• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      圖們市氣象因子對秋白菜產(chǎn)量影響及預(yù)測

      2020-06-04 08:54王興環(huán)張懷珠高安芳
      農(nóng)業(yè)與技術(shù) 2020年10期
      關(guān)鍵詞:氣象因子產(chǎn)量

      王興環(huán) 張懷珠 高安芳

      摘 要:本文利用圖們市1987—2016年以來的氣候、產(chǎn)量資料,采用滑動平均線性分析的方法,從平均氣溫、降水量和日照氣象因素對秋白菜產(chǎn)量的影響入手,利用多元回歸分析方法分析影響秋白菜產(chǎn)量的重要?dú)庀笠蜃樱⒂绊懬锇撞水a(chǎn)量的氣象因子和預(yù)報(bào)模型,為秋白菜高產(chǎn)種植提供科學(xué)依據(jù),從而提高秋白菜的口感,吸引更多游客帶動當(dāng)?shù)仄渌厣a(chǎn)品遠(yuǎn)銷外地。

      關(guān)鍵詞:圖們市;秋白菜;氣象因子;產(chǎn)量

      中圖分類號:S16 ? ? ? 文獻(xiàn)標(biāo)識碼:A

      DOI:10.19754/j.nyyjs.20200530046

      秋白菜品種很多,可分為直筒型、原頭型和卵圓型3個(gè)基本生態(tài)類型。生育期內(nèi)白菜種子從播種到收獲大白菜,需要光、溫、水的共同影響,大白菜的生長發(fā)育和產(chǎn)量的形成對氣象因素的影響很敏感。

      延邊朝鮮族辣白菜是朝鮮族世代相傳的一種佐餐食品,列為國家地理標(biāo)志保護(hù)產(chǎn)品。延邊地處北半球的中溫帶,特別適宜秋白菜的生長。一些企業(yè)還獲得了“省級非物質(zhì)文化遺產(chǎn)”、“延邊州知名商標(biāo)”等證書和榮譽(yù),整個(gè)產(chǎn)業(yè)呈現(xiàn)出無限生機(jī)與活力。圖們市的辣白菜已發(fā)展為當(dāng)?shù)孛癖妱?chuàng)業(yè)致富的重要產(chǎn)業(yè),做出產(chǎn)量預(yù)報(bào)尤為重要。杜宏娟等研究人員深入分析了氣象因子對秋白菜產(chǎn)量的影響研究。研究表明,對秋白菜產(chǎn)量影響最大的為8月上旬出苗到基生葉的積溫、平均溫度、日照時(shí)數(shù)。8月下旬—9月上旬的日照時(shí)數(shù)對秋白菜產(chǎn)量影響較大。劉明池學(xué)者探討了影響秋白菜產(chǎn)量形成的關(guān)鍵氣象因子分析。

      本文擬通過探討和研究圖們市秋白菜的產(chǎn)量與光、溫、水等氣象因子的關(guān)系,得出秋白菜的農(nóng)業(yè)氣象產(chǎn)量預(yù)報(bào)模式,旨在通過人工干預(yù)更好地提高產(chǎn)量,對氣象部門在今后開展農(nóng)業(yè)氣象產(chǎn)量預(yù)報(bào),指導(dǎo)農(nóng)業(yè)生產(chǎn)提供重要意義。

      1 圖們市氣候特征分析

      1987—2016年平均氣溫表現(xiàn)出不斷增加的態(tài)勢。從農(nóng)業(yè)生產(chǎn)的層面來看,不同時(shí)期對農(nóng)業(yè)生產(chǎn)影響不同。同時(shí)伴隨著氣候的變化,極端天氣也時(shí)常發(fā)生,都對作物生長帶來不利影響。圖們市年平均降水量569.7mm,最大降水量出現(xiàn)在2000年為883.0mm,最小值出現(xiàn)在2011年為343.7mm。降水出現(xiàn)時(shí)空分布不均、對流性天氣、臺風(fēng)天氣時(shí)有發(fā)生現(xiàn)象,均影響秋白菜的生長情況。平均日照為2280.3h,最多日照時(shí)數(shù)出現(xiàn)在2001年為2506h,最少日照時(shí)數(shù)出現(xiàn)在2016年為1991.6h。

