馮敏玉, 孔 萍, 胡 萍, 陳曉磊, 吳風(fēng)雨, 廖南京

基于花前物候利用灰色關(guān)聯(lián)分析法建立油菜花期預(yù)報(bào)模型*

馮敏玉1, 孔 萍2**, 胡 萍3, 陳曉磊4, 吳風(fēng)雨3, 廖南京5

（1.江西省南昌市氣象局，南昌 330038；2.江西省生態(tài)氣象中心，南昌 330096；3. 江西省南昌縣氣象局，南昌 330200；4.安義縣氣象局，安義 330500；5.進(jìn)賢縣氣象局，進(jìn)賢 331700）

采用相關(guān)分析法確定與油菜始花期顯著相關(guān)的冬季氣候因子和用灰色關(guān)聯(lián)分析法確定與始花期關(guān)聯(lián)最大的花前物候期因子，分別建立多元回歸線性方程，并進(jìn)行回代檢驗(yàn)，以探索簡(jiǎn)便易操作的油菜始花期預(yù)測(cè)方法。利用均方根誤差（RMSE）和相對(duì)誤差（RE）對(duì)模型的模擬效果進(jìn)行評(píng)價(jià)。結(jié)果表明：（1）與油菜始花期顯著相關(guān)的冬季氣象因子為1月平均最低氣溫、2月平均最低氣溫和2月日照時(shí)數(shù)，相關(guān)系數(shù)分別為?0.404、?0.556和?0.478。三個(gè)自變量因子不存在共線性關(guān)系，建立的回歸模型具有統(tǒng)計(jì)學(xué)意義且通過(guò)顯著性檢驗(yàn)。（2）油菜花前各物候期以抽薹期和現(xiàn)蕾期與始花期關(guān)聯(lián)度大，相關(guān)系數(shù)分別為0.656和0.634。建立的回歸模型同樣具有統(tǒng)計(jì)學(xué)意義并通過(guò)顯著性檢驗(yàn)。（3）分別對(duì)兩種方法建立的模型進(jìn)行檢驗(yàn)與評(píng)價(jià)，回代檢驗(yàn)表明兩種方法建立的模型擬合精度總體上較接近?；跉夂蛞蜃拥哪Ｐ蚏MSE氣候因子為7.16，RE氣候因子為11.2%；基于物候因子的模型RMSE物候因子為6.50，RE物候因子為3.87%。皮爾遜相關(guān)分析表明，實(shí)際值與兩種方法擬合值的相關(guān)系數(shù)R物候因子和R氣候因子分別為0.738和0.658，均通過(guò)了0.01水平的顯著性檢驗(yàn)。R物候因子＞R氣候因子，綜合各項(xiàng)指標(biāo)分析認(rèn)為，灰色關(guān)聯(lián)分析法建立的模型預(yù)測(cè)油菜始花期比利用氣候因子建立的模型更可靠。

油菜；花期預(yù)報(bào)模型；相關(guān)分析法；灰色關(guān)聯(lián)分析法；物候期

賞油菜花是“賞花游”重要項(xiàng)目之一。近年來(lái)，隨著經(jīng)濟(jì)的發(fā)展，生活水平的提高，人們向往高質(zhì)量生活的需求越來(lái)越多。多地旅游部門把植物花期與旅游文化相結(jié)合開(kāi)展各種富有特色的旅游活動(dòng)，以助推旅游產(chǎn)業(yè)的發(fā)展和提升財(cái)政收入。因此，植物花期預(yù)測(cè)成了公眾旅游規(guī)劃、部門組織賞花慶典活動(dòng)的重要依據(jù)[1]。油菜屬經(jīng)濟(jì)作物，因其花瓣金黃，顏色艷麗奔放，極具觀賞價(jià)值。江西油菜花期一般在3?4月，持續(xù)時(shí)間30d以上?！敖鸹ā睅Щ盍肃l(xiāng)村經(jīng)濟(jì)，拉動(dòng)了地方旅游業(yè)的發(fā)展。近5a來(lái)，旅游業(yè)的發(fā)展拉動(dòng)經(jīng)濟(jì)效益明顯。2018年江西省崇義縣“綠水青山就是金山銀山”轉(zhuǎn)化的經(jīng)濟(jì)收入為22.77億元，是2013年的3.77倍[2]。

油菜菌核病是油菜生產(chǎn)中的最重要病害之一，嚴(yán)重影響油菜產(chǎn)量[3?4]。油菜進(jìn)入花期開(kāi)始，隨著一次分枝的生長(zhǎng)，田間郁閉度增大，通風(fēng)率下降，田間濕度大，是菌核病的高發(fā)期。始花期是開(kāi)展菌核病防治的關(guān)鍵期，研究表明，開(kāi)花前施藥2次防治菌核病的效果最好[5]。油菜始花期是油菜菌核病防治的關(guān)鍵期，始花期的預(yù)測(cè)即可為旅游管理部門提供規(guī)劃依據(jù)，也可為油菜種植戶和農(nóng)業(yè)部門開(kāi)展菌核病防治指導(dǎo)提供理論依據(jù)。因此，針對(duì)旅游管理工作和當(dāng)前油菜種植的迫切需求，很有必要提供更為簡(jiǎn)便的油菜花期預(yù)測(cè)方法。

