主要?dú)庀笠蜃优c冬小麥產(chǎn)量的灰色關(guān)聯(lián)度分析

胡園春，安廣池，楊 寧，李全景，崔云鵬

（1山東省棗莊市嶧城區(qū)氣象局，山東嶧城277300；2山東省棗莊市農(nóng)業(yè)技術(shù)推廣中心，山東棗莊277800；3山東省棗莊市氣象局，山東棗莊277800）

0 引言

20世紀(jì)80年代初實(shí)施業(yè)務(wù)預(yù)報(bào)服務(wù)以后，無論是預(yù)報(bào)方法還是預(yù)報(bào)精度都有了很大的發(fā)展，為國家有關(guān)部門制定農(nóng)業(yè)政策提供了一定的科學(xué)依據(jù)。近年來隨著全球氣候的變化，農(nóng)業(yè)氣象災(zāi)害發(fā)生的頻率不斷增加、影響的程度逐漸加重。鑒于農(nóng)業(yè)生產(chǎn)與氣象條件的密切關(guān)系[1-2]，迫切需要開展影響作物產(chǎn)量的氣象要素定量評(píng)價(jià)服務(wù)。小麥?zhǔn)囚斈系貐^(qū)乃至山東省的主要糧食作物，研究氣象因素對(duì)小麥產(chǎn)量的影響，對(duì)減災(zāi)避災(zāi)非常重要。如李圣豪、衛(wèi)志祥、周美燕等[3-5]定性分析了小麥產(chǎn)量與氣象因子的關(guān)系；王建林、蘇占勝、薛曉萍等[6-8]用其他數(shù)學(xué)方法對(duì)小麥產(chǎn)量和氣象因子的關(guān)系進(jìn)行了分析，研究表明，這些方法受信息量不完全及數(shù)學(xué)模型的制約，難以得到較為滿意的結(jié)果。鄧聚龍教授創(chuàng)建了灰色理論[9]以后，因?yàn)樵摲椒ň哂辛己玫姆€(wěn)定性[10-12]，并且對(duì)數(shù)據(jù)要求較低，所用工作量較少、處理信息量大等優(yōu)點(diǎn)，廣泛應(yīng)用于農(nóng)作物產(chǎn)量和氣象因子分析中[13-15]。

本研究應(yīng)用灰色關(guān)聯(lián)分析法和逐步回歸分析方法，選取在2006年開始逐步引進(jìn)示范的‘煙農(nóng)19’、‘濟(jì)麥22’、‘泰農(nóng)18’、‘良星66’、‘魯原502’等新品種為產(chǎn)量樣本，采用2008—2017棗莊的氣象資料進(jìn)行關(guān)聯(lián)度分析，找出影響冬小麥產(chǎn)量的關(guān)鍵氣象因子，建立冬小麥產(chǎn)量與關(guān)鍵氣象因子的回歸方程，并就關(guān)鍵氣象因子的影響情況提出相應(yīng)的農(nóng)業(yè)技術(shù)措施，以期為提高冬小麥產(chǎn)量提供參考依據(jù)。

1 材料與方法

1.1 材料與品種

氣象資料由山東省棗莊市氣象局提供，對(duì)棗莊市5 個(gè)國家一般觀測(cè)站（棗莊大監(jiān)站、滕州大監(jiān)站、薛城大監(jiān)站、臺(tái)兒莊大監(jiān)站、嶧城大監(jiān)站）取平均值。選取2008—2017 年冬小麥生長(zhǎng)季節(jié)10 月—翌年5 月全市平均的≥0℃積溫、≥10℃積溫以及≥20℃積溫、需冷量、降水量和日照時(shí)數(shù)作為關(guān)鍵氣象因子。

