宣城市油菜普花期特征分析及预测

胡安霞 田青 汪大林

摘要：为准确预测油菜普花期，更有效地开展气象服务，笔者选取安徽省宣城市1990—2019年油菜观测资料和温度、降水、日照等气象资料，基于Mann-Kendall法，利用SPSS和Excel软件对油菜普花期特征、普花期与气象因子之间的关系进行了分析研究。结果发现：宣城1990—2019年油菜普花期平均是3月20日，年际间变化较大，最早和最迟日期相差一个多月，总体上呈显著提前趋势，速率为2.7 d/10 a，2013年前后为突变开始时间。宣城油菜普花期与1、2月和整个冬季平均气温、≥3℃活动积温均呈负显著相关，与降水和日照的相关性不大。基于此，利用逐步回归建立的油菜普花期预报模型，经回代检验，预测值最小误差为0天，最大误差为11天，效果总体较好。

关键词：油菜；普花期；特征分析；预测；宣城

中图分类号：S565.4文献标志码：A论文编号：cjas2020-0159

Blooming Period of Rape in Xuancheng： Analysis and Prediction

HU Anxia， TIAN Qing， WANG Dalin

（Xuancheng Meteorological Bureau， Xuancheng 242000， Anhui， China）

Abstract： To accurately predict the blooming period of rape and carry out the meteorological service more effectively， the authors selected the temperature， precipitation， sunshine and other observation data of rape from 1990 to 2019 in Xuancheng of Anhui Province， and used SPSS and Excel software based on the MannKendall method， to analyze the relationship between common flowering characteristics and period with meteorological factors. The results showed that the average blooming period of rape in the past 30 years was March 20 in Xuancheng， the interannual variation changed significantly， the difference between the earliest and the latest date was more than one month， and the overall trend was ahead of time with a rate of 2.7 d/10 a. The start of the mutation was around 2013. The blooming period of rape in Xuancheng was significantly and negatively correlated with the average temperature in January， February and the whole winter， as well as the active accumulated temperature≥3℃， but it had little correlation with precipitation and sunshine. Based on the study， the prediction model of rape blooming period was established by stepwise regression. After a retrospective test， the minimum error of prediction value was 0 d， and the maximum error was 11 d， so the effect was generally good.

Keywords： Rape； Blooming Period； Feature Analysis； Prediction； Xuancheng

0引言

宣城境內以油菜花为载体的乡村游[1- 3]活动从2014年开始兴起，然而，这种以油菜花为载体的乡村游，除受农业种植方式及油菜品种的影响外，还经常会受天气条件的制约，因此，对油菜开花特征及与气象因子的关系进行分析，进而做好油菜花期预报，是很有现实意义的。

目前，有关作物花期预报的研究较多，邬定荣等[4]利用内部检验和交叉验证（留一验证）方法，评价模型在模拟苹果花期上的适用性。张爱英等[5]分别应用国际通用的3种物候模型（SW模型、UniChill模型和统计模型）对北京地区玉渊潭公园杭州早樱、密云农业气象试验站白玉兰及颐和园山桃3种植物的始花期和盛花期建模，并评估模型适用性。赵洪杰等[6]把“中长期天气预报产品”引入了花期预报。汪如良等[7]利用聚类分析、有效积温法则及变异系数统计等方法，研究鄱阳湖旅游地区油菜花花期特征及其预报。豆青芳等[8]利用积温学原理，研究利用播种、出苗、抽薹期预报门源县油菜开花期的预报模型。姚日升等[9]利用欧洲中期天气预报中心细网格资料的中期预报产品，采用BP神经网络，建立花期精细化预报模型。杨国栋等[10]提出了依据树木芽生长量建立数学模型进行花期预报的新方法。林晶等[11]采用逐步回归方法建立了龙眼始花期预测模型。帅川等[12]利用回归分析方法建立了井冈山映山红开花期预报方程。王晓默等[13]采用逐步回归法和积温法建立桃花盛花期预报模式。蔡光辉等[14]运用逐步回归法和积温法建立柠檬花期预报模式。但至今宣城尚无花期预报的研究，本研究旨在通过分析油菜花期特征与气象条件的关系，建立开花期的预报模式，以期为当地政府和有关部门提供更有效的气象服务。

