摘要：利用湖北省典型茶區(qū)2018—2020年綠茶不同開采期品質(zhì)數(shù)據(jù)及開采前15 d氣象觀測數(shù)據(jù)，首先通過決策樹和隨機森林等機器學(xué)習(xí)方法分析了影響綠茶品質(zhì)的關(guān)鍵氣象因子及其響應(yīng)關(guān)系，然后基于模糊數(shù)學(xué)理論，構(gòu)建了氣溫、日照時數(shù)、風(fēng)速和相對濕度單因子隸屬函數(shù)模型，并采用綜合加權(quán)得到綠茶氣候品質(zhì)綜合指數(shù)模型，最后基于遺傳算法對模型參數(shù)進行優(yōu)化求解，并確定了等級評價標準。結(jié)果表明，符合實際等級的樣本占樣本總數(shù)的67.2%，相差一個等級的樣本占樣本總數(shù)的32.8%，說明綠茶氣候品質(zhì)綜合指數(shù)模型能夠反映不同氣候條件下綠茶品質(zhì)的差異。

關(guān)鍵詞：綠茶；氣候品質(zhì)；評價模型；機器學(xué)習(xí)；湖北省

中圖分類號：S571.1" " " " "文獻標識碼：A

文章編號：0439-8114（2023）06-0046-05

DOI：10.14088/j.cnki.issn0439-8114.2023.06.009 開放科學(xué)（資源服務(wù)）標識碼（OSID）：

Study on climatological quality evaluation model with comprehensive indexes for green tea" in Hubei Province

DENG Huan-huan1，2，3， QIN Peng-cheng1，2，3， WAN Su-qin1，2，3， DENG Ai-juan1，2，3， TANG Yang1，2，3

（1.Wuhan Regional Climate Center， Wuhan" 430074， China；2.Three Gorges National Climatological Observatory，Yichang" 443002，Hubei，China；

3.Key Laboratory of Basin Heavy Rainfall，CMA，Wuhan" 430205，China）

Abstract： Quality analysis data of green tea within different green tea-plucking periods and observation data of meteorological elements at 15 days before spring tea-plucking in typical tea-producing regions of Hubei Province from 2018 to 2020 was used. Firstly， the key meteorological elements affecting green tea quality and its response relationship were analyzed by using machine learning methods including decision tree and random forest model. Secondly， the single-factor subordinate function model for temperature， sunshine， wind speed and relative humidity was built based on fuzzy mathematics theory. In the meanwhile， a comprehensive index model for climatological quality of green tea was built by using the comprehensive weighted method. Finally， parameters in this model were optimized based on the genetic algorithm. Additionally， grade evaluation standard was also determined. The results showed that the number of samples corresponding and existing one grade difference to the actual grade of samples accounted for 67.2% and 32.8% of the total samples， respectively. The results indicated that this model for green tea could reflect its quality difference under different climate situations.

Key words： green tea； climatological quality； evaluation model； machine learning； Hubei Province

農(nóng)產(chǎn)品品質(zhì)主要取決于獨特的溫濕度、光照及降水等生態(tài)環(huán)境和氣候條件。前人對農(nóng)產(chǎn)品氣候品質(zhì)評價的技術(shù)方法主要有兩種，第一種方法是僅對氣象指標進行評價劃分，包括該作物的適宜性指標、災(zāi)害指標等，將集成的指標直接作為評價模型，例如安徽東至金絲皇菊［1］、新疆庫爾勒香梨［2］、陜西獼猴桃［3］等農(nóng)產(chǎn)品；第二種方法就是將氣象數(shù)據(jù)與農(nóng)產(chǎn)品品質(zhì)數(shù)據(jù)結(jié)合，探討氣象因子與農(nóng)產(chǎn)品品質(zhì)數(shù)據(jù)間的關(guān)系，建立氣候品質(zhì)評價模型，例如浙江龍井茶［4］ 、浙江湖景蜜露水蜜桃［5］、黃河故道碭山酥梨［6］、江西贛南臍橙［7］等農(nóng)產(chǎn)品。相比較而言，將農(nóng)產(chǎn)品品質(zhì)數(shù)據(jù)與氣象數(shù)據(jù)緊密關(guān)聯(lián)起來更具有科學(xué)性和指導(dǎo)價值，是農(nóng)產(chǎn)品氣候品質(zhì)評價的主要發(fā)展方向。

