趙先麗 ， 張淑杰 ， 蔡 福 ， 等 遼寧省日光溫室內(nèi)最高和最低氣溫預(yù)報(bào) J 江蘇農(nóng)業(yè)科學(xué) ， 2017， 45( 16) : 276 282doi: 1015889/j issn1002 1302201716067遼寧省日光溫室內(nèi)最高和最低氣溫預(yù)報(bào)趙先麗 ， 張淑杰 ， 蔡 福 ， 趙梓淇 ， 王宏博 ， 李麗光( 中國(guó)氣象局沈陽大氣環(huán)境研究所 ， 遼寧沈陽 110166)摘要 : 利用 2012 年 4 月至 2013 年 5 月遼寧省盤錦市大洼縣日光溫室內(nèi)外小氣候觀測(cè)資料 ， 采用逐步回歸方法建立遼寧地區(qū)不同天氣類型和不同季節(jié)日光溫室內(nèi)最高氣溫及最低氣溫預(yù)報(bào)模型 ， 并對(duì)擬合效果進(jìn)行檢驗(yàn) 。結(jié)果表明 ，遼寧省大洼地區(qū)不同季節(jié)和不同天氣類型日光溫室內(nèi)最高及最低氣溫預(yù)報(bào)模型差異較大 ， 均通過了顯著性檢驗(yàn) ; 不同季節(jié)晴天和冬季陰天擬合效果稍差 ， 其余季節(jié)不同天氣類型擬合效果較好 。春季 、秋季 、冬季中晴天 、多云天 、陰天 、降水天日光溫室內(nèi)最低氣溫預(yù)報(bào)的平均絕對(duì)誤差分別為 0420 1130、0005 0064、0043 0150、0190 0. 270 ，均方根誤差分別為 0 540 1 530、0 005 0 076、0 050 0 180、0 200 0 320 ， 平均相對(duì)誤差分別為 8 80% 19. 90%、007% 070%、040% 2 60%、2 60% 4 10%; 晴天 、多云天 、陰天 、降水天日光溫室內(nèi)最高氣溫預(yù)報(bào)的平均絕對(duì)誤差分別為 195 223、026 0 95、0 05 1 55、0 01 0 57 ， 均方根誤差分別為 2 61 2 78、0 29 1. 03、006 1 88、0 012 0 710 ， 平均相對(duì)誤差分別為 6 80% 7 70%、0 22% 1. 00%、0 30% 11 80%、005% 340%?？梢娔Ｐ皖A(yù)報(bào)精度較高 ， 可用于遼寧地區(qū)日光溫室內(nèi)最高和最低氣溫的預(yù)報(bào) 。關(guān)鍵詞 : 日光溫室 ; 最高氣溫 ; 最低氣溫 ; 逐步回歸 ; 擬合檢驗(yàn) ; 預(yù)報(bào)模型 ; 天氣類型 ; 季節(jié)中圖分類號(hào) : S6255+1 文獻(xiàn)標(biāo)志碼 : A 文章編號(hào) : 1002 1302( 2017) 16 0276 06收稿日期 : 2016 04 06基金項(xiàng)目 : 中央級(jí)公益性科研院所基本科研業(yè)務(wù)費(fèi) ( 編號(hào) : 2014IAE CMA04) ; 公益性行業(yè) ( 氣象 ) 科研專項(xiàng) ( 編號(hào) : GYHY201206024) ;遼寧省 “十二五 ”科學(xué)技術(shù)重大項(xiàng)目 ( 編號(hào) : 2011210002) 。作者簡(jiǎn)介 : 趙先麗 ( 1977) ， 女 ， 山東聊城人 ， 碩士 ， 副研究員 ， 主要從事應(yīng)用氣象和生態(tài)氣象研究 。Tel: ( 024) 83890246; E mail:zhaoxianli2001163 com。通信作者 : 李麗光 ， 博士 ， 副研究員 ， 主要從事城市環(huán)境和全球氣候變化研究 。Tel: ( 024) 83893253; E mail: liliguangyjs foxmail com。遼寧省屬溫帶季風(fēng)氣候 ， 夏季高溫多雨 ， 冬季寒冷干燥 ，是中國(guó)日光溫室冬季生產(chǎn)不須加溫的最北部地區(qū) ， 光熱條件適合進(jìn)行設(shè)施農(nóng)業(yè)生產(chǎn) 1。遼寧省是中國(guó)日光溫室蔬菜生產(chǎn)的發(fā)源地 ， 日光溫室蔬菜的面積和產(chǎn)量均居全國(guó)首位 ， 設(shè)施農(nóng)業(yè)水平為全國(guó)前列 ， 以日光溫室蔬菜生產(chǎn)為主的設(shè)施農(nóng)業(yè)已成為遼寧省現(xiàn)代化農(nóng)業(yè)的重要特征 2。截至 2014 年 ， 中國(guó)設(shè)施農(nóng)業(yè)總面積為 4 11 ×106hm2， 產(chǎn)值超過 8 000 億元 ， 遼寧省設(shè)施農(nóng)業(yè)總面積約為 7 46 ×105hm2， 其中蔬菜播種面積為5 88 ×105hm2， 總產(chǎn)量達(dá) 3 23 ×107t， 總產(chǎn)值達(dá) 721 億元 ， 居全國(guó)第一 3 5。目前 ， 設(shè)施農(nóng)業(yè)是遼寧省抗災(zāi)避災(zāi) 、農(nóng)業(yè)增效 、農(nóng)民增收的優(yōu)勢(shì)主導(dǎo)產(chǎn)業(yè) ， 已成為遼寧省現(xiàn)代農(nóng)業(yè)的重要標(biāo)志之一 。日光溫室結(jié)構(gòu)相對(duì)簡(jiǎn)單且面積較大 ， 防御自然災(zāi)害及適應(yīng)逆境能力較弱 ， 主要通過吸收太陽能提高溫室土壤溫度和氣溫 ， 當(dāng)外界環(huán)境溫度較低時(shí) ， 日光溫室作物易遭受低溫脅迫 ， 造成減產(chǎn)或品質(zhì)降低 ， 而中午時(shí)段易遭受高溫脅迫 6 7。