999精品在线视频,手机成人午夜在线视频,久久不卡国产精品无码,中日无码在线观看,成人av手机在线观看,日韩精品亚洲一区中文字幕,亚洲av无码人妻,四虎国产在线观看 ?

灰色預(yù)測(cè)理論分析氣候因子對(duì)遵義煙區(qū)煙葉質(zhì)量的影響

2022-06-16 09:51:22溫明霞黃純楊馬國(guó)勇芶劍渝崔紹秋李又庭
南方農(nóng)業(yè)·上旬 2022年5期

溫明霞 黃純楊 馬國(guó)勇 芶劍渝 崔紹秋 李又庭

摘 要 依據(jù)遵義地區(qū)煙葉主要化學(xué)成分?jǐn)?shù)據(jù),采用灰色關(guān)聯(lián)分析方法,分析影響煙葉主要化學(xué)成分的氣候因子。結(jié)果表明,煙葉化學(xué)成分指標(biāo)與氣候因子存在相關(guān)性,尤其是與氣溫及其相關(guān)統(tǒng)計(jì)指標(biāo)(≥20 ℃日數(shù)、積溫)的相關(guān)性較高,依托構(gòu)建的預(yù)測(cè)模型能夠開(kāi)展煙葉質(zhì)量(化學(xué)成分)的業(yè)務(wù)化預(yù)測(cè),精度較高,穩(wěn)定性較好。

關(guān)鍵詞 氣候;煙葉質(zhì)量;灰色預(yù)測(cè)理論;遵義煙區(qū)

中圖分類(lèi)號(hào):S572 文獻(xiàn)標(biāo)志碼:A DOI:10.19415/j.cnki.1673-890x.2022.09.007

收稿日期:2022-02-11

作者簡(jiǎn)介:溫明霞(1985—),女,山西長(zhǎng)治人,碩士,農(nóng)藝師,主要從事煙草生產(chǎn)技術(shù)推廣。

*為通信作者,E-mail:gllyt@sina.com。

煙葉的質(zhì)量在很大程度上決定著煙草的經(jīng)濟(jì)價(jià)值,而良好氣候環(huán)境條件是生產(chǎn)優(yōu)質(zhì)煙葉的基礎(chǔ)[1-2]。在影響煙葉質(zhì)量的眾多因素中,氣候是最活躍、可控性最差的因素。優(yōu)質(zhì)煙葉的地域分布與氣候條件密切相關(guān),國(guó)內(nèi)外優(yōu)質(zhì)煙葉的產(chǎn)地均具有良好氣候環(huán)境條件,氣候條件的年際變化也影響著煙葉的質(zhì)量[3-4]。在一定時(shí)期內(nèi),特定煙區(qū)的品種、種植政策、土壤、栽培技術(shù)、生產(chǎn)條件等變化不大,煙葉質(zhì)量的高低、品質(zhì)的好壞與氣候條件的年際變化關(guān)系更為密切[5]。歷史上一些典型的煙葉低質(zhì)年,除少數(shù)是受政策、品種、栽培措施的影響外,大多由不利氣候條件和氣象災(zāi)害造成[6]。因此,研究煙葉質(zhì)量與氣候條件的關(guān)系,根據(jù)氣候統(tǒng)計(jì)分析和預(yù)測(cè)進(jìn)行煙葉質(zhì)量預(yù)測(cè),對(duì)于指導(dǎo)煙葉生產(chǎn)、增加稅收、行業(yè)提質(zhì)增效、煙農(nóng)降本增收具有重要意義。