湖北省為茶葉生產(chǎn)大省，2018—2019年全省茶園總面積、總產(chǎn)量穩(wěn)居全國第三或第四位，但產(chǎn)值卻僅居全國第七位，產(chǎn)量與產(chǎn)值極不匹配，這是湖北省茶葉產(chǎn)業(yè)亟需解決的問題。因此，本研究應(yīng)用模糊數(shù)學(xué)理論［1-14］及決策樹和隨機森林等機器學(xué)習(xí)方法 ［15-21］，在前人研究的基礎(chǔ)上，鑒于早春風(fēng)速對綠茶品質(zhì)有較大影響［22］，增加了風(fēng)速作為影響指標，構(gòu)建了湖北省綠茶氣候品質(zhì)綜合指數(shù)模型，可為湖北省綠茶氣候品質(zhì)評價工作和優(yōu)化綠茶生產(chǎn)布局提供科學(xué)依據(jù)，也有助于地方茶農(nóng)或茶葉農(nóng)企提高農(nóng)業(yè)產(chǎn)值，增加收入，助力鄉(xiāng)村振興。

1 資料與方法

1.1 資料來源與處理

1.1.1 綠茶品質(zhì)數(shù)據(jù)的獲取 選取湖北省恩施市芭蕉侗族鄉(xiāng)、宣恩縣萬寨鄉(xiāng)、麻城順河鎮(zhèn)、夷陵唐家壩、英山溫泉鎮(zhèn)5個典型茶區(qū)的綠茶基地茶園取樣，品種為灌木型小葉種綠茶，茶園經(jīng)緯度及海拔見表1。在2018—2020年3月上旬至5月上旬逐旬旬初動態(tài)取樣，取樣時要求同一茶園取樣的海拔差距不超過100 m，標準為兩葉一心（部分樣品因未達采摘標準而放棄采摘）。樣品烘干后，送中國農(nóng)業(yè)科學(xué)院茶葉研究所檢測茶多酚、氨基酸、咖啡堿、水浸物和含水量5項理化指標，計算氨基酸與茶多酚的比值（氨酚比），一般以氨酚比或酚氨比來表征綠茶品質(zhì)的好壞［23］。

1.1.2 氣象數(shù)據(jù)的獲取及格點數(shù)據(jù)處理方法 來自湖北省氣象信息與保障中心76個國家氣象站2018—2020年3月上旬至5月上旬逐日平均氣溫、日照時數(shù)、相對濕度、風(fēng)速等氣象數(shù)據(jù)以及5個綠茶基地茶園中的區(qū)域自動站（恩施芭蕉站Q5109、宣恩伍家臺站Q5514、麻城順河集站Q9109、英山國營長沖茶廠站Q9312和夷陵唐家壩站Q4136）的平均氣溫。

利用湖北省基礎(chǔ)地理信息和國家氣象站觀測數(shù)據(jù)，以海拔高度、經(jīng)度、緯度為協(xié)變量，基于回歸克里金方法建立1991—2020年1 000 m×1 000 m細網(wǎng)格氣象要素序列（平均氣溫、平均日照時數(shù)、平均相對濕度和平均風(fēng)速），用于綠茶氣候品質(zhì)綜合指數(shù)的計算。插值過程通過R語言實現(xiàn)。

