万盛气候条件与茶叶产量的关联性探究

何佳玥 刘俸霞 刘冬

摘 要 根据万盛经济技术开发区2009—2018年气象资料和2009—2018年茶叶产量资料，基于SPSS软件对气候因子与茶叶产量开展了关联性探究，从气温、降水等102个气候因子中筛选出8个相关性较高的因子，建立了多元回归模型。利用此模型预测历年茶叶产量，结果发现，茶叶预测产量与实际产量拟合较好，预测精度在91%～100%，平均精度为96%。此模型具有较高的精确度和可用性，可对茶叶产量进行有效预报。

关键词 茶叶产量;气候条件;预测模型

中图分类号：S571.1 文献标志码：B DOI：10.19415/j.cnki.1673-890x.2020.33.096

万盛经济技术开发区（以下简称万盛经开区）全年气候温和，年平均气温18.2 ℃，年平均降雨量1 271.1 mm，日照充足，无霜期长，年平均无霜期为340 d，全区森林覆盖率高达53%，酸性或微酸性土壤占比大于90%，十分适宜茶树生长。万盛经开区是茶叶生产老区，也是重庆最适宜的茶区之一，种茶文化历史悠久，据史料记载，在明清时代就有种茶、贩茶等茶事活动。

自2009年至今，万盛经开区茶叶总产量整体變化不大，最高产量为2009年850.0 kg·hm-2，最低产量为2014年的609.2 kg·hm-2。茶叶产量与气象条件密切相关，建立茶叶产量预测模型可建立在研究二者相关性上。对气候条件、茶叶产量相关性进行综合分析评估，能够为万盛经开区茶叶产业提供科学支撑。

1 资料来源

气象资料和产量资料分别来源于万盛经开区气象局和农林局，包括万盛经开区2009—2018年的气温、地温、降水量、相对湿度、日照时间、风速、历年茶叶总产量、茶叶采摘面积等。将茶叶单产数据与102个气候因子进行相关性分析，从而得到对茶叶产量影响较大的气候因子，排除影响较小的气候因子。

2 方法介绍

在长时间序列的作物产量与气候因子关系的观测统计研究中，通常把作物产量分解为趋势产量、气候产量和随机误差3部分[1]。可通过某种数学模型将趋势产量和气候产量区分开来，再进一步分析气候产量与气候因子的关系。产量预测模型一般通式为：

式（1）中，Y为茶叶模拟产量，Yt为趋势产量，Yw为气候产量，ε为随机误差，可忽略不计，因此（1）式简化为：

通过线性回归分别建立趋势产量预测方程和气候产量预测方程，叠加得到茶叶产量预测模型。

3 建立茶叶产量预测模型

3.1 建立趋势产量预测方程

趋势产量的模拟方法较多，其中直线滑动平均法是较好的趋势模拟方法[2-3]。通过直线滑动平均法将茶叶单产数据进行5年滑动平均处理，可分离趋势产量Yt和气候产量Yw，样本序列变为2010—2018年。基于SPSS软件，将Yt作为因变量，将T作为自变量，进行线性回归分析[4]，结果见表1。

查F分布表可得，F?F0.05=4.96，说明回归效果显著。趋势产量回归方程可表述为：

Yt=-7.98T+16 777.55（3）

3.2 建立气候产量预测方程

茶叶气候产量由多种气候因子的共同作用获得，因此需要采用多元线性回归分析模型进行表达。筛选出影响气候产量的主要气候因子，分析历年气候产量与同期气象数据的相关性。结果发现，气候产量Yw与2月平均日照时间和11月平均日照时间等8个气候因子之间存在显著或极显著的相关关系，见表2。

