棉花品质与气候因子的灰色关联度分析——以新疆石河子地区为例

[目的]运用灰色系统理论对新疆石河子地区气候因子与棉花品质进行关联度分析,为石河子地区棉花生产过程中应对气候变化、合理利用气候资源、有效规避气候风险提供参考.[方法]以2010~2012年整个棉花生长期所有月份的月度平均气温、降水量和日照时数为主要气候因子,以对应年份的3级棉花为评测依据,通过均值像变换法将平均气温、降水量和日照时数进行无量纲化后作为输入变量,棉花品质为输出变量,建立灰色关联度分析模型.[结果]2010~2012年,3个气候因子的关联度大小顺序为:平均降水量>平均气温>平均日照时数;按月度分析,平均气温和平均日照时数对棉花品质影响最大的月份主要集中在5~9月,平均降水量对棉花品质影响最大的月份为4、5、7和10月.[结论]灰色关联度分析模型可以客观地分析评价气候因子对棉花品质影响的相关性,在棉花生产实际中有一定的适用性.     

影响南平烤烟生产气象因子的灰色因素分析与应用

运用灰色系统理论对南平市烤烟生产的相关气象因子与当年烤烟单产进行了比较分析.结果表明,影响南平市全市烤烟单产的气象因子中关联度最大的为大田期≥8.0℃有效积温;影响邵武市烤烟单产的气象因子中关联度最大的为6月份平均气温;影响建阳市烤烟单产的气象因子中关联度最大的为成熟期日平均温度≥20.0℃日数;影响浦城县烤烟单产的气象因子中关联度最大的为活动积温达2600.0℃.d日数.上述4个气象要素是影响当地烤烟单产的最重要因素;5月份平均气温的关联度居第2位,成为影响烤烟单产的第2大影响因子;7月份平均降水量的关联度最小,对烤烟单产的影响最小.     

基于灰色关联气候因素对新疆农八师垦区棉花产量的影响

为探索气候因素对新疆农八师垦区棉花产量的影响,选取该区1961—2018年棉花气候单产为参考因素,9个气候因子[X1,生长季（4—9月）平均气温;X2,4—9月平均最低气温;X3,≥10℃积温;X4,4—9月降水量;X5,5—9月日照时数;X6,终霜日期;X7,初霜日期;X8,播种出苗积温;X9,5月极端最低气温]为比较因素,进行棉花气候单产与气候因素的灰色关联度及相关分析。结果表明：棉花气候单产与各比较因素的关联度为：≥10℃积温（X3）＞5月极端最低气温（X9）＞生长季（4—9月）平均气温（X1）＞播种出苗积温（X8）＞初霜日期（X7）＞终霜日期（X6）＞5—9月日照时数（X5）＞4—9月平均最低气温（X2）＞4—9月降水量（X4）,其中,≥10℃积温、5月极端最低气温、生长季（4—9月）平均气温、播种至出苗正积温及初霜日期与棉花产量极显著相关。棉花生长季总热量、苗期低温冷害以及秋季初霜日期是影响棉花产量的主要气候因子。     

气候因素对新疆农八师垦区棉花产量的灰色关联分析

为探索气候因素对新疆农八师垦区棉花产量的影响,选取该区1961—2018年棉花气候单产为参考因素,9个气候因子[X1,生长季(4—9月)平均气温;X2,4—9月平均最低气温;X3,≥10℃积温;X4,4—9月降水量;X5,5—9月日照时数;X6,终霜日期;X7,初霜日期;X8,播种出苗积温;X9,5月极端最低气温]为比较因素,进行棉花气候单产与气候因素的灰色关联度及相关分析。结果表明:棉花气候单产与各比较因素的关联度为:≥10℃积温(X3)5月极端最低气温(X9)生长季(4—9月)平均气温(X1)播种出苗积温(X8)初霜日期(X7)终霜日期(X6)5—9月日照时数(X5)4—9月平均最低气温(X2)4—9月降水量(X4),其中,≥10℃积温、5月极端最低气温、生长季(4—9月)平均气温、播种至出苗正积温及初霜日期与棉花产量极显著相关。棉花生长季总热量、苗期低温冷害以及秋季初霜日期是影响棉花产量的主要气候因子。     

气象因子与春茶及中高档春茶产量的灰色关联分析

利用灰色关联分析法,分别以春茶产量、中高档春茶产量作为参考母序列,以春茶、中高档春茶生长期内2—3月降水量、3月空气相对湿度、4月中旬平均气温为参考子序列,对春茶和中高档春茶产量与气象因子的关联程度进行相关分析。结果表明,与春茶产量关联度最大的是3月空气相对湿度,其次是4月中旬平均气温,最小是2—3月降水量;与中高档春茶关联度最大的是2—3月降水量,然后依次是3月空气相对湿度和4月中旬平均气温。基于气象因子与春茶及中高档春茶产量的关联度,生产上应该采取措施以提高春茶和中高档春茶的产量。     

