西湖龍井茶開(kāi)采期影響因子及預(yù)報(bào)模型*

朱蘭娟，金志鳳，張玉靜，王治海，劉 敏，范遼生

?

西湖龍井茶開(kāi)采期影響因子及預(yù)報(bào)模型*

朱蘭娟1，金志鳳2，張玉靜1，王治海2，劉 敏1，范遼生1

（1．杭州市氣象局，杭州 310051；2．浙江省氣候中心，杭州 310017）

基于西湖龍井茶主栽品種（龍井43和龍井群體種）開(kāi)采期及氣象資料，應(yīng)用積溫和逐步回歸方法，分別構(gòu)建西湖龍井茶的積溫預(yù)報(bào)模型和逐步回歸預(yù)報(bào)模型，并利用多元線性回歸方法，對(duì)兩個(gè)模型的預(yù)報(bào)結(jié)果進(jìn)行集成，構(gòu)建集合預(yù)報(bào)模型。結(jié)果表明：積溫預(yù)報(bào)模型、逐步回歸預(yù)報(bào)模型、集成預(yù)報(bào)模型均通過(guò)0.01水平的顯著性檢驗(yàn)；龍井43和龍井群體種的積溫預(yù)報(bào)模型回代檢驗(yàn)平均絕對(duì)誤差（MAE）分別為3.6d和2.8d，2a試預(yù)報(bào)MAE分別為2.5d和1.0d；逐步回歸預(yù)報(bào)模型的回代檢驗(yàn)MAE分別為0.9d和1.4d，2a試預(yù)報(bào)MAE分別為1.6d和0.8d；集成預(yù)報(bào)模型的回代檢驗(yàn)MAE分別為0.7d和1.1d，2a試預(yù)報(bào)MAE分別為1.3d和0.8d。3種預(yù)報(bào)模型對(duì)西湖龍井茶開(kāi)采期預(yù)報(bào)均具有應(yīng)用價(jià)值，集成預(yù)報(bào)模型較積溫預(yù)報(bào)模型和逐步回歸預(yù)報(bào)模型的預(yù)報(bào)效果更理想，具有實(shí)際生產(chǎn)指導(dǎo)作用。

西湖龍井茶；開(kāi)采期；物候期；氣象因子；預(yù)報(bào)；集成模型

西湖龍井茶至今已有1200多年歷史，以“色綠、香郁、味甘、形美”之四絕而聞名[1]。西湖龍井茶的獨(dú)特品質(zhì)除與品種和栽培管理措施有關(guān)外，也受到氣候條件的影響[2?3]。杭州地處亞熱帶季風(fēng)氣候區(qū)，四季分明，雨熱同季，適宜茶樹(shù)栽培與優(yōu)質(zhì)高產(chǎn)[4]，但受氣候變化影響，氣候變率加大，早春季節(jié)幾乎每年都會(huì)發(fā)生低溫災(zāi)害，造成茶葉開(kāi)采期推遲，影響茶葉品質(zhì)和產(chǎn)量[5]。作為中國(guó)茶葉的第一大品牌，西湖龍井茶春茶的開(kāi)采時(shí)間受到茶農(nóng)、茶客和政府的廣泛關(guān)注，而在品種和栽培管理方式一定的條件下，茶葉開(kāi)采期主要由當(dāng)年的氣象條件決定，因此，開(kāi)展西湖龍井茶開(kāi)采期與氣象因子關(guān)系研究具有重要意義。

關(guān)于作物物候期的預(yù)測(cè)方法，已有專家學(xué)者開(kāi)展了大量研究。積溫法是一種廣泛應(yīng)用的物候期預(yù)測(cè)方法，前人通過(guò)積溫法預(yù)測(cè)櫻花盛花始期[6]、泡桐物候期[7]、桃樹(shù)花期[8]。逐步回歸統(tǒng)計(jì)方法也在農(nóng)作物生長(zhǎng)發(fā)育與天氣氣候條件關(guān)系分析中普遍應(yīng)用[9?10]。在茶葉開(kāi)采期預(yù)報(bào)中，姜燕敏等[9]將春茶開(kāi)采期日序與氣象要素進(jìn)行逐步回歸分析，構(gòu)建起長(zhǎng)期與中期開(kāi)采預(yù)報(bào)模型，并結(jié)合活動(dòng)積溫和有效積溫進(jìn)行茶葉開(kāi)采期預(yù)報(bào)；姜潤(rùn)等[11]通過(guò)有效積溫、氣象因子逐步回歸方法對(duì)溧陽(yáng)地區(qū)白茶開(kāi)采期進(jìn)行預(yù)報(bào)，為當(dāng)?shù)夭枞~生產(chǎn)提供指導(dǎo)；李旭群[12]通過(guò)構(gòu)建溫濕隸屬函數(shù)、低溫凍害隸屬函數(shù)，計(jì)算3月10℃活動(dòng)積溫，預(yù)報(bào)雨前“茅峰青山”和“雨花”的開(kāi)采期。

由于大氣環(huán)流特征以及實(shí)際生產(chǎn)條件的復(fù)雜性，應(yīng)用單一的資料和模型均會(huì)影響預(yù)報(bào)結(jié)果的精度和穩(wěn)定性，阻礙業(yè)務(wù)推廣應(yīng)用，集成預(yù)報(bào)方法被廣泛應(yīng)用于天氣和氣候預(yù)報(bào)之中[13?15]。目前，集合預(yù)報(bào)模型在農(nóng)業(yè)氣象預(yù)報(bào)服務(wù)中也逐漸得到應(yīng)用。宋迎波等[16]利用加權(quán)求和法將地面模型、海溫模型和環(huán)流模型進(jìn)行集成，構(gòu)建美國(guó)玉米產(chǎn)量模型，預(yù)報(bào)穩(wěn)定性提升；邱美娟等[17]采用加權(quán)法對(duì)3種指數(shù)模型和1種生長(zhǎng)模型進(jìn)行集成，預(yù)報(bào)山東冬小麥產(chǎn)量，預(yù)報(bào)準(zhǔn)確率和穩(wěn)定性均有提高；楊棟等[18]構(gòu)建了不同時(shí)間尺度的奉化水蜜桃成熟期預(yù)報(bào)模型，分別采用算術(shù)平均法、回歸系數(shù)法、相關(guān)系數(shù)法和絕對(duì)誤差法確定其集合權(quán)重，其結(jié)果表明絕對(duì)誤差法構(gòu)建的加權(quán)集合模型絕對(duì)誤差控制在2d以內(nèi)，具有較高的實(shí)際應(yīng)用價(jià)值。

