何佳玥 劉俸霞 劉冬

摘 要 根據(jù)萬盛經(jīng)濟(jì)技術(shù)開發(fā)區(qū)2009—2018年氣象資料和2009—2018年茶葉產(chǎn)量資料，基于SPSS軟件對氣候因子與茶葉產(chǎn)量開展了關(guān)聯(lián)性探究，從氣溫、降水等102個(gè)氣候因子中篩選出8個(gè)相關(guān)性較高的因子，建立了多元回歸模型。利用此模型預(yù)測歷年茶葉產(chǎn)量，結(jié)果發(fā)現(xiàn)，茶葉預(yù)測產(chǎn)量與實(shí)際產(chǎn)量擬合較好，預(yù)測精度在91%～100%，平均精度為96%。此模型具有較高的精確度和可用性，可對茶葉產(chǎn)量進(jìn)行有效預(yù)報(bào)。

關(guān)鍵詞 茶葉產(chǎn)量;氣候條件;預(yù)測模型

中圖分類號：S571.1 文獻(xiàn)標(biāo)志碼：B DOI：10.19415/j.cnki.1673-890x.2020.33.096

萬盛經(jīng)濟(jì)技術(shù)開發(fā)區(qū)（以下簡稱萬盛經(jīng)開區(qū)）全年氣候溫和，年平均氣溫18.2 ℃，年平均降雨量1 271.1 mm，日照充足，無霜期長，年平均無霜期為340 d，全區(qū)森林覆蓋率高達(dá)53%，酸性或微酸性土壤占比大于90%，十分適宜茶樹生長。萬盛經(jīng)開區(qū)是茶葉生產(chǎn)老區(qū)，也是重慶最適宜的茶區(qū)之一，種茶文化歷史悠久，據(jù)史料記載，在明清時(shí)代就有種茶、販茶等茶事活動。

自2009年至今，萬盛經(jīng)開區(qū)茶葉總產(chǎn)量整體變化不大，最高產(chǎn)量為2009年850.0 kg·hm-2，最低產(chǎn)量為2014年的609.2 kg·hm-2。茶葉產(chǎn)量與氣象條件密切相關(guān)，建立茶葉產(chǎn)量預(yù)測模型可建立在研究二者相關(guān)性上。對氣候條件、茶葉產(chǎn)量相關(guān)性進(jìn)行綜合分析評估，能夠?yàn)槿f盛經(jīng)開區(qū)茶葉產(chǎn)業(yè)提供科學(xué)支撐。

1 資料來源

氣象資料和產(chǎn)量資料分別來源于萬盛經(jīng)開區(qū)氣象局和農(nóng)林局，包括萬盛經(jīng)開區(qū)2009—2018年的氣溫、地溫、降水量、相對濕度、日照時(shí)間、風(fēng)速、歷年茶葉總產(chǎn)量、茶葉采摘面積等。將茶葉單產(chǎn)數(shù)據(jù)與102個(gè)氣候因子進(jìn)行相關(guān)性分析，從而得到對茶葉產(chǎn)量影響較大的氣候因子，排除影響較小的氣候因子。

2 方法介紹

在長時(shí)間序列的作物產(chǎn)量與氣候因子關(guān)系的觀測統(tǒng)計(jì)研究中，通常把作物產(chǎn)量分解為趨勢產(chǎn)量、氣候產(chǎn)量和隨機(jī)誤差3部分[1]?？赏ㄟ^某種數(shù)學(xué)模型將趨勢產(chǎn)量和氣候產(chǎn)量區(qū)分開來，再進(jìn)一步分析氣候產(chǎn)量與氣候因子的關(guān)系。產(chǎn)量預(yù)測模型一般通式為：

式（1）中，Y為茶葉模擬產(chǎn)量，Yt為趨勢產(chǎn)量，Yw為氣候產(chǎn)量，ε為隨機(jī)誤差，可忽略不計(jì)，因此（1）式簡化為：

通過線性回歸分別建立趨勢產(chǎn)量預(yù)測方程和氣候產(chǎn)量預(yù)測方程，疊加得到茶葉產(chǎn)量預(yù)測模型。

3 建立茶葉產(chǎn)量預(yù)測模型

3.1 建立趨勢產(chǎn)量預(yù)測方程

趨勢產(chǎn)量的模擬方法較多，其中直線滑動平均法是較好的趨勢模擬方法[2-3]。通過直線滑動平均法將茶葉單產(chǎn)數(shù)據(jù)進(jìn)行5年滑動平均處理，可分離趨勢產(chǎn)量Yt和氣候產(chǎn)量Yw，樣本序列變?yōu)?010—2018年?；赟PSS軟件，將Yt作為因變量，將T作為自變量，進(jìn)行線性回歸分析[4]，結(jié)果見表1。

