多元統計分析法構建基于氣候因子的遵義煙區煙葉產量預測模型

漆夏燕 溫明霞 黃純楊 王小彥 芶劍渝 崔紹秋 李又庭

摘 要 為預測遵義煙區的煙葉產量，利用貴州省遵義市5站煙葉產量數據與生育期氣候統計數據，采用多元統計分析方法，構建基于氣候因子的煙葉產量預測模型。結果表明，煙葉產量受煙葉生長中后期氣候條件的影響較大，影響較大的氣候條件主要體現在熱量、水分、光照3個方面，不同地區、不同研究方法確定的氣候因子有所不同;依托構建的煙葉產量預測模型及生長季氣候統計數據與氣候預測數據，能夠在關鍵生育期逐月制作并發布煙葉產量預測，穩定性較好，可實現煙葉產量的業務化預測。

關鍵詞 煙葉;產量預測;氣候;多元統計分析;遵義煙區

中圖分類號：S572 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2022.09.006

收稿日期：2022-02-11

作者簡介：漆夏燕（1983—），女，貴州遵義人，本科，助理農藝師，研究方向為卷煙質量檢驗。

*為通信作者，E-mail：gllyt@sina.com。

氣候是影響煙葉產量的重要因素之一，煙葉生產很大程度受煙區全年氣候條件的影響[1]。盡管影響煙葉產量的因素較多，但在一定時期內，特定煙區的品種、種植政策、土壤狀況、栽培技術及生產條件等變化并不明顯，因此，煙葉產量主要與氣候密切相關，不利氣象條件和氣象災害通常會導致煙葉產量降低[2-3]。因此，研究煙葉產量與氣候條件的關系，根據氣候統計數據和預測數據進行煙葉產量預測，對于科學組織煙葉生產、行業降本增收具有重要意義。

氣候對煙葉產量影響的研究較多，但建立數學模型并應用于煙葉產量的研究較少，當前仍缺乏較為準確可靠的煙葉產量與氣候因子之間的預測模型[4]。以往氣象數據的實時收集與氣候預測難度較大，時效性、準確性和精細化程度均達不到要求，因此在實際工作中難以基于氣候因子進行煙葉產量預測。隨著物聯網、現代氣象觀測、移動互聯網、精細化數值天氣預報及氣候預測等現代科學技術的發展，及時采集、處理與統計分析氣象環境數據更為方便，為構建基于氣候因子的煙葉產量預測模型、煙葉產量業務化預測奠定了基礎。本研究選取湄潭縣、綏陽縣、桐梓縣、余慶縣及正安縣這5站煙葉產量數據及對應年份的氣候統計數據，應用多元統計分析方法分析了影響遵義市煙葉質量的氣候因子，構建了基于氣候因子的煙葉產量預測模型，并根據生長季氣候統計數據和氣候預測數據進行生長季月度煙葉產量預測。

1 數據與方法

1.1 數據來源及處理

煙葉產量數據為2006—2019年湄潭縣、綏陽縣、桐梓縣、余慶縣及正安縣5站各級別煙葉收購數據。為確保煙葉產量數據的可比性，分析與建模均依據每667 m2產量數據進行。產量煙葉產量為上等煙葉、中等煙葉和下等煙葉產量之和。個別年份缺下等煙葉產量數據，導致當年煙葉產量數據不完整，需要對煙葉產量數據進行修正。修正方法是以鄰近5年下等煙葉平均占比作為該年下等煙產量占比，結合中上等煙的占比和產量，計算出當年煙葉產量。為更好地反映氣候因子的影響和模型預測效果，剔除非氣候因素的影響，模型構建采用了煙葉氣象產量[5]。

由于煙葉生長不同生育期對氣候條件要求存在差異，影響因子分析分別選取了各生育期光、熱、水3個方面的氣候指標，包括平均氣溫、平均最高氣溫、平均最低氣溫、日平均氣溫≥20 ℃的日數、積溫、降水量、降水日數、日照時間、大田日數及平均相對濕度等。預測模型構建選取的氣候因子為不同生育期平均氣溫、合計降水量;煙葉產量預測氣候數據為當年生長季氣候統計數據（預測時間點以前）和氣候預測數據（預測時間點以后）。