1.2 湖北省綠茶氣候品質(zhì)綜合指數(shù)模型構(gòu)建

1.2.1 建模氣象因子指標及隸屬函數(shù)確定 有學(xué)者在構(gòu)建綠茶氣候品質(zhì)模型時，將鮮葉采收前15 d的平均氣溫、平均相對濕度和平均日照時數(shù)作為影響茶葉品質(zhì)的氣象指標［8，9，13］。除了日照時數(shù)、氣溫和相對濕度外，風(fēng)對綠茶的品質(zhì)也有較明顯的影響。早春低溫伴隨西北風(fēng)，除了導(dǎo)致空氣相對濕度下降外，更易使茶芽受凍［22］，從而影響綠茶的品質(zhì)。利用R語言rpar和randomForest［16］程序包分別構(gòu)建決策樹和隨機森林等機器學(xué)習(xí)模型［24］，分析不同氣象因子對綠茶品質(zhì)的影響，最高層的節(jié)點為根節(jié)點，根節(jié)點以平均風(fēng)速≥1.5 m/s為判定條件，說明風(fēng)速對茶葉品質(zhì)的影響最大，根節(jié)點以下左側(cè)反映平均風(fēng)速偏大的情況，當平均風(fēng)速≥1.5 m/s時（34個樣本，占總樣本的51%），平均氨酚比為0.20，當平均風(fēng)速＜1.5 m/s時（33個樣本，占總樣本的49%），平均氨酚比為0.25，說明平均風(fēng)速對綠茶品質(zhì)形成有一定影響， 平均風(fēng)速＜1.5 m/s時樣本的氨酚比更大。根節(jié)點以下各分枝分析類推。結(jié)果發(fā)現(xiàn)，采收前15 d的氣象因子對綠茶品質(zhì)的影響大小依次為平均風(fēng)速、平均日照時數(shù)、平均氣溫、平均相對濕度（圖1）。綜合考慮，本模型構(gòu)建選取鮮葉采收前15 d的平均氣溫、平均相對濕度、平均日照時數(shù)和平均風(fēng)速4個氣象因子構(gòu)建湖北省綠茶氣候品質(zhì)綜合指數(shù)模型。

各氣象因子對綠茶品質(zhì)的影響采用模糊數(shù)學(xué)理論中的隸屬函數(shù)進行量化評價?；跊Q策樹算法（CART）對春季綠茶氨酚比與采摘前的氣象因子進行擬合建模，繪制氨酚比與各氣象因子的偏依賴響應(yīng)曲線（圖2）。

基于響應(yīng)曲線，采用鐘型模型確定綠茶品質(zhì)的氣溫、日照時數(shù)的隸屬函數(shù)，分別采用Lotistic模型和冪指數(shù)倒數(shù)模型確定相對濕度和風(fēng)速的隸屬函數(shù)，建立綠茶品質(zhì)的氣溫、日照時數(shù)、相對濕度以及風(fēng)速指數(shù)。

1.2.2 綜合指數(shù)模型權(quán)重確定及關(guān)鍵參數(shù)優(yōu)化 茶葉品質(zhì)形成過程中，光、溫、濕、風(fēng)相互作用決定茶葉品質(zhì)優(yōu)劣。因此，采用加權(quán)求和法構(gòu)建綠茶氣候品質(zhì)綜合指數(shù)。基于隨機森林模型分裂節(jié)點不純度下降量對各變量的重要性進行度量，確定各指數(shù)權(quán)重。

利用遺傳算法［23］對綜合指數(shù)模型的關(guān)鍵參數(shù)進行優(yōu)化。結(jié)合茶葉生理特點，確定參數(shù)合理的取值范圍，以綜合指數(shù)模型預(yù)測的綠茶品質(zhì)指數(shù)與實測氨酚比的相關(guān)系數(shù)最大為目標函數(shù)進行迭代求解。

