黃龍斐 王忠 張靚 王濤 周志恒

摘要 收集2018年8—9月塑料大棚內(nèi)觀測(cè)的氣象數(shù)據(jù)，構(gòu)建了基于線性逐步回歸的草莓生產(chǎn)大棚內(nèi)的地溫預(yù)測(cè)模型，采用1號(hào)大棚內(nèi)的地面溫度、氣溫、風(fēng)速、總輻射，構(gòu)建1個(gè)模擬方程，在構(gòu)建的過程中，逐一剔除不顯著的自變量。將通過信度為0.05水平的顯著性檢驗(yàn)的要素模擬出地溫模型。通過2號(hào)棚的相應(yīng)數(shù)據(jù)驗(yàn)證模型。該模型所需參數(shù)少，實(shí)用性強(qiáng)，模擬精度較好，可為設(shè)施夏季草莓氣象服務(wù)和環(huán)境調(diào)控提供數(shù)據(jù)依據(jù)。

關(guān)鍵詞 線性逐步回歸；地溫；模擬模型；夏季草莓

中圖分類號(hào)：S625.3 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2023）09–0-03

草莓為薔薇科，屬多年生草本植物，有“水果皇后”的美譽(yù)，營養(yǎng)價(jià)值、經(jīng)濟(jì)價(jià)值都較高。作為短日照、喜冷涼氣候作物，我國出產(chǎn)的草莓主要為冬春草莓，出產(chǎn)時(shí)間為每年12月—翌年5月，批發(fā)價(jià)格20～40元/kg。每年6—11月是我國草莓生產(chǎn)空白期，只有南半球可出產(chǎn)優(yōu)質(zhì)草莓，但受限于交通運(yùn)輸，目前國內(nèi)優(yōu)質(zhì)夏季鮮食草莓市場(chǎng)暫為空白[1]。

川西北高原位于四川省西北部的阿壩藏族羌族自治州、甘孜藏族自治州境內(nèi)，平均海拔在3 000～4 000 m以上，是四川省地勢(shì)最高地區(qū)；大部分地區(qū)年均溫為0～6 ℃，極端最低溫在-20 ℃以下，10 ℃以上活動(dòng)積溫1 000～1 500 ℃·d，全年長冬無夏，春秋相連，為四川熱量最低地區(qū)。而太陽年輻射量和年日照時(shí)數(shù)均為四川省最高值，豐富的光能資源在一定程度上彌補(bǔ)了地高天寒、熱量不足的缺陷[2-6]。

通過利用高原的夏季模擬平原冬季氣候，“藍(lán)迦梅朵”團(tuán)隊(duì)前期經(jīng)不同栽培試驗(yàn)，目前已成功在6—10月產(chǎn)出了優(yōu)質(zhì)鮮食草莓，并于松潘高原種植基地成功投入生產(chǎn)。作為植物生長的一個(gè)重要因子，氣象因子是制約農(nóng)作物生產(chǎn)產(chǎn)量和品質(zhì)關(guān)鍵之一，而目前夏季草莓生產(chǎn)中氣象要素的調(diào)控多依靠種植經(jīng)驗(yàn)，標(biāo)準(zhǔn)化、定量化生產(chǎn)指導(dǎo)體系缺失制約了夏季草莓生產(chǎn)規(guī)模的擴(kuò)大[7-10]。

迄今為止，針對(duì)氣象條件對(duì)草莓生產(chǎn)的影響已有一定研究，地溫是草莓生長指標(biāo)中非常重要的氣象要素，但現(xiàn)有研究多是針對(duì)冬春草莓開展的，對(duì)高原草莓設(shè)施生產(chǎn)，尤其是夏季草莓的生產(chǎn)研究鮮見報(bào)道。擬通過“藍(lán)迦梅朵”夏季草莓基地1號(hào)、2號(hào)實(shí)驗(yàn)大棚小氣候數(shù)據(jù)（1號(hào)、2號(hào)棚為相鄰，規(guī)模一樣，品種一樣，施肥施水一樣的2個(gè)實(shí)驗(yàn)棚），建立適于草莓設(shè)施栽培的地溫預(yù)報(bào)模型，為草莓成熟期預(yù)測(cè)、產(chǎn)量預(yù)測(cè)及設(shè)施楊梅氣象保障服務(wù)提供技術(shù)支持。

