胡安霞 田青 汪大林

摘要：為準(zhǔn)確預(yù)測油菜普花期，更有效地開展氣象服務(wù)，筆者選取安徽省宣城市1990—2019年油菜觀測資料和溫度、降水、日照等氣象資料，基于Mann-Kendall法，利用SPSS和Excel軟件對油菜普花期特征、普花期與氣象因子之間的關(guān)系進(jìn)行了分析研究。結(jié)果發(fā)現(xiàn)：宣城1990—2019年油菜普花期平均是3月20日，年際間變化較大，最早和最遲日期相差一個多月，總體上呈顯著提前趨勢，速率為2.7 d/10 a，2013年前后為突變開始時間。宣城油菜普花期與1、2月和整個冬季平均氣溫、≥3℃活動積溫均呈負(fù)顯著相關(guān)，與降水和日照的相關(guān)性不大?；诖耍弥鸩交貧w建立的油菜普花期預(yù)報模型，經(jīng)回代檢驗(yàn)，預(yù)測值最小誤差為0天，最大誤差為11天，效果總體較好。

關(guān)鍵詞：油菜；普花期；特征分析；預(yù)測；宣城

中圖分類號：S565.4文獻(xiàn)標(biāo)志碼：A論文編號：cjas2020-0159

Blooming Period of Rape in Xuancheng： Analysis and Prediction

HU Anxia， TIAN Qing， WANG Dalin

（Xuancheng Meteorological Bureau， Xuancheng 242000， Anhui， China）

Abstract： To accurately predict the blooming period of rape and carry out the meteorological service more effectively， the authors selected the temperature， precipitation， sunshine and other observation data of rape from 1990 to 2019 in Xuancheng of Anhui Province， and used SPSS and Excel software based on the MannKendall method， to analyze the relationship between common flowering characteristics and period with meteorological factors. The results showed that the average blooming period of rape in the past 30 years was March 20 in Xuancheng， the interannual variation changed significantly， the difference between the earliest and the latest date was more than one month， and the overall trend was ahead of time with a rate of 2.7 d/10 a. The start of the mutation was around 2013. The blooming period of rape in Xuancheng was significantly and negatively correlated with the average temperature in January， February and the whole winter， as well as the active accumulated temperature≥3℃， but it had little correlation with precipitation and sunshine. Based on the study， the prediction model of rape blooming period was established by stepwise regression. After a retrospective test， the minimum error of prediction value was 0 d， and the maximum error was 11 d， so the effect was generally good.

Keywords： Rape； Blooming Period； Feature Analysis； Prediction； Xuancheng

0引言

宣城境內(nèi)以油菜花為載體的鄉(xiāng)村游[1- 3]活動從2014年開始興起，然而，這種以油菜花為載體的鄉(xiāng)村游，除受農(nóng)業(yè)種植方式及油菜品種的影響外，還經(jīng)常會受天氣條件的制約，因此，對油菜開花特征及與氣象因子的關(guān)系進(jìn)行分析，進(jìn)而做好油菜花期預(yù)報，是很有現(xiàn)實(shí)意義的。

目前，有關(guān)作物花期預(yù)報的研究較多，鄔定榮等[4]利用內(nèi)部檢驗(yàn)和交叉驗(yàn)證（留一驗(yàn)證）方法，評價模型在模擬蘋果花期上的適用性。張愛英等[5]分別應(yīng)用國際通用的3種物候模型（SW模型、UniChill模型和統(tǒng)計模型）對北京地區(qū)玉淵潭公園杭州早櫻、密云農(nóng)業(yè)氣象試驗(yàn)站白玉蘭及頤和園山桃3種植物的始花期和盛花期建模，并評估模型適用性。趙洪杰等[6]把“中長期天氣預(yù)報產(chǎn)品”引入了花期預(yù)報。汪如良等[7]利用聚類分析、有效積溫法則及變異系數(shù)統(tǒng)計等方法，研究鄱陽湖旅游地區(qū)油菜花花期特征及其預(yù)報。豆青芳等[8]利用積溫學(xué)原理，研究利用播種、出苗、抽薹期預(yù)報門源縣油菜開花期的預(yù)報模型。姚日升等[9]利用歐洲中期天氣預(yù)報中心細(xì)網(wǎng)格資料的中期預(yù)報產(chǎn)品，采用BP神經(jīng)網(wǎng)絡(luò)，建立花期精細(xì)化預(yù)報模型。楊國棟等[10]提出了依據(jù)樹木芽生長量建立數(shù)學(xué)模型進(jìn)行花期預(yù)報的新方法。林晶等[11]采用逐步回歸方法建立了龍眼始花期預(yù)測模型。帥川等[12]利用回歸分析方法建立了井岡山映山紅開花期預(yù)報方程。王曉默等[13]采用逐步回歸法和積溫法建立桃花盛花期預(yù)報模式。蔡光輝等[14]運(yùn)用逐步回歸法和積溫法建立檸檬花期預(yù)報模式。但至今宣城尚無花期預(yù)報的研究，本研究旨在通過分析油菜花期特征與氣象條件的關(guān)系，建立開花期的預(yù)報模式，以期為當(dāng)?shù)卣陀嘘P(guān)部門提供更有效的氣象服務(wù)。

