基于环境因子的春玉米产量结构模型分析研究

doi:10.11924/j.issn.1000-6850.casb20200300217

中国农学通报 ›› 2021, Vol. 37 ›› Issue (2): 108-115.doi: 10.11924/j.issn.1000-6850.casb20200300217

所属专题：玉米；烟草种植与生产

• 资源·环境·生态·土壤·气象 • 上一篇下一篇

基于环境因子的春玉米产量结构模型分析研究

许艺馨¹(), 冯磊¹, 苏永秀²(), 莫申萍³, 刘军⁴

¹广西物流职业技术学院,广西贵港537100
²广西壮族自治区气象科学研究所,南宁 530022
³贵港市气象局,广西贵港 5371003
⁴贵港市农业技术推广中心,广西贵港 537100

收稿日期:2020-03-18 修回日期:2020-06-28 出版日期:2021-01-15 发布日期:2021-01-14
通讯作者: 苏永秀
作者简介:许艺馨,女,1989年出生,广西贵港人,工程师,硕士,主要研究方向为农业气象。通信地址：537100 广西壮族自治区贵港市金港大道580号贵港市气象局,E-mail：261786751@qq.com。
基金资助:
公益性行业(气象)科研专项“我国东南部地区主要热带果树的关键气象保障技术研究”(GYHY201406027);广西科技计划项目“广西新兴热带果树寒冻害风险预警与精细区划技术研究”(桂科AB16380260)

The Yield Structure Model of Spring Corn Based on Environmental Factors

Xu Yixin¹(), Feng Lei¹, Su Yongxiu²(), Mo Shenping³, Liu Jun⁴

¹Guangxi Logistics Vocational and Technical College, Guigang Guangxi 537100
²Guangxi Meteorological Disaster Mitigation Institute, Nanning Guangxi 530022
³Guigang Meteorologic Bureau, Guigang Guangxi 537100
⁴Guigang Agricultural Technology Extension Center, Guigang Guangxi 537100

Received:2020-03-18 Revised:2020-06-28 Online:2021-01-15 Published:2021-01-14
Contact: Su Yongxiu

摘要/Abstract

摘要：

环境因子对作物产量的影响是现代农业气象研究的重要内容之一,建立春玉米产量结构模型可为春玉米的科学生产提供依据。本研究分析贵港春玉米不同生育阶段的环境因子与产量结构的相关性,并建立全因子、显著因子的多元线性回归模型和BP神经网络模型。结果表明,对春玉米产量结构影响最大的生育期为拔节—抽雄期,10~40 cm的土壤水分体积含水率与产量结构最为密切;四种产量结构预测模型优度(R²)比较,全因子模型(AF)优于显著因子模型(SF),多元线性回归(MLR)模型优于BP神经网络(BPNN)模型。试报检验模型发现MLR模型的泛化能力不及BPNN模型,其中BPNN_AF模型对理论产量、果穗粗的预测最为精准。BPNN全因子模型(BPNN_AF)可作为春玉米产量结构预测的最优模型,能较好捕捉作物产量结构与环境因子之间的非线性影响规律,预测结果较为合理准确。

关键词: 气象, 土壤, 产量结构, 相关分析, 模型

Abstract:

The impact of environmental factors on crop yield is one of the important contents of modern agrometeorological research. Establishing a spring corn yield structure model can provide a basis for the scientific production of spring corn. The correlation between environmental factors and yield structure in different growth stages of spring corn in Guigang was analyzed. And multiple linear regression models and BP neural network models with full factors and significant factors were established. The results showed that the growth period that has the greatest impact on the yield structure of spring corn is from jointing to tasseling. The soil water volume and moisture content of 10 cm to 40 cm were the most closely related to the yield structure. The four models of yield structure prediction (R²) comparison showed that the factor model (AF) was superior to the significant factor model (SF).The multiple linear regression (MLR) model was superior to the BP neural network (BPNN) model. The test reported model found that the generalization ability of the MLR model was not as good as that of the BPNN model. Among them, the BPNN_AF model was the most accurate predictor of theoretical yield and ear diameter. The BPNN full factor model (BPNN_AF) can be used as the optimal model for predicting the yield structure of spring corn, it can better capture the non-linear influence law between the crop yield structure and environmental factors, and the prediction results are more reasonable and accurate.

Key words: meteorology, soil, yield structure, correlation analysis, model

中图分类号:

许艺馨, 冯磊, 苏永秀, 莫申萍, 刘军. 基于环境因子的春玉米产量结构模型分析研究[J]. 中国农学通报, 2021, 37(2): 108-115.

Xu Yixin, Feng Lei, Su Yongxiu, Mo Shenping, Liu Jun. The Yield Structure Model of Spring Corn Based on Environmental Factors[J]. Chinese Agricultural Science Bulletin, 2021, 37(2): 108-115.

