楊小兵　楊晨　任重　楊峻

摘要：為分析氣象因子對安徽省油菜（Brassica napus L.）產(chǎn)量的影響，構(gòu)建適用于油菜單位面積產(chǎn)量預(yù)測模型，利用1999—2018年安徽省78個站點(diǎn)的地面氣象觀測資料及2000—2018年78個縣（市、區(qū)）的油菜單位面積產(chǎn)量數(shù)據(jù)，采用決策樹算法對影響油菜產(chǎn)量的氣象因子進(jìn)行分析，篩選因子基于支持向量機(jī)建立油菜產(chǎn)量預(yù)測模型。結(jié)果表明，影響油菜產(chǎn)量的主要?dú)庀笠蜃邮浅墒炱跐駶欀笖?shù)、蕾薹期平均氣溫、苗期濕潤指數(shù)、開花期濕潤指數(shù)，預(yù)測模型的預(yù)測值與實(shí)測值的均方根誤差為402 kg/hm2，擬合指數(shù)為0.72。

關(guān)鍵詞：油菜（Brassica napus L.）;氣象;決策樹;支持向量機(jī);預(yù)測

中圖分類號：S565.4 文獻(xiàn)標(biāo)識碼：A

文章編號：0439-8114（2020） 16-0158-03

D0I：10.14088/j.cnki.issn0439-8114.2020.16.036

油菜（Brassica napus L.）是安徽省種植面積最大的油料作物，2017年總產(chǎn)量占全國油菜總產(chǎn)的6%以上，位居全國第五位[1]。安徽省油菜的生育期約220 d，一般10月上中旬開始播種，翌年5月中旬收獲。在油菜生長發(fā)育的進(jìn)程中，受氣象因子影響較大，連陰雨天氣、低溫凍害對其產(chǎn)量的影響尤為顯著，且氣溫與光照在其不同生育期的影響作用存在差異[2-16]。油菜預(yù)測模型的研究已取得一定的成果，現(xiàn)有的機(jī)理性或半機(jī)理性模型有APSIM、EPIC、DSSAT、CROPGRO等，還有學(xué)者基于數(shù)理統(tǒng)計(jì)構(gòu)建了油菜單產(chǎn)預(yù)測模型[17-20]。機(jī)理性模型使用時，需要輸入的參數(shù)較多，數(shù)據(jù)獲取不便，并且需對關(guān)鍵參數(shù)進(jìn)行本地化調(diào)整，而當(dāng)前構(gòu)建的統(tǒng)計(jì)類模型，因不同地域?qū)τ筒藛萎a(chǎn)造成影響的關(guān)鍵生育期及氣象因子存在差異而無法直接使用[21，22]，因此，對安徽省油菜不同生育期的氣候條件對產(chǎn)量的影響深入研究，以便構(gòu)建適用于預(yù)測模型，為探討油菜經(jīng)濟(jì)效益、應(yīng)對氣象災(zāi)害風(fēng)險管理提供參考。

1資料與方法

1.1資料來源

油菜產(chǎn)量數(shù)據(jù)，來源于安徽省各市統(tǒng)計(jì)局，包含2000-2018年安徽78個縣（市、區(qū)）的單位面積產(chǎn)量;氣象數(shù)據(jù)來源于全國綜合氣象信息共享平臺（CIMISS），包含1999-2018年安徽省78個國家級氣象站的逐日平均氣壓、平均氣溫、平均相對濕度、平均風(fēng)速、日照時數(shù)、降水量、最高氣溫、最低氣溫、經(jīng)緯度等數(shù)據(jù)。

1.2 計(jì)算方法

將油菜產(chǎn)量分解為趨勢產(chǎn)量、氣象產(chǎn)量。趨勢產(chǎn)量由農(nóng)業(yè)技術(shù)水平?jīng)Q定，與時間相關(guān)，氣象產(chǎn)量與各生育期的氣溫、日照、干旱、濕漬害、凍害相關(guān)。凍害指標(biāo)選取參照秦鵬程等[23]研究選取冷積溫，其計(jì)算公式如式（1）、式（2）。干旱、濕漬害指標(biāo)的選取參照徐羽等[24]研究選取濕潤指數(shù)，其計(jì)算公式見式⑶、式（4）。