气候因子对棉花产量和品级影响的灰色关联分析

采用灰色关联分析法，研究了气候因子对棉花产量和纤维品级的影响。结果表明，气候因素的变化曲线与皮棉单产和纤维品级的变化曲线相似。气候因子与皮棉产量之间的灰色关联度平均为０．６４２ ２，与纤维品级之间的灰色关联度为０．５５５ ８。对湖南棉花皮棉单产和纤维品级影响最大的气候因子是降雨日和日照时数，影响最小的是日平均温度。     

基于改进灰色关联度法的监利县粮食波动影响分析

利用逐步回归分析监利县粮食生产的变化,提取影响监利县粮食波动的10个因素,运用灰色关联度进行关联度排序,构造判断矩阵,确定影响因素的权重。结果表明：耕地面积、粮食作物播种面积、降水量、单产、农林牧渔业劳动力5个因素。是监利县粮食产量波动的主要影响因素。     

棉花花铃期气候因子与综合品质的灰色关联度分析——以奎屯垦区为例

以2016年整个花铃期每日平均温度、最高温度、最低温度、平均降水量、相对湿度为气候因子,运用灰色系统理论对气候因子与棉花综合品质进行关联度分析,得出5个气候因子对棉花综合品质的关联度大小顺序为:日最高温度日平均温度日最低气温相对湿度降水量,对一个棉花生育期内的取样数据进行分析,结果显示日最高温度作为花铃期对棉花品质影响的主要因子,影响棉纤维的生长和发育。     

油松幼树高生长与气候因子的关联度

为了探究油松(Pinus tabulaeformis)幼树高生长与气候因子之间的关系,找出决定和影响油松生长的气候因子及其在各主要时间段的气候因子。以河北遵化地区15年生油松幼树为对象,通过连续9 a对油松幼树高生长的调查,结合收集遵化当地气象站相应的逐月气象资料,利用灰色关联度分析法,对油松高生长量与气候因子进行关联分析。结果表明：温度和降水是影响油松幼树高生长的重要因素;前一年冬季(12月—次年2月)的气温、地温以及前一年夏季(6—8月份)的降水量是影响油松高生长的主导气候因子;当年油松高生长季前期的温度和前一年油松高生长结束期的降水量对油松高生长的影响最大,关联度都达到0.9以上。     

华北落叶松、樟子松生长与气候因子的关联度分析

运用灰色关联度方法分析了塞罕坝地区华北落叶松、樟子松生长与气候因子的相关关系,结果表明:水分因子是影响华北落叶松、樟子松直径、树高连年生长的主导气候因子,主要包括年平均相对湿度、年降水量、上年11月-当年1月平均蒸发量、上年6~8月份降水量。     

影响贵州西部马铃薯产量的主要气候因子分析

以贵州西部1978～2008年马铃薯平均产量作参考数列,以马铃薯生长期（3～8月）≥5℃积温、平均温度、降水量、日照时数、日平均最高温度和日平均最低温度等气候因子做比较数列,用灰色关联度分析法和主成分分析法对影响贵州西部马铃薯产量的气候因子进行分析。结果表明,温度、水分、光照3个综合因素对马铃薯生产具有协同作用,在水分、光照充足的条件下,热量因子对马铃薯产量起着主要作用。灰色关联度分析和主成分分析2种评价方法均可作为评价贵州西部马铃薯产量的影响因子,二者的评价结果基本一致。     

