, ，，

(1 湖南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院， 長(zhǎng)沙 410128； 2 安康市煙草公司白河分公司，陜西白河 725899)

2012-06-23

李淑娥(1984—)，女，陜西澄城人，碩士研究生，Email:lishue0913@163.com。

白河煙區(qū)烤煙產(chǎn)量多元線性回歸模型年景預(yù)測(cè)

李淑娥1,2,王智慧2，劉開平2，楊居健2

(1 湖南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院， 長(zhǎng)沙 410128； 2 安康市煙草公司白河分公司，陜西白河 725899)

將烤煙實(shí)際產(chǎn)量分離為趨勢(shì)產(chǎn)量和氣象產(chǎn)量，根據(jù)1997～2011年白河縣氣象資料和烤煙產(chǎn)量資料，采用SPSS統(tǒng)計(jì)軟件分別建立趨勢(shì)產(chǎn)量和氣候產(chǎn)量回歸模型，最終建立產(chǎn)量回歸模型：Y=-89 321.903+43.455T+41.972x1+48.276x2。并對(duì)歷年產(chǎn)量進(jìn)行檢驗(yàn)，結(jié)果表明，預(yù)測(cè)精度最高為100%，最低為92%，平均精度為97%。該模型具有較高的信度和實(shí)用性，可作為白河烤煙產(chǎn)量預(yù)報(bào)的有效工具之一。

烤煙；產(chǎn)量；預(yù)測(cè)模型；氣候條件

白河煙區(qū)地處陜西省東南部、大巴山北麓，介于東經(jīng)109°37′～110°10′，北緯32°34′～32°55′之間，位于漢江上游，農(nóng)業(yè)生態(tài)氣候?qū)俦眮啛釒Т箨懶约撅L(fēng)濕潤氣候區(qū)，地形地貌復(fù)雜，立體氣候明顯，全年雨量充沛，四季分明。光、熱、水、氣資源為白河優(yōu)質(zhì)煙葉生產(chǎn)提供了生態(tài)基礎(chǔ)。白河煙葉具有組織結(jié)構(gòu)疏松、化學(xué)成分協(xié)調(diào)、配伍性強(qiáng)等特點(diǎn)，是卷煙工業(yè)的優(yōu)質(zhì)原料。烤煙生產(chǎn)已成為當(dāng)?shù)剞r(nóng)民增收、農(nóng)業(yè)增效的主要項(xiàng)目之一，是當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)之一。近年來，白河煙區(qū)烤煙種植技術(shù)不斷改進(jìn)提高且趨于穩(wěn)定，但烤煙單產(chǎn)波動(dòng)大，很大程度上受氣象因素的制約。因此，研究氣象因子對(duì)其產(chǎn)量的影響，建立烤煙產(chǎn)量預(yù)報(bào)模型，有利于烤煙栽培管理，趨利避害，達(dá)到適產(chǎn)優(yōu)質(zhì)的目的。

1 材料與方法

1.1 材料

氣象資料采用白河縣氣象局提供的1997～2011年白河縣烤煙大田生長(zhǎng)期間(5～8月)相關(guān)的32個(gè)氣象因子資料，分別為平均氣溫、5 cm地溫、降水量、蒸發(fā)量、相對(duì)濕度、日照時(shí)數(shù)、日照百分率、≥10℃有效積溫等。

烤煙資料采用安康市煙草公司白河分公司提供的1997～2011年白河縣烤煙種植面積、年總產(chǎn)量和年單位面積產(chǎn)量。

1.2 方法

白河縣1997～2011年烤煙實(shí)際單產(chǎn)是逐年變化的，要研究作物產(chǎn)量與氣象條件間的關(guān)系，必須消除實(shí)際產(chǎn)量中的人為因素，僅對(duì)氣象因素影響的那部分產(chǎn)量與氣象因子進(jìn)行相關(guān)性分析。產(chǎn)量預(yù)測(cè)模型一般通式[1]為：

Y=Yt+Yw+ε

(1)

式中：Y為烤煙模擬產(chǎn)量，Yt為烤煙趨勢(shì)產(chǎn)量，Yw為氣象產(chǎn)量。ε為隨機(jī)誤差，可忽略不計(jì)，因此(1)式可簡(jiǎn)化為：

Y=Yt+Yw

(2)

