灰色預(yù)測(cè)理論分析氣候因子對(duì)遵義煙區(qū)煙葉質(zhì)量的影響

溫明霞，黃純楊，馬國(guó)勇，芶劍渝，崔紹秋，李又庭*

（1.貴州省煙草公司遵義市公司，貴州遵義 563000；2.北京新宏高科信息技術(shù)有限公司，北京 100042）

煙葉的質(zhì)量在很大程度上決定著煙草的經(jīng)濟(jì)價(jià)值，而良好氣候環(huán)境條件是生產(chǎn)優(yōu)質(zhì)煙葉的基礎(chǔ)[1-2]。在影響煙葉質(zhì)量的眾多因素中，氣候是最活躍、可控性最差的因素。優(yōu)質(zhì)煙葉的地域分布與氣候條件密切相關(guān)，國(guó)內(nèi)外優(yōu)質(zhì)煙葉的產(chǎn)地均具有良好氣候環(huán)境條件，氣候條件的年際變化也影響著煙葉的質(zhì)量[3-4]。在一定時(shí)期內(nèi)，特定煙區(qū)的品種、種植政策、土壤、栽培技術(shù)、生產(chǎn)條件等變化不大，煙葉質(zhì)量的高低、品質(zhì)的好壞與氣候條件的年際變化關(guān)系更為密切[5]。歷史上一些典型的煙葉低質(zhì)年，除少數(shù)是受政策、品種、栽培措施的影響外，大多由不利氣候條件和氣象災(zāi)害造成[6]。因此，研究煙葉質(zhì)量與氣候條件的關(guān)系，根據(jù)氣候統(tǒng)計(jì)分析和預(yù)測(cè)進(jìn)行煙葉質(zhì)量預(yù)測(cè)，對(duì)于指導(dǎo)煙葉生產(chǎn)、增加稅收、行業(yè)提質(zhì)增效、煙農(nóng)降本增收具有重要意義。

迄今為止，不少學(xué)者對(duì)煙葉質(zhì)量與氣候條件的關(guān)系進(jìn)行了多方面研究，但應(yīng)用數(shù)學(xué)模型對(duì)煙葉質(zhì)量進(jìn)行研究的成果較少，還缺乏較為準(zhǔn)確可靠的煙葉質(zhì)量與氣候因子之間的關(guān)系模型[7]。再加上許多氣象數(shù)據(jù)、煙葉質(zhì)量數(shù)據(jù)在實(shí)際操作中收集困難，時(shí)效性和準(zhǔn)確性都達(dá)不到要求，實(shí)際工作中難以通過(guò)氣候因子預(yù)測(cè)煙葉質(zhì)量。隨著物聯(lián)網(wǎng)、現(xiàn)代氣象觀(guān)測(cè)、移動(dòng)互聯(lián)網(wǎng)、精細(xì)化數(shù)值天氣預(yù)報(bào)與氣候預(yù)測(cè)等現(xiàn)代科學(xué)技術(shù)的發(fā)展，使及時(shí)采集、處理與統(tǒng)計(jì)分析煙葉生長(zhǎng)氣象環(huán)境與煙葉生產(chǎn)數(shù)據(jù)，制作并提供氣候預(yù)測(cè)數(shù)據(jù)成為可能，為深入分析氣候與煙葉產(chǎn)量質(zhì)量關(guān)系模型、構(gòu)建基于氣候因子的煙葉質(zhì)量預(yù)測(cè)模型、業(yè)務(wù)化制作發(fā)布煙葉質(zhì)量預(yù)測(cè)奠定了基礎(chǔ)。

本文選取遵義煙區(qū)湄潭縣、綏陽(yáng)縣、桐梓縣、余慶縣及正安縣5地?zé)熑~質(zhì)量數(shù)據(jù)，依據(jù)總糖、還原糖、煙堿、糖堿比及鉀氯比5 個(gè)煙葉化學(xué)指標(biāo)數(shù)據(jù)和氣候統(tǒng)計(jì)數(shù)據(jù)，應(yīng)用灰色關(guān)聯(lián)度分析方法探討了影響遵義地區(qū)煙葉質(zhì)量的氣候因子，采用灰色系統(tǒng)理論構(gòu)建了基于氣候因子的煙葉質(zhì)量預(yù)測(cè)模型，并根據(jù)當(dāng)年生長(zhǎng)季氣候統(tǒng)計(jì)分析數(shù)據(jù)和氣候預(yù)測(cè)數(shù)據(jù)進(jìn)行生長(zhǎng)季月度煙葉質(zhì)量預(yù)測(cè)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