查F分布表可得，F(xiàn)?F0.05=4.96，說明回歸效果顯著。趨勢產(chǎn)量回歸方程可表述為：

Yt=-7.98T+16 777.55（3）

3.2 建立氣候產(chǎn)量預(yù)測方程

茶葉氣候產(chǎn)量由多種氣候因子的共同作用獲得，因此需要采用多元線性回歸分析模型進(jìn)行表達(dá)。篩選出影響氣候產(chǎn)量的主要?dú)夂蛞蜃樱治鰵v年氣候產(chǎn)量與同期氣象數(shù)據(jù)的相關(guān)性。結(jié)果發(fā)現(xiàn)，氣候產(chǎn)量Yw與2月平均日照時(shí)間和11月平均日照時(shí)間等8個(gè)氣候因子之間存在顯著或極顯著的相關(guān)關(guān)系，見表2。

茶樹最適合在溫暖的環(huán)境中生長。茶芽適宜生長22～23 ℃氣溫且水分和空氣濕度條件相對適宜的環(huán)境下[5-6]。雖然茶樹喜溫，但夏季高溫仍顯著影響茶葉品質(zhì)及其產(chǎn)量。當(dāng)溫度>35 ℃時(shí)，茶樹新梢的生長率會驟降，溫度過高會削弱光合作用，增強(qiáng)呼吸作用，增加體內(nèi)有機(jī)質(zhì)的消耗，不利于干物質(zhì)的積累。萬盛經(jīng)開區(qū)夏季溫度高，光照強(qiáng)度大，茶樹幼苗由于葉片嫩，容易造成幼葉灼傷。此外，春茶采摘將帶走大量營養(yǎng)物質(zhì)及微量元素，體內(nèi)儲存的營養(yǎng)物質(zhì)將減少。由此可見高溫不利于茶樹積累養(yǎng)分，影響茶葉產(chǎn)量。從表2可看出，6月平均氣溫與茶葉產(chǎn)量表現(xiàn)為高度負(fù)相關(guān)，相關(guān)系數(shù)為-0.985，說明6月溫度越高則茶葉產(chǎn)量越低，而萬盛經(jīng)開區(qū)2009—2018年6月平均氣溫為22.4～27.9 ℃，氣溫適宜，茶芽生長速度較快。1月平均地面溫度與茶葉產(chǎn)量呈高度負(fù)相關(guān)，這是因?yàn)椴铇湓诙拘菝?。地面溫度越高，茶樹過早發(fā)芽的概率越高，易出現(xiàn)凍害，造成減產(chǎn)甚至絕收。

茶樹嫩枝中的水分含量非常高，占其重量的75%～80%。茶樹作為葉用作物，不斷補(bǔ)充水分能夠有效保障新芽不斷萌發(fā)采收，萬盛經(jīng)開區(qū)全年降水分布不均對茶葉產(chǎn)量影響很大。從表2可以看出，8月和9月平均降水量與茶葉產(chǎn)量呈高度負(fù)相關(guān)，相關(guān)系數(shù)分別為-0.997和-0.998，表明8月和9月平均降水量較多的年份茶葉產(chǎn)量較低。這是因?yàn)榻涤炅窟^大容易造成水土流失，影響茶葉生長。

茶樹是一種耐陰性植物，因?yàn)殚L期生長在森林的遮擋下，空氣的相對濕度比較高，從而形成對高濕度的偏愛。實(shí)驗(yàn)表明，在空氣和土壤水分充足的情況下，結(jié)合其他條件，茶葉光合作用強(qiáng)，蒸騰作用大大降低，有利于體內(nèi)水分的平衡和有機(jī)質(zhì)的積累。這樣茶芽變肥，鱗莖葉長，可以增加產(chǎn)量，提高茶葉品質(zhì)。從表2可以看出，5月平均相對濕度相關(guān)系數(shù)為0.961，11月平均相對濕度相關(guān)系數(shù)為0.952，均呈高度正相關(guān)，表明這兩個(gè)月的月平均相對濕度越高，茶葉產(chǎn)量越高。這是因?yàn)椴铇溥m合生長

