亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        灰色預(yù)測理論分析氣候因子對遵義煙區(qū)煙葉質(zhì)量的影響

        2022-06-16 09:51:22溫明霞黃純楊馬國勇芶劍渝崔紹秋李又庭
        南方農(nóng)業(yè)·上旬 2022年5期
        關(guān)鍵詞:氣候

        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(xué)成分?jǐn)?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(xué)成分的氣候因子。結(jié)果表明,煙葉化學(xué)成分指標(biāo)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(biāo)(≥20 ℃日數(shù)、積溫)的相關(guān)性較高,依托構(gòu)建的預(yù)測模型能夠開展煙葉質(zhì)量(化學(xué)成分)的業(yè)務(wù)化預(yù)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(yù)測理論;遵義煙區(qū)

        中圖分類號:S572 文獻(xiàn)標(biāo)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(jì)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(zāi)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(yù)測進(jìn)行煙葉質(zhì)量預(yù)測,對于指導(dǎo)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(xué)者對煙葉質(zhì)量與氣候條件的關(guān)系進(jìn)行了多方面研究,但應(yīng)用數(shù)學(xué)模型對煙葉質(zhì)量進(jìn)行研究的成果較少,還缺乏較為準(zhǔn)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(zhǔn)確性都達(dá)不到要求,實際工作中難以通過氣候因子預(yù)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(xì)化數(shù)值天氣預(yù)報與氣候預(yù)測等現(xiàn)代科學(xué)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(yù)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(yù)測模型、業(yè)務(wù)化制作發(fā)布煙葉質(zhì)量預(yù)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?zé)熑~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(xué)指標(biāo)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(yù)測模型,并根據(jù)當(dāng)年生長季氣候統(tǒng)計分析數(shù)據(jù)和氣候預(yù)測數(shù)據(jù)進(jìn)行生長季月度煙葉質(zhì)量預(yù)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(xué)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(biāo)組成,這些指標(biāo)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(biāo)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(xué)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(biāo)準(zhǔn)。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(biāo)進(jìn)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(biāo);預(yù)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(yù)測氣候數(shù)據(jù)為當(dāng)年生長季氣候統(tǒng)計數(shù)據(jù)(預(yù)測時間點以前)和氣候預(yù)測數(shù)據(jù)(預(yù)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]。灰色關(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(biāo)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(biāo)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(jìn)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(biāo),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(yù)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(xué)成分)預(yù)測模型,為實施煙葉質(zhì)量預(yù)測奠定基礎(chǔ)。多變量灰色預(yù)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(jìn)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(yù)測值。根據(jù)模型參數(shù),得到GM(0,N)模型,導(dǎo)出煙葉質(zhì)量預(yù)測模型;根據(jù)模型計算擬合值或預(yù)測值。

        5)計算殘差及相對誤差,進(jìn)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(yù)測

        1.2.3.1 煙葉化學(xué)成分預(yù)測

        在煙葉生長關(guān)鍵時期(4—9月),依據(jù)當(dāng)年生長季氣候統(tǒng)計數(shù)據(jù)、氣候預(yù)測數(shù)據(jù),應(yīng)用各化學(xué)成分預(yù)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(yù)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(biāo)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(biāo)準(zhǔn)。

        1.2.3.2 煙葉質(zhì)量收益年型劃分

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

        由于質(zhì)量化學(xué)成分指標(biāo)屬于區(qū)間型指標(biāo)(某個范圍內(nèi)較適宜),無量綱化處理采用區(qū)間化法,指標(biāo)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(xué)指標(biāo)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(xué)成分綜合得分為5個指標(biāo)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(biāo)準(zhǔn)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(xué)成分指標(biāo)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(xué)指標(biāo)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(xué)成分與氣溫及其相關(guān)指標(biāo)(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(yù)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(jìn)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)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(yù)測