目前國(guó)內(nèi)開(kāi)展油菜花期預(yù)測(cè)的研究大多基于氣象因子與油菜生育期的關(guān)系開(kāi)展花期預(yù)測(cè)，汪如良等利用有效積溫與花期的關(guān)系，建立了花期預(yù)測(cè)模型[6]；葉海龍等發(fā)現(xiàn)氣溫對(duì)油菜花期影響作用最顯著，利用月氣溫資料建立了盛花期的定期預(yù)測(cè)模式，在定期預(yù)測(cè)模型中引入始花期建立了不定期的預(yù)測(cè)模式[7]。李文靜等利用油菜發(fā)育數(shù)據(jù)和氣溫資料分析了油菜花期特征，并選擇0℃、5℃、10℃不同下限溫度分別計(jì)算積溫指標(biāo)建立花期預(yù)報(bào)模型[8]。楊利霞等利用花前期的積溫和降水量進(jìn)行了漢江地區(qū)油菜花期的預(yù)測(cè)，建立始花期的預(yù)測(cè)模型[9]。孔祥勝對(duì)湖口縣氣候變化對(duì)油菜花期的影響進(jìn)行了分析，并定性分析了不同發(fā)育期的氣候因子對(duì)花期的影響[10]。這類方法想要預(yù)測(cè)花期，必須有足夠的氣象觀測(cè)數(shù)據(jù)，但一般的景區(qū)或基層農(nóng)業(yè)部門，想要獲取相對(duì)完整的長(zhǎng)序列的氣象數(shù)據(jù)，或自行開(kāi)展長(zhǎng)序列氣象因素觀測(cè)，或必須從氣象部門獲取，都存在一定的難度。

研究表明，對(duì)同一植物而言，各物候期的發(fā)生順序是穩(wěn)定的，前后物候期之間具有一定的相關(guān)性[11]。利用物候?qū)W的順序規(guī)律同樣可以用來(lái)預(yù)測(cè)花期。張玲等依據(jù)物候現(xiàn)象的順序相關(guān)規(guī)律，采用回歸分析法，分別建立了牡丹和春季觀花樹(shù)木的花期預(yù)報(bào)模型[12?13]。本研究通過(guò)利用氣候因子與始花期、花前物候期與始花期資料，分別通過(guò)相關(guān)分析法和灰色關(guān)聯(lián)分析法確定建模因子，通過(guò)多元回歸分析建立花期多元預(yù)測(cè)模型，并對(duì)兩種模型進(jìn)行比對(duì)，以探究既能相對(duì)準(zhǔn)確預(yù)測(cè)始花日期，且操作簡(jiǎn)便可行的方法，為農(nóng)業(yè)部門和旅游管理部門提供服務(wù)。

1 資料與方法

1.1 數(shù)據(jù)及其來(lái)源

油菜觀測(cè)資料來(lái)源于南昌農(nóng)業(yè)氣象試驗(yàn)站19812020年油菜生育期觀測(cè)資料，從移栽開(kāi)始，油菜普遍開(kāi)花前的主要物候期包括成活期、現(xiàn)蕾期和抽薹期。物候期觀測(cè)嚴(yán)格按照農(nóng)業(yè)氣象觀測(cè)規(guī)范進(jìn)行。發(fā)育期的確定為當(dāng)觀測(cè)植株上出現(xiàn)某一發(fā)育期特征時(shí)，即為該個(gè)體進(jìn)入某一發(fā)育期，當(dāng)觀測(cè)總株數(shù)中進(jìn)入發(fā)育期株數(shù)的百分比第一次≥10%時(shí)為發(fā)育始期，≥50%時(shí)為發(fā)育普期，≥80%時(shí)為末期。油菜移栽期為移栽的日期，油菜現(xiàn)蕾期的發(fā)育期標(biāo)準(zhǔn)為植株頂部出現(xiàn)花苞（通常要撥開(kāi)幼葉檢查）；抽薹期的發(fā)育期標(biāo)準(zhǔn)為主莖伸長(zhǎng)，抽薹2cm時(shí)；開(kāi)花期的標(biāo)準(zhǔn)為主序上有花朵開(kāi)放[14]。為了與實(shí)際生產(chǎn)應(yīng)用相結(jié)合，取油菜始花期即發(fā)育期百分率為10%的日期作為預(yù)測(cè)因變量。現(xiàn)蕾期和抽薹期均為發(fā)育期百分率為50%的發(fā)育普期作為自變量。

氣象資料來(lái)源于江西省南昌市氣象局。油菜是越冬作物，對(duì)花期影響最大的氣候因子主要是越冬期氣候條件。利用南昌國(guó)家氣象觀測(cè)站歷年12月翌年2月逐日平均氣溫、最高氣溫、最低氣溫、降水量和日照時(shí)數(shù)觀測(cè)數(shù)據(jù)，并統(tǒng)計(jì)月平均值，統(tǒng)計(jì)年份為19802020年共41a。

