全 文 ：中国生态农业学报 2011年 7月 第 19卷 第 4期
Chinese Journal of Eco-Agriculture, Jul. 2011, 19(4): 860−865


* 河北省科学技术研究与发展计划项目(10227108D)和河北省气象局科研开发项目(10ky11)资助
康西言(1963~), 女, 汉族, 高级工程师, 主要从事应用气象研究。E-mail: kangxiyan@163.com
收稿日期: 2011-01-10 接受日期: 2011-04-12
DOI: 10.3724/SP.J.1011.2011.00860
冬小麦干旱指标及干旱预测模型研究*
康西言 1,2 顾光芹 3 史印山 2,3 田国强 3 谷永利 3
(1. 河北省气象科学研究所 石家庄 050021；2. 河北省气象与生态环境重点实验室 石家庄 050021；
3. 河北省气候中心 石家庄 050021)
摘 要 干旱是河北省冬小麦生长期内主要的气象灾害之一。准确监测、预测干旱发生程度, 可以为防灾、
减灾、救灾提供科学的决策依据。本研究以位于河北省南部冬小麦区的南宫县为例, 选取 1991~2007 年冬小
麦全生育期农业气象观测数据及常规气象资料, 基于 Jensen 模型得到冬小麦返青~拔节、拔节~抽穗、抽穗~
乳熟、乳熟~成熟 4 个生育阶段的水分敏感系数; 在减产百分率标准的基础上, 确定了冬小麦返青后 4 个生育
阶段以相对蒸散表示的轻旱、中旱、重旱、严重干旱 4个等级冬小麦干旱指标值; 并应用回归分析方法, 建立
了 4个生育阶段的干旱预测模型。结果表明：考虑冬小麦不同发育阶段对水分的敏感程度, 确定的冬小麦干旱指标
值比较客观地反映了干旱程度。建立的干旱预测模型均通过了 0.05 的显著性检验。模型的拟合正确率 70.8%, 预
测正确率 75.0%, 平均正确率 71.4%；经简化干旱等级, 即轻旱为 1 个等级, 中旱、重旱、严重干旱为 1 个等
级, 则模型的拟合正确率达 81.3%, 预测正确率达 75.0%, 平均正确率达 80.4%, 模型预测结果可信。
关键词 河北省 冬小麦 水分敏感系数 相对蒸散 减产百分率 干旱指标 干旱预测模型
中图分类号: S512.1 文献标识码: A 文章编号: 1671-3990(2011)04-0860-06
Drought indices and prediction models for winter wheat
KANG Xi-Yan1,2, GU Guang-Qin3, SHI Yin-Shan2,3, TIAN Guo-Qiang3, GU Yong-Li3
(1. Hebei Province Institute of Meteorological Sciences, Shijiazhuang 050021, China; 2. Hebei Key Laboratory for Meteorology and
Eco-environment, Shijiazhuang 050021, China; 3. Hebei Climate Center, Shijiazhuang 050021, China)
Abstract Drought is one of the meteorological hazards that severely affects winter wheat production in Hebei Province. Accurate
monitoring and prediction of drought occurrence provides the scientific basis for hazard control decision-making. This paper ana-
lyzed drought conditions in the winter wheat production belt of Nangong County, South Hebei Province. The study used observed
agro-meteorological data and regular meteorological data for 1991~2007 to establish a drought index and prediction model for winter
wheat. The water sensitive coefficients of winter wheat during re-greening to jointing, jointing to heading, heading to milky maturity
and milky maturity to grain maturity stages were calculated using the Jensan model. Then percent yield reduction and relative evapo-
transpiration at each growth stage were used as index value to determine light drought, moderate drought, heavy drought and severe
drought. A simulation test for 12 years (1991~2005) with 2006 and 2007 as evaluation periods was conducted. The results showed
that the established index values for drought degree in different growth periods objectively reflected the active drought degree in the
region. The criteria for drought degree took into account of the sensitivity of winter wheat at different growth stages. Regression
models were used to predict drought in the four growth stages of winter wheat. The established drought prediction model results were
significant at P=0.05. The correct rate of model simulating was 70.8%, correct rate of prediction was 75.0%, and the average correct
rate was 71.4%. Assuming that drought was classified as level-one drought (light drought) and level-two drought (medium, heavy
and severe droughts), then the model simulating correct rate was 81.3%, correct rate of prediction was 75.0%, and average correct
rate was 80.4%. In summary, model calculations and predictions were in good agreement with observed data. Thus the prediction
model had practical application in early warning and control of the impact of drought in winter wheat production.
