陳匯林　李偉光　胡玉蓉

摘 要 瓜菜苗期濕澇是海南冬種瓜菜重要的農(nóng)業(yè)氣象災(zāi)害之一。根據(jù)海南冬種瓜菜苗期自然降水情況，利用正交旋轉(zhuǎn)組合設(shè)計，在溫室內(nèi)人工模擬降水量和降水天數(shù)，得出番茄苗期濕澇死苗率的回歸模型，回歸方程達(dá)到極顯著水平。模型表明降水量越大，對番茄苗期濕澇危害越大。當(dāng)降水天數(shù)達(dá)到一定量時，隨著降水日數(shù)增多，死苗率隨之增大。

關(guān)鍵詞 冬種瓜菜 ；苗期濕澇 ；正交旋轉(zhuǎn)設(shè)計

分類號 S649

Abstract Waterlogging is the important agricultural meteorological disaster for winter vegetables on seedling stage in Hainan Island. This study is based on statistics of Hainan natural rainfall conditions during winter vegetables seedling stage， considered amount and duration of precipitation two factors， the experiment was designed by orthogonal rotation. The experiment was performed in the greenhouse， and artificial control precipitation amount and duration. At last a regression model of the seedlings death rate was obtained. The regression equation was extremely significant. The results show that the greater precipitation， larger precipitation intensity will lead to more waterlogging harm to tomato. When precipitation continued for a certain day， the seedlings death rate was increased with the increase of precipitation days.

Keywords winter vegetables ；seedling stage waterlogging ；orthogonal rotation design

海南地處熱帶，冬無嚴(yán)寒，是中國重要的冬季蔬菜生產(chǎn)基地。海南冬種瓜菜每年9月份陸續(xù)進(jìn)入播種期，10月份開始大田移栽。但是，9～10月份海南仍然處于汛期，并且這2個月為大多數(shù)市縣全年降水最多的月份。在中國臺風(fēng)災(zāi)害最嚴(yán)重的省份中，海南排名第二[1]，臺風(fēng)常常伴隨著暴雨。臺風(fēng)暴雨多發(fā)期，極易造成冬季瓜菜苗期濕澇。以2010年10月份為例，接連遭遇的2輪強降雨天氣使海南處于苗期的瓜菜受災(zāi)面積達(dá)3.73萬hm2，成災(zāi)面積為2.8萬hm2。濕澇毀苗嚴(yán)重耽誤農(nóng)時，復(fù)耕育苗延遲瓜菜上市時間，總產(chǎn)量及產(chǎn)值大幅下降。暴雨成災(zāi)不僅跟暴雨過程的總雨量有關(guān)，還與日暴雨量、強降水持續(xù)時間有關(guān)，而這三者之間還存在相關(guān)關(guān)系，要確定三者對暴雨成災(zāi)的相對重要性相當(dāng)復(fù)雜[2]。因此，研究不同降水量、持續(xù)時間對瓜菜苗期生長的影響，探索濕澇災(zāi)害預(yù)警技術(shù)，對提高海南冬季瓜菜種植的安全性及增加農(nóng)民收入等具有重要意義。

國內(nèi)外針對濕澇災(zāi)害在生理生化和形態(tài)結(jié)構(gòu)上有不少研究[3]，對濕澇災(zāi)害的監(jiān)測、預(yù)警、評估和防御也有較多研究，并取得較好的成果[4-8]，但采取控制試驗獲取濕澇指標(biāo)的研究鮮有報導(dǎo)。正交旋轉(zhuǎn)組合設(shè)計作為一種試驗方法，由于其獲得的回歸方程精度高而被廣泛應(yīng)用于工農(nóng)業(yè)生產(chǎn)試驗的設(shè)計和研發(fā)[9]。梁運江等[10]采用二次回歸正交旋轉(zhuǎn)組合設(shè)計，建立了灌水定額、氮肥和磷肥對辣椒產(chǎn)量的數(shù)學(xué)模型，篩選出了辣椒穩(wěn)產(chǎn)、高產(chǎn)的水肥管理措施。本研究采用二次正交旋轉(zhuǎn)組合設(shè)計，建立了海南冬種瓜菜苗期濕澇災(zāi)害受降水量和降水天數(shù)影響的回歸模型。