迄今為止,不少學(xué)者對(duì)煙葉質(zhì)量與氣候條件的關(guān)系進(jìn)行了多方面研究,但應(yīng)用數(shù)學(xué)模型對(duì)煙葉質(zhì)量進(jìn)行研究的成果較少,還缺乏較為準(zhǔn)確可靠的煙葉質(zhì)量與氣候因子之間的關(guān)系模型[7]。再加上許多氣象數(shù)據(jù)、煙葉質(zhì)量數(shù)據(jù)在實(shí)際操作中收集困難,時(shí)效性和準(zhǔn)確性都達(dá)不到要求,實(shí)際工作中難以通過(guò)氣候因子預(yù)測(cè)煙葉質(zhì)量。隨著物聯(lián)網(wǎng)、現(xiàn)代氣象觀測(cè)、移動(dòng)互聯(lián)網(wǎng)、精細(xì)化數(shù)值天氣預(yù)報(bào)與氣候預(yù)測(cè)等現(xiàn)代科學(xué)技術(shù)的發(fā)展,使及時(shí)采集、處理與統(tǒng)計(jì)分析煙葉生長(zhǎng)氣象環(huán)境與煙葉生產(chǎn)數(shù)據(jù),制作并提供氣候預(yù)測(cè)數(shù)據(jù)成為可能,為深入分析氣候與煙葉產(chǎn)量質(zhì)量關(guān)系模型、構(gòu)建基于氣候因子的煙葉質(zhì)量預(yù)測(cè)模型、業(yè)務(wù)化制作發(fā)布煙葉質(zhì)量預(yù)測(cè)奠定了基礎(chǔ)。

本文選取遵義煙區(qū)湄潭縣、綏陽(yáng)縣、桐梓縣、余慶縣及正安縣5地?zé)熑~質(zhì)量數(shù)據(jù),依據(jù)總糖、還原糖、煙堿、糖堿比及鉀氯比5個(gè)煙葉化學(xué)指標(biāo)數(shù)據(jù)和氣候統(tǒng)計(jì)數(shù)據(jù),應(yīng)用灰色關(guān)聯(lián)度分析方法探討了影響遵義地區(qū)煙葉質(zhì)量的氣候因子,采用灰色系統(tǒng)理論構(gòu)建了基于氣候因子的煙葉質(zhì)量預(yù)測(cè)模型,并根據(jù)當(dāng)年生長(zhǎng)季氣候統(tǒng)計(jì)分析數(shù)據(jù)和氣候預(yù)測(cè)數(shù)據(jù)進(jìn)行生長(zhǎng)季月度煙葉質(zhì)量預(yù)測(cè)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

煙葉質(zhì)量包括外觀質(zhì)量、物理特性、化學(xué)成分、評(píng)吸質(zhì)量及安全性等諸多方面,它們分別又由相互關(guān)聯(lián)的不同評(píng)價(jià)指標(biāo)組成,這些指標(biāo)都不同程度地直接或間接影響烤煙的質(zhì)量,各項(xiàng)質(zhì)量指標(biāo)的平衡協(xié)調(diào)程度決定煙葉的工業(yè)使用價(jià)值[6-7]。其中,煙葉的化學(xué)成分主要反映煙葉的內(nèi)在質(zhì)量,其含量及比值直接影響煙葉質(zhì)量的優(yōu)劣,可以作為反映煙葉品質(zhì)的客觀標(biāo)準(zhǔn)。根據(jù)項(xiàng)目要求和質(zhì)量數(shù)據(jù)的實(shí)際情況,采用總糖、還原糖、煙堿、糖堿比及鉀氯比5個(gè)指標(biāo)進(jìn)行煙葉質(zhì)量的分析。

選取的氣候因子為不同生育期的平均溫度、降水量、積溫、日照時(shí)間、日平均溫度≥20 ℃日數(shù)、大田期日數(shù)等熱量、水分和光照指標(biāo);預(yù)測(cè)模型構(gòu)建選取的氣候因子為不同生育期平均氣溫、降水量。煙葉質(zhì)量預(yù)測(cè)氣候數(shù)據(jù)為當(dāng)年生長(zhǎng)季氣候統(tǒng)計(jì)數(shù)據(jù)(預(yù)測(cè)時(shí)間點(diǎn)以前)和氣候預(yù)測(cè)數(shù)據(jù)(預(yù)測(cè)時(shí)間點(diǎn)以后)。

1.2? 方法

1.2.1 影響煙葉質(zhì)量的氣候因子分析方法

影響煙葉質(zhì)量的氣候因子分析采用灰色關(guān)聯(lián)分析(Grey Relation Analysis,GRA)方法,該方法是根據(jù)因素之間發(fā)展趨勢(shì)的相似或相異程度,即灰色關(guān)聯(lián)度,作為衡量因素間關(guān)聯(lián)程度的一種方法[8]。灰色關(guān)聯(lián)度分析適用于有少量數(shù)據(jù)或者無(wú)規(guī)律的數(shù)據(jù)的影響因子分析。本文采用灰色關(guān)聯(lián)分析方法,分析影響各質(zhì)量指標(biāo)的氣候因子并排序,綜合分析得到影響煙葉質(zhì)量的氣候因子及其排序。