1资料与方法

1.1数据来源

本研究选用了1990—2019年30年的气象资料、油菜观测资料，其中，气象资料来源于宣城国家一般气象观测站，油菜观测资料来源于宣城市农业气象试验站。气象资料包括平均气温、降水量、日照时数等。

1.2计算方法

本研究选择油菜开花普遍期（简称“普花期”）为预测对象。鉴于宣城油菜的物候期，同时为了保证预报的时效性，建模时段选择上一年12月至当年2月。

采用Mann-Kendall法对油菜普花期的突变进行检验[15]。运用SPSS和Excel软件进行相关分析和逐步回归分析。

2结果与分析

2.1宣城油菜普花期特征分析

为方便起见，本研究将1990—2019年油菜普花期出现的日期转化成距1月1日的实际天数，得到油菜普花期日序（详见表1）。日序越小，普花期越早，日序越大，普花期越晚。

图1为宣城1990—2019年油菜普花期日序变化趋势。由表1、图1可知，宣城油菜普花期年际变化很大，近30年平均普花期是3月20日（日序为79），最早为3月8日（日序为67），出现在2015、2019年，最迟为4月6日（日序为96），出现在1996年，最早和最迟日相差一个多月。近30年普花期日序呈减少趋势，也就是普花期呈提前趋势，速率为2.7 d/10 a。从年代来看，1990—1999年平均日序为81（即3月22日），2000—2009年平均日序为79（即3月20日）、2010—2019年平均日序为76（即3月17日）。

利用Mann-Kendall方法对普花期日序进行趋势检验，Z值为-1.41，通过90%的显著检验，说明普花期提前趋势明显。

图2是用Mann-Kendall方法对宣城油菜普花期日序进行突变检验图。由图2可知，油菜普花期日序于1992、1995、2002、2004、2007—2010、2014—2019年呈不显著减小趋势。UFK和UBK 2条曲线有交点，且交点在临界线之间，说明交点对应的时间2013年前后是突变开始的时间。

2.2宣城油菜普花期与气象因子的关系

鉴于宣城油菜生育期的特性，本研究选用宣城市1990—2019年上一年12月至当年2月（即冬季）的月平均气温、降水量、日照时数，并统计整个冬季的平均气温、总降水量、总日照时数。考虑到油菜发育的下限温度（通常认为3℃），故也统计了冬季及冬季各月活动积温（≥3℃）作为因子。利用SPSS软件求得普花期日序与上述气象因子的相关系数，详见表2。

由表2可知，油菜普花期日序与冬季及冬季各月的平均气温、活动积温均呈负相关，除12月外，其他均通过0.01的显著检验，说明1、2月和整个冬季平均气温、活动积温越大，普花期日序越小，普花期越早，反之，普花期越晚。油菜普花期日序与降水因子均呈负相关，但都不显著。

油菜普花期与冬季气温相关性大，与降水和日照相關性较小。

2.3油菜普花期预报模型

2.3.1预报模型的建立由2.2的分析可知，宣城市油菜普花期日序与1月和2月平均气温、1月和2月活动积温、冬季平均气温、冬季活动积温等6个因子之间通过信度0.01显著检验，因此选择上述6个因子作为预报因子，供建模使用。

利用SPSS软件对普花期日序与上述6个因子做逐步回归，最后得到预报方程，如式（1）所示。

表3是宣城油菜普花期预报的回归方差分析。由表3可知，回归平方和977.092，自由度1，均方977.092，F检验值32.659，显著性概率P值小于显著性水平0.05，因此，认为回归系数不为0，即回归方程是有效的。