Key words Hebei Province, Winter wheat, Water sensitive coefficient, Relative evapotranspiration, Percent yield reduction,
Drought criterion, Drought prediction model
(Received Jan. 10, 2011; accepted Apr. 12, 2011)
第 4期 康西言等: 冬小麦干旱指标及干旱预测模型研究 861


小麦是河北省第一大粮食作物, 总产量占全国
小麦总产的 13%左右, 是居河南省、山东省之后的
中国第 3 小麦生产大省; 冬小麦是河北省小麦的主
体, 产量占总产量的 85%以上[1]。冬小麦生长期处在
晚秋至初夏季节 , 是河北省一年中最干旱的季节 ,
生长季内干旱少雨, 自然降水仅占冬小麦总耗水量
的 30%左右, 存在明显的水分亏缺, 干旱已成为该
区冬小麦生产的最主要影响因素, 历来受到政府部
门和学术界的高度重视。因此, 及时监测、预测冬
小麦干旱的发生程度, 为制定防灾、减灾、救灾决
策提供科学依据, 尤其对适时适量灌溉、合理用水、
节约水资源等具有重要的指导意义。
干旱指标是反映干旱成因和干旱程度的量化指
数。关于干旱指标前人已有大量研究[2–6], 但由于干
旱的成因异常复杂, 影响因素众多, 加之研究目的
不同, 迄今为止还没有一个可以被普遍接受的干旱
定义[7−8]。目前应用较广泛的干旱指标有：降水量指
标、土壤含水量指标、作物缺水指标[7]等, 这些干旱
指标均能在一定程度上反映干旱的发生、发展和变
化情况；其中, 作物缺水指标较好地反映了土壤、
植物和气象 3 方面因素的综合影响, 比较真实地反
映出作物水分亏缺状况, 是常用的作物干旱诊断指
标之一[9]。但该指标未考虑作物不同发育期水分亏
缺对产量的影响差异。王石立等[10]确定的以相对蒸
散表示的冬小麦各发育阶段干旱指标, 弥补了这一
缺陷, 但仍存在一些不足, 即模型中使用的非研究
区冬小麦的水分敏感系数；据研究[11−16], 由于受气
候、地理位置及小麦品种等因素的影响, 水分敏感系
数各地存在差异, 因此影响了干旱指标的应用效果。
为了克服上述干旱指标存在的不足, 确定适用
于河北省冬小麦的干旱指标, 本研究以河北省南宫
县为例, 选取南宫气象站冬小麦观测资料和常规气
象资料, 基于作物水分生产函数, 首先计算研究区
冬小麦水分敏感系数；然后根据水分不足引起的不
同减产程度, 确定冬小麦各发育阶段干旱指标；最
后在此基础上, 应用统计回归方法建立冬小麦干旱
预测模型。
1 研究资料与方法
1.1 资料选取
南宫气象站位于北纬 37°22′, 东经 115°23′, 海
拔高度 27 m, 地处河北低平原区, 冬小麦生育期为
10月上旬至翌年 6月上旬, 平均年降水量 477.3 mm,
冬小麦生育期降水量占年降水量的 25.5%；冬小麦
观测地段土壤质地为褐色壤土, 0~50 cm 土壤容重
1.36 g·cm−3, 田间持水量 23.08%, 凋萎湿度 6%。该
地冬小麦一般年份在越冬前、返青~拔节期和拔节~
抽穗期进行灌溉。
观测资料包括冬小麦发育期日期、播种时 0~50
cm土壤湿度、实际产量、灌溉日期、灌溉量、粒茎
比等。选取的资料年代为 1991~2007 年。气象资料
包括逐日气温、降水、日照时数、风速等, 所有资
料均为南宫气象站常规观测资料。
1.2 相对蒸散的计算
根据冬小麦的生长特点, 将全生育期划分为：
播种、越冬、返青、拔节、抽穗、乳熟和成熟 6 个
主要生育阶段 , 计算各生育阶段的实际耗水量
(ETa)、最大耗水量(ETm)以及相对蒸散(ETa/ETm)。
