溫明霞 黃純楊 馬國勇 芶劍渝 崔紹秋 李又庭

摘 要 依據(jù)遵義地區(qū)煙葉主要化學成分數(shù)據(jù)，采用灰色關(guān)聯(lián)分析方法，分析影響煙葉主要化學成分的氣候因子。結(jié)果表明，煙葉化學成分指標與氣候因子存在相關(guān)性，尤其是與氣溫及其相關(guān)統(tǒng)計指標（≥20 ℃日數(shù)、積溫）的相關(guān)性較高，依托構(gòu)建的預測模型能夠開展煙葉質(zhì)量（化學成分）的業(yè)務(wù)化預測，精度較高，穩(wěn)定性較好。

關(guān)鍵詞 氣候;煙葉質(zhì)量;灰色預測理論;遵義煙區(qū)

中圖分類號：S572 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2022.09.007

收稿日期：2022-02-11

作者簡介：溫明霞（1985—），女，山西長治人，碩士，農(nóng)藝師，主要從事煙草生產(chǎn)技術(shù)推廣。

*為通信作者，E-mail：gllyt@sina.com。

煙葉的質(zhì)量在很大程度上決定著煙草的經(jīng)濟價值，而良好氣候環(huán)境條件是生產(chǎn)優(yōu)質(zhì)煙葉的基礎(chǔ)[1-2]。在影響煙葉質(zhì)量的眾多因素中，氣候是最活躍、可控性最差的因素。優(yōu)質(zhì)煙葉的地域分布與氣候條件密切相關(guān)，國內(nèi)外優(yōu)質(zhì)煙葉的產(chǎn)地均具有良好氣候環(huán)境條件，氣候條件的年際變化也影響著煙葉的質(zhì)量[3-4]。在一定時期內(nèi)，特定煙區(qū)的品種、種植政策、土壤、栽培技術(shù)、生產(chǎn)條件等變化不大，煙葉質(zhì)量的高低、品質(zhì)的好壞與氣候條件的年際變化關(guān)系更為密切[5]。歷史上一些典型的煙葉低質(zhì)年，除少數(shù)是受政策、品種、栽培措施的影響外，大多由不利氣候條件和氣象災害造成[6]。因此，研究煙葉質(zhì)量與氣候條件的關(guān)系，根據(jù)氣候統(tǒng)計分析和預測進行煙葉質(zhì)量預測，對于指導煙葉生產(chǎn)、增加稅收、行業(yè)提質(zhì)增效、煙農(nóng)降本增收具有重要意義。

迄今為止，不少學者對煙葉質(zhì)量與氣候條件的關(guān)系進行了多方面研究，但應(yīng)用數(shù)學模型對煙葉質(zhì)量進行研究的成果較少，還缺乏較為準確可靠的煙葉質(zhì)量與氣候因子之間的關(guān)系模型[7]。再加上許多氣象數(shù)據(jù)、煙葉質(zhì)量數(shù)據(jù)在實際操作中收集困難，時效性和準確性都達不到要求，實際工作中難以通過氣候因子預測煙葉質(zhì)量。隨著物聯(lián)網(wǎng)、現(xiàn)代氣象觀測、移動互聯(lián)網(wǎng)、精細化數(shù)值天氣預報與氣候預測等現(xiàn)代科學技術(shù)的發(fā)展，使及時采集、處理與統(tǒng)計分析煙葉生長氣象環(huán)境與煙葉生產(chǎn)數(shù)據(jù)，制作并提供氣候預測數(shù)據(jù)成為可能，為深入分析氣候與煙葉產(chǎn)量質(zhì)量關(guān)系模型、構(gòu)建基于氣候因子的煙葉質(zhì)量預測模型、業(yè)務(wù)化制作發(fā)布煙葉質(zhì)量預測奠定了基礎(chǔ)。

本文選取遵義煙區(qū)湄潭縣、綏陽縣、桐梓縣、余慶縣及正安縣5地煙葉質(zhì)量數(shù)據(jù)，依據(jù)總糖、還原糖、煙堿、糖堿比及鉀氯比5個煙葉化學指標數(shù)據(jù)和氣候統(tǒng)計數(shù)據(jù)，應(yīng)用灰色關(guān)聯(lián)度分析方法探討了影響遵義地區(qū)煙葉質(zhì)量的氣候因子，采用灰色系統(tǒng)理論構(gòu)建了基于氣候因子的煙葉質(zhì)量預測模型，并根據(jù)當年生長季氣候統(tǒng)計分析數(shù)據(jù)和氣候預測數(shù)據(jù)進行生長季月度煙葉質(zhì)量預測。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