1.2.3 湖北省綠茶氣候品質(zhì)空間分布圖繪制 利用“1.1.2”得到的湖北省1991—2020年30年細網(wǎng)格" " "（1 000 m×1 000 m）歷史氣象數(shù)據(jù)，基于湖北省綠茶氣候品質(zhì)綜合指數(shù)模型，計算湖北省網(wǎng)格點上3—5月逐旬綜合指數(shù)最大值30年序列，取80%保證率，依據(jù)綠茶氣候品質(zhì)評價等級劃分標準繪制湖北省綠茶氣候品質(zhì)空間分布圖。

1.2.4 湖北省綠茶最佳等級品質(zhì)采摘期空間分布圖繪制 找出上述30年序列綜合指數(shù)值所對應(yīng)的采摘期，計算湖北省網(wǎng)格點上每個采摘期的出現(xiàn)頻率，頻率最大的采摘期即為該格點最佳品質(zhì)等級采摘期，從而繪制湖北省綠茶最佳等級品質(zhì)采摘期空間分布圖。

2 結(jié)果與分析

2.1 湖北省綠茶氣候品質(zhì)綜合指數(shù)模型

2.1.1 氣溫指數(shù) 根據(jù)綠茶氨酚比與氣溫的響應(yīng)曲線，結(jié)合植物生長氣候適宜度理論，采用鐘型模型建立的綠茶品質(zhì)氣溫指數(shù)模型如式（1）所示。

式中，[YT]為綠茶品質(zhì)形成的氣溫指數(shù)；T為鮮葉采收前15 d的日平均氣溫；Ttop、Tbase、Topt分別為綠茶最佳品質(zhì)形成的上限氣溫、下限氣溫和最適氣溫；Bt為形狀參數(shù)，計算式如式（2）所示。

2.1.2 日照指數(shù) 采用鐘型模型建立的綠茶品質(zhì)日照指數(shù)模型如式（3）所示。

式中，[YS]為綠茶品質(zhì)形成的日照指數(shù)；S為鮮葉采收前15 d的平均日照時數(shù)；Stop、Sbase、Sopt分別為綠茶最佳品質(zhì)形成的平均上限日照時數(shù)、下限日照時數(shù)和最適日照時數(shù)；Bs為形狀參數(shù)，計算式如式（4）所示。

2.1.3 相對濕度指數(shù) 相對濕度對綠茶品質(zhì)的影響采用Lotistic曲線形式來定量描述，建立的表達式如式（5）所示。

該Lotistic曲線是一個拉長的“S”形累積增長曲線，定義其一階導(dǎo)數(shù)為速度函數(shù)。當速度函數(shù)的二階導(dǎo)數(shù)值為0時，Lotistic曲線方程的增長速率出現(xiàn)拐點，如式（6）所示，此時相對濕度對綠茶品質(zhì)的影響明顯。

兩個速度拐點將Lotistic曲線劃為漸增期（0，Hl）、快增期（Hl， Hr）和緩增期（Hr，＋∞）3個區(qū)間。

式中，YH為綠茶品質(zhì)形成的相對濕度指數(shù)；H為鮮葉采收前15 d的平均相對濕度；Hl、Hr為Lotistic曲線的兩個拐點，即綠茶最佳品質(zhì)形成的相對濕度的上限值和下限值。

2.1.4 風(fēng)速指數(shù) 以e的冪指數(shù)倒數(shù)形式建立綠茶品質(zhì)風(fēng)速指數(shù)模型，表達式如式（7）所示。

式中，YF為綠茶品質(zhì)形成的風(fēng)速指數(shù)；F為鮮葉采收前15 d的平均風(fēng)速；f b為模型參數(shù)。

2.1.5 湖北省綠茶氣候品質(zhì)綜合指數(shù)及等級劃分 影響綠茶品質(zhì)的氣象因子重要性度量如圖3所示，日照時數(shù)、平均氣溫、平均相對濕度、平均風(fēng)速對綠茶品質(zhì)的影響重要性都在20%～30%，結(jié)合綠茶生長生理特性，確定4個指數(shù)為等權(quán)重。