a s mET K ET= × (1)
0m cET K ET= × (2)
式中 , ET0 为参考作物蒸散量 , 采用 FAO 推荐的
Penman-Monteith公式[17]计算；Ks为土壤水分胁迫系
数, 使用 Jensen等[18]提出的模型计算：
ln( 1) ln101sK Av= + (3)
[( ) ( )] 100%m f mAv W W W W= − − × (4)
式中, Wm为凋萎湿度; Wf为田间持水量; W为根区实
际贮水量(mm), 采用土壤水分平衡方程计算：
1T aW W P I G S ET−= + + + − − (5)
式中, W为时段末的土壤含水量, WT−1为时段初的土
壤含水量, P、I、G、S、ETa分别为时段内的有效降
水量(计算方法参考文献[19])、灌溉量、地下水补给
量(一般可忽略)、渗漏量、作物实际耗水量。一般情
况下, 当土层深度超过 1 m时, 渗漏量可忽略, 考虑
到一般气象站的土壤湿度测定深度为 0~50 cm, 灌
溉后产生的渗漏量为灌溉量与灌溉前土壤含水量之
和减去 0~50 cm土层达到田间持水量时的土壤含水
量[20]。初始 WT−1取播种时 0~50 cm土壤含水量, 然
后以天为步长按式(5)循环计算 W。
Kc 为作物系数, 使用以下经验公式[21](t 为冬小
麦发育天数)计算：
13 6 10 5
8 4 6 3 4 2
2
2.947 5 10 1.620 1 10 1.652 5
10 3.982 5 10 7.677 3 10
3.135 0 10 0.392 4
cK t t
t t t
t
− −
− − −
−
= × − × + ×
+ × − × +
× +
(6)
由该公式计算的冬小麦作物系数随发育天数变
化曲线可以看出(图 1), 作物系数呈双峰型, 冬前和
冬后各有 1 个高峰, 扬花灌浆期达到最大, 符合冬
小麦需水特征[22]。
1.3 冬小麦干旱指标确定
作为评价冬小麦干旱的指标, 应体现不同生育阶
段水分亏缺对产量的影响。水分生产函数描述了农业
生产水平基本一致的条件下, 作物消耗的水资源量与
862 中国生态农业学报 2011 第 19卷




图 1 冬小麦作物系数随发育天数变化曲线
Fig. 1 Changes of winter wheat crop coefficient in
different growth stages

其产量之间的关系。Jensen 模型是应用较广泛的水
分生产函数 [23], 不仅表明了水分供应量, 还表明了
水分供应时间对产量的影响。这里以 Jensen 模型为
基础, 以水分不足所引起的减产百分率为标准确定
干旱指标。
1
in
a
m mi i
ETY
Y ET
λ
=
⎛ ⎞= ⎜ ⎟⎝ ⎠∏ (7)
式中, n为作物划分的生育阶段(本文取 6), λi为作物
第 i阶段的水分敏感系数, Y为实际产量, Ym为最大
产量(使用作物光温生产潜力代替)。作物光温生产潜
力采用联合国粮农组织(FAO)介绍的“农作物生产潜
势”方法进行估算[24]。
当作物干物质生产率( my , 每小时每公顷生产
量)＞20 kg·hm−2·h−1时：
[
]
0(0.8 0.01 )
(1 ) (0.5 0.025 )
mp m
m c
y CL CN CH G F y y
F y y
= × × × × × + × +
− × + × (8)
当 ym≤20 kg·hm−2·h−1时：
[
]
0(0.5 0.025 )
(1 ) (0.05 )
mp m
m c
y CL CN CH G F y y
F y y
= × × × × × + × +
− × × (9)
式中, ymp为作物的光温生产潜力(kg·hm−2), CL为叶
