不同耕作方式下气候条件对冬小麦籽粒产量的影响——基于面板分位数回归模型的分析

［KH－*3D］景小平，唐卷，陆见光，汤永禄

(1．中国科学院成都计算机应用研究所，四川成都610041;2．广州大学计算机科学与教育软件学院，广东广州510006;3．成都工业学院，四川成都611730;4．中国科学院大学，北京100049;5．四川省农业科学院作物研究所，四川成都610066)

不同耕作方式下气候条件对冬小麦籽粒产量的影响
——基于面板分位数回归模型的分析

［KH－*3D］景小平1，3，4，唐卷2，4*，陆见光1，4，汤永禄5

(1．中国科学院成都计算机应用研究所，四川成都610041;2．广州大学计算机科学与教育软件学院，广东广州510006;3．成都工业学院，四川成都611730;4．中国科学院大学，北京100049;5．四川省农业科学院作物研究所，四川成都610066)

为了明确不同耕作方式和气候条件对成都平原冬小麦产量的影响，本文运用2005－2011年冬小麦3种耕作方式(周年旋耕无秸秆还田CK，麦免稻旋WZRR，麦稻双免WZRZ)籽粒产量的面板数据，利用面板数据的固定效应模型和分位数回归模型，分析在不同耕作方式下冬小麦生育期气候因素对籽粒产量的影响作用。结果表明，3种耕作方式对籽粒产量的影响基本上一致。面板数据分位数回归动态表明:伴随籽粒产量水平的上升，拔节－抽穗期日平均温度的促进作用将不断增强，拔节－抽穗期的日最低温度，日照时数和抽穗－成熟期日照时数的正面影响均逐渐减弱;抽穗－成熟期日最高温度对籽粒产量的抑制作用随着产量水平的提升而不断加强。

小麦;耕作方式;气候条件;籽粒产量;面板数据分位数回归

小麦生长与气候条件有着密不可分的重要关系，研究气候变化对小麦增产有着重要的意义，分析气候条件对小麦生育特点的影响对未来农业生产将起到重要的作用。在土壤肥力和品种基本一致的条件下，栽培方式和年际气候变化是影响区域小麦产量变化的主要原因。

国内外学者已运用多种模型方法研究了小麦产量与气候条件以及耕作方式之间的影响关系。卫志祥［1］研究了小麦各生育期可能出现的异常气候条件和影响小麦产量的主要气象灾害。李宝华［2］、徐为根［3］和毛婧杰［4］分别运用了多元积分回归方法、多元正态回归方法和二次多项式逐步回归方法研究了生育期降水量对小麦产量的影响。何守法［5］和何可杰［6］利用多元回归分析方法研究了全生育期小麦产量与气象要素之间的关系。吴婕［7］、刘世平［8］、黄明［9］、赵竹［10］和汤永禄［11］等都研究了不同耕作方式对小麦产量及品质的影响。

本研究基于四川省农业科学院作物研究所设置在广汉市连山镇的耕作定位试验，利用2005－2011年冬小麦在3种耕作方式下籽粒产量的面板数据，采用较新的面板数据分位数回归方法［12－14］，分析在不同耕作方式下冬小麦生育期气候因素对籽粒产量的影响作用，为小麦增产提供科学依据。

1 材料与方法

1．1 数据来源

小麦籽粒产量来源于2005－2011年建立的耕作定位试验［11］，选择3种具有代表性的周年耕作方式，分别为周年旋耕无秸秆还田(CK)、麦免稻旋(WZRR)和麦稻双免(WZRZ)，具体见表1;相关气象数据由广汉市气象局提供。

在整个生育进程中，小麦拔节以后的生育期是小麦一生中生长最旺盛的时期。小麦拔节－抽穗期处于营养生长与生殖生长并进阶段，是确定小穗数、小花数、穗粒数、成穗数以及产量等要素的关键时期［15］。抽穗以后的生育期是小麦籽粒形成的关键时期，也是产量形成的重要阶段，故根据小麦生育进程考虑拔节－抽穗期和抽穗－成熟期的气候条件(表2)。

表1 3种耕作方式下小麦的籽粒产量Table 1Wheat grain yield under three tillage methods(t/hm2)

表2 生育期的气候条件Table 2Climatic conditions in growth stage

1．2 研究方法

1．2．1 面板数据固定效应模型面板数据是同时在时间和截面上取得的二维数据［14］，面板数据固定效应模型为:

其中，yit为回归变量，αi表示截距项，可以体现个体差异，xit为解释变量矩阵，β为回归系数列向量，εit为误差项。

1．2．2 分位数回归模型分位数回归是对古典条件均值模型为基础的最小二乘法的延伸［13，16］。设随机变量Y的分布函数为F(y)=P(Y≤y)，则Y的第τ分位数点为Q(τ)=inf{y:F(y)≥τ}。设分位数回归模型方程为:

1．2．3 面板数据分位数回归模型面板数据分位数回归方法［14］能够在控制个体差异的同时对因变量条件分布的不同分位点τ上各变量间的关系进行分析。它具有面板数据模型和截面分位数模型的共同优势，其一般形式为:

当τ在(0，1)上变动时，求解加权绝对残差最小化问题就可以得到分位数回归在不同分位点上的参数估计量，其中参数β(τ)可用下式求解:

1．3 数据分析

数据处理与分析平台为Win8/R 3．2．2。

2 结果与分析

2．1 小麦籽粒产量与气候条件的简单相关分析

通过分析小麦籽粒产量与气候条件之间的相关性，选取适宜的气候因素，为建立合理的面板数据模型提供依据。首先，分析籽粒产量与拔节－抽穗期和抽穗－成熟期的日平均气温、日最高气温、日最低气温、日降水量、日照时数和平均日较差等12个气候因素的相关性;其次，在逐步回归分析结果中选取彼此共线性不强的气候因素(表3)。籽粒产量与拔节－抽穗期的日平均气温DMeanT1和日照时数SH1通过了0．05的显著性统计检验，表明这2个气候因子对研究区域的小麦籽粒产量有明显的正面效应;籽粒产量与抽穗－成熟期的日最高温度DMaxT2通了0．001的显著性检验，表明抽穗以后日最高温度对小米产量有明显的负面影响。

表3 影响籽粒产量主要气候条件的相关性分析Table 3Correlation analysis of major climatic conditions affecting grain yield

2．2 耕作方式对小麦籽粒产量的影响分析

考虑到所有耕作模式种类相对较少，本文中利用面板数据固定效应模型进行分析。基于上面的相关性分析，选取拔节－抽穗期的日平均气温DMeanT1、平均日较差TD1和日照时数SH1，抽穗－成熟期的日最高温度DMaxT2、日最低温度DMinT2和日照时数SH2为气候因素，通过固定效应模型分析得到小麦籽粒产量在3种耕作方式下的差异性结果(表4)。3种耕作模式的截距项基本一样，且均通过了0．001的显著性统计检验。这表明3种不同的耕作方式对小麦产量的影响作用基本一致; WZRR和WZRZ处理对小麦籽粒增产略高于CK。这与汤永禄［11］的结论比较一致。

表4 影响籽粒产量3种耕作方式的差异性Table 4Individual variation of three tillage method affecting grain yield

2．3 气候条件对小麦籽粒产量的影响分析

2．3．1 各气候条件对籽粒产量的影响利用上述的气候条件，通过面板数据固定效应模型和分位数回归模型分析小麦籽粒产量与气候条件之间的影响关系。从表5看出，无论是面板数据固定效应估计和各分位点的面板数据分位数回归估计，拔节－抽穗期的日平均温度DMeanT1、日照时数SH1和抽穗－成熟期的日最低温度DMinT2、日照时数SH2的参数估计均为正，且绝大部分估计在5%的显著性水平上显著，这表明DMeanT1、SH1、DMinT2和SH2对小麦籽粒产量具有显著的促进作用。拔节－抽穗期的日较差TD1和抽穗－成熟期的日最高温度DMaxT2的参数估计均为负数，且通过了1%显著性水平的统计检验，这表明TD1和DMaxT2对小麦产量具有显著的负面影响。

2．3．2 温度对小麦籽粒产量的影响温度在小麦的生长发育及产量形成中，是一个极重要的气候因素。小麦生长发育的阶段不同，对气温高低的要求也不同。小麦拔节－抽穗期的日平均温度DMeanT1处于7．40～10．58℃，对小麦籽粒产量有显著的正面影响。从表5中面板分位数回归分析可知，从小麦籽粒产量的低分位点到高分位点，DMeanT1的系数估计总体上呈现增加趋势，高分位点(0．75～0．9)的估计系数明显大于低分位点(0．1～0．25)的估计系数，且相应的置信区间较宽。这表明对应不同的籽粒产量水平，拔节－抽穗期日平均温度的促进作用具有明显的差异。换言之，拔节－抽穗期日平均温度越高有利于小麦高产。这个与小麦实际生长发育情况相符合［15］。

