天目湖白茶開采期預測

錢半噸，楊 明，徐玉琴，林 磊，任義方

（1.溧陽市氣象局，江蘇溧陽 213300；2.溧陽市現代農業（茶葉）科技綜合示范基地，江蘇溧陽 213300；3.常州市氣象局，江蘇常州 213000；4.江蘇省氣候中心，南京 210009）

溧陽市地處長江三角洲地區的江蘇省南部，屬亞熱帶季風氣候，氣候溫和濕潤，是白茶生長較適宜的地區［1］。截至2021 年，溧陽市白茶種植面積達3 000 hm2。天目湖白茶作為溧陽市茶葉的區域公用品牌，已成為溧陽市茶產業發展的支柱品牌，年產值達12 億元。白茶在春季生產過程中，受全球氣候變暖影響，低溫霜凍、連陰雨等極端天氣不斷出現，對茶葉開采等生產過程帶來不利影響［2］。茶葉開采早晚直接關系著茶葉的品質和市場價格，因此，精準預測開采期至關重要。

有學者研究認為，影響開采期的主要因素有氣象條件、土壤條件、茶樹品種特性和田間管理等［3-6］。對于溧陽市茶園而言，土壤條件、茶樹品種基本固定、田間管理基本相同，氣象因子的變化是影響天目湖白茶開采期的主要因素［7］。陳榮冰［8］的研究表明，上年12 月至春茶開采期的不同時段平均氣溫、日照時數和降水量對不同品種茶樹的開采期影響程度不同。施國富等［9］通過研究導致富陽早茶開采期推遲的不同天氣類型，分別建立了相對應的開采期積溫預報模型。李旭群［10］通過構建溫濕隸屬函數和低溫凍害隸屬函數，計算3 月10 ℃活動積溫，預報雨前“茅峰青山”和“雨花”的開采期。姜燕敏等［11］將春茶開采期日序與氣象要素進行逐步回歸分析，構建長期與中期開采預報模型，將平均氣溫、相對濕度、降水量和日照時數等關鍵氣象因子結合活動積溫和有效積溫對浙南春茶開采期進行預報。楊愛萍等［12］利用2014—2018 年1 月平均氣溫、1 月雨日數滑動平均值作為關鍵氣象因子，對常規關鍵氣象因子開采期預測法進行改進，預報效果更好。朱蘭娟等［13，14］將積溫預報法與逐步回歸方法預報值進行集成，構建西湖龍井開采期集成預報模型，預報效果更理想；同時，通過研究低溫與西湖龍井開采時間關系，利用2 月中旬、下旬Tmin≤2 ℃的低溫天數預報西湖龍井的開采期、洪峰期，平均絕對誤差在1.7～3.4 d，具有實際應用價值。

早春時節氣溫變化波動大，加之氣候變化等因素的影響，造成溧陽市本地原有開采期積溫法［15］預測結果與生產實際有較大偏差，茶園需根據茶葉開采期提前組織安排生產活動。因此，茶葉種植單位和茶農、政府對開采期預測在時效性和準確性上有了更高的要求。本研究在借鑒相關研究成果的基礎上，以天目湖白茶開采期為研究對象，基于2007—2022 年溧陽市天目湖白茶開采期資料和同期氣溫、降水量、降水日數、日照時數、空氣濕度等氣象資料，篩選關鍵氣象因子，運用數理統計方法分別構建遠期、臨近以及集成預測模型，并檢驗模型預報效果，進而提高本地開采期預測時效性和準確性，以期為保障茶葉優質生產提供科學依據。

1 資料與方法

1.1 資料來源

茶葉開采期資料來源于溧陽市現代農業（茶葉）科技綜合示范基地2007—2022 年天目湖白茶開采日期，以溧陽市1/3 以上茶園進行白茶采摘的日期定為開采期首日。

氣象觀測資料來源于溧陽國家基本氣象站2006 年12 月至2022 年3 月的逐日氣象資料，氣象要素包含日平均氣溫、日最高氣溫、日最低氣溫、日降水量、日照時數和相對濕度。

1.2 資料處理與分析方法

1.2.1 氣象因子初選 采用儒略日（Julian days）換算方法，將茶葉開采日期轉化為日序數，即每年的1 月1 日記為1，1 月2 日記為2，依此類推。選取2007—2020 年逐月（上年12 月至當年3 月，下同）、逐旬（上年12 月上旬至當年3 月下旬，下同）平均氣溫、平均最高氣溫、平均最低氣溫、降水量、降水日數、日照時數、平均相對濕度、低溫天數（日最低氣溫≤4 ℃，…，≤-2 ℃的低溫日數、日平均氣溫≤5 ℃，…，≤0 ℃的低溫日數，下同）等為氣象因子，其中降水日數為日降水量≥0.1 mm 的日數；因天目湖白茶2 月底至3 月初萌芽，分別選取2 月下旬至開采期前一日、3 月至開采期前一日日平均氣溫下限溫度分別≥2 ℃，…，≥10 ℃的活動積溫和有效積溫為氣象因子。通過計算上述氣象因子與開采期日序值相關系數，將皮爾遜相關系數絕對值較大且通過顯著性水平檢驗的關鍵氣象因子作為初選因子。