在>80%濕度的空氣中，濕度越大，生長越旺盛，茶葉產(chǎn)量越顯著。干燥的空氣往往影響芽和葉的抽生，葉片容易衰老。茶樹在長期濕度不足的情況下，會產(chǎn)生大量的對夾葉，不利于品質(zhì)的提高。

茶樹原本生長在大森林中，為了適應(yīng)環(huán)境，其形成了耐陰性的特點(diǎn)，在弱光強(qiáng)度條件下鮮葉氨基酸含量高，有利于制成芳香可口的優(yōu)質(zhì)綠茶。在弱光下，茶樹鮮葉含有大量的葉綠素，能有效利用陽光中的藍(lán)紫光和紫外光。藍(lán)紫光能促進(jìn)植物體內(nèi)蛋白質(zhì)和氮含量的合成和積累，紫外線有利于芳香物質(zhì)的增加。在生長期，日照百分率<45%時(shí)，茶葉品質(zhì)較好;如果<40%，就更好。從表2可以看出，2月和11月的月平均日照時(shí)間與茶葉產(chǎn)量呈高度正相關(guān)，相關(guān)系數(shù)分別為0.985和0.997，表明2月和11月的月平均日照時(shí)間越高，茶葉產(chǎn)量越高。這是因?yàn)槎練鉁剌^低，需要更多的日照來滿足茶樹的熱量需求。

在確定了影響茶葉產(chǎn)量的主要?dú)夂蛞蜃雍?，進(jìn)行了線性回歸分析，結(jié)果見表3。

假設(shè)預(yù)測對象Yw與n個(gè)影響因素x1，x2，…，xn之間的線性關(guān)系為[7]：

將表2的系數(shù)b代入，得到預(yù)測方程：

4.12，表示回歸效果顯著。

3.3 建立茶葉產(chǎn)量預(yù)測方程

將（3）、（5）同時(shí)代入（2）中得到茶葉產(chǎn)量預(yù)測方程：

其中，T為年份，x1～x8分別為6月平均氣溫、1月平均地面溫度、8月平均降水量、9月平均降水量、5月平均相對濕度、11月平均相對濕度、2月平均日照時(shí)間和11月平均日照時(shí)間。

4 回歸效果檢驗(yàn)

將T、x1～x8分別代入預(yù)測方程，可得到模擬的茶葉產(chǎn)量（表4），并于實(shí)際產(chǎn)量進(jìn)行了比較。結(jié)果發(fā)現(xiàn)，茶葉預(yù)測產(chǎn)量與實(shí)際產(chǎn)量擬合較好，預(yù)測精度在91%～100%，平均精度為96%。

5 萬盛經(jīng)開區(qū)茶葉生產(chǎn)的不利氣候因素分析

5.1 冬季低溫雨雪災(zāi)害

冬季山區(qū)高海拔茶園常出現(xiàn)-5～0 ℃的低溫天氣，有時(shí)還伴有雨凇、雪淞，容易對茶樹造成凍害。有時(shí)冬天積雪會壓折茶樹樹干，影響下一年的產(chǎn)量。2009—2018年，萬盛經(jīng)開區(qū)共計(jì)出現(xiàn)4次降雪天氣過程，其中2011年1月19日下午至20日早晨，萬盛經(jīng)開區(qū)普降大雪或雨夾雪，海拔500 m以上地區(qū)出現(xiàn)6 cm以上積雪，900 m以上高海拔地區(qū)積雪在10 cm以上，茶葉受災(zāi)813.3 hm2、成災(zāi)354 hm2，此次低溫雨雪災(zāi)害過程對茶葉產(chǎn)量有一定影響。

5.2 干旱

重度干旱嚴(yán)重影響茶葉生產(chǎn)，當(dāng)土壤相對濕度<30%時(shí)，茶葉生長活動停滯，芽葉枯萎凋零，整株植物死亡，所以當(dāng)早上茶葉上沒有露水時(shí)說明茶園土壤含水量已跌到最低。萬盛經(jīng)開區(qū)2009—2018年共出現(xiàn)12次干旱天氣過程，僅2018年12月27日至2019年2月28日出現(xiàn)一次重度干旱，持續(xù)天數(shù)64 d，過程雨量僅為2.3 mm，但由于是冬旱故對茶葉生產(chǎn)影響較小。