图/表 6

参考文献 30

[1]	吴志祥, 周兆德. 气候变化对我国农业生产的影响和对策[J]. 华南热带农业大学学报, 2004,10(2):7-11.
[2]	曹士亮, 于芳兰, 王成波, 等. 2009 降水量与积温对玉米气象产量影响的综合分析[J]. 作物杂志, 2009(3):62-65.
[3]	方精云. 全球生态学.气候变化与生态响应[M]. 北京高等教育出版社, 2002.
[4]	钱锦霞, 李芬, 奚玉香. 影响山西春玉米适时播种的气象条件变化特征[J]. 中国农业气象, 2007,28(3):246-249.
[5]	葛体达. 夏玉米对干旱胁迫的响应与适应机制的研究[D]. 莱阳:莱阳农学院, 2004.
[6]	刘树堂, 姜德峰. 土壤水分变化动态对夏玉米生理代谢的影响[J]. 玉米科学, 2003,11(1):67-68.
[7]	李长军, 李秀珍, 石军. 日照市玉米产量的预测模型构建[J]. 湖北农业科学, 2018,58(5):101-103.
[8]	季彪俊. 水稻产量影响的主成分分析[J]. 闽西职业大学学报, 2014(4):96-100.
[9]	董智强, 王萌萌, 李鸿怡等. WOFOST模型对山东省夏玉米发育期与产量模拟的适用性评价[J]. 作物杂志, 2019,192(5):159-165.
[10]	米娜, 张玉书, 蔡福等. 干旱胁迫对玉米物候及产量组成的影响及模拟研究[J]. 中国生态农业学报(中英文), 2019,27(12):1779-1788.
[11]	孙扬越, 申双和. 作物生长模型的应用研究进展[J]. 中国农业气象, 2019,40(7):444-459.
[12]	陈斐, 杨沈斌, 申双和等. 基于主成分回归法的长江中下游双季早稻相对气象产量模拟模型[J]. 中国农业气象, 2014,35(5):522-528. doi: 10.3969/j.issn.1000-6362.2014.05.007 URL
[13]	Jiang H, Hu H, Xu J F, et al. A deep learning approach to conflating heterogeneous geospatial data for corn yield estimation: A case study of the US Corn Belt at the county level[J]. Global Change Biology, 2019(2). URL pmid: 31849159
[14]	于珍珍, 汪春, 李海亮, 等. 基于人工神经网络加注氨气对玉米产量的影响[J]. 农业技术与装备, 2019(2):7-13.
[15]	方惠敏, 张守涛, 丁文珂. 基于BP神经网络的玉米区试产量预测研究[J]. 安徽农业科学, 2007,35(34):10969-10970.
[16]	胡九林, 张清, 韩烈保, 等. 天津泰达高羊茅草坪土壤水分动态研究[J]. 干旱地区农业研究, 2006,24(5):198-201.
[17]	山东农学院. 作物栽培学(北方本):上册[M]. 北京: 农业出版社, 1984: 183.
[18]	白莉萍. 夏玉米不同生育期对干旱胁迫的响应与适应机制[D]. 北京:中国科学院植物研究所, 2007.
[19]	管建慧, 刘克礼, 郭宇. 玉米根系构型的研究进展[J]. 玉米科学, 2006,14(6):162-166.
[20]	黄嘉佑. 气象统计分析与预报方法[M]. 北京: 气象出版社, 2004.
[21]	王福林, 董志贵, 吴志辉. 基于BP神经网络的玉米种植密度和施肥量优化[J]. 2017,33(6):92-97.
[22]	马雅丽, 王志伟, 栾青, 等. 玉米产量与生态气候因子的关系[J]. 中国农业气象, 2009,30(4):565-568.
[23]	孙景生, 肖俊夫, 段爱旺, 等. 夏玉米耗水规律及水分胁迫对其生长发育和产量的影响[J]. 玉米科学, 1999,8(1):45-47.
[24]	林承勇. 人工神经网络在预测PM2.5浓度中的研究[D]. 成都:电子科技大学电子与通信工程, 2016: 3-43.
[25]	李春华, 公芙萍, 崔一杰, 等. 山西中北部春玉米生长季土壤水分动态及对产量的影响[J]. 中国农业通报, 2014,30(24):246-250.
[26]	王宁珍, 张谋草, 黄斌, 等. 陇东地区土壤水分变化与玉米产量关系探讨[J]. 中国农业通报, 2009,25(21):3.
[27]	吴泽新. 干旱胁迫对鲁西北夏玉米生长发育及产量影响的分析[J]. 山东农业大学:自然科学版, 2015(6):817-821.
[28]	赵慧珍, 胡浩云. 用BP神经网络进行作物水分—产量预测研究[J]. 华北水利水电学院学报, 2006,27(2):17-19.
[29]	余焰文, 杨爱萍, 蔡小琴, 等. 三种油菜产量预测模型在江西的应用比较[J]. 气象科技, 2018,46(5):1032-1036.
[30]	任丽雯, 刘明春, 王兴涛, 等. 拔节和抽雄期水分胁迫对春玉米生长和产量的影响[J]. 中国农学通报, 2019,35(1):17-22.