本研究在借鑒相關(guān)研究成果的基礎(chǔ)上，以西湖龍井茶主栽品種的春茶開(kāi)采期為研究對(duì)象，在積溫法和逐步回歸分析法的基礎(chǔ)上，采用多元線性回歸方法對(duì)前兩者的預(yù)報(bào)結(jié)果進(jìn)行集成，并檢驗(yàn)其預(yù)報(bào)效果，進(jìn)而揭示前期氣象條件對(duì)春茶采摘的影響，提高西湖龍井茶開(kāi)采期預(yù)報(bào)準(zhǔn)確率，為保障茶葉優(yōu)質(zhì)高產(chǎn)提供科學(xué)依據(jù)。

1 資料與方法

1.1 研究區(qū)域及品種

研究區(qū)域?yàn)椤段骱埦琛窐?biāo)準(zhǔn)[1]所確定的生產(chǎn)區(qū)域范圍（圖1）。研究品種為《西湖龍井茶》標(biāo)準(zhǔn)確定，并在西湖龍井茶產(chǎn)區(qū)主栽的龍井43和龍井群體種品種。龍井群體種已有1000多年的歷史，是龍井茶最早的品種，由茶種栽培而成，開(kāi)采期在3月下旬?4月初。龍井43是中國(guó)農(nóng)業(yè)科學(xué)研究院茶葉研究所從龍井群體種選育出的無(wú)性系新品種，是國(guó)家級(jí)優(yōu)良品種，開(kāi)采期在3月中下旬。

圖1 西湖龍井茶生產(chǎn)區(qū)域

1.2 資料來(lái)源及處理

西湖龍井茶的開(kāi)采期來(lái)自2005年以來(lái)新聞媒體報(bào)道，龍井村、翁家山、梅家塢、雙峰村、慈母橋村等地實(shí)地走訪調(diào)查和福海堂茶葉基地實(shí)景監(jiān)測(cè)。開(kāi)采期是指每年第一批鮮葉采摘的日期，采摘標(biāo)準(zhǔn)為一芽一葉初展，即芽葉夾角小，芽長(zhǎng)于葉，芽葉勻齊肥壯，芽葉長(zhǎng)度不超過(guò)2.5cm。氣象資料為杭州國(guó)家基準(zhǔn)站的逐日氣象資料，要素包括平均氣溫、最高氣溫、最低氣溫、降水量、日照時(shí)數(shù)、相對(duì)濕度、不同深度平均地溫（0、5、10、15、20、40cm）等，資料年限為1951年1月?2018年4月。氣溫和濕度用算術(shù)平均法將1?3月的日氣象資料統(tǒng)計(jì)為旬值，降水量和日照時(shí)數(shù)用求和法算出旬值，雨日數(shù)根據(jù)日降水量統(tǒng)計(jì)而成（日降水量≥0.1mm時(shí)計(jì)1個(gè)雨日）。為驗(yàn)證茶農(nóng)中流傳的“凍一凍，縮一縮”的說(shuō)法，將日最低氣溫低于4℃（包括4、3、2、1、0、?1、?2℃）的天數(shù)進(jìn)行旬統(tǒng)計(jì)，求出各旬各溫度的低溫天數(shù)。

將2005?2018年春茶開(kāi)采期日期轉(zhuǎn)換為年日序值，以1月1日為 1，1月2日為2，依次類推。

1.3 開(kāi)采期預(yù)報(bào)方法

1.3.1 積溫預(yù)報(bào)法

計(jì)算兩種積溫：活動(dòng)積溫和有效積溫。高于生長(zhǎng)下限的日平均溫度為活動(dòng)溫度，活動(dòng)積溫是指作物在某時(shí)期內(nèi)活動(dòng)溫度對(duì)時(shí)間的積分。有效溫度是日平均溫度與生長(zhǎng)下限溫度之差，有效積溫是指作物在某時(shí)期內(nèi)有效溫度對(duì)時(shí)間的積分。實(shí)際計(jì)算時(shí)將積分簡(jiǎn)化為求和。

生長(zhǎng)溫度下限的確定：姜燕敏等[9]通過(guò)6～10℃之間，每隔1℃的活動(dòng)積溫和有效積溫比較，認(rèn)為龍井43開(kāi)采期的10℃活動(dòng)積溫變異系數(shù)最小，其生長(zhǎng)下限溫度為10℃；楊亞軍等[19]通過(guò)茶樹(shù)冷處理試驗(yàn)，得出茶樹(shù)生長(zhǎng)下限溫度為10℃的結(jié)論。因此，采用10℃作為龍井43和龍井群體種的生長(zhǎng)下限溫度。

積溫起止日的確定：采用5日滑動(dòng)平均方法確定積溫起始日，即在某一時(shí)段內(nèi)，第一個(gè)連續(xù)5d日平均氣溫的平均值≥10℃，且這5d中第一個(gè)日平均氣溫≥10℃的日期作為積溫統(tǒng)計(jì)起始日；積溫統(tǒng)計(jì)終止日則為西湖龍井茶開(kāi)采期的前一天。因杭州站歷年5日滑動(dòng)平均氣溫通過(guò)10℃的時(shí)間基本出現(xiàn)在2月上旬，同時(shí)，唐湖等[20]通過(guò)茶樹(shù)休眠和萌發(fā)時(shí)期的物質(zhì)變化試驗(yàn)也得出了龍井43在2月初萌發(fā)的結(jié)論，因此，從2月1日開(kāi)始統(tǒng)計(jì)5日滑動(dòng)平均氣溫通過(guò)10℃的日期。

