人们都希望未来是确定的、可知的，因而人的决策可以趋利避害，未来更加可控。作物产量预报是其中之一。首先，要做产量预报，还是要看目的或者需求。一种做法是理论研究，另一种是业务应用，就是实战。

（1）理论研究。最简便的方法估计是先算光合，再算生物量，然后用收获指数HI推算籽粒产量。如果提前10天、20天，那就要用天气预报的产品。另外一种方法，是融合历史气象数据和当年实测气象数据，结合作物模型估算。可以这么理解：从播种开始，预期的产量可以在历史最高和最低之间变化，随着时间推移，生长过程逐渐是可知的，气象条件好产量就偏高，直到收获期，产量为确定的值。也就是说，如果今年的气象条件与历史上年成好的气象条件较为符合，那么产量也会更高。具体见附件陈上等的论文。

（2）业务应用。目前理论模型还很难应用于实践，主要困难是实际情况下影响作物产量的因素太多了，模型没能考虑这么全。可能还没有作物模型能做产量预报，在气象系统应该是用经验模型，或者个人经验+统计模型。复杂一些的，气象部门产量预报包括单产与总产预报，综合考虑以下因素：生育期气象条件利弊影响，统计模型及作物模型模拟预测结果，苗情与病虫情监测数据，社会经济因素。

（3）预报结果的验证。如果依靠统计产量来做中国国家或省的大尺度产量预报意义不大，因为波动太小。前段时间PNAS有文章也讨论了统计产量。据了解，中粮等一些公司他们都有全国自己分布的测产点，连续十多年了。也有自己的实验室，对产量和品质进行测量。统计产量的非客观因素多一些，但也是全国定点测量的。

（4）公司的做法：农民提供历史产量，模型通过气象要素计算主要限制因子变化，结合遥感数据，进行产量预测。目前只能在限制因子明确的地区和国家推广。有些类似应用机器学习方法结合模型和遥感的集成分析，最近王斌、冯璞玉发表过相关论文。见http://papers.agrivy.com/。

（致谢：何建强、陈金华、庄伟、肖薇等、赵刚在团队群里的发言和提问）。

基于聚类法筛选历史相似气象数据的玉米产量DSSAT-CERES-Maize预测.pdf