学生在气象局工作，说到现在的产量预报方法，仍然是统计预报方法。我不以为然，这种方法，很有局限，从八十年代气科院王馥棠等先生开始，就是这种做法。几十年过去了，这玩意还那么有生命力，这是为什么？就是它简单，直接建立产量（气象产量）与气象因子的多元相关模型。就是从多年的统计产量中，去除时间趋势，得到的波动就是气象产量，然后对应生育期的气象要素：光照、温度、降水等，建立相关关系。

 

对于科学家，往往不屑于或者不能停留在这个水平，因此就有很多机理模型出现，就是我们现在用的作物模型。作物模型是从作物生长过程中的气象和土壤的限制出发，从光合作用、干物质积累、分配，到产量形成的定量分析。

 

我的理解这是Bottom Up的方法，就是自下而上的方法。这种方法有什么缺陷呢？它的缺陷做模型的都知道，就是算不准。因为考虑的过程太多，到底哪个过程或者因子起主要限制作用？模型有时候会判断错，因为里边的很多公式是非线性的，有些条件下，差一点，就会有很大的误差。所谓“差之毫厘，谬以千里”。作物生长的本身也是这样，它的响应也复杂。比如说叶子缺水导致的凋萎点或者萎蔫点，这个点什么条件下出现，就很难计算出来。我前面写过一个博文，有关光照、温度、降水都是不可缺少的因子，都可能成为限制因子。

 

统计方法则相反，它是抓主要矛盾，就是从上而下地看作物与气象的关系。先找出来那些因子是主要因子，忽略次要因子。它的局限是这个结果不能用于其它地方，因为其它地方环境变了，它的这种经验关系就变了。

 

这样就带来一个问题，合理的，有理论依据的，算不准；不合理的，理论水平不够的，很好用。这个在不同学科都有类似的问题，多年前有一个讨论：“多层模型合理但是不好用，大叶模型好用但不合理”。

 

可见，不同方法之间的融合、借鉴，是很有必要的。

 

转载本文请联系原作者获取授权，同时请注明本文来自于强科学网博客。
链接地址：https://blog.sciencenet.cn/blog-393259-709650.html

上一篇：我所了解的Paul G. Jarvis教授
下一篇：系统分析方法与作物水分利用效率的分析