為便于分析將油菜生育期劃分為4個階段，每個階段對應(yīng)日期見表1，將產(chǎn)量劃分為5個量級見表2。采用決策樹算法對油菜量級與4個生育期冷積溫平均氣溫（TEM）、平均日照時數(shù)（SSH）、冷積溫（CDD）、濕潤指數(shù)（W）進(jìn)行劃分，得出影響油菜產(chǎn)量的關(guān)鍵因子，將其作為自變量帶入支持向量機(jī)算法，進(jìn)行產(chǎn)量預(yù)測模型的構(gòu)建。COD = ∑Ni DDi （1）DD={ O，Tmin≥Tthr Tthr-Tmin，Tmin

式中，Tmin為日最低氣溫，Tthr為該生育期凍害指標(biāo)，N表示該生育期持續(xù)日數(shù);P為該生育期降水量，ET為日參考作物蒸散量，△表示飽和水汽壓曲線斜率，R為參考作物表層凈輻射，γ為干濕表常數(shù)，T為平均氣溫，u為2 m高度處風(fēng)速，es為飽和水汽壓，ea為實(shí)際水汽壓。

2結(jié)果與分析

2.1決策樹分類提取因子

決策樹是解決分類問題的一種常用方法，是一種樹形結(jié)構(gòu)，其中每個內(nèi)部節(jié)點(diǎn)表示一個屬性上的測試，每個分支代表一個測試輸出，每個葉節(jié)點(diǎn)代表一種類別。采用C5.0決策樹算法分析油菜產(chǎn)量與年份及各生育期氣象因子之間的關(guān)系（總樣本593個），結(jié)果如圖1所示。根結(jié)點(diǎn)以年份≤2011為判定條件，在2011年之前產(chǎn)量較低，集中在I、II、III量級，延伸細(xì)分顯示，產(chǎn)量隨年份變化還存在2003年、2006年兩個節(jié)點(diǎn)，2003年之前產(chǎn)量以量級I為主，占50%以上（47個樣本），2004-2006年有所提高，量級I占20%左右（53個樣本），2007-2011年以量級III為主，占比接近60% （130個樣本）;在2011年后成熟期濕漬害、蕾薹期氣溫、開花期的濕漬害、苗期的干濕條件對產(chǎn)量影響較大，當(dāng)成熟期濕潤指數(shù)>2.53時產(chǎn)量偏低，且當(dāng)開花期濕潤指數(shù)>2.09時產(chǎn)量進(jìn)一步降低，其量級I、II占比接近60%（50個樣本），產(chǎn)量最高出現(xiàn)在成熟期濕潤指數(shù)≤2.53、蕾薹期平均氣溫>4.89℃、苗期濕潤指數(shù)>0.99，其量級IV、V占比接近70%（186個樣本）。

2.2 支持向量機(jī)預(yù)測模型

支持向量機(jī)方法是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上，根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中，以獲得最好的推廣能力[25-27]。模型構(gòu)建時將年份Year、成熟期濕潤指數(shù)W4、蕾薹期平均氣溫TEM2、開花期濕潤指數(shù)W3、苗期濕潤指數(shù)W1作為輸入因子，對油菜單位面積產(chǎn)量進(jìn)行預(yù)測，采用K值交叉驗(yàn)證，將所有數(shù)據(jù)分割成10個子樣本，不重復(fù)地選取其中一個子樣本作為測試集，其他9個樣本用來訓(xùn)練，模型評價指標(biāo)采用均方根誤差以及擬合指數(shù)IA，共重復(fù)10次，使每個子樣本都參與訓(xùn)練且被測試，降低泛化誤差。由圖2可以看出，模型得出的預(yù)測值與實(shí)測值的均方根誤差為402kg/hm2，擬合指數(shù)為0.72，具有一定的應(yīng)用價值。