因此 ， 根據(jù)日光溫室外天氣條件合理調(diào)控日光溫室小氣候是設(shè)施農(nóng)業(yè)生產(chǎn)的關(guān)鍵 ， 開展日光溫室最低和最高氣溫預(yù)報(bào)以進(jìn)行生產(chǎn)管理 、調(diào)節(jié)氣象條件十分重要 ， 是防御設(shè)施農(nóng)業(yè)低溫凍害和高溫?zé)岷Φ闹匾胧┲?8。日光溫室生產(chǎn)與日光溫室內(nèi)氣象條件密切相關(guān) ， 尤其溫度條件十分重要 。國(guó)內(nèi)目前對(duì)日光溫室內(nèi)氣象要素的特征和預(yù)報(bào)研究較多 ， 20 世紀(jì) 90年代開始對(duì)日光溫室小氣候 ( 光照 、溫度 、濕度 、土壤溫度 ) 特征進(jìn)行了系統(tǒng)研究并建立了統(tǒng)計(jì)模型 。李軍等基于能量和質(zhì)量平衡原理 ， 建立了以塑料大棚外氣象要素為變量預(yù)報(bào)塑料大棚內(nèi)溫濕度的模型 9。魏瑞江等分析了河北省日光溫室內(nèi)各氣候因子之間的關(guān)系 ， 并建立了日光溫室內(nèi)外的溫度 、濕度預(yù)報(bào)模型 10。李德等選取常規(guī)氣象預(yù)報(bào)因子和實(shí)測(cè)值 ， 利用多元回歸統(tǒng)計(jì)方法建立了宿州地區(qū)日光溫室內(nèi)最高及最低氣溫預(yù)報(bào)模型 11。高麗娜等基于 BP 神經(jīng)網(wǎng)絡(luò)統(tǒng)計(jì)方法 ， 以大棚外氣象要素為自變量 ， 建立了冬春季塑料大棚內(nèi)極端溫度和濕度的預(yù)報(bào)模型 12 14。劉可群等通過分析大棚內(nèi)小氣候特征及其與大氣候的關(guān)系 ， 建立了武漢地區(qū)大棚內(nèi)溫度與太陽高度角及大氣溫度的相關(guān)模型 15。張索鐵等分別建立了黑龍江省 、吉林省溫室內(nèi)不同季節(jié)不同天氣型的最高和最低溫度相關(guān)預(yù)報(bào)模型 8， 16。范遼生等對(duì)杭州地區(qū)冬季晴天 、多云 、寡照 3 種天氣型單雙層棚內(nèi)的最低氣溫建立了預(yù)報(bào)模型 ， 并進(jìn)行了擬合和試報(bào)檢驗(yàn) 17。由于日光溫室結(jié)構(gòu) 、管理和氣候地域性的差異 ， 各地建立的日光溫室氣溫預(yù)報(bào)模型不能進(jìn)行推廣應(yīng)用 ; 且以往建立的模型大部分為溫室內(nèi)氣溫與外界氣溫之間的單因子模型 ， 未考慮前一天的溫室內(nèi)小氣候要素 18。目前關(guān)于遼寧省日光溫室內(nèi)氣溫預(yù)報(bào)的研究較少 19 20， 本研究利用 2012 年 4 月至 2013 年 5 月遼寧省大洼縣日光溫室內(nèi)外的觀測(cè)資料 ， 根據(jù)日光溫室內(nèi)小氣候條件與溫室外氣溫 、相對(duì)濕度等氣象要素的關(guān)系 ， 采用逐步回歸方法 ， 建立可動(dòng)態(tài)預(yù)測(cè)溫室內(nèi)最高氣溫和最低氣溫的小氣候模型 ， 以期為遼寧省日光溫室蔬菜生產(chǎn)提供氣象預(yù)報(bào)服務(wù) ， 為農(nóng)民增產(chǎn)和增收提供技術(shù)支撐 。672 江蘇農(nóng)業(yè)科學(xué) 2017 年第 45 卷第 16 期1 材料與方法1 1 研究區(qū)概況遼寧省大洼地區(qū)屬溫帶大陸性半濕潤(rùn)季風(fēng)氣候 ， 四季分明 、氣候溫和 、雨量集中 、光照充足 。年平均氣溫為 9 3 ， 年平均最高氣溫為 32 7 ， 年平均最低氣溫為 23 8 ， 年平均降水量為 647 3 mm， 年平均無霜期為 208 d， 年日照時(shí)數(shù)為2 816 h， 氣候特點(diǎn)適合開展設(shè)施農(nóng)業(yè)生產(chǎn) 20。1 2 試驗(yàn)設(shè)計(jì)2012 年 4 月至 2013 年 5 月在遼寧省盤錦市大洼縣王家鎮(zhèn)華僑村日光溫室 ( 122°03'45E、40°56'08N) 內(nèi)進(jìn)行試驗(yàn) ，溫室結(jié)構(gòu)為單面坡面 ， 坐北朝南 ， 東西走向 ， 長(zhǎng)度為 100 m， 跨度為 10 m， 脊高為 3 5 m。東 、北及西面墻為雙層磚墻 ， 中間填充草簾 、紙被 、棉被及薄膜 ， 北墻厚 0 50 m， 東西墻厚0 24 m， 溫室覆蓋 0 08 mm 厚的聚乙烯塑料薄膜 ， 膜上覆蓋草簾和保溫被 ， 日出后揭開 ， 日落前后蓋上 。溫室設(shè)有上通風(fēng)口 ， 采用半自動(dòng)放風(fēng)方式 ， 基本管理方式為每日 08: 00 后揭開草簾 ， 16: 00 覆蓋草簾 20。溫室內(nèi)無供暖設(shè)施 ， 無照明設(shè)備 ， 采用人工方式灌溉和施肥 。溫室內(nèi)種植作物為番茄 ， 品種為靚粉 1 號(hào) ， 主要觀測(cè)項(xiàng)目為番茄出苗期 、移栽期 、開花期 、結(jié)果期和采摘期 ， 記錄各發(fā)育期開始期 、普遍期 、末期出現(xiàn)日期 ; 田間管理主要記錄整地 、移栽 、灌水 、施肥 、噴藥 、鏟趟 、除草 、采摘的時(shí)間和措施 。番茄觀測(cè)時(shí)間為 2012 年 4 月 16 日至 5 月 31 日 、2012 年 10 月 1 日至 2013 年 5 月 31 日 。