積溫預(yù)報(bào)標(biāo)準(zhǔn)的確定：利用杭州國(guó)家基準(zhǔn)氣候站2005?2016年2?4月的日平均氣溫逐日資料，分別統(tǒng)計(jì)龍井43和龍井群體種積溫起止日間≥10℃的活動(dòng)積溫、有效積溫，并計(jì)算變異系數(shù)，以變異系數(shù)小的積溫作為開(kāi)采期預(yù)報(bào)積溫。為得到明確開(kāi)采日期，采用2005?2016年積溫平均值作為積溫預(yù)報(bào)模型標(biāo)準(zhǔn)。

1.3.2 逐步回歸預(yù)報(bào)法

通過(guò)相關(guān)系數(shù)計(jì)算，篩選出滿足條件的氣象因子，再采用逐步回歸統(tǒng)計(jì)方法，構(gòu)建西湖龍井茶開(kāi)采期年日序預(yù)報(bào)模型。具體為

（1）計(jì)算相關(guān)系數(shù)：采用相關(guān)分析方法，分別計(jì)算2005?2016年不同氣象因子與龍井43和龍井群體種開(kāi)采期年日序的相關(guān)系數(shù)。

（2）確定初選因子：篩選出相關(guān)系數(shù)通過(guò)0.05水平顯著性檢驗(yàn)的氣象因子作為初選因子，3月的初選因子考慮是否可以被預(yù)報(bào)。

（3）建立逐步回歸預(yù)報(bào)模型：將初選因子和開(kāi)采期年日序?qū)隨PSS軟件，采用逐步回歸分析功能，得到龍井43和龍井群體種開(kāi)采期預(yù)報(bào)方程，多個(gè)預(yù)報(bào)方程通過(guò)0.05水平顯著性檢驗(yàn)時(shí)，選取預(yù)報(bào)效果好的方程構(gòu)建預(yù)報(bào)模型。

1.3.3 集成預(yù)報(bào)法

集成預(yù)報(bào)模型可以克服單一預(yù)報(bào)模型的局限性，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。西湖龍井茶開(kāi)采期預(yù)報(bào)采用多元線性回歸方法，對(duì)積溫預(yù)報(bào)模型和逐步回歸預(yù)報(bào)模型的預(yù)報(bào)結(jié)果進(jìn)行集成，具體做法是：以積溫預(yù)報(bào)模型和逐步回歸預(yù)報(bào)模型預(yù)測(cè)的年日序值作為自變量，開(kāi)采期的年日序值作為因變量，利用SPSS軟件的多元線性回歸功能，分別統(tǒng)計(jì)龍井43和龍井群體種開(kāi)采期的集成預(yù)報(bào)模型，并對(duì)其預(yù)報(bào)效果進(jìn)行檢驗(yàn)，通過(guò)0.05水平顯著性檢驗(yàn)時(shí)采用該模型，反之，不采用。

2 結(jié)果與分析

2.1 西湖龍井開(kāi)采期調(diào)查結(jié)果

由圖2可見(jiàn)，龍井43和龍井群體種的開(kāi)采期主要集中在3月，個(gè)別年份較晚，龍井群體種開(kāi)采進(jìn)入4月初（2005年為4月2日，2012年為4月1日）。龍井群體種歷年開(kāi)采期相對(duì)穩(wěn)定，平均為3月27日，最早年份是2006年和2007年，比平均開(kāi)采期早5d，最晚為2005年，比平均開(kāi)采期晚6d，最早與最晚開(kāi)采日期相差11d；而龍井43的開(kāi)采期變幅較大，平均為3月17日，最早為2016年，比平均開(kāi)采期早10d，最晚為2012年，比平均開(kāi)采期晚9d，最早與最晚開(kāi)采日期相差19d。每年開(kāi)采期的震蕩，給茶客購(gòu)買茶葉和茶農(nóng)安排生產(chǎn)帶來(lái)很大的不確定性，有必要開(kāi)展西湖龍井茶開(kāi)采期預(yù)報(bào)。

對(duì)比兩個(gè)主栽品種的開(kāi)采期可見(jiàn)，兩者的變化趨勢(shì)一致，每年龍井43的開(kāi)采期均早于龍井群體種，平均偏早10d。開(kāi)采早的年份兩者差異大，如2007年（相差13d）、2013年（相差15d）和2016年（相差19d）；而開(kāi)采晚的年份兩者差異小，如2008年（相差6d）、2010年（相差6d）和2012年（相差6d）。隨著氣候變暖，春茶的開(kāi)采期提前，龍井43和龍井群體種的春茶開(kāi)采期差異將更大，上市時(shí)間更具不確定性，迫切需要加強(qiáng)開(kāi)采期預(yù)測(cè)。

圖2 2005?2018年西湖龍井茶開(kāi)采期調(diào)查結(jié)果

2.2 影響西湖龍井茶開(kāi)采期的氣象因子篩選結(jié)果

選取2005?2016年1?3月各旬的平均氣溫、平均最高氣溫、平均最低氣溫、平均地溫（0、5、10、15、20、40cm）、低溫天數(shù)（≤4、3、2、1、0、?1、?2℃）、降水量、雨日數(shù)、平均相對(duì)濕度、日照時(shí)數(shù)等氣象因子，分別與龍井43和龍井群體種的開(kāi)采期年日序進(jìn)行相關(guān)分析，篩選出通過(guò)0.05水平顯著性檢驗(yàn)的氣象因子作為初選因子，其中3月的初選因子排除地溫、日照時(shí)數(shù)（表1和表2）。

表1 與龍井43開(kāi)采期年日序相關(guān)顯著的氣象因子篩選結(jié)果

注：*、**分別表示相關(guān)系數(shù)通過(guò)0.05、0.01水平顯著性檢驗(yàn)。年日序以1月1日為1。下同。

Note:*is P<0.05，**is P<0.01. E- is the first ten-day of a month；M- is the middle ten-day of a month；L- is last ten-day of a month. Ordinal day is the day in order of a year from Jan.1. The same as below.

