遼寧省日光溫室內最高和最低氣溫預報

趙先麗 ， 張淑杰 ， 蔡 福 ， 等 遼寧省日光溫室內最高和最低氣溫預報 J 江蘇農業(yè)科學 ， 2017， 45( 16) : 276 282doi: 1015889/j issn1002 1302201716067遼寧省日光溫室內最高和最低氣溫預報趙先麗 ， 張淑杰 ， 蔡 福 ， 趙梓淇 ， 王宏博 ， 李麗光( 中國氣象局沈陽大氣環(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外小氣候觀測資料 ， 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)日光溫室內最高氣溫及最低氣溫預報模型 ， 并對擬合效果進行檢驗 。結果表明 ，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最高及最低氣溫預報模型差異較大 ， 均通過了顯著性檢驗 ; 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 、降水天日光溫室內最低氣溫預報的平均絕對誤差分別為 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 、降水天日光溫室內最高氣溫預報的平均絕對誤差分別為 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 ， 平均相對誤差分別為 6 80% 7 70%、0 22% 1. 00%、0 30% 11 80%、005% 340%?？梢娔Ｐ皖A報精度較高 ， 可用于遼寧地區(qū)日光溫室內最高和最低氣溫的預報 。關鍵詞 : 日光溫室 ; 最高氣溫 ; 最低氣溫 ; 逐步回歸 ; 擬合檢驗 ; 預報模型 ; 天氣類型 ; 季節(jié)中圖分類號 : S6255+1 文獻標志碼 : A 文章編號 : 1002 1302( 2017) 16 0276 06收稿日期 : 2016 04 06基金項目 : 中央級公益性科研院所基本科研業(yè)務費 ( 編號 : 2014IAE CMA04) ; 公益性行業(yè) ( 氣象 ) 科研專項 ( 編號 : GYHY201206024) ;遼寧省 “十二五 ”科學技術重大項目 ( 編號 : 2011210002) 。作者簡介 : 趙先麗 ( 1977) ， 女 ， 山東聊城人 ， 碩士 ， 副研究員 ， 主要從事應用氣象和生態(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。遼寧省屬溫帶季風氣候 ， 夏季高溫多雨 ， 冬季寒冷干燥 ，是中國日光溫室冬季生產不須加溫的最北部地區(qū) ， 光熱條件適合進行設施農業(yè)生產 1。遼寧省是中國日光溫室蔬菜生產的發(fā)源地 ， 日光溫室蔬菜的面積和產量均居全國首位 ， 設施農業(yè)水平為全國前列 ， 以日光溫室蔬菜生產為主的設施農業(yè)已成為遼寧省現代化農業(yè)的重要特征 2。截至 2014 年 ， 中國設施農業(yè)總面積為 4 11 106hm2， 產值超過 8 000 億元 ， 遼寧省設施農業(yè)總面積約為 7 46 105hm2， 其中蔬菜播種面積為5 88 105hm2， 總產量達 3 23 107t， 總產值達 721 億元 ， 居全國第一 3 5。目前 ， 設施農業(yè)是遼寧省抗災避災 、農業(yè)增效 、農民增收的優(yōu)勢主導產業(yè) ， 已成為遼寧省現代農業(yè)的重要標志之一 。日光溫室結構相對簡單且面積較大 ， 防御自然災害及適應逆境能力較弱 ， 主要通過吸收太陽能提高溫室土壤溫度和氣溫 ， 當外界環(huán)境溫度較低時 ， 日光溫室作物易遭受低溫脅迫 ， 造成減產或品質降低 ， 而中午時段易遭受高溫脅迫 6 7。因此 ， 根據日光溫室外天氣條件合理調控日光溫室小氣候是設施農業(yè)生產的關鍵 ， 開展日光溫室最低和最高氣溫預報以進行生產管理 、調節(jié)氣象條件十分重要 ， 是防御設施農業(yè)低溫凍害和高溫熱害的重要措施之一 8。