天目湖白茶開采期預(yù)測

錢半噸，楊 明，徐玉琴，林 磊，任義方

（1.溧陽市氣象局，江蘇溧陽 213300；2.溧陽市現(xiàn)代農(nóng)業(yè)（茶葉）科技綜合示范基地，江蘇溧陽 213300；3.常州市氣象局，江蘇常州 213000；4.江蘇省氣候中心，南京 210009）

溧陽市地處長江三角洲地區(qū)的江蘇省南部，屬亞熱帶季風(fēng)氣候，氣候溫和濕潤，是白茶生長較適宜的地區(qū)［1］。截至2021 年，溧陽市白茶種植面積達(dá)3 000 hm2。天目湖白茶作為溧陽市茶葉的區(qū)域公用品牌，已成為溧陽市茶產(chǎn)業(yè)發(fā)展的支柱品牌，年產(chǎn)值達(dá)12 億元。白茶在春季生產(chǎn)過程中，受全球氣候變暖影響，低溫霜凍、連陰雨等極端天氣不斷出現(xiàn)，對茶葉開采等生產(chǎn)過程帶來不利影響［2］。茶葉開采早晚直接關(guān)系著茶葉的品質(zhì)和市場價(jià)格，因此，精準(zhǔn)預(yù)測開采期至關(guān)重要。

有學(xué)者研究認(rèn)為，影響開采期的主要因素有氣象條件、土壤條件、茶樹品種特性和田間管理等［3-6］。對于溧陽市茶園而言，土壤條件、茶樹品種基本固定、田間管理基本相同，氣象因子的變化是影響天目湖白茶開采期的主要因素［7］。陳榮冰［8］的研究表明，上年12 月至春茶開采期的不同時(shí)段平均氣溫、日照時(shí)數(shù)和降水量對不同品種茶樹的開采期影響程度不同。施國富等［9］通過研究導(dǎo)致富陽早茶開采期推遲的不同天氣類型，分別建立了相對應(yīng)的開采期積溫預(yù)報(bào)模型。李旭群［10］通過構(gòu)建溫濕隸屬函數(shù)和低溫凍害隸屬函數(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”的開采期。姜燕敏等［11］將春茶開采期日序與氣象要素進(jìn)行逐步回歸分析，構(gòu)建長期與中期開采預(yù)報(bào)模型，將平均氣溫、相對濕度、降水量和日照時(shí)數(shù)等關(guān)鍵氣象因子結(jié)合活動(dòng)積溫和有效積溫對浙南春茶開采期進(jìn)行預(yù)報(bào)。楊愛萍等［12］利用2014—2018 年1 月平均氣溫、1 月雨日數(shù)滑動(dòng)平均值作為關(guān)鍵氣象因子，對常規(guī)關(guān)鍵氣象因子開采期預(yù)測法進(jìn)行改進(jìn)，預(yù)報(bào)效果更好。朱蘭娟等［13，14］將積溫預(yù)報(bào)法與逐步回歸方法預(yù)報(bào)值進(jìn)行集成，構(gòu)建西湖龍井開采期集成預(yù)報(bào)模型，預(yù)報(bào)效果更理想；同時(shí)，通過研究低溫與西湖龍井開采時(shí)間關(guān)系，利用2 月中旬、下旬Tmin≤2 ℃的低溫天數(shù)預(yù)報(bào)西湖龍井的開采期、洪峰期，平均絕對誤差在1.7～3.4 d，具有實(shí)際應(yīng)用價(jià)值。