通過線性回歸分析法分別建立Yt、Yw預(yù)測(cè)方程，得到烤煙產(chǎn)量預(yù)測(cè)模型。

2 烤煙產(chǎn)量預(yù)測(cè)模型的建立

2.1 趨勢(shì)產(chǎn)量預(yù)測(cè)模型

對(duì)于趨勢(shì)產(chǎn)量的模擬方法有多種，如滑動(dòng)平均法、重心描述法、直線法、正交多項(xiàng)式法等。其中直線滑動(dòng)平均法不必主觀假定產(chǎn)量歷史演變曲線類型，是一種較好的趨勢(shì)模擬方法[2]。筆者采用此法，先對(duì)烤煙單產(chǎn)進(jìn)行5年滑動(dòng)平均處理，分離趨勢(shì)產(chǎn)量Yt和氣象產(chǎn)量Yw，滑動(dòng)后樣本序列變?yōu)?001～2011年。然后，筆者在SPSS中建立一新數(shù)據(jù)文件，第1列變量為Yt(趨勢(shì)產(chǎn)量)，第2列為T(年代)，表略。依次選擇“分析”、“回歸分析”、“線性回歸”，打開線性回歸分析主對(duì)話框。將Yt作為因變量，將T(年份)作為自變量式，進(jìn)行線性回歸分析[3]。結(jié)果表明，復(fù)相關(guān)系數(shù)R為0.939，R2為0.881，調(diào)整后的R2為0.868，估計(jì)值的標(biāo)準(zhǔn)誤55.855，F(xiàn)值為66.579，相應(yīng)的p值為0.000，小于顯著水平0.05，因此可知模型直線回歸效果非常顯著(表1)。

表1 回歸分析與趨勢(shì)產(chǎn)量相關(guān)顯著因子系數(shù)表

烤煙趨勢(shì)產(chǎn)量直線回歸方程為：

Yt=43.455T-85 024.273

(3)

2.2 氣象產(chǎn)量預(yù)測(cè)模型

烤煙氣象產(chǎn)量不單與某個(gè)氣象因子有關(guān)，而是多個(gè)氣象因子共同作用的結(jié)果，故需建立多元線性回歸分析模型。筆者首先篩選影響烤煙氣象產(chǎn)量的主要?dú)庀笠蜃?，利用SPSS統(tǒng)計(jì)軟件，分析歷年氣象產(chǎn)量與同期氣象資料間的相關(guān)關(guān)系，發(fā)現(xiàn)6月份空氣相對(duì)濕度、8月份5 cm地溫等2個(gè)因子相關(guān)性達(dá)到顯著水平。這2個(gè)因子在一定范圍內(nèi)均有較大波動(dòng)，其值高低對(duì)烤煙產(chǎn)量影響較大。跟降水、光照有關(guān)的氣象因子在上述分析中未通過顯著性檢驗(yàn)，分析白河煙區(qū)2001～2011年烤煙大田生長(zhǎng)期間降水和光照，發(fā)現(xiàn)在烤煙大田生長(zhǎng)期間降水適宜、光照充足，對(duì)烤煙產(chǎn)量波動(dòng)影響較小，可作為常量進(jìn)行處理。

確定影響烤煙氣象產(chǎn)量的主要?dú)庀笠蜃雍?，筆者在SPSS 17.0中建立一新數(shù)據(jù)文件，第1列變量為因變量Yw(氣象產(chǎn)量)，第2-3列為自變量( 2個(gè)氣象因子)。依次選擇“分析”、“回歸分析”、“線性”進(jìn)行線性回歸分析[3]。結(jié)果表明，復(fù)相關(guān)系數(shù)R為0.936，R2為0.876，調(diào)整后的R2為0.834，估計(jì)值的標(biāo)準(zhǔn)誤57.171，F(xiàn)值為21.132，相應(yīng)的p值為0.002，小于顯著水平0.05，因此可知模型直線回歸效果非常顯著(表2)。

表2 回歸分析與氣象產(chǎn)量相關(guān)顯著因子系數(shù)表

假設(shè)預(yù)測(cè)對(duì)象Yw與n個(gè)影響因素x1，x2，…，xn之間有以下線性關(guān)系[4]：Yw=b0+b1x1+b2x2+…+bnxn，將表2中的系數(shù)B代入得到預(yù)測(cè)方程：

Yw= -4 297.630+41.972x1+48.276x2

(4)

2.3 烤煙產(chǎn)量預(yù)測(cè)模型

將(3)、(4)式代入(2)式中得到烤煙產(chǎn)量預(yù)測(cè)模型：

Y=-89 321.903+43.455T+41.972x1+48.276x2

(5)

其中，T為年份，x1為6月份空氣相對(duì)濕度,x2為8月份5 cm地溫。

3 回歸效果檢驗(yàn)

將T、x1、x2分別代入上述預(yù)測(cè)模型，得到模擬的烤煙產(chǎn)量。與實(shí)際產(chǎn)量進(jìn)行比較結(jié)果表明，白河煙區(qū)烤煙產(chǎn)量預(yù)測(cè)模型預(yù)測(cè)結(jié)果與烤煙實(shí)際單產(chǎn)擬合率較高，預(yù)測(cè)精度最低為92%，最高為100%，平均精度為97%(表3)。