灰色關(guān)聯(lián)度分析包括確定母序列和子序列、無(wú)量綱化處理、計(jì)算灰色關(guān)聯(lián)系數(shù)、計(jì)算指標(biāo)關(guān)聯(lián)度及形成關(guān)聯(lián)序列等步驟。母序列(比較數(shù)列)是反映系統(tǒng)行為特征的數(shù)據(jù)序列,子序列(參考數(shù)列)是影響系統(tǒng)行為的因素組成的數(shù)據(jù)序列,也就是需要確立順序的因素序列。無(wú)量綱化處理是為了使不同的影響因子具有可比性,本文采用區(qū)間化法進(jìn)行。關(guān)聯(lián)系數(shù)是描述比較數(shù)列與參考數(shù)列在某時(shí)刻的關(guān)聯(lián)程度的一種指標(biāo),把各個(gè)時(shí)刻的關(guān)聯(lián)系數(shù)集中為一個(gè)平均值,得到關(guān)聯(lián)度,以反映兩個(gè)數(shù)列的關(guān)聯(lián)程度,根據(jù)關(guān)聯(lián)度排序確定影響因子的影響程度。

1.2.2 煙葉質(zhì)量預(yù)測(cè)模型構(gòu)建

基于歷年煙葉質(zhì)量和生育期氣溫、降水統(tǒng)計(jì)值,采用多變量灰色GM(0,N)模型建模方法,構(gòu)建煙葉質(zhì)量(某個(gè)化學(xué)成分)預(yù)測(cè)模型,為實(shí)施煙葉質(zhì)量預(yù)測(cè)奠定基礎(chǔ)。多變量灰色預(yù)測(cè)模型的算法步驟如下。

1)計(jì)算相關(guān)因素序列1-AGO、緊鄰均值數(shù)列。輸入原始序列X(0),對(duì)其進(jìn)行累加生成序列X(1),即1-AGO序列,并在1-AGO序列的基礎(chǔ)上生成緊鄰均值數(shù)列。

假定原始序列(即系統(tǒng)特征數(shù)據(jù)序列)為:

[X01=X011,X(0)12,…,X01n]? ? ? (1)

相關(guān)因素序列1-AGO為:

[X02=X021,X022,…,X02n]? ? ? (2)

……

[X0N=X0N1,X0N2,…,X0Nn]? ? ? (3)

令[i=1,2,…,N]的1-AGO序列為[X1i],其中:

[X1ik= k=1nX0ik,? i=1,2,…,N]? ? ?(4)

生成的緊鄰均值數(shù)列:

[Z1ik=12X11k+X11k-1, k=2,3,…,n]? ? ?(5)

2)計(jì)算數(shù)據(jù)矩陣B及數(shù)據(jù)向量Y。GM(0,N)模型為:

[X11k=a+i=2NbiX1ik]? ? (6)

(6)式中:a為發(fā)展系數(shù),bi為驅(qū)動(dòng)系數(shù),[biX1ik]為驅(qū)動(dòng)項(xiàng)。

引入矩陣向量記號(hào):

[B=x122x132…x1N2x123x133…x1N3????x12Nx13N…x1NN, Y=x112x113?x11N]? ?(7)

3)計(jì)算模型參數(shù)。模型參數(shù)(發(fā)展系數(shù)a、驅(qū)動(dòng)系數(shù)b)的計(jì)算采用最小二乘法。參數(shù)列[u=[a,b2,b3,…,bN]T]的最小二乘估計(jì)為:

[u=BTB-1BTY]? ? (8)

4)計(jì)算模型的擬合值或預(yù)測(cè)值。根據(jù)模型參數(shù),得到GM(0,N)模型,導(dǎo)出煙葉質(zhì)量預(yù)測(cè)模型;根據(jù)模型計(jì)算擬合值或預(yù)測(cè)值。

5)計(jì)算殘差及相對(duì)誤差,進(jìn)行誤差分析。殘差=實(shí)際數(shù)據(jù)-模擬數(shù)據(jù),即:

[Ek=x0k-x0k]? ? ? ? (9)

