肖杨 王冠 袁淑杰 于飞

摘要：为了预先掌握葡萄各生育期棚内温湿度环境，从而让农户有充足时间调整大棚管理措施，降低气象灾害风险，利用2018年11月—2019年6月大棚内外观测资料，分析了不同天气类型下棚內温湿度与棚外气象要素的相关性，并通过逐步回归方法建立了棚内逐小时温湿度预报模型。结果表明：棚内温湿度与棚外气温、空气相对湿度、风速、日照时长有不同程度的相关性，晴天和多云大棚内外要素之间相关系数大多在0.3以上，棚内气温与棚外要素的相关性更高且最大相关系数超过0.9，阴天相关性较低；棚内逐小时气温、空气相对湿度模型的R2多在0.5以上，气温模型预报值与实测值的均方根误差（RSME）≤3.7℃、平均绝对误差（MAE）≤2.9℃，空气相对湿度模型预报值与实测值的均方根误差≤13.3%、平均绝对误差≤10.6%。所得模型填补了该地区大棚葡萄各生育期温湿度预报的空白，为田间管理提供了参考依据。

关键词：大棚葡萄；生育期；气温；空气相对湿度；相关系数；预报模型

中图分类号：S165文献标志码：A论文编号：cjas2020-0258

Temperature and Relative Humidity Forecast Model of Greenhouse Grape Under Different Weather Types

Xiao Yang1，2， Wang Guan1， Yuan Shujie3， Yu Fei4

（1Tangshan Meteorological Bureau， Tangshan 063000， Hebei， China；2Guizhou Key Laboratory of Mountains Climate and Resources， Guiyang 550002， Guizhou， China；3Chengdu University of Information Technology， Chengdu 610225， Sichuan， China；4Guizhou Institute of Mountains Environment and Climate， Guiyang 550002， Guizhou， China）

Abstract： To obtain the temperature and relative humidity in greenhouse during each grape growth period in advance， give farmers enough time to adjust greenhouse management measures and reduce the risk of meteorological disasters， this paper compared the observation data inside and outside the greenhouse from November 2018 to June 2019. Correlations between temperature and relative humidity inside the greenhouse and meteorological elements outside the greenhouse under different weather types were analyzed， and hourly temperature and relative humidity forecast model in the greenhouse were established through the stepwise regression method. The results show that the temperature and relative humidity inside the greenhouse have the correlations with temperature， relative humidity， wind speed and sunshine duration outside the greenhouse of different levels. On sunny and cloudy days， the correlation coefficients between the factors inside and outside the greenhouse are mostly above 0.3. The correlations are higher and the maximum correlation coefficients are more than 0.9， while the correlations in cloudy days are low. R2of hourly temperature and relative humidity forecast models in the greenhouse are mostly above 0.5. The RSME between the result of the temperature forecast model and the measured value is less than or equal to 3.7℃， and the MAE≤2.9℃. The RSME of the model-forecasted relative humidity and the measured value are less than or equal to 13.3%， and the MAE≤10.6%. To conclude， the models filled in the blank of the temperature and relative humidity forecast of the greenhouse grape in each growth period in this area， and could provide scientific reference for field management.

Keywords： Greenhouse Grapes； Growth Period； Temperature； Relative Humidity； Correlation Coefficient； Forecast Model

0引言

葡萄富含助豐富的果酸、矿物质和维生素，以及人体所需多种的氨基酸[1]，具有很高的营养价值和经济价值。大棚种植葡萄可以实现反季节成熟，同时提高产量和品质，为种植户创造更大的收益。在大棚葡萄种植过程中，棚外气象条件直接影响着棚内小气候变化[2-6]，若能借助棚外常规气象要素建立棚内温湿度预报模型，便可以准确掌握棚内气象要素的变化规律，为大棚葡萄防灾减灾、高质高产提供有力保障。