1 資料和方法

1.1 試驗(yàn)資料

草莓在5 ℃以上開始發(fā)芽，最佳生長溫度為15～25 ℃。如果外界溫度低于10 ℃或高于30 ℃，草莓的生長將受到嚴(yán)重抑制，甚至不會(huì)生長或死亡。如果草莓生長過程中溫度降至7 ℃以下，植物會(huì)凍死。草莓根在2 ℃和10 cm的溫度下開始適當(dāng)?shù)纳a(chǎn)活動(dòng)，在10 ℃時(shí)更為活躍，生長速度非?？?。

根據(jù)相關(guān)調(diào)查的統(tǒng)計(jì)數(shù)據(jù)，土壤溫度與草莓成熟度和產(chǎn)量密切相關(guān)。在冬季最冷的季節(jié)，溫度越低，草莓相應(yīng)的預(yù)收獲越低，但總產(chǎn)量最高，草莓果實(shí)也越大，反之亦然。如果溫度更高，草莓的早期產(chǎn)量雖然高，但總產(chǎn)量很低，果實(shí)也很小。溫室種植草莓一般在7月底進(jìn)行翻耕、澆水、密封，保持溫度在70 ℃左右，可以起到殺菌作用，減少病菌。通常持續(xù)15 d，然后通風(fēng)。為了獲得高產(chǎn)，必須種植高穗，將草莓種植穗設(shè)置在90 cm的距離，雙排種植，穗高控制在25～30 cm之間，穗寬25～30 cm，種植前7 d澆水。最好選擇陰天種植，有條件的選擇窩盤苗木較好，移植后存活率高，苗木速度慢，結(jié)果早。種植時(shí)，樹苗種植深度必須掌握為“深埋不深，淺埋不露根”，種植后必須一次性足量澆水。

1.2 試驗(yàn)方法

試驗(yàn)時(shí)間為2018年8月—9月，此時(shí)草莓處于花芽萌動(dòng)至果實(shí)成熟期，是產(chǎn)量和品質(zhì)形成的關(guān)鍵期。試驗(yàn)地點(diǎn)位于四川省松潘縣水晶鄉(xiāng)，選擇2個(gè)塑料大棚，大棚呈南北向，長17 m，寬8 m，肩高1.5 m，頂高3.5 m，棚內(nèi)有約1 000株草莓，品種是蒙特瑞。地形為高原，海拔約3 100 m，土質(zhì)為沙壤土、微酸性、中等肥力。大棚中心位置距地1.5 m處建有1套ZXCAWS380農(nóng)業(yè)氣象站，1個(gè)溫濕傳感器模塊，觀測(cè)要素為氣溫、相對(duì)濕度、總輻射、光合、地溫、土壤3參數(shù)（10、20、30 cm）水電導(dǎo)率、風(fēng)速，采集頻率為1 min/次，存儲(chǔ)每1 min的平均值。大棚內(nèi)溫度濕度采集頻率為5 min/次。

