高溫?zé)岷庀笾笜?biāo)對(duì)成熟期煙葉的影響評(píng)估

趙東杰，趙 喆，毛亞博，趙銘欽*，秦言敏，萬(wàn)應(yīng)發(fā)，周國(guó)旺，張 蕊

（1.河南農(nóng)業(yè)大學(xué)煙草學(xué)院，鄭州 450002；2.江西省煙草公司撫州市公司，江西 撫州 344000）

高溫?zé)岷庀笾笜?biāo)對(duì)成熟期煙葉的影響評(píng)估

趙東杰1，趙 喆1，毛亞博1，趙銘欽1*，秦言敏2，萬(wàn)應(yīng)發(fā)2，周國(guó)旺2，張 蕊2

（1.河南農(nóng)業(yè)大學(xué)煙草學(xué)院，鄭州 450002；2.江西省煙草公司撫州市公司，江西 撫州 344000）

為探究產(chǎn)生高溫?zé)岷熑~的主要?dú)庀笠蛩?，明確高溫?zé)岷熑~發(fā)生程度，運(yùn)用主成分回歸法分析江西省撫州地區(qū)2014—2016年6月中旬至7月上旬的相關(guān)氣象指標(biāo)與高溫?zé)岷熑~品質(zhì)的關(guān)系，建立了熱害煙葉等級(jí)評(píng)估模型，并根據(jù)煙葉實(shí)際品質(zhì)進(jìn)行回歸分析檢驗(yàn)。結(jié)果表明，產(chǎn)生高溫?zé)岷熑~的主要?dú)庀笠蛩厥菬岷ζ陂g最高溫度、最大升溫幅度、光合有效輻射和熱害持續(xù)時(shí)間，高溫?zé)岷熑~等級(jí)評(píng)估模型分為3個(gè)等級(jí)：0.75≤熱害指數(shù)（DHI）＜0.97時(shí)，為1級(jí)，輕度熱害；0.97≤DHI＜1.13時(shí)，為2級(jí)，中度熱害；DHI≥1.13時(shí)，為3級(jí)，重度熱害。模型評(píng)估結(jié)果與煙葉實(shí)際質(zhì)量評(píng)分呈極顯著負(fù)相關(guān)，相關(guān)系數(shù)為-0.93，模型評(píng)估準(zhǔn)確度較高達(dá)到83.3%。研究結(jié)果可為高溫?zé)岷熑~的監(jiān)測(cè)預(yù)警和風(fēng)險(xiǎn)評(píng)估提供科學(xué)依據(jù)。

烤煙；高溫?zé)岷?；氣象因子；等?jí)評(píng)估；主成分回歸

贛南煙區(qū)作為江西煙葉的核心產(chǎn)區(qū)，屬中亞熱帶濕潤(rùn)季風(fēng)氣候，地貌多以山地、丘陵為主，生態(tài)環(huán)境對(duì)煙葉質(zhì)量影響明顯[1]。近年來(lái)，在江西煙葉生長(zhǎng)后期，常出現(xiàn)高溫、強(qiáng)光輻射等對(duì)烤煙生長(zhǎng)不利的氣象災(zāi)害，導(dǎo)致中上部煙葉“高溫逼熟”現(xiàn)象時(shí)有發(fā)生，隨著全球溫室效應(yīng)的加劇，這種情況日趨嚴(yán)重?？緹熒L(zhǎng)期內(nèi)溫度高于30 ℃，特別在35 ℃時(shí)，干物質(zhì)消耗大于積累，對(duì)煙葉質(zhì)量造成明顯影響[2]。煙葉成熟期適宜溫度在20～28 ℃，溫度過(guò)高不利于優(yōu)質(zhì)煙葉生產(chǎn)[3]。在煙葉成熟階段，太陽(yáng)輻射較強(qiáng)，對(duì)煙葉水溶性總糖、還原糖、煙堿和氯含量造成較大影響[4]。由于內(nèi)含物沒(méi)有充分轉(zhuǎn)化，煙葉易烤青，導(dǎo)致烤后煙葉質(zhì)量差、等級(jí)低。目前，水稻高溫?zé)岷ρ芯枯^多，煙草方面研究相對(duì)較少，黃國(guó)文等[5]研究認(rèn)為，導(dǎo)致烤煙“高溫逼熟”現(xiàn)象除了溫度因素外，太陽(yáng)輻射強(qiáng)度、“火南風(fēng)”也是重要影響因素，但就各因素具體影響程度和相關(guān)性沒(méi)有明確表述，高溫?zé)岷?duì)煙葉品質(zhì)影響程度也還未見(jiàn)報(bào)道。本研究以江西撫州地區(qū)為例，選取2014—2016年煙葉產(chǎn)區(qū)的氣象因素作為研究對(duì)象，通過(guò)分析高溫?zé)岷μ鞖膺^(guò)程中，溫度、太陽(yáng)輻射強(qiáng)度對(duì)煙葉主要經(jīng)濟(jì)性狀的影響，探討高溫?zé)岷熑~發(fā)生的嚴(yán)重程度與主要?dú)庀笾笜?biāo)的關(guān)系，利用主成分回歸分析建立高溫?zé)岷熑~評(píng)估計(jì)算模型，為防范煙葉高溫?zé)岷娃r(nóng)事氣象預(yù)警提供參考。