山东省不同生态条件气候因素对谷子产量的影响

【目的】谷子籽粒产量是谷子生产最重要指标之一。气候因素的变化对农业生产影响巨大,研究山东地区不同生态条件下气候因素的变化对谷子产量的影响,解析不同生态条件下育成谷子品种籽粒产量的变化规律,为优质特色谷子品种选育及生产利用提供科学依据。【方法】 利用华北夏谷区选育的8个优质、特色谷子新品种,2016—2017年种植在山东省不同生态条件下的5个试点,成熟收获后测定谷子籽粒产量,进行多因素方差分析,利用Duncan方法检测籽粒产量差异显著性;利用Pearson方法对谷子产量和谷子生育期间气温、降水量、日照时数等因素进行相关性分析。【结果】 不同年份、地点×年份、地点×品种对谷子籽粒产量影响极显著（P<0.01）,品种、品种×年份、地点×品种×年份对籽粒产量影响显著（P<0.05）。地点、地点×年份、地点×品种、品种对谷子产量变异贡献率较大,分别为50.05%、19.76%、12.32%和8.67%;年份、品种×年份变异贡献率相对较小,分别为2.70%和1.69%。2017年谷子产量总体比2016年提高4.55%,但是试点之间表现不一致;济南市、临沂市、济宁市2017年产量比2016年分别提高21.64%、18.47%和3.96%,而德州市、泰安市试点2017年产量水平分别比2016年低8.66%和9.78%,同一试点不同年份之间产量差异显著的原因主要由气候因素引起,特别是降水量和降水时间的分布。2年5个试点8个谷子品种平均产量为5 657.2 kg·hm^-2,变幅为5 267.8—5 926.0 kg·hm^-2,豫谷18产量最低,济谷20产量最高。济谷20、济谷22、济绿谷1号、济糯谷2号和中谷2号产量差异不显著,但显著高于济谷19和豫谷18。相关性分析表明,谷子籽粒产量与各时段平均气温正相关（P>0.05）;与生育期总平均气温显著正相关（P<0.05）,与各时段最高温度正相关（P>0.05）;与6月中旬、6月下旬苗期降雨量负相关（P>0.05）,与7月下旬至8月中旬孕穗至开花期的降雨量负相关（P>0.05）;与9月中下旬灌浆中后期光照时间正相关（P>0.05）。【结论】 山东地区不同年份、地点、品种、地点×年份、地点×品种等因素对谷子产量影响有较大影响;不同年份、不同地点的气温和降水是影响谷子产量的重要原因,谷子全生育期平均气温升高提高了谷子籽粒产量;苗期、抽穗开花期降雨多对谷子产量有不利影响。不同年份、不同地点品种产量存在较大差异,济谷20、济谷22、济绿谷1号、济糯谷2号、中谷2号等品种在山东地区不同生态条件下有较好的丰产性和稳定性。     

小麦产量三要素与产量的通径和灰色关联度分析

选用2008—2014年河南省生产上种植面积前15位的小麦品种和部分区域试验或生产示范表现较好的品系,分别采用灰色关联度分析和通径分析2种方法对小麦穗数、穗粒数、千粒质量与产量的相互关系进行分析,并比较了2种分析方法的差异,以期为今后相关研究分析方法的选择提供参考。结果表明,对产量三要素数据分别进行初值化、区间化、均值化处理后,产量三要素与产量的关联度大小顺序各不相同,分别表现为千粒质量穗粒数穗数、穗粒数穗数千粒质量、穗粒数千粒质量穗数;而通径分析结果和前人的研究结果更加一致,产量三要素与产量的相关性表现为穗数穗粒数千粒质量。综上,灰色关联度分析由于受数据转换方法的影响,试验结果波动较大,而通径分析所得结果更加稳定,因此,在进行试验因素相关程度分析时应优先选择通径分析方法。     

粮食产量变化趋势的物元分析

利用灰色关联分析,挑选出与粮食产量关系密切的物理因子,可对粮食产量影响因子做出较准确的排序。以浙江省为例,利用前期的影响因子,对其粮食产量的变化趋势进行了物元分析。结果表明:在1995~2009年的15 a当中,浙江省粮食年产量的计算等级与实际等级符合的年份为13 a,1998年和2005年的计算等级和实际等级虽然情况不符合,但是也只是相差一个等级,计算结果理想。可以利用物元分析对未来粮食产量变化做出较准确的预测。     

粮食产量变化及影响因素分析——以山东省东营市为例

分析了山东省东营市1983~2002年粮食产量变化情况。通过选取气温、降水量、蒸发量、粮食播种面积、农业机械动力、化肥施用量、农业人口等7个因子,分别采用单因子关联分析和多因子PCA分析,揭示了东营市影响粮食产量变化因素的内在联系。单因子分析表明:气温、播种面积、化肥用量、机械动力、农业人口等5个因子与粮食产量的关联程度极显著(在0.01水平),关联系数>0.586。PCA分析表明,气温、化肥用量、机械动力及农业人口作为第一主分量对粮食产量影响较大,占有分析因子贡献率的50.99%,降水量、蒸发量与播种面积作为第二主分量对粮食产量影响较大,占有分析因子贡献率的21.18%。第三主分量表现在播种面积,贡献率为12.93%。     

运城市粮食产量综合预报模型

基手运城市13个台站1971～2010年间的冬小麦和秋粮单产、作物生长期间的气温、降水和日照等地面资料以及海温、高度场资料．运用滑动平均、调和权重、逐步回归等方法分析了气象条件与冬小麦和秋粮单产的相关关系,分别建立了冬小麦、秋粮产量各种预报模型,并在此基础上建立了冬小麦、秋粮产量综合预报模型,其拟合效果和试报效果甚佳,可投入业务应用。     

