基于Logistic回歸的茶樹越冬期凍害氣象因素分析

段永春

摘要：從山東日照、青島、臨沂三個(gè)主茶區(qū)45年的氣象資料中，選擇可能導(dǎo)致茶樹越冬期大凍害形成的31個(gè)氣象因子作為自變量，以越冬期大凍害發(fā)生有無作為因變量，進(jìn)行單因素Logistic回歸分析，從中選出9個(gè)有統(tǒng)計(jì)學(xué)意義的氣象因子進(jìn)行多因素Logistic回歸分析，建立茶樹越冬期大凍害發(fā)生的Logistic回歸模型，并對(duì)模型進(jìn)行評(píng)價(jià)。結(jié)果顯示，1月平均氣溫、上年7月平均氣溫、上年11月降水量、上年11月平均氣溫、2月空氣相對(duì)濕度五個(gè)氣象因子決定了茶樹越冬期大凍害的發(fā)生，其中1月平均氣溫是主要因子。

關(guān)鍵詞：茶樹；越冬期；凍害；氣象因素；Logistic回歸分析

中圖分類號(hào)：S571.101

文獻(xiàn)標(biāo)識(shí)號(hào)：A

文章編號(hào)：1001-4942（2015）10-0088-04

近幾年，山東茶業(yè)得到快速發(fā)展，茶園面積不斷擴(kuò)大。但是，山東茶樹在冬季易受凍害，影響了茶葉產(chǎn)量、品質(zhì)和經(jīng)濟(jì)效益的提高，尤其是造成春茶減產(chǎn)30%以上的大凍害，由于發(fā)生范圍廣、程度重，往往給山東茶區(qū)造成很大的經(jīng)濟(jì)損失。本研究利用“南茶北引”以來山東日照、臨沂、青島主茶區(qū)45年的氣象資料，采用Logistic回歸，對(duì)造成茶樹越冬期大凍害的主要?dú)庀笠蛩剡M(jìn)行分析，建立了總體回判準(zhǔn)確率達(dá)94.0%的回歸預(yù)測(cè)方程，為有效預(yù)防茶樹越冬期大凍害的發(fā)生提供依據(jù)。

1材料與方法

1.1茶樹凍害資料

由日照市茶葉科學(xué)研究所調(diào)查統(tǒng)計(jì)。把造成一定區(qū)域內(nèi)當(dāng)年春茶減產(chǎn)30%以上的凍害，作為該區(qū)域茶樹的大凍害。按照此標(biāo)準(zhǔn)，山東主茶區(qū)——日照、臨沂、青島先后經(jīng)歷了10次大凍害，其中越冬期大凍害9次，分別發(fā)生于1970、1974、1977、1980、1984、1987、2008、2010、2011年，三個(gè)茶區(qū)同時(shí)發(fā)生。

1.2氣象資料

來自于國家氣象信息中心的“中國地面氣候資料月值數(shù)據(jù)集”。日照、臨沂、青島三個(gè)茶區(qū)氣象資料的統(tǒng)計(jì)從第一次發(fā)生大凍害的1969年開始至2014年結(jié)束。

結(jié)合專業(yè)知識(shí)，初步認(rèn)為茶樹越冬期大凍害發(fā)生可能與以下氣象因子有關(guān)：上年7月降水量、上年7月平均氣溫、上年8月降水量、上年8月平均氣溫、上年9月降水量、上年9月日照時(shí)數(shù)、上年9月平均氣溫、上年10月降水量、上年10月空氣相對(duì)濕度、上年10月日照時(shí)數(shù)、上年10月平均氣溫、上年11月降水量、上年11月空氣相對(duì)濕度、上年11月日照時(shí)數(shù)、上年11月平均氣溫、上年12月降水量、上年12月空氣相對(duì)濕度、上年12月日照時(shí)數(shù)、上年12月平均氣溫、1月日照時(shí)數(shù)、1月平均氣溫、1月極端最低氣溫、1月降水量、1月空氣相對(duì)濕度、2月日照時(shí)數(shù)、2月平均氣溫、2月極端最低氣溫、2月降水量、2月空氣相對(duì)濕度，共29個(gè)氣象因子。

經(jīng)單因子回歸分析發(fā)現(xiàn)上年7月平均氣溫、上年11月平均氣溫與茶樹大凍害發(fā)生的相關(guān)性具有統(tǒng)計(jì)學(xué)意義，因此又增加了上年7月極端最低氣溫、上年11月極端最低氣溫兩個(gè)氣象因子，最終確定使用31個(gè)氣象因子。

1.3統(tǒng)計(jì)學(xué)處理

以31個(gè)氣象因子為自變量，以當(dāng)年大凍害發(fā)生有無（不發(fā)生為0、發(fā)生為1）作為因變量，應(yīng)用SPSS 17.0軟件進(jìn)行回歸分析。首先對(duì)各個(gè)自變量進(jìn)行單因素非條件Logistic回歸分析；然后根據(jù)單因素分析結(jié)果，選擇相關(guān)性有統(tǒng)計(jì)學(xué)意義的自變量進(jìn)行多因素非條件Logistic回歸分析，建立Logistic回歸模型，采用Hosmer-Lemeshow檢驗(yàn)法驗(yàn)證模型的擬合優(yōu)度。