相對(duì)誤差為:

[Qk=Ekx0k×100%, k=2,3,…,N] (10)

1.2.3 煙葉質(zhì)量預(yù)測(cè)

1.2.3.1 煙葉化學(xué)成分預(yù)測(cè)

在煙葉生長(zhǎng)關(guān)鍵時(shí)期(4—9月),依據(jù)當(dāng)年生長(zhǎng)季氣候統(tǒng)計(jì)數(shù)據(jù)、氣候預(yù)測(cè)數(shù)據(jù),應(yīng)用各化學(xué)成分預(yù)測(cè)模型,按月制作發(fā)布煙葉質(zhì)量(總糖、還原糖、煙堿、糖堿比和鉀氯比)預(yù)測(cè)信息,并計(jì)算劃定煙葉質(zhì)量收益年型。

根據(jù)煙葉的總糖、還原糖、煙堿、糖堿比、鉀氯比及其適宜程度,統(tǒng)計(jì)分析各指標(biāo)歷年的變化情況,按照協(xié)調(diào)、較協(xié)調(diào)、欠協(xié)調(diào)3檔,制定煙葉質(zhì)量收益年型劃分標(biāo)準(zhǔn)。

1.2.3.2 煙葉質(zhì)量收益年型劃分

對(duì)各指標(biāo)測(cè)量結(jié)果進(jìn)行無(wú)量綱化處理,對(duì)上部、中部、下部取平均值為相應(yīng)指標(biāo)的無(wú)量綱化值;再根據(jù)無(wú)量綱化值進(jìn)行賦值,并轉(zhuǎn)化為百分制得分。

由于質(zhì)量化學(xué)成分指標(biāo)屬于區(qū)間型指標(biāo)(某個(gè)范圍內(nèi)較適宜),無(wú)量綱化處理采用區(qū)間化法,指標(biāo)處于適宜范圍時(shí),無(wú)量綱化值為1,偏差最大時(shí)無(wú)量綱化值為0,其余無(wú)量綱化值處于0~1。某化學(xué)指標(biāo)得分為無(wú)量綱化值×100。

參照《貴州省遵義市烤煙種植區(qū)劃》等研究成果,化學(xué)成分綜合得分為5個(gè)指標(biāo)的加權(quán)得分[9-10],總糖、還原糖、煙堿、糖堿比和鉀氯比的加權(quán)系數(shù)分別為0.12、0.19、0.22、0.33和0.14。根據(jù)綜合得分,按照表1的標(biāo)準(zhǔn)確定質(zhì)量收益年型。

2 結(jié)果與分析

2.1 影響煙葉質(zhì)量的氣候因子

總體而言,煙葉化學(xué)成分指標(biāo)與氣候因子存在相關(guān)性(灰色關(guān)聯(lián)度大于0.5),只有2個(gè)站個(gè)別化學(xué)指標(biāo)與特定時(shí)期的降水量不存在相關(guān)性(灰色關(guān)聯(lián)度小于0.5)。其中,煙葉化學(xué)成分與氣溫及其相關(guān)指標(biāo)(成熟期≥20 ℃日數(shù)、積溫)的相關(guān)性較高,與降水量的相關(guān)性較低,與日照時(shí)間的相關(guān)性也不是很高。此外,各站氣候因子關(guān)聯(lián)排序并不完全相同,但總體趨勢(shì)基本一致,見(jiàn)表2。

2.2 煙葉質(zhì)量預(yù)測(cè)模型

依據(jù)歷史煙葉質(zhì)量與生育期氣溫、降水統(tǒng)計(jì)值,采用多變量灰色GM(0,N)模型建模方法進(jìn)行建模。相關(guān)氣象數(shù)據(jù)序列中,P表示降水量、T表示氣溫、數(shù)字表示月份,如P45代表4—5月降水量、T6代表6月平均氣溫。

2.2.1? 桐梓縣

總糖預(yù)測(cè)模型為:

[X01k=1.646 6X02k+0.008 9X03k]? ? ? ?(11)

(11)式中:[X02k]、[X03k]分別對(duì)應(yīng)T45、P6數(shù)列。平均相對(duì)誤差為0.144%,殘差平方和為0.015 8。

還原糖預(yù)測(cè)模型為:

[X01k=1.529 2X02k-0.002 8X03k]? ? ? ?(12)

