Construction of Flue-cured Tobacco Yield Forecast Model in Xiangxi Autonomous Prefecture Based on Key Meteorological Factors

HE Na, FAN Yuxian, YUAN Xiaokang, ZHANG Mingfa, ZHANG Sheng

PDF(1233 KB)
PDF(1233 KB)
Chinese Agricultural Science Bulletin ›› 2023, Vol. 39 ›› Issue (24) : 96-102. DOI: 10.11924/j.issn.1000-6850.casb2022-0794

Construction of Flue-cured Tobacco Yield Forecast Model in Xiangxi Autonomous Prefecture Based on Key Meteorological Factors

Author information +
History +

Abstract

To provide scientific basis for decision-making and management of flue-cured tobacco production, the yield forecast model of flue-cured tobacco was studied. Based on the yield data and meteorological observation data of two main flue-cured tobacco varieties ‘Yunyan 87’ and ‘Xiangyan 7’ in the middle altitude area of Xiangxi Autonomous Prefecture, Hunan Province from 2019 to 2021, correlation analysis was carried out between yield data and meteorological data in different growth stages to find out the key meteorological factors which affected yield, and stepwise regression was made between yield and key meteorological factors. Finally, the yield forecast models of flue-cured tobacco were established, and were tested by independent data. The results showed that the key meteorological factors which affected the yield of ‘Yunyan 87’ flue-cured tobacco were the average relative humidity in the prosperous mature period, the number of dry days in 50 days of the mature period, and the precipitation in 51-60 days after the prosperous mature period. The main meteorological factors which affected the yield of ‘Xiangyan 7’ flue-cured tobacco were the number of dry days in 50 days of the mature period, the effective accumulated temperature of 13℃ in the prosperous mature period, and the average temperature in 61-70 days after transplanting. The accuracy rates of back generation test and forecast test of ‘Yunyan 87’ yield forecast model were 94.6% and 97.5%, respectively, and the accuracy rates of back generation test and forecast test of ‘Xiangyan 7’ yield forecast model were 96.7% and 89.6%, respectively.

Key words

Yunyan 87 / Xiangyan 7 / key meteorological factors / flue-cured tobacco yield forecast / Xiangxi Autonomous Prefecture

Cite this article

Download Citations
HE Na , FAN Yuxian , YUAN Xiaokang , ZHANG Mingfa , ZHANG Sheng. Construction of Flue-cured Tobacco Yield Forecast Model in Xiangxi Autonomous Prefecture Based on Key Meteorological Factors. Chinese Agricultural Science Bulletin. 2023, 39(24): 96-102 https://doi.org/10.11924/j.issn.1000-6850.casb2022-0794

0 引言

烤烟是湘西自治州农业支柱产业之一,也是湘西州税收主要来源之一。受品种、土壤、栽培管理措施、气象等多因素的综合影响,烤烟生产是烟草产业链中最薄弱的环节[1]。近些年来,湘西烟区栽培管理技术趋于稳定,但年度间产量波动较大,主要是受气象因素的影响[2]。提出烤烟产量预测方法,对于烤烟生产决策具有重要的理论和现实意义。作物产量预报一直是国内外研究的热点,预测方法主要有关键气象因子法[3-4]、适宜指数[5]、丰歉指数法[6]、季节性气候预测[7]和基于作物生长模型法[8]等,其中基于关键气象因子的产量预报方法预测精度较高,且模型参数易于获取,在产量预报中应用广泛[9],在烤烟产量预报方面,关键气象因子法同样是日常业务采用最多的方法[10],主要通过相关分析[11-12]、逐步回归[13-14]、多元线性回归[15]、灰色关联度法[16]、积分回归法[17]等筛选关键气象因子,构建产量预报模型。前人研究得出,江西烤烟产量受气温、降水量影响最大,日照时数和相对湿度次之[13];陕西安康烟区产量由伸根期日照时数,旺长期降水量、平均温度,采烤前期降水量、日照时数共同决定[14];四川凉山州生育期降水量、日照时数、平均气温、最高气温和最低气温为影响产量的关键气象因子[16];影响贵州道真县烤烟产量的主要气象因子是降雨量,其次是日照时数和气温[17];伸根期到脚叶成熟期的温度与光照,大田期整个生育期的平均温度是影响湖北环神龙架烟区产量的关键气象因子[18]。由于各地的气候差异和烤烟品种不同,影响烤烟产量的关键气象因子有明显的差异。本研究用数理统计方法,利用2019—2021年湘西中海拔地区2个主栽烤烟品种‘云烟87’和‘湘烟7号’的田间产量资料和平行气象观测资料,通过相关分析法找出影响产量的关键气象因子,利用关键气象因子法分别构建‘云烟87’和‘湘烟7号’的产量预报模型,以期为烤烟产量预报提供技术支撑。