1 材料與方法

以較耐澇的番茄為研究對象，在滲水性較好的沙壤土田畦栽植，規(guī)格20 cm×30 cm。試驗區(qū)分為若干小區(qū)，各小區(qū)間砌2 m深的磚墻，再用水泥和防水涂料處理。針對不同的降水量及持續(xù)時間，采用2因子5水平二次回歸正交旋轉(zhuǎn)組合進(jìn)行試驗設(shè)計（表1）。

2 結(jié)果與分析

2.1 模型建立及檢驗

通過二元二次正交旋轉(zhuǎn)組合設(shè)計，即以降水量（X1）和降水日數(shù)（X2）為影響因子，番茄死苗率為響應(yīng)值（Y），獲得試驗結(jié)果見表2。

經(jīng)過二元二次回歸分析，得出番茄死苗率依降水量和降水天數(shù)的回歸方程，見式（1）。

Y=55.312 5+28.2 430 147X1-11.7 357 721X2-X1X2+5.438 878 065X12+7.189 142 295X22（1）

回歸方程顯著性檢驗結(jié)果見表3，F(xiàn)擬合=16.799>F0.01，達(dá)到了極顯著水平，說明該回歸方程反映了試驗實際情況，數(shù)學(xué)模型擬合情況較好。其中，X1和X2的一、二次項均達(dá)到了極顯著水平。

為了提高方程的穩(wěn)定性，增進(jìn)預(yù)測效果，剔除回歸方程中對死苗率（Y）作用遠(yuǎn)不顯著的交互項（X1X2）。將剔除的交互項并入離回歸項，此時回歸方程可以簡化為式（2）。

Y=55.31+28.24X1-11.73X2+5.4X12+7.19X22 （2）

此后再進(jìn)行第二次方差分析（表4）。復(fù)相關(guān)值R=0.9453**>R0.01（0.859），呈極顯著相關(guān)，表明降水量和降水天數(shù)綜合作用與死苗率之間存在極為顯著的相關(guān)關(guān)系。endprint

2.2 模型解析

2.2.1 直觀解析

根據(jù)正交旋轉(zhuǎn)回歸試驗設(shè)計的原理，各偏回歸平方和的大小反映了該變異因子對試驗結(jié)果的影響程度，偏回歸系數(shù)的正負(fù)則表示該項變異來源對試驗結(jié)果的影響是正效應(yīng)還是負(fù)效應(yīng)。回歸方程式（2）中，降水量X1和X12均是正效應(yīng)，且一次項的偏回歸平方和最大，說明降水量對試驗結(jié)果的影響最為顯著，是濕澇的主要影響因子。表2中試驗號5、6的結(jié)果也說明了這一點，當(dāng)降水量同樣是450 mm時，降水天數(shù)為4.586 d時死苗率為90%，降水天數(shù)為7.414 d時死苗率為42%，說明當(dāng)降水量達(dá)到一定量時，降水天數(shù)越少，田間越易積水，由于土壤水分過飽和而造成番茄出現(xiàn)濕澇危害。降水天數(shù)一次項X2是負(fù)效應(yīng)，但二次項X22 是正效應(yīng)，說明天數(shù)較少的連續(xù)性降水不會產(chǎn)生濕澇，只有當(dāng)降水天數(shù)增加到一定量才會出現(xiàn)濕澇。

2.2.2 單因子的主效應(yīng)分析

對二元二次方程[式（2）]進(jìn)行降維，得到各因子與死苗率的二次函數(shù)，見式（3）、（4）。

YX1=55.31+28.24X1+5.4X12（3）

YX2=55.31-11.73X2+7.19X22（4）

根據(jù)降維方程，作出各因子與死苗率的關(guān)系曲線（圖1）。

從圖1中可見，YX1（降水量）曲線的斜率為正值，說明隨著降水量的增加，即當(dāng)日降雨量較大時，積水成澇而造成死苗的幾率加大。YX2（降水天數(shù)）曲線的斜率從-1.414至1水平均為負(fù)值，即降水天數(shù)較少且降水總量不多的情況下，死苗率并沒有隨著降水天數(shù)的增多而加大，但當(dāng)X2等于1至1.414水平時，YX2曲線的斜率變?yōu)檎担邓鞌?shù)達(dá)到7 d及以上時，即持續(xù)降雨的情況下，隨著降水天數(shù)的增多，死苗率隨之增大。