早春時(shí)節(jié)氣溫變化波動(dòng)大，加之氣候變化等因素的影響，造成溧陽市本地原有開采期積溫法［15］預(yù)測結(jié)果與生產(chǎn)實(shí)際有較大偏差，茶園需根據(jù)茶葉開采期提前組織安排生產(chǎn)活動(dòng)。因此，茶葉種植單位和茶農(nóng)、政府對開采期預(yù)測在時(shí)效性和準(zhǔn)確性上有了更高的要求。本研究在借鑒相關(guān)研究成果的基礎(chǔ)上，以天目湖白茶開采期為研究對象，基于2007—2022 年溧陽市天目湖白茶開采期資料和同期氣溫、降水量、降水日數(shù)、日照時(shí)數(shù)、空氣濕度等氣象資料，篩選關(guān)鍵氣象因子，運(yùn)用數(shù)理統(tǒng)計(jì)方法分別構(gòu)建遠(yuǎn)期、臨近以及集成預(yù)測模型，并檢驗(yàn)?zāi)Ｐ皖A(yù)報(bào)效果，進(jìn)而提高本地開采期預(yù)測時(shí)效性和準(zhǔn)確性，以期為保障茶葉優(yōu)質(zhì)生產(chǎn)提供科學(xué)依據(jù)。

1 資料與方法

1.1 資料來源

茶葉開采期資料來源于溧陽市現(xiàn)代農(nóng)業(yè)（茶葉）科技綜合示范基地2007—2022 年天目湖白茶開采日期，以溧陽市1/3 以上茶園進(jìn)行白茶采摘的日期定為開采期首日。

氣象觀測資料來源于溧陽國家基本氣象站2006 年12 月至2022 年3 月的逐日氣象資料，氣象要素包含日平均氣溫、日最高氣溫、日最低氣溫、日降水量、日照時(shí)數(shù)和相對濕度。

1.2 資料處理與分析方法

1.2.1 氣象因子初選 采用儒略日（Julian days）換算方法，將茶葉開采日期轉(zhuǎn)化為日序數(shù)，即每年的1 月1 日記為1，1 月2 日記為2，依此類推。選取2007—2020 年逐月（上年12 月至當(dāng)年3 月，下同）、逐旬（上年12 月上旬至當(dāng)年3 月下旬，下同）平均氣溫、平均最高氣溫、平均最低氣溫、降水量、降水日數(shù)、日照時(shí)數(shù)、平均相對濕度、低溫天數(shù)（日最低氣溫≤4 ℃，…，≤-2 ℃的低溫日數(shù)、日平均氣溫≤5 ℃，…，≤0 ℃的低溫日數(shù)，下同）等為氣象因子，其中降水日數(shù)為日降水量≥0.1 mm 的日數(shù)；因天目湖白茶2 月底至3 月初萌芽，分別選取2 月下旬至開采期前一日、3 月至開采期前一日日平均氣溫下限溫度分別≥2 ℃，…，≥10 ℃的活動(dòng)積溫和有效積溫為氣象因子。通過計(jì)算上述氣象因子與開采期日序值相關(guān)系數(shù)，將皮爾遜相關(guān)系數(shù)絕對值較大且通過顯著性水平檢驗(yàn)的關(guān)鍵氣象因子作為初選因子。

1.2.2 天目湖白茶開采期預(yù)測模型的構(gòu)建

1）遠(yuǎn)期、臨近預(yù)測模型的構(gòu)建。分別利用已有實(shí)況資料、長期或中長期預(yù)報(bào)值的初選因子和開采日序值導(dǎo)入SPSS 軟件，利用逐步回歸方法建立天目湖白茶開采期預(yù)報(bào)方程，選取預(yù)報(bào)效果好的方程分別作為遠(yuǎn)期、臨近預(yù)測模型。

2）集成預(yù)測模型的構(gòu)建。對遠(yuǎn)期預(yù)測模型和臨近預(yù)測模型進(jìn)行集成，具體做法為，將開采期日序值作為因變量，遠(yuǎn)期、臨近預(yù)測模型的預(yù)測結(jié)果作為自變量，利用SPSS 軟件的多元線性回歸功能構(gòu)建集成預(yù)測模型。