1 材料與方法

1.1 煙葉樣品采集

1.1.1 試驗(yàn)點(diǎn)基本信息 將撫州市的廣昌、宜黃、黎川、樂(lè)安、崇仁和資溪等6個(gè)主要植煙縣作為本研究試驗(yàn)點(diǎn)（表1）。煙苗由撫州市煙草公司統(tǒng)一提供，大田管理措施均按當(dāng)?shù)貎?yōu)質(zhì)煙生產(chǎn)規(guī)范進(jìn)行。

1.1.2 熱害煙葉形態(tài)等級(jí)劃分 高溫?zé)岷μ鞖獬?dǎo)致日灼煙現(xiàn)象的發(fā)生，根據(jù)當(dāng)?shù)貙?shí)際情況，各試驗(yàn)點(diǎn)選取3塊歷年熱害高發(fā)區(qū)煙田，每塊煙田面積不小于2 hm2，共計(jì)18塊煙田，下部葉采收完畢后一周內(nèi)進(jìn)行高溫?zé)岷π螒B(tài)特征等級(jí)調(diào)查（表2）。

田間不同熱害煙葉形態(tài)特征等級(jí)劃分：

形態(tài)Ⅰ級(jí)：主脈、側(cè)脈變白發(fā)亮，葉片淡黃，葉片中上部側(cè)脈邊緣發(fā)黃，全葉發(fā)黃面積比例≤10%。

形態(tài)Ⅱ級(jí)：主脈、側(cè)脈變白發(fā)亮，葉片淡黃，葉片中上部側(cè)脈附近發(fā)黃，全葉發(fā)黃面積比例10%～20%。

形態(tài)Ⅲ級(jí)：主脈變白發(fā)亮，側(cè)脈淺綠色，葉片淡綠，葉片中上部側(cè)脈附近發(fā)白，全葉發(fā)白面積比例20%～30%，出現(xiàn)少量日灼斑，病斑（直徑≤2 mm）不超過(guò)15個(gè)，大病斑（直徑＞2 mm）不超過(guò)2個(gè)。

形態(tài)Ⅳ級(jí)：主脈變白，側(cè)脈淺綠色，葉片淡綠，葉片中上部側(cè)脈附近發(fā)白，全葉發(fā)白面積比例30%～40%，出現(xiàn)較多日灼斑，即小病斑50個(gè)以內(nèi)，大病斑2～10個(gè)。

形態(tài)Ⅴ級(jí)：主脈、側(cè)脈淺綠，葉片淡綠，葉片中上部側(cè)脈附近發(fā)白，全葉發(fā)白面積比例≥40%，日灼斑中量到多量，即小病斑 50個(gè)以上，大病斑20個(gè)以上，個(gè)別葉片枯焦卷縮。

表1 試驗(yàn)點(diǎn)基本信息Table 1 The basic information of test sites

表2 2014—2016年高溫?zé)岷熑~形態(tài)特征等級(jí)調(diào)查（3年平均值）Table 2 The questionnaire of the morphological character of high temperature damage tobacco in 2014-2016 (3 year average)

1.1.3 高溫?zé)岷煒舆x取 取各試驗(yàn)點(diǎn)總體等級(jí)發(fā)生率最高煙田的中上部烤后煙葉，每部位3 kg，重復(fù)3次，產(chǎn)值達(dá)到當(dāng)?shù)仄骄綗熖锏臒熑~作為對(duì)照煙田。3年煙樣共計(jì)126個(gè)，并統(tǒng)計(jì)取樣煙田的經(jīng)濟(jì)性狀指標(biāo)。

1.1.4 質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)煙樣選取 根據(jù)5個(gè)形態(tài)等級(jí)發(fā)生情況，每個(gè)等級(jí)取6個(gè)試驗(yàn)點(diǎn)中發(fā)生率最高的3個(gè)試驗(yàn)點(diǎn)的中上部烤后煙混勻后作為一個(gè)取樣單位，每個(gè)部位取1 kg，重復(fù)3次，3年煙樣共90個(gè)。