1.2 方法

1.2.1 氣候因子分析

氣候因子分析從構建煙葉產量-氣候關系模型和不同產量收益年型氣候特征值分析2個方面進行。

1）煙葉產量-氣候關系模型構建。依據歷史煙葉產量數據和與煙草生長密切相關的熱量、水分、光照等氣候統計特征量，采用多元線性逐步回歸分析法，多元線性模型的擬合優度檢驗和顯著性檢驗分別采用t檢驗和F檢驗，置信度設為95%[6-7]。煙葉產量-氣候關系模型構建的具體步驟如下：①對建模數據進行標準化處理;②進行主成分分析，確定多元回歸分析的維度;③進行多元回歸分析，得到回歸系數，從而確定關系模型。

2）不同產量收益年型氣候特征值分析。基于各生育期氣候條件和產量收益年型氣候狀況統計數據，分析得到氣候年景豐年的典型取值范圍;參照豐年各生育期各氣候特征值典型值的取值范圍，分析偏歉年、歉年氣候統計數據，可以從一個方面得到影響烤煙產量的氣候因素。

1.2.2 煙葉產量預測模型構建

煙葉產量預測模型構建方法與煙葉產量-氣候關系模型構建方法相同，使用多元線性逐步回歸分析方法，根據煙葉產量業務化預測需要，依據的氣候因子簡化為平均氣溫與降水量，模型的擬合優度檢驗和顯著性檢驗分別采用t檢驗和F檢驗，置信度為95%。

1.2.3 煙葉產量預測

在煙葉生長關鍵時期（4—9月），依據當年生長季氣候統計數據和氣候預測數據，應用煙葉產量預測模型，按月制作發布煙葉產量預測信息，分析確定煙葉產量收益年型。

煙葉產量收益年型根據增產率劃分確定見表1。增產率X計算公式為：

[X=m1-m2m2×100%]? ? ? ? ? ? ?（1）

式中：m1表示該年實際每667 m2產量，kg;m2表示趨勢產量，取前3年每667 m2產量的平均值，kg。

表1 煙葉產量收益年型劃分標準

[產量收益年型 判斷指標 豐年 X>11% 偏豐年 4%

2 結果與分析

2.1? 影響煙葉產量的氣候因子

基于2006—2019年各站歷史煙葉產量數據和各生育期氣候統計特征量，采用多元線性逐步回歸分析方法構建煙葉產量-氣候關系模型，見表2。模型中，D1表示成熟期≥20 ℃的日數，P表示成熟期降水量，H表示成熟期日照時間，T1表示成熟期平均氣溫，T2表示成熟期積溫，D表示大田日數，P1表示旺長期降水量。分析結果表明，對煙葉產量影響較大的氣候因子包括平均氣溫、積溫、降水量、日照時間、日平均氣溫≥20 ℃的日數、大田日數等，成熟期氣候因子影響較大，各地影響煙葉產量的主要氣候因子并不完全一致。

基于各生育期氣候條件和產量收益年型氣候狀況，分析得到氣候年景豐年的典型取值范圍，見表3。參照豐年各生育期各要素典型值取值范圍，分析部分偏歉年、歉年氣候統計數據表明，影響煙葉產量的原因包括：1）成熟采烤期、大田期、全生育期日照時間偏少或偏多;2）大田期部分時段氣溫偏高，大田日數偏多或偏少;3）旺長期和成熟采烤期降水量偏多或偏少。

2.2? 煙葉產量預測模型

依據歷史煙葉產量與生育期氣溫、降水量統計值，使用多元線性逐步回歸分析方法構建煙葉產量預測模型，見表4。從表中模型可以看出，不同站點的煙葉產量受不同時期氣溫和降水量的影響程度不同，各地區需要根據當地實際情況開展相應的田間管理。