1資料與方法

1.1數(shù)據(jù)來源

本研究選用了1990—2019年30年的氣象資料、油菜觀測資料，其中，氣象資料來源于宣城國家一般氣象觀測站，油菜觀測資料來源于宣城市農(nóng)業(yè)氣象試驗(yàn)站。氣象資料包括平均氣溫、降水量、日照時數(shù)等。

1.2計算方法

本研究選擇油菜開花普遍期（簡稱“普花期”）為預(yù)測對象。鑒于宣城油菜的物候期，同時為了保證預(yù)報的時效性，建模時段選擇上一年12月至當(dāng)年2月。

采用Mann-Kendall法對油菜普花期的突變進(jìn)行檢驗(yàn)[15]。運(yùn)用SPSS和Excel軟件進(jìn)行相關(guān)分析和逐步回歸分析。

2結(jié)果與分析

2.1宣城油菜普花期特征分析

為方便起見，本研究將1990—2019年油菜普花期出現(xiàn)的日期轉(zhuǎn)化成距1月1日的實(shí)際天數(shù)，得到油菜普花期日序（詳見表1）。日序越小，普花期越早，日序越大，普花期越晚。

圖1為宣城1990—2019年油菜普花期日序變化趨勢。由表1、圖1可知，宣城油菜普花期年際變化很大，近30年平均普花期是3月20日（日序?yàn)?9），最早為3月8日（日序?yàn)?7），出現(xiàn)在2015、2019年，最遲為4月6日（日序?yàn)?6），出現(xiàn)在1996年，最早和最遲日相差一個多月。近30年普花期日序呈減少趨勢，也就是普花期呈提前趨勢，速率為2.7 d/10 a。從年代來看，1990—1999年平均日序?yàn)?1（即3月22日），2000—2009年平均日序?yàn)?9（即3月20日）、2010—2019年平均日序?yàn)?6（即3月17日）。

利用Mann-Kendall方法對普花期日序進(jìn)行趨勢檢驗(yàn)，Z值為-1.41，通過90%的顯著檢驗(yàn)，說明普花期提前趨勢明顯。

圖2是用Mann-Kendall方法對宣城油菜普花期日序進(jìn)行突變檢驗(yàn)圖。由圖2可知，油菜普花期日序于1992、1995、2002、2004、2007—2010、2014—2019年呈不顯著減小趨勢。UFK和UBK 2條曲線有交點(diǎn)，且交點(diǎn)在臨界線之間，說明交點(diǎn)對應(yīng)的時間2013年前后是突變開始的時間。

2.2宣城油菜普花期與氣象因子的關(guān)系

鑒于宣城油菜生育期的特性，本研究選用宣城市1990—2019年上一年12月至當(dāng)年2月（即冬季）的月平均氣溫、降水量、日照時數(shù)，并統(tǒng)計整個冬季的平均氣溫、總降水量、總?cè)照諘r數(shù)?？紤]到油菜發(fā)育的下限溫度（通常認(rèn)為3℃），故也統(tǒng)計了冬季及冬季各月活動積溫（≥3℃）作為因子。利用SPSS軟件求得普花期日序與上述氣象因子的相關(guān)系數(shù)，詳見表2。

由表2可知，油菜普花期日序與冬季及冬季各月的平均氣溫、活動積溫均呈負(fù)相關(guān)，除12月外，其他均通過0.01的顯著檢驗(yàn)，說明1、2月和整個冬季平均氣溫、活動積溫越大，普花期日序越小，普花期越早，反之，普花期越晚。油菜普花期日序與降水因子均呈負(fù)相關(guān)，但都不顯著。

油菜普花期與冬季氣溫相關(guān)性大，與降水和日照相關(guān)性較小。

2.3油菜普花期預(yù)報模型

2.3.1預(yù)報模型的建立由2.2的分析可知，宣城市油菜普花期日序與1月和2月平均氣溫、1月和2月活動積溫、冬季平均氣溫、冬季活動積溫等6個因子之間通過信度0.01顯著檢驗(yàn)，因此選擇上述6個因子作為預(yù)報因子，供建模使用。

利用SPSS軟件對普花期日序與上述6個因子做逐步回歸，最后得到預(yù)報方程，如式（1）所示。

表3是宣城油菜普花期預(yù)報的回歸方差分析。由表3可知，回歸平方和977.092，自由度1，均方977.092，F(xiàn)檢驗(yàn)值32.659，顯著性概率P值小于顯著性水平0.05，因此，認(rèn)為回歸系數(shù)不為0，即回歸方程是有效的。