煙葉質(zhì)量包括外觀質(zhì)量、物理特性、化學成分、評吸質(zhì)量及安全性等諸多方面，它們分別又由相互關(guān)聯(lián)的不同評價指標組成，這些指標都不同程度地直接或間接影響烤煙的質(zhì)量，各項質(zhì)量指標的平衡協(xié)調(diào)程度決定煙葉的工業(yè)使用價值[6-7]。其中，煙葉的化學成分主要反映煙葉的內(nèi)在質(zhì)量，其含量及比值直接影響煙葉質(zhì)量的優(yōu)劣，可以作為反映煙葉品質(zhì)的客觀標準。根據(jù)項目要求和質(zhì)量數(shù)據(jù)的實際情況，采用總糖、還原糖、煙堿、糖堿比及鉀氯比5個指標進行煙葉質(zhì)量的分析。

選取的氣候因子為不同生育期的平均溫度、降水量、積溫、日照時間、日平均溫度≥20 ℃日數(shù)、大田期日數(shù)等熱量、水分和光照指標;預測模型構(gòu)建選取的氣候因子為不同生育期平均氣溫、降水量。煙葉質(zhì)量預測氣候數(shù)據(jù)為當年生長季氣候統(tǒng)計數(shù)據(jù)（預測時間點以前）和氣候預測數(shù)據(jù)（預測時間點以后）。

1.2? 方法

1.2.1 影響煙葉質(zhì)量的氣候因子分析方法

影響煙葉質(zhì)量的氣候因子分析采用灰色關(guān)聯(lián)分析（Grey Relation Analysis，GRA）方法，該方法是根據(jù)因素之間發(fā)展趨勢的相似或相異程度，即灰色關(guān)聯(lián)度，作為衡量因素間關(guān)聯(lián)程度的一種方法[8]?；疑P(guān)聯(lián)度分析適用于有少量數(shù)據(jù)或者無規(guī)律的數(shù)據(jù)的影響因子分析。本文采用灰色關(guān)聯(lián)分析方法，分析影響各質(zhì)量指標的氣候因子并排序，綜合分析得到影響煙葉質(zhì)量的氣候因子及其排序。

灰色關(guān)聯(lián)度分析包括確定母序列和子序列、無量綱化處理、計算灰色關(guān)聯(lián)系數(shù)、計算指標關(guān)聯(lián)度及形成關(guān)聯(lián)序列等步驟。母序列（比較數(shù)列）是反映系統(tǒng)行為特征的數(shù)據(jù)序列，子序列（參考數(shù)列）是影響系統(tǒng)行為的因素組成的數(shù)據(jù)序列，也就是需要確立順序的因素序列。無量綱化處理是為了使不同的影響因子具有可比性，本文采用區(qū)間化法進行。關(guān)聯(lián)系數(shù)是描述比較數(shù)列與參考數(shù)列在某時刻的關(guān)聯(lián)程度的一種指標，把各個時刻的關(guān)聯(lián)系數(shù)集中為一個平均值，得到關(guān)聯(lián)度，以反映兩個數(shù)列的關(guān)聯(lián)程度，根據(jù)關(guān)聯(lián)度排序確定影響因子的影響程度。

1.2.2 煙葉質(zhì)量預測模型構(gòu)建

基于歷年煙葉質(zhì)量和生育期氣溫、降水統(tǒng)計值，采用多變量灰色GM（0，N）模型建模方法，構(gòu)建煙葉質(zhì)量（某個化學成分）預測模型，為實施煙葉質(zhì)量預測奠定基礎(chǔ)。多變量灰色預測模型的算法步驟如下。

1）計算相關(guān)因素序列1-AGO、緊鄰均值數(shù)列。輸入原始序列X（0），對其進行累加生成序列X（1），即1-AGO序列，并在1-AGO序列的基礎(chǔ)上生成緊鄰均值數(shù)列。