1.2 基于花前物候的灰色關(guān)聯(lián)分析建模方法

灰色關(guān)聯(lián)分析方法是將因素之間發(fā)展趨勢(shì)的相似或相異程度作為衡量因素間關(guān)聯(lián)程度的一種方法。在系統(tǒng)發(fā)展過(guò)程中，若兩個(gè)因素變化的趨勢(shì)具有一致性，二者的關(guān)聯(lián)程度較高，反之則較低。以19812020年始花期為母序列，以同期花前物候中的現(xiàn)蕾期和抽薹期為系統(tǒng)影響因素子序列，計(jì)算母序列與各子序列之間的關(guān)聯(lián)度，根據(jù)關(guān)聯(lián)度相對(duì)大小判定其對(duì)各子序列因素的敏感程度，選取敏感程度相對(duì)較高的因子建立回歸方程。具體步驟為[15]

（1）將油菜各生育期日期換算成從播種日起始的日序，確定子母序列矩陣，即

式中，x11, … , x1n分別為19812020年歷年現(xiàn)蕾期日序，x21, … , x2n分別為歷年抽薹期日序，y為歷年始花的日序，n=40。

（2）對(duì)子母序列矩陣中數(shù)據(jù)進(jìn)行無(wú)量綱化處理。

為了去掉單位和量級(jí)對(duì)結(jié)果的影響，通過(guò)對(duì)數(shù)據(jù)進(jìn)行極差變換，達(dá)到數(shù)據(jù)無(wú)量綱化的效果。均值變換公式為

式中，i為生育期日序，j為年份序數(shù)。

（3）計(jì)算各子序列與母序列間關(guān)聯(lián)系數(shù)矩陣。

關(guān)聯(lián)系數(shù)矩陣r各因子為

式中，η為分辨率系數(shù)，η∈(0,1),一般取η=0.5。

（4）計(jì)算各子序列與母序列間關(guān)聯(lián)度。

式中，g為關(guān)聯(lián)度，g∈[0,1]。g與1的差值越小，說(shuō)明母序列對(duì)子序列越敏感；反之，越不敏感。n為計(jì)算關(guān)聯(lián)度時(shí)所選取影響因素的樣本數(shù)。

（5）選取關(guān)聯(lián)度較大的生育期作為始花期預(yù)測(cè)的因子，通過(guò)SPSS25軟件，利用逐步回歸的方法建立油菜始花期預(yù)測(cè)模型[16]。

1.3 基于氣候因子的逐步回歸分析建模方法

為了與灰色關(guān)聯(lián)分析方法進(jìn)行對(duì)比，評(píng)價(jià)不同方法建立模型的優(yōu)劣，優(yōu)化模型的普遍性和適用性，引入基于氣候因子的逐步回歸分析方法建立模型。逐步回歸分析法的步驟包括，對(duì)全部因素按其對(duì)y的影響程度大小（偏回歸平方的大?。?，從大到小依次逐個(gè)引入回歸方程；隨時(shí)對(duì)回歸方程當(dāng)時(shí)所含的全部變量進(jìn)行檢驗(yàn)，看其是否仍然顯著；在剩余的未選因素中，選出對(duì)y作用最大者，檢驗(yàn)其顯著性，如顯著則引入方程，不顯著者不引入。直至既沒(méi)有顯著因素可以引入，也沒(méi)有不顯著變量需要剔除為止。

1.4 模型評(píng)價(jià)

模型檢驗(yàn)通過(guò)內(nèi)部檢驗(yàn)進(jìn)行，即用全部觀測(cè)年份擬合出的參數(shù)模擬物候序列，得到內(nèi)部檢驗(yàn)序列[17]，采用均方根誤差（RMSE，Root Mean Squared Error）和相對(duì)誤差（RE，Relative Error）進(jìn)行模型模擬值和實(shí)測(cè)值的檢驗(yàn)，RMSE和RE值越小，表明模擬精度越高[18]。RMSE和RE的計(jì)算式為

式中，OBSi和SIMi分別為觀測(cè)值和擬合值，n為樣本量。

1.5 數(shù)據(jù)處理

氣候數(shù)據(jù)月平均值和累計(jì)值采用Excel軟件進(jìn)行統(tǒng)計(jì)，生育期與氣候因子的相關(guān)系數(shù)、始花期與花前生育期的關(guān)聯(lián)度均采用Excel軟件計(jì)算，多元回歸分析采用SPSS25.0。

2 結(jié)果與分析

2.1 基于氣候因子的油菜花期預(yù)測(cè)模型

2.1.1 影響因子選擇

選取始花前期12月、1月和2月各月平均日最低氣溫、月日照時(shí)數(shù)、月降水量因子與油菜始花期日序進(jìn)行相關(guān)分析。由表1可以看出，油菜始花期與12月最低氣溫均呈負(fù)相關(guān)但不顯著；與1月平均最低氣溫、2月平均最低氣溫和2月日照時(shí)數(shù)呈顯著負(fù)相關(guān)，相關(guān)系數(shù)分別為0.404、0.556和0.478，查T界值表，均通過(guò)了0.01水平的顯著性檢驗(yàn)，相關(guān)系數(shù)有統(tǒng)計(jì)學(xué)意義。說(shuō)明冬季氣溫越高，各物候期的日序值越小，物候期越提前。