(12)式中:[X02k]、[X03k]分別對(duì)應(yīng)T45、P6數(shù)列。平均相對(duì)誤差為3.191%,殘差平方和為5.204 0。

煙堿預(yù)測(cè)模型為:

[X01k=0.180 4X02k-0.001 7X03k]? ? ? ?(13)

(13)式中:[X02k]、[X03k]分別對(duì)應(yīng)T45、P6數(shù)列。平均相對(duì)誤差為1.902%,殘差平方和為0.023 0。

糖堿比預(yù)測(cè)模型為:

[X01k=0.029 5X02k+0.843 7X03k]? ? ? ?(14)

(14)式中:[X02k]、[X03k]分別對(duì)應(yīng)P45、T78數(shù)列。平均相對(duì)誤差為2.346%,殘差平方和為0.662 5。

鉀氯比預(yù)測(cè)模型為:

[X01k=-0.017 1X02k+0.365 9X03k]? ? ? ?(15)

(15)式中:[X02k]、[X03k]分別對(duì)應(yīng)P45、T78數(shù)列。平均相對(duì)誤差為1.669%,殘差平方和為1.047 2。

2.2.2? 正安縣

總糖預(yù)測(cè)模型為:

[X01k=1.204 1X02k]? ? ? ?(16)

(16)式中:[X02k]對(duì)應(yīng)T6數(shù)列。平均相對(duì)誤差為0.278%,殘差平方和為0.028 5。

還原糖預(yù)測(cè)模型為:

[X01k=1.070 2X02k]? ? ? ?(17)

(17)式中:[X02k]對(duì)應(yīng)T6數(shù)列。平均相對(duì)誤差為4.408%,殘差平方和為5.017 2。

煙堿預(yù)測(cè)模型為:

[X01k=0.108 6X02k]? ? ? (18)

(18)式中:[X02k]對(duì)應(yīng)T78數(shù)列。平均相對(duì)誤差為0.663%,殘差平方和為0.001 4。

糖堿比預(yù)測(cè)模型為:

[X01k=0.568 6X02k]? ? ? ?(19)

(19)式中:[X02k]對(duì)應(yīng)T6數(shù)列。平均相對(duì)誤差為7.547%,殘差平方和為2.866 4。

鉀氯比預(yù)測(cè)模型為:

[X01k=0.014 1X02k]? ? ? ?(20)

(20)式中:[X02k]、[X03k]分別對(duì)應(yīng)T78數(shù)列。平均相對(duì)誤差為1.275%,殘差平方和為0.219 3。

2.2.3? 綏陽(yáng)縣

總糖預(yù)測(cè)模型為:

[X01k=1.517 5X02k+0.008 9X03k]? ? ? ?(21)

(21)式中:[X02k]、[X03k]分別對(duì)應(yīng)T45、P6數(shù)列。平均相對(duì)誤差為0.688%,殘差平方和為0.305 7。

還原糖預(yù)測(cè)模型為:

[X01k=0.681 0X02k+0.021 7X03k]? ? ? ?(22)

(22)式中:[X02k]、[X03k]分別對(duì)應(yīng)T6、P79數(shù)列。平均相對(duì)誤差為0.112%,殘差平方和為0.005 8。

煙堿預(yù)測(cè)模型為:

[X01k=0.008 2X02k+0.033 9X03k]? ? ? ?(23)

(23)式中:[X02k]、[X03k]分別對(duì)應(yīng)P45、T79數(shù)列。平均相對(duì)誤差為2.121%,殘差平方和為0.029 5。

糖堿比預(yù)測(cè)模型為:

[X01k=0.529 2X02k+0.014 9X03k]? ? ? ?(24)

(24)式中:[X02k]、[X03k]分別對(duì)應(yīng)T45、P6數(shù)列。平均相對(duì)誤差為0.474%,殘差平方和為0.021 1。

鉀氯比預(yù)測(cè)模型為:

[X01k=-0.023 8X02k+0.490 6X03k]? ? ? ?(25)

(25)式中:[X02k]、[X03k]分別對(duì)應(yīng)P45、T79數(shù)列。平均相對(duì)誤差為0.014%,殘差平方和為0.000 0。

2.2.4? 湄潭縣

總糖預(yù)測(cè)模型為:

[X01k=-0.019 2X02k+1.322 5X03k+? ? ? ? ? ? ? ? ? ? ? ? ? ? 0.009 6X04k]? ? ? ?(26)

(26)式中:[X02k]、[X03k]、[X04k]分別對(duì)應(yīng)P45、T6、P78數(shù)列。平均相對(duì)誤差為0.474%,殘差平方和為0.280 4。

還原糖預(yù)測(cè)模型為:

[X01k=-0.029 3X02k+1.081 2X03k+? ? ? ? ? ? ? ? ? ? ? ? ? ?0.020 8X04k]? ? ? ?(27)

(27)式中:[X02k]、[X03k]、[X04k]分別對(duì)應(yīng)P45、T6、P78數(shù)列。平均相對(duì)誤差為0.596%,殘差平方和為0.237 5。

煙堿預(yù)測(cè)模型為:

[X01k=-0.003 0X02k+0.111 7X03k+? ? ? ? ? ? ? ? ? ? ? ? ? ?0.002 7X04k]? ? ? ?(28)

(28)式中:[X02k]、[X03k]、[X04k]分別對(duì)應(yīng)P45、T6、P78數(shù)列。平均相對(duì)誤差為3.884%,殘差平方和為0.132 5。

糖堿比預(yù)測(cè)模型為:

[X01k=0.020 9X02k+0.413 0X03k-? ? ? ? ? ? ? ? ? ? ? ? ? ? 0.006 0X04k]? ? ? ?(29)

(29)式中:[X02k]、[X03k]、[X04k]分別對(duì)應(yīng)P45、T6、P78數(shù)列。平均相對(duì)誤差為0.191%,殘差平方和為0.008 8。

鉀氯比預(yù)測(cè)模型為:

[X01k=-0.009 4X02k-0.631 9X03k+? ? ? ? ? ? ? ? ? ? ? ? ? ? 0.868 7X04k]? ? ? ?(30)

(30)式中:[X02k]、[X03k]、[X04k]分別對(duì)應(yīng)P45、T6、T78數(shù)列。平均相對(duì)誤差為8.188%,殘差平方和為17.931 8。

2.2.5? 余慶縣

總糖預(yù)測(cè)模型為:

[X01k=1.600 5X02k-0.006 8X03k]? ? ? ?(31)

(31)式中:[X02k]、[X03k]分別對(duì)應(yīng)T45、P78數(shù)列。平均相對(duì)誤差為2.140%,殘差平方和為1.699 1。

還原糖預(yù)測(cè)模型為:

[X01k=1.358 8X02k-0.005 1X03k]? ? ? ?(32)

(32)式中:[X02k]、[X03k]分別對(duì)應(yīng)T45、P78數(shù)列。平均相對(duì)誤差為1.767%,殘差平方和為0.763 8。

煙堿預(yù)測(cè)模型為:

[X01k=0.100 7X02k+0.001 0X03k]? ? ? ?(33)

(33)式中:[X02k]、[X03k]分別對(duì)應(yīng)T6、P78數(shù)列。平均相對(duì)誤差為2.600%,殘差平方和為0.022 6。

糖堿比預(yù)測(cè)模型為:

[X01k=0.828 5X02k-0.010 0X03k]? ? ? ?(34)

(34)式中:[X02k]、[X03k]分別對(duì)應(yīng)T45、P78數(shù)列。平均相對(duì)誤差為3.295%,殘差平方和為0.651 7。

鉀氯比預(yù)測(cè)模型為:

[X01k=0.274 8X02k-0.003 0X03k]? ?   ?(35)

(35)式中:[X02k]、[X03k]分別對(duì)應(yīng)T45、P6數(shù)列。平均相對(duì)誤差為0.818%,殘差平方和為0.055 5。

2.3 煙葉質(zhì)量預(yù)測(cè)