面积指数对产量的校正值, CN为净干物质生产量的
校正值, CH为收获指数, G为作物的总生育期(d), ym
为一定气候条件下最大干物质生产率(kg·hm−2·h−1),
F 为云层覆盖率(%), y0为一定地区作物在全阴天情
况下总干物质生产率(kg·hm−2·h−1), yc 为一定地区作
物在全晴天情况下总干物质生产率(kg·hm−2·h−1)。根
据南宫气象站冬小麦生长期间的气象条件和该地区
冬小麦所能达到的最大叶面积指数[25], CL 取 0.58,
CN取 0.6, CH由粒茎比求出, F取 0.44, ym取 20, y0、
yc可根据站点纬度查表得到。
为了能较好地反映干旱对冬小麦产量的影响 ,
普查了 1991~2007年逐年冬小麦全生育期气象条件,
剔除了非干旱影响产量波动的 1992 年、1998 年和
2003年, 得到 14个样本(年), 把前 12个样本(年)资
料分别代入(1)~(9)式, 可计算水分敏感系数(具体求
解过程参看文献[23]), 2006年、2007年资料留作检
验使用。得到播种~越冬、越冬~返青、返青~拔节、
拔节~抽穗、抽穗~乳熟、乳熟~成熟 6个生育阶段的
水分敏感系数分别为−1.295、−0.360、0.115、0.843、
0.241、0.160。
水分敏感系数反映了作物不同生育期缺水对产
量的影响程度。敏感系数为负值, 表明该生育阶段
对水分不敏感；为正值时, 表明该生育期对水分敏
感, 且正值越大, 表明对水分越敏感。由计算结果可
以看出, 南宫地区冬小麦播种~越冬、越冬~返青生
育阶段水分敏感系数为负值, 表明这些阶段冬小麦
对水分不敏感, 这可能是由于在足墒播种和冬前灌溉
条件下, 播种~返青阶段大部分年份土壤水分适宜, 基
本无干旱发生, 相对蒸散可认为近似 1。因此, 本研究
仅确定冬小麦返青以后各生育阶段的干旱指标。
农业上划分干旱类型的标准, 通常以减产百分
率来表示。冬小麦全生育期减产百分率(L)可表示为：
1
1 100% 100%1
in
a
m mi i
Y ETL
Y ET
λ
=
⎛ ⎞⎛ ⎞ ⎛ ⎞− ⎜ ⎟= × = ×−⎜ ⎟ ⎜ ⎟⎜ ⎟⎝ ⎠ ⎝ ⎠⎝ ⎠∏ (10)
一般以减产 10%以下为轻旱、10%~20%为中旱、
20%~30%为重旱、>30%为严重干旱。把返青以后 4
个生育阶段水分敏感系数, 分别代入式(10), 可求出
各阶段不同减产百分率对应的相对蒸散(见表 1)。
从表中可以看出, 相同水分条件下, 如果所处
的发育阶段不同, 其干旱程度也不同, 拔节~抽穗、
抽穗~乳熟对水分要求相对较高。

表 1 冬小麦各生育阶段干旱指标(相对蒸散)
Table 1 Winter wheat drought indices at different growth periods (relative evapotranspiration)
生育阶段
Growth period
轻旱
Light drought
中旱
Moderate drought
重旱
Heavy drought
严重干旱
Severe drought
返青~拔节 Re-greening~jointing ≥0.40 0.40~0.14 0.14~0.04 ≤0.04
拔节~抽穗 Jointing~heading ≥0.88 0.88~0.77 0.77~0.66 ≤0.66
抽穗~乳熟 Heading~milky maturity ≥0.65 0.65~0.40 0.40~0.23 ≤0.23
乳熟~成熟 Milky maturity~maturity ≥0.52 0.52~0.25 0.25~0.11 ≤0.11
第 4期 康西言等: 冬小麦干旱指标及干旱预测模型研究 863