日光溫室生產與日光溫室內氣象條件密切相關 ， 尤其溫度條件十分重要 。國內目前對日光溫室內氣象要素的特征和預報研究較多 ， 20 世紀 90年代開始對日光溫室小氣候 ( 光照 、溫度 、濕度 、土壤溫度 ) 特征進行了系統(tǒng)研究并建立了統(tǒng)計模型 。李軍等基于能量和質量平衡原理 ， 建立了以塑料大棚外氣象要素為變量預報塑料大棚內溫濕度的模型 9。魏瑞江等分析了河北省日光溫室內各氣候因子之間的關系 ， 并建立了日光溫室內外的溫度 、濕度預報模型 10。李德等選取常規(guī)氣象預報因子和實測值 ， 利用多元回歸統(tǒng)計方法建立了宿州地區(qū)日光溫室內最高及最低氣溫預報模型 11。高麗娜等基于 BP 神經網絡統(tǒng)計方法 ， 以大棚外氣象要素為自變量 ， 建立了冬春季塑料大棚內極端溫度和濕度的預報模型 12 14。劉可群等通過分析大棚內小氣候特征及其與大氣候的關系 ， 建立了武漢地區(qū)大棚內溫度與太陽高度角及大氣溫度的相關模型 15。張索鐵等分別建立了黑龍江省 、吉林省溫室內不同季節(jié)不同天氣型的最高和最低溫度相關預報模型 8， 16。范遼生等對杭州地區(qū)冬季晴天 、多云 、寡照 3 種天氣型單雙層棚內的最低氣溫建立了預報模型 ， 并進行了擬合和試報檢驗 17。由于日光溫室結構 、管理和氣候地域性的差異 ， 各地建立的日光溫室氣溫預報模型不能進行推廣應用 ; 且以往建立的模型大部分為溫室內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小氣候要素 18。目前關于遼寧省日光溫室內氣溫預報的研究較少 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外的觀測資料 ， 根據日光溫室內小氣候條件與溫室外氣溫 、相對濕度等氣象要素的關系 ， 采用逐步回歸方法 ， 建立可動態(tài)預測溫室內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提供氣象預報服務 ， 為農民增產和增收提供技術支撐 。672 江蘇農業(yè)科學 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季風氣候 ， 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， 年日照時數為2 816 h， 氣候特點適合開展設施農業(yè)生產 20。1 2 試驗設計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 ( 1220345E、405608N) 內進行試驗 ，溫室結構為單面坡面 ， 坐北朝南 ， 東西走向 ， 長度為 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 。溫室設有上通風口 ， 采用半自動放風方式 ， 基本管理方式為每日 08: 00 后揭開草簾 ， 16: 00 覆蓋草簾 20。溫室內無供暖設施 ， 無照明設備 ， 采用人工方式灌溉和施肥 。溫室內種植作物為番茄 ， 品種為靚粉 1 號 ， 主要觀測項目為番茄出苗期 、移栽期 、開花期 、結果期和采摘期 ， 記錄各發(fā)育期開始期 、普遍期 、末期出現日期 ; 田間管理主要記錄整地 、移栽 、灌水 、施肥 、噴藥 、鏟趟 、除草 、采摘的時間和措施 。番茄觀測時間為 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 日進入采摘期 ， 2012 年 5 月29 日采摘結束 ; 2012 年 10 月 15 日番茄移栽 ， 2013 年 1 月 1日進入結果初期 ， 2013 年 3 月 6 日進入采摘期 ， 2013 年 6 月18 日采摘結束 20。1 3 資料來源溫室內外小氣候監(jiān)測采用錦州陽光氣象科技有限公司生產的 TM ZS3 型設施農業(yè)小氣候觀測儀 ， 觀測精度分別為0 1 、2%， 每 10 min 采集 1 次數據 ， 溫室內傳感器距離地面 1 0 m， 位于溫室中間 ， 溫室外傳感器距離地面 1 5 m， 觀測項目為溫室內氣溫 、溫室外氣溫 、溫室內相對濕度 、溫室外相對濕度 、太陽總輻射 、光合輻射 。