利用綜合加權(quán)法得到綠茶氣候品質(zhì)綜合指數(shù)計算式如式（8）所示。

式中，YT、YS、YH、YF分別為氣溫指數(shù)、日照時數(shù)指數(shù)、相對濕度指數(shù)和風(fēng)速指數(shù)； cT、cS、cH、cF分別為YT、YS、YH、YF的權(quán)重，皆為0.25。

由遺傳算法優(yōu)化求解的各氣象因子指數(shù)模型參數(shù)如表2所示，參數(shù)優(yōu)化后的各氣象因子指數(shù)適宜度曲線如圖4所示。

依據(jù)模糊數(shù)學(xué)理論及茶葉氣候品質(zhì)評價行業(yè)標準［8，9，13］確定綜合指數(shù)分級指標，綜合指數(shù)按照≥0.90、0.75～0.90、0.50～0.75、lt;0.50的斷點劃分為特優(yōu)、優(yōu)、良和一般4級，如表3所示。

2.2 湖北省綠茶氣候品質(zhì)綜合指數(shù)模型檢驗

2.2.1 模型準確率檢驗 將實際檢測的氨酚比數(shù)據(jù)按照表3確定品質(zhì)等級，與利用綠茶氣候品質(zhì)綜合指數(shù)模型計算數(shù)據(jù)對應(yīng)的等級進行比對檢驗，67個樣本中45個樣本符合實際等級，占樣本總數(shù)的67.2%，22個樣本相差一個等級，占樣本總數(shù)的32.8%。以上結(jié)果表明，湖北省綠茶氣候品質(zhì)綜合指數(shù)模型能夠較好地反映不同氣候條件下茶葉品質(zhì)的差異。

2.2.2 湖北省綠茶氣候品質(zhì)等級空間分布 湖北省綠茶氣候品質(zhì)空間分布如圖5所示。從圖5可以看出，湖北省特優(yōu)綠茶產(chǎn)區(qū)面積最大的是恩施州，其次是宜昌市，再次是十堰市；另外黃岡市、咸寧市的山區(qū)有小部分茶葉產(chǎn)區(qū)可以達到特優(yōu)茶葉的標準。恩施州特優(yōu)茶葉產(chǎn)區(qū)主要在利川、咸豐、來鳳、恩施、宣恩、建始、鶴峰。宜昌市特優(yōu)茶葉產(chǎn)區(qū)主要在宜昌、宜都、長陽、巴東、秭歸、五峰。十堰市特優(yōu)茶葉產(chǎn)區(qū)主要在竹山、竹溪、房縣、鄖西、?？怠｜S岡市特優(yōu)茶葉產(chǎn)區(qū)主要在英山。咸寧市特優(yōu)茶葉產(chǎn)區(qū)主要在崇陽。湖北省內(nèi)其他大部分茶區(qū)所產(chǎn)綠茶為優(yōu)，無良和一般品質(zhì)茶葉產(chǎn)區(qū)。上述分布與湖北省茶葉產(chǎn)區(qū)綠茶品質(zhì)的實際情況較為符合［25-27］。

2.2.3 湖北省綠茶最佳品質(zhì)等級采摘期空間分布 湖北省綠茶最佳品質(zhì)等級采摘期空間分布如圖6所示。從圖6可以看出，湖北省綠茶最佳品質(zhì)等級采摘期鄂西南武陵山及三峽茶區(qū)在4月上中旬，鄂西北除神農(nóng)架以外的秦巴山茶區(qū)在4月上中旬，神農(nóng)架茶區(qū)在5月下旬至6月上旬，鄂中大洪山茶區(qū)及鄂東北大別山茶區(qū)都在3月中下旬，鄂南幕阜山茶區(qū)在3月下旬。上述綠茶最佳品質(zhì)等級采摘期也與實際情況較一致。