气候变化对南丰县粮食作物产量影响分析

选用1961—2018年南丰县统计局双季早、晚稻及粮食作物单产和南丰国家基本气象站气温、日照、降水等观测资料,结合南丰县气象局双季早、晚稻发育期观测等资料,使用Excel图表、线性气候倾向率、相关分析等方法,分析气候变化对南丰县粮食作物产量的影响。结果表明,1961—2018年,南丰县双季早、晚稻及粮食作物单产总体呈上升趋势,双季早、晚稻及粮食作物单产均随年际变化正相关极显著,将有利于南丰县粮食作物产量的稳定。随着全球气候变化,与南丰县双季早、晚稻及粮食作物单产正相关极显著的年平均最低气温、3—10月月极端最低气温平均等因子随年际变化升高,表明南丰县粮食作物生长期间的热量资源将更加丰富,气候变化有利于南丰县粮食作物增产。虽然年日照时数,尤其是6—9月日照时数随年际变化减少,较不利粮食作物生长,但与主要气象要素热量条件相比,有利条件远大于不利条件。年降水量和3—10月降水量随年际变化线性相关不显著。     

西瓜产量与气象因素的灰色关联度分析

运用灰色关联分析理论,对2000～2010年开封市西瓜产量和气象因素的关联度进行分析。结果表明,影响开封市西瓜产量的主要气象因素,按照关联度由大到小依次排列为:7月份平均温度4月份降水4月份平均温度6月份平均温度5月份降水6月份光照5月份平均温度6月份降水4月份光照5月份光照7月份光照7月份降水。通过分析可以看出,开封市西瓜产量与温度条件的关联度最大,由于开封西瓜播种期间,温度仍然不稳定,容易受冷空气的影响,不利于出苗和生长。因此选择适宜的播种期,对提高西瓜产量十分重要。西瓜出苗后应特别注意做好保温防冻工作。开封西瓜进入伸蔓开花期后,应注意降水和光照对西瓜的影响,开封5月份容易出现干旱天气,如果降水偏少,应注意及时合理灌溉。西瓜果实成熟期,正值开封的雨季,要特别注意防范暴雨洪涝和连阴雨天气对西瓜产量造成的不利影响。雨后注意及时排水防涝。开封西瓜生长期间需充足的日照时数和较强的光照强度,若光照不足,会对西瓜生长发育和产量的提高造成明显的不利影响。因此西瓜栽培管理上应该注意对植株及时整枝打杈,减少枝叶重叠,改善瓜田光照条件,以利于西瓜产量和品质的提高。     

贵南县气候变化对春小麦生长发育及产量的影响评价

利用贵南县气象站2012-2018年春小麦观测记录,对生长发育状况及产量结构进行分析,结合发育期间温度、降水、日照等气象要素,建立影响春小麦产量的小穗数、穗粒数、千粒重结构因素的预报模型,对2012-2018年产量结构因素做评估检验。分析找到贵南春小麦蛋白质含量、淀粉含量较低,高白度不高的气候原因:灌浆到成熟期,贵南地区正处汛期,雨热同期,日平均气温13.3℃,降水量过多和土壤含水量偏高不利于蛋白质生成,水分过多也致使面筋弹性降低,品质下降。虽然2012-2018年贵南春小麦产量有增加趋势,但播种面积逐年减少,作为半农半牧区群众主要食物的原材料,改良品种,培育优质高产适合河谷农业生产的品种势在必行。     

Studies on the Relationship Between Grain-yield and Climatic Ecological Factors in Summer Corn Under Super-high-yielding Cultivation Conditions

Cultivation experiments on super-high-yield (≥12000kg/ha) of summer corn (Zea mays L. )were conducted in Laizhou, Shangdong Province, from 1986 to 1997, and in Wenxian, Henan Province, from 1996 to 1997. The results showed that requirements of accumulated temperature and hours of sunshine for super-high-yield of summer corn could be met in normal years in the areas of the Huanghuaihai Plain. Amount of precipitation influenced the yield most strongly in indirect way among all the meteorological factors, and the relationship between them displayed significant negative correlation (r = -0. 5418). The regression equation between yield and amount of precipitation at seedling stage and grain filling stage both reached significant level, and the partial regression coefficients were - 4. 8735 and - 13. 7415, respectively. Further research revealed that the key climatic-ecological factors influencing yield were as fellows: the average temperature in the third and the ninth Xun (note: a Xun indicates ten days and the accounting of Xun was from the corresponding sowing date), the hours of sunshine in the sixth and the eighth Xun, the amount of precipitation in the sixth, the seventh and the second Xun. Results obtained by analyzing yield components of summer corn showed that grain numbers per ear (GN/E) made greater contribution to super-high-yield than kernel weight (KW) and the numbers of ears did. The key factors influencing GN/E were the amount of precipitation in the sixth and the eighth Xun and the hours of sunshine in the sixth Xun, with the correlation coefficients of - 0.6074, 0.5793 and 0.5854, respectively.