日平均值 ( 氣溫和相對濕度 ) 取 1 d 內 144 個數據的平均值 ， 日最高值和最低值 ( 氣溫和相對濕度 ) 取 1 d 內 144 個數據中的最高和最低值 ， 剔除缺測和異常的觀測數據 。日光溫室外日照時數和日降水量數據來源于大洼縣氣象站 ( 12204E、4101N) ， 距日光溫室約10 5 km 20。1 4 研究方法1 4 1 預報時段劃分 將日光溫室生產季劃分為秋季 ( 10至 11 月 ) 、冬季 ( 12 月至翌年 2 月 ) 、春季 ( 3 至 5 月 ) 3 個時段 ， 建立不同季節(jié)日光溫室內最高氣溫和最低氣溫預報模型 。1 4 2 天氣型劃分 天氣型劃分 : 日照時數 6 h 為晴天 ，3 h 日照時數 6 h 為多云天 ， 0 h 日照時數 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數據進行建模 ， 剔除異常值 ，有效數據為 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、前一日日照時數 x2、前一日溫室內 ( 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 ( 最大相對濕度 x9、最小相對濕度 x10、平均相對濕度 x11) 和溫室外相對濕度 ( 最大相對濕度 x12、最小相對濕度 x13、平均相對濕度 x14) 及當日預報的降水量 x15、當日預報的溫室外氣溫( 最高氣溫 x16、最低氣溫 x17、平均氣溫 x18) 、當日預報的溫室外相對濕度 ( 最大相對濕度 x19、最小相對濕度 x20、平均相對濕度 x21) 共 21 個因素作為預報因子 ， 采用逐步回歸法建立預報方程 。1 4 4 擬合檢驗 采用均方根誤差 MSE、相對誤差 E 和絕對誤差 AE 對建立的模型進行評價分析 。MSE =ni =1( Pi Ai)2槡n; ( 1)E =ni =1|( Pi Ai) /Ai|n100%; ( 2)AE =ni =1|( Pi Ai) |n。 ( 3)式中 : Pi為預測值 ， Ai為實測值 ， n 為樣本數 。MSE、E、AE越小 ， 說明預報誤差越小 ， 預報越準確 。2 結果與分析2 1 春季氣溫預報模型21 1 春季最低氣溫預報模型 由引進的預報因子可見 ， 春季晴天時 ， 決定日光溫室內最低氣溫的主要影響因子為當日和前一日光溫室外最低氣溫及前一日日光溫室內最低氣溫 ， 前一日溫室內最低氣溫 、溫室外最低氣溫 、當日溫室外最低氣溫與溫室內最低氣溫相關系數均通過了 0 001 水平顯著性檢驗 ， 一般外界氣溫越低 ， 日光溫室內氣溫也越低 。李德等研究認為 ， 春季晴天前 1 2 d 日光溫室外溫度條件對日光溫室最低氣溫具有 1 2 d 的滯后效應 11， 本研究結果與之一致 。而春季非晴天時 ， 日光溫室內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 、相對濕度 ， 前一日日光溫室內最低氣溫與平均氣溫 ， 當日日光溫室外最低氣溫和平均氣溫等 ， 其中陰天時日光溫室內最低氣溫與前一日溫室內最低氣溫 、前一日溫室內平均氣溫 、當日溫室外最低氣溫 、當日溫室外平均氣溫 、當日溫室外最大相對濕度顯著相關( 表 1) 。由春季日光溫室內最低氣溫反演可知 ， 晴天溫室內最低氣溫預報平均絕對誤差為 1 130 ， 均方根誤差為 1. 530 ，平均相對誤差為 19 90%; 多云天溫室內最低氣溫預報平均絕對誤差為 0 064 ， 均方根誤差為 0 076 ， 平均相對誤差為 0 70%; 陰天溫室內最低氣溫預報平均絕對誤差為0 043 ， 均方根誤差為 0 050 ， 平均相對誤差為 0. 40%;降水天溫室內最低氣溫預報平均絕對誤差為 0 190 ， 均方根誤差為 0 200 ， 平均相對誤差為 2 60%( 表 1、圖 1) 。