3 小結(jié)與討論

本研究在前人研究的基礎(chǔ)上，增加了風(fēng)速作為影響指標，構(gòu)建了湖北省綠茶氣候品質(zhì)綜合指數(shù)模型。建模使用的茶葉樣品產(chǎn)地經(jīng)度和海拔差異較大，具有一定代表性。模型計算出的省內(nèi)綠茶特優(yōu)及優(yōu)質(zhì)茶葉的分布情況以及綠茶最佳品質(zhì)形成時的采摘期等結(jié)果都與實際情況較為符合，說明該模型在一定地理區(qū)域范圍內(nèi)有推廣價值。

由于綠茶品質(zhì)對采摘前氣象條件的變化十分敏感，故采摘前氣象條件對茶葉品質(zhì)的影響較大。但通過英山2020年的樣本數(shù)據(jù)發(fā)現(xiàn)，2019年出現(xiàn)嚴重的氣象災(zāi)害，對茶樹植株造成傷害，2020年綠茶品質(zhì)亦受到影響。但考慮到茶樹是多年生植株以及模型的易用性，該指數(shù)模型僅考慮了采摘前15 d的氣象條件對茶葉品質(zhì)的影響，未考慮2019年極端氣象災(zāi)害對茶樹植株的影響而造成的品質(zhì)影響，因此該指數(shù)模型僅適用于未出現(xiàn)極端氣象災(zāi)害的情況。

由于茶樹是多年生植株，在湖北省不同區(qū)域取樣時無法完全統(tǒng)一品種，本研究中的研究對象是灌木型小葉種綠茶。由于不同區(qū)域種植的綠茶品種有差異，在篩選影響茶葉品質(zhì)的氣象指標和建立評價模型時，應(yīng)適當考慮品種的差異。因此，湖北省綠茶氣候品質(zhì)綜合指數(shù)模型還需要在應(yīng)用中不斷修訂和完善。

參考文獻：

［1］ 楊春雷，徐 陽，程東兵，等. 菊花氣候品質(zhì)評價技術(shù)初探與實踐［J］. 農(nóng)村經(jīng)濟與科技，" 2017， 28（21）：66-71.

［2］ 吳新國，張仕明，李曉川，等. 庫爾勒香梨氣候品質(zhì)認證模型設(shè)計［J］. 現(xiàn)代農(nóng)業(yè)科技， 2018（15）：231-233.

［3］ 張向榮，何可杰，雷 雯，等.獼猴桃果品氣候品質(zhì)認證技術(shù)研究［J］. 陜西農(nóng)業(yè)科學(xué)， 2015， 61（10）：65-68.

［4］ 婁偉平，吳利紅，孫 科，等. 春季龍井茶葉氣候品質(zhì)認證［J］.氣象科技， 2014， 42（5）：945-950.

［5］ 楊 棟，金志鳳，丁燁毅，等. 水蜜桃氣候品質(zhì)評價方法與應(yīng)用［J］.生態(tài)學(xué)雜志，2018， 37（8）： 2532-2540.

［6］ 李 德，高 超，孫 義，等.黃河故道碭山酥梨氣候品質(zhì)評價模型研究［J］.西北農(nóng)林科技大學(xué)學(xué)報（自然科學(xué)版），2018，46（10）：108-116.

［7］ 張智勇，廖 芳，李秀山，等. 贛南臍橙氣候品質(zhì)認證［J］.中國農(nóng)學(xué)通報， 2016， 32（34）：149-152.

［8］ 金志鳳，王治海，姚益平，等. 浙江省茶葉氣候品質(zhì)等級評價［J］. 生態(tài)學(xué)雜志，2015， 34（5）：1456-1463.

［9］ QX/T 11—2017，中華人民共和國氣象行業(yè)標準［S］.

［10］ 王治海，金志鳳，楊 棟，等. 基于Arc Engine 的茶葉生產(chǎn)氣象服務(wù)業(yè)務(wù)系統(tǒng)的設(shè)計與實現(xiàn)［J］.中國農(nóng)學(xué)通報，2016，32（21）：185-193.

