大蒜長勢特征與氣象因素分析

劉繼林 張超 王俊美 柳平增

摘 要 為了探討大蒜長勢主要特征與環境因素的相關關系，以2018年山東省濟寧市金鄉縣周邊12個大蒜站點的苗情數據和環境數據為研究對象，進行數據分析。先進行了主成分分析，從大蒜的株高、假莖長、假莖粗、根數、平均根長、平均葉長、平均葉寬中篩選出影響大蒜長勢的主要特征;然后運用因素分析法與回歸分析探尋大蒜長勢主要特征與各環境因素之間的關系，并得到擬合方程。結果表明：主成分分析顯示，假莖粗是最能表現大蒜長勢的主要特征，其負荷占比達到49.6%;分析假莖粗與各種環境因素的擬合方程得出，假莖粗與土壤溫度的關系最強，假莖粗與土壤pH之間的關系最弱。本研究結果為科學判斷大蒜長勢提供了較好的模型結果與擬合方程，為研究氣象、土壤等相關環境因素對大蒜長勢的影響提供了參考依據。

關鍵詞 大蒜;主成分分析;氣象因素;可視化分析;回歸分析

中圖分類號：S11;F224 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2020.26.085

大蒜農藝性狀除了與土壤基礎肥力、化肥、農藝措施有關外，很大程度上還與大蒜生長期間的氣象環境因素息息相關[1-2]。現階段，大蒜產業發展迅速，從大蒜蒜種挑選、施肥方法以及耕種時間安排上，都有越來越科學的指導方法。但氣象因素的變化無法避免，如果惡劣的氣象變化嚴重超出了大蒜生長發育期間所能承受的范圍，就會導致大蒜生長發育受阻甚至停止生長。氣象因素對大蒜的生長發育和農藝性狀的影響較為顯著，而大蒜農藝性狀會嚴重影響大蒜單產，因此研究氣象因素變化對大蒜農藝性狀的影響已成為大蒜產業研究中一項重要課題[3]。

國內當前對大蒜產業的研究涉及到方方面面，其中信息化研究主要體現在價格、面積規模、輿情等三個方面，對大蒜長勢、產量及信息化相關的研究較少。郭峰[4]利用季節調整法、H-P濾波法并構建ARIMA-SVR組合模型，展開了對大蒜價格波動規律及影響因素分析，對大蒜價格預測進行深入研究。吳國靖[5]使用遙感技術獲取大蒜種植面積，并根據相關理論對大蒜種植面積的影響因素進行了分析。王寶佳[6]結合大蒜產業網絡輿情特點，從大蒜產業網絡輿情采集、分析及監測分析系統研發三個方面進行了深入研究。

關于農作物長勢評價與氣象的相關研究，國內大都以糧食產物研究為主[7-8]。如周鶴等[9]建立了基于BP神經網絡的水稻生長長勢預測模型，預測氣象等環境因子對水稻不同生育周期長勢的影響，得到的預測值較為準確。黃清等[10]利用遙感數據，探討了冬小麥不同生育期長勢狀況及其與氣溫、降水、日照等氣象因子的相關性。Bannayan等[11]研究了降水和溫度對伊朗東北部農作物長勢的影響，結果表明，不同地點的作物長勢狀況與氣候因素之間的關聯存在差異，最高溫度是作物長勢的限制和決定因素。

總體來說，前人在對農作物長勢評價與氣象因素的分析研究上取得了眾多研究成果，但仍然存在一些不足：1）國內外學者對于農作物長勢評價與氣象分析的研究大都集中在糧食、蔬菜等大宗商品，忽視了大蒜等小宗產品;2）在大蒜領域中，氣象等環境因素對大蒜長勢影響的研究大都處于宏觀解釋階段，缺少量化氣象等環境因素對大蒜長勢影響的方式方法。

本試驗在分析國內外研究現狀的基礎上，以2018年濟寧市金鄉縣周邊12個大蒜站點的苗情數據和環境數據為研究對象，探究最能表現大蒜長勢的生長特征及其與氣象等環境因素的關系，為大蒜種植應對氣象因素變化提供決策依據。

1 材料與方法

1.1 資料來源及處理

大蒜數據來自2017年10月—2018年5月濟寧市金鄉縣周邊魚山鎮、羊山鎮、胡集鎮、卜集鎮、高河鎮、王丕鎮、興隆鎮、雞黍鎮、肖云鎮、化雨鎮、馬廟鎮、司馬鎮等12個站點，并對數據進行了預處理，將其中不滿足地質為砂地或者苗情為較好的數據剔除。計算的生長特征因子包括株高、假莖長、假莖粗、根數、平均根長、平均葉長、平均葉寬。從2017年10月種植，到2018年5月收獲，對各個站點進行了實時環境監測，其中逐日環境資料短缺的日期，在環境數據處理時采用周環境數據平均值代替。計算的環境因子[12]包括土壤溫度（10 cm）、土壤PH（10 cm）、土壤濕度（10 cm）、土壤溫度（20 cm）、土壤PH（20 cm）、土壤濕度（20 cm）、空氣溫度（℃）、空氣濕度（%）。