小麦进行幼穗分化所需气温的高低及持续时间不同，同时不同分化阶段对温度的要求及对高低温的敏感程度也不同，因此拔节－抽穗期温度平均日较差TD1对小麦的发育将会产生重要的影响。从表5中可以看出，TD1在1%的显著性水平上显著，且随着籽粒产量水平的增加，TD1的抑制作用也增强。这表明在小麦拔节后，过大的温度差不利小麦幼穗分化，从而不利于小麦增产。

小麦抽穗－成熟期是小麦籽粒灌浆的重要阶段，这个阶段是小麦整个生育过程中需要气温最高的一个时期。抽穗－成熟期平均日最高温度DMaxT2处于22．95～26．04℃，对小麦籽粒产量有显著的负面作用。这是因为在灌浆的早期高温，只能降低灌浆强度。在灌浆后期高温使籽粒过早地脱水，迫使灌浆停止，造成瘪粒;同时高温也会造成呼吸强度增大，消耗碳水化合物增多，导致千粒重降低，从而影响籽粒产量。从表5中可知，随着籽粒产量水平的提高，DMaxT2对小麦产量的抑制作用逐渐增强。平均日最低温度DMinT2处于13．50～16．03℃，在5%的显著性水平上显著，且随着产量水平的不断提高，DMinT2的促进作用逐渐减少。这是因为DMinT2的值没有出现过低的情况，从而不会影响小麦的籽粒灌浆。

2．3．3 日照时数对小麦籽粒产量的影响小麦是长日照作物，不仅在通过光照阶段时要求一定的光照长度、强度及光谱等，而且在小麦生长发育的各个阶段都离不开光照条件。只有在充足的阳光作用下进行光合作用，制造大量的有机养分，才能培育壮苗、壮蘖，提高分蘖成穗率，为增产打下重要基础。小麦在拔节－抽穗期的日照时数SH1处于117．4～190．1 h，显著性1%水平的检验显示，对小麦产量有显著的正面效应。如表5所示，从籽粒产量的低分位点到高分位点，SH1的系数估计总体上呈现递减趋势，高分位点(0．75～0．9)的估计系数明显小于低分位点(0．1～0．25)的估计系数。这表明对应不同的籽粒产量水平，拔节－抽穗期日照时数正面影响作用是不同的。也是说，随着日照时数的不断增长，对小麦生长的促进作用将逐渐的减弱。小麦抽穗－成熟期的日照时数SH2处于162．3～307．0，也对小麦籽粒增产有显著的促进作用。与拔节－抽穗期的日照时数SH1相比，SH2对小麦的正向作用较小，也就是说拔节－抽穗期的日照对小麦生长发育的作用显著高于抽穗－成熟期的日照影响。类似地，随着籽粒产量水平的提高，抽穗－成熟期日照时数促进作用总体上呈减弱趋势。

表5 各气候条件对籽粒产量的影响系数(面板数据固定效应模型和分位数回归模型)Table 5Effective coefficient of each climatic condition for grain yield(Fixed effects model and quantile regression model of panel data)

3 结论与讨论

本文利用冬小麦在3种耕作方式下籽粒产量的面板数据，运用面板数据固定效应模型分析冬小麦生育期气候因素对籽粒产量的影响作用，研究结果显示周年旋耕无秸秆还田CK、麦免稻旋WZRR和麦稻双免WZRZ对小麦籽粒产量的影响没有显著的不同;且WZRR和WZRZ处理对小麦增产略高于CK。这表明3种耕作模式之间籽粒产量的差异性本质上体现在耕作模式对年际间气候因素的变化之中［11］，但这赵竹［10］的结论有些不一致。面板数据分位数回归研究结果能够细致动态地显示:拔节－抽穗期日平均温度越高越有利于小麦高产，但是拔节－抽穗期过大的温度日较差不利于籽粒增产;随着籽粒产量水平的不断增加，抽穗－成熟期日最高温度的抑制作用就越强，日最低温度的正向效应不断减弱;拔节－抽穗期日照时数和抽穗－成熟期日照时数对小麦产量的影响均随着产量水平的提高而逐渐减弱，这与文献［16］中的结论比较一致。

面板数据分位数回归方法能够在控制不同耕作方式差异性的同时，对小麦籽粒产量条件分布的不同分位点上不同生育期各气候因素间的影响关系给出动态细致的合理分析，从而为人们进行科学的田间耕作和干预提供了理论依据。