1 材料与方法

1.1 试验设计

试验于2019—2021年在湖南省湘西自治州花垣县花垣镇湘西生态金叶科技园(海拔520 m)进行,试验地是湘西自治州典型的中海拔烤烟栽培区,地理坐标为东经109°27′21″,北纬28°31′37″,烤烟品种选用‘云烟87’和‘湘烟7号’,试验材料均在同一个育苗基地播种,采取漂浮式育苗,出苗后培育至壮苗,然后分5个不同移栽期进行移栽,两个品种各5个处理,每个处理相隔7 d,即分别于4月12日、4月19日、4月26日、5月3日和5月10日移栽,当地烤烟常年移栽日期是4月26日,移栽时的烟草叶龄为8~9片真叶,移栽期均3次重复,随机排列,试验小区面积为100.8 m2。各处理每小区施肥、栽培管理措施等都同当地烤烟常规生产完全相同。

1.2 气象资料来源

气象资料数据来源于花垣县气象局,包括花垣国家站2019—2021年4—9月逐日的平均气温(℃)、最高气温(℃)、最低气温(℃)、降水量(mm)、日照时数(h)、相对湿度(%)和气象灾害数据,不同移栽期对应的烤烟各生育期气象数据根据烤烟实际生长进度整理而得。

1.3 测定项目及方法

1.3.1 生育期观测

烤烟移栽后,按照烟草行业标准YC/T 142—2010《烟草农艺性状调查测量方法》观测记录不同移栽期对应的烤烟生育期,其中伸根期为移栽—团棵期,旺长期为团棵—现蕾期,成熟期为现蕾至采收结束,大田期为移栽—采收结束(表1)。
表1 ‘云烟87’、‘湘烟7号’2019—2021年生育期
年份 移栽期
(月-日)
品种 团棵期
(月-日)
现蕾期
(月-日)
采收末期
(月-日)
品种 团棵期
(月-日)
现蕾期
(月-日)
采收末期
(月-日)
2019 4-12 云烟87 5-12 6-3 8-2 湘烟7号 5-12 6-9 8-12
4-19 5-19 6-9 8-10 5-19 6-14 8-22
4-26 5-26 6-16 8-22 5-26 6-23 8-28
5-3 6-3 6-25 8-28 6-3 6-28 9-5
5-10 6-10 7-1 8-28 6-10 7-7 9-5
2020 4-12 5-16 6-7 8-16 5-16 6-7 8-18
4-19 5-21 6-13 8-21 5-21 6-13 8-21
4-26 5-27 6-20 8-27 5-27 6-20 8-27
5-3 6-5 6-25 9-3 6-5 6-25 9-3
5-10 6-12 7-1 9-8 6-12 7-1 9-11
2021 4-12 5-19 6-10 8-21 5-17 6-8 8-19
4-19 5-22 6-15 8-23 5-21 6-13 8-21
4-26 5-29 6-23 8-30 5-28 6-21 8-28
5-3 6-8 6-28 9-6 6-5 6-25 9-3
5-10 6-16 7-5 9-12 6-12 7-2 9-10

1.3.2 经济性状测定

烟叶成熟后按各移栽期对应的小区分区进行采收和烘烤,然后分别测定每个小区烟叶产量,得到‘云烟87’、‘湘烟7号’2个品种2019—2021年5个不同移栽期对应的各15个实测产量数据。