煙葉質(zhì)量包括外觀(guān)質(zhì)量、物理特性、化學(xué)成分、評(píng)吸質(zhì)量及安全性等諸多方面，它們分別又由相互關(guān)聯(lián)的不同評(píng)價(jià)指標(biāo)組成，這些指標(biāo)都不同程度地直接或間接影響烤煙的質(zhì)量，各項(xiàng)質(zhì)量指標(biāo)的平衡協(xié)調(diào)程度決定煙葉的工業(yè)使用價(jià)值[6-7]。其中，煙葉的化學(xué)成分主要反映煙葉的內(nèi)在質(zhì)量，其含量及比值直接影響煙葉質(zhì)量的優(yōu)劣，可以作為反映煙葉品質(zhì)的客觀(guān)標(biāo)準(zhǔn)。根據(jù)項(xiàng)目要求和質(zhì)量數(shù)據(jù)的實(shí)際情況，采用總糖、還原糖、煙堿、糖堿比及鉀氯比5 個(gè)指標(biāo)進(jìn)行煙葉質(zhì)量的分析。

選取的氣候因子為不同生育期的平均溫度、降水量、積溫、日照時(shí)間、日平均溫度≥20 ℃日數(shù)、大田期日數(shù)等熱量、水分和光照指標(biāo)；預(yù)測(cè)模型構(gòu)建選取的氣候因子為不同生育期平均氣溫、降水量。煙葉質(zhì)量預(yù)測(cè)氣候數(shù)據(jù)為當(dāng)年生長(zhǎng)季氣候統(tǒng)計(jì)數(shù)據(jù)（預(yù)測(cè)時(shí)間點(diǎn)以前）和氣候預(yù)測(cè)數(shù)據(jù)（預(yù)測(cè)時(shí)間點(diǎn)以后）。

1.2 方法

1.2.1 影響煙葉質(zhì)量的氣候因子分析方法

影響煙葉質(zhì)量的氣候因子分析采用灰色關(guān)聯(lián)分析（Grey Relation Analysis，GRA）方法，該方法是根據(jù)因素之間發(fā)展趨勢(shì)的相似或相異程度，即灰色關(guān)聯(lián)度，作為衡量因素間關(guān)聯(lián)程度的一種方法[8]。灰色關(guān)聯(lián)度分析適用于有少量數(shù)據(jù)或者無(wú)規(guī)律的數(shù)據(jù)的影響因子分析。本文采用灰色關(guān)聯(lián)分析方法，分析影響各質(zhì)量指標(biāo)的氣候因子并排序，綜合分析得到影響煙葉質(zhì)量的氣候因子及其排序。

灰色關(guān)聯(lián)度分析包括確定母序列和子序列、無(wú)量綱化處理、計(jì)算灰色關(guān)聯(lián)系數(shù)、計(jì)算指標(biāo)關(guān)聯(lián)度及形成關(guān)聯(lián)序列等步驟。母序列（比較數(shù)列）是反映系統(tǒng)行為特征的數(shù)據(jù)序列，子序列（參考數(shù)列）是影響系統(tǒng)行為的因素組成的數(shù)據(jù)序列，也就是需要確立順序的因素序列。無(wú)量綱化處理是為了使不同的影響因子具有可比性，本文采用區(qū)間化法進(jìn)行。關(guān)聯(lián)系數(shù)是描述比較數(shù)列與參考數(shù)列在某時(shí)刻的關(guān)聯(lián)程度的一種指標(biāo)，把各個(gè)時(shí)刻的關(guān)聯(lián)系數(shù)集中為一個(gè)平均值，得到關(guān)聯(lián)度，以反映兩個(gè)數(shù)列的關(guān)聯(lián)程度，根據(jù)關(guān)聯(lián)度排序確定影響因子的影響程度。

1.2.2 煙葉質(zhì)量預(yù)測(cè)模型構(gòu)建

基于歷年煙葉質(zhì)量和生育期氣溫、降水統(tǒng)計(jì)值，采用多變量灰色GM(0,N)模型建模方法，構(gòu)建煙葉質(zhì)量（某個(gè)化學(xué)成分）預(yù)測(cè)模型，為實(shí)施煙葉質(zhì)量預(yù)測(cè)奠定基礎(chǔ)。多變量灰色預(yù)測(cè)模型的算法步驟如下。

1）計(jì)算相關(guān)因素序列1-AGO、緊鄰均值數(shù)列。輸入原始序列X(0)，對(duì)其進(jìn)行累加生成序列X(1)，即1-AGO 序列，并在1-AGO 序列的基礎(chǔ)上生成緊鄰均值數(shù)列。

2）計(jì)算數(shù)據(jù)矩陣B及數(shù)據(jù)向量Y。GM(0,N)模型為：

3）計(jì)算模型參數(shù)。模型參數(shù)（發(fā)展系數(shù)a、驅(qū)動(dòng)系數(shù)b）的計(jì)算采用最小二乘法。參數(shù)列u=[a,b2,b3,…,bN]T的最小二乘估計(jì)為：