此次試驗(yàn)數(shù)據(jù)為所有要素的小時(shí)數(shù)據(jù)，溫濕數(shù)據(jù)采用5 min/h數(shù)據(jù)平均值。按時(shí)間順序記錄的連續(xù)數(shù)據(jù)序列，例如：計(jì)算機(jī)數(shù)據(jù)收集系統(tǒng)是一個(gè)時(shí)間序列，溫室氣體環(huán)境控制系統(tǒng)每隔一段時(shí)間收集的溫度數(shù)據(jù)是一個(gè)時(shí)間序列，這是一個(gè)獨(dú)立的時(shí)間序列。因此，使用時(shí)間序列分析方法的具體步驟預(yù)測(cè)溫室溫度。分析原始室內(nèi)溫度數(shù)據(jù)的序列，并使用線性差法處理異常和缺失數(shù)據(jù)。為了消除周期性影響，每年對(duì)處理過的溫度數(shù)據(jù)集進(jìn)行區(qū)分。在微分溫度序列之后，對(duì)相關(guān)系數(shù)進(jìn)行估計(jì)，以確定其是否穩(wěn)定。如果沒有，則進(jìn)行另一個(gè)順序差分，然后進(jìn)行平滑性測(cè)試；針對(duì)平滑序列，模型類型是根據(jù)自相關(guān)系數(shù)的估計(jì)和部分相關(guān)系數(shù)的估計(jì)選擇的。微分后估計(jì)均勻時(shí)間序列預(yù)測(cè)模型。如果預(yù)測(cè)模型不符合要求，修改預(yù)測(cè)模型并重復(fù)步驟，直到獲得令人滿意的室內(nèi)溫度預(yù)測(cè)模型。

1.3 模型的構(gòu)建

逐步回歸，剔除不顯著的自變量。在建立多元回歸方程時(shí)，通常有一些自變量與依變量存在著顯著的回歸關(guān)系；而另些自變量對(duì)依變量的影響很小，與依變量不存在的回歸關(guān)系，這些自變量在回歸方程中是不重要的，應(yīng)進(jìn)行剔除，使建立的多元線性回歸方程中僅包含與依變量存在顯著回歸關(guān)系的自變量，此時(shí)建立的多元線性回歸方程稱為最優(yōu)多元線性回歸方程。

利用軟件IBMSPSSStatistics，將1號(hào)大棚內(nèi)的地溫作為因變量，氣溫、相對(duì)濕度、風(fēng)速、總輻射作為變量，建立四元線性回歸方程?？梢钥闯鲎兞繗鉁?、相對(duì)濕度、總輻射回歸系數(shù)不顯著，在建立最優(yōu)線性回歸方程時(shí)需要剔除，由于變量之間的相關(guān)性，要逐一剔除，先剔除相關(guān)性最低的風(fēng)速。

去掉風(fēng)速后建立三元線性回歸方程，3個(gè)變量的相關(guān)系數(shù)都＜0.05達(dá)到顯著水平，不需要進(jìn)一步剔除變量，最終的最優(yōu)線性回歸方程為：

Y1=6.347+0.197×T+0.065×RH+

0.037×Ra（1）

式（1）中，Y1是1號(hào)棚模擬地溫（℃），6.347為常量，0.197為溫度系數(shù)，T為溫度（℃），0.065為濕度系數(shù)，RH為相對(duì)濕度（%），0.037為總輻射系數(shù)，Ra為總輻射（W/m2）。

1.4 驗(yàn)證模型

為了驗(yàn)證模型的精確度，應(yīng)用2號(hào)大棚的溫度、相對(duì)濕度、總輻射代入公式，將得出的Y（模擬地溫）與2號(hào)棚實(shí)際地溫進(jìn)行對(duì)比。

Y2=6.347+0.197×T+0.065×RH+0.037×Ra（2）

式（2）中，Y2是2號(hào)棚模擬的地溫（℃），6.347為常量，0.197為溫度系數(shù)，T為溫度（℃），0.065為濕度系數(shù)，RH為濕度（%），0.037為總輻射系數(shù)，Ra為總輻射（W/m2）。

2 結(jié)果與分析

2.1 地溫分別與氣溫、相對(duì)濕度、總輻射、風(fēng)速的關(guān)系

2.1.1 地溫與風(fēng)速的關(guān)系 在建立模型時(shí)，風(fēng)速因?yàn)橄嚓P(guān)性最低被剔除，這是由于大棚內(nèi)通風(fēng)口小，風(fēng)對(duì)地溫的影響相對(duì)其他要素要小。