2 結(jié)果與分析

2.1 歷年開采期概況

天目湖白茶2007—2022 年開采期主要出現(xiàn)在3 月下旬至4 月上旬（圖1），歷年平均開采期為4 月1日，2021 年開采日最早，為3 月25 日；2011 年、2013年最晚，為4 月9 日。2018 年以來，茶葉均在3 月底進(jìn)行開采，整體開采期呈提前趨勢。

圖1 2007—2022 年天目湖白茶開采期年際變化

2.2 影響天目湖白茶開采期氣象因子的篩選結(jié)果

分別統(tǒng)計(jì)2007—2020 年逐月、逐旬平均氣溫、平均最高氣溫、平均最低氣溫、降水量、降水日數(shù)、日照時(shí)數(shù)、平均相對濕度、低溫天數(shù)、2 月下旬至開采期前一日、3 月至開采期前一日日平均氣溫下限溫度分別≥2 ℃，…，≥10 ℃的活動(dòng)積溫和有效積溫等氣象因子，與開采期日序值進(jìn)行相關(guān)性分析，篩選出通過0.01 水平顯著性檢驗(yàn)的氣象因子作為初選因子（表1）。

表1 與天目湖白茶開采期日序值相關(guān)顯著的氣象因子篩選結(jié)果

從初選因子的時(shí)段看，天目湖白茶初選因子的時(shí)段主要分布在上年12 月至當(dāng)年1 月、3 月，其中上年12 月和當(dāng)年1 月主要影響茶樹的休眠期，2 月下旬至3 月主要影響茶芽的萌動(dòng)生長期。

從初選因子的要素看，與天目湖白茶開采期密切相關(guān)的氣象要素主要為溫度，其次為相對濕度。溫度方面主要包括平均氣溫、平均最低氣溫、日最低氣溫不同界限的低溫日數(shù)和日平均氣溫不同界限的低溫日數(shù)、不同界限和不同起始時(shí)段的活動(dòng)積溫和有效積溫。其中茶樹休眠期的低溫日數(shù)與開采期呈顯著正相關(guān)，表明低溫天數(shù)偏少，開采時(shí)間提前，低溫天數(shù)偏多，開采時(shí)間延后，這與朱蘭娟等［14］的研究結(jié)果一致。3 月氣溫，特別是3 月下旬氣溫與開采期呈顯著負(fù)相關(guān)，3 月茶樹萌動(dòng)出芽，溫度偏高，茶芽長勢加快，開采期提前，這種趨勢呈現(xiàn)越臨近茶葉開采期，溫度影響越大。積溫與開采期呈顯著正相關(guān)，茶樹萌動(dòng)出芽至開采期，其所需積溫越多，表明該段時(shí)間氣溫相對偏低，茶芽長勢減慢，以致開采期推遲，這與姜燕敏等［11］隨著茶葉采摘期的延后，積溫也逐步增加的觀點(diǎn)相一致。相對濕度對開采期的影響時(shí)段主要為12 月上旬，與開采期呈顯著負(fù)相關(guān)，表明濕度越大，茶葉開采期相對提前。

2.3 開采期預(yù)測模型及檢驗(yàn)

2.3.1 遠(yuǎn)期預(yù)測模型的構(gòu)建 利用已有實(shí)況資料，以2007—2020 年上年12 月至當(dāng)年1 月的初選因子作為自變量，開采期日序值作為因變量，導(dǎo)入SPSS軟件，利用軟件逐步回歸分析功能，構(gòu)建白葉1 號的遠(yuǎn)期開采期預(yù)測模型（R2=0.727，P＜0.01）。

式中，Y1為天目湖白茶開采日序值。

從遠(yuǎn)期預(yù)測模型來看，上年12 月上旬平均相對濕度、當(dāng)年1 月上旬日最低氣溫≤-2 ℃的低溫日數(shù)、1 月上旬日平均氣溫≤1 ℃的低溫日數(shù)是影響天目湖白茶開采期的關(guān)鍵氣象因子，因此，該模型在1 月中旬就可以利用已有氣象數(shù)據(jù)對當(dāng)年開采期進(jìn)行預(yù)測。