根據(jù)2020年生長(zhǎng)季氣候統(tǒng)計(jì)數(shù)據(jù)、氣候預(yù)測(cè)數(shù)據(jù),應(yīng)用各地各化學(xué)成分預(yù)測(cè)模型,進(jìn)行化學(xué)成分值預(yù)測(cè),再根據(jù)化學(xué)成分預(yù)測(cè)值計(jì)算質(zhì)量綜合得分,按照質(zhì)量收益年型劃分標(biāo)準(zhǔn)確定質(zhì)量收益年型。各月預(yù)測(cè)結(jié)果見(jiàn)表3。從表格數(shù)據(jù)可知,2020年5個(gè)站點(diǎn)的收益年型均較好,無(wú)欠協(xié)調(diào)情況;桐梓縣各月的收益年型均為較協(xié)調(diào),在5個(gè)站點(diǎn)中質(zhì)量最差;綏陽(yáng)縣和余慶縣收益年型均為協(xié)調(diào),在5個(gè)站點(diǎn)中質(zhì)量最好。

3 討論

各氣候因子對(duì)煙葉質(zhì)量的影響程度會(huì)因煙區(qū)不同而有所不同。在遵義煙區(qū),各地氣候因子的影響程度(關(guān)聯(lián)排序)基本一致,氣溫及其相關(guān)指標(biāo)(成熟期≥20 ℃日數(shù)、積溫)影響相對(duì)較高,降水、日照時(shí)間的影響相對(duì)較低。但這并不意味著降水、日照等其他因子對(duì)煙葉質(zhì)量的影響就小,只是反映了遵義煙區(qū)關(guān)鍵生育期內(nèi)降水、日照等相對(duì)較好地滿足煙葉生長(zhǎng)的需要,年際變化相對(duì)較小。對(duì)其他煙區(qū)而言,氣候因子的影響程度可能不同于遵義煙區(qū),影響最大的氣候因子可能為降水或日照時(shí)間。

煙葉質(zhì)量預(yù)測(cè)模型構(gòu)建應(yīng)用了氣溫、降水這2類(lèi)氣候因子,是由現(xiàn)階段氣候預(yù)測(cè)的能力所決定的,其他氣候因子預(yù)測(cè)的效果目前并不理想,難以支撐煙葉質(zhì)量的業(yè)務(wù)化預(yù)測(cè)。由于煙葉質(zhì)量資料年限較短,只能采用灰色預(yù)測(cè)理論以構(gòu)建多變量灰色GM(0,N)模型。如果掌握較長(zhǎng)時(shí)間序列數(shù)據(jù),可運(yùn)用多種方法建模,進(jìn)行對(duì)比研究,構(gòu)建效果更為理想的煙葉質(zhì)量預(yù)測(cè)模型。

從2020年煙葉質(zhì)量預(yù)測(cè)效果看,模型的精度與穩(wěn)定性尚可,可用于業(yè)務(wù)化預(yù)測(cè)。但受基礎(chǔ)數(shù)據(jù)年限較短的影響,模型預(yù)測(cè)效果有待實(shí)踐的進(jìn)一步檢驗(yàn),需要不斷進(jìn)行模型的校驗(yàn)和完善。

4 結(jié)論

本文以煙葉化學(xué)成分為切入點(diǎn),分析了影響遵義煙區(qū)煙葉質(zhì)量的氣候因子,構(gòu)建了基于氣候因子的煙葉質(zhì)量預(yù)測(cè)模型,并對(duì)2020年生育期煙葉進(jìn)行了業(yè)務(wù)化的質(zhì)量預(yù)測(cè)。結(jié)果表明,煙葉化學(xué)成分指標(biāo)與氣候因子存在相關(guān)性,尤其是與氣溫及其相關(guān)統(tǒng)計(jì)指標(biāo)(≥20 ℃日數(shù)、積溫)的相關(guān)性較高,依托構(gòu)建的預(yù)測(cè)模型能夠開(kāi)展煙葉質(zhì)量(化學(xué)成分)的業(yè)務(wù)化預(yù)測(cè),精度較高,穩(wěn)定性較好。今后,可在煙葉外觀質(zhì)量、物理特性、評(píng)吸質(zhì)量和安全性等方面進(jìn)行相關(guān)研究,從而構(gòu)建全面的煙葉質(zhì)量預(yù)測(cè)模型,進(jìn)行煙葉質(zhì)量預(yù)測(cè)。

參考文獻(xiàn):

[1] 賀升華,任煒.烤煙氣象[M].昆明:云南科技出版社,2001.

[2] 彭新輝,易建華,周清明.氣候?qū)緹焹?nèi)在質(zhì)量的影響研究進(jìn)展[J].中國(guó)煙草科學(xué),2009,30(1):68-72.