表2 與龍井群體種開(kāi)采期年日序相關(guān)顯著的氣象因子篩選結(jié)果

從初選因子的時(shí)段看，龍井43和龍井群體種初選因子的時(shí)段絕大多數(shù)出現(xiàn)在2月中旬以后，說(shuō)明2月上旬打破休眠后的氣象因子是影響西湖龍井茶開(kāi)采期的關(guān)鍵因子，而1月上旬?2月上旬因茶芽處于休眠期，氣象因子對(duì)其影響小。

從初選因子的要素看，與西湖龍井茶兩個(gè)品種開(kāi)采期關(guān)系最密切的是溫度，包括平均氣溫、平均最高氣溫、平均最低氣溫、不同深度的平均地溫和不同界限的低溫天數(shù)。2月中旬以后氣溫上升快，有利茶芽萌發(fā)生長(zhǎng)，開(kāi)采期提前；2月中旬以后地溫較高，有利茶樹(shù)根系生長(zhǎng)和發(fā)育，開(kāi)采期提前；2月中旬和下旬低溫天數(shù)多，茶樹(shù)通過(guò)不飽和脂肪酸、蛋白質(zhì)等內(nèi)含物的變化，以適應(yīng)外界的低溫逆境，開(kāi)采期延后[21]。降水對(duì)西湖龍井茶開(kāi)采期的制約不如溫度，主要是1月上旬的降水量、雨日數(shù)、平均相對(duì)濕度和3月上旬的雨日數(shù)，降水量大、雨日數(shù)多、濕度大，則促進(jìn)茶葉提前開(kāi)采。由表可見(jiàn)，各旬日照時(shí)數(shù)均未通過(guò)0.05水平顯著性檢驗(yàn)，茶樹(shù)喜光耐陰，日照時(shí)數(shù)不是制約西湖龍井茶開(kāi)采期的關(guān)鍵因子。在實(shí)際生產(chǎn)中，降水和溫度往往是相互矛盾的，降水量大、雨日數(shù)多，容易出現(xiàn)低溫，最終的結(jié)果由溫度和降水等因子綜合作用決定。

2.3 西湖龍井開(kāi)采期預(yù)報(bào)模型的建立與驗(yàn)證

2.3.1 積溫預(yù)報(bào)模型

按照活動(dòng)積溫和有效積溫的計(jì)算方法，分別統(tǒng)計(jì)2005-2016年龍井43和龍井群體種在積溫起始日-終止日≥10℃的活動(dòng)積溫、有效積溫及其變異系數(shù)（表3）。由表可見(jiàn)，2005-2016年，西湖龍井茶開(kāi)采期的有效積溫變異系數(shù)在0.32～0.40，活動(dòng)積溫變異系數(shù)在0.19～0.27，活動(dòng)積溫的變幅小于有效積溫，穩(wěn)定性較好。因此，采用2005-2016年活動(dòng)積溫平均值作為龍井43和龍井群體種積溫預(yù)報(bào)模型的預(yù)報(bào)標(biāo)準(zhǔn)，預(yù)報(bào)標(biāo)準(zhǔn)分別為169.9℃·d和278.5℃·d。

表3 2005-2016年西湖龍井茶開(kāi)采期所需≥10℃有效積溫、活動(dòng)積溫及其變異系數(shù)

注：每年從2月1日起，采用5日滑動(dòng)平均法確定積溫統(tǒng)計(jì)起始日，開(kāi)采期前1日作為積溫統(tǒng)計(jì)終止日，分別統(tǒng)計(jì)活動(dòng)積溫和有效積溫。以變異系數(shù)小的活動(dòng)積溫平均值作為龍井43和龍井群體種開(kāi)采期積溫達(dá)到標(biāo)準(zhǔn)。

Note: Every year from February 1, the moving average method is used to calculate the date when the average daily temperature of 5 continuous days is not less 10℃. The first day of the 5 continuous days when the temperature is higher than 10℃ is used as the starting date of accumulated temperature statistics, and the day before the exploitation of Longjing 43 and Longjingqunti is used as the termination date of accumulated temperature statistics. The annual active accumulated temperatures of Longjing43 and Longjingqunti were obtained by accumulating the daily average temperature (≥10℃) between the start date and termination date from 2005?2016. The annual effective accumulated temperature of Longjing43 and Longjingqunti were obtained by accumulating the temperature after using the average daily temperature (≥10℃) subtracting 10℃ from the start date and the end date of 2005?2016. The accumulated temperature with a small coefficient of variation is chosen as the prediction accumulated temperature, and the averaged value can be used as the the prediction standard.

從連續(xù)5日滑動(dòng)平均氣溫通過(guò)10℃的起始日開(kāi)始，按順序?qū)⑷掌骄鶜鉁亍?0℃的溫度進(jìn)行累加，當(dāng)累加溫度達(dá)到或超過(guò)169.9℃·d時(shí)停止累加，把第二天作為龍井43的開(kāi)采期；同理，將日平均氣溫≥10℃的溫度累加，累加溫度達(dá)到或超過(guò)278.5℃·d時(shí)停止累加，把第二天作為龍井群體種的開(kāi)采期。計(jì)算結(jié)果如表4。由表可見(jiàn)，2005-2016年龍井43和龍井群體種的開(kāi)采期年日序擬合MAE分別為3.6d和2.8d；兩者的相關(guān)系數(shù)分別為0.846和0.808，均通過(guò)0.01水平的顯著性檢驗(yàn)。龍井43開(kāi)采期2017年預(yù)報(bào)年日序?yàn)?1，比調(diào)查日期偏早2d；2018年開(kāi)采期預(yù)報(bào)年日序?yàn)?6，比調(diào)查日期偏晚3d。龍井群體種2017年開(kāi)采期預(yù)報(bào)年日序?yàn)?6，與調(diào)查日期相同；2018年開(kāi)采期預(yù)報(bào)年日序?yàn)?6，比調(diào)查日期偏晚2d。