番茄行距為 1 03 m， 株距為 0 24 m，2011 年 9 月移栽 ， 2012 年 4 月 21 日進(jìn)入采摘期 ， 2012 年 5 月29 日采摘結(jié)束 ; 2012 年 10 月 15 日番茄移栽 ， 2013 年 1 月 1日進(jìn)入結(jié)果初期 ， 2013 年 3 月 6 日進(jìn)入采摘期 ， 2013 年 6 月18 日采摘結(jié)束 20。1 3 資料來源溫室內(nèi)外小氣候監(jiān)測(cè)采用錦州陽光氣象科技有限公司生產(chǎn)的 TM ZS3 型設(shè)施農(nóng)業(yè)小氣候觀測(cè)儀 ， 觀測(cè)精度分別為±0 1 、±2%， 每 10 min 采集 1 次數(shù)據(jù) ， 溫室內(nèi)傳感器距離地面 1 0 m， 位于溫室中間 ， 溫室外傳感器距離地面 1 5 m， 觀測(cè)項(xiàng)目為溫室內(nèi)氣溫 、溫室外氣溫 、溫室內(nèi)相對(duì)濕度 、溫室外相對(duì)濕度 、太陽總輻射 、光合輻射 。日平均值 ( 氣溫和相對(duì)濕度 ) 取 1 d 內(nèi) 144 個(gè)數(shù)據(jù)的平均值 ， 日最高值和最低值 ( 氣溫和相對(duì)濕度 ) 取 1 d 內(nèi) 144 個(gè)數(shù)據(jù)中的最高和最低值 ， 剔除缺測(cè)和異常的觀測(cè)數(shù)據(jù) 。日光溫室外日照時(shí)數(shù)和日降水量數(shù)據(jù)來源于大洼縣氣象站 ( 122°04'E、41°01'N) ， 距日光溫室約10 5 km 20。1 4 研究方法1 4 1 預(yù)報(bào)時(shí)段劃分 將日光溫室生產(chǎn)季劃分為秋季 ( 10至 11 月 ) 、冬季 ( 12 月至翌年 2 月 ) 、春季 ( 3 至 5 月 ) 3 個(gè)時(shí)段 ， 建立不同季節(jié)日光溫室內(nèi)最高氣溫和最低氣溫預(yù)報(bào)模型 。1 4 2 天氣型劃分 天氣型劃分 : 日照時(shí)數(shù) 6 h 為晴天 ，3 h 日照時(shí)數(shù) 6 h 為多云天 ， 0 h 日照時(shí)數(shù) 3 h 為陰天 ，在陰天情況下如有降水 ， 即為降水天 21 22。1 4 3 模型建立 本研究采用 2012 年 4 月 17 日至 2013 年5 月 31 日大洼日光溫室的觀測(cè)數(shù)據(jù)進(jìn)行建模 ， 剔除異常值 ，有效數(shù)據(jù)為 237 d， 晴天為 181 d， 多云天為 15 d， 陰天為 25 d，降水天為 16 d; 春季晴天為 88 d， 多云天為 7 d， 陰天為 9 d， 降水天為 7 d; 秋季晴天為 32 d， 多云天為 2 d， 陰天為 4 d， 降水天為 7 d; 冬季晴天為 61 d， 多云天為 6 d， 陰天為 12 d， 降水天為 2 d。采用前一日降水量 x1、前一日日照時(shí)數(shù) x2、前一日溫室內(nèi) ( 最高氣溫 x3、最低氣溫 x4、平均氣溫 x5) 和溫室外氣溫( 最高氣溫 x6、最低氣溫 x7、平均氣溫 x8) 、前一日溫室內(nèi) ( 最大相對(duì)濕度 x9、最小相對(duì)濕度 x10、平均相對(duì)濕度 x11) 和溫室外相對(duì)濕度 ( 最大相對(duì)濕度 x12、最小相對(duì)濕度 x13、平均相對(duì)濕度 x14) 及當(dāng)日預(yù)報(bào)的降水量 x15、當(dāng)日預(yù)報(bào)的溫室外氣溫( 最高氣溫 x16、最低氣溫 x17、平均氣溫 x18) 、當(dāng)日預(yù)報(bào)的溫室外相對(duì)濕度 ( 最大相對(duì)濕度 x19、最小相對(duì)濕度 x20、平均相對(duì)濕度 x21) 共 21 個(gè)因素作為預(yù)報(bào)因子 ， 采用逐步回歸法建立預(yù)報(bào)方程 。1 4 4 擬合檢驗(yàn) 采用均方根誤差 MSE、相對(duì)誤差 E 和絕對(duì)誤差 AE 對(duì)建立的模型進(jìn)行評(píng)價(jià)分析 。MSE =ni =1( Pi Ai)2槡n; ( 1)E =ni =1|( Pi Ai) /Ai|n×100%; ( 2)AE =ni =1|( Pi Ai) |n。 ( 3)式中 : Pi為預(yù)測(cè)值 ， Ai為實(shí)測(cè)值 ， n 為樣本數(shù) 。MSE、E、AE越小 ， 說明預(yù)報(bào)誤差越小 ， 預(yù)報(bào)越準(zhǔn)確 。2 結(jié)果與分析2 1 春季氣溫預(yù)報(bào)模型21 1 春季最低氣溫預(yù)報(bào)模型 由引進(jìn)的預(yù)報(bào)因子可見 ， 春季晴天時(shí) ， 決定日光溫室內(nèi)最低氣溫的主要影響因子為當(dāng)日和前一日光溫室外最低氣溫及前一日日光溫室內(nèi)最低氣溫 ， 前一日溫室內(nèi)最低氣溫 、溫室外最低氣溫 、當(dāng)日溫室外最低氣溫與溫室內(nèi)最低氣溫相關(guān)系數(shù)均通過了 0 001 水平顯著性檢驗(yàn) ， 一般外界氣溫越低 ， 日光溫室內(nèi)氣溫也越低 。李德等研究認(rèn)為 ， 春季晴天前 1 2 d 日光溫室外溫度條件對(duì)日光溫室最低氣溫具有 1 2 d 的滯后效應(yīng) 11， 本研究結(jié)果與之一致 。