基于線性逐步回歸的夏季草莓大棚內地溫預測模型研究

黃龍斐 王忠 張靚 王濤 周志恒

摘要 收集2018年8—9月塑料大棚內觀測的氣象數(shù)據(jù)，構建了基于線性逐步回歸的草莓生產(chǎn)大棚內的地溫預測模型，采用1號大棚內的地面溫度、氣溫、風速、總輻射，構建1個模擬方程，在構建的過程中，逐一剔除不顯著的自變量。將通過信度為0.05水平的顯著性檢驗的要素模擬出地溫模型。通過2號棚的相應數(shù)據(jù)驗證模型。該模型所需參數(shù)少，實用性強，模擬精度較好，可為設施夏季草莓氣象服務和環(huán)境調控提供數(shù)據(jù)依據(jù)。

關鍵詞 線性逐步回歸；地溫；模擬模型；夏季草莓

中圖分類號：S625.3 文獻標識碼：B 文章編號：2095–3305（2023）09–0-03

草莓為薔薇科，屬多年生草本植物，有“水果皇后”的美譽，營養(yǎng)價值、經(jīng)濟價值都較高。作為短日照、喜冷涼氣候作物，我國出產(chǎn)的草莓主要為冬春草莓，出產(chǎn)時間為每年12月—翌年5月，批發(fā)價格20～40元/kg。每年6—11月是我國草莓生產(chǎn)空白期，只有南半球可出產(chǎn)優(yōu)質草莓，但受限于交通運輸，目前國內優(yōu)質夏季鮮食草莓市場暫為空白[1]。

川西北高原位于四川省西北部的阿壩藏族羌族自治州、甘孜藏族自治州境內，平均海拔在3 000～4 000 m以上，是四川省地勢最高地區(qū)；大部分地區(qū)年均溫為0～6 ℃，極端最低溫在-20 ℃以下，10 ℃以上活動積溫1 000～1 500 ℃·d，全年長冬無夏，春秋相連，為四川熱量最低地區(qū)。而太陽年輻射量和年日照時數(shù)均為四川省最高值，豐富的光能資源在一定程度上彌補了地高天寒、熱量不足的缺陷[2-6]。

通過利用高原的夏季模擬平原冬季氣候，“藍迦梅朵”團隊前期經(jīng)不同栽培試驗，目前已成功在6—10月產(chǎn)出了優(yōu)質鮮食草莓，并于松潘高原種植基地成功投入生產(chǎn)。作為植物生長的一個重要因子，氣象因子是制約農(nóng)作物生產(chǎn)產(chǎn)量和品質關鍵之一，而目前夏季草莓生產(chǎn)中氣象要素的調控多依靠種植經(jīng)驗，標準化、定量化生產(chǎn)指導體系缺失制約了夏季草莓生產(chǎn)規(guī)模的擴大[7-10]。

迄今為止，針對氣象條件對草莓生產(chǎn)的影響已有一定研究，地溫是草莓生長指標中非常重要的氣象要素，但現(xiàn)有研究多是針對冬春草莓開展的，對高原草莓設施生產(chǎn)，尤其是夏季草莓的生產(chǎn)研究鮮見報道。擬通過“藍迦梅朵”夏季草莓基地1號、2號實驗大棚小氣候數(shù)據(jù)（1號、2號棚為相鄰，規(guī)模一樣，品種一樣，施肥施水一樣的2個實驗棚），建立適于草莓設施栽培的地溫預報模型，為草莓成熟期預測、產(chǎn)量預測及設施楊梅氣象保障服務提供技術支持。

1 資料和方法

1.1 試驗資料

草莓在5 ℃以上開始發(fā)芽，最佳生長溫度為15～25 ℃。如果外界溫度低于10 ℃或高于30 ℃，草莓的生長將受到嚴重抑制，甚至不會生長或死亡。如果草莓生長過程中溫度降至7 ℃以下，植物會凍死。草莓根在2 ℃和10 cm的溫度下開始適當?shù)纳a(chǎn)活動，在10 ℃時更為活躍，生長速度非?？臁?/p>

