, ，，

(1 湖南农业大学农学院， 长沙 410128； 2 安康市烟草公司白河分公司，陕西白河 725899)

2012-06-23

李淑娥(1984—)，女，陕西澄城人，硕士研究生，Email:lishue0913@163.com。

白河烟区烤烟产量多元线性回归模型年景预测

李淑娥1,2,王智慧2，刘开平2，杨居健2

(1 湖南农业大学农学院， 长沙 410128； 2 安康市烟草公司白河分公司，陕西白河 725899)

将烤烟实际产量分离为趋势产量和气象产量，根据1997～2011年白河县气象资料和烤烟产量资料，采用SPSS统计软件分别建立趋势产量和气候产量回归模型，最终建立产量回归模型：Y=-89 321.903+43.455T+41.972x1+48.276x2。并对历年产量进行检验，结果表明，预测精度最高为100%，最低为92%，平均精度为97%。该模型具有较高的信度和实用性，可作为白河烤烟产量预报的有效工具之一。

烤烟；产量；预测模型；气候条件

白河烟区地处陕西省东南部、大巴山北麓，介于东经109°37′～110°10′，北纬32°34′～32°55′之间，位于汉江上游，农业生态气候属北亚热带大陆性季风湿润气候区，地形地貌复杂，立体气候明显，全年雨量充沛，四季分明。光、热、水、气资源为白河优质烟叶生产提供了生态基础。白河烟叶具有组织结构疏松、化学成分协调、配伍性强等特点，是卷烟工业的优质原料。烤烟生产已成为当地农民增收、农业增效的主要项目之一，是当地经济发展的支柱产业之一。近年来，白河烟区烤烟种植技术不断改进提高且趋于稳定，但烤烟单产波动大，很大程度上受气象因素的制约。因此，研究气象因子对其产量的影响，建立烤烟产量预报模型，有利于烤烟栽培管理，趋利避害，达到适产优质的目的。

1 材料与方法

1.1 材料

气象资料采用白河县气象局提供的1997～2011年白河县烤烟大田生长期间(5～8月)相关的32个气象因子资料，分别为平均气温、5 cm地温、降水量、蒸发量、相对湿度、日照时数、日照百分率、≥10℃有效积温等。

烤烟资料采用安康市烟草公司白河分公司提供的1997～2011年白河县烤烟种植面积、年总产量和年单位面积产量。

1.2 方法

白河县1997～2011年烤烟实际单产是逐年变化的，要研究作物产量与气象条件间的关系，必须消除实际产量中的人为因素，仅对气象因素影响的那部分产量与气象因子进行相关性分析。产量预测模型一般通式[1]为：

Y=Yt+Yw+ε

(1)

式中：Y为烤烟模拟产量，Yt为烤烟趋势产量，Yw为气象产量。ε为随机误差，可忽略不计，因此(1)式可简化为：

Y=Yt+Yw

(2)

通过线性回归分析法分别建立Yt、Yw预测方程，得到烤烟产量预测模型。

2 烤烟产量预测模型的建立

2.1 趋势产量预测模型

对于趋势产量的模拟方法有多种，如滑动平均法、重心描述法、直线法、正交多项式法等。其中直线滑动平均法不必主观假定产量历史演变曲线类型，是一种较好的趋势模拟方法[2]。笔者采用此法，先对烤烟单产进行5年滑动平均处理，分离趋势产量Yt和气象产量Yw，滑动后样本序列变为2001～2011年。然后，笔者在SPSS中建立一新数据文件，第1列变量为Yt(趋势产量)，第2列为T(年代)，表略。依次选择“分析”、“回归分析”、“线性回归”，打开线性回归分析主对话框。将Yt作为因变量，将T(年份)作为自变量式，进行线性回归分析[3]。结果表明，复相关系数R为0.939，R2为0.881，调整后的R2为0.868，估计值的标准误55.855，F值为66.579，相应的p值为0.000，小于显著水平0.05，因此可知模型直线回归效果非常显著(表1)。

表1 回归分析与趋势产量相关显著因子系数表

烤烟趋势产量直线回归方程为：

Yt=43.455T-85 024.273

(3)

2.2 气象产量预测模型

烤烟气象产量不单与某个气象因子有关，而是多个气象因子共同作用的结果，故需建立多元线性回归分析模型。笔者首先筛选影响烤烟气象产量的主要气象因子，利用SPSS统计软件，分析历年气象产量与同期气象资料间的相关关系，发现6月份空气相对湿度、8月份5 cm地温等2个因子相关性达到显著水平。这2个因子在一定范围内均有较大波动，其值高低对烤烟产量影响较大。跟降水、光照有关的气象因子在上述分析中未通过显著性检验，分析白河烟区2001～2011年烤烟大田生长期间降水和光照，发现在烤烟大田生长期间降水适宜、光照充足，对烤烟产量波动影响较小，可作为常量进行处理。