2.3? 煙葉產量預測結果

根據2020年生長季氣候統計數據、氣候預測數據，應用各地煙葉產量預測模型，在關鍵生育期逐月進行煙葉產量預測，計算煙葉產量增長率，確定產量收益年型，見表5。從表格數據可以看出，2020年氣候條件對遵義煙區煙葉產量影響總體偏好，收益年型均為平年或偏豐年，無偏歉年或歉年;桐梓縣、正安縣和綏陽縣整體收益年型更好，偏豐年月份較多。

3 討論

盡管各生育期煙葉生長對氣候條件均有一定的要求，但遵義煙區的煙葉產量受煙葉生長中后期氣候的影響更為明顯，尤其是成熟采烤期。不同煙草種植區，煙葉產量受氣候因子影響的程度存在差異，相關性較大的氣候因子有所不同。采用不同的研究方法得出的影響顯著的氣候因子也存在差異，基于豐年各生育期氣候要素典型值取值范圍對比分析確定的氣候因子更為直接，即氣溫、降水量、日照時間，氣候要素特征值的偏多或偏少均會導致煙葉減產，說明熱量、水分和光照是影響煙葉產量的基本氣候因素。氣候要素之間存在相關性，影響煙葉產量的并不只有煙葉產量-氣候關系模型涉及的氣候因子，熱量、水分和光照之間的相互作用也是影響煙葉產量的氣候因素。

煙葉產量預測模型構建使用了氣溫、降水量這2類氣候因子，是由現階段氣候預測的能力所決定的，因為其他要素氣候預測的效果目前并不理想，難以支撐煙葉產量的業務化預測。本文的煙葉產量數據用收購量代替實際生產量，受多種因素影響，二者不可避免地存在一定差異，會導致煙葉產量預測模型出現一定的誤差。隨著煙葉產量資料的增加及產量數據精準度的提高，可以通過不斷修正完善煙葉產量預測模型，以提高預報精準度。從2020年煙葉產量預測效果看，模型預測的穩定性尚可，可用于開展業務化預測。

4 結論

基于遵義市5站歷史煙葉產量數據與生育期歷史氣候統計數據，分析了影響煙葉產量的氣候因子，構建了煙葉產量預測模型，并根據生長季氣候統計數據、氣候預測數據，在關鍵生育期逐月制作并發布煙葉產量預測信息，分析確定煙葉產量收益年型，建立煙葉產量預測業務。結果表明，煙葉產量受煙葉生長中后期氣候條件的影響較大，且主要體現在熱量、水分、光照3個方面，不同地區、研究方法確定的氣候因子有所不同;依托構建的煙葉產量預測模型及生長季氣候統計數據與氣候預測數據，能夠在關鍵生育期逐月制作并發布煙葉產量預測，穩定性較好，可實現煙葉產量的業務化預測。

參考文獻：

[1] 張慢慢，邵惠芳，鄭勁民，等.烤煙產量的主要影響因素及預測方法研究進展[J].江西農業學報，2014，26（10）：76-80.

[2] 施偉平，王鑫，余凌鋒，等.烤煙產量與品質影響因素的研究進展[J].福建農業科技，2010（1）：23-25.

[3] 李琦，宋黎明.我國烤煙氣候減產量及災損量的評估[J].安徽農業技術師范學院學報，2000（2）：51-54.

[4] 易諄，王曉東，陳剛，等.基于灰色預測和線性回歸的煙葉產量預測模型[J].計算機應用，2013，33（S1）：52-54.

[5] 賀升華，任煒.烤煙氣象[M].昆明：云南科技出版社，2001.

[6] 黃嘉佑.氣象統計分析與預報方法（4版）[M].北京：氣象出版社，2016.

[7] 么枕生，丁裕國.氣候統計（2版）[M].北京：氣象出版社，1990.

（責任編輯：張春雨? 盛? 偉）