1.2.2 天目湖白茶開采期預測模型的構建

1）遠期、臨近預測模型的構建。分別利用已有實況資料、長期或中長期預報值的初選因子和開采日序值導入SPSS 軟件，利用逐步回歸方法建立天目湖白茶開采期預報方程，選取預報效果好的方程分別作為遠期、臨近預測模型。

2）集成預測模型的構建。對遠期預測模型和臨近預測模型進行集成，具體做法為，將開采期日序值作為因變量，遠期、臨近預測模型的預測結果作為自變量，利用SPSS 軟件的多元線性回歸功能構建集成預測模型。

2 結果與分析

2.1 歷年開采期概況

天目湖白茶2007—2022 年開采期主要出現在3 月下旬至4 月上旬（圖1），歷年平均開采期為4 月1日，2021 年開采日最早，為3 月25 日；2011 年、2013年最晚，為4 月9 日。2018 年以來，茶葉均在3 月底進行開采，整體開采期呈提前趨勢。

圖1 2007—2022 年天目湖白茶開采期年際變化

2.2 影響天目湖白茶開采期氣象因子的篩選結果

分別統計2007—2020 年逐月、逐旬平均氣溫、平均最高氣溫、平均最低氣溫、降水量、降水日數、日照時數、平均相對濕度、低溫天數、2 月下旬至開采期前一日、3 月至開采期前一日日平均氣溫下限溫度分別≥2 ℃，…，≥10 ℃的活動積溫和有效積溫等氣象因子，與開采期日序值進行相關性分析，篩選出通過0.01 水平顯著性檢驗的氣象因子作為初選因子（表1）。

表1 與天目湖白茶開采期日序值相關顯著的氣象因子篩選結果

從初選因子的時段看，天目湖白茶初選因子的時段主要分布在上年12 月至當年1 月、3 月，其中上年12 月和當年1 月主要影響茶樹的休眠期，2 月下旬至3 月主要影響茶芽的萌動生長期。

從初選因子的要素看，與天目湖白茶開采期密切相關的氣象要素主要為溫度，其次為相對濕度。溫度方面主要包括平均氣溫、平均最低氣溫、日最低氣溫不同界限的低溫日數和日平均氣溫不同界限的低溫日數、不同界限和不同起始時段的活動積溫和有效積溫。其中茶樹休眠期的低溫日數與開采期呈顯著正相關，表明低溫天數偏少，開采時間提前，低溫天數偏多，開采時間延后，這與朱蘭娟等［14］的研究結果一致。3 月氣溫，特別是3 月下旬氣溫與開采期呈顯著負相關，3 月茶樹萌動出芽，溫度偏高，茶芽長勢加快，開采期提前，這種趨勢呈現越臨近茶葉開采期，溫度影響越大。積溫與開采期呈顯著正相關，茶樹萌動出芽至開采期，其所需積溫越多，表明該段時間氣溫相對偏低，茶芽長勢減慢，以致開采期推遲，這與姜燕敏等［11］隨著茶葉采摘期的延后，積溫也逐步增加的觀點相一致。相對濕度對開采期的影響時段主要為12 月上旬，與開采期呈顯著負相關，表明濕度越大，茶葉開采期相對提前。

2.3 開采期預測模型及檢驗

2.3.1 遠期預測模型的構建 利用已有實況資料，以2007—2020 年上年12 月至當年1 月的初選因子作為自變量，開采期日序值作為因變量，導入SPSS軟件，利用軟件逐步回歸分析功能，構建白葉1 號的遠期開采期預測模型（R2=0.727，P＜0.01）。

式中，Y1為天目湖白茶開采日序值。

從遠期預測模型來看，上年12 月上旬平均相對濕度、當年1 月上旬日最低氣溫≤-2 ℃的低溫日數、1 月上旬日平均氣溫≤1 ℃的低溫日數是影響天目湖白茶開采期的關鍵氣象因子，因此，該模型在1 月中旬就可以利用已有氣象數據對當年開采期進行預測。

2.3.2 臨近預測模型的構建 利用長期或中長期數值預報結果，以2007—2020 年3 月的初選因子作為自變量，開采期日序值作為因變量，導入SPSS 軟件，利用軟件逐步回歸分析功能，構建天目湖的臨近開采期預測模型（R2=0.972，P＜0.01）。

式中，Y2為天目湖白茶開采日序值。

從臨近預測模型來看，3 月平均最低氣溫、3 月至開采期前一日≥2 ℃的活動積溫是影響天目湖白茶開采期的關鍵氣象因子，因此，模型適用起始時間為3 月初。隨著距離開采期時間的縮短，可利用3 月前期實況數據以及數值預報時效，隨時調整開采期預報值，優化預報結果。對于該公式的計算，由于沒有給定3 月至開采期前一日≥2 ℃的活動積溫的具體值，需要通過每日平均氣溫的逐日累加帶入公式不斷嘗試，才能確定Y2。