根據(jù)相關調查的統(tǒng)計數(shù)據(jù)，土壤溫度與草莓成熟度和產(chǎn)量密切相關。在冬季最冷的季節(jié)，溫度越低，草莓相應的預收獲越低，但總產(chǎn)量最高，草莓果實也越大，反之亦然。如果溫度更高，草莓的早期產(chǎn)量雖然高，但總產(chǎn)量很低，果實也很小。溫室種植草莓一般在7月底進行翻耕、澆水、密封，保持溫度在70 ℃左右，可以起到殺菌作用，減少病菌。通常持續(xù)15 d，然后通風。為了獲得高產(chǎn)，必須種植高穗，將草莓種植穗設置在90 cm的距離，雙排種植，穗高控制在25～30 cm之間，穗寬25～30 cm，種植前7 d澆水。最好選擇陰天種植，有條件的選擇窩盤苗木較好，移植后存活率高，苗木速度慢，結果早。種植時，樹苗種植深度必須掌握為“深埋不深，淺埋不露根”，種植后必須一次性足量澆水。

1.2 試驗方法

試驗時間為2018年8月—9月，此時草莓處于花芽萌動至果實成熟期，是產(chǎn)量和品質形成的關鍵期。試驗地點位于四川省松潘縣水晶鄉(xiāng)，選擇2個塑料大棚，大棚呈南北向，長17 m，寬8 m，肩高1.5 m，頂高3.5 m，棚內有約1 000株草莓，品種是蒙特瑞。地形為高原，海拔約3 100 m，土質為沙壤土、微酸性、中等肥力。大棚中心位置距地1.5 m處建有1套ZXCAWS380農(nóng)業(yè)氣象站，1個溫濕傳感器模塊，觀測要素為氣溫、相對濕度、總輻射、光合、地溫、土壤3參數(shù)（10、20、30 cm）水電導率、風速，采集頻率為1 min/次，存儲每1 min的平均值。大棚內溫度濕度采集頻率為5 min/次。

此次試驗數(shù)據(jù)為所有要素的小時數(shù)據(jù)，溫濕數(shù)據(jù)采用5 min/h數(shù)據(jù)平均值。按時間順序記錄的連續(xù)數(shù)據(jù)序列，例如：計算機數(shù)據(jù)收集系統(tǒng)是一個時間序列，溫室氣體環(huán)境控制系統(tǒng)每隔一段時間收集的溫度數(shù)據(jù)是一個時間序列，這是一個獨立的時間序列。因此，使用時間序列分析方法的具體步驟預測溫室溫度。分析原始室內溫度數(shù)據(jù)的序列，并使用線性差法處理異常和缺失數(shù)據(jù)。為了消除周期性影響，每年對處理過的溫度數(shù)據(jù)集進行區(qū)分。在微分溫度序列之后，對相關系數(shù)進行估計，以確定其是否穩(wěn)定。如果沒有，則進行另一個順序差分，然后進行平滑性測試；針對平滑序列，模型類型是根據(jù)自相關系數(shù)的估計和部分相關系數(shù)的估計選擇的。微分后估計均勻時間序列預測模型。如果預測模型不符合要求，修改預測模型并重復步驟，直到獲得令人滿意的室內溫度預測模型。

1.3 模型的構建

逐步回歸，剔除不顯著的自變量。在建立多元回歸方程時，通常有一些自變量與依變量存在著顯著的回歸關系；而另些自變量對依變量的影響很小，與依變量不存在的回歸關系，這些自變量在回歸方程中是不重要的，應進行剔除，使建立的多元線性回歸方程中僅包含與依變量存在顯著回歸關系的自變量，此時建立的多元線性回歸方程稱為最優(yōu)多元線性回歸方程。