从21世纪初开始，为了满足中国设施农业高质量发展的需要，越来越多地学者开始探索大棚内外气象要素之间的变化关系，建立了多种大棚小气候预报模型[7-11]。曾照旭等[12]研究了吉林延边塑料大棚内外气温后，掌握了冬季大棚内外最低、最高气温线性关系；葛建坤等[13]在湖北鄂州开展大棚田间试验，建立了拟合相关性较高的春季晴天和阴雨天棚内气温预测模型；于明英等[14]分析了北京沙培温室晴天、多云、寡照天气类型下小气候变化规律，同时指出棚温与地温呈正相关、与棚内相对湿度呈负相关；赵先丽等[15]基于辽宁盘锦大棚内外气象资料，利用逐步回归分析建立了不同季节棚内最高气温、最低气温的预报模型；舒素芳等[16]应用最小二乘法建立了浙江金华冬季棚内日最低气温一元线性回归模型；范辽生等[17]考虑了棚内气温变化的滞后性，将当日、前1日、前2日棚外气象要素作为预报因子，建立了浙江杭州春季、秋季、冬季棚内最低气温的预报模型；王孝卿等[18]建立了山东寿光晴天、多云、阴天3种天气类型下，棚内逐小时气温的多元二次预报方程。目前，关于大棚小气候变化特征及预报模型的研究，多以常规时间区间（月、季、年）或者某种灾害性天气为主[19-22]，按照作物生育期划分的相对较少，相比而言，严格按照作物生育期建立的预报模型更符合农业生产需要。因此，针对大棚葡萄全生育期开展大棚内外气象观测试验，并按照葡萄生长特性准确划分生育期，建立不同生育期晴天、多云、阴天状况下棚内气温、空气相对湿度的预报模型，旨在为大棚葡萄生产提供合理参考。1材料与方法

1.1资料来源

观测试验于2018年11月—2019年6月进行，供试大棚（长75 m、宽9 m、脊高3.5 m）位于河北曹妃甸绿港农业示范园区，棚内无加温设施，无照明补光设备。葡萄品种为玫瑰香，根据生长发育特性和观测记录，大棚种植过程中生育期包括：休眠期（2018.11.15—2018.12.17）、催芽期（2018.12.18—2019.2.15）、萌芽及新梢生长期（2019.2.16—2019.3.28）、开花坐果期（2019.3.29—2019.4.30）、果实膨大及浆果成熟期（2019.5.1—2019.6.30）。棚内气象资料来源于小气候站，观测资料为1.5 m逐小时气温、空气相对湿度；棚外气象资料来源于曹妃甸区气象局常规地面气象观测站，包括试验期间（2018.11.15—2019.6.30）逐小时气温、空气相对湿度、2 min平均风速、降水量、日照时长等。

1.2研究方法

天气类型按照日照百分率（S）划分为：晴天（S≥60%）、多云（20%

棚内气温、空气相对湿度的变化主要与棚外温湿度、光照、降水、风等因素有关，同时有关学者的研究结果表明，风会加速棚膜处温度的散失从而影响棚内气温[31]，而降水对气温的影响存在滞后性。因此，本研究分别气温X1、空气相对湿度X2、2 min平均风速X3、前1 h降水量X4、日照时长X5为预报因子，建立棚内气温Y1、空气相对湿度Y2的逐小时预报模型。

考虑葡萄在休眠期和果实膨大及浆果成熟期对空气相对湿度的要求不高，所以上述2个生育期仅建立了棚内气温的预报模型。此外，休眠期内大棚调控措施有明显变化，直接影响着棚内气温的变化，为确保模型更加准确，根据调控措施的差异将休眠期进一步划分为前、中、后3个阶段。

2结果与分析

2.1休眠期棚内气温预报模型

休眠期不同阶段和天气类型大棚内外气象要素之间的相关性存在明显差异，表1为休眠期棚内气温与棚外气象要素的相关系数统计表，休眠期后期未出现多云天气类型。休眠期前期、中期、后期棚内气温与棚外气温均有显著的正相关关系，相关系数均>0.8；多数情况下，棚内气温与棚外空气相对湿度呈负相关、与风速呈正相关，但相关系数差异较大；晴天、多云时棚内气温与日照时长呈显著的正相关关系，二者相关性较高，相关系数>0.5；棚内气温与降水的相关性不明显，相关系数很小且未通过显著性检验。