而春季非晴天時(shí) ， 日光溫室內(nèi)最低氣溫的主要影響因子為前一日日光溫室外最高氣溫與最低氣溫 、相對(duì)濕度 ， 前一日日光溫室內(nèi)最低氣溫與平均氣溫 ， 當(dāng)日日光溫室外最低氣溫和平均氣溫等 ， 其中陰天時(shí)日光溫室內(nèi)最低氣溫與前一日溫室內(nèi)最低氣溫 、前一日溫室內(nèi)平均氣溫 、當(dāng)日溫室外最低氣溫 、當(dāng)日溫室外平均氣溫 、當(dāng)日溫室外最大相對(duì)濕度顯著相關(guān)( 表 1) 。由春季日光溫室內(nèi)最低氣溫反演可知 ， 晴天溫室內(nèi)最低氣溫預(yù)報(bào)平均絕對(duì)誤差為 1 130 ， 均方根誤差為 1. 530 ，平均相對(duì)誤差為 19 90%; 多云天溫室內(nèi)最低氣溫預(yù)報(bào)平均絕對(duì)誤差為 0 064 ， 均方根誤差為 0 076 ， 平均相對(duì)誤差為 0 70%; 陰天溫室內(nèi)最低氣溫預(yù)報(bào)平均絕對(duì)誤差為0 043 ， 均方根誤差為 0 050 ， 平均相對(duì)誤差為 0. 40%;降水天溫室內(nèi)最低氣溫預(yù)報(bào)平均絕對(duì)誤差為 0 190 ， 均方根誤差為 0 200 ， 平均相對(duì)誤差為 2 60%( 表 1、圖 1) 。由772江蘇農(nóng)業(yè)科學(xué) 2017 年第 45 卷第 16 期表 1 大洼春季日光溫室內(nèi)最低氣溫預(yù)報(bào)模型天氣型 模型樣本數(shù)( n， 個(gè) )相關(guān)系數(shù)( r)P 值平均絕對(duì)誤差 ( )均方根誤差 ( )平均相對(duì)誤差 ( %)晴天y =1580 1 +0773 3x40416 3x7+0477 4x1788 0857 3 0000 1 1130 1530 1990多云天y = 19030 4 +0639 0x6+0238 5x7+0242 4x120579 0x187 0998 5 0006 1 0064 0076 070陰天y = 27944 1 +0493 9x4+0490 5x50275 6x17+0399 8x18+0241 2x199 0999 9 0000 1 0043 0050 040降水天y =117166 4 2378 4x20716 9x110336 1x147 0996 1 0001 2 0190 0200 260此可見 ， 大洼春季晴天時(shí)日光溫室內(nèi)最低氣溫預(yù)報(bào)誤差較大 ，其次為降水天 ， 多云天和陰天預(yù)報(bào)效果較好 。2 1 2 春季最高氣溫預(yù)報(bào)模型 由表 2 可見 ， 日光溫室晴天最高氣溫引入的預(yù)報(bào)因子主要為反映空氣水汽含量的當(dāng)日和前一日降水量 ， 決定日光溫室基礎(chǔ)氣溫的前一日溫室內(nèi)平均氣溫 、當(dāng)日溫室外最高氣溫和當(dāng)日溫室外平均氣溫 。而春季非晴天時(shí) ， 日光溫室內(nèi)最高氣溫的主要影響因子為前一日日光溫室內(nèi)最高氣溫與平均氣溫及當(dāng)日溫室外的濕度條件等 。表 2 大洼春季日光溫室內(nèi)最高氣溫預(yù)報(bào)模型天氣型 模型樣本數(shù)( n， 個(gè) )相關(guān)系數(shù)( r)P 值平均絕對(duì)誤差 ( )均方根誤差 ( )平均相對(duì)誤差 ( %)晴天y =16261 9 +0045 1x1+0550 7x5+0385 9x15+0931 1x161007x1888 0562 7 0000 1 2170 2780 760多云天y =54707 7 0191 9x3160 0x5+0035 8x207 0995 0 0001 7 0260 0290 100陰天y = 0505 8 0678 7x2+0987 6x39 0945 2 0001 2 0910 0960 410降水天y =89429 8 0591 9x17550 7x40198 3x161365 8x19+1539 4x217 1000 0 0003 7 0010 0012 005晴天溫室內(nèi)最高氣溫預(yù)報(bào)平均絕對(duì)誤差為 2 170 ， 均方根誤差為 2 780 ， 平均相對(duì)誤差為 7 60%; 多云天溫室內(nèi)最高氣溫預(yù)報(bào)平均絕對(duì)誤差為 0 260 ， 均方根誤差為0 290 ， 平均相對(duì)誤差為 1 00%; 陰天溫室內(nèi)最高氣溫預(yù)報(bào)平均絕對(duì)誤差為 0 910 ， 均方根誤差為 0 960 ， 平均相對(duì)誤差為 4 10%; 降水天溫室內(nèi)最高氣溫預(yù)報(bào)平均絕對(duì)誤差為0 01 ， 均方根誤差為 0 012 ， 平均相對(duì)誤差為 0 05%( 圖2、表 2) 。由此可見 ， 大洼春季晴天時(shí)日光溫室內(nèi)最高氣溫預(yù)報(bào)誤差稍大 ， 其次為陰天 ， 多云天和降水天預(yù)報(bào)效果較好 。2 2 秋季氣溫預(yù)報(bào)模型2 2 1 秋季最低氣溫預(yù)報(bào)模型 由表 3 可知 ， 秋季晴天溫室內(nèi)最低氣溫主要由前一日溫室內(nèi)平均氣溫 、前一日溫室外最大相對(duì)濕度等決定 ， 而前一日溫室外最低氣溫為負(fù)貢獻(xiàn) 。