5.3 春季低溫

茶樹在早春氣溫上升后開始萌芽，當(dāng)出現(xiàn)霜凍、倒春寒等異常天氣時(shí)，易造成凍害，給春季茶葉產(chǎn)量造成一定損失。萬盛經(jīng)開區(qū)2009—2018年春季共計(jì)出現(xiàn)9次特強(qiáng)降溫天氣過程、7次強(qiáng)降溫天氣過程，其中最強(qiáng)降溫天氣過程出現(xiàn)在2010年3月21—25日，過程降溫達(dá)13.8 ℃，出現(xiàn)春季低溫，給茶葉產(chǎn)量帶來一定的影響。

5.4 暴雨洪澇

4—10月是萬盛經(jīng)開區(qū)暴雨洪澇集中出現(xiàn)期，2009—2018年共計(jì)出現(xiàn)30次區(qū)域性暴雨天氣過程，最大過程雨量126.7 mm（2016年6月10日），達(dá)到大暴雨水平，對當(dāng)?shù)仄降睾蜕絽^(qū)茶葉生產(chǎn)造成很大危害。根部積水使茶樹新梢枯萎焦黃，葉子干枯脫落，根系變黑腐爛死亡。

5.5 高溫?zé)岷?/p>

當(dāng)溫度>35 ℃時(shí)，葉片蒸騰作用增強(qiáng)，地上部分所消耗水分遠(yuǎn)大于根系吸收部分，茶樹會焦斑、焦葉、頂芽、嫩莖萎縮、葉子枯萎，甚至死亡。2009—2018年萬盛經(jīng)開區(qū)均出現(xiàn)了>35 ℃的高溫天氣，除2015年外，均出現(xiàn)了>40 ℃的高溫天氣。2013年極端高溫達(dá)到42.3 ℃，對茶葉產(chǎn)量有一定影響。

6 結(jié)論

過去的研究使用各種模型來預(yù)測和分析玉米及其他作物的產(chǎn)量[8-13]。通過多元線性回歸方法建立的產(chǎn)量預(yù)測模型考慮了多種氣候因子對茶葉產(chǎn)量的影響，結(jié)果表明，該模型能夠比較準(zhǔn)確的預(yù)測茶葉產(chǎn)量，具有較高的準(zhǔn)確性和可用性，能夠有效預(yù)測茶葉產(chǎn)量。

參考文獻(xiàn)：

[1] 房世波.分離趨勢產(chǎn)量和氣候產(chǎn)量的方法探討[J].自然災(zāi)害學(xué)報(bào)，2011（6）：13-18.

[2] 姜會飛，廖樹華，丁誼，等.基于馬爾柯夫過程和概率分布特征的糧食產(chǎn)量預(yù)測[J].中國農(nóng)業(yè)氣象，2006，27（4）：269-272.

[3] 史印山，王玉珍，池俊成，等.河北平原氣候變化對冬小麥產(chǎn)量的影響[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào)，2008，16（6）：1444-1447.

[4] 袁立新，段修榮，余先超.用SPSS建立自貢水稻產(chǎn)量年景預(yù)測模型[J].四川氣象，2006（1）：31-33.

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

[6] 韓湘玲，曲曼麗.作物生態(tài)學(xué)[M].北京：氣象出版社，1991：241-246.

[7] 李秀珍，龐常詞.數(shù)學(xué)實(shí)驗(yàn)[M].北京：機(jī)械工業(yè)出版社，2008：201-251.

[8] 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)測中的應(yīng)用[J].河南農(nóng)業(yè)科學(xué)，2009（10）：46-49.

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

[10] 吳志付，劉道敏，陳久月.灰色系統(tǒng)理論預(yù)測農(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.

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

[12] 陳桂琴.應(yīng)用GM（1，1）模型預(yù)測滄州冬棗的種植面積及產(chǎn)量[J].河南農(nóng)業(yè)科學(xué)，2005（6）：74-76.

[13] 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[J].華北農(nóng)學(xué)報(bào)，2007（S1）：164-166.

（責(zé)任編輯：劉 昀）