多元统计分析法构建基于气候因子的遵义烟区烟叶产量预测模型

漆夏燕 温明霞 黄纯杨 王小彦 芶剑渝 崔绍秋 李又庭

摘 要 为预测遵义烟区的烟叶产量，利用贵州省遵义市5站烟叶产量数据与生育期气候统计数据，采用多元统计分析方法，构建基于气候因子的烟叶产量预测模型。结果表明，烟叶产量受烟叶生长中后期气候条件的影响较大，影响较大的气候条件主要体现在热量、水分、光照3个方面，不同地区、不同研究方法确定的气候因子有所不同;依托构建的烟叶产量预测模型及生长季气候统计数据与气候预测数据，能够在关键生育期逐月制作并发布烟叶产量预测，稳定性较好，可实现烟叶产量的业务化预测。

关键词 烟叶;产量预测;气候;多元统计分析;遵义烟区

中图分类号：S572 文献标志码：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，贵州遵义人，本科，助理农艺师，研究方向为卷烟质量检验。

*为通信作者，E-mail：gllyt@sina.com。

气候是影响烟叶产量的重要因素之一，烟叶生产很大程度受烟区全年气候条件的影响[1]。尽管影响烟叶产量的因素较多，但在一定时期内，特定烟区的品种、种植政策、土壤状况、栽培技术及生产条件等变化并不明显，因此，烟叶产量主要与气候密切相关，不利气象条件和气象灾害通常会导致烟叶产量降低[2-3]。因此，研究烟叶产量与气候条件的关系，根据气候统计数据和预测数据进行烟叶产量预测，对于科学组织烟叶生产、行业降本增收具有重要意义。

气候对烟叶产量影响的研究较多，但建立数学模型并应用于烟叶产量的研究较少，当前仍缺乏较为准确可靠的烟叶产量与气候因子之间的预测模型[4]。以往气象数据的实时收集与气候预测难度较大，时效性、准确性和精细化程度均达不到要求，因此在实际工作中难以基于气候因子进行烟叶产量预测。随着物联网、现代气象观测、移动互联网、精细化数值天气预报及气候预测等现代科学技术的发展，及时采集、处理与统计分析气象环境数据更为方便，为构建基于气候因子的烟叶产量预测模型、烟叶产量业务化预测奠定了基础。本研究选取湄潭县、绥阳县、桐梓县、余庆县及正安县这5站烟叶产量数据及对应年份的气候统计数据，应用多元统计分析方法分析了影响遵义市烟叶质量的气候因子，构建了基于气候因子的烟叶产量预测模型，并根据生长季气候统计数据和气候预测数据进行生长季月度烟叶产量预测。

1 数据与方法

1.1 数据来源及处理

烟叶产量数据为2006—2019年湄潭县、绥阳县、桐梓县、余庆县及正安县5站各级别烟叶收购数据。为确保烟叶产量数据的可比性，分析与建模均依据每667 m2产量数据进行。产量烟叶产量为上等烟叶、中等烟叶和下等烟叶产量之和。个别年份缺下等烟叶产量数据，导致当年烟叶产量数据不完整，需要对烟叶产量数据进行修正。修正方法是以邻近5年下等烟叶平均占比作为该年下等烟产量占比，结合中上等烟的占比和产量，计算出当年烟叶产量。为更好地反映气候因子的影响和模型预测效果，剔除非气候因素的影响，模型构建采用了烟叶气象产量[5]。

由于烟叶生长不同生育期对气候条件要求存在差异，影响因子分析分别选取了各生育期光、热、水3个方面的气候指标，包括平均气温、平均最高气温、平均最低气温、日平均气温≥20 ℃的日数、积温、降水量、降水日数、日照时间、大田日数及平均相对湿度等。预测模型构建选取的气候因子为不同生育期平均气温、合计降水量;烟叶产量预测气候数据为当年生长季气候统计数据（预测时间点以前）和气候预测数据（预测时间点以后）。

1.2 方法

1.2.1 气候因子分析

气候因子分析从构建烟叶产量-气候关系模型和不同产量收益年型气候特征值分析2个方面进行。

1）烟叶产量-气候关系模型构建。依据历史烟叶产量数据和与烟草生长密切相关的热量、水分、光照等气候统计特征量，采用多元线性逐步回归分析法，多元线性模型的拟合优度检验和显著性检验分别采用t检验和F检验，置信度设为95%[6-7]。烟叶产量-气候关系模型构建的具体步骤如下：①对建模数据进行标准化处理;②进行主成分分析，确定多元回归分析的维度;③进行多元回归分析，得到回归系数，从而确定关系模型。

2）不同产量收益年型气候特征值分析。基于各生育期气候条件和产量收益年型气候状况统计数据，分析得到气候年景丰年的典型取值范围;参照丰年各生育期各气候特征值典型值的取值范围，分析偏歉年、歉年气候统计数据，可以从一个方面得到影响烤烟产量的气候因素。

1.2.2 烟叶产量预测模型构建

烟叶产量预测模型构建方法与烟叶产量-气候关系模型构建方法相同，使用多元线性逐步回归分析方法，根据烟叶产量业务化预测需要，依据的气候因子简化为平均气温与降水量，模型的拟合优度检验和显著性检验分别采用t检验和F检验，置信度为95%。