表 2 1991~2007 年各年冬小麦不同生育阶段的相对蒸散
Table 2 Relative evapotranspiration at different winter wheat growth periods in every year from 1991 to 2007
年份 Year 生育阶段
Growth period 1991 1993 1994 1995 1996 1997 1999 2000 2001 2002 2004 2005 2006 2007
返青~拔节
Re-greening~jointing
0.83 0.87 0.80 0.92 0.70 0.96 0.84 0.84 0.92 0.92 0.87 0.89 0.34 0.97
拔节~抽穗
Jointing~heading
0.92 0.63 0.87 0.91 0.88 0.93 0.72 0.76 0.83 0.85 0.72 0.82 0.88 0.92
抽穗~乳熟
Heading~milky maturity
0.50 0.84 0.89 0.80 0.91 0.82 0.77 0.44 0.62 0.84 0.81 0.66 0.80 0.48
乳熟~成熟
Milky maturity~maturity
0.97 0.80 0.34 0.81 0.56 0.67 0.31 0.54 0.16 0.71 0.37 0.54 0.85 0.31

2 结果与分析
2.1 冬小麦干旱指标检验
以南宫气象站冬小麦生育期间农业气象条件记
录为依据, 对冬小麦干旱指标进行检验。表 2 给出
了 14个样本(年)逐年 4个生育阶段的相对蒸散。
2.1.1 冬小麦干旱指标模拟检验
由表 2可以看出, 冬小麦干旱指标对前 12个样
本(年)的干旱评价结果为：拔节~抽穗 1993 年、1999
年、2000年、2004年出现重旱以上干旱；抽穗~乳熟
仅 1991 年、2000 年、2001 年出现中旱；乳熟~成熟
2001年发生重旱, 1994年、1999年、2004年发生中旱。
农业气象观测记录结果显示, 1993 年冬小麦拔
节~抽穗出现严重干旱, 干土层达 7 cm。1999 年拔
节~抽穗基本无雨, 孕穗时出现干旱, 干土层达 5 cm,
乳熟期后, 再度出现旱情。2000 年拔节后干土层达
9 cm, 受到干旱危害, 直到 5 月 11 日灌溉后才解除干
旱, 但之后因气温偏高降水偏少, 再次出现干旱, 干
旱持续到成熟。2001年开花后曾一度出现旱情, 乳熟~
成熟再次出现旱情且逐步加剧, 干土层达 12 cm。2004
年乳熟期后, 出现干土层, 发生干旱。可以看出, 各年
各生育阶段的干旱情况与冬小麦干旱指标监测结果吻
合, 说明该干旱指标可以较准确地模拟干旱事实。
为了进一步模拟该干旱指标对较轻旱情的监测
能力 , 分析了基本上未发生中旱以上干旱的 1995
年、1996年、1997年冬小麦生育期情况。1995年、
1996 年冬小麦整个生长发育期尽管雨量不足, 但在
小麦需水的拔节、抽穗、乳熟期分别浇了 3 水, 补充
了水分, 基本未出现干旱; 1997 年在冬小麦需水关键
期, 出现 1次较大降水过程, 雨量达 40.8 mm, 之后在
孕穗、乳熟期又分别灌溉, 基本也未出现旱象。干旱
实况与表 2 干旱指标评价结果基本一致。因此, 冬小
麦干旱指标也可以较好地反映旱情较轻这一事实。
2.1.2 冬小麦干旱指标评估检验
为进一步分析冬小麦干旱指标在干旱评估中的
合理性和准确性, 分析了 2006年、2007年各生育阶
段的干旱情况。2006年冬小麦返青后土壤湿度下降
较快, 3月 28日墒情测定结果属中旱, 之后由于降水
偏少, 分别在 3 月 31 日、4 月 23 日、5 月 15 日进