以棗莊市2008—2017 年全市冬小麥平均單產(chǎn)為相關(guān)因子，進(jìn)行灰色關(guān)聯(lián)分析和多元逐步回歸分析。冬小麥品種選用棗莊地區(qū)主要推廣品種‘煙農(nóng)19’、‘濟(jì)麥22’、‘泰農(nóng)18’、‘良星66’、‘魯原502’等。

1.2 數(shù)據(jù)處理

用Excel 把氣象資料和冬小麥產(chǎn)量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)梳理。按照灰色系統(tǒng)理論的要求[9]，把2008—2017 年棗莊冬小麥產(chǎn)量（單產(chǎn)）、生育期（10 月—翌年5 月）內(nèi)的全市平均≥0℃積溫、≥10℃積溫、≥20℃積溫、需冷量、降水量和日照時(shí)數(shù)視為一個(gè)整體，構(gòu)建一個(gè)灰色系統(tǒng)。冬小麥產(chǎn)量為母序列Yi，i=1,2,…,10；全生育期≥0℃積溫(X1i)、≥10℃積溫(X2i)、≥20℃積溫(X3i)、冷量(X4i)、降水量(X5i)、日照時(shí)數(shù)(X6i)等氣象因子作為子序列，各數(shù)值詳見表1。

在此處，為方便分析各參數(shù)與冬小麥產(chǎn)量之間的關(guān)聯(lián)度，對(duì)表中數(shù)據(jù)采用均值化變換進(jìn)行無量綱化處理[16-17]，即先分別對(duì)各參量求出10年的平均值，再利用平均值去除對(duì)應(yīng)各序列中的各個(gè)原始數(shù)據(jù)，得出相應(yīng)的無量綱序列。此外，將冬小麥產(chǎn)量作為因變量，冬小麥生長(zhǎng)發(fā)育期的氣象因子作為自變量，利用Matlab擬合工具對(duì)其進(jìn)行了逐步回歸處理，給出相應(yīng)回歸方程。

2 結(jié)果與分析

2.1 冬小麥產(chǎn)量與氣象因子灰色關(guān)聯(lián)度分析

利用matlab編寫m文件對(duì)于各氣象參數(shù)與冬小麥產(chǎn)量的灰色關(guān)聯(lián)度進(jìn)行分析。按照關(guān)聯(lián)分析原則，關(guān)聯(lián)系數(shù)越大，關(guān)系越密切，反之則疏遠(yuǎn)。由表2 可知，冬小麥單產(chǎn)產(chǎn)量與各氣象的關(guān)聯(lián)度大小依次：≥10℃積溫（關(guān)聯(lián)系數(shù)0.4721）、降水量（關(guān)聯(lián)系數(shù)0.4201）、≥0℃積溫（關(guān)聯(lián)系數(shù)0.3992）、冷量（關(guān)聯(lián)系數(shù)0.3756）、≥20℃積溫（關(guān)聯(lián)系數(shù)0.3621）、日照時(shí)數(shù)（關(guān)聯(lián)系數(shù)0.3131）。即影響冬小麥產(chǎn)量的主導(dǎo)因子是≥10℃積溫，其次是降水量。

表1 2008—2017年冬小麥生育期主要?dú)庀笠蜃雍彤a(chǎn)量

由表1 看出，2008—2017 年，產(chǎn)量最低為 2011 年，僅為6195 kg/hm2，較2008—2017年平均值少856 kg/hm2，減幅12.1%。該年度≥10℃積溫1774.7℃，較平均值偏少146.4℃；降水量?jī)H為77.0 mm，較平均值偏少148.7 mm，該年度遭遇秋、冬、春三季連旱；≥0℃積溫2288.8℃，較平均值偏少98.8℃；冷量-140.0℃，較平均值偏多67.1℃；≥20℃積溫535.3℃，較平均值偏少110.4℃；日照時(shí)數(shù)1418.8 h，較平均值偏多128.9 h。由此得出，≥10℃積偏少和降水偏少是導(dǎo)致該年度產(chǎn)量低的主要?dú)庀笠蛩亍?/p>