2.2.3 邊際效應(yīng)分析

由回歸方程分別求出Y對X1、X2的偏導(dǎo)數(shù)，見式（5）、（6），可分別得到降水量及降水天數(shù)對死苗率的邊際效應(yīng)模型和邊際死苗率曲線（圖2）。

邊際死苗率是反映因子對死苗率影響的變化速度。從式（5）、（6）可以看出，在本項試驗所設(shè)降水量和降水天數(shù)范圍內(nèi)（8 d之內(nèi)的降水過程），降水量均比邊際死苗率降水天數(shù)的大，說明大量強降水是造成濕澇災(zāi)害的關(guān)鍵。但從圖2中可以看出，降水天數(shù)的邊際死苗率曲線較降水量的上升快，說明當(dāng)降水天數(shù)增加到一定量時，降水天數(shù)的增加可能成為產(chǎn)生濕澇災(zāi)害的主導(dǎo)因子。

3 討論與結(jié)論

降水量越大，田間積水越多，并且積水時間也越長，土壤處于持續(xù)缺氧狀態(tài)的時間越長，番茄根系的生理障礙越嚴(yán)重，則番茄苗期濕澇危害越大。當(dāng)降水天數(shù)達(dá)到一定量時，隨著降水天數(shù)的增多，土壤濕度逐漸接近飽和直至過飽和狀態(tài)，土壤缺氧越來越嚴(yán)重，番茄產(chǎn)生根系生理障礙的情況逐漸加重，死苗率隨之增大。

目前，關(guān)于降水量及持續(xù)時間對冬種瓜菜苗期生長影響的研究較少，該研究旨在探討在溫室有限的空間內(nèi)，利用正交旋轉(zhuǎn)組合設(shè)計所得回歸方程精度高的特性，探討多因子導(dǎo)致濕澇的復(fù)雜關(guān)系。但本試驗所設(shè)降水過程偏短，今后將進(jìn)一步展開試驗，從而修正本模式。

參考文獻(xiàn)

[1] 唐永金，潘劍揚. 我國近年農(nóng)業(yè)氣象與農(nóng)業(yè)生物災(zāi)害的特點[J]. 自然災(zāi)害學(xué)報，2012，21（1）：26-30.

[2] 莫建飛，鐘仕全，陳燕麗，等. 廣西主要農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)警系統(tǒng)的開發(fā)與應(yīng)用[J]. 自然災(zāi)害學(xué)報，2013，22（2）：150-157.

[3] 李 真，梅淑芳，劉向蕾，等. 作物耐濕澇性研究進(jìn)展[J]. 湖北農(nóng)業(yè)科學(xué)，2009，48（11）：2 866-2 868.

[4] 王春乙，王石立，霍治國，等. 近10年來中國主要農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)警與評估技術(shù)研究進(jìn)展[J].氣象學(xué)報，2005，63（5）：659-666.

[5] 李 瓊，魏如檀，周小云，等. 近年來中國農(nóng)業(yè)氣象災(zāi)害研究的文獻(xiàn)分析[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39（22）：13 434-13 437.

[6] 金之慶，石春林. 江淮平原小麥漬害預(yù)警系統(tǒng)（WWWS）[J]. 作物學(xué)報，2006，32（10）：1 458-1 465.

[7] 張愛民，馬曉群，楊太明，等. 安徽省旱澇災(zāi)害及其對農(nóng)作物產(chǎn)量影響[J]. 應(yīng)用氣象學(xué)報，2007，18（5）：619-624.

[8] 陸忠艷，袁子鵬，陳艷秋，等. 基于風(fēng)險區(qū)劃的遼寧漬澇預(yù)報方法的改進(jìn)[J]. 安徽農(nóng)業(yè)科學(xué)，2010，38（5）：2 458-2 460 .

[9] 王福亭. 農(nóng)業(yè)試驗設(shè)計與統(tǒng)計分析[M]. 北京：農(nóng)村讀物出版社，1993：490-547.