2.1.2 模型構(gòu)建

選擇顯著相關(guān)的1月平均最低氣溫（X1）、2月平均最低氣溫(X2)和2月日照時(shí)數(shù)(X3)與始花期年日序(Y，以1月1日為1)進(jìn)行逐步回歸分析，對(duì)模型進(jìn)行檢驗(yàn)。表2、表3分別是對(duì)模型中各個(gè)系數(shù)檢驗(yàn)的結(jié)果和各自變量之間的共線性診斷結(jié)果。由表可知，X1、X2和X3的方差擴(kuò)大因子(VIF)均小于10，條件指數(shù)也在0～10之間，特征根均不等于0，說(shuō)明各自變量之間不存在多重共線性，可以建立多元回歸方程（9）。

表4是對(duì)擬合的模型進(jìn)行方差分析檢驗(yàn)的結(jié)果。由表可知，所擬合的回歸模型F值為8.593，查F界值表，F(xiàn)值>Fa=0.05(3,36)=2.87，P<0.01說(shuō)明回歸方程具有統(tǒng)計(jì)學(xué)意義，可以認(rèn)為Y1與X1、X2和X3之間具有直線回歸關(guān)系，即

Y1=82.4611.168X12.270X20.078X3

（R2=0.427，F(xiàn)=8.593, P=0.000） (9)

式中，Y1為1月1日至10%開(kāi)花（即始花期）的天數(shù)（d），X1為1月平均最低氣溫（℃），X2為2月平均最低氣溫（℃），X3為2月日照時(shí)數(shù)（h）。

表1 油菜始花期與花前主要?dú)庀笠氐南嚓P(guān)性分析（1981?2020年）

注：MT表示平均最低氣溫，SS表示日照時(shí)數(shù)，PP表示降水量。*、**分別代表P<0.05和P<0.01。

Note: MT is average of minimum temperature; SS is sunshine hours; PP is precipitation.*is P<0.05，**is P<0.01.

表2 模型的系數(shù)檢驗(yàn)結(jié)果

表3 自變量之間的多重共線性診斷結(jié)果

表4 模型的方差分析檢驗(yàn)結(jié)果

2.1.3 模型回代檢驗(yàn)

把建模年份的3個(gè)氣象因子代入模型，計(jì)算得出擬合值，并將擬合值與實(shí)際觀測(cè)值始花日序差值的絕對(duì)值占實(shí)際日序平均值的百分比作為擬合精度。由表5可見(jiàn)，模型回代準(zhǔn)確率平均為90.8%，最大值為100%，最小值為73.3%。40a中預(yù)測(cè)誤差超過(guò)10d的有5a，占比12.5%；6～10d的年份有8a，占比20%；0～5d的有27a，占比67.5%。

分析實(shí)際始花期發(fā)現(xiàn)，40a中油菜的平均始花期在3月1日，始花期最早出現(xiàn)在2月6日（2015年），最晚出現(xiàn)在2000年3月16日。從擬合精度可以看出，1986年、1987年、1993年和2015年實(shí)測(cè)值與擬合值的擬合精度均偏低，只有75%左右?？赡茉蚴墙Ｒ蜃佑玫氖?月平均最低氣溫和日照時(shí)數(shù)，實(shí)際油菜的始花期出現(xiàn)在2月上、中旬，并未受到2月后半月氣象因素的影響，導(dǎo)致誤差偏大。2000年由于冬季前期降水偏少，旱情影響油菜生長(zhǎng)發(fā)育導(dǎo)致油菜苗情差，生育受阻，開(kāi)花期延遲；2012年2月長(zhǎng)期持續(xù)陰雨天氣導(dǎo)致油菜生長(zhǎng)受阻，生育期延長(zhǎng)，花期延遲。

表5 油菜始花期（月?日）與氣象要素模型的回代檢驗(yàn)（1981?2020年）

2.2 基于花前物候期的花期預(yù)測(cè)模型

2.2.1 影響因子選擇

分別計(jì)算油菜始花期、抽薹期、現(xiàn)蕾期、移栽期與播種期的間隔日數(shù)（表6）。利用灰色關(guān)聯(lián)分析法計(jì)算油菜始花期與現(xiàn)蕾期、抽薹期和移栽期的關(guān)聯(lián)度分別為0.656、0.634、0.280。關(guān)聯(lián)度越大的序列與母序列的關(guān)系越密切，關(guān)聯(lián)度越小的序列與母序列關(guān)系越疏遠(yuǎn)。根據(jù)關(guān)聯(lián)分析原理，說(shuō)明始花期與抽薹期、現(xiàn)蕾期的關(guān)系密切，故將抽薹期和現(xiàn)蕾期作為自變量預(yù)測(cè)油菜始花期。

