主要气象因子与冬小麦产量的灰色关联度分析

胡园春，安广池，杨 宁，李全景，崔云鹏

（1山东省枣庄市峄城区气象局，山东峄城277300；2山东省枣庄市农业技术推广中心，山东枣庄277800；3山东省枣庄市气象局，山东枣庄277800）

0 引言

20世纪80年代初实施业务预报服务以后，无论是预报方法还是预报精度都有了很大的发展，为国家有关部门制定农业政策提供了一定的科学依据。近年来随着全球气候的变化，农业气象灾害发生的频率不断增加、影响的程度逐渐加重。鉴于农业生产与气象条件的密切关系[1-2]，迫切需要开展影响作物产量的气象要素定量评价服务。小麦是鲁南地区乃至山东省的主要粮食作物，研究气象因素对小麦产量的影响，对减灾避灾非常重要。如李圣豪、卫志祥、周美燕等[3-5]定性分析了小麦产量与气象因子的关系；王建林、苏占胜、薛晓萍等[6-8]用其他数学方法对小麦产量和气象因子的关系进行了分析，研究表明，这些方法受信息量不完全及数学模型的制约，难以得到较为满意的结果。邓聚龙教授创建了灰色理论[9]以后，因为该方法具有良好的稳定性[10-12]，并且对数据要求较低，所用工作量较少、处理信息量大等优点，广泛应用于农作物产量和气象因子分析中[13-15]。

本研究应用灰色关联分析法和逐步回归分析方法，选取在2006年开始逐步引进示范的‘烟农19’、‘济麦22’、‘泰农18’、‘良星66’、‘鲁原502’等新品种为产量样本，采用2008—2017枣庄的气象资料进行关联度分析，找出影响冬小麦产量的关键气象因子，建立冬小麦产量与关键气象因子的回归方程，并就关键气象因子的影响情况提出相应的农业技术措施，以期为提高冬小麦产量提供参考依据。

1 材料与方法

1.1 材料与品种

气象资料由山东省枣庄市气象局提供，对枣庄市5 个国家一般观测站（枣庄大监站、滕州大监站、薛城大监站、台儿庄大监站、峄城大监站）取平均值。选取2008—2017 年冬小麦生长季节10 月—翌年5 月全市平均的≥0℃积温、≥10℃积温以及≥20℃积温、需冷量、降水量和日照时数作为关键气象因子。

以枣庄市2008—2017 年全市冬小麦平均单产为相关因子，进行灰色关联分析和多元逐步回归分析。冬小麦品种选用枣庄地区主要推广品种‘烟农19’、‘济麦22’、‘泰农18’、‘良星66’、‘鲁原502’等。

1.2 数据处理

用Excel 把气象资料和冬小麦产量数据进行统计梳理。按照灰色系统理论的要求[9]，把2008—2017 年枣庄冬小麦产量（单产）、生育期（10 月—翌年5 月）内的全市平均≥0℃积温、≥10℃积温、≥20℃积温、需冷量、降水量和日照时数视为一个整体，构建一个灰色系统。冬小麦产量为母序列Yi，i=1,2,…,10；全生育期≥0℃积温(X1i)、≥10℃积温(X2i)、≥20℃积温(X3i)、冷量(X4i)、降水量(X5i)、日照时数(X6i)等气象因子作为子序列，各数值详见表1。

在此处，为方便分析各参数与冬小麦产量之间的关联度，对表中数据采用均值化变换进行无量纲化处理[16-17]，即先分别对各参量求出10年的平均值，再利用平均值去除对应各序列中的各个原始数据，得出相应的无量纲序列。此外，将冬小麦产量作为因变量，冬小麦生长发育期的气象因子作为自变量，利用Matlab拟合工具对其进行了逐步回归处理，给出相应回归方程。

2 结果与分析

2.1 冬小麦产量与气象因子灰色关联度分析

利用matlab编写m文件对于各气象参数与冬小麦产量的灰色关联度进行分析。按照关联分析原则，关联系数越大，关系越密切，反之则疏远。由表2 可知，冬小麦单产产量与各气象的关联度大小依次：≥10℃积温（关联系数0.4721）、降水量（关联系数0.4201）、≥0℃积温（关联系数0.3992）、冷量（关联系数0.3756）、≥20℃积温（关联系数0.3621）、日照时数（关联系数0.3131）。即影响冬小麦产量的主导因子是≥10℃积温，其次是降水量。

表1 2008—2017年冬小麦生育期主要气象因子和产量

由表1 看出，2008—2017 年，产量最低为 2011 年，仅为6195 kg/hm2，较2008—2017年平均值少856 kg/hm2，减幅12.1%。该年度≥10℃积温1774.7℃，较平均值偏少146.4℃；降水量仅为77.0 mm，较平均值偏少148.7 mm，该年度遭遇秋、冬、春三季连旱；≥0℃积温2288.8℃，较平均值偏少98.8℃；冷量-140.0℃，较平均值偏多67.1℃；≥20℃积温535.3℃，较平均值偏少110.4℃；日照时数1418.8 h，较平均值偏多128.9 h。由此得出，≥10℃积偏少和降水偏少是导致该年度产量低的主要气象因素。