1.2 氣象資料

從江西省氣象中心撫州市氣象局獲取各試驗(yàn)點(diǎn)2014—2016年6月中旬至7月上旬氣象觀測(cè)站的逐日觀測(cè)資料，具體包括日最高溫度、太陽(yáng)輻射量等。

1.3 熱害天氣定義

參考水稻熱害溫度指標(biāo)，定義高溫?zé)岷μ鞖馐侨兆罡邷囟雀哂?5 ℃，且持續(xù)3 d以上的高溫過(guò)程[6-7]，江西煙葉大田生育期出現(xiàn)高溫?zé)岷ΜF(xiàn)象主要集中在成熟中后期，即為6月中旬至7月上旬。據(jù)此熱害天氣定義如下：在6月中旬至7月上旬期間，日最高氣溫≥35 ℃且持續(xù) 3 d時(shí)為高溫?zé)岷^(guò)程開始，當(dāng)日最高溫＜35 ℃時(shí)，為高溫?zé)岷^(guò)程結(jié)束。

1.4 氣象指標(biāo)選取

根據(jù)前人研究[8-10]和 GB/T 21985—2008 標(biāo)準(zhǔn)中的參考指標(biāo)。選定4個(gè)指標(biāo)作為研究對(duì)象：日最高氣溫（指熱害天氣過(guò)程中日最高氣溫）；升溫幅度（指熱害天氣過(guò)程中日最高氣溫的最大值與最小值的差值）；日光合有效輻射（指熱害期間大田煙葉每日所受的有效光輻射）；持續(xù)時(shí)間（指熱害天氣過(guò)程中每日最高氣溫持續(xù)3 d以上≥35 ℃的天數(shù)）。

1.5 天氣數(shù)據(jù)標(biāo)準(zhǔn)化

由于氣象指標(biāo)與煙葉主要經(jīng)濟(jì)性狀的量綱不同，在進(jìn)行數(shù)據(jù)分析前需要進(jìn)行無(wú)量綱化處理，采用極值法，公式如下：

Si為原始觀察值。

1.6 樣品測(cè)定與評(píng)吸

常規(guī)化學(xué)成分測(cè)定工作在河南農(nóng)業(yè)大學(xué)進(jìn)行。采用連續(xù)流動(dòng)分析儀對(duì)煙葉常規(guī)化學(xué)成分進(jìn)行測(cè)定，并在此基礎(chǔ)上計(jì)算出糖堿比、氮堿比、鉀氯比，檢測(cè)方法按文獻(xiàn)[11-12]測(cè)定。

烤煙平衡水分后切絲，卷制成單料煙，感官評(píng)吸工作在江西省撫州市煙草公司技術(shù)中心進(jìn)行。評(píng)價(jià)方法參考文獻(xiàn)[13]中烤煙化學(xué)成分指標(biāo)和感官質(zhì)量評(píng)價(jià)指標(biāo)體系。

1.7 數(shù)據(jù)處理方法

數(shù)據(jù)結(jié)果采用Excel和SPSS 19.0進(jìn)行分析。

2 結(jié) 果

2.1 高溫?zé)岷熑~主要經(jīng)濟(jì)性狀分析

由表3可知，黎川試驗(yàn)點(diǎn)產(chǎn)值最低，與其他試驗(yàn)點(diǎn)差異極顯著，樂(lè)安、崇仁和資溪3個(gè)試驗(yàn)點(diǎn)的產(chǎn)值較高，兩兩比較差異較小。樂(lè)安和資溪上等煙比例都在 60%以上，廣昌和黎川上等煙比例不足50%，上等煙比例各試驗(yàn)點(diǎn)之間差異達(dá)極顯著水平，中上等煙比例之間的差異不明顯。各試驗(yàn)點(diǎn)煙田的主要經(jīng)濟(jì)性狀都與對(duì)照煙田有顯著差異。

