天長芡實水田小氣候特征分析及預測研究

摘 要：基于天長芡實種植基地小氣候站和天長國家氣象觀測站2022年5—10月的氣象數據，分析發現芡實水田相對濕度在各類天氣的日變化特征基本相似，氣溫、水溫的日最高值和最低值在晴天、多云天氣時均出現于午后和早晨，在陰天時則出現于上午和夜間；芡實水田對于氣象變化具有延緩作用，變化幅度低于天長站；多元線性回歸模型對芡實水田氣象情況的預測效果較好，擬合優度均在0.85以上，均通過信度0.01的顯著性檢驗。

關鍵詞：天長；芡實；小氣候；多元線性回歸

中圖分類號：Q948.112+.4" "文獻標志碼：B" "文章編號：1674-7909（2025）4-148-7

DOI：10.19345/j.cnki.1674-7909.2025.04.030

0 引言

芡實，是睡蓮科（Nymphaeaceae Salisb.）芡屬（Euryale Salisb.）植物芡的成熟種仁，因其露出水面部分形似雞頭，又俗稱“雞頭米”。芡實在我國種植歷史悠久，首載于《神農本草經》，其營養豐富，含有多種氨基酸、脂肪酸和微量元素，是優秀的藥食兩用食物［1-3］。安徽省天長市素有“芡實之鄉”的美譽，市內芡實種植面積超46 km2，全產業鏈產值超27億元。天長芡實還獲批成為國家地理標志保護產品，“芡實經濟”已成為天長市的主導產業，促進村級集體經濟不斷壯大，對當地農業發展具有重要作用［4］。

芡實是一種喜溫水生作物，不耐霜凍和干旱，春季萌發，夏季開花結果，秋季收獲，冬季果落葉敗，全生育期200 d左右［5-6］。近年來，在全球氣候變化加劇的大背景下，區域性極端天氣事件增多［7］，給芡實種植帶來隱患［8］。因此，針對芡實水田小氣候進行分析與預測研究，有利于芡實種植的趨利避害，具有重要現實意義。區域小氣候是作物生長發育重要的環境因子［9］。目前，關于農田小氣候的研究與預測多集中于設施栽培技術和水產氣象等方面，如袁靜等［10］對大櫻桃大棚內的氣溫與相對濕度進行了變化特征分析，并建立預測模型；葛黎黎等［11］基于BP神經網絡建立葡萄大棚小氣候預測模型，發現有較好的擬合關系；楊青青等［12］利用多元線性回歸法建立稻蝦田的水溫預測模型；鄧愛娟等［13］研究了魚塘不同深度水溫與氣溫的關系；李樂洲等［14］對刺參養殖池的水溫變化規律及其原因進行了分析。目前，尚沒有針對芡實水田小氣候的研究。因此，筆者基于天長市芡實種植基地小氣候觀測資料和同期國家基本氣象站相關數據，對芡實生育期的主要小氣候因子變化特征進行分析，并運用多元回歸模型進行預測研究，為實現天長芡實的豐產增效與氣象部門更好地開展為農服務提供科學支撐。

1 資料與方法

1.1 資料來源

芡實水田小氣候資料來自天長市楊村鎮芡實種植基地氣象觀測站的小時數據，選取的氣象要素為氣溫（℃）、水溫（℃）、相對濕度（%）；天長國家氣象站的小時數據資料選取氣溫（℃）、相對濕度（%）、風速（m/s）、日照（h）；觀測時間以芡實常年生育期為準，統一選取2022年5月17日20：00至2022年10月31日20：00。根據每日累計日照時數，把研究時段天氣劃分為晴天（≥6 h）、多云（3～6 h）、陰天（≤3 h）3類［15］。