分析表明 ， 前一日溫室外最低氣溫偏高時(shí) ， 溫室內(nèi)最低氣溫增高 ， 同時(shí)使溫室內(nèi)最高氣溫偏高 ， 通風(fēng)換氣時(shí)間延長(zhǎng) ， 一定程度上導(dǎo)致溫室內(nèi)最低氣溫降低 。而秋季非晴天時(shí) ， 日光溫室內(nèi)最低氣溫的主要影響因子為前一日溫室內(nèi)平均氣溫 、前一日溫室外平均氣溫及前一日溫室外平均相對(duì)濕度等 。可見 ，872 江蘇農(nóng)業(yè)科學(xué) 2017 年第 45 卷第 16 期表 3 大洼秋季日光溫室內(nèi)最低氣溫預(yù)報(bào)模型天氣型 模型樣本數(shù)( n， 個(gè) )相關(guān)系數(shù)( r)P 值平均絕對(duì)誤差 ( )均方根誤差 ( )平均相對(duì)誤差 ( %)晴天y =41502 3 +1072 1x50704 6x7+0167 6x100238 4x110380 5x12+0532 4x1732 0924 9 0000 1 0920 1180 1880陰天y =14574 5 0670 3x80059 5x144 0996 8 0079 4 0070 0080 090降水天y =8448 9 +1351 7x5+0123 6x110334 8x217 0994 8 0001 8 0270 0320 410注 : 多云天樣本僅為 2 d， 本研究未進(jìn)行建模 。表 4 同 。秋季非晴天時(shí)前一日外界氣象條件對(duì)溫室內(nèi)最低氣溫影響顯著 。由表 3、圖 3 可知 ， 秋季日光溫室內(nèi)最低氣溫預(yù)報(bào)平均絕對(duì)誤差為 0 920 ， 均方根誤差為 1 180 ， 平均相對(duì)誤差為18 80%; 陰天溫室內(nèi)最低氣溫預(yù)報(bào)平均絕對(duì)誤差為0 070 ， 均方根誤差為 0 080 ， 平均相對(duì)誤差為 0 90%;降水天溫室內(nèi)最低氣溫預(yù)報(bào)平均絕對(duì)誤差為 0 270 ， 均方根誤差為 0 320 ， 平均相對(duì)誤差為 4 10%。由此可見 ， 大洼秋季晴天溫室內(nèi)最低氣溫預(yù)報(bào)誤差較大 ， 其次為降水天 ， 陰天預(yù)報(bào)效果較好 。2 2 2 秋季最高氣溫預(yù)報(bào)模型 由表 4 可知 ， 晴天溫室內(nèi)最高氣溫主要影響因子為前一日溫室內(nèi)最高氣溫 、前一日溫室外平均相對(duì)濕度 、當(dāng)日溫室外最高氣溫 ， 而當(dāng)日溫室外平均氣溫為負(fù)貢獻(xiàn) ， 主要是由于外界溫度高 ， 導(dǎo)致溫室內(nèi)最高氣溫偏高 ， 通風(fēng)時(shí)間長(zhǎng) ， 降低了日光溫室內(nèi)的基礎(chǔ)溫度 。秋季非晴天時(shí) ， 日光溫室內(nèi)最高氣溫主要受前一日溫室內(nèi)最低氣溫 、前一日溫室外最高氣溫 、前一日溫室外最大相對(duì)濕度及當(dāng)日溫室外最高氣溫影響 。秋季晴天日光溫室內(nèi)最高氣溫預(yù)報(bào)平均絕對(duì)誤差為2. 230 ， 均方根誤差為 2 780 ， 平均相對(duì)誤差為 7 70%;陰天溫室內(nèi)最高氣溫預(yù)報(bào)平均絕對(duì)誤差為 0 050 ， 均方根誤差為 0 060 ， 平均相對(duì)誤差為 0 30%; 降水天溫室內(nèi)最高氣溫預(yù)報(bào)平均絕對(duì)誤差為 0 570 ， 均 方 根 誤 差 為0 710 ， 平均相對(duì)誤差為 3 40% ( 表 4、圖 4) 。由此可見 ，大洼秋季晴天溫室內(nèi)最高氣溫預(yù)報(bào)誤差稍大 ， 其次為降水天 ，陰天預(yù)報(bào)效果較好 。972江蘇農(nóng)業(yè)科學(xué) 2017 年第 45 卷第 16 期表 4 大洼秋季日光溫室內(nèi)最高氣溫預(yù)報(bào)模型天氣型 模型樣本數(shù)( n， 個(gè) )相關(guān)系數(shù)( r)P 值平均絕對(duì)誤差 ( )均方根誤差 ( )平均相對(duì)誤差 ( %)晴天y = 4821 2 +0421 8x3+0239 4x14+1195 3x161617 0x1832 0678 6 0001 7 2230 2780 770陰天y =55285 4 1616 6x42654 8x64 0999 9 0012 7 0050 0060 030降水天y = 123991 9 +1408 1x12+0297 9x167 0979 0 0001 7 0570 0710 3402 3 冬季氣溫預(yù)報(bào)模型23 1 冬季最低氣溫預(yù)報(bào)模型 由入選預(yù)報(bào)因子可見 ， 冬季晴天時(shí) ， 決定日光溫室內(nèi)最低氣溫的主要?dú)庀笠貫榍耙蝗諟厥覂?nèi)最低氣溫與平均氣溫 、前一日溫室外最低氣溫 、當(dāng)日降水量及當(dāng)日溫室外最高氣溫與平均氣溫 ， 相關(guān)系數(shù)均通過了0. 001 水平的顯著性檢驗(yàn) 。而冬季非晴天時(shí) ， 日光溫室內(nèi)最低氣溫主要受前一日外界相對(duì)濕度 、當(dāng)日溫室外氣溫等的影響 ( 表 5) 。分析認(rèn)為 ， 前一日外界環(huán)境的相對(duì)濕度高 ， 空氣溫度下降受到抑制 ， 使夜間外界溫度不會(huì)降得過低 ， 從而影響溫室內(nèi)外的熱交換速度和強(qiáng)度 ， 最終影響次日溫室內(nèi)最低氣溫 。