2.2 高溫?zé)岷庀笾笜?biāo)統(tǒng)計(jì)分析

通過(guò)對(duì)撫州6個(gè)試驗(yàn)點(diǎn)3年熱害天氣過(guò)程中的日最高氣溫（S1）、升溫幅度（S2）、日光合有效輻射（S3）和持續(xù)天數(shù)（S4）等4項(xiàng)指標(biāo)統(tǒng)計(jì)分析的結(jié)果（表 4）表明，當(dāng)天氣處于高溫?zé)岷﹄A段，撫州地區(qū)日最高氣溫平均值為35.3 ℃，其中黎川、樂(lè)安和崇仁試驗(yàn)點(diǎn)的最大值都處在 37 ℃以上，宜黃點(diǎn)日最高氣溫變異系數(shù)最大（20%），相較其他點(diǎn)穩(wěn)定性差。全區(qū)平均升溫幅度為2.0 ℃，宜黃點(diǎn)最大值可達(dá)5.0 ℃，變異系數(shù)最小為黎川試驗(yàn)點(diǎn)33.3%，最大為資溪試驗(yàn)點(diǎn)54.2%。撫州市日光合有效輻射平均值為10.2 MJ/m2，除黎川和樂(lè)安外，其余試驗(yàn)點(diǎn)平均值都在 10.0 MJ/m2以上，最大值達(dá)到 13.4 MJ/m2，最小值僅為5.5 MJ/m2。高溫?zé)岷Τ掷m(xù)天數(shù)各試驗(yàn)點(diǎn)基本一致，主要在3.5～3.8 d，平均變異系數(shù)為21.8%。

表3 高溫?zé)岷熑~主要經(jīng)濟(jì)性狀Table 3 The statistical analysis of main economic traits of high temperature damage tobacco

表4 高溫?zé)岷ζ陂g日最高氣溫（S1）、升溫幅度（S2）、日光合有效輻射（S3）和持續(xù)天數(shù)（S4）Table 4 The statistical analysis of maximum temperature (S1), temperature rise range (S2), solar radiation (S3) and high temperature days(S4) during high temperature heat disaster

2.3 高溫?zé)岷庀笾笜?biāo)與主要經(jīng)濟(jì)性狀相關(guān)性

將氣象指標(biāo)與主要經(jīng)濟(jì)性狀進(jìn)行相關(guān)分析后發(fā)現(xiàn)（表5），主要經(jīng)濟(jì)性狀與4項(xiàng)熱害指標(biāo)均呈現(xiàn)顯著或極顯著負(fù)相關(guān)，說(shuō)明所選取的4個(gè)氣象指標(biāo)對(duì)高溫?zé)岷熑~經(jīng)濟(jì)性狀有重要影響。

表5 氣象指標(biāo)與高溫?zé)岷熑~主要經(jīng)濟(jì)性狀相關(guān)系數(shù)Table 5 Correlation coefficients between meteorological factor and main economic traits of high temperature damage tobacco

2.4 高溫?zé)岷Φ燃?jí)評(píng)估模型建立

2.4.1 因子共線性診斷和 KMO、Bartlett檢驗(yàn) 因子共線性可從條件數(shù)和方差比兩方面度量。條件數(shù)是指各維數(shù)中最大特征根與最小特征根之比 k=λ1/λp，當(dāng)k＞100則認(rèn)為存在共線性；若最大條件指數(shù)≥10且相應(yīng)的最大方差比大于 0.5，也可認(rèn)為自變量間存在共線性[14]。由表 6可見(jiàn)，條件數(shù)3.686/0.031≈118.90，維數(shù)5的條件指數(shù)大于10，且S1和S2的方差比大于評(píng)判標(biāo)準(zhǔn)（0.5）。上述結(jié)果表明，所選的4個(gè)因子間存在共線性，需要采用主成分回歸分析。在進(jìn)行主成分分析前，先進(jìn)行 KMO和Bartlett球形檢驗(yàn)[15]。檢驗(yàn)結(jié)果表明，KMO值為0.764，大于0.6，Bartlett球形檢驗(yàn)χ2統(tǒng)計(jì)值的顯著性概率為0.000 1，遠(yuǎn)遠(yuǎn)小于0.05，所選指標(biāo)適宜做主成分分析。

表6 共線性診斷指標(biāo)Table 6 Collinearity diagnostic index

2.4.2 4個(gè)氣象指標(biāo)的主成分分析 4個(gè)氣象指標(biāo)按照式（1）進(jìn)行標(biāo)準(zhǔn)化處理后，利用SPSS軟件進(jìn)行主成分分析可得到4個(gè)主成分的特征值、方差貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率（表7）。第1成分和第2成分的方差貢獻(xiàn)率分別63.709%和15.833%，累積貢獻(xiàn)率達(dá)到79.542%。故選取前2個(gè)成分作為主成分分析的對(duì)象，分析可得因子載荷矩陣，結(jié)合特征值（λ）和因子載荷矩陣，計(jì)算出因子的特征向量R值，結(jié)果見(jiàn)表8。

表7 各成分特征值和方差貢獻(xiàn)率Table 7 Eigenvalues and contribution rates of principal components