1.2 多元線性回歸模型

在研究解釋變量 [（X1，X2，…，Xk）]與被解釋變量Y之間的線性關系時，可建立回歸函數[Y=β1X1+β2X2+…+βkXk+μ]，其中[βj（j=1，2，…，k）]為回歸系數，[μ]為隨機干擾項［16］。假設模型滿足解釋變量無完全多重共線性，隨機干擾項具有條件同方差及不存在序列相關性，且服從正態分布，即[μi～N（0，σ2）]的基本假設。為了估計出回歸系數[βj]，需要從總體中獲取一組觀測值[Xi1，Xi2，…，Xik，Yi（i=1，2，…，n）]，進而得到估計模型：[Yi=β0+β1Xi1+β2Xi2+βkXik]。擬合優度[R2]是衡量模型的常用指標：[R2=1-i（yi-yi）2i（y-yi）2]，即較優的回歸模型應滿足[R2]接近1［17］。

2 結果與分析

2.1 芡實水田小氣候特征

在研究期內，芡實水田氣溫與天長站氣溫日變化情況如表1所示，其變化趨勢如圖1所示。氣溫在晴天的變化幅度最大，陰天變化最小。水田日最高氣溫在晴天與多云時均出現在下午，分別為14：00（31.7 ℃）和15：00（28.7 ℃），陰天的日最高氣溫則出現在11：00（25.8 ℃）。水田日最低氣溫在晴天與多云時均出現在5：00（分別為24.3 ℃與24.0 ℃），而在陰天出現在23：00（23.1 ℃）。水田小氣候的氣溫日變化特征與天長站基本一致，但上下波動的區間范圍更小，在晴好天氣時表現得最為明顯。此外，還表現出天氣情況越好，水田氣溫與天長站的差值變化范圍越大：在晴天時，差值為-0.8～0.9 ℃；在多云時，差值為-0.7～0.3 ℃；在陰天時，差值為-0.5～0.3℃。由此可以看出，芡實水田形成的下墊面條件影響了空氣中的熱量交換，作物蒸騰與水體蒸發的共同作用使得水田氣溫變化時間相對更加滯后，變化幅度也更?。?8-19］。

在研究期內，芡實水田水溫與天長站氣溫日變化情況如表2所示，其變化趨勢如圖2所示。與氣溫的日變化特征類似，芡實水田水溫在晴天的變化幅度最大，陰天最??；日最高水溫在晴天出現于14：00（27.7 ℃），多云天氣時則出現于15：00（25.0 ℃），陰天則出現于11：00（22.5 ℃）；日最低水溫在晴天與多云時均出現在5：00（分別為21.2 ℃與21.0 ℃），而在陰天出現于23：00（20.2 ℃）。與水田氣溫類似，也表現出天氣情況越好，水溫與天長站氣溫的差值變化范圍越大，在晴天時，水溫與氣溫的差值為-4.8～-2.2 ℃；多云時，水溫與氣溫的差值為-4.3～-2.8 ℃；在陰天時，水溫比氣溫低2.7～3.8 ℃。因為水體物理性質的特點，水溫整體低于氣溫，且水溫的變化更加滯后，變化幅度相對更小。

在研究期內，芡實水田與天長站相對濕度日變化情況如表3所示，其變化趨勢如圖3所示。芡實水田相對濕度在晴天的變化幅度最大，陰天最??；日最大相對濕度值及其出現時間在各類天氣狀況比較相似，數值范圍在86%～90%，出現時間在5：00—6：00；日最小相對濕度在晴天與多云時均出現在15：00（分別為59.7%與65.6%），在陰天時則出現在11：00（79.7%）。此外，也表現出與氣溫、水溫相似的特征，即天氣情況越好，芡實水田與天長站相對濕度的差值變化范圍越大，在晴天時，差值為-1.5%～7.5%；在多云時，差值為0.4%～6.5%；在陰天時，差值為-0.4%～3.8%。芡實水田的相對濕度明顯大于天長站的相對濕度，特別是在日間晴天與多云時，差異較大，田間充足的水汽使相對濕度受白天日照升溫的影響更?。?0］。