表 5 大洼冬季日光溫室內(nèi)最低氣溫預(yù)報(bào)模型天氣型 模型樣本數(shù)( n， 個(gè) )相關(guān)系數(shù)( r)P 值平均絕對(duì)誤差 ( )均方根誤差 ( )平均相對(duì)誤差 ( %)晴天y =1350 8 +0362 2x4+0318 1x50125 9x7+0253 8x150210 0x16+0463 2x1861 0942 9 0000 1 0420 0540 880多云天y = 27112 2 +0288 2x11+0088 2x12+0547 1x18+0010 7x206 1000 0 0004 4 0005 0005 007陰天y =0665 3 +1439 4x1+0082 9x120023 1x13+0103 3x1712 0968 9 0000 2 0150 0180 260注 : 冬季降水天樣本僅為 2 d， 本研究未建模 。表 6 同 。由表 5、圖 5 可見 ， 秋季晴天溫室內(nèi)最低氣溫預(yù)報(bào)平均絕對(duì)誤差為 0 420 ， 均方根誤差為 0 540 ， 平均相對(duì)誤差為8 80%; 多 云 天 溫 室 內(nèi) 最 低 氣 溫 預(yù) 報(bào) 平 均 絕 對(duì) 誤 差 為0 005 ， 均方根誤差為 0 005 ， 平均相對(duì)誤差為 0 07%;陰天溫室內(nèi)最低氣溫預(yù)報(bào)平均絕對(duì)誤差為 0 150 ， 均方根誤差為 0 180 ， 平均相對(duì)誤差為 2 60%。2 3 2 冬季最高氣溫預(yù)報(bào)模型 由表 6 可見 ， 冬季晴天溫室內(nèi)最高氣溫受前一日溫室外最低氣溫與平均氣溫 、當(dāng)日降水量及當(dāng)日溫室外平均氣溫的影響 ， 由此進(jìn)一步表明 ， 日光溫室外氣溫對(duì)日光溫室內(nèi)氣溫影響顯著 。而冬季非晴天時(shí) ， 決定日光溫室內(nèi)最高氣溫的為前一日溫室外最小相對(duì)濕度 、當(dāng)日溫室外最大相對(duì)濕度 、當(dāng)日溫室外最低氣溫等 ， 還引入了日照時(shí)數(shù)預(yù)報(bào)因子 ， 即外界的日照對(duì)日光溫室內(nèi)的氣溫也有一定的影響 ， 進(jìn)一步表明非晴天時(shí) ， 增加太陽散射光可提高日光溫082 江蘇農(nóng)業(yè)科學(xué) 2017 年第 45 卷第 16 期室內(nèi)氣溫 。由表 6、圖 6 可見 ， 冬季晴天日光溫室內(nèi)最高氣溫預(yù)報(bào)平均絕對(duì)誤差為 1 950 ， 均方根誤差為 2 610 ， 平均相對(duì)誤差為 6 80%; 多云天溫室內(nèi)最高氣溫預(yù)報(bào)平均絕對(duì)誤差為0 950 ， 均方根誤差為 1 030 ， 平均相對(duì)誤差為 0 22%;陰天溫室內(nèi)最高氣溫預(yù)報(bào)平均絕對(duì)誤差為 1 550 ， 均方根誤差為 1 880 ， 平均相對(duì)誤差為 11 80%。由此可見 ， 大洼冬季陰天溫室內(nèi)最高氣溫預(yù)報(bào)誤差稍大 ， 其次為晴天 ， 多云天預(yù)報(bào)效果較好 。表 6 大洼冬季日光溫室內(nèi)最高氣溫預(yù)報(bào)模型天氣型 模型樣本數(shù)( n， 個(gè) )相關(guān)系數(shù)( r)P 值平均絕對(duì)誤差 ( )均方根誤差 ( )平均相對(duì)誤差 ( %)晴天y =24793 7 0365 8x7+0345 2x8+0666 9x150241 4x1861 0511 8 0001 7 1950 2610 680多云天y = 77168 3 0899 3x8+0998 0x196 0976 8 0009 8 0950 1030 022陰天y =49273 8 3674 5x2+0619 4x30582 4x13+10645 4x150951 3x1712 0926 4 0015 8 1550 1880 11803 結(jié)論與討論本研究采用逐步回歸方法 ， 建立適合大洼地區(qū)不同季節(jié)不同天氣類型的溫室內(nèi)最低氣溫 、最高氣溫的預(yù)報(bào)模型 ， 模型均通過了顯著性檢驗(yàn) 。大洼不同季節(jié)晴天溫室內(nèi)最低氣溫和最高氣溫預(yù)測(cè)模型的準(zhǔn)確率稍差 ， 春季最低 、最高氣溫平均相對(duì)誤差為 19 90%、7 60%， 秋季最低 、最高氣溫平均相對(duì)誤差為 18 80%、7 70%， 冬季最低 、最高氣溫平均相對(duì)誤差為8 80%、6 80%; 陰天溫室內(nèi)最高氣溫預(yù)報(bào)準(zhǔn)確率稍差 ， 平均相對(duì)誤差為 11 8%; 其余溫室內(nèi)最高氣溫和最低氣溫預(yù)報(bào)準(zhǔn)確率較高 ， 平均相對(duì)誤差為 0 05% 4 10%， 均低于 5. 0%，預(yù)測(cè)準(zhǔn)確率在 95 0% 以上 。部分溫室內(nèi)氣溫預(yù)測(cè)模型預(yù)報(bào)精度高于張索鐵等模型的預(yù)報(bào)精度 8， 11， 17， 可為大洼地區(qū)預(yù)防溫室蔬菜凍害和熱害提供參考 ， 以提高蔬菜生產(chǎn)效益 。在全球氣候變暖的背景下 ， 極端氣象事件發(fā)生頻率增大 ，北方地區(qū)日光溫室生產(chǎn)的高溫 、凍害 、大風(fēng)災(zāi)害和雪災(zāi)頻繁發(fā)生 ， 因此須進(jìn)行溫室內(nèi)最低氣溫 、最高氣溫的預(yù)測(cè)預(yù)報(bào)技術(shù)研究 ， 為防災(zāi)減災(zāi)和溫室生產(chǎn)管理提供依據(jù) 。