表8 因子1、因子2的特征向量值Table 8 Eigenvectors of the component 1 and the component 2

由表8可得出主成分因子方程：

2.4.3 線性回歸分析 參照陳斐等[16]研究方法，將2個(gè)主成分作為自變量，以上等煙比例作為因變量進(jìn)行回歸分析，建立高溫?zé)岷υu(píng)估模型（Damage of High Temperature Index，簡(jiǎn)寫作DHI），為方便計(jì)算將常數(shù)項(xiàng)省略：

將公式（2）和（3）代入式（4），經(jīng)轉(zhuǎn)換后得出

S1、S2、S3、S4代表4個(gè)氣象指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的無(wú)綱量化數(shù)值，由（1）式計(jì)算可得。從（5）式中可以看出，DHI與4個(gè)氣象指標(biāo)都呈正比。S2的系數(shù)最大，其次是S3和S4，最小是S1，對(duì)DHI的影響作用依次減弱。

2.4.4 高溫?zé)岷熑~質(zhì)量評(píng)價(jià) 分別對(duì)高溫?zé)岷π螒B(tài)特征劃分的5個(gè)等級(jí)煙葉進(jìn)行化學(xué)成分評(píng)價(jià)和感官質(zhì)量評(píng)價(jià)，二者綜合即為煙葉質(zhì)量評(píng)價(jià)總得分，其中化學(xué)成分指標(biāo)占比為25%，感官評(píng)價(jià)指標(biāo)占比75%，加權(quán)計(jì)算結(jié)果見(jiàn)表9。形態(tài)I級(jí)煙葉總得分均在25分以上，形態(tài)II級(jí)與III級(jí)得分范圍出現(xiàn)重疊部分，分布在22.12～24.84，形態(tài)IV級(jí)與V級(jí)得分也出現(xiàn)重疊情況，得分范圍在19.25～22.08。為了便于比較不同熱害煙葉質(zhì)量差異，依據(jù)得分情況將熱害煙葉質(zhì)量劃分成3個(gè)等級(jí)。評(píng)價(jià)得分在25分以上為1級(jí)，得分在22～25為2級(jí)，19～22為3級(jí)。同理，再對(duì)歷年各試驗(yàn)點(diǎn)熱害煙樣進(jìn)行評(píng)價(jià)打分，根據(jù)得分結(jié)果劃分等級(jí)。

表9 不同高溫?zé)岷π螒B(tài)等級(jí)煙葉質(zhì)量評(píng)價(jià)Table 9 Quality evaluation of high temperature damage tobacco leaves at each test sites

2.4.5 高溫?zé)岷熑~等級(jí)評(píng)估結(jié)果 將各個(gè)試驗(yàn)點(diǎn)的觀測(cè)值代入式（5）計(jì)算各等級(jí)對(duì)應(yīng)的DHI值。根據(jù)DHI值分布情況，各等級(jí)有90%以上的值落在0.75～0.97、0.97～1.13和≥1.13等3個(gè)區(qū)間段，據(jù)此可對(duì)DHI進(jìn)行等級(jí)劃分（表10）。

表10 高溫?zé)岷υu(píng)估等級(jí)劃分Table 10 Grading standard of high temperature damage

2.4.6 高溫?zé)岷Φ燃?jí)評(píng)價(jià)標(biāo)準(zhǔn)檢驗(yàn) 為驗(yàn)證高溫?zé)岷Φ燃?jí)評(píng)估模型的準(zhǔn)確性，參考吉奇[17]方法，對(duì)高溫?zé)岷熑~質(zhì)量的實(shí)際評(píng)價(jià)得分和DHI分值進(jìn)行回歸分析檢驗(yàn)。由圖1可知，回歸系數(shù)為-17.41，相關(guān)系數(shù)達(dá)到-0.93，并通過(guò)了0.01水平的顯著性檢驗(yàn)，兩者相關(guān)性極顯著。通過(guò)比較實(shí)際等級(jí)和評(píng)估等級(jí)（圖2）后發(fā)現(xiàn)，評(píng)估等級(jí)與實(shí)際等級(jí)基本吻合，其中3級(jí)評(píng)估效果較好，準(zhǔn)確率為100%，2級(jí)準(zhǔn)確為85.7%，1級(jí)準(zhǔn)確率稍低為75%。

3 討 論

圖1 實(shí)際質(zhì)量評(píng)價(jià)得分與DHI值線性回歸檢驗(yàn)Fig. 1 Actual evaluation score and DHI value linear regression test

