摘要:針對降雨量不確定性導致農機合作社配置收割機的數量和類型較為困難的問題，以蚌埠市的一個農機合作社覆蓋的稻麥輪作區域為研究對象，擬合降雨量和潮濕耕地（只能由履帶式收割機進行收割的耕地）比例的函數關系，采用１９８７—２０１６年每年１０月份研究地區的降雨量數據仿真新的降雨量，并利用蒙特卡洛仿真方法優化收割機的配置方案，分析降雨不確定情形下農機合作社的收割機類型與數量的最優配置。結果表明：該區域的降雨量與潮濕耕地比例呈現Ｌｏｇｉｓｔｉｃ分布，收割機的最優配置為，履帶收割機和輪式收割機的數量均為１４輛，最小收割總成本為７２５．５７萬元；隨著履帶收割機價格的降低，農機合作社應對降雨量不確定的能力顯著增加。據此認為不同稻麥輪作區域有必要對降雨量和潮濕耕地比例的函數關系進行估算，同時針對該地區水稻收割期降雨量的特點制定合理的農機補助策略，從而幫助農機合作社應對潛在風險。

　　關鍵詞:收割機；收割機多類型配置；Ｌｏｇｉｓｔｉｃ；降雨量；蒙特卡洛

　　農業聯合收割機機型與數量的合理配置是農機合作社抵御風險的重要手段。水稻收割期前的不確定降雨量經常導致水稻的最佳收割時間產生變化，進而影響水稻產量［１－２］。如２０１６年１０月蚌埠地區的降雨量明顯高于往年１０月份，因此土壤含水量較高，大量稻田無法利用ＦｏｔｏｎＬｏｖｏｌＧＥ２０Ｄ等輪式收割機收割，而配置較多數量的Ｋｕｂｏｔａ４ＬＺ－４（ＰＲＯ９８８Ｑ）等履帶式收割機的農機合作社則可以較快的完成水稻收割。此情形下，科學的選擇收割機數量與類型是解決這一問題的關鍵，而收割機數量和類型的配置又存在成本最小化約束［３］，因此，在降雨量不確定情形下，收割機機型與數量的最優決策可以在整體上削弱降雨量對農機合作社收割水稻的影響。

　　１研究方法

　　１．１收割機配置影響因素分析

　　農作物收割過程中收割機的選擇受到多方面因素的影響，如收割機的固定成本、類型、運營成本、收割速度等。胡建雄對衡陽地區影響水稻收割機配置選擇的因素進行分析，認為固定成本、運營成本等是影響收割機配置的主要因素［３］。由于不同地區的作物品種和降雨量差異較大，影響水稻收割機選擇的因素也存在差異。本研究通過對蚌埠地區的實際調研發現，該地區為稻麥輪作區域，收割機主要為２種類型，履帶式和輪式。２類收割機均可收割小麥和水稻，但部分潮濕稻田只能由履帶收割機收割；影響收割配置的因素分別為：收割機固定成本、運營成本、收割速度、收割機類型（履帶式和輪式）、外包收割成本。在本研究的仿真模型中，將考慮這５個因素對收割機配置的影響。

　　１．２仿真模型構建

　　在本研究中，小麥在成熟后可以被輪式收割機和履帶式收割機收割，由于降雨所導致的土壤較為潮濕的稻田不能被輪式收割機收割，其余的稻田則可以被２種收割機共同收割。只能夠被履帶式收割機收割的稻田面積與該地區每年１０月份的降雨量存在直接關系，這是由于蚌埠地區水稻于每年１０月底—１１月初收割。１０月份降雨量越多，水稻田的土壤濕度則越大，只能夠被履帶收割機收割的稻田面積越大。當農機合作社配置的收割機在收割周期內無法完成收割時，可以選擇將未收割的耕地外包收割。小麥收割過程中不需要考慮天氣的影響，即履帶式收割機和輪式收割機都可以進行收割。由于本研究的模型無法完全準確的反應實際情況，因此采用部分假設：