本研究中大洼地區(qū)日光溫室內(nèi)最低氣溫和最高氣溫預(yù)測(cè)模型是基于日光溫室內(nèi)的觀測(cè)資料及常規(guī)天氣預(yù)報(bào)資料建立的 ， 模型精度取決于常規(guī)天氣預(yù)報(bào)水平 ， 因此提高日光溫室內(nèi)最低氣溫和最高氣溫預(yù)報(bào)模型的精度 ， 須進(jìn)一步提高天氣預(yù)報(bào)水平和積累試驗(yàn)資料進(jìn)行深入研究 。由于觀測(cè)作物和觀測(cè)資料有限 ， 本研究未進(jìn)行模型試預(yù)報(bào) ， 須進(jìn)一步積累觀測(cè)資料進(jìn)行模型檢驗(yàn) 。依據(jù)當(dāng)日天氣現(xiàn)象分為 4 種天氣類型 ， 但在天氣類型轉(zhuǎn)化時(shí)日光溫室最高氣溫和最低氣溫預(yù)測(cè)須考慮前一日的天氣情況進(jìn)行天氣類型劃分 ， 須進(jìn)一步深入研究 。參考文獻(xiàn) : 1 陳艷秋 ， 陳 宇 ， 吳曼麗 遼寧省設(shè)施農(nóng)業(yè)暴雪及大風(fēng)災(zāi)情特征分析 J 安徽農(nóng)業(yè)科學(xué) ， 2013， 41( 4) : 1660 1662 2 陳妮娜 ， 蔣大凱 ， 王 瀛 ， 等 遼寧省設(shè)施農(nóng)業(yè)大風(fēng)和暴雪致災(zāi)指標(biāo) J 江蘇農(nóng)業(yè)科學(xué) ， 2013， 41( 11) : 386 387 3 郎立新 ， 史書強(qiáng) ， 張 鵬 ， 等 遼寧省設(shè)施農(nóng)業(yè)發(fā)展分析 J 園藝與種苗 ， 2011 ( 1) : 54 57 4 孫立德 溫室氣象與作物保護(hù)研究 M 沈陽 : 遼寧科學(xué)技術(shù)出版社 ， 2012: 1 151 5 呂 霞 遼寧省設(shè)施農(nóng)業(yè)生產(chǎn)存在問題及對(duì)策 J 農(nóng)業(yè)科技與裝備 ， 2013 ( 1) : 74 75 6 閻 琦 ， 陳妮娜 ， 田 莉 ， 等 遼寧設(shè)施農(nóng)業(yè)致災(zāi)暴雪時(shí)空分布及天氣學(xué)模型 J 江蘇農(nóng)業(yè)科學(xué) ， 2016， 44 ( 1) : 373 376 7 馬成芝 ， 孫立德 ， 穆春華 喀左日光溫室內(nèi)氣溫變化規(guī)律及其應(yīng)用 J 氣象與環(huán)境學(xué)報(bào) ， 2007， 23( 5) : 49 52 8 張索鐵 ， 馬樹慶 ， 龐 義 ， 等 東北地區(qū)大型日光溫室最高 、最低溫度預(yù)報(bào)模式探討 J 中國(guó)農(nóng)學(xué)通報(bào) ， 2014， 30( 23) : 249 253 9 李 軍 ， 姚益平 ， 徐 蕊 ， 等 長(zhǎng)江下游防蟲網(wǎng)覆蓋塑料大棚內(nèi)溫濕度模擬 J 農(nóng)業(yè)工程學(xué)報(bào) ， 2010， 26( 6) : 238 244 10 魏瑞江 ， 王春乙 ， 范增祿 石家莊地區(qū)日光溫室冬季小氣候特征及其與大氣候的關(guān)系 J 氣象 ， 2010， 36( 1) : 97 103 11 李 德 ， 張學(xué)賢 ， 祁 宦 ， 等 宿州日光溫室內(nèi)部最高和最低氣溫的預(yù)報(bào)模型 J 中國(guó)農(nóng)業(yè)氣象 ， 2013， 34( 2) : 170 178 12 高麗娜 ， 孫 擎 ， 郭翠榮 ， 等 山西日光溫室逐日極端氣溫預(yù)測(cè)模型研究 J 中國(guó)農(nóng)學(xué)通報(bào) ， 2015， 31( 15) : 240 246 13 劉淑梅 ， 薛慶禹 ， 黎貞發(fā) ， 等 基于 BP 神經(jīng)網(wǎng)絡(luò)的日光溫室氣溫預(yù)報(bào)模型 J 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào) ， 2015， 20( 1) : 176 184 14 金志鳳 ， 符國(guó)槐 ， 黃海靜 ， 等 基于 BP 神經(jīng)網(wǎng)絡(luò)的楊梅大棚內(nèi)氣182江蘇農(nóng)業(yè)科學(xué) 2017 年第 45 卷第 16 期櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄溫預(yù)測(cè)模型研究 J 中國(guó)農(nóng)業(yè)氣象 ， 2011， 32( 3) : 362 367 15 劉可群 ， 魏明鋒 ， 楊文剛 大棚小氣候特征及其與大氣候的關(guān)系 J 氣象 ， 2008， 34( 7) : 101 107 16 王 萍 ， 劉春雪 ， 王秋京 ， 等 黑龍江省溫室小氣候變化特征及預(yù)報(bào)模型的初步研究 J 黑龍江農(nóng)業(yè)科學(xué) ， 2014( 5) : 75 79 17 范遼生 ， 朱蘭娟 ， 柴偉國(guó) ， 等 杭州冬季塑料大棚內(nèi)氣溫變化特征及日最低氣溫預(yù)報(bào)模型 J 中國(guó)農(nóng)業(yè)氣象 ， 2014， 35( 3) :268 