圖2 各試驗(yàn)點(diǎn)歷年評(píng)估等級(jí)與實(shí)際等級(jí)比較Fig. 2 Comparison of the evaluation level and the actual level of each test sites

本研究在明確熱害煙葉田間農(nóng)藝性狀的基礎(chǔ)上，對(duì)熱害煙葉進(jìn)行初步定性，并分析了氣候條件對(duì)煙葉品質(zhì)的影響，較以往僅從煙葉內(nèi)在品質(zhì)的研究[18-19]入手更具有科學(xué)依據(jù)。通過(guò)主成分回歸分析法，建立的高溫?zé)岷Φ燃?jí)評(píng)估模型通過(guò)了顯著性檢驗(yàn)，復(fù)相關(guān)系數(shù)為0.816，較好地反映了各項(xiàng)指標(biāo)的綜合信息。經(jīng)檢驗(yàn)，廣昌、宜黃和黎川試驗(yàn)點(diǎn)的評(píng)估結(jié)果與實(shí)際結(jié)果完全相符，樂(lè)安（2015年）、樂(lè)安（2016年）和資溪（2014年）的評(píng)估結(jié)果與實(shí)際結(jié)果相差一個(gè)等級(jí)，整體評(píng)估結(jié)果準(zhǔn)確率達(dá)到83.3%。在不符的結(jié)果中，評(píng)估等級(jí)大部分比實(shí)際等級(jí)低一級(jí)，且熱害指數(shù)DHI普遍較低，資溪（2014年）僅為0.772，低熱害情況可能影響評(píng)估結(jié)果準(zhǔn)確性。此外，評(píng)估模型所使用的數(shù)據(jù)均能從氣象中心得到，便于在生產(chǎn)實(shí)踐中推廣應(yīng)用。

關(guān)于“高溫逼熟”現(xiàn)象以往研究往往只考慮了溫度因素[5,20]，但在大田環(huán)境下，伴隨高溫而來(lái)的還有強(qiáng)輻射，強(qiáng)輻射會(huì)使葉片變厚且粗糙，主脈突出，形成“粗筋暴梗”，致使煙堿含量過(guò)高，刺激性增強(qiáng)，吃味辛辣，煙葉品質(zhì)變差[18]。從評(píng)估模型的DHI計(jì)算公式可看出，光合有效輻射指標(biāo)系數(shù)為0.538 9，僅次于升溫幅度系數(shù)0.638 9，說(shuō)明高溫?zé)岷熑~的出現(xiàn)，不僅僅是高溫造成的，還與與其同時(shí)出現(xiàn)的強(qiáng)輻射有關(guān)，這與黃國(guó)文等[5]研究結(jié)果相一致。有研究指出高濕度并不是造成高溫逼熟煙葉的必要因素[21]，濕度條件較光溫條件的敏感性不強(qiáng)[22]，因此沒(méi)有將濕度納入研究范圍。多數(shù)研究只是闡述高溫強(qiáng)光會(huì)對(duì)煙葉品質(zhì)造成不良影響[23-24]，而缺少高溫?zé)岷τ绊懙亩ㄐ约岸糠治觥Ｄ壳盁岷υu(píng)估常以溫度為評(píng)價(jià)因子[25-26]，也有研究引入了土壤條件、降水量和風(fēng)速等作為評(píng)判條件[27-29]。在前人研究基礎(chǔ)上，本文僅就熱害期間日最高氣溫、升溫幅度、日光合有效輻射和持續(xù)時(shí)間等指標(biāo)進(jìn)行評(píng)估，目的是使關(guān)于煙葉熱害評(píng)估更科學(xué)，更實(shí)用。

4 結(jié) 論

研究與驗(yàn)證結(jié)果表明，江西撫州煙區(qū)煙葉主要熱害影響指標(biāo)是高溫?zé)岷μ鞖獬掷m(xù)期間的日最高氣溫、升溫幅度、日光合有效輻射強(qiáng)度和高溫持續(xù)天數(shù)。通過(guò)線性回歸檢驗(yàn)，DHI值與實(shí)際熱害煙葉品質(zhì)得分存在極顯著負(fù)相關(guān)，相關(guān)系數(shù)為-0.93，熱害期間溫度越高，升溫幅度越大，光合有效輻射越強(qiáng)，高溫持續(xù)時(shí)間越長(zhǎng)，DHI就越高，熱害等級(jí)也隨之增加，煙葉品質(zhì)就越差。高溫?zé)岷υu(píng)估等級(jí)指數(shù)在0.75～0.97時(shí)，熱害1級(jí)，屬輕度熱害；等級(jí)評(píng)估指數(shù)在0.97～1.13時(shí)，熱害2級(jí)，屬中度熱害；等級(jí)評(píng)估指數(shù)在1.13以上時(shí)，熱害3級(jí)。建立的模型能夠全面準(zhǔn)確地對(duì)熱害煙葉進(jìn)行評(píng)估，并通過(guò)了模型驗(yàn)證，具有一定的理論意義和實(shí)際指導(dǎo)價(jià)值，今后還應(yīng)將抗熱烤煙品種的選育和煙葉熱害耐受程度納入研究，進(jìn)一步完善評(píng)估模型。