[10] 梁運江，依艷麗，尹英敏，等. 水肥耦合效應(yīng)對辣椒產(chǎn)量影響初探[J]. 土壤通報，2003，34（4）：262-266.endprint

2.2 模型解析

2.2.1 直觀解析

根據(jù)正交旋轉(zhuǎn)回歸試驗設(shè)計的原理，各偏回歸平方和的大小反映了該變異因子對試驗結(jié)果的影響程度，偏回歸系數(shù)的正負(fù)則表示該項變異來源對試驗結(jié)果的影響是正效應(yīng)還是負(fù)效應(yīng)?；貧w方程式（2）中，降水量X1和X12均是正效應(yīng)，且一次項的偏回歸平方和最大，說明降水量對試驗結(jié)果的影響最為顯著，是濕澇的主要影響因子。表2中試驗號5、6的結(jié)果也說明了這一點，當(dāng)降水量同樣是450 mm時，降水天數(shù)為4.586 d時死苗率為90%，降水天數(shù)為7.414 d時死苗率為42%，說明當(dāng)降水量達(dá)到一定量時，降水天數(shù)越少，田間越易積水，由于土壤水分過飽和而造成番茄出現(xiàn)濕澇危害。降水天數(shù)一次項X2是負(fù)效應(yīng)，但二次項X22 是正效應(yīng)，說明天數(shù)較少的連續(xù)性降水不會產(chǎn)生濕澇，只有當(dāng)降水天數(shù)增加到一定量才會出現(xiàn)濕澇。

2.2.2 單因子的主效應(yīng)分析

對二元二次方程[式（2）]進(jìn)行降維，得到各因子與死苗率的二次函數(shù)，見式（3）、（4）。

YX1=55.31+28.24X1+5.4X12（3）

YX2=55.31-11.73X2+7.19X22（4）

根據(jù)降維方程，作出各因子與死苗率的關(guān)系曲線（圖1）。

從圖1中可見，YX1（降水量）曲線的斜率為正值，說明隨著降水量的增加，即當(dāng)日降雨量較大時，積水成澇而造成死苗的幾率加大。YX2（降水天數(shù)）曲線的斜率從-1.414至1水平均為負(fù)值，即降水天數(shù)較少且降水總量不多的情況下，死苗率并沒有隨著降水天數(shù)的增多而加大，但當(dāng)X2等于1至1.414水平時，YX2曲線的斜率變?yōu)檎?，降水天?shù)達(dá)到7 d及以上時，即持續(xù)降雨的情況下，隨著降水天數(shù)的增多，死苗率隨之增大。

2.2.3 邊際效應(yīng)分析

由回歸方程分別求出Y對X1、X2的偏導(dǎo)數(shù)，見式（5）、（6），可分別得到降水量及降水天數(shù)對死苗率的邊際效應(yīng)模型和邊際死苗率曲線（圖2）。

邊際死苗率是反映因子對死苗率影響的變化速度。從式（5）、（6）可以看出，在本項試驗所設(shè)降水量和降水天數(shù)范圍內(nèi)（8 d之內(nèi)的降水過程），降水量均比邊際死苗率降水天數(shù)的大，說明大量強降水是造成濕澇災(zāi)害的關(guān)鍵。但從圖2中可以看出，降水天數(shù)的邊際死苗率曲線較降水量的上升快，說明當(dāng)降水天數(shù)增加到一定量時，降水天數(shù)的增加可能成為產(chǎn)生濕澇災(zāi)害的主導(dǎo)因子。

3 討論與結(jié)論

降水量越大，田間積水越多，并且積水時間也越長，土壤處于持續(xù)缺氧狀態(tài)的時間越長，番茄根系的生理障礙越嚴(yán)重，則番茄苗期濕澇危害越大。當(dāng)降水天數(shù)達(dá)到一定量時，隨著降水天數(shù)的增多，土壤濕度逐漸接近飽和直至過飽和狀態(tài)，土壤缺氧越來越嚴(yán)重，番茄產(chǎn)生根系生理障礙的情況逐漸加重，死苗率隨之增大。

目前，關(guān)于降水量及持續(xù)時間對冬種瓜菜苗期生長影響的研究較少，該研究旨在探討在溫室有限的空間內(nèi)，利用正交旋轉(zhuǎn)組合設(shè)計所得回歸方程精度高的特性，探討多因子導(dǎo)致濕澇的復(fù)雜關(guān)系。但本試驗所設(shè)降水過程偏短，今后將進(jìn)一步展開試驗，從而修正本模式。

參考文獻(xiàn)

[1] 唐永金，潘劍揚. 我國近年農(nóng)業(yè)氣象與農(nóng)業(yè)生物災(zāi)害的特點[J]. 自然災(zāi)害學(xué)報，2012，21（1）：26-30.