2.2 預測分析

經過多元線性回歸分析，得到氣溫預測模型如表4所示，Y為氣溫預測值，[X1、X2、X3、X4]分別為天長站的氣溫、風速、日照、相對濕度。模型學習模擬輸出的水田氣溫分別在晴天、多云、陰天與實測值之間的對比如圖4所示。可以看出模型的訓練效果較好，芡實水田氣溫訓練值與實測值基本集中在1∶1線附近，二者之間的擬合優度在0.95以上，且通過Plt;0.01水平的顯著性檢驗，圖4（a）（b）（c）的均方根誤差分別為0.73 ℃、0.70 ℃、0.54 ℃，因為晴好天氣的氣溫變化幅度較大，預測難度更大，而陰天的模擬效果更好。

分析得到水溫預測模型如表5所示，Y為水溫預測值，[X1、X2、X3、X4]與前文同。多元線性回歸模型學習模擬輸出的水溫分別在晴天、多云、陰天與實測值之間的對比如圖5所示。模型的預測效果與氣溫相似，芡實水溫訓練值與實測值也基本集中在1∶1線附近，二者之間的擬合優度在0.95以上，且通過Plt;0.01水平的顯著性檢驗，圖5（a）（b）（c）的均方根誤差分別為0.64 ℃、0.61 ℃、0.47 ℃，稍優于對氣溫的預測。

如表6所示，為芡實水田的相對濕度預測模型，Y為相對濕度預測值，[X1、X2、X3、X4]與前文同。如圖6所示，多元線性回歸模型對芡實水田相對濕度的預測效果較好，預測值和實測值均在1∶1線附近，擬合優度雖然略低于對氣溫和水溫的擬合效果，但也均在0.85以上。圖6（a）（b）（c）的均方根誤差分別為4.07%、3.85%、3.13%，這與氣溫、水溫相似，該模型在晴好天氣的預測誤差相較于陰天更大。

3 結論

芡實水田的氣溫、水溫要低于氣象站的相對指標值，而芡實水田的相對濕度則高于氣象站的，這是因為芡實植株蒸騰與水體蒸發的共同作用可增加水田附近空氣濕度，而豐富的水汽對氣溫的升高具有延緩作用，而水體因其本身的物理特性，使得水溫也會更低。在晴天、多云天氣下，芡實水田的氣溫、水溫日變化特征相似，最高值出現于午后，最低值出現于早晨；而在陰天，氣溫、水溫的最高值均出現于11：00，最低值則均出現于23：00。相對濕度晴天、多云、陰天的日變化特征相似，最低值均出現于早晨，最高值在晴天、多云的情況下出現于15：00，在陰天則出現于11：00。

芡實水田因為具有充足的水汽條件，且自然植被對周圍環境的氣象條件也具有一定的調節作用，其水田小氣候的變化相對于天長國家氣象站具有一定滯后性，該研究所討論的各氣象要素變化幅度也要明顯小于后者。同時，呈現出天氣狀況越好，二者差異越大的特征，因為氣象站在陰天時相對濕度更高，氣溫變化幅度更小，其探測環境條件相對于在晴好天氣時更接近水田。

多元線性回歸模型對芡實水田小氣候的模擬效果較好，對于氣溫、水溫的模擬優度均在0.95以上，相對濕度的模擬優度也均超過0.85。該研究的預測模型具有較好的實際應用意義，可以依靠實際安裝更密集的氣象站來監控及預測附近芡實種植區的氣象條件，為當地開展針對性的農業氣象服務提供技術支撐。

然而，需要注意的是，該研究結論是基于樣本數據所得的，是否能在天長市以外的芡實種植地區發揮成效，還有待進一步研究論證。

參考文獻：

［1］ 楊曉曦，張慶林.中藥芡實的研究進展［J］.國際藥學研究雜志，2015，42（2）：160-164.

［2］劉琳，劉洋洋，占穎，等.芡實的化學成分、藥理作用及臨床應用研究進展［J］.中華中醫藥雜志，2015，30（2）：477-479.

［3］沈蓓，吳啟南，陳蓉，等.芡實的現代研究進展［J］.西北藥學雜志，2012，27（2）：185-187.

［4］占家智，徐光明.天長市龍蝦與芡實輪作試驗［J］.科學種養，2020，170（2）：51-53.