1.2 研究方法與思路

本研究以濟寧市金鄉縣周邊12個大蒜站點的苗情數據和環境數據為研究對象，運用R語言來分析大蒜長勢的主要特征因素及其與氣象因素的相關關系。先篩選出苗情表現較好的大蒜，通過主成分分析法找出最能表現大蒜苗情的生長長勢特征。在此基礎上，將最能表現大蒜苗情的生長長勢特征與各種氣象因素相結合，運用可視化分析與回歸分析，得到影響大蒜長勢狀況的數學模型，為進一步得到大蒜產量的預估奠定基礎。

2 結果與分析

2.1 大蒜生長特征主成分分析

首先要在大蒜中找出表現苗情好壞的主要長勢特征，其中X1、X2、X3、X4、X5、X6、X7分別表示株高、假莖長、假莖粗、根數、平均根長、平均葉長、平均葉寬。利用R語言中的scale（）函數將大蒜的苗情數據株高、假莖長、假莖粗、根數、平均根長、平均葉長、平均葉寬進行歸一化處理，并進行主成分分析求得主成分負荷，結果如表1所示。

進一步確定主成分，結果如圖1所示。

按照的原則及由碎石圖的圖像可以看出m=2，即選定兩個主成分C1（Comp.1）及C2（Comp.2）。

由表1可以看出，主成分C1在假莖粗、平均葉寬、根數、平均葉長上的載荷值都很大，主成分C2在株高、平均葉長、平均根長上的載荷值都很大，所以這兩者可以看作反映大蒜生長長勢的因素。

經過以上分析可得，最能表現大蒜生長狀況的因素是假莖粗。也就是說在生長期，大蒜的假莖粗越粗，大蒜長勢越好，蒜頭的重量也就越大，蒜農的收益就越高，這與實際情況相符。因此，若想使得大蒜長勢良好，應該增加假莖粗。

2.2 假莖粗與氣象因素的相關性分析

為了更直觀和形象地表達氣象因素與假莖粗之間的關系，選用基于可視化與回歸分析的相關性分析方法。其中y表示假莖粗，x1、x2、x3、x4、x5、x6、x7、x8分別表示10 cm處土壤溫度、pH、濕度和20 cm處土壤溫度、pH、濕度以及空氣溫度、空氣濕度。

在R語言中導入假莖粗與10 cm處土壤溫度、pH、濕度和20 cm處土壤溫度、pH、濕度以及空氣溫度、空氣濕度的相關數據，并利用rcorr（）、symnum（）、corrplot（）等函數進行可視化分析，具體結果如下圖所示。

由圖2可得，y與x4之間的相關性最強，其次是y與x1，而y與x5的關系最弱，即假莖粗與20 cm處土壤溫度的關系最強，其次是假莖粗與10 cm處土壤溫度的關系，而假莖粗與20 cm處土壤 pH之間的關系最弱。因此，要是想增加假莖粗的大小，可以適當改變20 cm處土壤溫度、10 cm處土壤溫度、空氣濕度的大小。

2.3 基于回歸分析的相關性分析

以假莖粗與20 cm處土壤溫度的基于回歸分析的相關性分析為例，得到兩個變量之間的密切程度，并擬合出假莖粗與20 cm處土壤溫度的回歸方程。假莖粗與10 cm處土壤溫度、10 cm處土壤PH、10 cm處土壤濕度、20 cm處土壤pH、20 cm處土壤濕度、空氣溫度、空氣濕度回歸方程的擬合，與此方法相同。

擬合直線并對之進行檢驗，擬合出的方程為y=0.5029x4+6.5646，F值為10.893 0，對應的P值為0.003 761，說明x4對應的因素20 cm處土壤溫度高度顯著，對實驗結果非常重要。調整后的可決系數R2為0.331，相關系數的平方為0.364 4。再用各種非線性函數擬合，最終得到結果，擬合出的方程為y=-0.78+2.17x4-0.01x43。

分析擬合方程可得，x43不變時，x4每增加一個單位，y即假莖粗平均增加2.17個單位;x4不變時，x43每增加一個單位，y即假莖粗平均減少0.01個單位。

則令y?=0可得x4=±8.5，所以，也就是說當20 cm處土壤溫度處低于-8.5 ℃或高于8.5 ℃時，假莖粗會隨土壤溫度的升高而增加;當土壤溫度在-8.5～8.5 ℃時，假莖粗會隨土壤溫度的升高而下降。

綜合上述分析結果可得見表2，即假莖粗與各個氣象因素的相關關系。

分析結果表明，影響假莖粗大小的最大的因素是20 cm處土壤溫度，其次是10 cm處土壤溫度、空氣濕度。

3 討論

對變量進行主成分分析后，可以從煩瑣復雜的因素中找出一些起主要作用的成分，并對這些成分利用統計學知識進行定量分析，揭示變量之間存在的真正關系，進而得到一些啟發，為深入探究事物特征及其發展規律奠定基礎[13]。相關性分析是對兩個或者多個具有相關性的變量因素進行分析，目的是為得到兩個變量因素的相關密切程度[14-15]。本研究為了更直觀和形象地表達氣象因素與假莖粗之間的關系并得出擬合方程，選用了基于可視化與回歸分析的相關性分析方法。