模型中预报因子的顺序即为逐步回归过程中进入模型的顺序，从休眠期棚内逐小时气温Y1的预报模型及误差分析结果来看（表2），在模型进行建立的过程中，棚外气温均为第一入选因子，多数晴天和多云的模型中日照时长也都以靠前的顺序进入了模型，再次证明棚外气温和日照对棚内气温的影响很大。所有模型的R2均>0.82，拟合程度都很高；模型预报值与实测值的RSME≤3.1℃、MAE≤2.4℃，可以很好的起到预报效果。其中休眠期前期阴天、休眠期中期多云和阴天模型的R2>0.9、RSME≤0.8℃、MAE≤0.6℃，预报模型的精度非常高，完全可实现十分精确地棚内气温预报。

2.2催芽期棚内气温、空气相对湿度预报模型

催芽期3种天气类型下棚内气温、空气相对湿度与日照时长的相关性较高（表3），晴天、多云相关系数分别在0.7、0.5以上，阴天在0.4左右，并且棚内气温与日照时长均为显著正相关，棚内空气相对湿度与之为显著负相关。棚内气温与棚外气温、空气相对湿度分别有不同程度的正相关、负相关关系，棚内空气相对湿度与之相反，阴天状态下相关性最差。晴天和多云时，棚内气温、空气相对湿度与风速分别有明显的正相关、负相关关系，相关系数均>0.5。棚内温湿度与降水量的相关性与休眠期类似，均未通过显著性检验。

表4中，晴天和多云，棚内气温、空气相对湿度预报模型的拟合效果较好，模型的R2>0.7；多云时2个模型预报值与实测值之间的误差较小，气温模型的RSME和MAE分别为2.1℃和1.6℃，空气相对湿度模型的RSME和MAE分别为6.9%和5.5%；晴天时误差较大，气温模型的RSME和MAE均≥2.9℃、空气相对湿度均≥6.9%。阴天棚内气温、空气相对湿度模型的R2较小但误差并不大，气温模型的RSME和MAE分别为2.2、1.7℃，空气相对湿度模型的RSME和MAE分别为8.1%、6.1%。

2.3萌芽及新梢初期棚内气温、空气相对湿度预报模型

由表5可知，萌芽及新梢初期3种天气类型下棚内气温、空气相对湿度与棚外气温的相关系数分别在0.68左右和-0.33左右，晴天、多云、阴天之间相差很小；与棚外空气相对湿度的相关性晴天>多云>阴天；晴天和多云时与日照时长的相关性较高，相关系数>0.6；晴天时与风速的相关系数都在0.43左右，多云、阴天时与风速相关性很小；3种天气类型下与棚外降水量基本不关性。

萌芽及新梢初期所有模型的R2都在0.5～0.8（表6）。气温的预报模型中，阴天时模型误差最小，RSME、MAE分别为2.1、1.6℃；晴天时模型误差最大，RSME、MAE分别为3.4、2.6℃；空气相对湿度的预报模型中，同样是阴天时模型误差最小，RSME、MAE分别为5.8%、4.6%；晴天和多云时预报效果相对较差，模型误差基本一致，RSME、MAE分别为10.4%左右、 7.4%左右。

2.4开花坐果期棚内气温、空气相对湿度预报模型

開花坐果期棚内气温与棚外要素的相关性结果中（表7），晴天和阴天时与棚外气温的相关系数都在0.7左右，多云时在0.5左右，均为正相关关系；晴天、多云时与棚外空气相对湿度、风速的相关系数都是0.5左右相差不大，与棚外空气相对湿度呈负相关、与风速呈正相关，阴天时相关性不明显；晴天、多云与日照时长的相关系数分别为0.72、0.65，晴天的相关性比多云稍好；晴天与棚外降水在0.05水平上有很小的负相关关系，但多云、阴天均与棚外降水没有明显相关。棚内空气相对湿度与棚外要素的相关性结果中（表7），晴天、多云与棚外气温有显著的负相关关系，相关系数分别为0.571、0.699，阴天有较小的正相关关系；阴天与棚外空气相对湿度相关性很高，相关系数接近0.8，晴天、多云时相关系数较小，都在0.5上下；晴天、多云、阴天与风速的相关系数都在0.5左右，为负相关关系；晴天、多云与日照时长的相关系数>0.6，负相关性很明显；3种天气时与降水量的关系不大。

表8内开花坐果期各模型及误差统计结果表明：阴天时棚内气温预报模型的误差在3个气温模型中最小，RSME为2.3℃、MAE为1.8℃；晴天、多云时棚内气温模型精度大体相同，RSME都在3.4℃左右、MAE都在2.6℃左右。阴天时棚内空气相对湿度预报模型精度较高，RSME和MAE都在6.0%～6.9%；晴天时的模型精度最差，RSME和MAE都超过10%。