2.2.2 模型構(gòu)建

利用SPSS25軟件對(duì)40a內(nèi)油菜觀測(cè)數(shù)據(jù)進(jìn)行二元回歸分析，對(duì)油菜始花期建立預(yù)測(cè)模型，即

Y2=63.089+0.448X4+0.242X5

（R2=0.453，F(xiàn)=17.161, P=0.000） (10)

式中，Y2、X4和X5分別為始花期、抽薹普期和現(xiàn)蕾普期日序（以播種期為1）。R2=0.481，調(diào)整后的R2=0.453。查F界值表，F(xiàn)值>Fa=0.05（2,37）=3.24，P＜0.01（表7），說(shuō)明回歸方程具有統(tǒng)計(jì)學(xué)意義。可以認(rèn)為油菜始花期與現(xiàn)蕾期、抽薹期有多元線性關(guān)系，建立的物候模型能夠?qū)τ筒耸蓟ㄆ谶M(jìn)行預(yù)測(cè)。

2.2.3 模型回代檢驗(yàn)

利用所建立的回歸模型，對(duì)40a擬合結(jié)果與實(shí)際觀測(cè)日期進(jìn)行回代性檢驗(yàn)。把建模年份的2個(gè)花前物候期代入模型中，計(jì)算得出擬合值。為了與氣候因子模擬的精度進(jìn)行比對(duì)，將擬合值轉(zhuǎn)化為實(shí)際日期后，進(jìn)一步轉(zhuǎn)換成從1月1日開(kāi)始的日序，計(jì)算擬合精度。由表8可見(jiàn)，模型回代準(zhǔn)確率平均為91.0%，最大值為100%，最小值為76.7%。40a中預(yù)測(cè)誤差超過(guò)10d的有3a，占比7.5%；6～10d的年份有15a，占比37.5%；0～5d的有23a，占比57.5%。

表6 1981-2020年油菜始花期、抽薹期、現(xiàn)蕾期和移栽期距播種期的日數(shù)（d）

表7 油菜始花期與花前物候期線性回歸模型的方差分析檢驗(yàn)結(jié)果

表8 油菜始花期與花前物候期預(yù)報(bào)模型擬合精度檢驗(yàn)

2.3 對(duì)兩種模型的比較評(píng)價(jià)

對(duì)兩種建模方法的回代結(jié)果表5、表8中的誤差天數(shù)和擬合精度進(jìn)行分析，結(jié)果表明，兩種方法所建模型的擬合精度總體上較接近。其中基于氣候因子的模型回代準(zhǔn)確率平均為90.8%，40a中預(yù)測(cè)誤差超過(guò)10d的有5a，占比12.5%；6～10d的年份有8a，占比20%；0～5d的有27a，占比67.5%?；谖锖蛞蜃拥哪Ｐ突卮鷾?zhǔn)確率平均為91.0%，40a中預(yù)測(cè)誤差超過(guò)10d的有3a，占比7.5%；6～10d的年份有14a，占比35.0%；0～5d的有23a，占比57.5%。在誤差為0～5d、5～10d的年數(shù)中，氣候因子模型表現(xiàn)更優(yōu)，在誤差大于10d的年數(shù)中，以物候期作為自變量建立的模型更優(yōu)。

進(jìn)一步分析兩種方法的RMSE和RE表明，基于氣候因子的RMSE氣候因子為7.16，RE氣候因子為11.2%；基于物候因子的RMSE物候因子為6.50，RE物候因子為3.87%。

對(duì)兩種建模方法擬合值與實(shí)際觀測(cè)值年際變化的對(duì)比發(fā)現(xiàn)，實(shí)際值與擬合值年際變化均較大（圖1）。皮爾遜相關(guān)性分析表明，實(shí)際值與物候期擬合值的相關(guān)系數(shù)R物候因子為0.738，實(shí)際值與氣候因子擬合值的相關(guān)系數(shù)R氣候因子為0.658，兩者均通過(guò)了0.01水平的顯著性檢驗(yàn)，但R物候因子大于R氣候因子，說(shuō)明以物候期作為自變量建立的模型優(yōu)于以氣候因子作為自變量建立的模型。

油菜是邊開(kāi)花邊結(jié)莢的植物，主序先開(kāi)花，側(cè)枝后開(kāi)花，從始花到終花持續(xù)時(shí)長(zhǎng)超過(guò)30d。因此預(yù)測(cè)誤差范圍在1～5d基本屬于正常。綜合各項(xiàng)指標(biāo)分析認(rèn)為，灰色關(guān)聯(lián)分析法建立的模型比利用氣候因子建立模型更可靠。

3 結(jié)論與討論

3.1 結(jié)論

利用相關(guān)分析法和灰色關(guān)聯(lián)分析法提取顯著相關(guān)的氣候因子、物候期因子，分別建立以氣候因子和以物候期因子為自變量的油菜始花期預(yù)測(cè)模型，對(duì)模型進(jìn)行顯著性檢驗(yàn)和內(nèi)部檢驗(yàn)。結(jié)果表明，油菜始花期與1月、2月平均最低氣溫、2月日照時(shí)數(shù)存在多元線性關(guān)系；與現(xiàn)蕾期、抽薹期也存在多元線性關(guān)系。兩種方法建立的模型均通過(guò)0.01水平顯著性檢驗(yàn)，