[2] 莫建飛，鐘仕全，陳燕麗，等. 廣西主要農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)警系統(tǒng)的開發(fā)與應(yīng)用[J]. 自然災(zāi)害學(xué)報，2013，22（2）：150-157.

[3] 李 真，梅淑芳，劉向蕾，等. 作物耐濕澇性研究進(jìn)展[J]. 湖北農(nóng)業(yè)科學(xué)，2009，48（11）：2 866-2 868.

[4] 王春乙，王石立，霍治國，等. 近10年來中國主要農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)警與評估技術(shù)研究進(jìn)展[J].氣象學(xué)報，2005，63（5）：659-666.

[5] 李 瓊，魏如檀，周小云，等. 近年來中國農(nóng)業(yè)氣象災(zāi)害研究的文獻(xiàn)分析[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39（22）：13 434-13 437.

[6] 金之慶，石春林. 江淮平原小麥漬害預(yù)警系統(tǒng)（WWWS）[J]. 作物學(xué)報，2006，32（10）：1 458-1 465.

[7] 張愛民，馬曉群，楊太明，等. 安徽省旱澇災(zāi)害及其對農(nóng)作物產(chǎn)量影響[J]. 應(yīng)用氣象學(xué)報，2007，18（5）：619-624.

[8] 陸忠艷，袁子鵬，陳艷秋，等. 基于風(fēng)險區(qū)劃的遼寧漬澇預(yù)報方法的改進(jìn)[J]. 安徽農(nóng)業(yè)科學(xué)，2010，38（5）：2 458-2 460 .

[9] 王福亭. 農(nóng)業(yè)試驗設(shè)計與統(tǒng)計分析[M]. 北京：農(nóng)村讀物出版社，1993：490-547.

[10] 梁運江，依艷麗，尹英敏，等. 水肥耦合效應(yīng)對辣椒產(chǎn)量影響初探[J]. 土壤通報，2003，34（4）：262-266.endprint

2.2 模型解析

2.2.1 直觀解析

根據(jù)正交旋轉(zhuǎn)回歸試驗設(shè)計的原理，各偏回歸平方和的大小反映了該變異因子對試驗結(jié)果的影響程度，偏回歸系數(shù)的正負(fù)則表示該項變異來源對試驗結(jié)果的影響是正效應(yīng)還是負(fù)效應(yīng)?；貧w方程式（2）中，降水量X1和X12均是正效應(yīng)，且一次項的偏回歸平方和最大，說明降水量對試驗結(jié)果的影響最為顯著，是濕澇的主要影響因子。表2中試驗號5、6的結(jié)果也說明了這一點，當(dāng)降水量同樣是450 mm時，降水天數(shù)為4.586 d時死苗率為90%，降水天數(shù)為7.414 d時死苗率為42%，說明當(dāng)降水量達(dá)到一定量時，降水天數(shù)越少，田間越易積水，由于土壤水分過飽和而造成番茄出現(xiàn)濕澇危害。降水天數(shù)一次項X2是負(fù)效應(yīng)，但二次項X22 是正效應(yīng)，說明天數(shù)較少的連續(xù)性降水不會產(chǎn)生濕澇，只有當(dāng)降水天數(shù)增加到一定量才會出現(xiàn)濕澇。

2.2.2 單因子的主效應(yīng)分析

對二元二次方程[式（2）]進(jìn)行降維，得到各因子與死苗率的二次函數(shù)，見式（3）、（4）。

YX1=55.31+28.24X1+5.4X12（3）

YX2=55.31-11.73X2+7.19X22（4）

根據(jù)降維方程，作出各因子與死苗率的關(guān)系曲線（圖1）。

從圖1中可見，YX1（降水量）曲線的斜率為正值，說明隨著降水量的增加，即當(dāng)日降雨量較大時，積水成澇而造成死苗的幾率加大。YX2（降水天數(shù)）曲線的斜率從-1.414至1水平均為負(fù)值，即降水天數(shù)較少且降水總量不多的情況下，死苗率并沒有隨著降水天數(shù)的增多而加大，但當(dāng)X2等于1至1.414水平時，YX2曲線的斜率變?yōu)檎担邓鞌?shù)達(dá)到7 d及以上時，即持續(xù)降雨的情況下，隨著降水天數(shù)的增多，死苗率隨之增大。