[1] 徐慶凱，張正揚(yáng)，王能如，等. 江西省煙區(qū)氣候特征分析比較[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2013，29（34）：44-49.

[2] 程林仙，王安柱. 渭北旱作區(qū)干旱對(duì)烤煙產(chǎn)量和品質(zhì)的影響及覆蓋抗旱栽培技術(shù)[J]. 中國(guó)農(nóng)業(yè)氣象，1996，17（2）：18-21.

[3] 辜尊榮，謝金水，申昌優(yōu)，等. 贛南單季稻區(qū)煙稻輪作的生態(tài)環(huán)境及其配套技術(shù)研究[J]. 中國(guó)煙草科學(xué)，2000，21（3）：33-36.

[4] 查宏波，付修廷，李曉燕，等. 昭通煙區(qū)田間小氣候類型及與煙葉化學(xué)成分的相關(guān)性[J]. 中國(guó)煙草科學(xué)，2014，35（2）：88-92.

[5] 黃國(guó)文，陳良碧. 高溫對(duì)煙葉品質(zhì)的影響[J]. 生命科學(xué)研究，2002，6（4）：362-366.

[6] 郭月清. 烤煙栽培技術(shù)[M]. 北京：金盾出版社，1992：992.

[7] 鐘楚，張明達(dá)，胡雪瓊，等. 溫度變化對(duì)煙草光合作用光響應(yīng)特征的影響[J]. 生態(tài)學(xué)雜志，2012，31（2）：337-341.

[8] 周米良，吳志科，卿湘濤，等. 湘西山區(qū)主要?dú)夂蚴录?duì)煙葉產(chǎn)質(zhì)量的影響[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39（14）：8293-8298.

[9] 吳啟俠，蘇榮瑞，劉凱文，等. 江漢平原四湖流域近50年高溫?zé)岷盁釢诚嚯S特征[J]. 中國(guó)農(nóng)業(yè)氣象，2012，33（4）：609-614.

[10] 黃中艷，朱勇，王樹會(huì)，等. 云南烤煙內(nèi)在品質(zhì)與氣候的關(guān)系[J]. 資源科學(xué)，2007，29（2）：83-90.

[11] 王瑞新. 煙草化學(xué)[M]. 北京：中國(guó)農(nóng)業(yè)出版社，2003.

[12] 王瑞新，韓富根，楊素勤. 煙葉化學(xué)品質(zhì)分析[M]. 鄭州：河南科學(xué)技術(shù)出版社，1990：50-66.

[13] 王彥亭，謝劍平，李志宏. 中國(guó)煙草種植區(qū)劃[M]. 北京：科學(xué)出版社，2009：3-5.

[14] 丁元林，孔丹莉，毛宗福. 多重線性回歸分析中的常用共線性診斷方法[J]. 數(shù)理醫(yī)藥學(xué)雜志，2004，17（4）：299-300.

[15] 趙瑞蕊，何結(jié)望，王海明，等. 基于主成分和聚類分析的湖北烤煙物理質(zhì)量指標(biāo)綜合評(píng)價(jià)[J]. 中國(guó)煙草科學(xué)，2012，33（4）：90-94.

[16] 陳斐，楊沈斌，申雙和，等. 基于主成分回歸法的長(zhǎng)江中下游雙季早稻相對(duì)氣象產(chǎn)量模擬模型[J]. 中國(guó)農(nóng)業(yè)氣象，2014，35（5）：522-528.

[17] 吉奇. 基于Logistic和災(zāi)減率方法制作玉米產(chǎn)量的預(yù)測(cè)[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2012，28（6）：293-296.

[18] 彭新輝，易建華，周清明. 氣候?qū)緹焹?nèi)在質(zhì)量的影響研究進(jìn)展[J]. 中國(guó)煙草科學(xué)，2009，30（1）：68-72.

[19] 周米良，吳志科，卿湘濤，等. 湘西山區(qū)主要?dú)夂蚴录?duì)煙葉產(chǎn)質(zhì)量的影響[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39（14）：8293-8298.