利用軟件IBMSPSSStatistics，將1號大棚內的地溫作為因變量，氣溫、相對濕度、風速、總輻射作為變量，建立四元線性回歸方程?？梢钥闯鲎兞繗鉁?、相對濕度、總輻射回歸系數(shù)不顯著，在建立最優(yōu)線性回歸方程時需要剔除，由于變量之間的相關性，要逐一剔除，先剔除相關性最低的風速。

去掉風速后建立三元線性回歸方程，3個變量的相關系數(shù)都＜0.05達到顯著水平，不需要進一步剔除變量，最終的最優(yōu)線性回歸方程為：

Y1=6.347+0.197×T+0.065×RH+

0.037×Ra（1）

式（1）中，Y1是1號棚模擬地溫（℃），6.347為常量，0.197為溫度系數(shù)，T為溫度（℃），0.065為濕度系數(shù)，RH為相對濕度（%），0.037為總輻射系數(shù)，Ra為總輻射（W/m2）。

1.4 驗證模型

為了驗證模型的精確度，應用2號大棚的溫度、相對濕度、總輻射代入公式，將得出的Y（模擬地溫）與2號棚實際地溫進行對比。

Y2=6.347+0.197×T+0.065×RH+0.037×Ra（2）

式（2）中，Y2是2號棚模擬的地溫（℃），6.347為常量，0.197為溫度系數(shù)，T為溫度（℃），0.065為濕度系數(shù)，RH為濕度（%），0.037為總輻射系數(shù)，Ra為總輻射（W/m2）。

2 結果與分析

2.1 地溫分別與氣溫、相對濕度、總輻射、風速的關系

2.1.1 地溫與風速的關系 在建立模型時，風速因為相關性最低被剔除，這是由于大棚內通風口小，風對地溫的影響相對其他要素要小。

2.1.2 地溫與氣溫的關系 由圖1可知，整個實驗期內，地溫與氣溫呈正相關，其中，在白天正午氣溫在30 ℃以上時，地溫比氣溫明顯偏高，夜間氣溫比地溫稍微偏低。

2.1.3 地溫與總輻射的關系 由圖2可知，整個實驗期內，地溫與總輻射呈正相關，其中，在白天12：00或者地溫在30 ℃以上時，總輻射越高地溫越高，而在夜間，總輻射越低地溫越低。

2.1.4 地溫與相對濕度的關系 由圖3可知，整個實驗期內，地溫與相對濕度呈負相關，相對濕度越高、地溫越低，反之，相對濕度越低、地溫越高。

2.2 模擬地溫與實際地溫的對比驗證

在實驗期間，將1號棚的地溫作為因變量，氣溫、相對濕度、總輻射、風速作為變量，在剔除風速之后，利用三元線性回歸方程得到模型的模擬地溫Y1。為了驗證模型的可用性，將2號棚氣溫、相對濕度、總輻射代入公式，得到模擬地溫與2號棚實際地溫作折線圖1：1對比。由圖4可以看到，在溫度10～30 ℃時，模型的模擬效果較好，模擬地溫與實際地溫相對集中，且大多數(shù)集中在1：1線附近。而在溫度30～50 ℃時效果較差，數(shù)據(jù)較為分散。而在50 ℃以上，數(shù)據(jù)又相對較集中，但溫度超過50 ℃的情況較少。總體來說，此次實驗的模型精度較好。

3 討論與結論

研究建立了1個基于線性逐步回歸的大棚草莓的地溫模型，可以利用棚內氣溫、相對濕度、總輻射等氣象要素作為模型變量，最后得出模擬地溫。通過另外1個大棚驗證模型效果。結果表明：模型預測精度較好。但在30～50 ℃之間的精度不是很好。主要是由于變量比較少，數(shù)據(jù)量不夠多，時間不夠長，且地溫還與地面濕度、淺層地溫、濕度等其他氣象要素有關。

線性逐步回歸模型是建立在大量實驗數(shù)據(jù)基礎上的，模擬某一特定條件下的溫室小氣候，其精度較好。但線性逐步回歸只能采集于特定環(huán)境、特定時間，不具有普遍代表性，因此，模型只限于解決某一特定時間、特定環(huán)境的小氣候問題，其廣泛適應性還有待進一步研究。