　　１）收割機收割作物的速度恒定，相同類型的收割機在收割一種作物時其收割速度恒定。

　　２）收割機的使用壽命為１０年，即每輛收割機的使用年限為１０年。

　　２結果與分析

　　２．１潮濕耕地面積的概率密度函數模擬驗證

　　本研究以安徽省懷遠縣唐集鎮華光村的一個農機合作社為研究對象，該合作社覆蓋的耕地面積為６５５．７ｈｍ２，位于東經１１６．９８２～１１６．９６５°，北緯３２．８１０～３２．８１９°。在本研究的仿真中潮濕耕地面積比例的大小與該地區１０月份的降雨量相關，降雨量的大小決定了潮濕耕地面積的比例。因此降雨量與潮濕耕地面積比例的關系的精確性直接影響仿真結果的準確性。為了獲得降雨量和潮濕耕地面積比例的關系，本研究在農機合作社覆蓋的３４戶農戶進行問卷統計，調查內容為２０１０—２０１６年潮濕耕地面積比例，其中有效統計結果為３１份。通過對不同農戶的調查結果估計出不同年份潮濕耕地面積比例，對照不同年份降雨量的大小，得出降雨量與潮濕耕地面積比例的觀測值。利用研究區域２０１０—２０１６年每年１０月份的降雨數據擬合出降雨量與潮濕耕地面積比例的函數關系（擬合工具為ＳＰＳＳ２０．０），擬合優度指標Ｒ２＝０．９８６，表明擬合效果較好（圖２）。根據《安徽統計年鑒》［２３］及蚌埠氣象網獲得蚌埠市２０１２—２０１６年每年１０月份降雨量分別為２．７、８．７、３９．４、２４．０和２３１．２ｍｍ，根據擬合的降雨量與潮濕耕地面積比例的函數關系，得出潮濕耕地比例的值為３％、１％、３３％、４％和９４％。

　　2．２降雨分布模擬

　　降雨量的隨機波動使得常見的概率分布無法對其進行準確描述。在研究降雨量的隨機過程中已有研究采用頻率代替概率的方法對其進行模擬［４，６］。本研究利用１９８７—２０１６年每年１０月份蚌埠地區的降雨量［２３］頻數分布構造降雨量分布函數，結果表明降雨量基本在１００ｍｍ以內。為更加準確的反應降雨的頻率分布，以１０ｍｍ為組距，將降雨量分為１１個組。仿真過程中，產生的降雨量落在每組的概率由該組的頻數大小決定，而落在組內的降雨量則在組內隨機產生。圖３１９８７—２０１６年每年１０月份蚌埠市降雨量觀測值Ｆｉｇ．３ＯｂｓｅｒｖｅｄｒａｉｎｆａｌｌｓｉｎＢｅｎｇｂｕｏｎＯｃｔｏｂｅｒｄｕｒｉｎｇ１９８７－２０１６表１１９８７—２０１６年每年１０月份蚌埠市降雨量及相對頻率Ｔａｂｌｅ１ＲａｉｎｆａｌｌａｎｄｒｅｌａｔｉｖｅｆｒｅｑｕｅｎｃｙｉｎＢｅｎｇｂｕｏｎＯｃｔｏｂｅｒｄｕｒｉｎｇ１９８７－２０１６序號Ｏｒｄｅｒ降雨量分組／ｍｍＲａｉｎｆａｌｌｇｒｏｐｉｎｇ頻數Ｆｒｅｑｕｅｎｃｙ１０～１０５２＞１０～２０３３＞２０～３０４４＞３０～４０６５＞４０～５０４６＞５０～６０１７＞６０～７０２８＞７０～８００９＞８０～９０２１０＞９０～１００１１１＞１００２２．３收割機配置計算仿真模型參數設置如下：０．０６７ｈｍ２小麥外包收割成本為５０元，每０．０６７ｈｍ２水稻外包收割成本１００元。自有收割機收割小麥運營成本為２２５元／ｈｍ２，自有收割機收割水稻運營成本３７５元／ｈｍ２；履帶式收割機價格為２５萬元／臺，輪式收割機價格１０萬元／臺；履帶式收割機收割水稻的速度為２ｈｍ２／ｄ，履帶收割機收割小麥速度３．３ｈｍ２／ｄ，輪式收割機收割水稻速度３．３ｈｍ２／ｄ，輪式收割機收割小麥速度６ｈｍ２／ｄ；水稻收割周期１３ｄ，小麥收割周期５ｄ；水稻小麥種植面積均為６５５．７ｈｍ２。為了確定仿真重復次數，通過對仿真模型進行試驗性仿真，次數為２００次，均值為７２６．６５萬元，標準差５０．８９萬元。在本研究中，要求有９９％以上的把握將誤差控制在１０００元以內，依據式（４），仿真重復次數為１４５１次，即Ｎ＝１４５１。根據２．１和２．２節，ａ１１＝ｆ（Ｒ）ａ２，其中，Ｒ為降６２１。