本研究對表現大蒜長勢的所有指標進行主成分分析，得到負荷最大的因素，也就是代表大蒜長勢的最主要生長因素是假莖粗。這與陳昆等[16]、李賀等[17]的分析結果一致，表明了大蒜長勢和大蒜的假莖粗有密切關系，通過調整大蒜假莖粗的生長狀況可以有效改善大蒜長勢。同時，本研究利用可視化分析方法研究了假莖粗與10 cm處土壤溫度、土壤PH、土壤濕度;20 cm處土壤溫度、土壤pH、土壤濕度;空氣溫度、濕度之間的相關性，直觀表達了假莖粗與各氣象因素之間的密切程度，并通過回歸分析方法，找到了假莖粗與各種氣象因素相關關系的擬合方程，對假莖粗與各氣象因素之間的關系進行了量化，其中，假莖粗與20 cm處土壤溫度的關系最密切，其次是與10 cm出土壤溫度的關系，而假莖粗與土壤pH之間的關系最弱。

4 結論

本研究采集大蒜一年生長期期間的生長特征數據，包括株高、假莖長、假莖粗、根數、最長根長、最長葉長、最大葉寬，運用主成分分析法，得出了在眾多生長特征中負荷最大的因素，也就是最能表現大蒜苗情好壞的最主要生長特征——假莖粗。在實際中，生長期大蒜的假莖粗越大，大蒜長勢越好，農民后期收益越高。因此，有效控制假莖粗的長勢至關重要。同時，本次研究量化了假莖粗與各種氣象因素之間的關系，其中假莖粗與20 cm處土壤溫度的關系最強。

本研究僅初步研究了氣象等環境因素對大蒜主要生長特征的影響，而氣象等環境因素變化對大蒜其他長勢特征的影響還有待進一步深入探討。

參考文獻：

[1] 郭春強，張振永，齊雙麗，等.影響小麥產量的氣象因素分析及產量氣象模型研究[J].天津農業科學，2019，25（4）：38-41.

[2] 王琪，馬樹慶，郭建平，等.溫度對玉米生長和產量的影響[J].生態學雜志，2009，28（2）：255-260.

[3] 張明如，代康寧.湖北省糧食生產氣象災害風險評價與區域劃分[J].統計與決策，2019，35（10）：82-86.

[4] 郭鋒.基于大數據的大蒜價格預測及可視化研究[D].泰安：山東農業大學，2019.

[5] 吳國靖.大蒜種植規模及其影響因素研究[D].泰安：山東農業大學，2019.

[6] 王寶佳. 大蒜產業網絡輿情監測分析系統研發[D].山東農業大學，2019.

[7] 周桐宇，江敏，孫汪亮，等.未來氣候變化對福建省水稻產量影響的模擬[J].生態學雜志，2018，37（1）：227-236.

[8] 陳鵬飛，于延春，楊飛，等.氣候變化對魯西北平原冬小麥產量的影響及對策[J].自然資源學報，2013，28（2）：211-219.

[9] 周鶴，曹永忠.基于神經網絡的水稻不同生育周期長勢預測模型[J].無線互聯科技，2019，16（2）：49-51.

[11] 黃青，周清波，王利民，等.基于遙感的冬小麥長勢等級與氣象因子相關性分析[J].農業機械學報，2014，45（12）：301-307.

[12] Bannayan M，Lotfabadi SS，Sanjani S，et al.Effects of precipitation and temperature on crop production variability in northeast Iran[J].International journal of biometeorology，2011，55（3）：387-401.

[13] 劉杰，許小峰，羅慧.氣象條件影響我國農業經濟產出的計量經濟分析[J].氣象，2010，36（10）：46-51.

[14] 侯飛娜，木泰華，孫紅男，等.馬玲薯全粉品質特性的主成分分析與綜合評價[J].核農學報，2015，29（11）：2130-2140.

[15] 黃青，周清波，王利民，等.基于遙感的冬小麥長勢等級與氣象因子相關性分析[J].農業機械學報，2014，45（12）：301-307.

[16] 梁森苗，張淑文，鄭錫良，等.楊梅生長指標與果實品質間的相關性分析[J].核農學報，2019，33（4）：751-758.

[17] 陳昆，劉世琦，張自坤，等.鉀素營養對大蒜生長、光合特性及品質的影響[J].植物營養與肥料學報，2011，17（2）：506-512.

[18] 李賀，連海峰，劉世琦，等.鎘脅迫對大蒜苗生理特性的影響及施鈣的緩解效應[J].應用生態學報，2015，26（4）：1193-1198.

（責任編輯：趙中正）