2017年產(chǎn)量最高，為7934 kg/hm2，較2008—2017年平均值偏多883 kg/hm2，增幅12.5%。該年度≥10℃積溫2050.6℃，較平均值偏多129.5℃；降水量316.8 mm，較平均值偏多91.1 mm（是近10 年最多）；≥0℃積溫2578.7℃，較平均值偏多191.1℃；冷量-14.1℃，較平均值偏少58.8℃；≥20℃積溫838.8℃，較平均值偏多193.1℃；日照時(shí)數(shù)1288.4 h，接近平均值。由此得出，≥10℃積溫偏多和降水偏多是該年度產(chǎn)量高的主要?dú)庀笠蛩亍?/p>

冬小麥產(chǎn)量最低的2011 年和最高的2017 年進(jìn)行對(duì)比：2011 年所有積溫均較平均值偏少，降水量亦偏少，冷量和日照時(shí)數(shù)較平均值偏多；2017 年所有積溫均較平均值偏多，降水量亦偏多，冷量偏少，日照時(shí)數(shù)與平均值相近。由此可知，積溫和降水量對(duì)冬小麥產(chǎn)量高低的影響最為顯著，而日照時(shí)數(shù)的影響相對(duì)較小。與關(guān)聯(lián)度分析結(jié)果是一致的，由此說明利用灰色關(guān)聯(lián)度分析法對(duì)冬小麥發(fā)育期關(guān)鍵氣象因子與年際間產(chǎn)量的關(guān)系分析是可行的，所得結(jié)論可靠，與實(shí)際生產(chǎn)情況比較吻合（見表2）。

2.2 主要?dú)夂蛞蜃优c冬小麥產(chǎn)量的多元逐步回歸分析

對(duì)于表1 中冬小麥產(chǎn)量Y定義為因變量，其余各個(gè)氣象因子X1～X6定義為自變量，利用matlab擬合工具對(duì)其進(jìn)行回歸分析，其中該回歸選取顯著性水平alpha為0.05。所得7 個(gè)物理量分別是2584.23143156404、0.23 21 951 5716 93 62、2.39559754488443、-0.993611 7946 37277、6.30917 06214 74 53、2.15861804772652、0.12256578987655。

表2 2007—2017年（10—5月）氣候因子與冬小麥產(chǎn)量的灰色關(guān)聯(lián)分析值

經(jīng)過對(duì)該7 個(gè)物理量進(jìn)行逐步回歸分析，可建立回歸方程(1)。

該方程的R2，F(xiàn)值，P以及D-W值，見表3。

表3 方程的R2、F、P、D-W值

可知該方程R2高達(dá)0.9811，極大程度接近1，表明該回歸模型的準(zhǔn)確性，而且同時(shí)P為0.0408＜0.05，表明該模型成立，因而逐步回歸建立的方程可以適用于魯南地區(qū)冬小麥產(chǎn)量的預(yù)測(cè)。

通過該回歸方程可知，在決定系數(shù)R2高達(dá)0.9811，則該6項(xiàng)氣候因素是影響棗莊地區(qū)冬小麥產(chǎn)量的主要?dú)庀笠蜃印＿@6項(xiàng)因子除了≥20℃積溫X3是負(fù)效應(yīng)，其他5項(xiàng)均為正效應(yīng)。影響最大的是≥10℃積溫X2，其代表著小麥整個(gè)生長(zhǎng)發(fā)育期所需求的熱量；其次降水量X5對(duì)冬小麥產(chǎn)量影響也較大，說明降水對(duì)于小麥生長(zhǎng)發(fā)育的重要性；適量的冷量利于冬小麥安全越冬，從而利于產(chǎn)量提高，但冷量過大對(duì)小麥產(chǎn)量不利；≥20℃積溫X3為負(fù)效應(yīng)，魯南≥20℃積溫過多，不利于小麥灌漿，對(duì)于小麥產(chǎn)量有著不利影響；該結(jié)果表明，≥10℃積溫與降水是決定產(chǎn)量的重要因素，均為正效應(yīng)，與上述灰色關(guān)聯(lián)度分析結(jié)果基本一致。