［1］卫志祥，黄莎莎，张会金，等．气候条件对小麦各生育期及产量的影响分析［J］．安徽农学通讯，2011，17(1):69－70．

［2］李宝华，李晓红，刘亚萍，等．降水对春小麦产量贡献率的研究［J］．中国生态农业学报，2003，11(4):161－162．

［3］徐为根，吴洪颜，张仁祖．用多元积分回归方法分析降水对小麦产量的影响［J］．江苏农业科学，2004(1):24－27．

［4］毛婧杰，李广．陇中地区降水量对小麦产量的影响［J］．草业科学，2014，31(2):290－295．

［5］何守法，董中东，詹克慧，等．豫中补灌区主要气候因子对小麦产量的影响［J］．河南农业科学，2009(7):47－49，53

［6］何可杰，庞翻，杨婷婷，等．宝鸡粮食作物产量与气候条件分析［J］．陕西农业科学，2015，61(3):67－69，84．

［7］吴婕，朱钟麟，郑家国，等．秸秆覆盖还田对土壤理化性质及作物产量的影响［J］．西南农业学报，2006，19(2):192－195．

［8］刘世平，陈后庆，陈文林，等．稻麦两熟制不同耕作方式与秸秆还田对小麦产量和品质的影响［J］．麦类作物学报，2007，27 (5):859－863．

［9］黄明，吴金芝，李友军，等．不同耕作方式对旱作冬小麦旗叶衰老和籽粒产量的影响［J］．应用生态学报，2009，20(6):1355－1361．

［10］赵竹，曹承富，乔玉强，等．不同耕作方式对小麦生长·产量和品质的影响［J］．安徽农业科学，2009，37(36):17896－17897，17920．

［11］汤永禄，李朝苏，黄刚，等．成都平原周年耕作模式对稻茬小麦产量与品质性状的持续效应［J］．中国农业科学，2012，45 (18):3721－3732．

［12］Koenker R．Quantile regression for longitudinal data［J］．Journal of Multivariate Analysis，2004，91(1):74–89．

［13］Koenker R．Quantile regression［M］．London:Cambridge University Press，2005．

［14］刘焕鹏，严太华．面板数据分位数回归模型研究综述［J］．统计与决策，2014，17:82－84．

［15］徐育成．冬小麦栽培［M］．北京:气象出版社，1992．

［16］唐卷，汤永禄，李朝苏，等．基于分位数回归模型分析小麦千粒重与气候因子的关系［J］．西南农业学报，2014，27(3): 943－949．

(责任编辑 陈虹)

Effects of Climatic Conditions on Grain Yield of Winter Wheat under Different Tillage Methods:Analysis on Panel Quantile Regression Model

JING Xiao-ping1，3，4，TANG Juan2，4*，LU Jian-guang1，4，TANG Yong-lu5
(1．Chengdu Institute of Computer Applications，Chinese Academy of Sciences，Sichuan Chengdu 610041，China;2．School of Computer Science and Educational Software，Guangzhou University，Guangdong Guangzhou 510006，China;3．Chengdu Technological University，Sichuan Chengdu 611730，China;4．University of Chinese Academy of Sciences，Beijing 100049，China;5．Crop Research Institute of Sichuan Academy of Agricultural Sciences，Sichuan Chengdu 610066，China)

In order to determine the effects of different tillage methods and climatic conditions on the winter wheat yield in Chengdu plain，in this paper，based on the panel data for grain yield under three tillage methods(rotary-tillage wheat+rotary-tillage rice without any straw (CK)，no-tillage wheat with rice straw mulching+rotary-tillage rice with no wheat straw(WZRR)and no-tillage wheat with rice straw mulching+no-tillage rice with wheat straw mulching(WZRZ))from 2005 to 2011，the effects of climatic factors on wheat yield by the fixed effects model and quantile regression model of panel data were analyzed．The results showed that the effects of the three tillage methods on grain yield were essentially consistent．The results from panel data quantile regression dynamically indicated that with the increase of grain yield，the promoting effect of the daily average temperature at jointing-heading stage would be enhanced，and the positive effects of the daily minimum temperature and sunshine duration at jointing-heading stage and the sunshine duration at heading-maturity stage would be decreased gradually．What’s more，the inhibition effect of the daily maximum temperature at heading-maturity stage would be strengthened along with the increase of the level of grain yield．

Wheat;Tillage methods;Climatic conditions;Grain yield;Panel data quantile regression

S512．1

A

1001－4829(2017)1－0053－05

10．16213/j．cnki．scjas．2017．1．010

2016－01－20

四川省科技支撑计划项目“基于物联网技术的大面积植物生长指数联动数据挖掘的应用研究”(2014FZ0046)

景小平(1976－)，男，副教授，博士研究生，方向农业数据挖掘，E-mail:voicent@qq．com;*为通讯作者:唐卷(1987－)，E-mail:tangjuan0822@gmail．com。