　　３結論

　　在農業生產中，降雨量的不確定性易給農業帶來實質性影響和潛在威脅。我國地域遼闊，不同區域作物的種植和降雨量存在較大差異，研究某一特定區域的收割機配置更具有針對性。本研究以蚌埠地區稻麥輪作系統的一個農機合作社為例，經研究發現，該地區潮濕耕地的比例和降雨量呈現Ｌｏｇｉｓｔｉｃ分布。由于不同地區的地勢和降雨量不同，其收割時期的稻田土壤濕度也不盡相同，因此需要對不同區域的潮濕耕地比例和降雨量的關系進行擬合。

　　參考文獻Ｒｅｆｅｒｅｎｃｅｓ

　　［１］ＳｕＷ，ＬｕＪＷ，ＷａｎｇＷＮ，ＬｉＸＫ，ＲｅｎＴ，ＣｏｎｇＲＨ．Ｉｎｆｌｕｅｎｃｅｏｆｒｉｃｅｓｔｒａｗｍｕｌｃｈｉｎｇｏｎｓｅｅｄｙｉｅｌｄａｎｄｎｉｔｒｏｇｅｎｕｓｅｅｆｆｉｃｉｅｎｃｙｏｆｗｉｎｔｅｒｏｉｌｓｅｅｄｒａｐｅ（ＢｒａｓｓｉｃａｎａｐｕｓＬ）ｉｎｉｎｔｅｎｓｉｖｅｒｉｃｅ－ｏｉｌｓｅｅｄｒａｐｅｃｒｏｐｐｉｎｇｓｙｓｔｅｍ［Ｊ］．ＦｉｅｌｄＣｒｏｐｓＲｅｓｅａｒｃｈ，２０１４，３７（１５９）：５３－６１

　　［２］王桂民，易中懿，陳聰，曹光喬．收獲時期對稻麥輪作水稻機收損失構成的影響［Ｊ］．農業工程學報，２０１６，３２（２）：３６－４２ＷａｎｇＧ，ＹｉＺＹ，ＣｈｅｎＣ，ＣａｏＧＱ．Ｅｆｆｅｃｔｏｆｈａｒｖｅｓｔｉｎｇｄａｔｅｏｎｌｏｓｓｃｏｍｐｏｎｅｎｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｒｉｃｅｍｅｃｈａｎｉｃａｌｈａｒｖｅｓｔｅｄｉｎｒｉｃｅａｎｄｗｈｅａｔｒｏｔａｔｉｏｎａｒｅａ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ，２０１６，３２（２）：３６－４２（ｉｎＣｈｉｎｅｓｅ）

　　［３］胡建雄．衡陽地區水稻聯合收割機選型與優化配置研究［Ｄ］．長沙：湖南農業大學，２００７ＨｕＪＸ．ＳｔｕｄｙｏｎｍｏｄｅｌｃｈｏｉｃｅａｎｄｏｐｔｉｍｕｍａｌｌｏｃａｔｉｏｎｏｆｒｉｃｅｈａｒｖｅｓｔｅｒｉｎＨｅｎｇｙａｎｇ［Ｄ］．Ｃｈａｎｇｓｈａ：ＨｕｎａｎＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，２００７（ｉｎＣｈｉｎｅｓｅ）

　　何朋飛李靜＊