2.1.2 地溫與氣溫的關(guān)系 由圖1可知，整個(gè)實(shí)驗(yàn)期內(nèi)，地溫與氣溫呈正相關(guān)，其中，在白天正午氣溫在30 ℃以上時(shí)，地溫比氣溫明顯偏高，夜間氣溫比地溫稍微偏低。

2.1.3 地溫與總輻射的關(guān)系 由圖2可知，整個(gè)實(shí)驗(yàn)期內(nèi)，地溫與總輻射呈正相關(guān)，其中，在白天12：00或者地溫在30 ℃以上時(shí)，總輻射越高地溫越高，而在夜間，總輻射越低地溫越低。

2.1.4 地溫與相對(duì)濕度的關(guān)系 由圖3可知，整個(gè)實(shí)驗(yàn)期內(nèi)，地溫與相對(duì)濕度呈負(fù)相關(guān)，相對(duì)濕度越高、地溫越低，反之，相對(duì)濕度越低、地溫越高。

2.2 模擬地溫與實(shí)際地溫的對(duì)比驗(yàn)證

在實(shí)驗(yàn)期間，將1號(hào)棚的地溫作為因變量，氣溫、相對(duì)濕度、總輻射、風(fēng)速作為變量，在剔除風(fēng)速之后，利用三元線性回歸方程得到模型的模擬地溫Y1。為了驗(yàn)證模型的可用性，將2號(hào)棚氣溫、相對(duì)濕度、總輻射代入公式，得到模擬地溫與2號(hào)棚實(shí)際地溫作折線圖1：1對(duì)比。由圖4可以看到，在溫度10～30 ℃時(shí)，模型的模擬效果較好，模擬地溫與實(shí)際地溫相對(duì)集中，且大多數(shù)集中在1：1線附近。而在溫度30～50 ℃時(shí)效果較差，數(shù)據(jù)較為分散。而在50 ℃以上，數(shù)據(jù)又相對(duì)較集中，但溫度超過50 ℃的情況較少。總體來說，此次實(shí)驗(yàn)的模型精度較好。

3 討論與結(jié)論

研究建立了1個(gè)基于線性逐步回歸的大棚草莓的地溫模型，可以利用棚內(nèi)氣溫、相對(duì)濕度、總輻射等氣象要素作為模型變量，最后得出模擬地溫。通過另外1個(gè)大棚驗(yàn)證模型效果。結(jié)果表明：模型預(yù)測(cè)精度較好。但在30～50 ℃之間的精度不是很好。主要是由于變量比較少，數(shù)據(jù)量不夠多，時(shí)間不夠長，且地溫還與地面濕度、淺層地溫、濕度等其他氣象要素有關(guān)。

線性逐步回歸模型是建立在大量實(shí)驗(yàn)數(shù)據(jù)基礎(chǔ)上的，模擬某一特定條件下的溫室小氣候，其精度較好。但線性逐步回歸只能采集于特定環(huán)境、特定時(shí)間，不具有普遍代表性，因此，模型只限于解決某一特定時(shí)間、特定環(huán)境的小氣候問題，其廣泛適應(yīng)性還有待進(jìn)一步研究。

此處建立的大棚棚內(nèi)草莓地溫預(yù)測(cè)模型的模擬地溫只是針對(duì)草莓大棚，對(duì)其他不同類型大棚小氣候模擬還需要通過大棚內(nèi)外氣象要素的對(duì)比試驗(yàn)數(shù)據(jù)調(diào)整模型參數(shù)。線性逐步回歸構(gòu)建立了大棚內(nèi)地溫模擬模型，可以利用氣溫、濕度、輻射為草莓生產(chǎn)管理提供科學(xué)依據(jù)。但設(shè)施草莓生產(chǎn)中，瞬時(shí)地溫對(duì)草莓的生長非常重要。而且影響大棚內(nèi)小氣候因素除了外界氣象要素外，草莓植株的株高和莖粗、葉面積也會(huì)直接影響蒸騰量大小，從而影響潛熱，在以后的試驗(yàn)中還需要進(jìn)一步完善模擬模型，同時(shí)增加短時(shí)間氣溫（如5、10 min等）的模擬，還有在地面鋪塑料膜時(shí)的模擬，其結(jié)果將更具實(shí)用性。