由772江蘇農業(yè)科學 2017 年第 45 卷第 16 期表 1 大洼春季日光溫室內最低氣溫預報模型天氣型 模型樣本數( n， 個 )相關系數( r)P 值平均絕對誤差 ( )均方根誤差 ( )平均相對誤差 ( %)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 ， 大洼春季晴天時日光溫室內最低氣溫預報誤差較大 ，其次為降水天 ， 多云天和陰天預報效果較好 。2 1 2 春季最高氣溫預報模型 由表 2 可見 ， 日光溫室晴天最高氣溫引入的預報因子主要為反映空氣水汽含量的當日和前一日降水量 ， 決定日光溫室基礎氣溫的前一日溫室內平均氣溫 、當日溫室外最高氣溫和當日溫室外平均氣溫 。而春季非晴天時 ， 日光溫室內最高氣溫的主要影響因子為前一日日光溫室內最高氣溫與平均氣溫及當日溫室外的濕度條件等 。表 2 大洼春季日光溫室內最高氣溫預報模型天氣型 模型樣本數( n， 個 )相關系數( r)P 值平均絕對誤差 ( )均方根誤差 ( )平均相對誤差 ( %)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晴天溫室內最高氣溫預報平均絕對誤差為 2 170 ， 均方根誤差為 2 780 ， 平均相對誤差為 7 60%; 多云天溫室內最高氣溫預報平均絕對誤差為 0 260 ， 均方根誤差為0 290 ， 平均相對誤差為 1 00%; 陰天溫室內最高氣溫預報平均絕對誤差為 0 910 ， 均方根誤差為 0 960 ， 平均相對誤差為 4 10%; 降水天溫室內最高氣溫預報平均絕對誤差為0 01 ， 均方根誤差為 0 012 ， 平均相對誤差為 0 05%( 圖2、表 2) 。由此可見 ， 大洼春季晴天時日光溫室內最高氣溫預報誤差稍大 ， 其次為陰天 ， 多云天和降水天預報效果較好 。2 2 秋季氣溫預報模型2 2 1 秋季最低氣溫預報模型 由表 3 可知 ， 秋季晴天溫室內最低氣溫主要由前一日溫室內平均氣溫 、前一日溫室外最大相對濕度等決定 ， 而前一日溫室外最低氣溫為負貢獻 。分析表明 ， 前一日溫室外最低氣溫偏高時 ， 溫室內最低氣溫增高 ， 同時使溫室內最高氣溫偏高 ， 通風換氣時間延長 ， 一定程度上導致溫室內最低氣溫降低 。而秋季非晴天時 ， 日光溫室內最低氣溫的主要影響因子為前一日溫室內平均氣溫 、前一日溫室外平均氣溫及前一日溫室外平均相對濕度等 ?？梢?，872 江蘇農業(yè)科學 2017 年第 45 卷第 16 期表 3 大洼秋季日光溫室內最低氣溫預報模型天氣型 模型樣本數( n， 個 )相關系數( r)P 值平均絕對誤差 ( )均方根誤差 ( )平均相對誤差 ( %)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， 本研究未進行建模 。表 4 同 。秋季非晴天時前一日外界氣象條件對溫室內最低氣溫影響顯著 。由表 3、圖 3 可知 ， 秋季日光溫室內最低氣溫預報平均絕對誤差為 0 920 ， 均方根誤差為 1 180 ， 平均相對誤差為18 80%; 陰天溫室內最低氣溫預報平均絕對誤差為0 070 ， 均方根誤差為 0 080 ， 平均相對誤差為 0 90%;降水天溫室內最低氣溫預報平均絕對誤差為 0 270 ， 均方根誤差為 0 320 ， 平均相對誤差為 4 10%。由此可見 ， 大洼秋季晴天溫室內最低氣溫預報誤差較大 ， 其次為降水天 ， 陰天預報效果較好 。2 2 2 秋季最高氣溫預報模型 由表 4 可知 ， 晴天溫室內最高氣溫主要影響因子為前一日溫室內最高氣溫 、前一日溫室外平均相對濕度 、當日溫室外最高氣溫 ， 而當日溫室外平均氣溫為負貢獻 ， 主要是由于外界溫度高 ， 導致溫室內最高氣溫偏高 ， 通風時間長 ， 降低了日光溫室內的基礎溫度 。秋季非晴天時 ， 日光溫室內最高氣溫主要受前一日溫室內最低氣溫 、前一日溫室外最高氣溫 、前一日溫室外最大相對濕度及當日溫室外最高氣溫影響 。秋季晴天日光溫室內最高氣溫預報平均絕對誤差為2. 230 ， 均方根誤差為 2 780 ， 平均相對誤差為 7 70%;陰天溫室內最高氣溫預報平均絕對誤差為 0 050 ， 均方根誤差為 0 060 ， 平均相對誤差為 0 30%; 降水天溫室內最高氣溫預報平均絕對誤差為 0 570 ， 均 方 根 誤 差 為0 710 ， 平均相對誤差為 3 40% ( 表 4、圖 4) 。