為了計算方便，假設t為3 月1 日起算的開采期日序值，即3 月1 日為1，3 月2 日為2，…，開采期為t，則Y2為1 月天數加2 月天數加3 月起算至開采期天數，即Y2=31+28（29）+t；假設3 月1 日起日平均氣溫均≥2 ℃，為3 月1 日至開采期前一日的平均氣溫，則X12=（t-1），模型（2）可以轉換為：

式中，3 月平均最低氣溫X9以及3 月1 日至開采期前一日的平均氣溫-T是可以預測的具體值，計算得出t值，即計算出開采期。

2.3.3 集成預測模型的構建 將2007—2020 年模型Y1和Y2的預測值作為因子，將2007—2020 的開采期日序值作為因變量，導入SPSS 軟件，利用軟件逐步回歸分析功能，構建天目湖白茶的集成預測模型（R2=0.972，P＜0.01）。

式中，Y3為天目湖白茶開采日序值。

2.3.4 模型檢驗 分別用3 種預測模型對2007—2020年天目湖白茶開采期日序值進行回代檢驗（表2），遠期預測結果與實際誤差絕對值在5 d 以內，誤差絕對值≤2 d 的占比達64.3%，臨近和集成預測結果與實際誤差絕對值在2 d 以內，誤差絕對值≤1 d 的占比達85.7%，說明臨近和集成預測模型擬合效果較好。

表2 3 種預測模型預測結果（日序值）及誤差

分別用3 種預測模型對2021—2022 年天目湖白茶開采期日序值進行試預報，其中2021 年遠期預測結果較實際偏晚12.8 d，臨近及集成預測結果比實際分別偏早1.2、1.0 d，說明后2 種模型預測效果較好；2022 年遠期預測結果偏晚2.6 d，臨近和集成預測結果比實際分別偏晚0.2、0.1 d，說明3 種模型預測效果都較好。

計算2007—2022 年3 種模型預測結果與實際值的均方差，分別為14.57、0.49、0.47，表明集成預測模型較遠期預測模型提高明顯，較臨近預測模型略有提高，但差別不大。實際應用中，臨近預測模型和集成預測模型可選一種進行預測，預報結果可用于生產服務。

對遠期預測誤差絕對值≥3.5 d 進行分析，2012年2 月下旬至3 月13 日氣溫偏低，日平均氣溫均低于8 ℃，茶葉萌動出芽晚，開采期比預測值偏晚3.5 d；2017 年3 月整體氣溫偏低，共有15 d 日均溫低于10 ℃，茶芽長勢較慢，開采期比預測值偏晚4.5 d；2021 年1 月下旬起尤其是2 月氣溫異常偏高，導致茶樹提前萌動出芽，較常年偏早8～9 d，進而開采期比預測值偏早12.8 d。

3 小結與討論

3.1 小結

1）根據2007—2022 年天目湖白茶開采期資料與同期氣象資料分析，上年12 月上旬平均相對濕度、當年1 月低溫日數、3 月平均最低氣溫以及3 月至開采期前一日≥2 ℃的活動積溫是影響開采期的關鍵氣象因子，與2 月氣象要素無關或關系較小，氣象因素對開采期的影響主要表現在溫度方面，隨著全球氣候變暖，天目湖白茶開采期也呈提前趨勢。同時，極端天氣變化給遠期預測結果帶來了較大的不確定性，在生產實際中，可根據2 月氣溫預報對遠期預測結果進行調整，2 月氣溫偏高，則茶芽萌動出芽早，開采期相應提前。

2）天目湖白茶開采期臨近預測模型和集成預測模型預測準確較高，絕對誤差值在2 d 以內，但對數值預報依賴較高，其準確性隨著預報時效的縮短而逐步提高，越臨近開采期，預報準確率越高，但隨著預報時效的縮短，預報的實用價值也隨之下降。數值模式預報產品預報時效最長為240 h，可以較開采期提前10 d 準確預測，誤差在1 d 左右。

3）天目湖白茶集成預測模型由不同預報方法融合而成，但與臨近預測模型相關性較大（P＜0.01），因此其預測結果與臨近預測模型預測結果基本一致，可直接選用臨近預測模型進行預測?？稍? 月中旬對開采期進行遠期預測，在2 月中旬根據氣溫變化及預報對遠期預測結果進行調整，3 月初利用臨近預測模型進行開采期預測，越臨近開采期，預測效果越好。

3.2 討論

選用2007—2022 年天目湖白茶開采期數據構建的預測模型，年數相對較短，且隨著全球氣候變暖，極端氣候事件頻發，影響開采期的關鍵氣象因子可能發生調整，因此，在以后的實際應用中，可隨著樣本數的增加，不斷調試模型，提高預報精度。