王曉玲 張慶奎 張桂芳

摘要：利用2006—2015年小麥（Triticum aestivum L.）抽穗至成熟期間千粒重和同期氣象數(shù)據(jù)，采用SPSS統(tǒng)計(jì)分析工具分析了二者之間的關(guān)系。結(jié)果表明，該時(shí)段日最低氣溫對(duì)小麥千粒重的影響最為明顯，其次是日照時(shí)間和總?cè)照諘r(shí)間。并建立了以氣象主要影響因子與千粒重的多元線性回歸預(yù)測(cè)模型作為預(yù)測(cè)小麥千粒重的依據(jù)，2016—2017年獨(dú)立預(yù)測(cè)檢驗(yàn)精度在67%，說(shuō)明該模型具有較高的應(yīng)用價(jià)值。

關(guān)鍵詞：小麥（Triticum aestivum L.）；SPSS；氣象要素；千粒重

中圖分類(lèi)號(hào)：S512.1 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2019）03-0042-03

DOI：10.14088/j.cnki.issn0439-8114.2019.03.011 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Abstract： Based on the thousand kernel weight and the meteorological data between heading period and mature period of wheat （Triticum aestivum L.） during 2006 to 2015， the relationship between the two was analyzed by using SPSS statistical analysis tool. The results showed that the daily minimum temperature had the most significant effect on the thousand kernel weight， followed by sunshine hours and total sunshine hours. The multivariate linear regression prediction model based on the correlation between the main influencing factors and thousand kernel weight was established as a basis for predicting the thousand grain weight of wheat. The independent forecasts inspection accuracy during 2016 to 2017 was about 67%， showed that the model has good application value.

Key words： wheat（Triticum aestivum L.）； SPSS； meteorological elements； thousand grain weight

千粒重是構(gòu)成小麥（Triticum aestivum L.）產(chǎn)量的要素之一，隨著小麥良種培育技術(shù)的成熟，農(nóng)業(yè)科技人員不斷培育出優(yōu)質(zhì)高產(chǎn)的小麥品種[1，2]。近幾年，安徽省阜陽(yáng)市小麥千粒重呈增長(zhǎng)趨勢(shì)，但受氣候條件的影響，不同品種不同年份的小麥千粒重會(huì)有波動(dòng)[3-5]。阜陽(yáng)市是一個(gè)農(nóng)業(yè)大市，小麥種植面積占作物面積的80%，也是皖西北主要的糧食生產(chǎn)基地，是享譽(yù)盛名的百億江淮糧倉(cāng)[6]。關(guān)于氣候條件對(duì)小麥產(chǎn)量的影響研究較多[7-13]，但目前阜陽(yáng)市關(guān)于小麥千粒重與氣象要素之間的關(guān)系還沒(méi)有具體的研究成果。本研究為了探究阜陽(yáng)市氣候條件下，影響小麥生育后期的主要?dú)庀笠蜃?，建立了小麥千粒重的預(yù)測(cè)模型，以期提高氣象為農(nóng)服務(wù)水平，為農(nóng)業(yè)及氣象部門(mén)預(yù)測(cè)小麥千粒重提供參考依據(jù)。關(guān)于氣候因子與千粒重關(guān)系研究的方法有非線性擬合[14]、分位數(shù)回歸[15]等，本研究利用SPSS統(tǒng)計(jì)分析軟件作多元線性回歸分析，其優(yōu)點(diǎn)是能夠篩選出對(duì)因變量貢獻(xiàn)率較大的氣象因子，優(yōu)化模擬方程。

1 材料與方法

1.1 資料的選取

小麥千粒重資料來(lái)源于阜陽(yáng)市農(nóng)業(yè)科學(xué)院半冬性小麥品種的試驗(yàn)數(shù)據(jù)，并選取綜合品質(zhì)評(píng)估位居前三位的千粒重記錄資料；氣象資料來(lái)源于阜陽(yáng)市氣象局地面觀測(cè)數(shù)據(jù)資料庫(kù)，以上資料時(shí)段均為2006—2017年。