2.2.3 邊際效應(yīng)分析

由回歸方程分別求出Y對X1、X2的偏導(dǎo)數(shù)，見式（5）、（6），可分別得到降水量及降水天數(shù)對死苗率的邊際效應(yīng)模型和邊際死苗率曲線（圖2）。

邊際死苗率是反映因子對死苗率影響的變化速度。從式（5）、（6）可以看出，在本項試驗所設(shè)降水量和降水天數(shù)范圍內(nèi)（8 d之內(nèi)的降水過程），降水量均比邊際死苗率降水天數(shù)的大，說明大量強降水是造成濕澇災(zāi)害的關(guān)鍵。但從圖2中可以看出，降水天數(shù)的邊際死苗率曲線較降水量的上升快，說明當(dāng)降水天數(shù)增加到一定量時，降水天數(shù)的增加可能成為產(chǎn)生濕澇災(zāi)害的主導(dǎo)因子。

3 討論與結(jié)論

降水量越大，田間積水越多，并且積水時間也越長，土壤處于持續(xù)缺氧狀態(tài)的時間越長，番茄根系的生理障礙越嚴(yán)重，則番茄苗期濕澇危害越大。當(dāng)降水天數(shù)達(dá)到一定量時，隨著降水天數(shù)的增多，土壤濕度逐漸接近飽和直至過飽和狀態(tài)，土壤缺氧越來越嚴(yán)重，番茄產(chǎn)生根系生理障礙的情況逐漸加重，死苗率隨之增大。

目前，關(guān)于降水量及持續(xù)時間對冬種瓜菜苗期生長影響的研究較少，該研究旨在探討在溫室有限的空間內(nèi)，利用正交旋轉(zhuǎn)組合設(shè)計所得回歸方程精度高的特性，探討多因子導(dǎo)致濕澇的復(fù)雜關(guān)系。但本試驗所設(shè)降水過程偏短，今后將進(jìn)一步展開試驗，從而修正本模式。

參考文獻(xiàn)

[1] 唐永金，潘劍揚. 我國近年農(nóng)業(yè)氣象與農(nóng)業(yè)生物災(zāi)害的特點[J]. 自然災(zāi)害學(xué)報，2012，21（1）：26-30.

[2] 莫建飛，鐘仕全，陳燕麗，等. 廣西主要農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)警系統(tǒng)的開發(fā)與應(yīng)用[J]. 自然災(zāi)害學(xué)報，2013，22（2）：150-157.

[3] 李 真，梅淑芳，劉向蕾，等. 作物耐濕澇性研究進(jìn)展[J]. 湖北農(nóng)業(yè)科學(xué)，2009，48（11）：2 866-2 868.

[4] 王春乙，王石立，霍治國，等. 近10年來中國主要農(nóng)業(yè)氣象災(zāi)害監(jiān)測預(yù)警與評估技術(shù)研究進(jìn)展[J].氣象學(xué)報，2005，63（5）：659-666.

[5] 李 瓊，魏如檀，周小云，等. 近年來中國農(nóng)業(yè)氣象災(zāi)害研究的文獻(xiàn)分析[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39（22）：13 434-13 437.

[6] 金之慶，石春林. 江淮平原小麥漬害預(yù)警系統(tǒng)（WWWS）[J]. 作物學(xué)報，2006，32（10）：1 458-1 465.

[7] 張愛民，馬曉群，楊太明，等. 安徽省旱澇災(zāi)害及其對農(nóng)作物產(chǎn)量影響[J]. 應(yīng)用氣象學(xué)報，2007，18（5）：619-624.

[8] 陸忠艷，袁子鵬，陳艷秋，等. 基于風(fēng)險區(qū)劃的遼寧漬澇預(yù)報方法的改進(jìn)[J]. 安徽農(nóng)業(yè)科學(xué)，2010，38（5）：2 458-2 460 .

[9] 王福亭. 農(nóng)業(yè)試驗設(shè)計與統(tǒng)計分析[M]. 北京：農(nóng)村讀物出版社，1993：490-547.

[10] 梁運江，依艷麗，尹英敏，等. 水肥耦合效應(yīng)對辣椒產(chǎn)量影響初探[J]. 土壤通報，2003，34（4）：262-266.endprint