［5］郭西平，蔡印水，章美清.芡實種植的氣象條件分析及高產措施［J］.江西氣象科技，2002（2）：21-22.

［6］戚九寒.微山湖流域芡實生長的氣象條件分析［J］.河南農業，2019，508（20）：44.

［7］蔡文香.中國極端氣候事件的趨勢特征與極值分布［D］.北京：對外經濟貿易大學，2016.

［8］王德燕，董保華，秦糧朋.天長芡實生長期氣候特征與致災因子分析及服務方案［J］.現代農業科技，2024（5）：139-143，146.

［9］徐云蕾，曾馥平，宋同清，等.喀斯特峰叢洼地次生林小氣候特征研究［J］.農業現代化研究，2012，33（2）：239-244.

［10］袁靜，王令軍，徐劍平，等.大櫻桃大棚小氣候特征分析及預報［J］.中國農學通報，2015，31（19）：173-179.

［11］葛黎黎，郭棟，張龍.葡萄大棚小氣候預測模型研究［J］.甘肅農業科技，2022，53（6）：61-66.

［12］楊青青，曾月，鄧艷君，等.稻蝦共作模式蝦溝水溫預報模型研究［J］.江蘇農業科學，2021，49（5）：194-199.

［13］鄧愛娟，劉敏，劉志雄，等.洪湖地區養殖魚塘春夏季水溫變化及預報研究［J］.中國農學通報，2013，29（29）：61-68.

［14］李樂洲，蘆宇婷，王文琳，等.旅順地區刺參養殖池塘周年水溫變化規律分析［J］.海洋湖沼通報（中英文），2024，46（4）：107-112.

［15］方莎莎，孟翠麗.陽光玫瑰葡萄設施促早栽培小氣候特征及預報模型［J］.浙江農業科學，2023，64（1）：153-157.

［16］王振友，陳莉娥.多元線性回歸統計預測模型的應用［J］.統計與決策，2008，257（5）：46-47.

［17］許允之，范瑩瑩，姚羽霏，等.多元線性回歸方法在空氣質量指數AQI分析中的應用［J］.煤礦機電，2019，40（5）：57-62.

［18］劉春楊.成都市活水公園園林水體對城市小氣候的影響研究［D］.雅安：四川農業大學，2020.

［19］呂鳴楊.城市公園小型水體小氣候效應實測分析［D］.杭州：浙江農林大學，2019.

［20］曼妮蘇麗·阿克拜爾.西安城區水體對周圍區域熱濕氣候影響的數值建模及分析［D］.西安：長安大學，2017.

Analysis and Prediction of Microclimate Characteristics in Tianchang Euryale Ferox Paddy Fields

QIN Liangpeng WANG Deyan DONG Baohua

Tianchang Meteorological Bureau， Tianchang， Anhui 239300， China

Abstract： Based on meteorological data from May to October 2022 collected at the microclimate station in the Tianchang Euryale ferox planting base and the Tianchang National Meteorological Observatory， this study analyzes the diurnal variation characteristics of relative humidity in Euryale ferox paddy fields under different weather conditions. The results show that the daily maximum and minimum values of air temperature and water temperature in sunny and cloudy weather occur in the afternoon and early morning， respectively， while in overcast conditions， they appear in the late morning and nighttime. The paddy fields exhibit a buffering effect on meteorological parameter variations， with smaller amplitude fluctuations compared to the Tianchang station. The multiple linear regression model demonstrates strong predictive performance for meteorological elements， with goodness-of-fit values all exceeding 0.85 and passing significance tests at the 0.01 confidence level.

Key words： Tianchang; Euryale ferox; microclimate; multiple linear regression

基金項目：天長市科技項目“天長芡實氣象致災因子和氣象服務策略研究”（2417）。

作者簡介：秦糧朋（1996—），男，碩士，助理工程師，研究方向：農業氣象；王德燕（1983—），女，本科，高級工程師，研究方向：應用氣象；董保華（1980—），男，本科，工程師，研究方向：應用氣象。