3 結(jié)論與討論

采用灰色關(guān)聯(lián)度分析方法，把多個(gè)氣象因子視為灰色系統(tǒng)，作為一整體進(jìn)行比較，從而避免了在進(jìn)行數(shù)據(jù)分析時(shí)的多因子孤立分散狀態(tài)以及量綱不同、數(shù)值大小相差太多而難以比較的困難，其具有良好穩(wěn)定性的特點(diǎn)；同時(shí)還具有工作量較少信息量較大的特點(diǎn)，根據(jù)關(guān)聯(lián)度大小表示指標(biāo)的重要程度，使分析簡(jiǎn)單易行。而逐步回歸方法可以對(duì)已選入的變量進(jìn)行逐個(gè)檢驗(yàn)，當(dāng)原引入的變量由于后面變量的引入而變得不再顯著時(shí)，將其剔除大量可供選擇的變量中選擇對(duì)建立回歸方程比較重要的變量，建立“最優(yōu)”回歸方程，把關(guān)鍵氣象因子對(duì)冬小麥產(chǎn)量的影響進(jìn)行量化分析。結(jié)合2 種方法進(jìn)行分析，對(duì)影響冬小麥產(chǎn)量的主要?dú)庀笠蜃蛹冗M(jìn)行了量化，也更加明確。

灰色關(guān)聯(lián)分析結(jié)果表明，冬小麥生育期間對(duì)產(chǎn)量影響最大的是≥10℃積溫(0.4721)，其次分別是降水量(0.4201)、≥0℃積溫(0.3992)、冷量(0.3756)、≥20℃積溫(0.3621)，日照時(shí)數(shù)影響最小，關(guān)聯(lián)系數(shù)為0.3131。積溫和降水是影響小麥產(chǎn)量的最重要因子與李長(zhǎng)軍、柳芳、羅蔣梅等[18-20]的研究結(jié)論一致，只是本研究按照作物的關(guān)鍵點(diǎn)對(duì)溫度進(jìn)行了更細(xì)致的劃分。

逐步回歸分析結(jié)果表明，≥10℃積溫與降水是決定產(chǎn)量的重要因素，均為正效應(yīng)，其他因子如≥0℃積溫、≥20℃積溫、冷量、日照時(shí)數(shù)影響較小。與上述灰色關(guān)聯(lián)度分析結(jié)果基本一致。

鑒于制約小麥產(chǎn)量的關(guān)鍵氣象因子，采取科學(xué)的應(yīng)對(duì)措施是必要的，在進(jìn)一步優(yōu)化品種布局的基礎(chǔ)上，抓好小麥標(biāo)準(zhǔn)化播種環(huán)節(jié)，確保苗全、苗勻；采用有機(jī)肥替代化肥技術(shù)與增施微生物菌肥技術(shù)，改良土壤理化性質(zhì)，減輕根部病害；采用播后鎮(zhèn)壓與澆越冬水措施，提高小麥抗凍與抗旱能力；在小麥生育后期采用氮肥后移技術(shù)、“一噴三防”技術(shù)，提高小麥抗病、抗蟲、抗干熱風(fēng)、抗倒伏等能力，形成合理豐產(chǎn)群體結(jié)構(gòu)，培育健壯個(gè)體，從而達(dá)到預(yù)期的產(chǎn)量要求。

盡管本研究得到一些有意義的結(jié)論，但仍然存在一定的局限。灰色關(guān)聯(lián)分析法主要缺點(diǎn)在于選擇比較數(shù)列時(shí)，主觀性較強(qiáng)，部分指標(biāo)的最優(yōu)值很難確定。