茶树最适合在温暖的环境中生长。茶芽适宜生长22～23 ℃气温且水分和空气湿度条件相对适宜的环境下[5-6]。虽然茶树喜温，但夏季高温仍显著影响茶叶品质及其产量。当温度>35 ℃时，茶树新梢的生长率会骤降，温度过高会削弱光合作用，增强呼吸作用，增加体内有机质的消耗，不利于干物质的积累。万盛经开区夏季温度高，光照强度大，茶树幼苗由于叶片嫩，容易造成幼叶灼伤。此外，春茶采摘将带走大量营养物质及微量元素，体内储存的营养物质将减少。由此可见高温不利于茶树积累养分，影响茶叶产量。从表2可看出，6月平均气温与茶叶产量表现为高度负相关，相关系数为-0.985，说明6月温度越高则茶叶产量越低，而万盛经开区2009—2018年6月平均气温为22.4～27.9 ℃，气温适宜，茶芽生长速度较快。1月平均地面温度与茶叶产量呈高度负相关，这是因为茶树在冬季休眠。地面温度越高，茶树过早发芽的概率越高，易出现冻害，造成减产甚至绝收。

茶树嫩枝中的水分含量非常高，占其重量的75%～80%。茶树作为叶用作物，不断补充水分能够有效保障新芽不断萌发采收，万盛经开区全年降水分布不均对茶叶产量影响很大。从表2可以看出，8月和9月平均降水量与茶叶产量呈高度负相关，相关系数分别为-0.997和-0.998，表明8月和9月平均降水量较多的年份茶叶产量较低。这是因为降雨量过大容易造成水土流失，影响茶叶生长。

茶树是一种耐阴性植物，因为长期生长在森林的遮挡下，空气的相对湿度比较高，从而形成对高湿度的偏爱。实验表明，在空气和土壤水分充足的情况下，结合其他条件，茶叶光合作用强，蒸腾作用大大降低，有利于体内水分的平衡和有机质的积累。这样茶芽变肥，鳞茎叶长，可以增加产量，提高茶叶品质。从表2可以看出，5月平均相对湿度相关系数为0.961，11月平均相对湿度相关系数为0.952，均呈高度正相关，表明这两个月的月平均相对湿度越高，茶叶产量越高。这是因为茶树适合生长

在>80%湿度的空气中，湿度越大，生长越旺盛，茶叶产量越显著。干燥的空气往往影响芽和叶的抽生，叶片容易衰老。茶树在长期湿度不足的情况下，会产生大量的对夹叶，不利于品质的提高。

茶树原本生长在大森林中，为了适应环境，其形成了耐阴性的特点，在弱光强度条件下鲜叶氨基酸含量高，有利于制成芳香可口的优质绿茶。在弱光下，茶树鲜叶含有大量的叶绿素，能有效利用阳光中的蓝紫光和紫外光。蓝紫光能促进植物体内蛋白质和氮含量的合成和积累，紫外线有利于芳香物质的增加。在生长期，日照百分率<45%时，茶叶品质较好;如果<40%，就更好。从表2可以看出，2月和11月的月平均日照时间与茶叶产量呈高度正相关，相关系数分别为0.985和0.997，表明2月和11月的月平均日照时间越高，茶叶产量越高。这是因为冬季气温较低，需要更多的日照来满足茶树的热量需求。

在确定了影响茶叶产量的主要气候因子后，进行了线性回归分析，结果见表3。

假设预测对象Yw与n个影响因素x1，x2，…，xn之间的线性关系为[7]：

将表2的系数b代入，得到预测方程：

4.12，表示回归效果显著。

3.3 建立茶叶产量预测方程

将（3）、（5）同时代入（2）中得到茶叶产量预测方程：

其中，T为年份，x1～x8分别为6月平均气温、1月平均地面温度、8月平均降水量、9月平均降水量、5月平均相对湿度、11月平均相对湿度、2月平均日照时间和11月平均日照时间。

4 回归效果检验

将T、x1～x8分别代入预测方程，可得到模拟的茶叶产量（表4），并于实际产量进行了比较。结果发现，茶叶预测产量与实际产量拟合较好，预测精度在91%～100%，平均精度为96%。

5 万盛经开区茶叶生产的不利气候因素分析

5.1 冬季低温雨雪灾害

冬季山区高海拔茶园常出现-5～0 ℃的低温天气，有时还伴有雨凇、雪淞，容易对茶树造成冻害。有时冬天积雪会压折茶树树干，影响下一年的产量。2009—2018年，万盛经开区共计出现4次降雪天气过程，其中2011年1月19日下午至20日早晨，万盛经开区普降大雪或雨夹雪，海拔500 m以上地区出现6 cm以上积雪，900 m以上高海拔地区积雪在10 cm以上，茶叶受灾813.3 hm2、成灾354 hm2，此次低温雨雪灾害过程对茶叶产量有一定影响。