1.3.3 研究方法

对2019—2021年‘云烟87’、‘湘烟7号’2个品种5个不同移栽期对应的各生育期气象因子与实测产量数据进行相关性分析,得到影响产量的关键气象因子,再用逐步回归法进行进一步筛选,剔除重复因子,建立‘云烟87’、‘湘烟7号’烤烟产量预测模型。为了检验预测模型准确率,对产量预测模型进行回代检验和预报检验。‘云烟87’品种分析用2019年的5个移栽期、2020年(4月19日、5月3日、5月10日)移栽期、2021年(4月12日、4月19日、4月26日、5月3日)移栽期对应的12个实测产量数据,预报检验用2020年(4月12日、4月26日)移栽期、2021年5月10日移栽期对应的3个实测产量数据;‘湘烟7号’品种分析用2019年的5个移栽期、2020年(4月12日、4月26日、5月3日、5月10日)移栽期、2021年(4月19日、4月26日、5月3日)移栽期对应的12个实测产量数据,预报检验用2020年4月19日移栽期、2021年(4月12日、5月10日)移栽期对应的3个实测产量数据。

1.4 数据统计与处理

利用Excel 2010和Python软件对数据进行分析及作图。

2 结果与分析

2.1 影响产量的关键气象因子筛选

2.1.1 影响‘云烟87’产量的关键气象因子

将‘云烟87’的12个田间实测产量数据与对应的生长阶段[伸根期、旺长期、成熟期、大田期、移栽(旺长)后连续10 d]的平均气温(℃)、最高气温(℃)、最低气温(℃);≥10℃、≥12℃、≥13℃有效积温;降水量(mm);日照时数(h);相对湿度(%);大田营养生长期降水日数、成熟期20~26℃日数、成熟期50天内干旱日数、成熟期高温日数等184个气象因子及气象因子组合进行相关性分析,得到不同生长阶段气象因子与产量的相关系数,将通过显著性检验的气象因子筛选出来,共计12个(表2),分别是旺长期、成熟期、伸根—旺长期、旺长—成熟期、大田期平均相对湿度,旺长期、成熟期、旺长—成熟期降水量,旺长期、旺长—成熟期、旺长后21~40 d日照时数,成熟期50天内干旱日数。
表2 ‘云烟87’产量与气象因子的相关系数
编号 气象因子 相关系数 编号 气象因子 相关系数
1 旺长期平均相对湿度 0.738** 7 成熟期降水量 0.717**
2 成熟期平均相对湿度 0.700* 8 旺长—成熟降水量 0.655*
3 伸根—旺长平均相对湿度 0.705* 9 旺长期日照时数 -0.587*
4 旺长—成熟平均相对湿度 0.871*** 10 旺长—成熟日照时数 -0.650*
5 大田期平均相对湿度 0.836*** 11 旺长后21~40天日照时数 -0.786**
6 旺长期降水量 0.612* 12 成熟期50天内干旱日数 -0.680*
注:“*”、“**”和“***”分别表示通过0.05、0.01和0.001水平显著性检验。下同。

2.1.2 影响‘湘烟7号’产量的关键气象因子

将‘湘烟7号’的12个田间实测产量数据与对应的生长阶段[伸根期、旺长期、成熟期、大田期、移栽(旺长)后连续10 d]的平均气温(℃)、最高气温(℃)、最低气温(℃);≥10℃、≥12℃、≥13℃有效积温;降水量(mm);日照时数(h);相对湿度(%);大田营养生长期降水日数、成熟期20~26℃日数、成熟期50 d内干旱日数、成熟期高温日数等184个气象因子及气象因子组合进行相关性分析,得到不同生长阶段气象因子与产量的相关系数,将通过显著性检验的气象因子筛选出来,共计10个(表3),分别是旺长—成熟期、成熟期、大田期的≥12℃和≥13℃有效积温,旺长后21~40、41~60 d活动积温,旺长后71~90 d累积日照时数,成熟期50 d内干旱日数。
表3 ‘湘烟7号’产量与气象因子的相关系数
编号 气象因子 相关系数 编号 气象因子 相关系数
1 成熟期≥12℃有效积温 -0.584* 6 大田期≥13℃有效积温 -0.621*
2 成熟期≥13℃有效积温 -0.604* 7 旺长后21~40 d活动积温 -0.643*
3 旺长—成熟期≥12℃有效积温 -0.658* 8 旺长后41~60 d活动积温 -0.595*
4 旺长—成熟期≥13℃有效积温 -0.676* 9 旺长后71~90 d累积日照时数 0.637*
5 大田期≥12℃有效积温 -0.616* 10 成熟期50 d内干旱日数 -0.850***