行灌溉, 基本未出现干旱。干旱指标判定结果为：
返青~拔节为中旱, 拔节~抽穗、抽穗~乳熟、乳熟~
成熟均为轻旱, 监测结果与事实一致。2007年返青~
拔节基本未出现干旱, 拔节后出现轻旱, 灌浆期气
温明显偏高, 降水不足且未灌溉, 出现干旱。干旱指
标判定结果为：返青~拔节轻旱, 拔节~抽穗轻旱, 抽
穗~乳熟中旱、乳熟~成熟中旱, 结果与事实一致。
由此可见, 冬小麦干旱指标较好地描述了冬小麦干
旱程度, 在评估冬小麦干旱时合理可行。
2.2 冬小麦干旱预测模型的建立
由上述分析可知, 本研究确定的干旱指标可以
较客观地反映冬小麦的干旱状况。但由于计算相对
蒸散需要逐日最高气温、最低气温、降水量、日照
时数、风速等气象要素, 而目前短期气候预测仅发
布过程降水量及气温趋势预报, 因此, 使该干旱指
标在干旱预测中受到限制。为了充分利用气候预测
产品, 使该干旱指标应用于干旱预测, 本研究应用
统计方法建立干旱预测模型。
2.2.1 干旱预测模型的建立
把求解水分敏感系数使用的 12 个样本(年)中冬
小麦返青~拔节、拔节~抽穗、抽穗~乳熟、乳熟~成
熟 4 个生育阶段的相对蒸散分别作为因变量, 对应
阶段的降水量、平均气温及前一阶段的降水量为自
变量, 通过相关分析筛选相关显著的因子, 得到各
阶段相对蒸散与对应阶段平均气温、对应阶段及前
一阶段降水量之和相关显著(通过 0.05 显著性检验),
最后应用统计回归方法建立了 4 个生育阶段的干旱
预测模型。各模型 F 值均通过 0.05 的显著性检验
[F0.05(2,9)=4.26](见表 3)。
2.2.2 干旱预测模型的检验
把 14 个样本(年)4 个生育阶段的平均气温、降
水量以及越冬期降水量, 分别代入表 3 相应的模型,
计算各年各阶段相对蒸散拟合值, 并根据表 1 指标
划分干旱等级; 把根据 14 个样本(年)各阶段实际相
对蒸散划分的干旱等级作为干旱等级实况, 与拟合
结果进行比较(见表 4)。
864 中国生态农业学报 2011 第 19卷


表 3 冬小麦各生育阶段干旱预测回归模型
Table 3 Drought prediction models of winter wheat at different growth periods
生育阶段 Growth period 回归模型 Model F R2
返青~拔节 Re-greening~jointing Y=1.08−0.039T+0.003(R1+R2) 4.265 0.487
拔节~抽穗 Jointing~heading Y=0.962−0.013T+0.002(R2+ R3) 5.363 0.544
抽穗~乳熟 Heading~milky maturity Y =1.346−0.046T+0.082ln(R3+R4) 4.356 0.492
乳熟~成熟 Milky maturity~maturity Y=2.030−0.068T+0.004(R4+R5) 4.586 0.505
Y为相对蒸散, T为平均气温, R为降雨量, 下角 1、2、3、4、5分别表示越冬期、返青~拔节、拔节~抽穗、抽穗~乳熟、乳熟~成熟。Y is
mean daily relative evapotranspiration, T is mean daily temperature, R is total precipitation during the growth period. Subscripts of 1, 2, 3, 4, 5 are
winter, re-greening~jointing, jointing~heading, heading~milky maturity, and milky maturity~maturity respectively.

