溫明霞，黃純楊，馬國勇，芶劍渝，崔紹秋，李又庭*

（1.貴州省煙草公司遵義市公司，貴州遵義 563000；2.北京新宏高科信息技術(shù)有限公司，北京 100042）

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[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)務化制作發(fā)布煙葉質(zhì)量預測奠定了基礎。

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。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 序列的基礎上生成緊鄰均值數(shù)列。

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

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：

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：

相對誤差為：

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。

表1 質(zhì)量收益年型劃分標準

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。

表2 灰色關(guān)聯(lián)綜合排序表

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：

2.2.2 正安縣

總糖預測模型為：

2.2.3 綏陽縣

總糖預測模型為：

2.2.4 湄潭縣

總糖預測模型為：

2.2.5 余慶縣

總糖預測模型為：

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。

表3 2020年煙葉質(zhì)量預測一覽表

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)務化預測。但受基礎數(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。