国际贸易发展机制与路径探索【黔教合YJSKYJJ〔2021〕125】，绿色贸易壁垒下贵州农产品出口困境与出路研究（2020ZXS Y82）。
作者简介：蔡承智（1966），第一作者，男，贵州正安县人，博士，研究员。研究方向为农业生态经济。
nlc202210171213
转载注明来源:https://www.xzbu.com/1/view-15441123.htm