确定影响烤烟气象产量的主要气象因子后，笔者在SPSS 17.0中建立一新数据文件，第1列变量为因变量Yw(气象产量)，第2-3列为自变量( 2个气象因子)。依次选择“分析”、“回归分析”、“线性”进行线性回归分析[3]。结果表明，复相关系数R为0.936，R2为0.876，调整后的R2为0.834，估计值的标准误57.171，F值为21.132，相应的p值为0.002，小于显著水平0.05，因此可知模型直线回归效果非常显著(表2)。

表2 回归分析与气象产量相关显著因子系数表

假设预测对象Yw与n个影响因素x1，x2，…，xn之间有以下线性关系[4]：Yw=b0+b1x1+b2x2+…+bnxn，将表2中的系数B代入得到预测方程：

Yw= -4 297.630+41.972x1+48.276x2

(4)

2.3 烤烟产量预测模型

将(3)、(4)式代入(2)式中得到烤烟产量预测模型：

Y=-89 321.903+43.455T+41.972x1+48.276x2

(5)

其中，T为年份，x1为6月份空气相对湿度,x2为8月份5 cm地温。

3 回归效果检验

将T、x1、x2分别代入上述预测模型，得到模拟的烤烟产量。与实际产量进行比较结果表明，白河烟区烤烟产量预测模型预测结果与烤烟实际单产拟合率较高，预测精度最低为92%，最高为100%，平均精度为97%(表3)。

表3 白河烟区2001～2009年烤烟产量实际单产与模拟单产

4 结论

前人利用各种模型对玉米、粮食、油菜、茶叶、马铃薯、等产量进行了预测[5～11]，本研究利用多元线性回归方法建立了白河烤烟产量预测模型，预测结果较准确。模型中考虑了多个气象因子共同作用时对烤烟产量的影响。结果表明，使用SPSS软件在基于一元线性回归模型基础上建立起来的多元线性回归模型，预测产量的精确度较高，具有较强的实用性，可作为烤烟产量预测的有效工具之一。

[1] 中国农业科学院.中国农业气象学[M].北京：中国农业出版社，1999.401-403.

[2] 王馥堂，李郁竹，王石立.农业产量气象模拟与模型引论[M].北京科学出版社，1990.43-45.

[3] 陈胜可.SPSS统计分析从入门到精通[M].北京：清华大学出版社，2010.238-247.

[4] 李秀珍, 厐常词. 数学实验[M]. 北京: 机械工业出版社,2008.201-251.

[5] 张文英，栗秋生，栗雨勤.河北省玉米产量灰色理论分析与预测[J].华北农学报，2007，(S1)：164-166.

[6] 李炳军，李秋芳，卢秀霞.灰色线性回归组合模型在河南省粮食产量预测中的应用[J].河南农业科学，2009，(10)：46-49.

[7] 张荣达，唐 义.毕节试验区粮食产量组合预测模型研究[J].现代农业科技，2010，(1)：47-48.

[8] 吴志付，刘道敏，陈久月.灰色系统理论预测农作物产量的应用初探[J].现代农业科技，2006，(10)：95，97.

[9] 柳世君，段仁周，蓝黎明，等.灰色动态GM(1，1)模型在豫南稻区油菜产量预测中的应用[J].现代农业科技，2006，(12)：90-91，93.

[10]朱秀红，郑美琴，姚文军，等.基于SPSS的日照市茶叶产量预测模型的建立[J].河南农业科学，2010，(7)：31-33.

[11]孙 俊，李剑萍，吴志歧，等.气候条件对马铃薯产量的影响及产量预报模型研究[J].安徽农业科学，2010,38(23)：12400-12402.

TobaccoYieldPredictionModelBasedonSPSSStatisticalSoftwareinBaiheCounty

LISHU-e1,2,WANGZhi-hui2,LIUKai-ping2，YANGJu-jian2

(1 College of Agronomy，Hunan Agricultural University, Changsha，Hunnan 410128，China ；2 Baihe Branch of Ankang Tobacco Company, Baihe，Shaanxi 725899，China)

Actual production was separated into the trend of flue-cured tobacco yield and meteorological yield, according to the meteorological data and flue-cured tobacco production in 1997-2011 in Baihe, SPSS statistical software were used to establish trends of yield and meteorological yield regression model, and the production regression model eventual was established. Then the production of calendar year was tested, and the maximum prediction accuracy was 100%, the smallest accuracy was 92%, the average accuracy was 97%. The prediction model had a high reliability and practicality, it could be an effective tool for quantitative prediction.

Flue-cured tobacco; Production; Model; Climate condition

S572

A

1001-5280(2012)07-0084-03

10.3969/j.issn.1001-5280.2012.07.23

责任编辑：李东辉