1.2.3 烟叶产量预测

在烟叶生长关键时期（4—9月），依据当年生长季气候统计数据和气候预测数据，应用烟叶产量预测模型，按月制作发布烟叶产量预测信息，分析确定烟叶产量收益年型。

烟叶产量收益年型根据增产率划分确定见表1。增产率X计算公式为：

[X=m1-m2m2×100%]             （1）

式中：m1表示该年实际每667 m2产量，kg;m2表示趋势产量，取前3年每667 m2产量的平均值，kg。

表1 烟叶产量收益年型划分标准

[产量收益年型 判断指标 丰年 X>11% 偏丰年 4%

2 结果与分析

2.1  影响烟叶产量的气候因子

基于2006—2019年各站历史烟叶产量数据和各生育期气候统计特征量，采用多元线性逐步回归分析方法构建烟叶产量-气候关系模型，见表2。模型中，D1表示成熟期≥20 ℃的日数，P表示成熟期降水量，H表示成熟期日照时间，T1表示成熟期平均气温，T2表示成熟期积温，D表示大田日数，P1表示旺长期降水量。分析结果表明，对烟叶产量影响较大的气候因子包括平均气温、积温、降水量、日照时间、日平均气温≥20 ℃的日数、大田日数等，成熟期气候因子影响较大，各地影响烟叶产量的主要气候因子并不完全一致。

基于各生育期气候条件和产量收益年型气候状况，分析得到气候年景丰年的典型取值范围，见表3。参照丰年各生育期各要素典型值取值范围，分析部分偏歉年、歉年气候统计数据表明，影响烟叶产量的原因包括：1）成熟采烤期、大田期、全生育期日照时间偏少或偏多;2）大田期部分时段气温偏高，大田日数偏多或偏少;3）旺长期和成熟采烤期降水量偏多或偏少。

2.2  烟叶产量预测模型

依据历史烟叶产量与生育期气温、降水量统计值，使用多元线性逐步回归分析方法构建烟叶产量预测模型，见表4。从表中模型可以看出，不同站点的烟叶产量受不同时期气温和降水量的影响程度不同，各地区需要根据当地实际情况开展相应的田间管理。

2.3  烟叶产量预测结果

根据2020年生长季气候统计数据、气候预测数据，应用各地烟叶产量预测模型，在关键生育期逐月进行烟叶产量预测，计算烟叶产量增长率，确定产量收益年型，见表5。从表格数据可以看出，2020年气候条件对遵义烟区烟叶产量影响总体偏好，收益年型均为平年或偏丰年，无偏歉年或歉年;桐梓县、正安县和绥阳县整体收益年型更好，偏丰年月份较多。

3 讨论

尽管各生育期烟叶生长对气候条件均有一定的要求，但遵义烟区的烟叶产量受烟叶生长中后期气候的影响更为明显，尤其是成熟采烤期。不同烟草种植区，烟叶产量受气候因子影响的程度存在差异，相关性较大的气候因子有所不同。采用不同的研究方法得出的影响显著的气候因子也存在差异，基于丰年各生育期气候要素典型值取值范围对比分析确定的气候因子更为直接，即气温、降水量、日照时间，气候要素特征值的偏多或偏少均会导致烟叶减产，说明热量、水分和光照是影响烟叶产量的基本气候因素。气候要素之间存在相关性，影响烟叶产量的并不只有烟叶产量-气候关系模型涉及的气候因子，热量、水分和光照之间的相互作用也是影响烟叶产量的气候因素。

烟叶产量预测模型构建使用了气温、降水量这2类气候因子，是由现阶段气候预测的能力所决定的，因为其他要素气候预测的效果目前并不理想，难以支撑烟叶产量的业务化预测。本文的烟叶产量数据用收购量代替实际生产量，受多种因素影响，二者不可避免地存在一定差异，会导致烟叶产量预测模型出现一定的误差。随着烟叶产量资料的增加及产量数据精准度的提高，可以通过不断修正完善烟叶产量预测模型，以提高预报精准度。从2020年烟叶产量预测效果看，模型预测的稳定性尚可，可用于开展业务化预测。

4 结论

基于遵义市5站历史烟叶产量数据与生育期历史气候统计数据，分析了影响烟叶产量的气候因子，构建了烟叶产量预测模型，并根据生长季气候统计数据、气候预测数据，在关键生育期逐月制作并发布烟叶产量预测信息，分析确定烟叶产量收益年型，建立烟叶产量预测业务。结果表明，烟叶产量受烟叶生长中后期气候条件的影响较大，且主要体现在热量、水分、光照3个方面，不同地区、研究方法确定的气候因子有所不同;依托构建的烟叶产量预测模型及生长季气候统计数据与气候预测数据，能够在关键生育期逐月制作并发布烟叶产量预测，稳定性较好，可实现烟叶产量的业务化预测。

参考文献：

[1] 张慢慢，邵惠芳，郑劲民，等.烤烟产量的主要影响因素及预测方法研究进展[J].江西农业学报，2014，26（10）：76-80.

[2] 施伟平，王鑫，余凌锋，等.烤烟产量与品质影响因素的研究进展[J].福建农业科技，2010（1）：23-25.

[3] 李琦，宋黎明.我国烤烟气候减产量及灾损量的评估[J].安徽农业技术师范学院学报，2000（2）：51-54.

[4] 易谆，王晓东，陈刚，等.基于灰色预测和线性回归的烟叶产量预测模型[J].计算机应用，2013，33（S1）：52-54.

[5] 贺升华，任炜.烤烟气象[M].昆明：云南科技出版社，2001.

[6] 黄嘉佑.气象统计分析与预报方法（4版）[M].北京：氣象出版社，2016.

[7] 么枕生，丁裕国.气候统计（2版）[M].北京：气象出版社，1990.

（责任编辑：张春雨  盛  伟）