假定原始序列（即系統(tǒng)特征數(shù)據(jù)序列）為：

[X01=X011，X（0）12，…，X01n]? ? ? （1）

相關(guān)因素序列1-AGO為：

[X02=X021，X022，…，X02n]? ? ? （2）

……

[X0N=X0N1，X0N2，…，X0Nn]? ? ? （3）

令[i=1，2，…，N]的1-AGO序列為[X1i]，其中：

[X1ik= k=1nX0ik，? i=1，2，…，N]? ? ?（4）

生成的緊鄰均值數(shù)列：

[Z1ik=12X11k+X11k-1， k=2，3，…，n]? ? ?（5）

2）計算數(shù)據(jù)矩陣B及數(shù)據(jù)向量Y。GM（0，N）模型為：

[X11k=a+i=2NbiX1ik]? ? （6）

（6）式中：a為發(fā)展系數(shù)，bi為驅(qū)動系數(shù)，[biX1ik]為驅(qū)動項。

引入矩陣向量記號：

[B=x122x132…x1N2x123x133…x1N3????x12Nx13N…x1NN， Y=x112x113?x11N]? ?（7）

3）計算模型參數(shù)。模型參數(shù)（發(fā)展系數(shù)a、驅(qū)動系數(shù)b）的計算采用最小二乘法。參數(shù)列[u=[a，b2，b3，…，bN]T]的最小二乘估計為：

[u=BTB-1BTY]? ? （8）

4）計算模型的擬合值或預測值。根據(jù)模型參數(shù)，得到GM（0，N）模型，導出煙葉質(zhì)量預測模型;根據(jù)模型計算擬合值或預測值。

5）計算殘差及相對誤差，進行誤差分析。殘差=實際數(shù)據(jù)-模擬數(shù)據(jù)，即：

[Ek=x0k-x0k]? ? ? ? （9）

相對誤差為：

[Qk=Ekx0k×100%， k=2，3，…，N] （10）

1.2.3 煙葉質(zhì)量預測

1.2.3.1 煙葉化學成分預測

在煙葉生長關(guān)鍵時期（4—9月），依據(jù)當年生長季氣候統(tǒng)計數(shù)據(jù)、氣候預測數(shù)據(jù)，應(yīng)用各化學成分預測模型，按月制作發(fā)布煙葉質(zhì)量（總糖、還原糖、煙堿、糖堿比和鉀氯比）預測信息，并計算劃定煙葉質(zhì)量收益年型。

根據(jù)煙葉的總糖、還原糖、煙堿、糖堿比、鉀氯比及其適宜程度，統(tǒng)計分析各指標歷年的變化情況，按照協(xié)調(diào)、較協(xié)調(diào)、欠協(xié)調(diào)3檔，制定煙葉質(zhì)量收益年型劃分標準。

1.2.3.2 煙葉質(zhì)量收益年型劃分

對各指標測量結(jié)果進行無量綱化處理，對上部、中部、下部取平均值為相應(yīng)指標的無量綱化值;再根據(jù)無量綱化值進行賦值，并轉(zhuǎn)化為百分制得分。

由于質(zhì)量化學成分指標屬于區(qū)間型指標（某個范圍內(nèi)較適宜），無量綱化處理采用區(qū)間化法，指標處于適宜范圍時，無量綱化值為1，偏差最大時無量綱化值為0，其余無量綱化值處于0～1。某化學指標得分為無量綱化值×100。

參照《貴州省遵義市烤煙種植區(qū)劃》等研究成果，化學成分綜合得分為5個指標的加權(quán)得分[9-10]，總糖、還原糖、煙堿、糖堿比和鉀氯比的加權(quán)系數(shù)分別為0.12、0.19、0.22、0.33和0.14。根據(jù)綜合得分，按照表1的標準確定質(zhì)量收益年型。

2 結(jié)果與分析

2.1 影響煙葉質(zhì)量的氣候因子

總體而言，煙葉化學成分指標與氣候因子存在相關(guān)性（灰色關(guān)聯(lián)度大于0.5），只有2個站個別化學指標與特定時期的降水量不存在相關(guān)性（灰色關(guān)聯(lián)度小于0.5）。其中，煙葉化學成分與氣溫及其相關(guān)指標（成熟期≥20 ℃日數(shù)、積溫）的相關(guān)性較高，與降水量的相關(guān)性較低，與日照時間的相關(guān)性也不是很高。此外，各站氣候因子關(guān)聯(lián)排序并不完全相同，但總體趨勢基本一致，見表2。