參考文獻(xiàn)

[1] 金志鳳，符國槐，黃海靜，等.基于BP神經(jīng)網(wǎng)絡(luò)的楊梅大棚內(nèi)氣溫預(yù)測(cè)模型研究[J].中國農(nóng)業(yè)氣象，2011，32（3）：362-367.

[2] 張新顏，王穎，張盼，等.基于SVR的塑料大棚坐果期草莓光合速率預(yù)測(cè)模型研究[J].農(nóng)業(yè)工程技術(shù)，2021，41（16）：57-59.

[3] 楊棟，李清斌，孫軍波，等.大棚草莓品質(zhì)模型及品質(zhì)時(shí)空變化特征[J].浙江農(nóng)業(yè)科學(xué)，2016，57（11）：1904-1908.

[4] 楊文剛，孟翠麗，胡幼林，等.春季不同結(jié)構(gòu)溫室氣溫變化特征及預(yù)測(cè)模型[J].江蘇農(nóng)業(yè)科學(xué)，2015，43（6）：386-390.

[5] 何濤，廖克杰，陳丹，等.線性回歸模型在四季大棚小氣候預(yù)測(cè)方面的應(yīng)用研究[J].安徽農(nóng)業(yè)科學(xué)，2012，40（19）：10061 -10062.

[6] 楊義，洪波，李艷莉，等.基于2種算法的日光溫室日均氣溫預(yù)測(cè)模型比較研究[J].陜西氣象，2022（3）：48-52.

[7] 羅靖，楊再強(qiáng)，楊立，等.基于高光譜參數(shù)建立苗期高溫條件下草莓葉片葉綠素含量估算模型[J].中國農(nóng)業(yè)氣象， 2022，43（10）：832-845.

[8] 金志鳳，符國槐，黃海靜，等.基于BP神經(jīng)網(wǎng)絡(luò)的楊梅大棚內(nèi)氣溫預(yù)測(cè)模型研究[J].中國農(nóng)業(yè)氣象，2011，32（3）：362-367.

[9] 高羽，李靜，劉洋，等.結(jié)構(gòu)方程模型在興安落葉松林生長中的應(yīng)用[J].南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，47（1）：38-46.

[10] 張利亞，劉霞，師豪，等.木醋液對(duì)大棚草莓土壤pH、葉綠素、品質(zhì)及產(chǎn)量的影響[J].中南農(nóng)業(yè)科技，2022，43（1）：22-23，27.

A Study on the Prediction Model of Temperature in Strawberry Greenhouses in Summer Based on Linear Stepwise Regression

Huang Long-fei et al（Aba Prefecture Meteorological Observation Center， Ma’erkang， Sichuan 624000）

Abstract Collected meteorological data observed in plastic greenhouses from August 2018 to September 2018， and constructed a ground temperature prediction model for strawberry production greenhouses based on linear stepwise regression. A simulation equation was constructed using the ground temperature， air temperature， wind speed， and total radiation in greenhouse 1， and insignificant independent variables were removed during the construction process.The elements that have passed the significance test with a reliability of 0.05 level should be simulated into the ground temperature model. Then validate the model using the corresponding data from shed 2. This model requires fewer parameters， has strong practicality， and good simulation accuracy， which can provide data basis for strawberry meteorological services and environmental regulation in summer facilities.

Key words Linear stepwise regression; Ground temperature; Simulation model; Summer strawberries