2.3.2 逐步回歸預(yù)報(bào)模型

以初選因子作為自變量，開(kāi)采期年日序?yàn)橐蜃兞?，?dǎo)入SPSS軟件，利用其逐步回歸分析功能，分別構(gòu)建龍井43和龍井群體種的開(kāi)采期年日序逐步回歸預(yù)報(bào)模型（表5），預(yù)報(bào)模型均通過(guò)0.01水平顯著性檢驗(yàn)。

從預(yù)報(bào)模型來(lái)看，2月下旬低溫天數(shù)和3月上旬平均最低氣溫是影響龍井43和龍井群體種開(kāi)采期的關(guān)鍵氣象因子，2月中旬的平均地溫對(duì)龍井43的開(kāi)采期亦有影響。影響龍井43開(kāi)采期的2月下旬低溫天數(shù)其最低氣溫為1℃，高于龍井群體種的0℃，這可能與龍井群體種經(jīng)過(guò)一千多年的馴化，更能適應(yīng)低溫環(huán)境有關(guān)；而龍井43是20世紀(jì)60年代利用龍井群體種培育的新品種，其耐低溫性不如龍井群體種。

表4 積溫預(yù)報(bào)模型預(yù)報(bào)結(jié)果（年日序）及其誤差

注：龍井43和龍井群體種的開(kāi)采期活動(dòng)積溫達(dá)到標(biāo)準(zhǔn)分別是169.9℃·d和278.5℃·d；誤差數(shù)據(jù)為正表示預(yù)報(bào)日期比調(diào)查日期偏晚，負(fù)表示偏早，0表示準(zhǔn)確。

Note: The active accumulated temperature of Longjing43 and Longjingqunti to reached the standard is 169.9℃·d and 278.5℃·d ，respectively. The positive data indicated that the forecast result was later than the investigation date, while the negative data means earlier, and 0 shows that the forecast was accurate.

表5 逐步回歸預(yù)報(bào)模型及其預(yù)報(bào)結(jié)果（年日序）

利用龍井43和龍井群體種的開(kāi)采期年日序逐步回歸預(yù)報(bào)模型對(duì)2005?2016年的開(kāi)采期年日序進(jìn)行擬合，預(yù)測(cè)值與調(diào)查值的MAE分別為0.9d和1.4d，預(yù)報(bào)精度較高。對(duì)2017年和2018年進(jìn)行試預(yù)報(bào)，龍井43的預(yù)報(bào)開(kāi)采期年日序分別為71.6和71.3，分別比調(diào)查日期偏早1.4d和1.7d；龍井群體種的預(yù)報(bào)開(kāi)采期年日序分別為84.6和84.4，分別比調(diào)查日期偏早1.4d和偏晚0.2d，試預(yù)報(bào)效果較理想。

2.3.3 集成預(yù)報(bào)模型

以2005?2016年積溫預(yù)報(bào)模型和逐步回歸預(yù)報(bào)模型預(yù)測(cè)的年日序作為自變量，開(kāi)采期年日序作為因變量，采用SPSS的多元線性回歸功能，分別構(gòu)建龍井43和龍井群體種的集成預(yù)報(bào)模型（表6）。

用集成預(yù)報(bào)模型預(yù)報(bào)結(jié)果對(duì)2005?2016年的龍井43和龍井群體種開(kāi)采期年日序進(jìn)行回代檢驗(yàn)，MAE分別為0.7d和1.1d，比積溫預(yù)報(bào)模型預(yù)報(bào)的MAE分別縮小了2.9d和1.7d，比逐步回歸預(yù)報(bào)模型預(yù)報(bào)的MAE分別縮小0.2d和0.3d，預(yù)報(bào)精度提高明顯。

對(duì)2017年和2018年進(jìn)行試預(yù)報(bào)，龍井43開(kāi)采期的預(yù)報(bào)年日序分別為75.4和73.1，分別比調(diào)查日期晚2.4d和0.1d，MAE比積溫預(yù)報(bào)模型縮小了1.2d，比逐步回歸預(yù)報(bào)模型縮小了0.3d；龍井群體種開(kāi)采期的預(yù)報(bào)年日序分別為85.1和84.7，比調(diào)查日期偏早0.9d和偏晚0.7d，MAE比積溫預(yù)報(bào)模型縮小了0.2d，與逐步回歸預(yù)報(bào)模型持平，預(yù)報(bào)精度有所提高。

表6 集成預(yù)報(bào)模型及預(yù)報(bào)結(jié)果（年日序）

3 結(jié)論與討論

3.1 結(jié)論

采用積溫預(yù)報(bào)模型預(yù)報(bào)西湖龍井茶開(kāi)采期時(shí)，活動(dòng)積溫的變異系數(shù)小于有效積溫，穩(wěn)定性更好，回代檢驗(yàn)和試預(yù)報(bào)的MAE小于4d，具有應(yīng)用價(jià)值。與姜燕敏等[9]的龍井43活動(dòng)積溫變異小的結(jié)果一致，與李旭群[12]的“茅山青峰”、“雨花”茶葉開(kāi)采期和3月活動(dòng)積溫線性相關(guān)的結(jié)果類似。

逐步回歸預(yù)報(bào)模型對(duì)西湖龍井茶開(kāi)采期預(yù)報(bào)的效果理想，回代檢驗(yàn)和試預(yù)報(bào)的MAE小于2d，具有生產(chǎn)應(yīng)用價(jià)值。初選因子表明，溫度對(duì)茶葉開(kāi)采期起關(guān)鍵作用，其次是降水，日照的影響不顯著。這與金志鳳等[4]的浙江茶葉生產(chǎn)中溫度適宜度優(yōu)于降水適宜度，降水適宜度優(yōu)于光照適宜度的結(jié)論符合；與李湘閣等[22]的早春低溫使茶芽萌動(dòng)延遲，生育減慢的研究結(jié)果一致。