2.5果实膨大及浆果成熟期棚内气温预报模型

晴天、多云、阴天时棚内气温与棚外气温的相关系数都在0.8以上且差距不大（表9）。棚内气温与棚外其他要素的相关性方面，晴天、多云时与棚外空气相对湿度相关系数都在0.42左右，阴天时相对较小；晴天和多云时与风速有不同程度的相关性，晴天比多云相关系数大；晴天和多云时与日照时长的相关性仅次于棚外气温，相关系数都在0.6以上，但阴天不明显。

对比果实膨大及浆果成熟期3种天气类型下棚内气温预报模型的预报精度可以发现（表10），晴天、多云时模型的拟合程度较高，R2都在0.8以上；阴天相对较差，R2接近0.7。晴天、多云、阴天棚内气温预报模型误差相差不大，RSME都在2.6℃左右、MAE同为2.0℃。

3结论与讨论

（1）5个生育期中，棚内气温与棚外气温、风速、日照时长有正相关关系，与棚外空气相对湿度呈负相关关系，与降水量相关性不明显。3种天气类型下大棚内外气温的相关系数基本在0.5以上；晴天和多云日照时长对棚内气温的影响很显著，二者的相关系数大多超过0.6，阴天无明显相关性；晴天和多云棚内气温与棚外空气相对湿度、风速之间的相关系数一般都在0.4～0.6，阴天时相关性各生育期相差很大。气温预报模型R2都在0.5以上，一半以上模型R2>0.8，模型预报值与实测值的RSME≤3.7℃、MAE≤2.9℃，有很好的预报效果。其中，3/4以上的模型RSME<3.0℃、MAE<2.5℃，休眠期部分模型RSME、MAE都在0.5℃以内，完全可以实现棚内气温的精准预报。

（2）3个生育期中，棚内空气相对湿度与棚外气温、风速、日照有负相关关系，与棚外空气相对湿度呈正相关关系，与降水量相关性不明显。晴天和多云棚内空气相对湿度与棚外气温、空气相对湿度、风速、日照时长的相关系数一般在0.3～0.7，阴天时与棚外有显著相关性的要素较少且不同生育期相关系数差别很大。空气相对湿度模型中，除催芽期阴天模型外，其他模型R2也都在0.5以上，所有模型预报值与实测值的RSME为5.8%～13.3%、MAE为4.6%～10.6%。空气相对湿度模型的精度虽然没有气温模型高，但在一定程度上也可以满足生产需要，填补该地区大棚葡萄小气候预报模型的空白。

（3）相比部分学者建立的日最高、最低、平均温湿度或某个典型日的逐时预报模型，本研究建立的逐小时预报模型预报准确度稍差，但连续、密集的逐小时预报更有利于生产需要。为进一步提高预报准确性，预报因子的筛选和建模方法的改进将是下一步工作中需要深入探索的重点。影响大棚温湿度调控效果的因素很多，大棚材料、结构、尺寸等方面[32-34]的差异都会导致调控效果产生较大的变化，本研究结论是在供试大棚的试验中得到的，存在一定的局限性，能否实现推广应用还需要在更多类型的葡萄大棚中开展试验进一步完善。

参考文献

[1]陈树俊.葡萄的营养与保健[J].农产品加工，2008（10）：18-19.

[2]魏瑞江，王春乙，范增禄.石家庄地区日光温室冬季小气候特征及其与大气候的关系[J].气象，2010，36（1）：97-103.

[3]杨再强，张婷华，黄海静，等.北方地区日光温室气象灾害风险评价[J].中国农业气象，2013，34（3）：342-349.

[4]黎贞发，李春，李宁，等.天津市日光温室低温灾害特点及防御对策[J].中国蔬菜，2013（17）：6-9.

[5]王琼，魏瑞江，王荣英，等.河北日光温室气象灾害影响和气象服务评估[J].中国农业气象，2014，35（6）：682-689.

[6]李宁，李春，韩玥，等.天津市西青区日光温室农业气象灾害分析[J].北方园艺，2017（12）：51-54.

[7]肖芳，宋洋，杨再强.设施葡萄小气候预报模型的建立[J].江苏农业科学，2018，46（22）：306-309.