5.2 干旱

重度干旱严重影响茶叶生产，当土壤相对湿度<30%时，茶叶生长活动停滞，芽叶枯萎凋零，整株植物死亡，所以当早上茶叶上没有露水时说明茶园土壤含水量已跌到最低。万盛经开区2009—2018年共出现12次干旱天气过程，仅2018年12月27日至2019年2月28日出现一次重度干旱，持续天数64 d，过程雨量仅为2.3 mm，但由于是冬旱故对茶叶生产影响较小。

5.3 春季低温

茶树在早春气温上升后开始萌芽，当出现霜冻、倒春寒等异常天气时，易造成冻害，给春季茶叶产量造成一定损失。万盛经开区2009—2018年春季共计出现9次特强降温天气过程、7次强降温天气过程，其中最强降温天气过程出现在2010年3月21—25日，过程降温达13.8 ℃，出现春季低温，给茶叶产量带来一定的影响。

5.4 暴雨洪涝

4—10月是万盛经开区暴雨洪涝集中出现期，2009—2018年共计出现30次区域性暴雨天气过程，最大过程雨量126.7 mm（2016年6月10日），达到大暴雨水平，对当地平地和山区茶叶生产造成很大危害。根部积水使茶树新梢枯萎焦黄，叶子干枯脱落，根系变黑腐烂死亡。

5.5 高温热害

当温度>35 ℃时，叶片蒸腾作用增强，地上部分所消耗水分远大于根系吸收部分，茶树会焦斑、焦叶、顶芽、嫩茎萎缩、叶子枯萎，甚至死亡。2009—2018年万盛经开区均出现了>35 ℃的高温天气，除2015年外，均出现了>40 ℃的高温天气。2013年极端高温达到42.3 ℃，对茶叶产量有一定影响。

6 结论

过去的研究使用各种模型来预测和分析玉米及其他作物的产量[8-13]。通过多元线性回归方法建立的产量预测模型考虑了多种气候因子对茶叶产量的影响，结果表明，该模型能够比较准确的预测茶叶产量，具有较高的准确性和可用性，能够有效预测茶叶产量。

参考文献：

[1] 房世波.分离趋势产量和气候产量的方法探讨[J].自然灾害学报，2011（6）：13-18.

[2] 姜会飞，廖树华，丁谊，等.基于马尔柯夫过程和概率分布特征的粮食产量预测[J].中国农业气象，2006，27（4）：269-272.

[3] 史印山，王玉珍，池俊成，等.河北平原气候变化对冬小麦产量的影响[J].中国生态农业学报，2008，16（6）：1444-1447.

[4] 袁立新，段修荣，余先超.用SPSS建立自贡水稻产量年景预测模型[J].四川气象，2006（1）：31-33.

[5] 朱秀红，郑美琴，姚文军，等.基于SPSS的日照市茶叶产量预测模型的建立[J].河南农业科学，2010（7）：31-33.

[6] 韩湘玲，曲曼丽.作物生态学[M].北京：气象出版社，1991：241-246.

[7] 李秀珍，庞常词.数学实验[M].北京：机械工业出版社，2008：201-251.

[8] 李炳军，李秋芳，卢秀霞.灰色线性回归组合模型在河南省糧食产量预测中的应用[J].河南农业科学，2009（10）：46-49.

[9] 张荣达，唐义.毕节试验区粮食产量组合预测模型研究[J].现代农业科技，2010（1）：47-48.

[10] 吴志付，刘道敏，陈久月.灰色系统理论预测农作物产量的应用初探[J].现代农业科技，2006（10）：95，97.

[11] 柳世君，段仁周，蓝黎明，等.灰色动态GM（1，1）模型在豫南稻区油菜产量预测中的应用[J].现代农业科技，2006（12）：90-91，93.

[12] 陈桂琴.应用GM（1，1）模型预测沧州冬枣的种植面积及产量[J].河南农业科学，2005（6）：74-76.

[13] 张文英，栗秋生，栗雨勤.河北省玉米产量灰色理论分析与预测[J].华北农学报，2007（S1）：164-166.

（责任编辑：刘 昀）