由此可見 ，大洼秋季晴天溫室內最高氣溫預報誤差稍大 ， 其次為降水天 ，陰天預報效果較好 。972江蘇農業(yè)科學 2017 年第 45 卷第 16 期表 4 大洼秋季日光溫室內最高氣溫預報模型天氣型 模型樣本數( n， 個 )相關系數( r)P 值平均絕對誤差 ( )均方根誤差 ( )平均相對誤差 ( %)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 冬季氣溫預報模型23 1 冬季最低氣溫預報模型 由入選預報因子可見 ， 冬季晴天時 ， 決定日光溫室內最低氣溫的主要氣象要素為前一日溫室內最低氣溫與平均氣溫 、前一日溫室外最低氣溫 、當日降水量及當日溫室外最高氣溫與平均氣溫 ， 相關系數均通過了0. 001 水平的顯著性檢驗 。而冬季非晴天時 ， 日光溫室內最低氣溫主要受前一日外界相對濕度 、當日溫室外氣溫等的影響 ( 表 5) 。分析認為 ， 前一日外界環(huán)境的相對濕度高 ， 空氣溫度下降受到抑制 ， 使夜間外界溫度不會降得過低 ， 從而影響溫室內外的熱交換速度和強度 ， 最終影響次日溫室內最低氣溫 。表 5 大洼冬季日光溫室內最低氣溫預報模型天氣型 模型樣本數( n， 個 )相關系數( r)P 值平均絕對誤差 ( )均方根誤差 ( )平均相對誤差 ( %)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 ， 秋季晴天溫室內最低氣溫預報平均絕對誤差為 0 420 ， 均方根誤差為 0 540 ， 平均相對誤差為8 80%; 多 云 天 溫 室 內 最 低 氣 溫 預 報 平 均 絕 對 誤 差 為0 005 ， 均方根誤差為 0 005 ， 平均相對誤差為 0 07%;陰天溫室內最低氣溫預報平均絕對誤差為 0 150 ， 均方根誤差為 0 180 ， 平均相對誤差為 2 60%。2 3 2 冬季最高氣溫預報模型 由表 6 可見 ， 冬季晴天溫室內最高氣溫受前一日溫室外最低氣溫與平均氣溫 、當日降水量及當日溫室外平均氣溫的影響 ， 由此進一步表明 ， 日光溫室外氣溫對日光溫室內氣溫影響顯著 。而冬季非晴天時 ， 決定日光溫室內最高氣溫的為前一日溫室外最小相對濕度 、當日溫室外最大相對濕度 、當日溫室外最低氣溫等 ， 還引入了日照時數預報因子 ， 即外界的日照對日光溫室內的氣溫也有一定的影響 ， 進一步表明非晴天時 ， 增加太陽散射光可提高日光溫082 江蘇農業(yè)科學 2017 年第 45 卷第 16 期室內氣溫 。由表 6、圖 6 可見 ， 冬季晴天日光溫室內最高氣溫預報平均絕對誤差為 1 950 ， 均方根誤差為 2 610 ， 平均相對誤差為 6 80%; 多云天溫室內最高氣溫預報平均絕對誤差為0 950 ， 均方根誤差為 1 030 ， 平均相對誤差為 0 22%;陰天溫室內最高氣溫預報平均絕對誤差為 1 550 ， 均方根誤差為 1 880 ， 平均相對誤差為 11 80%。由此可見 ， 大洼冬季陰天溫室內最高氣溫預報誤差稍大 ， 其次為晴天 ， 多云天預報效果較好 。表 6 大洼冬季日光溫室內最高氣溫預報模型天氣型 模型樣本數( n， 個 )相關系數( r)P 值平均絕對誤差 ( )均方根誤差 ( )平均相對誤差 ( %)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最低氣溫 、最高氣溫的預報模型 ， 模型均通過了顯著性檢驗 。大洼不同季節(jié)晴天溫室內最低氣溫和最高氣溫預測模型的準確率稍差 ， 春季最低 、最高氣溫平均相對誤差為 19 90%、7 60%， 秋季最低 、最高氣溫平均相對誤差為 18 80%、7 70%， 冬季最低 、最高氣溫平均相對誤差為8 80%、6 80%; 陰天溫室內最高氣溫預報準確率稍差 ， 平均相對誤差為 11 8%; 其余溫室內最高氣溫和最低氣溫預報準確率較高 ， 平均相對誤差為 0 05% 4 10%， 均低于 5. 0%，預測準確率在 95 0% 以上 。