      2 秋白菜產(chǎn)量模型的建立

      秋白菜整個(gè)發(fā)育期包括多個(gè)階段,其中比較關(guān)鍵的是植株的苗期、蓮座期、結(jié)球期等階段。利用圖們市1987—2016年平均氣溫、降水量、日照氣象因素與氣象產(chǎn)量展開關(guān)聯(lián)性分析。

      2.1 分離氣象產(chǎn)量

      剔除非氣象因子對產(chǎn)量的影響,僅考慮氣象因素與產(chǎn)量的相關(guān)性,利用線性分析得出氣象產(chǎn)量。秋白菜趨勢單產(chǎn)采用10a直線滑動平均模擬法,將所在時(shí)段對應(yīng)的產(chǎn)量趨勢轉(zhuǎn)化為直線,在這之后借助趨勢直線發(fā)生的變化來明確產(chǎn)量改變的整體態(tài)勢。將1987—2016年近30a劃分為21個(gè)時(shí)段,其中,秋白菜單產(chǎn)處于減少趨勢的時(shí)段是1989—1998年、1990—1999年、1991—2000年、1992—2001年、1996—2005年、1997—2006年、2007—2016年,減產(chǎn)幅度最大的是1991—2000年,為-772.42x+32658,最小的是1989—1998年,為-77.455x+28383;有14個(gè)時(shí)段秋白菜單產(chǎn)均為增多趨勢,其中2003—2012年增產(chǎn)幅度最為顯著,為1831.7x+21707,而1995—2004年增產(chǎn)幅度最小,為4.0788x+26967。

      結(jié)合上述10a直線滑動平均模擬法分析結(jié)果分析出趨勢產(chǎn)量,計(jì)算出每年實(shí)際產(chǎn)量與趨勢產(chǎn)量存在的差值,稱為氣象產(chǎn)量。三者的直線滑動平均分離結(jié)果如圖1所示。

      2.2 氣象資料分析

      對圖們市1987—2016年8月1日—10月15日每候平均氣溫、日照時(shí)數(shù)、降水量數(shù)據(jù)進(jìn)行分析并統(tǒng)計(jì)。

      2.3 點(diǎn)聚圖和相關(guān)分析

      將氣象要素與氣象產(chǎn)量進(jìn)行相關(guān)分析,并對相關(guān)系數(shù)完成α=0.05的顯著性檢驗(yàn),排在前6位的分別為下表因子:8月1—5日候平均氣溫、8月6—10日候平均氣溫、8月6—10日候日照時(shí)數(shù)、8月26—31日候降水量、9月6—10日候日照時(shí)數(shù)、9月21—25日候平均氣溫。做氣象因素與氣象產(chǎn)量點(diǎn)聚圖和相關(guān)分析后結(jié)果(表1)如下:僅9月6—10日候日照時(shí)數(shù)氣象要素與氣象產(chǎn)量為正相關(guān),其余8月1—5日候平均氣溫、8月6—10日候平均氣溫、8月6—10日候日照時(shí)數(shù)、8月26—31日候降水量、9月21—25日候平均氣溫五項(xiàng)氣象因素與氣象產(chǎn)量均為負(fù)相關(guān)。

      2.4 多元回歸分析

      確定影響秋白菜產(chǎn)量的各個(gè)氣象因子,可對其展開多元回歸分析,進(jìn)而明確所有氣象因子對產(chǎn)量的實(shí)際權(quán)重,在這之后構(gòu)建多元回歸方程:Y=b0+bixi(i=1,2,3,4,5……)。對系數(shù)進(jìn)行分析,獲得公式:Y=21958.606-403.936x1-125.050x2-16.762x3-9.842x4+64.176x5-857.706x6。其中,Y是氣象產(chǎn)量,x1是8月1—5日候平均氣溫,x2是8月6—10日候平均氣溫,x3是8月6—10日候日照時(shí)數(shù),x4是8月26—31日候降水量,x5是9月6—10日候日照時(shí)數(shù),x6是9月21—25日候平均氣溫。結(jié)合回歸方程,對所有因子與氣象產(chǎn)量的關(guān)系進(jìn)行分析。