[20] 胡國(guó)松，傅建政，張丙孝，等. 目前我國(guó)烤煙煙葉質(zhì)量的若干限制因子[J]. 中國(guó)煙草科學(xué)，1999，20（4）：12-15.

[21] 陳頤，周清明，楊虹琦，等. 湘南典型濃香型煙葉產(chǎn)區(qū)烤煙大田生育期氣候特征分析[J]. 中國(guó)煙草科學(xué)，2015，36（4）：56-62.

[22] 曹雯，申雙和，段春鋒. 西北地區(qū)近49年生長(zhǎng)季參考作物蒸散量的敏感性分析[J]. 中國(guó)農(nóng)業(yè)氣象，2011，32（3）：375-381.

[23] 楊恕良，黃肇玉，唐遠(yuǎn)駒. 貴州烤煙品質(zhì)與氣候關(guān)系的研究[J]. 中國(guó)農(nóng)業(yè)氣象，1987（2）：7-10.

[24] 王太忠. 氣候與烤煙品質(zhì)關(guān)系的探討[J]. 煙草科技，1982（3）：28-31.

[25] 田俊，聶秋生，崔海建. 早稻乳熟初期高溫?zé)岷庀笾笜?biāo)試驗(yàn)研究[J]. 中國(guó)農(nóng)業(yè)氣象，2013，34（6）：710-714.

[26] 高素華，王培娟，萬(wàn)素琴. 長(zhǎng)江中下游高溫?zé)岷皩?duì)水稻的影響[M]. 北京：北京氣象出版社，2009：106-134.

[27] 張倩，趙艷霞，王春乙. 長(zhǎng)江中下游地區(qū)高溫?zé)岷?duì)水稻的影響[J]. 災(zāi)害學(xué)，2011，36（4）：57-62.

[28] 楊炳玉，申雙和，陶蘇林. 江西省水稻高溫?zé)岷Πl(fā)生規(guī)律研究[J]. 中國(guó)農(nóng)業(yè)氣象，2012，33（4）：615-622.

[29] 張倩，趙艷霞，王春乙. 我國(guó)主要農(nóng)業(yè)氣象災(zāi)害指標(biāo)研究進(jìn)展[J]. 自然災(zāi)害學(xué)報(bào)，2010，19（6）：40-54.

Assessment on Meteorological Indexes of High Temperature Damage to Tobacco Leaves at Maturity Stage

ZHAO Dongjie1, ZHAO Zhe1, MAO Yabo1, ZHAO Mingqin1*, QIN Yanmin2, WAN Yingfa2,ZHOU Guowang2, ZHANG Rui2

（1. College of Tobacco Science, Henan Agricultural University, Zhengzhou 450002, China; 2. Fuzhou City Tobacco Company of Jiangxi Province, Fuzhou, Jiangxi 344000, China)

In order to investigate the main meteorological factors of high temperature damage to tobacco leaves and detemine the degree of occurrence of high temperature damage to tobacco leaves, the relationship between the meteorological indexes and the quality of high temperature damage to tobacco leaves from mid-June to early July in Fuzhou, Jiangxi Province during 2014-2016, were analyzed by using the principal component regression analysis. The assessment grade model of high temperature damage to tobacco leaves was established and verified by the component regression analysis testing. The results showed that the main impact meteorological factors were the maximum temperature, the increasing extent of temperature during heat damage, the solar radiation,and the duration of high temperature. The three grades of evaluation index system for high temperature damage tobacco leaf: 0.75≤DHI＜0.97, grade 1, mild heat damage; 0.97≤DHI＜1.13, grade 2, moderate heat damage; DHI≥1.13, Grades 3, severe heat damage.The model evaluation results had a negative correlation with the score of tobacco leaves quality, and the correlation coefficient was -0.93, which passed the significant test at 1% level. The accuracy achieved up to 83.3%. The results can provide scientific basis for monitoring, warning and risk assessment of high temperature damage to tobacco leaves.

flue-cured tobacco; high temperature damage; meteorological factor; assessment grade; principal component regression

S572.01

1007-5119（2017）05-0062-07 DOI：10.13496/j.issn.1007-5119.2017.05.011

中國(guó)煙草總公司江西省公司項(xiàng)目“烤煙‘高溫逼熟’形成機(jī)制及代謝調(diào)控技術(shù)研究”（201401006）

趙東杰（1991-），男，碩士研究生，主要從事煙草化學(xué)與質(zhì)量評(píng)價(jià)。E-mail：18749492822@163.com。*通信作者，E-mail：zhaomingqin@126.com

2017-04-18

2017-07-18