2.2 产量预报模型的建立

2.2.1 ‘云烟87’产量预报模型构建

通过对‘云烟87’试验产量数据(T)与通过显著性检验的12个气象因子进行逐步回归分析,得出产量预测方程如式(1)所示。
T=10.191x1-1.111x2+0.228x3-0.653x4-0.056x5-664.041 (R=0.9323)
(1)
其中x1为旺长—成熟期间平均相对湿度,x2为成熟期50 d内干旱日数,x3为旺长后第51~60天降水量,x4为旺长后第21~30天日照时数,x5为成熟期降水量。

2.2.2 ‘湘烟7号’产量预报模型构建

通过对‘湘烟7号’试验产量数据(y)与通过显著性检验的10个气象因子进行逐步回归分析,得出产量预测方程如式(2)所示。
y=-2.692x1-0.403x2+14.897x3+293.24 (R=0.94)
(2)
其中x1为成熟期50 d内干旱日数,x2为旺长—成熟期13℃有效积温,x3为移栽后61~70 d平均温度。

2.3 模型检验

2.3.1 ‘云烟87’产量预报模型效果检验

将12个产量数据代入预报方程(1),得到模拟产量,与实际产量比较,用准确率进行模型预报效果检验,预报准确率=[1-∣(模拟产量-实际产量)∣/实际产量]×100%。回代检验[19-20]结果见表4,预报准确率不低于82.8%,平均94.6%,预报产量和实际产量非常接近(图1)。从表4回代检验可以看出,除2019年4月19日移栽期模拟产量误差比较大外,其他模拟产量与实际产量比较接近。
表4 ‘云烟87’产量预报模型预报效果检验
检验类型 年份 移栽期(月-日) 预测产量/(kg/hm2) 实际产量/(kg/hm2) 预报准确率/%
回代检验 2019 4-12 1583 1719 92.08
4-19 1724 1472 82.89
4-26 1614 1788 90.30
5-3 1844 1814 98.26
5-10 1759 1757 99.86
2020 4-19 2372 2495 95.09
5-3 2304 2223 96.34
5-10 2405 2432 98.93
2021 4-12 1378 1362 98.88
4-19 1531 1388 89.63
4-26 998 1031 96.93
5-3 1239 1277 97.11
独立检验 2020 4-12 2293 2190 95.20
4-26 2374 2385 99.50
2021 5-10 1194 1169 97.80
图1 ‘云烟87’实际产量与模拟产量

Full size|PPT slide

随机选取了当地烤烟常年移栽的2020年4月26日处理、移栽最早的2020年4月12日处理、最晚的2021年5月10日处理试验数据,根据上述建立的预测方程预测烤烟产量,预报结果见表4独立检验部分,2020年4月12日处理预报准确率95.2%,2020年4月26日处理预报准确率99.5%、2021年5月10日处理预报准确率97.8%、均通过显著性检验,预报效果较好。

2.3.2 ‘湘烟7号’产量预报模型效果检验

将12个产量数据代入预报方程(2),得到模拟产量,与实际产量比较,用准确率进行模型预报效果检验,预报准确率=[1-∣(模拟产量-实际产量)∣/实际产量]×100%。回代检验结果见表5,预报准确率不低于92.1%,平均96.7%,预报产量和实际产量非常接近(图2)。从表5回代检验可以看出,除2021年4月19日移栽期模拟产量误差略大外,其他模拟产量与实际产量比较接近。
表5 ‘湘烟7号’产量预报模型准确率
检验类型 年份 移栽期/(月-日) 预测产量/(kg/hm2) 实际产量/(kg/hm2) 预报准确率/%
回代检验 2019 4-12 3062 3092 99.02
4-19 2672 2723 98.17
4-26 2855 2801 98.11
5-3 2733 2817 97.05
5-10 2711 2648 97.63
2020 4-12 2769 2801 98.84
4-26 2783 2778 99.86
5-3 2646 2465 92.58
5-10 2781 2927 95.01
2021 4-19 2156 1998 92.11
4-26 1757 1887 93.12
5-3 1890 1878 99.37
独立检验 2020 4-19 2457 2424 98.64
2021 4-12 2411 2390 99.13
5-10 2309 1790 70.99
图2 ‘湘烟7号’实际产量与模拟产量