分別計(jì)算兩個(gè)模型擬合結(jié)果與實(shí)際觀測(cè)值的RMSE和RE，基于氣候因子的RMSE為7.16，RE為11.2%；基于物候因子的RMSE為6.50，RE為3.87%。兩種建模方法擬合值與實(shí)際觀測(cè)值年際變化均較大，在0.01水平上均顯著相關(guān)。實(shí)際值與物候期擬合值的皮爾遜相關(guān)系數(shù)為0.738，大于實(shí)際值與氣候因子擬合值的皮爾遜相關(guān)系數(shù)（0.658）。綜合分析結(jié)果，灰色關(guān)聯(lián)分析法建立的模型比利用氣候因子建立模型更可靠。

3.2 討論

在油菜的實(shí)際生產(chǎn)中，由于播種期的不一致導(dǎo)致生育進(jìn)度略有差異，統(tǒng)一施藥防治效果會(huì)因生育進(jìn)度不一受影響。在花期的預(yù)測(cè)研究中，不管是一年生的草本還是多年生的木本植物，前人大多基于氣象因子與物候期的相關(guān)關(guān)系進(jìn)行研究[19?21]。而從前后相關(guān)的物候期進(jìn)行預(yù)測(cè)的模型鮮見(jiàn)。利用氣候因子建立的模型中，2月平均最低氣溫必須有實(shí)際的氣象觀測(cè)數(shù)據(jù)，要想獲取逐日觀測(cè)數(shù)據(jù)，有兩種方法，一種是從氣象部門獲取，另一種方法是進(jìn)行田間實(shí)測(cè)。后者工作量大，且時(shí)間較長(zhǎng)，觀測(cè)難度大，對(duì)于鎮(zhèn)村級(jí)的農(nóng)技人員來(lái)說(shuō)不容易操作。利用物候期的灰色關(guān)聯(lián)分析法只需記錄播種日期和掌握油菜生育期的觀測(cè)方法，通過(guò)觀測(cè)油菜的生育期，把相關(guān)的觀測(cè)數(shù)據(jù)代入物候模型中即可計(jì)算出油菜始花期的日序。

本研究基于灰色關(guān)聯(lián)分析方法選擇花前物候期作為建模因子建立油菜花期預(yù)測(cè)模型，與以氣象因素作為建模因子比，具有觀測(cè)簡(jiǎn)便、容易操作、計(jì)算方便的特征，在生產(chǎn)實(shí)踐和生活中更易接受，便于推廣。對(duì)旅游管理部門來(lái)說(shuō)，調(diào)查油菜的普遍播種日期比調(diào)查氣象因素簡(jiǎn)單方便，本研究結(jié)果同樣可為旅游管理部門合理安排鄉(xiāng)村特色旅游活動(dòng)提供決策依據(jù)。

近年來(lái)，隨著農(nóng)業(yè)生產(chǎn)技術(shù)的進(jìn)步，油菜的種植方式發(fā)生改變，大部分地區(qū)油菜種植都由移栽油菜改為直播油菜，油菜品種也在不斷更新。本研究的數(shù)據(jù)來(lái)源為移栽油菜的物候期數(shù)據(jù)，某種程度上會(huì)對(duì)直播油菜花期的預(yù)測(cè)結(jié)果產(chǎn)生偏移。根據(jù)直播油菜觀測(cè)數(shù)據(jù)對(duì)模型進(jìn)行進(jìn)一步修正，以適應(yīng)經(jīng)濟(jì)社會(huì)的發(fā)展，是以后研究的方向。

[1] 陶澤興,葛全勝,王煥炯,等.中國(guó)中東部植被景觀賞季節(jié)劃分的物候?qū)W基礎(chǔ)[J].地理學(xué)報(bào),2015,70(1):85-96.

Tao Z X,Ge Q S,Wang H J,et al.Phenological basis for determination of ornamental tourism season in China[J]. Acta Geographica Sinica,2015,70(1):86-95.(in Chinese)

[2] 李海東,馬偉波,高媛赟,等.生態(tài)環(huán)保扶貧減損增益和“綠水青山就是金山銀山”轉(zhuǎn)化研究[J].環(huán)境科學(xué)研究,2020, 33(12):2761-2770.

Li H D,Ma W B,Gao Y Y,et al.Eco-Environmental gains and conversion benefits of 'Lucid Waters and Lush Mountains are Invaluable Assets' in poverty alleviation field[J].Research of Environmental Sciences,2020,33(12) 2761-2770.(in Chinese).

[3] 陳建軍,洪海林.咸寧市油菜菌核病發(fā)生規(guī)律及防治技術(shù)[J].植物醫(yī)生,2016(9):57-59.