表3 白河煙區(qū)2001～2009年烤煙產(chǎn)量實(shí)際單產(chǎn)與模擬單產(chǎn)

4 結(jié)論

前人利用各種模型對(duì)玉米、糧食、油菜、茶葉、馬鈴薯、等產(chǎn)量進(jìn)行了預(yù)測(cè)[5～11]，本研究利用多元線性回歸方法建立了白河烤煙產(chǎn)量預(yù)測(cè)模型，預(yù)測(cè)結(jié)果較準(zhǔn)確。模型中考慮了多個(gè)氣象因子共同作用時(shí)對(duì)烤煙產(chǎn)量的影響。結(jié)果表明，使用SPSS軟件在基于一元線性回歸模型基礎(chǔ)上建立起來的多元線性回歸模型，預(yù)測(cè)產(chǎn)量的精確度較高，具有較強(qiáng)的實(shí)用性，可作為烤煙產(chǎn)量預(yù)測(cè)的有效工具之一。

[1] 中國農(nóng)業(yè)科學(xué)院.中國農(nóng)業(yè)氣象學(xué)[M].北京：中國農(nóng)業(yè)出版社，1999.401-403.

[2] 王馥堂，李郁竹，王石立.農(nóng)業(yè)產(chǎn)量氣象模擬與模型引論[M].北京科學(xué)出版社，1990.43-45.

[3] 陳勝可.SPSS統(tǒng)計(jì)分析從入門到精通[M].北京：清華大學(xué)出版社，2010.238-247.

[4] 李秀珍, 厐常詞. 數(shù)學(xué)實(shí)驗(yàn)[M]. 北京: 機(jī)械工業(yè)出版社,2008.201-251.

[5] 張文英，栗秋生，栗雨勤.河北省玉米產(chǎn)量灰色理論分析與預(yù)測(cè)[J].華北農(nóng)學(xué)報(bào)，2007，(S1)：164-166.

[6] 李炳軍，李秋芳，盧秀霞.灰色線性回歸組合模型在河南省糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J].河南農(nóng)業(yè)科學(xué)，2009，(10)：46-49.

[7] 張榮達(dá)，唐 義.畢節(jié)試驗(yàn)區(qū)糧食產(chǎn)量組合預(yù)測(cè)模型研究[J].現(xiàn)代農(nóng)業(yè)科技，2010，(1)：47-48.

[8] 吳志付，劉道敏，陳久月.灰色系統(tǒng)理論預(yù)測(cè)農(nóng)作物產(chǎn)量的應(yīng)用初探[J].現(xiàn)代農(nóng)業(yè)科技，2006，(10)：95，97.

[9] 柳世君，段仁周，藍(lán)黎明，等.灰色動(dòng)態(tài)GM(1，1)模型在豫南稻區(qū)油菜產(chǎn)量預(yù)測(cè)中的應(yīng)用[J].現(xiàn)代農(nóng)業(yè)科技，2006，(12)：90-91，93.

[10]朱秀紅，鄭美琴，姚文軍，等.基于SPSS的日照市茶葉產(chǎn)量預(yù)測(cè)模型的建立[J].河南農(nóng)業(yè)科學(xué)，2010，(7)：31-33.

[11]孫 俊，李劍萍，吳志歧，等.氣候條件對(duì)馬鈴薯產(chǎn)量的影響及產(chǎn)量預(yù)報(bào)模型研究[J].安徽農(nóng)業(yè)科學(xué)，2010,38(23)：12400-12402.

TobaccoYieldPredictionModelBasedonSPSSStatisticalSoftwareinBaiheCounty

LISHU-e1,2,WANGZhi-hui2,LIUKai-ping2，YANGJu-jian2

(1 College of Agronomy，Hunan Agricultural University, Changsha，Hunnan 410128，China ；2 Baihe Branch of Ankang Tobacco Company, Baihe，Shaanxi 725899，China)

Actual production was separated into the trend of flue-cured tobacco yield and meteorological yield, according to the meteorological data and flue-cured tobacco production in 1997-2011 in Baihe, SPSS statistical software were used to establish trends of yield and meteorological yield regression model, and the production regression model eventual was established. Then the production of calendar year was tested, and the maximum prediction accuracy was 100%, the smallest accuracy was 92%, the average accuracy was 97%. The prediction model had a high reliability and practicality, it could be an effective tool for quantitative prediction.

Flue-cured tobacco; Production; Model; Climate condition

S572

A

1001-5280(2012)07-0084-03

10.3969/j.issn.1001-5280.2012.07.23

責(zé)任編輯：李東輝