1.2 資料的處理

氣象數(shù)據(jù)的選取時(shí)段為該小麥品種抽穗至成熟期的日平均資料，活動(dòng)積溫、累計(jì)降水量、日照時(shí)間，作5 d滑動(dòng)平均處理。千粒重資料為原始觀測(cè)數(shù)據(jù)，時(shí)間為小麥開(kāi)始抽穗至成熟的天數(shù)。

1.3 方法

利用SPSS統(tǒng)計(jì)分析軟件對(duì)小麥千粒重和氣象要素相關(guān)性進(jìn)行定量分析，建立以千粒重為因變量，氣象主要影響因子為自變量的預(yù)測(cè)模型。并利用2016—2017年兩年的千粒重進(jìn)行模型預(yù)測(cè)獨(dú)立檢驗(yàn)。

2 結(jié)果與分析

2.1 阜陽(yáng)市半冬性小麥生育期氣象因子的時(shí)空分布

阜陽(yáng)市地處南北氣候過(guò)渡帶，屬大陸性半濕潤(rùn)季風(fēng)氣候，四季分明，雨量適中（年均降水830～950 mm），氣候溫和（年均氣溫14.5～15.2 ℃，無(wú)霜期200～220 d），光照充足。阜陽(yáng)市半冬性小麥種植期一般在10月15日左右，成熟期在次年的5月23日至6月3日，全生育期214～220 d。期間溫度變化從高到低再到高，與半冬性小麥生長(zhǎng)對(duì)溫度條件的需求基本吻合。4—5月是小麥千粒重形成的關(guān)鍵時(shí)期，溫、光、水的綜合作用影響小麥子粒的形成和品質(zhì)。從2006—2015年4—5月的日照時(shí)間、月平均溫度和月降水量變化曲線圖來(lái)看，10年間，阜陽(yáng)市日照時(shí)間總體呈減少趨勢(shì)，其中5月日照時(shí)間減少趨勢(shì)較為明顯（圖1a），5月平均溫度2009年以后上升趨勢(shì)明顯，4月平均溫度在2010年出現(xiàn)最低點(diǎn)（13.1 ℃），2011年出現(xiàn)最高點(diǎn)（17.1 ℃）（圖1b）。4月和5月降水量都有減少的趨勢(shì)（圖略）。

2.2 小麥千粒重變化趨勢(shì)

小麥從抽穗到成熟期是小麥子粒形成的關(guān)鍵時(shí)期，從圖2可以看出，阜陽(yáng)市10年間小麥千粒重變化分為兩個(gè)階段，2006—2010年總體呈增加趨勢(shì)，2011、2012年出現(xiàn)低點(diǎn)，2012年后又呈上升趨勢(shì)。從氣象觀測(cè)資料看，2011年4月溫度出現(xiàn)異常，最低只有0.5 ℃，最高達(dá)36.1 ℃，并且 5月中旬還出現(xiàn)了干熱風(fēng)天氣，加速了小麥灌漿，縮短了灌漿期，導(dǎo)致千粒重減少。2012年小麥揚(yáng)花期出現(xiàn)了連陰雨天氣，且雨后有7～8級(jí)大風(fēng)，造成小麥不同程度的倒伏和赤霉病的發(fā)生，5月又出現(xiàn)干旱，導(dǎo)致灌漿期縮短，后期出現(xiàn)了不同程度的早衰現(xiàn)象，對(duì)子粒的形成產(chǎn)生了很大的影響。