Chen J J,Hong H L.Occurrence regularity and control techniques ofin Xianning City[J]. Plant Doctor,2016(9):57-59.(in Chinese)

[4] 趙煜明.淺談?dòng)筒司瞬〉奈：胺乐蝃J].種子科技,2017,35(8):110.

Zhao Y M.Discussion on the harm and control ofin rape[J].Seed Science and Technology, 2017,35(8):110.(in Chinese)

[5] 朱友清,王會(huì)福.油菜菌核病防治適期研究[J].現(xiàn)代農(nóng)業(yè)科技,2012(2):151.

Zhu Y Q,Wang H F.Study on the optimal period for control of[J].Modern Agricultural Sciences and Technology,2012(2):151.(in Chinese)

[6] 汪如良,鄧德文,郭瑞鴿.鄱陽(yáng)湖旅游地區(qū)油菜花花期的分析研究[J].江西科學(xué),2015,33(5):708-712.

Wang R l,Deng D W,Guo R G,et al.Analysis of rape flower florescence in tourist area of poyang lake[J].Jiangxi Science,2015,33(5):708-712.(in Chinese)

[7] 葉海龍,吳海鎮(zhèn).氣象因子預(yù)測(cè)油菜盛花期的探討[J].浙江農(nóng)業(yè)科學(xué),2013(9):1080-1081.

Ye H L,Wu H Z.Discussion on the prediction of flowering stage of rape by meteorological factors[J].Journal of Zhejiang Agricultural Sciences,2013(9):1080-1081.(in Chinese)

[8] 李文靜,黃蔚薇,李倩,等.長(zhǎng)江流域油菜花期預(yù)報(bào)方法研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃,2020,41(2):101-108.

Li W J,Huang W W,Li Q,et al.Research on the forecast method of rape florescence in the Yangtze River Basin[J]. Chinese Journal of Agricultural Resources and Reginal Planning,2020,41(2):101-108.(in Chinese)

[9] 楊利霞,王世平,孟茹,等.漢江谷地油菜花期預(yù)測(cè)方法研究[J].陜西農(nóng)業(yè)科技,2013(3):35-38.

Yang L X,Wang S P,Meng R,et al.Study on Prediction method of flowering stage of rape in Hanjiang Valley[J]. Shaanxi Journal of Agricultural Sciences,2013(3):35-38.(in Chinese)

[10] 孔祥勝.湖口縣氣候變化對(duì)油菜花花期的影響分析[J].種子科技2018,36(12):114-117.

Kong X S.Analysis of the effect of climate change on flowering stage of rape in Hukou County[J].Seed Science & Technology,2018,36(12):114-117.(in Chinese)

[11] 竺可楨,宛敏渭.物候?qū)W(增訂本)[M].北京:科學(xué)出版社, 1980:79.

Zhu K Z,Wan M W.Phenology(revision)[M].Beijing: Science Press,1980:79.(in Chinese)

[12] 張玲,趙藜,張明慶.牡丹的花期預(yù)測(cè)研究[J].咸陽(yáng)師范學(xué)院學(xué)報(bào),2009,24(2):77-79.

Zhang L,Zhao L,Zhang M Q.Study on the forecast offlorescence[J].Journal of Xianyang Normal University,2009,24(2):77-79.(in Chinese)

[13] 張明慶,蔡霞.北京地區(qū)春季主要園林樹(shù)木的花期預(yù)測(cè)研究[J].首都師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2005,26(2):85-90.

Zhang M Q,Cai X.Research on the forecast of the gardening plants blooming in spring time in Beijing Area[J]. Journal of Capital Normal University(Natural Sciences Edition) ,2005,26(2):85-90.(in Chinese)

[14] 黃健,成秀虎.農(nóng)業(yè)氣象觀測(cè)規(guī)范(上卷)[M].北京:氣象出版社,1993.

Huang J,Chen X H.Specification for agrometeorological observation(Volume 1)[M].Beijing:China Meteorological Press,1993.(in Chinese)

[15] 聶兵其,湯明高,邵山,等.基于灰色關(guān)聯(lián)法的涉水邊坡穩(wěn)定性影響因素敏感性分析[J].長(zhǎng)江科學(xué)院院報(bào),2019, 36(1):123-126.

Nie B Q,Tang M G,Shao S,et al.Sensibility analysis of influencing factors of reservoir slope stability based on grey correlation[J].Journal of Yangtze River Scientific Research Institute,2019,36(1):123-126.(in Chinese).

[16] 劉建鑫,于曉南.北京地區(qū)引進(jìn)觀賞芍藥花期與相關(guān)物候期的灰色關(guān)聯(lián)分析及其花期預(yù)測(cè)模型建立[J].植物資源與環(huán)境學(xué)報(bào),2015,24(4):108-110.

Liu J X,Yu X N.Grey correlation analysis between blooming stage and related phenophases and prediction model establishment of blooming stage of herbaceous peony introduced in Beijing[J].Journal of Plant Resources and Environment,2015,24(4):108-110.(in Chinese).