此處建立的大棚棚內草莓地溫預測模型的模擬地溫只是針對草莓大棚，對其他不同類型大棚小氣候模擬還需要通過大棚內外氣象要素的對比試驗數(shù)據(jù)調整模型參數(shù)。線性逐步回歸構建立了大棚內地溫模擬模型，可以利用氣溫、濕度、輻射為草莓生產(chǎn)管理提供科學依據(jù)。但設施草莓生產(chǎn)中，瞬時地溫對草莓的生長非常重要。而且影響大棚內小氣候因素除了外界氣象要素外，草莓植株的株高和莖粗、葉面積也會直接影響蒸騰量大小，從而影響潛熱，在以后的試驗中還需要進一步完善模擬模型，同時增加短時間氣溫（如5、10 min等）的模擬，還有在地面鋪塑料膜時的模擬，其結果將更具實用性。

參考文獻

[1] 金志鳳，符國槐，黃海靜，等.基于BP神經(jīng)網(wǎng)絡的楊梅大棚內氣溫預測模型研究[J].中國農(nóng)業(yè)氣象，2011，32（3）：362-367.

[2] 張新顏，王穎，張盼，等.基于SVR的塑料大棚坐果期草莓光合速率預測模型研究[J].農(nóng)業(yè)工程技術，2021，41（16）：57-59.

[3] 楊棟，李清斌，孫軍波，等.大棚草莓品質模型及品質時空變化特征[J].浙江農(nóng)業(yè)科學，2016，57（11）：1904-1908.

[4] 楊文剛，孟翠麗，胡幼林，等.春季不同結構溫室氣溫變化特征及預測模型[J].江蘇農(nóng)業(yè)科學，2015，43（6）：386-390.

[5] 何濤，廖克杰，陳丹，等.線性回歸模型在四季大棚小氣候預測方面的應用研究[J].安徽農(nóng)業(yè)科學，2012，40（19）：10061 -10062.

[6] 楊義，洪波，李艷莉，等.基于2種算法的日光溫室日均氣溫預測模型比較研究[J].陜西氣象，2022（3）：48-52.

[7] 羅靖，楊再強，楊立，等.基于高光譜參數(shù)建立苗期高溫條件下草莓葉片葉綠素含量估算模型[J].中國農(nóng)業(yè)氣象， 2022，43（10）：832-845.

[8] 金志鳳，符國槐，黃海靜，等.基于BP神經(jīng)網(wǎng)絡的楊梅大棚內氣溫預測模型研究[J].中國農(nóng)業(yè)氣象，2011，32（3）：362-367.

[9] 高羽，李靜，劉洋，等.結構方程模型在興安落葉松林生長中的應用[J].南京林業(yè)大學學報（自然科學版），2023，47（1）：38-46.

[10] 張利亞，劉霞，師豪，等.木醋液對大棚草莓土壤pH、葉綠素、品質及產(chǎn)量的影響[J].中南農(nóng)業(yè)科技，2022，43（1）：22-23，27.

A Study on the Prediction Model of Temperature in Strawberry Greenhouses in Summer Based on Linear Stepwise Regression

Huang Long-fei et al（Aba Prefecture Meteorological Observation Center， Ma’erkang， Sichuan 624000）

Abstract Collected meteorological data observed in plastic greenhouses from August 2018 to September 2018， and constructed a ground temperature prediction model for strawberry production greenhouses based on linear stepwise regression. A simulation equation was constructed using the ground temperature， air temperature， wind speed， and total radiation in greenhouse 1， and insignificant independent variables were removed during the construction process.The elements that have passed the significance test with a reliability of 0.05 level should be simulated into the ground temperature model. Then validate the model using the corresponding data from shed 2. This model requires fewer parameters， has strong practicality， and good simulation accuracy， which can provide data basis for strawberry meteorological services and environmental regulation in summer facilities.

Key words Linear stepwise regression; Ground temperature; Simulation model; Summer strawberries