2.3 利用SPSS作多元線性回歸分析

首先建立一個(gè)由千粒重和氣象因子組成的數(shù)據(jù)文件，以千粒重為因變量，該數(shù)據(jù)文件中所有氣象因子為自變量，利用SPSS對(duì)該數(shù)據(jù)文件進(jìn)行多元線性回歸分析，并選擇向后回歸的方法，將自變量一次納入回歸，然后根據(jù)標(biāo)準(zhǔn)刪除一個(gè)最不顯著的自變量，對(duì)保留因子再作一次回歸判斷其余自變量的取舍，直到保留的自變量都達(dá)到要求。該回歸排除的因子依次為風(fēng)速、日平均溫度、日降水量、日最高溫度、總降水量、活動(dòng)積溫和小麥抽穗至成熟所需時(shí)間。然后對(duì)符合標(biāo)準(zhǔn)的變量再次作逐步回歸，排除不顯著的因子并刪除，得到表1和表2。從表1可以看出，隨著逐步回歸的進(jìn)行，相關(guān)系數(shù)（R）、判定系數(shù)（R2）和調(diào)整判定系數(shù)（調(diào)整R2）逐漸增大，預(yù)測(cè)值的估計(jì)標(biāo)準(zhǔn)誤差卻逐漸減小，說(shuō)明回歸方程的擬合優(yōu)度逐步提高。通過(guò)逐步回歸得到模型3，模型3的R為0.761，R2和調(diào)整R2分別為0.579和0.530，表示方程預(yù)測(cè)精度在50%以上；預(yù)測(cè)值的估計(jì)標(biāo)準(zhǔn)誤差為3.424 7；DW為2.097，說(shuō)明殘差獨(dú)立。

從表2可以看出，進(jìn)入方程的3個(gè)變量中，最低溫度對(duì)千粒重的影響最大，其次是日照時(shí)間和總?cè)照諘r(shí)間，各自變量的獨(dú)立檢驗(yàn)結(jié)果P值都小于0.05，按照給定的顯著性水平0.05的情形下，均有顯著性意義。VIF值都小于2，不存在自變量之間共線性的問(wèn)題。

圖3a為標(biāo)準(zhǔn)化殘差的直方圖，表明了數(shù)據(jù)的正態(tài)性，圖3b為標(biāo)準(zhǔn)化殘差的標(biāo)準(zhǔn)P-P圖，各觀測(cè)的散點(diǎn)基本呈直線趨勢(shì)，說(shuō)明該方程有意義。從分析結(jié)果看，阜陽(yáng)市4—5月的平均最低溫度和平均日照時(shí)間有利于小麥灌漿期子粒的增重。

2.4 檢驗(yàn)預(yù)測(cè)

由以上分析結(jié)果利用多元回歸方程對(duì)2016和2017年小麥千粒重進(jìn)行獨(dú)立性檢驗(yàn)預(yù)測(cè)，結(jié)果如表3所示。從表3可以看出，2016和2017年都有一個(gè)品種誤差值大于標(biāo)準(zhǔn)誤差3.424 7 g。2016年該誤差值較大的品種的千粒重觀測(cè)值與同年其他品種千粒重相比高6 g左右，其綜合品性的排名位居第二；2017年該誤差值較大的品種的千粒重相比同年其他品種少了3～4 g，其綜合品性的排名位居第三，說(shuō)明培育優(yōu)良品種能夠提高應(yīng)對(duì)氣候條件的適應(yīng)性。

3 小結(jié)與討論

本研究前期對(duì)小麥抽穗到成熟期千粒重與氣象因子的相關(guān)性分析結(jié)果顯示，風(fēng)速對(duì)千粒重的影響最小，日平均溫度、日降水量、日最高溫度和該時(shí)段總的降水量、積溫、時(shí)間對(duì)千粒重的影響依次增大。2006—2015年氣候正常的年份，阜陽(yáng)市4—5月平均最低溫度和平均日照時(shí)間有利于小麥千粒重的增加，以日平均最低溫度影響最大，其次是日照時(shí)間和總?cè)照諘r(shí)間。由于小麥千粒重資料有限，延長(zhǎng)樣本容量，小麥抽穗到成熟期的時(shí)間進(jìn)入模擬方程，并且，預(yù)測(cè)能力明顯提高。由于影響千粒重的因素不僅有氣象的原因，還有土壤條件、管理技術(shù)等，還需要對(duì)模型進(jìn)一步優(yōu)化，以期得到更理想的結(jié)果。