275 18 袁 靜 ， 李樹軍 ， 崔建云 ， 等 山東壽光冬季日光溫室內(nèi)溫度變化特征及低溫預(yù)報(bào) J 中國(guó)農(nóng)學(xué)通報(bào) ， 2012， 28( 3) : 300 304 19 張淑杰 ， 楊再強(qiáng) ， 陳艷秋 ， 等 低溫 、弱光 、高濕脅迫對(duì)日光溫室番茄花期生理生化指標(biāo)的影響 J 生態(tài)學(xué)雜志 ， 2014， 33( 11) :2995 3001 20 趙先麗 ， 張淑杰 ， 陳艷秋 ， 等 遼寧大洼地區(qū)日光溫室小氣候特征 J 生態(tài)學(xué)雜志 ， 2014， 33( 10) : 2656 2663 21 魏瑞江 日光溫室低溫寡照災(zāi)害指標(biāo) J 氣象科技 ， 2003， 31( 1) : 50 53 22 魏瑞江 ， 李春強(qiáng) ， 康西言 河北省日光溫室低溫寡照災(zāi)害風(fēng)險(xiǎn)分析 J 自然災(zāi)害學(xué)報(bào) ， 2008， 17( 3) : 56 62葛含靜 細(xì)菌纖維素高產(chǎn)菌株的篩選及鑒定 J 江蘇農(nóng)業(yè)科學(xué) ， 2017， 45( 16) : 282 285doi: 1015889/j issn1002 1302201716068細(xì)菌纖維素高產(chǎn)菌株的篩選及鑒定葛含靜( 陜西學(xué)前師范學(xué)院生命科學(xué)與食品工程學(xué)院 ， 陜西西安 710100)摘要 : 細(xì)菌纖維素具有高結(jié)晶度 、生物可降解性和合成可調(diào)控性等優(yōu)良特性 ， 被公認(rèn)為是一種性能較好的纖維素 ，廣泛應(yīng)用于食品 、醫(yī)學(xué) 、造紙 、聲學(xué)等領(lǐng)域 。筆者在研究中發(fā)現(xiàn) ， 實(shí)驗(yàn)室自制蕎麥醋自然放置一段時(shí)間后 ， 液面上長(zhǎng)出厚厚的凝膠狀膜 ， 經(jīng)成分分析 ， 確定該膜成分為纖維素 ， 結(jié)晶度為 78%， I型纖維素含量為 60%。取該蕎麥醋的醪液 ，經(jīng)富集 、分離 、初篩和復(fù)篩等 ， 最終從 108 個(gè)單菌落中篩選出 1 株性能穩(wěn)定的纖維素高產(chǎn)菌株 J2， 纖維素產(chǎn)量可達(dá)8762 g/L( 濕質(zhì)量 ) 。通過形態(tài)學(xué)與基于 16S rNA 序列的分子生物學(xué)鑒定 ， 確定菌株 J2 為漢森氏葡糖醋桿菌( Gluconacetobacter hansenii， GenBank 登錄號(hào)為 GU213109) 。關(guān)鍵詞 : 細(xì)菌纖維素 ; 菌株 ; 鑒定 ; 漢森氏葡糖醋桿菌中圖分類號(hào) : S182 文獻(xiàn)標(biāo)志碼 : A 文章編號(hào) : 1002 1302( 2017) 16 0282 04收稿日期 : 2016 10 19基金 項(xiàng) 目 : 陜西省科技廳自然科學(xué)基礎(chǔ)研究計(jì)劃 ( 編 號(hào) :2016JQ3036) 。作者簡(jiǎn)介 : 葛含靜 ( 1981) ， 女 ， 陜西咸陽人 ， 博士 ， 講師 ， 主要從事糧食工程與發(fā)酵技術(shù)創(chuàng)新 、食品化學(xué)與營(yíng)養(yǎng)學(xué)等方面的研究 。E mail: gehanjing1981163 com。細(xì)菌纖維素 ( bacterial cellulose， 簡(jiǎn)稱 BC) 是某些海洋生物 ( 如被囊綱動(dòng)物 ) 、細(xì)菌 ( 醋酸桿菌 、假單胞桿菌 、土壤桿菌 、無色桿菌 、八疊球菌等菌屬的細(xì)菌 ) 代謝產(chǎn)物 ， 由 1， 4 D 吡喃葡萄糖聚合而成 ， 不摻雜任何其他形式的多糖 ， 純度極高 1。與普通植物纖維相比 ， BC 機(jī)械強(qiáng)度高 、吸水保水率高 、生物適應(yīng)性良好 ， 被認(rèn)為是性能較好的纖維素 ， 廣泛應(yīng)用于食品 、醫(yī)藥 、造紙 、石油開采等領(lǐng)域 2。目前 ， 學(xué)術(shù)界對(duì) BC 的合成研究主要是圍繞培養(yǎng)基及培養(yǎng)條件的優(yōu)化 、菌株的代謝工程改造 、高產(chǎn)菌株的自然選育及誘變選育等方面展開 。陳軍等利用糖廠副產(chǎn)物 酸化糖蜜生產(chǎn) BC， 發(fā)現(xiàn)產(chǎn)量顯著提高 ， 且用紅茶菌的復(fù)合菌種能更高效地利用碳源 3。夏露等利用甲醇廢水發(fā)酵生產(chǎn) BC， 發(fā)現(xiàn)以木醋桿菌靜態(tài)發(fā)酵 ， BC 產(chǎn)量較低 4。楊雪霞等研究發(fā)現(xiàn) ， 剪切力會(huì)影響纖維素產(chǎn)生菌的形態(tài)和生物量 ， 不利于 BC 合成 5。翁媛媛等以惰性吸附載體固態(tài)發(fā)酵生產(chǎn) BC， 在避免剪切力的同時(shí) ， 增加了固液界面的表面積 ， BC 產(chǎn)量為液態(tài)靜置發(fā)酵產(chǎn)量的 3 倍 ， 但后處理難度增加了很多 6。de Melo 等對(duì)漢森氏葡糖醋桿菌 ( Gluconacetobacter hansenii) ATCC23769 纖維素合成酶操縱子中部分基因進(jìn)行克隆 ， 采用過表達(dá)這些基因以期提高