[3] 戴冕.我國(guó)主產(chǎn)煙區(qū)若干氣象因素與煙葉化學(xué)成分關(guān)系的研究[J].中國(guó)煙草學(xué)報(bào),2000,6(1):27-34.

[4] 石俊雄,陳雪,雷璐.生態(tài)因子對(duì)貴州煙葉主要化學(xué)成分的影響[J].中國(guó)煙草科學(xué),2008,29(2):18-22.

[5] 陳偉,王三根,唐遠(yuǎn)駒,等.不同煙區(qū)烤煙化學(xué)成分的主導(dǎo)氣候影響因子分析[J].植物營(yíng)養(yǎng)與肥料學(xué)報(bào),2008,14(1):144-150.

[6] 易建華,彭新輝,鄧小華,等.氣候和土壤及其互作對(duì)湖南烤煙還原糖、煙堿和總氮含量的影響[J].生態(tài)學(xué)報(bào),2010,30(16):4467-4475.

[7] 李東亮,馮廣林.灰色系統(tǒng)理論在煙草質(zhì)量評(píng)價(jià)中的應(yīng)用[M].北京:中國(guó)水利水電出版社,2013.

[8] 劉思峰.灰色系統(tǒng)理論及其應(yīng)用[M].8版.北京:科學(xué)出版社,2017.

[9] 貴州省遵義市烤煙種植區(qū)劃項(xiàng)目組.貴州省遵義市烤煙種植區(qū)劃[M].貴陽(yáng):貴州人民出版社,2015.

[10] 王彥亭,謝劍平,李志宏.中國(guó)煙草種植區(qū)劃[M].北京:科學(xué)出版社,2010.

(責(zé)任編輯:劉寧寧? 丁志祥)

主站蜘蛛池模板: 亚洲国产91人成在线| 四虎在线高清无码| 99久久国产综合精品2020| 91年精品国产福利线观看久久| 99人体免费视频| 欧美综合区自拍亚洲综合绿色| 日韩福利在线视频| 久久窝窝国产精品午夜看片| 97视频精品全国在线观看| www.youjizz.com久久| 国产美女一级毛片| 人人妻人人澡人人爽欧美一区| 午夜久久影院| 免费A∨中文乱码专区| 成年人视频一区二区| 色天堂无毒不卡| 四虎精品黑人视频| 无码内射在线| 亚洲人成高清| av一区二区三区高清久久| 视频二区亚洲精品| 亚洲男女在线| www.91在线播放| 国产呦精品一区二区三区网站| 美女国产在线| 在线视频一区二区三区不卡| 国产免费a级片| 日本一区二区三区精品国产| 欧美一级黄色影院| 毛片久久网站小视频| 午夜a视频| 国产微拍精品| 亚洲va欧美va国产综合下载| 免费精品一区二区h| 国产精品精品视频| 久久精品人人做人人爽| 在线精品亚洲一区二区古装| 精品国产www| 青青青伊人色综合久久| 五月天久久综合| 午夜精品福利影院| 国产午夜无码专区喷水| 久久99国产乱子伦精品免| 亚洲色图在线观看| 亚洲精品欧美日本中文字幕| 日韩美毛片| 久久窝窝国产精品午夜看片| 2018日日摸夜夜添狠狠躁| 精品91视频| 99爱视频精品免视看| 国产欧美自拍视频| 九色综合伊人久久富二代| 国产va视频| 午夜无码一区二区三区| 欧美一道本| 精品久久久久无码| 第九色区aⅴ天堂久久香| 黄片一区二区三区| 少妇精品在线| 日本三级精品| vvvv98国产成人综合青青| 1级黄色毛片| 人妻丰满熟妇av五码区| 三区在线视频| 欧美丝袜高跟鞋一区二区| 亚洲综合日韩精品| 亚洲国产午夜精华无码福利| 99精品国产电影| 国产女人水多毛片18| 99在线观看精品视频| 国产欧美性爱网| 色视频久久| 日本午夜影院| 扒开粉嫩的小缝隙喷白浆视频| 澳门av无码| www.亚洲国产| 国产精品.com| 成人免费午夜视频| 国产福利2021最新在线观看| 国产另类视频| 久久这里只精品国产99热8| 白丝美女办公室高潮喷水视频|