3小結(jié)與討論

利用1999-2018年安徽省78個國家級氣象站的地面氣象觀測資料及相應(yīng)的油菜產(chǎn)量數(shù)據(jù)，基于決策樹C5.0算法對影響油菜產(chǎn)量的氣象因子進(jìn)行分析，篩選出關(guān)鍵因子，并采用支持向量機(jī)算法構(gòu)建安徽省油菜單位面積產(chǎn)量預(yù)測模型。

1）安徽地區(qū)油菜單位面積產(chǎn)量在時間尺度上存在3個增加節(jié)點(diǎn)，即2003年、2006年、2011年;

2） 成熟期濕漬害、蕾薹期氣溫、開花期的濕漬害、苗期的干濕條件對單位面積產(chǎn)量影響較大，當(dāng)成熟期濕潤指數(shù)≤2.53、蕾薹期平均氣溫>4.89、苗期濕潤指數(shù)> 0.99，單位面積產(chǎn)量最高;

3） 所建立的油菜單位面積產(chǎn)量預(yù)測模型，得出的預(yù)測值與實(shí)測值的均方根誤差為402 kg/hm2，擬合指數(shù)為0.72，具有一定的應(yīng)用價值。

本研究所用的油菜產(chǎn)量數(shù)據(jù)受抽樣調(diào)查等統(tǒng)計(jì)方法的影響，存在一定偏差，數(shù)據(jù)時空跨度較大，但未考慮油菜品種對其的影響，模型構(gòu)建所需數(shù)據(jù)樣本不足，有待進(jìn)一步加強(qiáng)。

參考文獻(xiàn)：

[1 ]中華人民共和國國家統(tǒng)計(jì)局.中國統(tǒng)計(jì)年鑒-2012[M].北京：中國統(tǒng)計(jì)出版社，2012.

[2]劉瑞娜，楊太明，陳金華，等.安徽省春季連陰雨分布特征及其對油菜產(chǎn)量影響評估[J].中國農(nóng)學(xué)通報(bào)，2012， 28（34）：252-256.

[3] 陳曉藝，岳偉，王曉東，等.安徽省油菜主要發(fā)育期預(yù)報(bào)業(yè)務(wù)化模型研究[J].中國農(nóng)學(xué)通報(bào)，2012， 28（3）：75-80.

[4]劉瑞娜，楊太明，王曉東，等.近50年安徽省油菜澇漬災(zāi)害時空變化分析[J].農(nóng)學(xué)學(xué)報(bào)，2016， 6（1）： 110-116.

[5]陸魁東，彭莉莉，黃晚華，等.氣候變化背景下湖南油菜氣象災(zāi)害風(fēng)險評估[J].中國農(nóng)業(yè)氣象，2013， 34（2）：191-196.

[6]曹宏鑫，張春雷，李光明，等.油菜生長發(fā)育模擬模型研究[J].作物學(xué)報(bào)，2006，32（ 10）： 1530-1536.

[7] 黃淑娥，祝必琴，辜曉青，等.鄱陽湖地區(qū)油菜生產(chǎn)氣象條件分析與種植氣候區(qū)劃[J].江西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2009，31 （5）： 167-171.

[8]陸魁東，彭莉莉，黃晚華，等.氣候變化背景下湖南油菜氣象災(zāi)害風(fēng)險評估[J].中國農(nóng)業(yè)氣象，2013， 34（2）：191-196.

[9]王文軍，童明達(dá)，唐繼云.油菜產(chǎn)量的氣象模擬分析[J].作物雜志，2010（3）：38-41.

[10] 梁軼，李星敏，周輝，等.陜西油菜生態(tài)氣候適宜性分析與精細(xì)化區(qū)劃[J].中國農(nóng)業(yè)氣象，2013，34（1 ）：50-57.

[11] 沈惠聰，江宇.甘藍(lán)型油菜種子主要脂肪酸氣象生態(tài)效應(yīng)及數(shù)學(xué)[J].浙江農(nóng)業(yè)大學(xué)學(xué)報(bào)，1990，16（ 1） ：69-76.