2.2 煙葉質(zhì)量預測模型

依據(jù)歷史煙葉質(zhì)量與生育期氣溫、降水統(tǒng)計值，采用多變量灰色GM（0，N）模型建模方法進行建模。相關(guān)氣象數(shù)據(jù)序列中，P表示降水量、T表示氣溫、數(shù)字表示月份，如P45代表4—5月降水量、T6代表6月平均氣溫。

2.2.1? 桐梓縣

總糖預測模型為：

[X01k=1.646 6X02k+0.008 9X03k]? ? ? ?（11）

（11）式中：[X02k]、[X03k]分別對應(yīng)T45、P6數(shù)列。平均相對誤差為0.144%，殘差平方和為0.015 8。

還原糖預測模型為：

[X01k=1.529 2X02k-0.002 8X03k]? ? ? ?（12）

（12）式中：[X02k]、[X03k]分別對應(yīng)T45、P6數(shù)列。平均相對誤差為3.191%，殘差平方和為5.204 0。

煙堿預測模型為：

[X01k=0.180 4X02k-0.001 7X03k]? ? ? ?（13）

（13）式中：[X02k]、[X03k]分別對應(yīng)T45、P6數(shù)列。平均相對誤差為1.902%，殘差平方和為0.023 0。

糖堿比預測模型為：

[X01k=0.029 5X02k+0.843 7X03k]? ? ? ?（14）

（14）式中：[X02k]、[X03k]分別對應(yīng)P45、T78數(shù)列。平均相對誤差為2.346%，殘差平方和為0.662 5。

鉀氯比預測模型為：

[X01k=-0.017 1X02k+0.365 9X03k]? ? ? ?（15）

（15）式中：[X02k]、[X03k]分別對應(yīng)P45、T78數(shù)列。平均相對誤差為1.669%，殘差平方和為1.047 2。

2.2.2? 正安縣

總糖預測模型為：

[X01k=1.204 1X02k]? ? ? ?（16）

（16）式中：[X02k]對應(yīng)T6數(shù)列。平均相對誤差為0.278%，殘差平方和為0.028 5。

還原糖預測模型為：

[X01k=1.070 2X02k]? ? ? ?（17）

（17）式中：[X02k]對應(yīng)T6數(shù)列。平均相對誤差為4.408%，殘差平方和為5.017 2。

煙堿預測模型為：

[X01k=0.108 6X02k]? ? ? （18）

（18）式中：[X02k]對應(yīng)T78數(shù)列。平均相對誤差為0.663%，殘差平方和為0.001 4。

糖堿比預測模型為：

[X01k=0.568 6X02k]? ? ? ?（19）

（19）式中：[X02k]對應(yīng)T6數(shù)列。平均相對誤差為7.547%，殘差平方和為2.866 4。

鉀氯比預測模型為：

[X01k=0.014 1X02k]? ? ? ?（20）

（20）式中：[X02k]、[X03k]分別對應(yīng)T78數(shù)列。平均相對誤差為1.275%，殘差平方和為0.219 3。

2.2.3? 綏陽縣

總糖預測模型為：

[X01k=1.517 5X02k+0.008 9X03k]? ? ? ?（21）

（21）式中：[X02k]、[X03k]分別對應(yīng)T45、P6數(shù)列。平均相對誤差為0.688%，殘差平方和為0.305 7。

還原糖預測模型為：

[X01k=0.681 0X02k+0.021 7X03k]? ? ? ?（22）

（22）式中：[X02k]、[X03k]分別對應(yīng)T6、P79數(shù)列。平均相對誤差為0.112%，殘差平方和為0.005 8。

煙堿預測模型為：

[X01k=0.008 2X02k+0.033 9X03k]? ? ? ?（23）

（23）式中：[X02k]、[X03k]分別對應(yīng)P45、T79數(shù)列。平均相對誤差為2.121%，殘差平方和為0.029 5。

糖堿比預測模型為：

[X01k=0.529 2X02k+0.014 9X03k]? ? ? ?（24）

（24）式中：[X02k]、[X03k]分別對應(yīng)T45、P6數(shù)列。平均相對誤差為0.474%，殘差平方和為0.021 1。

鉀氯比預測模型為：

[X01k=-0.023 8X02k+0.490 6X03k]? ? ? ?（25）

（25）式中：[X02k]、[X03k]分別對應(yīng)P45、T79數(shù)列。平均相對誤差為0.014%，殘差平方和為0.000 0。

2.2.4? 湄潭縣

總糖預測模型為：

[X01k=-0.019 2X02k+1.322 5X03k+? ? ? ? ? ? ? ? ? ? ? ? ? ? 0.009 6X04k]? ? ? ?（26）