      結(jié)合SPSS提供的數(shù)據(jù)可知F檢驗(yàn)統(tǒng)計(jì)量為4.330,P值為0.005,通過了置信度為95%統(tǒng)計(jì)檢驗(yàn),因此模型具有顯著性。模型的R為0.728,表明模型能夠體現(xiàn)非常優(yōu)良的解釋能力。將2017年的相關(guān)氣象因子數(shù)值帶入模型,預(yù)測產(chǎn)量與實(shí)際產(chǎn)量經(jīng)過分析,可知擬合度達(dá)72.8%,預(yù)報(bào)準(zhǔn)確率達(dá)85.9%,效果很好。通過模型可知從以上6項(xiàng)氣象因素著手,通過人工干預(yù)可以更好地提高產(chǎn)量,為辣白菜原料選擇優(yōu)質(zhì)化提供幫助。同時(shí),通過辣白菜的品牌文化和民族風(fēng)情吸引更多游客來當(dāng)?shù)叵M(fèi),從而帶動當(dāng)?shù)仄渌褡逄厣a(chǎn)品遠(yuǎn)銷外地,促進(jìn)當(dāng)?shù)鼐用袷杖搿?/p>

      參考文獻(xiàn)

      [1] 杜宏娟,張磊,姬菲菲,等.氣象因子對大秋白菜產(chǎn)量的影響研究[J].現(xiàn)代農(nóng)業(yè)科技,2011(4):296-297.

      [2]劉明池.影響大秋白菜產(chǎn)量形成的關(guān)鍵氣象因子分析[C].中國園藝學(xué)會.中國園藝學(xué)會第五屆青年學(xué)術(shù)討論會論文集.廣州:中國園藝學(xué)會,2003:418-422.

      [3]李昶泰,薛純恭.應(yīng)用主因子分析方法制作秋白菜產(chǎn)量預(yù)報(bào)[J].氣象與環(huán)境學(xué)報(bào),1991(3):18-21.

      [4]吳瑞芬,呂景華,李薪,等.影響呼和浩特市大白菜產(chǎn)量的主要?dú)庀笠蜃蛹澳昃邦A(yù)報(bào)方法[J].內(nèi)蒙古氣象,2006(1):23-24.

      [5]呂國華,牟傳民,雷宏霞.氣象因子與大白菜生產(chǎn)的關(guān)系研究[J].石河子大學(xué)學(xué)報(bào)(自然科學(xué)版),1991(3):136-139.

      (責(zé)任編輯 周康)

      猜你喜歡
      氣象因子產(chǎn)量
      2022年11月份我國鋅產(chǎn)量同比增長2.9% 鉛產(chǎn)量同比增長5.6%
      提高玉米產(chǎn)量 膜下滴灌有效
      世界致密油產(chǎn)量發(fā)展趨勢
      海水稻產(chǎn)量測評平均產(chǎn)量逐年遞增
      2018年我國主要水果產(chǎn)量按省(區(qū)、市)分布
      2018上半年我國PVC產(chǎn)量數(shù)據(jù)
      橡膠產(chǎn)量與氣象因子的灰色關(guān)聯(lián)性及逐步回歸分析研究
      涟水县| 桦川县| 高唐县| 汪清县| 阳谷县| 广德县| 兴安盟| 衡阳县| 丽水市| 成安县| 镶黄旗| 洪泽县| 云阳县| 望奎县| 临朐县| 张北县| 沂南县| 德保县| 金平| 嘉峪关市| 深州市| 石门县| 安庆市| 石泉县| 屏边| 五原县| 乌兰浩特市| 河西区| 屯门区| 湟源县| 平邑县| 章丘市| 凌源市| 芜湖县| 罗源县| 大同县| 武强县| 新干县| 德州市| 忻城县| 通道|