Full size|PPT slide

从‘湘烟7号’15个试验数据中随机抽取了2020年4月19日、2021年4月12日和2021年5月10日移栽的烤烟试验数据用于做独立检验,根据上述建立的预测方程预测它们的烤烟产量,预报结果见表52020年4月19日处理预报准确率98.6%。2021年4月12日处理预报准确率99.1%,2021年5月10日移栽期处理预报准确率70.9%,模型对于2021年5月10日移栽期处理预测效果较差。

3 结论

影响湘西中海拔地区烤烟产量的关键气象因子因烤烟品种不同而有差异,成熟期50日内干旱日数是‘云烟87’和‘湘烟7号’2个品种共有的影响因子,但同样的影响时长‘湘烟7号’减产比‘云烟87’更严重;除了干旱日数外,影响‘云烟87’烤烟产量的主要气象因子是生育期某时段的相对湿度、降水量和日照时数,而‘湘烟7号’烤烟产量对温度更为敏感。利用所建模型对12个实际产量数据进行回代模拟,模型回代检验平均准确率‘云烟87’为94.6%,‘湘烟7号’为96.7%;用所建模型对3个产量数据进行试预报,预报准确率‘云烟87’是97.5%、‘湘烟7号’是87.6%。因此,本研究提出的烤烟产量预报模型预测效果较好。

4 讨论

前人研究表明作物产量年际变化在很大程度上取决于天气条件,尤其会因气候变化而改变[21],作物产量预测帮助农民了解作物生长潜力并预防未来的损失[22],烤烟产量预报信息,有利于指导当地烟草部门提前做好烤烟收购前资金调度、仓储准备等工作[11],近年来部分烟区相继根据本地气候影响因素建立了烤烟产量预报模型,发现不同的地域影响烤烟产量的关键气象因子不同,本研究以湘西自治州主栽烤烟品种‘云烟87’和‘湘烟7号’为对象,构建了2个不同品种的产量预报模型,发现同一地区影响烤烟产量的关键气象因子因品种不同也有明显差异:‘云烟87’产量预报模型中没有与温度相关的气象因子,而‘湘烟7号’产量预报模型中有两个与温度直接相关的气象因子,原因可能是‘湘烟7号’品种抗低温能力强,对温度敏感,这与苑举民[23]等指出的不同品种烤烟在同一生态条件下生育期和产量不同的研究结果相似。
在影响烤烟产量的气象因子选取上,以往的研究[11-16]大多只考虑了温、光、水三方面的气象要素因子,而未考虑气象灾害因子的影响,本研究将高温日数、干旱日数等气象灾害因子纳入考虑,更符合生产实际;在气象因子时段选取上,前人研究[13-16]使用全生育期、旬或月平均气象要素进行预测,而烤烟实际生长进度每年不一样,本研究以实际观测到的各生育期时间为节点,增加往后类推10 d统计的各类气象要素,充分考虑连续的气象条件对烤烟产量的影响,实用性更强。
本研究显示成熟期50 d内干旱日数与两个品种烤烟产量都呈现显著负相关,说明在烤烟中上部叶成熟采烤时期干旱的持续将严重影响烤烟产量,这与吕大树等[24]提出上部烟叶约占烤烟烟叶单株产量的40%、邓桂秀等[25]试验得出成熟期干旱胁迫严重影响烤烟的产量和品质的结论一致。本研究表明‘云烟87’产量与降水量、相对湿度呈显著正相关,与佐心汤等[12]研究得出的‘云烟87’品种产量主要受水分因素影响结论相似;本试验中‘云烟87’烤烟产量与日照时数、‘湘烟7号’烤烟产量与旺长后积温呈负相关关系,这与梁水养等[26]、张慢慢等[27]研究结论不一致,可能因两个品种产量都与烤烟成熟期50 d内干旱日数呈显著负相关,同时干旱常引起气温升高和日照偏强,超过了烤烟生长适宜温度和光照,从而影响产量,导致负效应的产生。
基于关键气象因子建立的气象产量预报模型方法简单、实用,但对数据的稳定性有一定要求,如果预报年份出现重大气象灾害,则预报准确率将明显降低。本研究‘湘烟7号’产量预报模型中,2021年5月10日移栽期处理试预报准确率较差,可能因该处理在成熟期50 d内干旱影响日数最长(多达22 d),此时烤烟正处于中上部叶生长发育期,而成熟期50 d内干旱日数这一气象因子只考虑了干旱影响的日数,而未考虑每日影响的具体时段和气温、日照的综合影响,加之干旱日数影响样本偏少,对持续时间较长的干旱影响可能存在低估,所以在今后工作中对模型需进一步优化,且因模型没有考虑作物受到灾害后自身的修复能力、人工提前防御等因素,在后续研究中还应构建多种产量模型,进一步提高烤烟产量预报准确率。