表 4 实况干旱等级与应用预测模型拟合的干旱等级比较
Table 4 Comparison between measured live drought degree and the fitted drought degree with drought prediction models
返青~拔节
Re-greening~jointing
拔节~抽穗
Jointing~heading
抽穗~乳熟
Heading~milky maturity
乳熟~成熟
Milky maturity~maturity 年份
Year 实况 Measured 拟合 Fitted 实况 Measured 拟合 Fitted 实况 Measured 拟合 Fitted 实况 Measured 拟合 Fitted
1991 LD LD LD LD MD LD LD LD
1993 LD LD SD HD LD LD LD LD
1994 LD LD MD MD LD LD MD LD
1995 LD LD LD MD LD LD LD LD
1996 LD LD MD MD LD LD LD LD
1997 LD LD LD LD LD LD LD LD
1999 LD LD HD MD LD LD MD LD
2000 LD LD HD MD MD LD LD MD
2001 LD LD MD MD MD LD HD MD
2002 LD LD MD MD LD LD LD LD
2004 LD LD HD HD LD LD MD LD
2005 LD LD MD HD LD LD LD MD
2006 MD LD LD LD LD LD LD LD
2007 LD LD LD LD MD MD MD LD
LD: 轻旱 Light drought; MD: 中旱 Moderate drought; HD: 重旱 Heavy drought; SD: 严重干旱 Severe drought.

由表 4 可以看出: 在 1991 年、1993~1997 年、
1999~2002年、2004年、2005年, 12年 4个生育阶
段的 48次拟合结果中, 拟合等级与实况等级完全一
致 34次, 占总数的 70.8%；在 2006年、2007年的 8
次预测中, 预测等级与实况等级完全一致 6 次, 占总
数的 75.0%; 14个样本的平均正确率 71.4%。如果把干
旱等级简化为两个等级, 即轻旱为 1个等级, 中旱、重
旱、严重干旱为 1 个等级, 则拟合正确率达到 81.3%,
预测正确率达到 75.0%, 14个样本的平均正确率80.4%,
表明干旱预测模型可以在干旱预测中应用。
3 结论
根据冬小麦大田种植条件下的观测资料, 基于
Jensen 模型得到了冬小麦返青~拔节、拔节~抽穗、
抽穗~乳熟、乳熟~成熟 4 个生育阶段的水分敏感系
数; 以减产百分率为标准, 确定了以相对蒸散表示
的 4 个生育阶段中轻旱、中旱、重旱、严重干旱 4
个等级冬小麦干旱指标。
以河北省南宫气象站记录的冬小麦生育期干旱
情况为实况, 评价了冬小麦干旱指标的可行性。结
果表明, 考虑冬小麦不同生育阶段对水分的敏感程
度, 确定的冬小麦干旱指标比较客观地反映了干旱
程度。
为便于冬小麦干旱指标在干旱预测中的应用 ,
应用统计回归方法, 建立了 4 个生育阶段干旱预测
模型, 模型均通过了 0.05 的显著性检验。检验结果
表明, 模型的拟合正确率 70.8%, 预测正确率 75.0%,
14个样本的平均正确率 71.4%；经简化干旱等级, 即
轻旱为 1 个等级, 中旱、重旱、严重干旱为 1 个等
级 , 则模型拟合正确率达 81.3%, 预测正确率达
75.0%, 14 个样本的平均正确率 80.4%, 表明干旱预
测模型的预测结果可信。
本研究确定的冬小麦干旱指标和建立的干旱预
测模型, 也存在一些不足。例如: 冬小麦返青后扎根
深度一般超过 50 cm, 由于河北省气象站土壤湿度
测定多为 0~50 cm, 受观测资料限制, 导致计算的实
第 4期 康西言等: 冬小麦干旱指标及干旱预测模型研究 865


际蒸散量偏少；但 Jensen 模型反映的为相对产量与
相对蒸散之间的关系, 各台站测定深度相同, 其差
额成为系统误差, 因而不同地区、不同时段相对蒸
散仍能较好地反映冬小麦干旱程度；如有更深层土
壤水分资料, 根据冬小麦不同生育阶段根系入土深
度 , 确定干旱指标 , 应用效果可能更好 , 有待进一
步研究。
参考文献
[1] 陈秀敏 , 李科江 , 贾银锁 . 河北小麦[M]. 北京: 中国农业
科学技术出版社, 2008: 1–6
[2] 王密侠 , 马成军 , 蔡焕杰 . 农业干旱指标研究与进展 [J].