集成預(yù)報(bào)模型的預(yù)報(bào)精度比積溫預(yù)報(bào)模型提高明顯，較逐步回歸預(yù)報(bào)模型有所提高，預(yù)報(bào)結(jié)果可應(yīng)用于生產(chǎn)服務(wù)。

3.2 討論

僅用積溫預(yù)報(bào)西湖龍井茶具有較大的不確定性，例如2007年龍井43開(kāi)采期和2016年龍井群體種開(kāi)采期的預(yù)報(bào)日期均比調(diào)查日期提前9d，這與肖靜等[23?24]的積溫預(yù)報(bào)具有不確定性的研究結(jié)果一致，在實(shí)際應(yīng)用中僅考慮積溫不能滿足服務(wù)生產(chǎn)的需要，考慮低溫等因子對(duì)茶樹(shù)萌芽的影響，可提高預(yù)報(bào)精度。

逐步回歸預(yù)報(bào)模型反映了不同氣象因子之間的相互依賴關(guān)系，建立了各因子之間的最優(yōu)關(guān)系模型，對(duì)龍井43和龍井群體種的預(yù)報(bào)效果較理想，預(yù)報(bào)模型引入的旬最低氣溫天數(shù)關(guān)鍵因子，驗(yàn)證了民間茶葉“凍一凍，縮一縮”的說(shuō)法，與楊亞軍等[21]茶樹(shù)可通過(guò)內(nèi)含物變化，適應(yīng)外界低溫逆境的結(jié)果一致。

集成預(yù)報(bào)模型由不同的預(yù)報(bào)方法融合而成，克服了單一模型的不確定性和不穩(wěn)定，提高了西湖龍井茶開(kāi)采期的預(yù)報(bào)精度，滿足了業(yè)務(wù)服務(wù)需要，可為茶客購(gòu)買茶葉、茶農(nóng)安排生產(chǎn)和政府安排活動(dòng)提供依據(jù)。此外，遙感技術(shù)、作物模型在大宗作物生育期監(jiān)測(cè)中得到廣泛應(yīng)用[25]，遙感技術(shù)在橡膠等經(jīng)濟(jì)作物的物候期監(jiān)測(cè)中也得到應(yīng)用[26]，將遙感數(shù)據(jù)、作物模型、統(tǒng)計(jì)模型、積溫模型等集成，可以實(shí)現(xiàn)不同類型信息的優(yōu)勢(shì)互補(bǔ)[27?28]，未來(lái)可繼續(xù)開(kāi)展模型融合技術(shù)的研究。

本研究的樣本數(shù)量較少，預(yù)報(bào)模型還有較大的不確定性，在實(shí)際應(yīng)用中，可隨著樣本數(shù)的增加，不斷調(diào)試模型，提高預(yù)報(bào)精度。

從杭州國(guó)家基準(zhǔn)氣候站1951年以來(lái)的數(shù)據(jù)分析，2月下旬≤1℃和≤0℃的低溫天數(shù)均呈減少趨勢(shì)，3月上旬的旬平均最低氣溫呈上升趨勢(shì)，西湖龍井茶的開(kāi)采期將有所提前，低溫對(duì)西湖龍井茶生產(chǎn)的影響將加強(qiáng)，需要加強(qiáng)霜凍等天氣防范。該結(jié)果與朱媛君等[29]的氣候變暖，春夏季物候期提前的研究結(jié)果一致。

[1] 翁昆,許燕君,沈紅,等.GH/T 1115-2015 西湖龍井茶[S].北京:中華全國(guó)供銷合作總社,2015.

Weng K,Xu Y J,Shen H,et al.GH/T 1115-2015 Xihulongjing tea[S].Beijing:All China Federation of Supply and Marketing Cooperatives,2015.(in Chinese)

[2] 黃壽波.茶樹(shù)生長(zhǎng)的農(nóng)業(yè)氣象指標(biāo)[J].農(nóng)業(yè)氣象,1981,(3): 54-58．

Huang S B.Agrometeorological index for the growth of tea[J].Chinese Journal of Agrometeorology,1981,(3):54-58.(in Chinese)

[3] 黃壽波.氣象因子與茶樹(shù)生育、產(chǎn)量、品質(zhì)的關(guān)系[J].中國(guó)農(nóng)業(yè)科學(xué),1986,(4):96．

Huang S B.The relationship between meteorological factors and tea fertility,yield and quality[J].Scientia Agricultura Sinica,1986,(4):96.(in Chinese)

[4] 金志鳳,葉建剛,楊再?gòu)?qiáng),等.浙江省茶葉生長(zhǎng)的氣候適宜性[J].應(yīng)用生態(tài)學(xué)報(bào),2014,25(4):967-973.

Jin Z F,Ye J G,Yang Z Q,et al.Climate suitability for tea growing in Zhejiang Province[J].Chinese Journal of Applied Ecology,2014,25(4):967- 973.(in Chinese)

[5] 金志鳳,胡波,嚴(yán)甲真,等.浙江省茶葉農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)[J].生態(tài)學(xué)雜志,2014,33(3):771-777.

Jin Z F,Hu B,Yan J Z,et al.Agro-meteorological disaster risk evaluation of tea planting in Zhejiang province[J].Chinese Journal of Ecology,2014,33(3):771-777.(in Chinese)

[6] 葉彩華,周孝煌,姜會(huì)飛,等.下限溫度對(duì)北京櫻花盛花始期模擬效果的影響[J].中國(guó)農(nóng)業(yè)氣象,2018,39(1):1-8.

Ye C H,Zhou X H,Jiang H F,et al.Impacts of different base temperature on simulation effect of beginning flowering date of Prunus discoidea in Beijing[J].Chinese Journal of Agrometeorology,2018,39(1):1-8.(in Chinese)

[7] 郁珍艷,高大偉,吳利紅,等.氣象條件對(duì)浙江省泡桐物候期的影響研究[J].氣象科學(xué),2014,34(6):666-671．

Yu Z Y,Gao D W,Wu L H,et al.Influence of weather conditions onphenological period in Zhejiang province[J].Meteorological Science and Technology,2014, 34(6):666-671.(in Chinese)

[8] 姚日升,涂小萍,丁燁毅,等.寧波桃樹(shù)花期預(yù)報(bào)方法[J].氣象科技,2014,42(1):180-186.