References

[1]
李兴华, 胡日生, 谭新球, 等. 湖南省烟叶产业链稳定发展的典型模式分析[J]. 现代农业科技, 2012(18):312-313.
[2]
周明昆, 李国灿, 张成稳, 等. 气候条件对大理州烤烟产量和质量的影响[J]. 安徽农业科学, 2012, 40(6):3470-3473.
[3]
张加云, 陈瑶, 朱勇, 等. 基于相似气象年型和关键气象因子的云南一季稻动态产量预报[J]. 中国农学通报, 2020, 36(34):96-99.
建立适用于云南的一季稻产量动态预报模型,以期为及时准确预测云南省一季稻的产量提供理论依据和决策支持。利用云南省2000—2018年一季稻产量资料和一季稻生育期内逐日平均气温、日降水量和日照时数等资料,分别采用相似气象年型法和关键气象因子法建立一季稻动态产量预报模型。应用2种模型对2010—2018年云南省一季稻单产进行动态预报。结果表明:2种模型6月1日、7月1日、8月1日和8月21日的产量预报准确率均超过92%;相似气象年型法2016—2018年6月1日和8月21日的平均预报准确率为95.4%和97.5%,而关键气象因子法2016—2018年6月1日和8月21日的平均预报准确率均为97.4%。2种模型预报准确率均较高,能够满足云南一季稻产量预报业务服务的需要。
[4]
薛思嘉, 魏瑞江, 王朋朋, 等. 基于关键气象因子的河北省马铃薯产量预报[J]. 干旱气象, 2021, 39(1):138-144.
[5]
王丽伟, 邱美娟, 邱译萱, 等. 基于气候适宜度指数的吉林省春玉米单产预报研究[J]. 东北农业科学, 2020(1):68-72.
[6]
帅细强, 樊清华, 谢佰承. 基于历史丰歉气象影响指数的湖南油菜产量动态预报[J]. 湖南农业科学, 2021(6):82-85.
[7]
JIN H D, LI M, HOPWOOD G, et al. Improving early-season wheat yield forecasts driven by probabilistic seasonal climate forecasts[J]. Agricultural and forest meteorology, 2022, 315:1-20.
[8]
余新华, 赵维清, 朱再春, 等. 基于遥感和作物生长模型的多尺度冬小麦估产研究[J]. 光谱学与光谱分析, 2021(7):2205-2211.
[9]
金林雪, 杨钦宇. 基于关键气象因子的内蒙古大豆发育期及产量预报方法研究[J]. 内蒙古气象, 2020(3):24-28.
[10]
张慢慢, 邵惠芳, 郑劲民, 等. 烤烟产量的主要影响因素及预测方法研究进展[J]. 江西农业学报, 2014, 26(10):76-80.
[11]
黄廷炎, 刘东鸣, 沈长华, 等. 影响南平烤烟产量的主要气象因子及产量预报[J]. 作物研究, 2013, 27(3):255-258.
[12]
TANG Z, CHEN L, CHEN Z, et al. Climatic factors determine the yield and quality of Honghe flue-cured tobacco[J]. Scientific reports, 2020, 10(1).
[13]
岳旭, 罗音浩, 张正扬, 等. 江西省烤烟产量与气候因子相关关系分析[J]. 气象与减灾研究, 2019, 42(3):236-239.
[14]
XIAO F L, ZHAO P, ZHANG X R, et al. Influence of climate factors in growth period on yield and quality of flue-cured tobacco in Ankang,Shaanxi[J]. Journal of northwest a & f university(Natural Science Edition), 2015.