（26）式中：[X02k]、[X03k]、[X04k]分別對應(yīng)P45、T6、P78數(shù)列。平均相對誤差為0.474%，殘差平方和為0.280 4。

還原糖預測模型為：

[X01k=-0.029 3X02k+1.081 2X03k+? ? ? ? ? ? ? ? ? ? ? ? ? ?0.020 8X04k]? ? ? ?（27）

（27）式中：[X02k]、[X03k]、[X04k]分別對應(yīng)P45、T6、P78數(shù)列。平均相對誤差為0.596%，殘差平方和為0.237 5。

煙堿預測模型為：

[X01k=-0.003 0X02k+0.111 7X03k+? ? ? ? ? ? ? ? ? ? ? ? ? ?0.002 7X04k]? ? ? ?（28）

（28）式中：[X02k]、[X03k]、[X04k]分別對應(yīng)P45、T6、P78數(shù)列。平均相對誤差為3.884%，殘差平方和為0.132 5。

糖堿比預測模型為：

[X01k=0.020 9X02k+0.413 0X03k-? ? ? ? ? ? ? ? ? ? ? ? ? ? 0.006 0X04k]? ? ? ?（29）

（29）式中：[X02k]、[X03k]、[X04k]分別對應(yīng)P45、T6、P78數(shù)列。平均相對誤差為0.191%，殘差平方和為0.008 8。

鉀氯比預測模型為：

[X01k=-0.009 4X02k-0.631 9X03k+? ? ? ? ? ? ? ? ? ? ? ? ? ? 0.868 7X04k]? ? ? ?（30）

（30）式中：[X02k]、[X03k]、[X04k]分別對應(yīng)P45、T6、T78數(shù)列。平均相對誤差為8.188%，殘差平方和為17.931 8。

2.2.5? 余慶縣

總糖預測模型為：

[X01k=1.600 5X02k-0.006 8X03k]? ? ? ?（31）

（31）式中：[X02k]、[X03k]分別對應(yīng)T45、P78數(shù)列。平均相對誤差為2.140%，殘差平方和為1.699 1。

還原糖預測模型為：

[X01k=1.358 8X02k-0.005 1X03k]? ? ? ?（32）

（32）式中：[X02k]、[X03k]分別對應(yīng)T45、P78數(shù)列。平均相對誤差為1.767%，殘差平方和為0.763 8。

煙堿預測模型為：

[X01k=0.100 7X02k+0.001 0X03k]? ? ? ?（33）

（33）式中：[X02k]、[X03k]分別對應(yīng)T6、P78數(shù)列。平均相對誤差為2.600%，殘差平方和為0.022 6。

糖堿比預測模型為：

[X01k=0.828 5X02k-0.010 0X03k]? ? ? ?（34）

（34）式中：[X02k]、[X03k]分別對應(yīng)T45、P78數(shù)列。平均相對誤差為3.295%，殘差平方和為0.651 7。

鉀氯比預測模型為：

[X01k=0.274 8X02k-0.003 0X03k]? ?   ?（35）

（35）式中：[X02k]、[X03k]分別對應(yīng)T45、P6數(shù)列。平均相對誤差為0.818%，殘差平方和為0.055 5。

2.3 煙葉質(zhì)量預測

根據(jù)2020年生長季氣候統(tǒng)計數(shù)據(jù)、氣候預測數(shù)據(jù)，應(yīng)用各地各化學成分預測模型，進行化學成分值預測，再根據(jù)化學成分預測值計算質(zhì)量綜合得分，按照質(zhì)量收益年型劃分標準確定質(zhì)量收益年型。各月預測結(jié)果見表3。從表格數(shù)據(jù)可知，2020年5個站點的收益年型均較好，無欠協(xié)調(diào)情況;桐梓縣各月的收益年型均為較協(xié)調(diào)，在5個站點中質(zhì)量最差;綏陽縣和余慶縣收益年型均為協(xié)調(diào)，在5個站點中質(zhì)量最好。