2017年产量最高，为7934 kg/hm2，较2008—2017年平均值偏多883 kg/hm2，增幅12.5%。该年度≥10℃积温2050.6℃，较平均值偏多129.5℃；降水量316.8 mm，较平均值偏多91.1 mm（是近10 年最多）；≥0℃积温2578.7℃，较平均值偏多191.1℃；冷量-14.1℃，较平均值偏少58.8℃；≥20℃积温838.8℃，较平均值偏多193.1℃；日照时数1288.4 h，接近平均值。由此得出，≥10℃积温偏多和降水偏多是该年度产量高的主要气象因素。

冬小麦产量最低的2011 年和最高的2017 年进行对比：2011 年所有积温均较平均值偏少，降水量亦偏少，冷量和日照时数较平均值偏多；2017 年所有积温均较平均值偏多，降水量亦偏多，冷量偏少，日照时数与平均值相近。由此可知，积温和降水量对冬小麦产量高低的影响最为显著，而日照时数的影响相对较小。与关联度分析结果是一致的，由此说明利用灰色关联度分析法对冬小麦发育期关键气象因子与年际间产量的关系分析是可行的，所得结论可靠，与实际生产情况比较吻合（见表2）。

2.2 主要气候因子与冬小麦产量的多元逐步回归分析

对于表1 中冬小麦产量Y定义为因变量，其余各个气象因子X1～X6定义为自变量，利用matlab拟合工具对其进行回归分析，其中该回归选取显著性水平alpha为0.05。所得7 个物理量分别是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）气候因子与冬小麦产量的灰色关联分析值

经过对该7 个物理量进行逐步回归分析，可建立回归方程(1)。

该方程的R2，F值，P以及D-W值，见表3。

表3 方程的R2、F、P、D-W值

可知该方程R2高达0.9811，极大程度接近1，表明该回归模型的准确性，而且同时P为0.0408＜0.05，表明该模型成立，因而逐步回归建立的方程可以适用于鲁南地区冬小麦产量的预测。

通过该回归方程可知，在决定系数R2高达0.9811，则该6项气候因素是影响枣庄地区冬小麦产量的主要气象因子。这6项因子除了≥20℃积温X3是负效应，其他5项均为正效应。影响最大的是≥10℃积温X2，其代表着小麦整个生长发育期所需求的热量；其次降水量X5对冬小麦产量影响也较大，说明降水对于小麦生长发育的重要性；适量的冷量利于冬小麦安全越冬，从而利于产量提高，但冷量过大对小麦产量不利；≥20℃积温X3为负效应，鲁南≥20℃积温过多，不利于小麦灌浆，对于小麦产量有着不利影响；该结果表明，≥10℃积温与降水是决定产量的重要因素，均为正效应，与上述灰色关联度分析结果基本一致。

3 结论与讨论

采用灰色关联度分析方法，把多个气象因子视为灰色系统，作为一整体进行比较，从而避免了在进行数据分析时的多因子孤立分散状态以及量纲不同、数值大小相差太多而难以比较的困难，其具有良好稳定性的特点；同时还具有工作量较少信息量较大的特点，根据关联度大小表示指标的重要程度，使分析简单易行。而逐步回归方法可以对已选入的变量进行逐个检验，当原引入的变量由于后面变量的引入而变得不再显著时，将其剔除大量可供选择的变量中选择对建立回归方程比较重要的变量，建立“最优”回归方程，把关键气象因子对冬小麦产量的影响进行量化分析。结合2 种方法进行分析，对影响冬小麦产量的主要气象因子既进行了量化，也更加明确。

灰色关联分析结果表明，冬小麦生育期间对产量影响最大的是≥10℃积温(0.4721)，其次分别是降水量(0.4201)、≥0℃积温(0.3992)、冷量(0.3756)、≥20℃积温(0.3621)，日照时数影响最小，关联系数为0.3131。积温和降水是影响小麦产量的最重要因子与李长军、柳芳、罗蒋梅等[18-20]的研究结论一致，只是本研究按照作物的关键点对温度进行了更细致的划分。

逐步回归分析结果表明，≥10℃积温与降水是决定产量的重要因素，均为正效应，其他因子如≥0℃积温、≥20℃积温、冷量、日照时数影响较小。与上述灰色关联度分析结果基本一致。

鉴于制约小麦产量的关键气象因子，采取科学的应对措施是必要的，在进一步优化品种布局的基础上，抓好小麦标准化播种环节，确保苗全、苗匀；采用有机肥替代化肥技术与增施微生物菌肥技术，改良土壤理化性质，减轻根部病害；采用播后镇压与浇越冬水措施，提高小麦抗冻与抗旱能力；在小麦生育后期采用氮肥后移技术、“一喷三防”技术，提高小麦抗病、抗虫、抗干热风、抗倒伏等能力，形成合理丰产群体结构，培育健壮个体，从而达到预期的产量要求。

尽管本研究得到一些有意义的结论，但仍然存在一定的局限。灰色关联分析法主要缺点在于选择比较数列时，主观性较强，部分指标的最优值很难确定。