4）計(jì)算模型的擬合值或預(yù)測(cè)值。根據(jù)模型參數(shù)，得到GM(0,N)模型，導(dǎo)出煙葉質(zhì)量預(yù)測(cè)模型；根據(jù)模型計(jì)算擬合值或預(yù)測(cè)值。

5）計(jì)算殘差及相對(duì)誤差，進(jìn)行誤差分析。殘差=實(shí)際數(shù)據(jù)-模擬數(shù)據(jù)，即：

相對(duì)誤差為：

1.2.3 煙葉質(zhì)量預(yù)測(cè)

1.2.3.1 煙葉化學(xué)成分預(yù)測(cè)

在煙葉生長(zhǎng)關(guān)鍵時(shí)期（4—9月），依據(jù)當(dāng)年生長(zhǎng)季氣候統(tǒng)計(jì)數(shù)據(jù)、氣候預(yù)測(cè)數(shù)據(jù)，應(yīng)用各化學(xué)成分預(yù)測(cè)模型，按月制作發(fā)布煙葉質(zhì)量（總糖、還原糖、煙堿、糖堿比和鉀氯比）預(yù)測(cè)信息，并計(jì)算劃定煙葉質(zhì)量收益年型。

根據(jù)煙葉的總糖、還原糖、煙堿、糖堿比、鉀氯比及其適宜程度，統(tǒng)計(jì)分析各指標(biāo)歷年的變化情況，按照協(xié)調(diào)、較協(xié)調(diào)、欠協(xié)調(diào)3 檔，制定煙葉質(zhì)量收益年型劃分標(biāo)準(zhǔn)。

1.2.3.2 煙葉質(zhì)量收益年型劃分

對(duì)各指標(biāo)測(cè)量結(jié)果進(jìn)行無(wú)量綱化處理，對(duì)上部、中部、下部取平均值為相應(yīng)指標(biāo)的無(wú)量綱化值；再根據(jù)無(wú)量綱化值進(jìn)行賦值，并轉(zhuǎn)化為百分制得分。

由于質(zhì)量化學(xué)成分指標(biāo)屬于區(qū)間型指標(biāo)（某個(gè)范圍內(nèi)較適宜），無(wú)量綱化處理采用區(qū)間化法，指標(biāo)處于適宜范圍時(shí)，無(wú)量綱化值為1，偏差最大時(shí)無(wú)量綱化值為0，其余無(wú)量綱化值處于0～1。某化學(xué)指標(biāo)得分為無(wú)量綱化值×100。

參照《貴州省遵義市烤煙種植區(qū)劃》等研究成果，化學(xué)成分綜合得分為5個(gè)指標(biāo)的加權(quán)得分[9-10]，總糖、還原糖、煙堿、糖堿比和鉀氯比的加權(quán)系數(shù)分別為0.12、0.19、0.22、0.33 和0.14。根據(jù)綜合得分，按照表1的標(biāo)準(zhǔn)確定質(zhì)量收益年型。

表1 質(zhì)量收益年型劃分標(biāo)準(zhǔn)

2 結(jié)果與分析

2.1 影響煙葉質(zhì)量的氣候因子

總體而言，煙葉化學(xué)成分指標(biāo)與氣候因子存在相關(guān)性（灰色關(guān)聯(lián)度大于0.5），只有2 個(gè)站個(gè)別化學(xué)指標(biāo)與特定時(shí)期的降水量不存在相關(guān)性（灰色關(guān)聯(lián)度小于0.5）。其中，煙葉化學(xué)成分與氣溫及其相關(guān)指標(biāo)（成熟期≥20 ℃日數(shù)、積溫）的相關(guān)性較高，與降水量的相關(guān)性較低，與日照時(shí)間的相關(guān)性也不是很高。此外，各站氣候因子關(guān)聯(lián)排序并不完全相同，但總體趨勢(shì)基本一致，見(jiàn)表2。

表2 灰色關(guān)聯(lián)綜合排序表

2.2 煙葉質(zhì)量預(yù)測(cè)模型

依據(jù)歷史煙葉質(zhì)量與生育期氣溫、降水統(tǒng)計(jì)值，采用多變量灰色GM(0,N)模型建模方法進(jìn)行建模。相關(guān)氣象數(shù)據(jù)序列中，P表示降水量、T表示氣溫、數(shù)字表示月份，如P45 代表4—5 月降水量、T6 代表6 月平均氣溫。

2.2.1 桐梓縣

總糖預(yù)測(cè)模型為：

2.2.2 正安縣

總糖預(yù)測(cè)模型為：

2.2.3 綏陽(yáng)縣

總糖預(yù)測(cè)模型為：

2.2.4 湄潭縣

總糖預(yù)測(cè)模型為：

2.2.5 余慶縣

總糖預(yù)測(cè)模型為：

2.3 煙葉質(zhì)量預(yù)測(cè)