Yao R S,Tu X P,Ding Y Y,et al.A method for forecasting peach flowering in Ningbo[J].Meteorological Science and Technology,2014,42(1):180-186.(in Chinese)

[9] 姜燕敏,金志鳳,李松平,等.浙南春茶開(kāi)采前后氣象條件分析及開(kāi)采期預(yù)報(bào)[J].中國(guó)農(nóng)業(yè)氣象,2015,36(2):212-219.

Jiang Y M,Jin Z F,Li S P,et al.Meteorological conditions analysis and prediction model establishment on spring tea first plucking date in south Zhejiang[J].Chinese Journal of Agrometeorology,2015,36(2):212-219.(in Chinese)

[10] 郭建平,莊立偉,陳玥熤.東北玉米熱量指數(shù)預(yù)測(cè)方法研究(Ⅱ):逐步回歸預(yù)測(cè)方法[J].災(zāi)害學(xué),2009,24(4):11-14.

Guo J P,Zhuang L W,Chen Y Y.Study on forecasting method of corn heat index in northeastern China(Ⅱ):stepwise regression model[J].Journal of Catastrophology,2009,24(4): 11-14.(in Chinese)

[11] 姜潤(rùn),錢半噸,蔣文妍,等.‘白葉1號(hào)’茶樹(shù)品種在溧陽(yáng)開(kāi)采期預(yù)測(cè)研究[J].茶葉,2014,40(3):134-137.

Jiang R,Qian B D,Jiang W Y,et al.Forecast of first plucking date of white tea cultivar‘White Leaf 1’in Liyang[J].Journal of Tea,2014,40(3):134-137.(in Chinese)

[12] 李旭群.雨前“茅山青峰”、“雨花”茶開(kāi)采期預(yù)報(bào)方法[J].中國(guó)農(nóng)業(yè)氣象,1990,11(2):59-61．

Li X Q.The prediction method of first plucking date for Maoshan Qingfeng and Yuhua tea before rain[J].Chinese Journal of Agrometeorology,1990,11(2):59-61.(in Chinese)

[13] 張玲,智協(xié)飛.2008年初中國(guó)南方冰凍雨雪天氣的多模式集成預(yù)報(bào)[J].熱帶氣象學(xué)報(bào),2013,29(3):393-402．

Zhang L,Zhi X F.Multimodel ensemble forecasting of low temperature and icy weather over central and southern China during early 2008[J].Journal of Tropical Meteorology,2013, 29(3):393-402.(in Chinese)

[14] 張涵斌,智協(xié)飛,王亞男,等.基于TIGGE資料的西太平洋熱帶氣旋多模式集成預(yù)報(bào)方法比較[J].氣象,2015,41(9): 1058-1067.

Zhang H B,Zhi X F,Wang Y N,et al.Comparison of multimodel ensemble methods for western pacific tropical cyclone forecast based on TIGGE data[J].Meteorological Monthly,2015,41(9):1058-1067.(in Chinese)

[15] 熊聰聰,耿世潔,董昊,等.基于混合算法的降水集成預(yù)報(bào)研究[J].計(jì)算機(jī)工程與科學(xué),2016,38(10):2147-2152.

Xiong C C,Geng S J,Dong H.Integrated precipitation forecast based on hybrid algorithms[J].Computer Engineering& Science,2016, 38(10):2147-2152. (in Chinese)

[16] 宋迎波,楊霏云,鄭昌玲,等.美國(guó)玉米產(chǎn)量業(yè)務(wù)預(yù)報(bào)方法研究[J].中國(guó)農(nóng)業(yè)氣象,2008,29(4):446-449.

Song Y B,Yang F Y,Zheng C L,et al.Research on operational forecast methods of corn yields in the United States of America(USA)[J].Chinese Journal of Agrometeorology,2008, 29(4):446-449.(in Chinese)

[17] 邱美娟,宋迎波,王建林,等.山東省冬小麥產(chǎn)量動(dòng)態(tài)集成預(yù)報(bào)方法[J].應(yīng)用氣象學(xué),2016,27(2):191-200.

Qiu M J,Song Y B,Wang J L,et al.Integrated technology of yield dynamic prediction of winter wheat in Shandong province[J].Journal of Applied Meteorological Science,2016, 27(2):191-200.(in Chinese)

[18] 楊棟,丁燁毅,金志鳳,等.浙江水蜜桃成熟期集合預(yù)報(bào)模型[J].中國(guó)農(nóng)業(yè)氣象,2018,39(6):421-430.

Yang D,Ding Y Y,Jin Z F,et al.Collection model for maturity forecasting of juicy peach in Zhejiang province[J].Chinese Journal of Agrometeorology,2018,39(6):421-430.(in Chinese)

[19] 楊亞軍,鄭雷英,王新超等.冷馴化和ABA對(duì)茶樹(shù)抗寒力及其體內(nèi)脯氨酸含量的影響[J].茶葉科學(xué),2004,24(3): 177-182．

Yang Y J,Zheng L Y,Wang X C,et al.Effect of cold acclimation and ABA on cold hardiness,contents of proline in tea plants[J].Journal of Tea Science,2004,24(3):177-182. (in Chinese)

[20] 唐湖,郝心愿,王璐,等.茶樹(shù)越冬芽在休眠與萌發(fā)時(shí)期的物質(zhì)交流變化及其分子調(diào)控[J].作物學(xué)報(bào),2017,43(5): 669-677.