[12] 董芹，霍焱，蔣駿，等.油菜生育期氣象指數(shù)等級及災(zāi)害預(yù)警指標(biāo)研究[J ].江蘇農(nóng)業(yè)科學(xué)，2015，43（10）： 84-90.

[13] 孫玉蓮，邊學(xué)軍，黃成秀，等.甘肅臨夏高寒區(qū)油菜種植氣候區(qū)劃與產(chǎn)量預(yù)測氣候模型[J].干旱地區(qū)農(nóng)業(yè)研究，2013，31（2）：53-57.

[14] 宋迎波，王建林，陳暉，等.中國油菜產(chǎn)量動態(tài)預(yù)報(bào)方法研究[J].氣象，2008，34（3）：95-101.

[15] 方麗，李涵茂，戴鵬飛，等.湖南省油菜生育期間氣候資源時空變化規(guī)律分析[J].氣象科技，2014，42（4）：725-730.

[16] 郭翔，王明田，李金建，等.四川盆地區(qū)油菜農(nóng)業(yè)氣候適宜性分析與精細(xì)化區(qū)劃[J].西南農(nóng)業(yè)學(xué)報(bào)，2015，28（2）：408-414.

[17] 蔡承智，王芳，莫洪蘭，等.基于ARIMA模型的我國油菜單產(chǎn)預(yù)測分析[J].中國農(nóng)業(yè)資源與區(qū)劃，2018，39（ 1）：71 -76.

[18] 徐飛.灰色預(yù)測模型在我國油菜產(chǎn)量預(yù)測中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2011，39（7）：3854-3855.

[19] 張曉云，孔祥萍，張海春.高寒地區(qū)油菜花期與氣象條件的關(guān)系及預(yù)測模型[J].中國農(nóng)學(xué)通報(bào)，2019，35（13）：102-106.

[20] 王占林，張海春.基于多元回歸的高寒地區(qū)油菜產(chǎn)量預(yù)測模型[J].中國農(nóng)學(xué)通報(bào)，2019，35（14）：38-41.

[21] 戴清明，呂愛欽，何維君，等.洞庭湖區(qū)油菜主要?dú)庀鬄?zāi)害發(fā)生規(guī)律與減災(zāi)避災(zāi)對策[J].作物研究，2006，20（ 1）： 37-42.

[22]余兆海.氣候條件對油菜產(chǎn)量的影響[J].中國農(nóng)業(yè)科學(xué)，1981，14（5）：64-70.

[23] 秦鵬程，劉志雄，萬素琴，等.基于決策樹和隨機(jī)森林模型的湖北油菜產(chǎn)量限制因子分析[J].中國農(nóng)業(yè)氣象，2016， 37（6）：691-699.

[24] 徐羽，徐剛，吳艷飛，等.重慶市參考作物蒸散量及濕潤指數(shù)變化研究[J].水土保持研究，2015，22（3）： 176-181.

[25] 劉柏林.基于電網(wǎng)運(yùn)行數(shù)據(jù)集的電力系統(tǒng)運(yùn)行評估及優(yōu)化研究[D].北京：華北電力大學(xué)，2017.

[26]丁世飛，齊丙娟，譚紅艷.支持向量機(jī)理論與算法研究綜述[J].電子科技大學(xué)學(xué)報(bào)，2011（ 1） ：4-12.

[27] 陶卿，曹進(jìn)德，孫德敏.基于支持向量機(jī)分類的回歸方法[J].軟件學(xué)報(bào)，2002（5）： 156-160.

收稿日期：2019-12 -10

基金項(xiàng)目：安徽省氣象局碩博士工作啟動經(jīng)費(fèi)項(xiàng)目（RC201620）

作者簡介：楊小兵（1990-），男，江蘇興化人，工程師，碩士，主要從事應(yīng)用氣象、數(shù)據(jù)分析與建模研究，（電話）15256941260（電子信箱）yangxb1990@163.com;通信作者，楊峻（1992-），男，江蘇興化人，碩士，主要從事計(jì)算機(jī)控制與優(yōu)化研究，（電子信箱）seahiscuityj@163.com。