2結(jié)果與分析

2.1單因素Logistic回歸分析

根據(jù)表1，在31個(gè)氣象因子組成的自變量中，上年7月平均氣溫、上年9月降水量、上年10月降水量、上年11月降水量、上年11月空氣相對(duì)濕度、上年11月日照時(shí)數(shù)、上年11月平均氣溫、1月平均氣溫、1月極端最低氣溫、1月空氣相對(duì)濕度、2月平均氣溫、2月極端最低氣溫、2月空氣相對(duì)濕度、上年7月極端最低氣溫，共14個(gè)自變量的Sig.值小于0.05，與大凍害發(fā)生的相關(guān)性具有統(tǒng)計(jì)學(xué)意義。

在單因素Logistic回歸中，若一個(gè)自變量的Exp（B）值為1.000，表示該自變量對(duì)因變量的發(fā)生不起作用；Exp（B）95%置信區(qū)間是按預(yù)先給定的概率計(jì)算出的一個(gè)區(qū)間，能夠包含未知的總體均數(shù)。根據(jù)表1，上年9月降水量和上年10月降水量的Exp（B）95%置信區(qū)間分別為1.000～1.001和0.997～1.000，雖然兩者的Sig.值均小于0.05，但是Exp（B）95%置信區(qū)間包含了1.000，說明Exp（B）值有可能是1.000，與大凍害發(fā)生的相關(guān)性也無統(tǒng)計(jì)學(xué)意義。

綜合以上分析，只有上年7月平均氣溫、上年11月降水量、上年11月空氣相對(duì)濕度、上年11月日照時(shí)數(shù)、上年11月平均氣溫、1月平均氣溫、1月極端最低氣溫、1月空氣相對(duì)濕度、2月平均氣溫、2月極端最低氣溫、2月空氣相對(duì)濕度、上年7月極端最低氣溫，共12個(gè)氣象因子與茶樹大凍害發(fā)生的相關(guān)性具有統(tǒng)計(jì)學(xué)意義。

2.2多因素Logistic回歸分析

由于上年7月平均氣溫、上年7月極端最低氣溫兩個(gè)自變量都與上年7月的溫度狀況有關(guān)聯(lián)，為避免出現(xiàn)共線性問題，不能同時(shí)進(jìn)入多因素回歸分析；同樣，上年11月降水量與上年11月空氣相對(duì)濕度，1月平均氣溫與1月極端最低氣溫，2月平均氣溫與2月極端最低氣溫，都不能同時(shí)進(jìn)入多因素回歸分析。

經(jīng)過多次回歸試驗(yàn)，上年7月平均氣溫、上年11月降水量、1月平均氣溫、2月平均氣溫進(jìn)入多因素回歸后，模型的擬合度、回判正確率最高。

因此，最終以上年7月平均氣溫（X1）、上年11月降水量（X2）、上年11月日照時(shí)數(shù)（X3）、上年11月平均氣溫（X4）、1月平均氣溫（X5）、1月空氣相對(duì)濕度（X6）、2月平均氣溫（X7）、2月空氣相對(duì)濕度（X8）共8個(gè)氣象因子作為自變量，以當(dāng)年大凍害發(fā)生有無（Y）作為因變量，進(jìn)行多因素非條件Logistic回歸分析。變量輸入采用Forward：Conditional（基于條件參數(shù)估計(jì)的向前法），結(jié)果上年7月平均氣溫（X1）、上年11月降水量（X2）、上年11月平均氣溫（X4）、1月平均氣溫（X5）、2月空氣相對(duì)濕度（X8）5個(gè)自變量進(jìn)入方程，見表2，所得回歸方程為：endprint

Y=80.723-0.188X1-0.034X2-0.275X4-0.328X5-0.209X8

由表2可見，茶樹越冬期大凍害發(fā)生與否，與以上5個(gè)氣象因子負(fù)相關(guān)。其中，1月平均氣溫的偏回歸系數(shù)B的絕對(duì)值最大。偏回歸系數(shù)B絕對(duì)值的大小，代表了自變量對(duì)因變量的影響力大小，因此，1月平均氣溫對(duì)大凍害發(fā)生的影響力最大。

將上年7月平均氣溫、上年11月降水量、上年11月平均氣溫、1月平均氣溫、2月空氣相對(duì)濕度的數(shù)值代入回歸方程，可計(jì)算得到Y(jié)值。根據(jù)Logistic回歸含義，建立Y值與大凍害發(fā)生概率p的關(guān)系模型，如下：

Y=logit（p）=ln[p/（1-p）]

根據(jù)Y值和該模型可計(jì)算得到p值，本文取分割值為0.5，即如果p值大于0.5，則表明該年度越冬期有可能發(fā)生茶樹大凍害。利用該模型對(duì)已經(jīng)發(fā)生的茶樹大凍害進(jìn)行分類回判，可以看出，模型對(duì)不發(fā)生大凍害的回判正確率為96.3%，對(duì)發(fā)生大凍害的回判正確率為85.2%，總體回判正確率為94.0%，效果較好（見表3）。