［11］ 李仁忠，王治海，金志鳳，等. 浙江省農(nóng)產(chǎn)品氣候品質(zhì)認證服務(wù)淺析［J］. 浙江氣象， 2015， 36（4）：23-25.

［12］ 車秀芬，張京紅，黃海靜，等. 海南芒果氣象災(zāi)害監(jiān)測及氣候品質(zhì)認證系統(tǒng)研發(fā)［J］.氣象研究與應(yīng)用， 2017， 38（2）：45-48.

［13］ 劉瑞娜，陳金華，曹 雯，等. 基于氣候指數(shù)的安徽省茶葉氣候品質(zhì)評價［J］. 生態(tài)學(xué)雜志，2019， 38（2）： 612-618.

［14］ 金志鳳，葉建剛，楊再強，等. 浙江省茶葉生長的氣候適宜性［J］. 應(yīng)用生態(tài)學(xué)報，2014，25（4）：967-973.

［15］ 郭澎濤，李茂芬，羅 微，等. 基于多源環(huán)境變量和隨機森林的橡膠園土壤全氮含量預(yù)測［J］. 農(nóng)業(yè)工程學(xué)報，2015，31（5）： 194-202.

［16］ 李欣海. 隨機森林模型在分類與回歸分析中的應(yīng)用［J］. 應(yīng)用昆蟲學(xué)報，2013， 50（4）： 1190-1197.

［17］ 秦鵬程，劉 敏，李 蘭. 有效降水指數(shù)在暴雨洪澇監(jiān)測和評估中的應(yīng)用［J］. 中國農(nóng)業(yè)氣象， 2016， 37（1）： 84-90.

［18］ 秦鵬程，夏智宏，陳偉亮. 農(nóng)業(yè)氣候年景評估指數(shù)構(gòu)建及在江漢平原的應(yīng)用［J］. 氣象科技進展，2018， 8（5）： 40-45.

［19］ 謝志清，杜 銀，高 蘋，等. 江淮流域水稻高溫熱害災(zāi)損變化及應(yīng)對策略［J］. 氣象，2013，39（6）： 774-781.

［20］ 張 雷，王琳琳，張旭東，等. 隨機森林算法基本思想及其在生態(tài)學(xué)中的應(yīng)用［J］. 生態(tài)學(xué)報，2014，34（3）： 1-10.

［21］ 秦鵬程，劉志雄，萬素琴，等. 基于決策樹和隨機森林模型的湖北油菜產(chǎn)量限制因子分析［J］.中國農(nóng)業(yè)氣象，2016，37（6）： 691-699.

［22］ 駱耀平. 茶樹栽培學(xué)［M］. 第五版.北京：中國農(nóng)業(yè)出版社，2016.88-104.

［23］ 程啟坤. 茶葉品種適制性的生化指標：酚氨比［J］.中國茶葉，1983（1）：38.

［24］ 郭桂義，嚴佩峰，文 宏，等. 安吉白茶與信陽群體種信陽毛尖茶化學(xué)成分和品質(zhì)的比較［J］.食品科技，2010，35（6）：118-121.

［25］ 安 哲. 開發(fā)名優(yōu)茶 提升茶效益［J］. 中國茶葉，2015（4）： 6.

［26］ 李兆能. 湖北茶葉產(chǎn)業(yè)發(fā)展現(xiàn)狀及對策建議［J］. 調(diào)查與研究， 2007（1）： 42-44.

［27］ 譚文選. 湖北省茶葉標準與茶葉質(zhì)量［J］. 茶葉通報， 1992（3）： 43-44.

收稿日期：2022-05-07

基金項目：湖北省科技基金項目（2019Y05）

作者簡介：鄧環(huán)環(huán)（1980-），女，湖北鐘祥人，高級工程師，主要從事生態(tài)與農(nóng)業(yè)氣象研究，（電話）18971382090（電子信箱）11662106@qq.com；通信作者，萬素琴，正高級工程師，主要從事農(nóng)業(yè)氣象研究，（電子信箱）11662106@qq.com。