[17] 王明昌,劉布春,劉園,等.陜西蘋果主產(chǎn)縣花期凍害風(fēng)險(xiǎn)評(píng)估[J].中國(guó)農(nóng)業(yè)氣象,2020,41(6):381-392.

Wang M C,Liu B C,Liu Y,et al.Assessment on the freezing injury risk during apple flowering in Liquan and Xunyi[J]. Chinese Journal of Agrometeorology,2020,41(6):381-392. (in Chinese)，

[18] 徐超,王明田,楊再?gòu)?qiáng),等.苗期高溫對(duì)草莓生育期的影響及其模擬[J].中國(guó)農(nóng)業(yè)氣象,2020,41(10):644-654.

Xu C,Wang M T,Yang Z Q,et al.Effect of high temperature in seedling stage on phenological stage of strawberry and its simulation[J].Chinese Journal of Agrometeorology,2020, 41(10):644-654.(in Chinese)

[19] 李美榮,杜繼穩(wěn),李星敏,等.陜西果區(qū)蘋果始花期預(yù)測(cè)模型[J].中國(guó)農(nóng)業(yè)氣象,2009,30(3):417-420.

Li M R,Du J W,Li X M,et al.Prediction model for beginning of apple flowering period in fruit growing areas of Shaanxi province[J].Chinese Journal of Agrometeorology, 2009,30(3):417-420.(in Chinese)

[20] 李榮平,周廣勝,閻巧玲.植物物候模型研究[J].中國(guó)農(nóng)業(yè)氣象,2005,26(4):210-214.

Li R P,Zhou G S,Yan Q L.Study on plant phenological model[J].Chinese Journal of Agrometeorology,2005,26(4): 210-214.(in Chinese)

[21] 楊棟,丁燁毅,金志鳳,等.浙江水蜜桃成熟期集合預(yù)報(bào)模型[J].中國(guó)農(nóng)業(yè)氣象,2018,39(6):421-430.

Yang D,Ding Y Y,Jin Z F,et al.Collection model for maturity forecasting of Juicy peach in Zhejiang province[J]. Chinese Journal of Agrometeorology,2018,39(6): 421-430. (in Chinese)

Prediction Model of Flowering Date of Rape Established by Using Grey Relational Analysis Method Based on Pre-flowering Phenology

FENG Min-yu1，KONG Ping2, HU Ping3, CHEN Xiao-lei,4WU Feng-yu3, LIAO Nan-jing5

(1.Meteorological Bureau of Nanchang, Nanchang 330038, China；2. Jiangxi Eco-meteorological Center, Nanchang 330096；3.Meteorological Bureau of Nanchang County，Nanchang 330200；4. Meteorological Bureau of Anyi County, Anyi 330500； 5. Meteorological Bureau of Jinxian County, Jinxian 331700）

In order to explore a simple and easy method to predict the initial flowering stage of rape, the correlation analysis method was used in this paper to determine the winter climate factors significantly related to the first flowering period, and the gray correlation analysis method was also used to determine the pre flowering phenology factors most related to the first flowering period. Then the multiple regression linear equations were established and back substitution test was carried out, and finally the root mean square error (RMSE) and relative error (RE) models were used to evaluate the simulated and measured values. The results showed that: (1) the winter meteorological factors significantly related to the first flowering period were the average minimum temperature in January, the average minimum temperature in February and the sunshine hours in February, and their correlation coefficients were ?0.404, ?0.556, ?0.478, respectively. There was no collinearity between the three independent variables. The regression model was statistically significant and passed the significance test. (2) Among the pre-anthesis phenological stages, there is a high correlation between the sprouting stage, budding stage and the initial flowering stage; and their correlation coefficients were 0.656 and 0.634, respectively. The regression model also showed statistical significance and passed the significance test. (3) The models established by the two methods are tested and evaluated. The back substitution test shows that the fitting accuracy of the models established by the two methods is relatively close on the whole. The RMSE climate factor based on climate factor is 7.16, and the RE climate factor is 11.2%; The phenological factors based on RMSE and RE were 6.50% and 3.87%, respectively. Pearson correlation analysis showed that the correlation coefficients of R phenological factor and R climatic factor were 0.738 and 0.658 respectively, which passed the significance test of 0.01 level. Among them, R phenological factor is higher than R climatic factor. Based on comprehensive analysis of various indicators, the model established by grey correlation analysis is more reliable than the model established by climate factors can be drawn.

Rape；Flowering prediction model；Correlation analysis method；Grey correlation analysis method；Phenology

10.3969/j.issn.1000-6362.2021.11.004

馮敏玉,孔萍,胡萍,等.基于花前物候利用灰色關(guān)聯(lián)分析法建立油菜花期預(yù)報(bào)模型[J].中國(guó)農(nóng)業(yè)氣象,2021,42(11):929-938

收稿日期：2021?03?02

南昌市農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室開(kāi)放研究基金項(xiàng)目（2019NNZS204）

通訊作者：孔萍，高級(jí)工程師，主要從事氣候與農(nóng)業(yè)氣象研究，E-mail:84193734@qq.com

馮敏玉，E-mail: fmy3893@163. com