        根據(jù)2020年生長季氣候統(tǒng)計數(shù)據(jù)、氣候預(yù)測數(shù)據(jù),應(yīng)用各地各化學(xué)成分預(yù)測模型,進(jìn)行化學(xué)成分值預(yù)測,再根據(jù)化學(xué)成分預(yù)測值計算質(zhì)量綜合得分,按照質(zhì)量收益年型劃分標(biāo)準(zhǔn)確定質(zhì)量收益年型。各月預(yù)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(biāo)(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(yù)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(yù)測的能力所決定的,其他氣候因子預(yù)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(yù)測。由于煙葉質(zhì)量資料年限較短,只能采用灰色預(yù)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(jìn)行對比研究,構(gòu)建效果更為理想的煙葉質(zhì)量預(yù)測模型。

        從2020年煙葉質(zhì)量預(yù)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(yù)測。但受基礎(chǔ)數(shù)據(jù)年限較短的影響,模型預(yù)測效果有待實踐的進(jìn)一步檢驗,需要不斷進(jìn)行模型的校驗和完善。

        4 結(jié)論

        本文以煙葉化學(xué)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(yù)測模型,并對2020年生育期煙葉進(jìn)行了業(yè)務(wù)化的質(zhì)量預(yù)測。結(jié)果表明,煙葉化學(xué)成分指標(biāo)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(biāo)(≥20 ℃日數(shù)、積溫)的相關(guān)性較高,依托構(gòu)建的預(yù)測模型能夠開展煙葉質(zhì)量(化學(xué)成分)的業(yè)務(wù)化預(yù)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(jìn)行相關(guān)研究,從而構(gòu)建全面的煙葉質(zhì)量預(yù)測模型,進(jìn)行煙葉質(zhì)量預(yù)測。

        參考文獻(xiàn):

        [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(jìn)展[J].中國煙草科學(xué),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(xué)成分關(guān)系的研究[J].中國煙草學(xué)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(xué)成分的影響[J].中國煙草科學(xué),2008,29(2):18-22.

        [5] 陳偉,王三根,唐遠(yuǎn)駒,等.不同煙區(qū)烤煙化學(xué)成分的主導(dǎo)氣候影響因子分析[J].植物營養(yǎng)與肥料學(xué)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(xué)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(xué)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(xué)出版社,2010.

        (責(zé)任編輯:劉寧寧? 丁志祥)

        猜你喜歡
        氣候
        氣候行動
        品牌研究(2022年18期)2022-06-29 05:33:24
        太陽造就了氣候
        氣候變暖導(dǎo)致海洋生物生存環(huán)境惡化
        咦?氣候會變化?
        瞧,氣候大不同
        氣候變暖會怎樣?
        都是氣候變暖惹的禍
        全球氣候大不同
        中國氣候與人體熱舒適氣候適應(yīng)研究
        立冬
        国产av无码专区亚洲av男同| 国产亚洲日韩AV在线播放不卡| 在线免费午夜视频一区二区| 可免费观看的av毛片中日美韩| 日韩精品内射视频免费观看| 国产一级农村无码| 精品一区二区三区人妻久久| 久久久亚洲免费视频网| 潮喷大喷水系列无码久久精品| 青青青国产精品一区二区| 国产午夜精品久久久久九九| 狼人精品剧情av在线观看| 台湾佬中文娱乐网22| 色妺妺视频网| 国产自产21区激情综合一区| av免费在线免费观看| 天天躁日日躁狠狠久久| 国产最新在线视频| 日本一级二级三级在线| 日本视频二区在线观看| 久久夜色精品国产噜噜亚洲av| 国产福利小视频在线观看| 福利视频在线一区二区三区| 国产日韩欧美一区二区东京热| 国产精品毛片无码| 无码av永久免费大全| 国产成人国产三级国产精品| 亚洲中文字幕成人无码| 欧美日韩亚洲色图| 久久蜜桃一区二区三区| 亚洲国产精品日本无码网站| 欧美人妻精品一区二区三区 | 国产精品久久久久久影视| 亚洲国产日韩在线人成蜜芽| 精品国产亚洲av高清日韩专区| 亚洲av网一区二区三区| 性夜影院爽黄a爽在线看香蕉| 九色精品国产亚洲av麻豆一| 精品欧美一区二区三区久久久| 欧美第一黄网免费网站| 亚洲大尺度动作在线观看一区|