2.3Logistic回歸模型的評(píng)價(jià)

對(duì)獲得的Logistic回歸模型進(jìn)行Hosmer-Lemeshow檢驗(yàn)，結(jié)果見表4，可見，最終的卡方統(tǒng)計(jì)量為0.943，利用Microsoft Excel的CHIINV函數(shù)計(jì)算卡方臨界值為15.5073，卡方統(tǒng)計(jì)量小于臨界值；同時(shí)，Sig.=0.999>0.05并接近1，說明回歸模型能較準(zhǔn)確地?cái)M合整體。

3結(jié)論

3.1山東茶樹越冬期大凍害的發(fā)生，是上年7月平均氣溫、上年11月降水量、上年11月平均氣溫、1月平均氣溫、2月空氣相對(duì)濕度共同作用的結(jié)果。其中，1月平均氣溫是決定越冬期大凍害發(fā)生的首要因素。1月平均氣溫越高，茶樹大凍害發(fā)生概率越小。在氣溫不很低的情況下，植物可以通過部分細(xì)胞的凋亡來增強(qiáng)整體抵抗不良環(huán)境的生理反應(yīng)，但如果低溫時(shí)間過長(zhǎng)或溫度過低，則會(huì)造成植物死亡。

3.2茶樹越冬期大凍害的發(fā)生概率與上年11月降水量和上年11月平均氣溫呈負(fù)相關(guān)。干旱會(huì)導(dǎo)致茶樹的生理功能下降，各項(xiàng)生理指標(biāo)數(shù)值較正常年份低。上年11月是北方茶樹地上部停止生長(zhǎng)、地下尚未封凍、根部吸收養(yǎng)分的關(guān)鍵時(shí)期，此時(shí)若降水量過少、土壤含水量低，茶樹根系活力下降，會(huì)導(dǎo)致第二年茶樹產(chǎn)量下降；若能通過灌水改善土壤水分狀況，則可使茶樹來年生長(zhǎng)旺盛，茶葉增產(chǎn)，灌水量與茶樹增產(chǎn)呈正相關(guān)，這與Barora、李金星的研究結(jié)果一致。

植物的抗寒性存在季節(jié)性波動(dòng)，在秋季，植物適應(yīng)逐漸降低的溫度，進(jìn)入冷馴化階段，抗寒性增強(qiáng)，至冬季中期抗寒性才能達(dá)到最大。如果11月溫度下降過快，此時(shí)茶樹尚未完成冷馴化階段，必然造成凍害。

3.3茶樹越冬期大凍害的發(fā)生概率與2月空氣相對(duì)濕度也呈顯著負(fù)相關(guān)。1月是一年中氣溫最低的季節(jié)，茶樹越冬期凍害一般形成于這個(gè)時(shí)期。研究表明，植物凍害首先發(fā)生在細(xì)胞膜系統(tǒng)上，膜系統(tǒng)損傷首先是冷凍引發(fā)的嚴(yán)重脫水所致，以胞外先于胞內(nèi)形成冰晶，冰晶溶液比液態(tài)溶液的水勢(shì)低得多，并且溫度越低水勢(shì)差值越大，因而胞內(nèi)的水分通過質(zhì)膜流出，導(dǎo)致細(xì)胞嚴(yán)重脫水。2月氣溫普遍高于1月氣溫，如果空氣相對(duì)濕度高，會(huì)使得已經(jīng)發(fā)生脫水的細(xì)胞得到水分補(bǔ)充，凍害得到一定程度的緩解。如果2月空氣相對(duì)濕度太低，會(huì)使凍害加劇。

3.4茶樹越冬期大凍害發(fā)生概率也與上年7月平均氣溫顯著負(fù)相關(guān)。一年中，7月份茶樹葉片的凈光合速率最高。7月平均氣溫過低，則光合效率低，不利于樹勢(shì)的提高，從而降低了冬季抗凍性。

4小結(jié)

Logistic回歸為概率型非線性回歸模型，是研究觀察結(jié)果與其影響因素之間關(guān)系的一種多變量分析方法。國內(nèi)已有多次用該方法建立氣象因素與植物生長(zhǎng)災(zāi)害模型的報(bào)道。

凍害問題一直是制約包括山東在內(nèi)的北方地區(qū)茶葉發(fā)展的重要因素。不同地區(qū)由于地理?xiàng)l件的差異，造成大凍害的主要因素也存在差異。本研究通過對(duì)山東日照、青島、臨沂3個(gè)主茶區(qū)45年的氣象資料進(jìn)行分析發(fā)現(xiàn)，茶樹越冬期凍害不僅與冬季1月平均氣溫有關(guān)，還與上年7月平均氣溫、上年11月降水量、上年11月平均氣溫、2月空氣相對(duì)濕度4個(gè)氣象因子密切相關(guān)，并得到了總體回判準(zhǔn)確率達(dá)94.0%的回歸預(yù)測(cè)方程，這為山東以及其他北方茶區(qū)有效預(yù)防茶樹越冬期大凍害提供了重要依據(jù)。endprint