干旱地区农业研究, 1998, 16(3): 119–124
[3] 袁文平 , 周广胜 . 干旱指标的理论分析与研究展望[J]. 地
球科学进展, 2004, 19(6): 892–991
[4] 朱自玺, 刘荣花, 方文松, 等. 华北地区冬小麦干旱评估指
标研究[J]. 自然灾害学报, 2003, 12(1): 145–150
[5] 刘巍巍, 安顺清, 刘庚山, 等. 帕默尔旱度模式的进一步修
正[J]. 应用气象学报, 2004, 15(2): 207–216
[6] 李伟光, 陈汇林, 朱乃海, 等. 标准化降水指标在海南岛干旱
监测中的应用分析 [J]. 中国生态农业学报 , 2009, 17(1):
178–182
[7] 张叶 , 罗怀良 . 农业气象干旱指标研究综述[J]. 资源开发
与市场, 2006, 22(1): 50–52
[8] 刘永忠, 李齐霞, 孙万荣, 等. 气候干旱与作物干旱指标体
系[J]. 山西农业科学, 2005, 33(3): 50–53
[9] 黄晚华, 杨晓光, 曲辉辉, 等. 基于作物水分亏缺指数的春
玉米季节性干旱时空特征分析 [J]. 农业工程学报 , 2009,
25(8): 28–34
[10] 王石立 , 娄秀荣 , 庄立伟 . 相对蒸散在冬小麦干旱宏观评
估中的应用[J]. 气象学报, 1998, 56(1): 104–111
[11] 冯绍元 , 罗遵兰 , 左海萍 . 河北省冬小麦水分生产函数模
型初步分析[J]. 灌溉排水学报, 2005, 24(4): 58–61
[12] 葛岩, 周林蕻, 张更元, 等. 沈阳地区冬小麦水分生产函数
与水分敏感指标的初步研究[J]. 沈阳农业大学学报, 2003,
34(2): 131–134
[13] 罗遵兰 , 冯绍元 , 左海萍 . 山西省冬小麦水分生产函数模
型初步分析[J]. 灌溉排水学报, 2005, 24(1): 16–19
[14] 杨小利 , 刘庚山 , 杨兴国 . 甘肃黄土高原主要农作物水分
胁迫敏感性[J]. 干旱地区农业研究, 2006, 24(4): 90–93
[15] 肖俊夫 , 刘战东 , 段爱旺 , 等 . 中国主要农作物分生育期
Jensen模型研究[J]. 节水灌溉, 2008(7): 1–3
[16] 郭群善, 雷志栋, 杨诗秀. 冬小麦水分生产函数 Jensen 模
型敏感指数的研究[J]. 水科学进展, 1996, 7(1): 20–25
[17] 段永红 , 陶澍 , 李本纲 . 北京市参考作物蒸散量的时空分
布特征[J]. 中国农业气象, 2004, 25(2): 22–25
[18] Jensen M E, Wright J L, Pratt B J. Estimating soil moisture
depletion from climate, crop and soil data[J]. Trans of the
ASAE, 1971, 14(5): 954–959
[19] 康西言 , 李春强 . 河北省冬小麦灌溉预报系统[J]. 农业网
络信息, 2009(12): 32–34
[20] 刘战东, 段爱旺, 高阳, 等. 新乡地区冬小麦缺水量适宜估
算模式研究[J]. 中国生态农业学报, 2010, 18(4): 775–781
[21] 邓天宏 . 河南省农田土壤水分变化规律及动态预报研究
[D]. 南京: 南京信息工程大学, 2005: 57–58
[22] 刘钰, Pereira L S. 对 FAO推荐的作物系数计算方法的验证
[J]. 农业工程学报, 2000, 16(5): 26–30
[23] 张恒嘉. 几种大田作物水分–产量模型及其应用[J]. 中国生
态农业学报, 2009, 17(5): 997–1001
[24] Higgins G M, Kassam A H, Naiken L, et al. Potential popula-
tion supporting capacities of lands in the developing
world[M]. FPA/INT/153. Rome: FAO, 1982
[25] 王靖, 李湘阁, 刘恩民, 等. 华北平原冬小麦相对蒸散与叶
面积指数及表层土壤含水量的关系[J]. 中国生态农业学报,
2003, 11(2): 32–34