[8]闫蓉，安光辉，邢生惠.贵德县温室大棚内温度变化规律及预报模型研究[J].农业灾害研究，2016，6（10）：28-32.

[9]袁静，王令军，徐剑平，等.大樱桃大棚小气候特征分析及預报[J].中国农学通报，2015，31（19）：173-179.

[10]张超，吴瑞芬.内蒙古东部温室大棚温度特征分析及预报模型建立[J].中国农学通报，2014，30（26）：213-218.

[11]符国槐，张波，杨再强，等.塑料大棚小气候特征及预报模型的研究[J].中国农学通报，2011，27（13）：242-248.

[12]曾照旭，朴一龙，李聪，等.冬季塑料大棚内气温和土温的变化研究[J].北方园艺，2013（11）：47-49.

[13]葛建坤，罗金耀.春季温室番茄内外气象要素变化规律初步研究[J].中国农村水利水电，2013（3）：82-84，87.

[14]于明英，肖娟，邱照宁，等.不同天气条件对沙培日光温室小气候的影响[J].北方园艺，2017（9）：42-45.

[15]赵先丽，张淑杰，蔡福，等.辽宁省日光温室内最高和最低气温预报[J].江苏农业科学，2017，45（16）：276-282.

[16]舒素芳，蔡敏，刘新华，等.大棚蔬菜最低气温预报及冻害防御技术[J].气象科技，2015，43（1）：133-137.

[17]范辽生，朱兰娟，柴伟国，等.杭州冬季塑料大棚内气温变化特征及日最低气温预报模型[J].中国农业气象，2014，35（3）：268-275.

[18]王孝卿，李楠，薛晓萍.寿光日光温室小气候变化规律及模拟方法[J].中国农学通报，2012，28（10）：236-242.

[19]祁德富，马琪.不同天气条件下日光温室光照强度及温湿度日变化特征研究[J].北方园艺，2013（23）：55-57.

[20]王璐，朱进，彭玉全，等.春季晴天塑料大棚内不同位置小气候变化分析[J].长江大学学报：自科版，2018，15（2）：19-21，5.

[21]孟翠丽，杨文刚，王涵，等.武汉市日光温室冬季温湿度环境的神经网络模拟[J].江苏农业科学，2017，45（3）：176-179.

[22]程芳芳.郑州雾霾寡照天气大棚小气候特征及低温预报[J].农学学报，2015，5（2）：105-108.

[23]刘可群，黎明锋，杨文刚.大棚小气候特征及其与大气候的关系[J].气象，2008（7）：101-107.

[24]白晓，王忠富，杨礼箫.黑河上游土壤水分与遥感环境因子相关性分析[J].遥感信息，2016，31（6）：121-127.

[25]吴炫柯，段毅强，陈利东.甘蔗茎伸长量与气象水分参数的相关性分析[J].气象科技，2011，39（1）：110-113.

[26]黄晓然，包安明，郭浩，等.近20a中国天山东段典型冰川变化及其气候响应[J].干旱区研究，2017，34（4）：870-880.

[27]王孝卿，薛晓萍，杨艳超.日光温室小气候预报方法研究[J].海洋气象学报，2012，32（1）：34-37.

[28]张晓月，李荣平，王莹，等.日光温室小气候要素预报模型研究[J].中国农学通报，2018，34（32）：119-124.

[29]童成立，张文菊，汤阳，等.逐日太阳辐射的模拟计算[J].中国农业气象，2005（3）：165-169.

[30]李宁，申双和，黎贞发，等.基于主成分回归的日光温室内低温预测模型[J].中国农业气象，2013，34（3）：306-311.

[31]马成芝，孙立德，穆春华.喀左日光温室内气温变化规律及其应用[J].气象与环境学报，2007（5）：49-52.

[32]武莹，李建明.典型季节大跨度非对称塑料大棚内温光性能分析[J].中国农业大学学报，2019，24（10）：125-135.

[33]孙磊，贾红，孙建印.不同类型日光温室小气候对比分析[J].湖北农业科学，2011，50（16）：3399-3402.

[34]申婷婷，鲍恩财，曹晏飞，等.不同墙体结构日光温室性能测试及分析[J].中国农业大学学报，2019，24（3）：94-101.