參考文獻(xiàn)：

[1] 郭天財(cái)，朱云集，王永華，等.小麥產(chǎn)量育種研究進(jìn)展[A].中國(guó)農(nóng)學(xué)會(huì).21世紀(jì)小麥遺傳育種展望——小麥遺傳育種國(guó)際學(xué)術(shù)討論會(huì)論文集[C].北京：中國(guó)農(nóng)業(yè)科學(xué)技術(shù)出版社，2001.71-76.

[2] 劉?；?，陳新平，崔振嶺，等.三大糧食作物產(chǎn)量潛力與產(chǎn)量差研究進(jìn)展[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2015，23（5）：525-534.

[3] 邱新法，曾 燕.影響我國(guó)冬小麥產(chǎn)量的氣象因子研究[J].南京氣象學(xué)院學(xué)報(bào)，2000，23（4）：575-578.

[4] 鄭成巖，陳 金，宋振偉，等.黃淮南部麥區(qū)不同年代小麥品種生產(chǎn)力對(duì)氣溫升高的響應(yīng)特征[A].中國(guó)作物學(xué)會(huì)2013年學(xué)術(shù)年會(huì)論文摘要集[C].北京：中國(guó)作物學(xué)會(huì)，2013.173.

[5] 薛 雙.六個(gè)小麥品種在冀東生態(tài)類(lèi)型區(qū)的品比試驗(yàn)研究[J].現(xiàn)代農(nóng)村科技，2013（11）：60-62.

[6] 王廣滿.打造“江淮糧倉(cāng)”品牌[J].江淮，2009（9）：27-28.

[7] 邱美娟，劉建棟，鄔定榮，等.華北冬小麥開(kāi)花及成熟期變化特征分析[J].干旱地區(qū)農(nóng)業(yè)研究，2014，32（3）：250-255.

[8] 成 林，李彤霄，劉榮花.主要生育期氣候變化對(duì)河南省冬小麥生長(zhǎng)及產(chǎn)量的影響[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2017，25（6）：931-940.

[9] 費(fèi)淑玲，趙玉風(fēng)，趙永敢，等.影響淮北小麥后期生育的氣象因子分析[J].安徽農(nóng)學(xué)通報(bào)，2016，22（10）：49-49.

[10] 王 勝，田 紅，黨修伍，等.安徽淮北平原冬小麥氣候適宜度分析及作物年景評(píng)估[J].氣候變化研究進(jìn)展，2017，13（3）：253-261.

[11] 張 杰，陳 方.北京冬小麥灌漿期氣象因子與產(chǎn)量間關(guān)聯(lián)分析[J].安徽農(nóng)學(xué)通報(bào)，2012，18（5）：137-139.

[12] 史忠良，馬愛(ài)萍.光照強(qiáng)度對(duì)小麥不同品種結(jié)實(shí)率及千粒重的影響[J].山西農(nóng)業(yè)科學(xué)，1998（4）：16-18.

[13] 楊 光，陳若禮，張存嶺，等.淮北小麥灌漿特性及與氣象條件的關(guān)系研究[J].安徽農(nóng)業(yè)科學(xué)，2006，34（21）：5454-5456，5460.

[14] 高陽(yáng)華，易新民.氣候因子對(duì)小麥粒重規(guī)律研究[J].四川氣象，1992，12（4）：55-58.

[15] 唐 卷，湯永祿，李朝蘇，等.基于分位數(shù)回歸模型分析小麥千粒重與氣候因子的關(guān)系[J].西南農(nóng)業(yè)學(xué)報(bào)，2014，27（3）：943-949.