表4是對回歸系數(shù)的分析結(jié)果。由表4可知，常數(shù)項(xiàng)非標(biāo)準(zhǔn)化回歸系數(shù)為113.488，標(biāo)準(zhǔn)誤差為6.152。冬季平均氣溫非標(biāo)準(zhǔn)化回歸系數(shù)為-7.157，標(biāo)準(zhǔn)誤差為1.252，標(biāo)準(zhǔn)化系數(shù)為-0.734。常數(shù)項(xiàng)與冬季平均氣溫的顯著性概率均小于0.05，與回歸方差分析結(jié)果一致，故認(rèn)為回歸系數(shù)有意義。從模型入選的因子看，冬季平均氣溫越高，油菜普花期日序越小，普花期越早，反之，普花期越晚。

2.3.2預(yù)報模型的檢驗(yàn)利用所建立的預(yù)報模型，對1990—2019年油菜普花期進(jìn)行擬合（見表5），油菜普花期年際變化較大，95%以上的變動都可用該模型來解釋，擬合度較高?；卮鷻z驗(yàn)結(jié)果表明，油菜普花期預(yù)測值最小誤差為0天，最大誤差為11天，70%的預(yù)測值誤差為5天，效果總體較好。

3結(jié)論與討論

筆者分析了安徽宣城1990—2019年油菜普花期變化特征。宣城近30年油菜普花期平均是3月20日，年際間變化較大，最早和最遲日期相差一個多月，總體上呈顯著提前趨勢，速率為2.7 d/10 a，2013年前后是突變開始的時間。

宣城油菜普花期日序與冬季平均氣溫、冬季活動積溫、1月平均氣溫、1月活動積溫、2月平均氣溫及2月活動積溫等6個因子均呈負(fù)顯著相關(guān)（通過0.01檢驗(yàn)），說明這6個因子越大，普花期日序越小、油菜普花期越早，反之，普花期越晚。

本研究用逐步回歸得出預(yù)報方程，經(jīng)方程回代檢驗(yàn)，油菜普花期預(yù)測值最小誤差為0天，最大誤差為11天，效果總體較好。但就實(shí)際需求而言，該預(yù)報精度還不夠，在今后的研究中，需要進(jìn)一步補(bǔ)充油菜品種、播種期、相對濕度、風(fēng)速等因子，建立新的預(yù)報模型，以提高預(yù)報精確度。

參考文獻(xiàn)

[1]徐孫權(quán).休閑農(nóng)業(yè)與鄉(xiāng)村旅游市場的擴(kuò)展路徑研究[J].現(xiàn)代營銷， 2019（11）：88-89.

[2]熊杰.國內(nèi)鄉(xiāng)村旅游發(fā)展研究綜述[J].鄉(xiāng)村科技，2019，28：12-15.

[3]趙越.新時代鄉(xiāng)村旅游再定位[J].合作經(jīng)濟(jì)與科技，2019，20：34-36.

[4]鄔定榮，霍治國，王培娟，等.陜西蘋果花期機(jī)理性預(yù)報模型的適用性評價[J].應(yīng)用氣象學(xué)報，2019（5）：555-564.

[5]張愛英，王煥炯，戴君虎，等.物候模型在北京觀賞植物開花期預(yù)測中的適用性[J].應(yīng)用氣象學(xué)報，2014，25（4）：483-492.

[6]趙洪杰，閆景東，陳廣瑞，等.積溫對比法在鴨梨始花期預(yù)報中的應(yīng)用[J].氣象科技，2019，47（5）：872-878.

[7]汪如良，鄧德文，郭瑞鴿，等.鄱陽湖旅游地區(qū)油菜花花期的分析研究[J].江西科學(xué)，2015，5：708-712.

[8]豆青芳，索生睿，鐘存，等.門源縣油菜花期預(yù)測研究[J].現(xiàn)代農(nóng)業(yè)科技，2019（7）：20-22.

[9]姚日升，涂小萍，丁燁毅，等.寧波桃樹花期預(yù)報方法[J].氣象科技， 2014，42（1）：180-186.

[10]楊國棟，張明慶，董建華，等.樹木花期的預(yù)報方法新探[J].首都師范大學(xué)學(xué)報：自然科學(xué)版，2000，21（1）：66-71.

[11]林晶，吳息，陳家金，等.福建省漳州地區(qū)龍眼始花期預(yù)測模型[J].生物技術(shù)世界，2014（4）：15-17.

[12]帥川，張伏秋.井岡山杜鵑花開花期預(yù)測[J].中國科技信息，2019， 20：51-52.

[13]王曉默，李憲光，董寧，等.濟(jì)寧桃花盛花期預(yù)報模式[J].農(nóng)學(xué)學(xué)報， 2014（12）：104-106.

[14]蔡光輝，劉亞希，熊衛(wèi)東.檸檬花期預(yù)報研究[J].北京農(nóng)業(yè)，2014（18）：70-71.

[15]張盛霖，鄧高燕，黃勇奇.Mann-Kendall檢驗(yàn)法在Excel中的實(shí)現(xiàn)與應(yīng)用[J].中國科技論文在線，http：//www.paper.edu.cn/html/ releasepaper/2014/06/448/.