2.3.2 臨近預(yù)測模型的構(gòu)建 利用長期或中長期數(shù)值預(yù)報(bào)結(jié)果，以2007—2020 年3 月的初選因子作為自變量，開采期日序值作為因變量，導(dǎo)入SPSS 軟件，利用軟件逐步回歸分析功能，構(gòu)建天目湖的臨近開采期預(yù)測模型（R2=0.972，P＜0.01）。

式中，Y2為天目湖白茶開采日序值。

從臨近預(yù)測模型來看，3 月平均最低氣溫、3 月至開采期前一日≥2 ℃的活動(dòng)積溫是影響天目湖白茶開采期的關(guān)鍵氣象因子，因此，模型適用起始時(shí)間為3 月初。隨著距離開采期時(shí)間的縮短，可利用3 月前期實(shí)況數(shù)據(jù)以及數(shù)值預(yù)報(bào)時(shí)效，隨時(shí)調(diào)整開采期預(yù)報(bào)值，優(yōu)化預(yù)報(bào)結(jié)果。對于該公式的計(jì)算，由于沒有給定3 月至開采期前一日≥2 ℃的活動(dòng)積溫的具體值，需要通過每日平均氣溫的逐日累加帶入公式不斷嘗試，才能確定Y2。

為了計(jì)算方便，假設(shè)t為3 月1 日起算的開采期日序值，即3 月1 日為1，3 月2 日為2，…，開采期為t，則Y2為1 月天數(shù)加2 月天數(shù)加3 月起算至開采期天數(shù)，即Y2=31+28（29）+t；假設(shè)3 月1 日起日平均氣溫均≥2 ℃，為3 月1 日至開采期前一日的平均氣溫，則X12=（t-1），模型（2）可以轉(zhuǎn)換為：

式中，3 月平均最低氣溫X9以及3 月1 日至開采期前一日的平均氣溫-T是可以預(yù)測的具體值，計(jì)算得出t值，即計(jì)算出開采期。

2.3.3 集成預(yù)測模型的構(gòu)建 將2007—2020 年模型Y1和Y2的預(yù)測值作為因子，將2007—2020 的開采期日序值作為因變量，導(dǎo)入SPSS 軟件，利用軟件逐步回歸分析功能，構(gòu)建天目湖白茶的集成預(yù)測模型（R2=0.972，P＜0.01）。

式中，Y3為天目湖白茶開采日序值。

2.3.4 模型檢驗(yàn) 分別用3 種預(yù)測模型對2007—2020年天目湖白茶開采期日序值進(jìn)行回代檢驗(yàn)（表2），遠(yuǎn)期預(yù)測結(jié)果與實(shí)際誤差絕對值在5 d 以內(nèi)，誤差絕對值≤2 d 的占比達(dá)64.3%，臨近和集成預(yù)測結(jié)果與實(shí)際誤差絕對值在2 d 以內(nèi)，誤差絕對值≤1 d 的占比達(dá)85.7%，說明臨近和集成預(yù)測模型擬合效果較好。

表2 3 種預(yù)測模型預(yù)測結(jié)果（日序值）及誤差

分別用3 種預(yù)測模型對2021—2022 年天目湖白茶開采期日序值進(jìn)行試預(yù)報(bào)，其中2021 年遠(yuǎn)期預(yù)測結(jié)果較實(shí)際偏晚12.8 d，臨近及集成預(yù)測結(jié)果比實(shí)際分別偏早1.2、1.0 d，說明后2 種模型預(yù)測效果較好；2022 年遠(yuǎn)期預(yù)測結(jié)果偏晚2.6 d，臨近和集成預(yù)測結(jié)果比實(shí)際分別偏晚0.2、0.1 d，說明3 種模型預(yù)測效果都較好。