根據(jù)2020 年生長(zhǎng)季氣候統(tǒng)計(jì)數(shù)據(jù)、氣候預(yù)測(cè)數(shù)據(jù)，應(yīng)用各地各化學(xué)成分預(yù)測(cè)模型，進(jìn)行化學(xué)成分值預(yù)測(cè)，再根據(jù)化學(xué)成分預(yù)測(cè)值計(jì)算質(zhì)量綜合得分，按照質(zhì)量收益年型劃分標(biāo)準(zhǔn)確定質(zhì)量收益年型。各月預(yù)測(cè)結(jié)果見(jiàn)表3。從表格數(shù)據(jù)可知，2020 年5 個(gè)站點(diǎn)的收益年型均較好，無(wú)欠協(xié)調(diào)情況；桐梓縣各月的收益年型均為較協(xié)調(diào)，在5 個(gè)站點(diǎn)中質(zhì)量最差；綏陽(yáng)縣和余慶縣收益年型均為協(xié)調(diào)，在5個(gè)站點(diǎn)中質(zhì)量最好。

表3 2020年煙葉質(zhì)量預(yù)測(cè)一覽表

3 討論

各氣候因子對(duì)煙葉質(zhì)量的影響程度會(huì)因煙區(qū)不同而有所不同。在遵義煙區(qū)，各地氣候因子的影響程度（關(guān)聯(lián)排序）基本一致，氣溫及其相關(guān)指標(biāo)（成熟期≥20 ℃日數(shù)、積溫）影響相對(duì)較高，降水、日照時(shí)間的影響相對(duì)較低。但這并不意味著降水、日照等其他因子對(duì)煙葉質(zhì)量的影響就小，只是反映了遵義煙區(qū)關(guān)鍵生育期內(nèi)降水、日照等相對(duì)較好地滿(mǎn)足煙葉生長(zhǎng)的需要，年際變化相對(duì)較小。對(duì)其他煙區(qū)而言，氣候因子的影響程度可能不同于遵義煙區(qū)，影響最大的氣候因子可能為降水或日照時(shí)間。

煙葉質(zhì)量預(yù)測(cè)模型構(gòu)建應(yīng)用了氣溫、降水這2 類(lèi)氣候因子，是由現(xiàn)階段氣候預(yù)測(cè)的能力所決定的，其他氣候因子預(yù)測(cè)的效果目前并不理想，難以支撐煙葉質(zhì)量的業(yè)務(wù)化預(yù)測(cè)。由于煙葉質(zhì)量資料年限較短，只能采用灰色預(yù)測(cè)理論以構(gòu)建多變量灰色GM(0,N)模型。如果掌握較長(zhǎng)時(shí)間序列數(shù)據(jù)，可運(yùn)用多種方法建模，進(jìn)行對(duì)比研究，構(gòu)建效果更為理想的煙葉質(zhì)量預(yù)測(cè)模型。

從2020年煙葉質(zhì)量預(yù)測(cè)效果看，模型的精度與穩(wěn)定性尚可，可用于業(yè)務(wù)化預(yù)測(cè)。但受基礎(chǔ)數(shù)據(jù)年限較短的影響，模型預(yù)測(cè)效果有待實(shí)踐的進(jìn)一步檢驗(yàn)，需要不斷進(jìn)行模型的校驗(yàn)和完善。

4 結(jié)論

本文以煙葉化學(xué)成分為切入點(diǎn)，分析了影響遵義煙區(qū)煙葉質(zhì)量的氣候因子，構(gòu)建了基于氣候因子的煙葉質(zhì)量預(yù)測(cè)模型，并對(duì)2020 年生育期煙葉進(jìn)行了業(yè)務(wù)化的質(zhì)量預(yù)測(cè)。結(jié)果表明，煙葉化學(xué)成分指標(biāo)與氣候因子存在相關(guān)性，尤其是與氣溫及其相關(guān)統(tǒng)計(jì)指標(biāo)（≥20 ℃日數(shù)、積溫）的相關(guān)性較高，依托構(gòu)建的預(yù)測(cè)模型能夠開(kāi)展煙葉質(zhì)量（化學(xué)成分）的業(yè)務(wù)化預(yù)測(cè)，精度較高，穩(wěn)定性較好。今后，可在煙葉外觀(guān)質(zhì)量、物理特性、評(píng)吸質(zhì)量和安全性等方面進(jìn)行相關(guān)研究，從而構(gòu)建全面的煙葉質(zhì)量預(yù)測(cè)模型，進(jìn)行煙葉質(zhì)量預(yù)測(cè)。