部分溫室內氣溫預測模型預報精度高于張索鐵等模型的預報精度 8， 11， 17， 可為大洼地區(qū)預防溫室蔬菜凍害和熱害提供參考 ， 以提高蔬菜生產效益 。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)日光溫室生產的高溫 、凍害 、大風災害和雪災頻繁發(fā)生 ， 因此須進行溫室內最低氣溫 、最高氣溫的預測預報技術研究 ， 為防災減災和溫室生產管理提供依據 。本研究中大洼地區(qū)日光溫室內最低氣溫和最高氣溫預測模型是基于日光溫室內的觀測資料及常規(guī)天氣預報資料建立的 ， 模型精度取決于常規(guī)天氣預報水平 ， 因此提高日光溫室內最低氣溫和最高氣溫預報模型的精度 ， 須進一步提高天氣預報水平和積累試驗資料進行深入研究 。由于觀測作物和觀測資料有限 ， 本研究未進行模型試預報 ， 須進一步積累觀測資料進行模型檢驗 。依據當日天氣現象分為 4 種天氣類型 ， 但在天氣類型轉化時日光溫室最高氣溫和最低氣溫預測須考慮前一日的天氣情況進行天氣類型劃分 ， 須進一步深入研究 。參考文獻 : 1 陳艷秋 ， 陳 宇 ， 吳曼麗 遼寧省設施農業(yè)暴雪及大風災情特征分析 J 安徽農業(yè)科學 ， 2013， 41( 4) : 1660 1662 2 陳妮娜 ， 蔣大凱 ， 王 瀛 ， 等 遼寧省設施農業(yè)大風和暴雪致災指標 J 江蘇農業(yè)科學 ， 2013， 41( 11) : 386 387 3 郎立新 ， 史書強 ， 張 鵬 ， 等 遼寧省設施農業(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研究 M 沈陽 : 遼寧科學技術出版社 ， 2012: 1 151 5 呂 霞 遼寧省設施農業(yè)生產存在問題及對策 J 農業(yè)科技與裝備 ， 2013 ( 1) : 74 75 6 閻 琦 ， 陳妮娜 ， 田 莉 ， 等 遼寧設施農業(yè)致災暴雪時空分布及天氣學模型 J 江蘇農業(yè)科學 ， 2016， 44 ( 1) : 373 376 7 馬成芝 ， 孫立德 ， 穆春華 喀左日光溫室內氣溫變化規(guī)律及其應用 J 氣象與環(huán)境學報 ， 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 、最低溫度預報模式探討 J 中國農學通報 ， 2014， 30( 23) : 249 253 9 李 軍 ， 姚益平 ， 徐 蕊 ， 等 長江下游防蟲網覆蓋塑料大棚內溫濕度模擬 J 農業(yè)工程學報 ， 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系 J 氣象 ， 2010， 36( 1) : 97 103 11 李 德 ， 張學賢 ， 祁 宦 ， 等 宿州日光溫室內部最高和最低氣溫的預報模型 J 中國農業(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測模型研究 J 中國農學通報 ， 2015， 31( 15) : 240 246 13 劉淑梅 ， 薛慶禹 ， 黎貞發(fā) ， 等 基于 BP 神經網絡的日光溫室氣溫預報模型 J 中國農業(yè)大學學報 ， 2015， 20( 1) : 176 184 14 金志鳳 ， 符國槐 ， 黃海靜 ， 等 基于 BP 神經網絡的楊梅大棚內氣182江蘇農業(yè)科學 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測模型研究 J 中國農業(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報模型的初步研究 J 黑龍江農業(yè)科學 ， 2014( 5) : 75 79 17 范遼生 ， 朱蘭娟 ， 柴偉國 ， 等 杭州冬季塑料大棚內氣溫變化特征及日最低氣溫預報模型 J 中國農業(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溫度變化特征及低溫預報 J 中國農學通報 ， 2012， 