計(jì)算2007—2022 年3 種模型預(yù)測結(jié)果與實(shí)際值的均方差，分別為14.57、0.49、0.47，表明集成預(yù)測模型較遠(yuǎn)期預(yù)測模型提高明顯，較臨近預(yù)測模型略有提高，但差別不大。實(shí)際應(yīng)用中，臨近預(yù)測模型和集成預(yù)測模型可選一種進(jìn)行預(yù)測，預(yù)報(bào)結(jié)果可用于生產(chǎn)服務(wù)。

對遠(yuǎn)期預(yù)測誤差絕對值≥3.5 d 進(jìn)行分析，2012年2 月下旬至3 月13 日氣溫偏低，日平均氣溫均低于8 ℃，茶葉萌動(dòng)出芽晚，開采期比預(yù)測值偏晚3.5 d；2017 年3 月整體氣溫偏低，共有15 d 日均溫低于10 ℃，茶芽長勢較慢，開采期比預(yù)測值偏晚4.5 d；2021 年1 月下旬起尤其是2 月氣溫異常偏高，導(dǎo)致茶樹提前萌動(dòng)出芽，較常年偏早8～9 d，進(jìn)而開采期比預(yù)測值偏早12.8 d。

3 小結(jié)與討論

3.1 小結(jié)

1）根據(jù)2007—2022 年天目湖白茶開采期資料與同期氣象資料分析，上年12 月上旬平均相對濕度、當(dāng)年1 月低溫日數(shù)、3 月平均最低氣溫以及3 月至開采期前一日≥2 ℃的活動(dòng)積溫是影響開采期的關(guān)鍵氣象因子，與2 月氣象要素?zé)o關(guān)或關(guān)系較小，氣象因素對開采期的影響主要表現(xiàn)在溫度方面，隨著全球氣候變暖，天目湖白茶開采期也呈提前趨勢。同時(shí)，極端天氣變化給遠(yuǎn)期預(yù)測結(jié)果帶來了較大的不確定性，在生產(chǎn)實(shí)際中，可根據(jù)2 月氣溫預(yù)報(bào)對遠(yuǎn)期預(yù)測結(jié)果進(jìn)行調(diào)整，2 月氣溫偏高，則茶芽萌動(dòng)出芽早，開采期相應(yīng)提前。

2）天目湖白茶開采期臨近預(yù)測模型和集成預(yù)測模型預(yù)測準(zhǔn)確較高，絕對誤差值在2 d 以內(nèi)，但對數(shù)值預(yù)報(bào)依賴較高，其準(zhǔn)確性隨著預(yù)報(bào)時(shí)效的縮短而逐步提高，越臨近開采期，預(yù)報(bào)準(zhǔn)確率越高，但隨著預(yù)報(bào)時(shí)效的縮短，預(yù)報(bào)的實(shí)用價(jià)值也隨之下降。數(shù)值模式預(yù)報(bào)產(chǎn)品預(yù)報(bào)時(shí)效最長為240 h，可以較開采期提前10 d 準(zhǔn)確預(yù)測，誤差在1 d 左右。

3）天目湖白茶集成預(yù)測模型由不同預(yù)報(bào)方法融合而成，但與臨近預(yù)測模型相關(guān)性較大（P＜0.01），因此其預(yù)測結(jié)果與臨近預(yù)測模型預(yù)測結(jié)果基本一致，可直接選用臨近預(yù)測模型進(jìn)行預(yù)測?？稍? 月中旬對開采期進(jìn)行遠(yuǎn)期預(yù)測，在2 月中旬根據(jù)氣溫變化及預(yù)報(bào)對遠(yuǎn)期預(yù)測結(jié)果進(jìn)行調(diào)整，3 月初利用臨近預(yù)測模型進(jìn)行開采期預(yù)測，越臨近開采期，預(yù)測效果越好。

3.2 討論

選用2007—2022 年天目湖白茶開采期數(shù)據(jù)構(gòu)建的預(yù)測模型，年數(shù)相對較短，且隨著全球氣候變暖，極端氣候事件頻發(fā)，影響開采期的關(guān)鍵氣象因子可能發(fā)生調(diào)整，因此，在以后的實(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。