3 討論

各氣候因子對煙葉質(zhì)量的影響程度會因煙區(qū)不同而有所不同。在遵義煙區(qū)，各地氣候因子的影響程度（關(guān)聯(lián)排序）基本一致，氣溫及其相關(guān)指標（成熟期≥20 ℃日數(shù)、積溫）影響相對較高，降水、日照時間的影響相對較低。但這并不意味著降水、日照等其他因子對煙葉質(zhì)量的影響就小，只是反映了遵義煙區(qū)關(guān)鍵生育期內(nèi)降水、日照等相對較好地滿足煙葉生長的需要，年際變化相對較小。對其他煙區(qū)而言，氣候因子的影響程度可能不同于遵義煙區(qū)，影響最大的氣候因子可能為降水或日照時間。

煙葉質(zhì)量預測模型構(gòu)建應(yīng)用了氣溫、降水這2類氣候因子，是由現(xiàn)階段氣候預測的能力所決定的，其他氣候因子預測的效果目前并不理想，難以支撐煙葉質(zhì)量的業(yè)務(wù)化預測。由于煙葉質(zhì)量資料年限較短，只能采用灰色預測理論以構(gòu)建多變量灰色GM（0，N）模型。如果掌握較長時間序列數(shù)據(jù)，可運用多種方法建模，進行對比研究，構(gòu)建效果更為理想的煙葉質(zhì)量預測模型。

從2020年煙葉質(zhì)量預測效果看，模型的精度與穩(wěn)定性尚可，可用于業(yè)務(wù)化預測。但受基礎(chǔ)數(shù)據(jù)年限較短的影響，模型預測效果有待實踐的進一步檢驗，需要不斷進行模型的校驗和完善。

4 結(jié)論

本文以煙葉化學成分為切入點，分析了影響遵義煙區(qū)煙葉質(zhì)量的氣候因子，構(gòu)建了基于氣候因子的煙葉質(zhì)量預測模型，并對2020年生育期煙葉進行了業(yè)務(wù)化的質(zhì)量預測。結(jié)果表明，煙葉化學成分指標與氣候因子存在相關(guān)性，尤其是與氣溫及其相關(guān)統(tǒng)計指標（≥20 ℃日數(shù)、積溫）的相關(guān)性較高，依托構(gòu)建的預測模型能夠開展煙葉質(zhì)量（化學成分）的業(yè)務(wù)化預測，精度較高，穩(wěn)定性較好。今后，可在煙葉外觀質(zhì)量、物理特性、評吸質(zhì)量和安全性等方面進行相關(guān)研究，從而構(gòu)建全面的煙葉質(zhì)量預測模型，進行煙葉質(zhì)量預測。

參考文獻：

[1] 賀升華，任煒.烤煙氣象[M].昆明：云南科技出版社，2001.

[2] 彭新輝，易建華，周清明.氣候?qū)緹焹?nèi)在質(zhì)量的影響研究進展[J].中國煙草科學，2009，30（1）：68-72.

[3] 戴冕.我國主產(chǎn)煙區(qū)若干氣象因素與煙葉化學成分關(guān)系的研究[J].中國煙草學報，2000，6（1）：27-34.

[4] 石俊雄，陳雪，雷璐.生態(tài)因子對貴州煙葉主要化學成分的影響[J].中國煙草科學，2008，29（2）：18-22.

[5] 陳偉，王三根，唐遠駒，等.不同煙區(qū)烤煙化學成分的主導氣候影響因子分析[J].植物營養(yǎng)與肥料學報，2008，14（1）：144-150.

[6] 易建華，彭新輝，鄧小華，等.氣候和土壤及其互作對湖南烤煙還原糖、煙堿和總氮含量的影響[J].生態(tài)學報，2010，30（16）：4467-4475.

[7] 李東亮，馮廣林.灰色系統(tǒng)理論在煙草質(zhì)量評價中的應(yīng)用[M].北京：中國水利水電出版社，2013.

[8] 劉思峰.灰色系統(tǒng)理論及其應(yīng)用[M].8版.北京：科學出版社，2017.

[9] 貴州省遵義市烤煙種植區(qū)劃項目組.貴州省遵義市烤煙種植區(qū)劃[M].貴陽：貴州人民出版社，2015.

[10] 王彥亭，謝劍平，李志宏.中國煙草種植區(qū)劃[M].北京：科學出版社，2010.

（責任編輯：劉寧寧? 丁志祥）