表4是对回归系数的分析结果。由表4可知，常数项非标准化回归系数为113.488，标准误差为6.152。冬季平均气温非标准化回归系数为-7.157，标准误差为1.252，标准化系数为-0.734。常数项与冬季平均气温的显著性概率均小于0.05，与回归方差分析结果一致，故认为回归系数有意义。从模型入选的因子看，冬季平均气温越高，油菜普花期日序越小，普花期越早，反之，普花期越晚。

2.3.2预报模型的检验利用所建立的预报模型，对1990—2019年油菜普花期进行拟合（见表5），油菜普花期年际变化较大，95%以上的变动都可用该模型来解释，拟合度较高。回代检验结果表明，油菜普花期预测值最小误差为0天，最大误差为11天，70%的预测值误差为5天，效果总体较好。

3结论与讨论

笔者分析了安徽宣城1990—2019年油菜普花期变化特征。宣城近30年油菜普花期平均是3月20日，年际间变化较大，最早和最迟日期相差一个多月，总体上呈显著提前趋势，速率为2.7 d/10 a，2013年前后是突变开始的时间。

宣城油菜普花期日序与冬季平均气温、冬季活动积温、1月平均气温、1月活动积温、2月平均气温及2月活动积温等6个因子均呈负显著相关（通过0.01检验），说明这6个因子越大，普花期日序越小、油菜普花期越早，反之，普花期越晚。

本研究用逐步回归得出预报方程，经方程回代检验，油菜普花期预测值最小误差为0天，最大误差为11天，效果总体较好。但就实际需求而言，该预报精度还不够，在今后的研究中，需要进一步补充油菜品种、播种期、相对湿度、风速等因子，建立新的预报模型，以提高预报精确度。

参考文献

[1]徐孙权.休闲农业与乡村旅游市场的扩展路径研究[J].现代营销， 2019（11）：88-89.

[2]熊杰.国内乡村旅游发展研究综述[J].乡村科技，2019，28：12-15.

[3]赵越.新时代乡村旅游再定位[J].合作经济与科技，2019，20：34-36.

[4]邬定荣，霍治国，王培娟，等.陕西苹果花期机理性预报模型的适用性评价[J].应用气象学报，2019（5）：555-564.

[5]张爱英，王焕炯，戴君虎，等.物候模型在北京观赏植物开花期预测中的适用性[J].应用气象学报，2014，25（4）：483-492.

[6]赵洪杰，闫景东，陈广瑞，等.积温对比法在鸭梨始花期预报中的应用[J].气象科技，2019，47（5）：872-878.

[7]汪如良，邓德文，郭瑞鸽，等.鄱阳湖旅游地区油菜花花期的分析研究[J].江西科学，2015，5：708-712.

[8]豆青芳，索生睿，钟存，等.门源县油菜花期预测研究[J].现代农业科技，2019（7）：20-22.

[9]姚日升，涂小萍，丁烨毅，等.宁波桃树花期预报方法[J].气象科技， 2014，42（1）：180-186.

[10]杨国栋，张明庆，董建华，等.树木花期的预报方法新探[J].首都师范大学学报：自然科学版，2000，21（1）：66-71.

[11]林晶，吴息，陈家金，等.福建省漳州地区龙眼始花期预测模型[J].生物技术世界，2014（4）：15-17.

[12]帅川，张伏秋.井冈山杜鹃花开花期预测[J].中国科技信息，2019， 20：51-52.

[13]王晓默，李宪光，董宁，等.济宁桃花盛花期预报模式[J].农学学报， 2014（12）：104-106.

[14]蔡光辉，刘亚希，熊卫东.柠檬花期预报研究[J].北京农业，2014（18）：70-71.

[15]張盛霖，邓高燕，黄勇奇.Mann-Kendall检验法在Excel中的实现与应用[J].中国科技论文在线，http：//www.paper.edu.cn/html/ releasepaper/2014/06/448/.