[15]
喻延, 周艳宾, 赵涛. 一种黔南州烤烟产量到户预测模型的构建[J]. 河南农业, 2019(2):62-64.
[16]
马献菊, 蔡元刚, 吕洋, 等. 凉山州烤烟气象产量综合模拟模型[J]. 西昌学院学报:自然科学版, 2021, 35(2):31-38.
[17]
赵跃, 汪灿, 甄安忠, 等. 道真县烤烟产量与气象因子关系的研究[J]. 农业与技术, 2013, 33(2):211-212.
[18]
柴利广, 吴芳, 吴自友, 等. 环神农架地区烤烟产量与气象因子的关系[J]. 农业科技通讯, 2012(8):123-125.
[19]
黄珍珠, 李寅, 陈慧华, 等. 基于气象关键因子的广东省橡胶产量预报[J]. 热带农业科学, 2018, 38(2):6.107-112.
[20]
帅细强, 陆魁东, 黄晚华. 不同方法在湖南省早稻产量动态预报中的比较[J]. 应用气象学报, 2015, 26(1):103-111.
[21]
LECERF R, CEGLAR A, LQPEZ-LOZANO R, et al. Assessing the information in crop model and meteorological indicators to forecast crop yield over Europe[J]. Agricultural systems, 2019, 168:191-202.
[22]
KRISHAN-PRIYA R S, KEERTI-BALAMBIGA R, MISHRA P, et al. Sugarcane yield forecast using weather based discriminant analysis[J]. Smart agricultural technology, 2022, 3:1-4.
[23]
苑举民, 丁永亮, 刘润生, 等. 赣南烟区浓香型特色烤烟新品种筛选试验[J]. 广东农业科学, 2021, 48(2):33-40.
[24]
吕大树, 陈小龙, 藏照阳, 等. 贵州省烤烟上部烟叶成熟期主要气象因素分析[J]. 烟草科技, 2021, 54(8):18-25.
[25]
邓桂秀, 田飞, 赵继平, 等. 成熟期干旱胁迫对烤烟产量和品质的影响[J]. 贵州农业科学, 2012, 40(9):93-96.
[26]
梁水养, 李静锋, 赵艳玲, 等. 日照时数对靖西烤烟产量的影响分析[J]. 广西农学报, 2011, 26(2):17-18.
[27]
张慢慢, 邵惠芳, 许自成, 等. 烤烟产量与气候因子的关系分析[J]. 河南农业科学, 2016, 45(7):34-38.
为明确三门峡烟区气候因素变化及其对烤烟产量的影响,利用三门峡烟区2004—2013年间的气候和烤烟产量资料,分析了近10 a来三门峡烟区气候的变化趋势及特点、烤烟产量与气候因子的关系。结果表明,三门峡烟区烤烟生育期的主要气候因子均能满足烟草正常生长发育的需要,有利于提高烤烟产量;烤烟产量与大田气候因子的相关性表现为平均温度>日照时数>日最低气温>降水量>最小相对湿度>相对湿度>日最高气温,且平均温度、日照时数、相对湿度、日最高气温对烤烟产量起直接作用;灰色关联分析表明,烤烟产量与平均温度的关联度最大,其次是日照时数,与最小相对湿度的关联度最小。三门峡烟区的气候条件适宜于烟草的生长发育,且平均温度和日照时数对烤烟产量的影响最大。
Share on Mendeley
PDF(1233 KB)

69

Accesses

0

Citation

Detail

Sections
Recommended

/