Tang H,Hao X Y,Wang L,et al.Molecular regulation and substance exchange dynamics at dormancy and budbreak stages in overwintering buds of tea plant[J]. Acta Agronomica Sinica,2017,43(5):669-677.(in Chinese)

[21] 楊亞軍,鄭雷英,王新超.低溫對(duì)茶樹(shù)葉片膜脂脂肪酸和蛋白質(zhì)的影響[J].亞熱帶植物科學(xué),2005,34(1):5-9．

Yang Y J,Zheng L Y,Wang X C.Changes of membrane fatty acid composition and protein in tea leaves at low temperature[J].Subtropical Plant Science,2005,34(1):5-9.(in Chinese)

[22] 李湘閣,閔慶文,余衛(wèi)東.南京地區(qū)茶樹(shù)生長(zhǎng)氣候適應(yīng)性研究[J].南京氣象學(xué)院學(xué)報(bào),1995,18(4):572-577.

Li X G,Min Q W,Yu W D.Study of climate adaptability of tea plants in Nanjing Area[J].Journal of Nanjing Institute of Meteorology,1995,18(4):572-577.(in Chinese)

[23] 肖靜,李楠,姜會(huì)飛.作物發(fā)育期積溫計(jì)算方法及其穩(wěn)定性[J].氣象研究與應(yīng)用,2010,31(2):64-67.

Xiao J,Li N,Jiang H F.Calculation and stability of accumulated temperatures in the growing season of winter wheat[J].Journal of Meteorological Research and Application,2010,31(2):64-67.(in Chinese)

[24] Vinocur M G,Ritchie J T.Maize leaf development biases caused by Air-Apex temperature differences[J].Agronomy Journal,2001,93:767-772.

[25] 宮詔健,劉利民,陳杰,等.基于MODIS NDVI數(shù)據(jù)的遼寧省春玉米物候期提取研究[J].沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào),2018,49(3): 257-265.

Gong Z J,Liu L M,Chen J,et al.Phenophase extraction of spring maize in Liaoning province based on MODIS NDVI data[J].Journal of Shenyang Agricultural University,2018, 49(3):257-265.(in Chinese)

[26] 陳小敏,陳匯林,李偉光,等.海南島天然橡膠林春季物候期的遙感監(jiān)測(cè)[J].中國(guó)農(nóng)業(yè)氣象,2016,37(1):111-116.

Chen X M,Chen H L,Li W G,et al.Remote sensing monitoring of spring phenophase of natural rubber forest in Hainan Province[J].Chinese Journal of Agrometeorology, 2016,37(1):111-116.(in Chinese)

[27] 易雪,王建林,宋迎波,等.早稻產(chǎn)量動(dòng)態(tài)繼承預(yù)報(bào)方法研究[J].中國(guó)水稻科學(xué),2011,25(3):307-313.

Yi X,Wang J L,Song Y B,et al.Study on dynamic integrated prediction of early rice yield[J].Chin J Rice Sci,2011, 25(3):307-313.(in Chinese)

[28] 李存軍,王紀(jì)華,王嫻,等.遙感數(shù)據(jù)和作物模型集成方法與應(yīng)用前景[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(11):295-301.

Li C J,Wang J H,Wang X,et al.Methods for integration of remote sensing data and crop model and their prospects in agricultural application[J].Transactions of CSAE,2008, 24(11):295-301.(in Chinese)

[29] 朱媛君,郝琦,清華,等.呼和浩特自然歷主要物候期和物候季節(jié)變化特征及歸因[J].中國(guó)農(nóng)業(yè)氣象,2017,38(1):9-20.

Zhu Y J,Hao Q,Qing H,et al.Changes of main phenophases of natural calendar and phenological seasons in Hohhot[J].Chinese Journal of Agrometeorology,2017,38(1): 9-20.(in Chinese)

Research on the Factors of Xihulongjing Tea Picking Date and Its Prediction Model

ZHU Lan-juan1, JIN Zhi-feng2, ZHANG Yu-jing1, WANG Zhi-hai2, LIU Min1, FAN Liao-sheng1

（1. Hangzhou Meteorological Bureau, Hangzhou 310051, China；2. Zhejiang Climate Center, Hangzhou 310017）

s: Based on the picking date of the main species of Xihulongjing Tea (Longjing43 and Longjingqunti) and its meteorological data, the accumulated temperature prediction model and the stepwise regression prediction model of Xihulongjing tea were constructed by using accumulated temperature and stepwise regression method, also the prediction of multiple regression ensemble method was integrated by these two prediction results, using the multiple linear regression method. The results showed that the accumulated temperature prediction model, stepwise regression prediction model and integrated prediction model all passed the significance test of P<0.01. The simulated mean absolute error（MAE） of accumulated temperature prediction model were 3.6d and 2.8d, while the prediction MAE of 2-year test prediction were 2.5d and 1.0d for Longjing43 and Longjingqunti respectively. In addition, the simulated MAE of stepwise regression analysis were 0.9d and 1.4d, the prediction MAE of 2-year test prediction were 1.6d and 0.8d for Longjing43 and Longjingqunti separately. The prediction of multiple regression ensemble method was more accurate than single method with the simulated MAE value were 0.7d and 1.1d ,while the prediction MAE of 2-year test prediction were 1.3d and 0.8d, the prediction of multiple regression ensemble method would provide more scientific support for guiding tea production. These three forecasting models are of practical value for the prediction of the picking up period of Xihulongjing tea. The prediction of multiple regression ensemble method is more ideal and with more practical application value than accumulated temperature forecasting model and stepwise regression analysis model.

Xihulongjing tea; Picking date; Phenophase; Meteorological factors; Prediction; Ensemble method

10.3969/j.issn.1000-6362.2019.03.003

朱蘭娟,金志鳳,張玉靜,等.西湖龍井茶開(kāi)采期影響因子及預(yù)報(bào)模型[J].中國(guó)農(nóng)業(yè)氣象,2019,40(3):159-169

2018-09-13

浙江省氣象科技計(jì)劃項(xiàng)目（2015C02048；2017ZD10）；杭州市氣象科技計(jì)劃項(xiàng)目（QX201503）

朱蘭娟（1969-），女，高級(jí)工程師，主要從事農(nóng)業(yè)氣象服務(wù)研究工作。E-mail: 463339804@qq.com