28( 3) : 300 304 19 張淑杰 ， 楊再強 ， 陳艷秋 ， 等 低溫 、弱光 、高濕脅迫對日光溫室番茄花期生理生化指標的影響 J 生態(tài)學雜志 ， 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)學雜志 ， 2014， 33( 10) : 2656 2663 21 魏瑞江 日光溫室低溫寡照災害指標 J 氣象科技 ， 2003， 31( 1) : 50 53 22 魏瑞江 ， 李春強 ， 康西言 河北省日光溫室低溫寡照災害風險分析 J 自然災害學報 ， 2008， 17( 3) : 56 62葛含靜 細菌纖維素高產菌株的篩選及鑒定 J 江蘇農業(yè)科學 ， 2017， 45( 16) : 282 285doi: 1015889/j issn1002 1302201716068細菌纖維素高產菌株的篩選及鑒定葛含靜( 陜西學前師范學院生命科學與食品工程學院 ， 陜西西安 710100)摘要 : 細菌纖維素具有高結晶度 、生物可降解性和合成可調控性等優(yōu)良特性 ， 被公認為是一種性能較好的纖維素 ，廣泛應用于食品 、醫(yī)學 、造紙 、聲學等領域 。筆者在研究中發(fā)現 ， 實驗室自制蕎麥醋自然放置一段時間后 ， 液面上長出厚厚的凝膠狀膜 ， 經成分分析 ， 確定該膜成分為纖維素 ， 結晶度為 78%， I型纖維素含量為 60%。取該蕎麥醋的醪液 ，經富集 、分離 、初篩和復篩等 ， 最終從 108 個單菌落中篩選出 1 株性能穩(wěn)定的纖維素高產菌株 J2， 纖維素產量可達8762 g/L( 濕質量 ) 。通過形態(tài)學與基于 16S rNA 序列的分子生物學鑒定 ， 確定菌株 J2 為漢森氏葡糖醋桿菌( Gluconacetobacter hansenii， GenBank 登錄號為 GU213109) 。關鍵詞 : 細菌纖維素 ; 菌株 ; 鑒定 ; 漢森氏葡糖醋桿菌中圖分類號 : S182 文獻標志碼 : A 文章編號 : 1002 1302( 2017) 16 0282 04收稿日期 : 2016 10 19基金 項 目 : 陜西省科技廳自然科學基礎研究計劃 ( 編 號 :2016JQ3036) 。作者簡介 : 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)酵技術創(chuàng)新 、食品化學與營養(yǎng)學等方面的研究 。E mail: gehanjing1981163 com。細菌纖維素 ( bacterial cellulose， 簡稱 BC) 是某些海洋生物 ( 如被囊綱動物 ) 、細菌 ( 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菌 ) 代謝產物 ， 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 機械強度高 、吸水保水率高 、生物適應性良好 ， 被認為是性能較好的纖維素 ， 廣泛應用于食品 、醫(yī)藥 、造紙 、石油開采等領域 2。目前 ， 學術界對 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物 酸化糖蜜生產 BC， 發(fā)現產量顯著提高 ， 且用紅茶菌的復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 BC， 發(fā)現以木醋桿菌靜態(tài)發(fā)酵 ， BC 產量較低 4。楊雪霞等研究發(fā)現 ， 剪切力會影響纖維素產生菌的形態(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 BC， 在避免剪切力的同時 ， 增加了固液界面的表面積 ， BC 產量為液態(tài)靜置發(fā)酵產量的 3 倍 ， 但后處理難度增加了很多 6。de Melo 等對漢森氏葡糖醋桿菌 ( Gluconacetobacter hansenii) ATCC23769 纖維素合成酶操縱子中部分基因進行克隆 ， 采用過表達這些基因以期提高