变量名称	代码	单位	变量名称	代码	单位
播种—拔节雨量	R₁	mm	抽雄—成熟日照	S₃	h
拔节—抽雄雨量	R₂	mm	播种—拔节10 cm土壤体积含水率	SW₁₁	%
抽雄—成熟雨量	R₃	mm	拔节—抽雄10 cm土壤体积含水率	SW₁₂	%
播种—拔节雨日	D₁	d	抽雄—成熟10 cm土壤体积含水率	SW₁₃	%
拔节—抽雄雨日	D₂	d	播种—拔节20 cm土壤体积含水率	SW₂₁	%
抽雄—成熟雨日	D₃	d	拔节—抽雄20 cm土壤体积含水率	SW₂₂	%
播种—拔节积温	Ts₁	°C	抽雄—成熟20 cm土壤体积含水率	SW₂₃	%
拔节—抽雄积温	Ts₂	°C	播种—拔节30 cm土壤体积含水率	SW₃₁	%
抽雄—成熟积温	Ts₃	°C	拔节—抽雄30 cm土壤体积含水率	SW₃₂	%
播种—拔节平均气温	Tm₁	°C	抽雄—成熟30 cm土壤体积含水率	SW₃₃	%
拔节—抽雄平均气温	Tm₂	°C	播种—拔节40 cm土壤体积含水率	SW₄₁	%
抽雄—成熟平均气温	Tm₃	°C	拔节—抽雄40 cm土壤体积含水率	SW₄₂	%
播种—拔节日照	S₁	h	抽雄—成熟40 cm土壤体积含水率	SW₄₃	%
拔节—抽雄日照	S₂	h

变量名称	代码	单位	变量名称	代码	单位
播种—拔节雨量	R₁	mm	抽雄—成熟日照	S₃	h
拔节—抽雄雨量	R₂	mm	播种—拔节10 cm土壤体积含水率	SW₁₁	%
抽雄—成熟雨量	R₃	mm	拔节—抽雄10 cm土壤体积含水率	SW₁₂	%
播种—拔节雨日	D₁	d	抽雄—成熟10 cm土壤体积含水率	SW₁₃	%
拔节—抽雄雨日	D₂	d	播种—拔节20 cm土壤体积含水率	SW₂₁	%
抽雄—成熟雨日	D₃	d	拔节—抽雄20 cm土壤体积含水率	SW₂₂	%
播种—拔节积温	Ts₁	°C	抽雄—成熟20 cm土壤体积含水率	SW₂₃	%
拔节—抽雄积温	Ts₂	°C	播种—拔节30 cm土壤体积含水率	SW₃₁	%
抽雄—成熟积温	Ts₃	°C	拔节—抽雄30 cm土壤体积含水率	SW₃₂	%
播种—拔节平均气温	Tm₁	°C	抽雄—成熟30 cm土壤体积含水率	SW₃₃	%
拔节—抽雄平均气温	Tm₂	°C	播种—拔节40 cm土壤体积含水率	SW₄₁	%
抽雄—成熟平均气温	Tm₃	°C	拔节—抽雄40 cm土壤体积含水率	SW₄₂	%
播种—拔节日照	S₁	h	抽雄—成熟40 cm土壤体积含水率	SW₄₃	%
拔节—抽雄日照	S₂	h

环境因子	理论产量	果穗长	果穗粗	株子粒重	百粒重
R₁	-0.006	0.201	0.368	-0.06	-0.388
R₂	-0.015	-0.236	-0.218	0.738^*	-0.446
R₃	0.06	0.074	0.337	0.191	0.275
D₁	0.112	0.01	0.468	0.304	-0.39
D₂	0.266	-0.315	0.359	0.096	0.278
D₃	-0.603	0.861^**	-0.159	0.083	-0.243
Ts₁	0.253	0.094	-0.441	-0.291	-0.497
Ts₂	0.695^*	-0.489	0.747^*	0.513	0.638
Ts₃	-0.224	0.484	-0.142	0.09	0.175
Tm₁	-0.489	0.4	-0.607	-0.396	-0.131
Tm₂	-0.023	0.151	-0.187	-0.063	0.121
Tm₃	0.193	-0.593	-0.22	-0.218	0.165
S₁	-0.316	0.195	-0.577	-0.405	0.078
S₂	0.388	0.187	0.837^**	0.719^*	0.35
S₃	0.157	-0.188	-0.116	-0.006	0.206
SW₁₁	-0.561	0.359	-0.236	-0.265	-0.595
SW₁₂	-0.339	-0.04	-0.303	-0.539	-0.76^**
SW₁₃	-0.373	0.137	-0.217	-0.332	-0.73^*
SW₂₁	-0.802^**	0.729^*	-0.381	-0.157	-0.790^**
SW₂₂	-0.836^**	0.661^*	-0.521	-0.311	-0.853^**
SW₂₃	-0.847^**	0.698^*	-0.517	-0.271	-0.799^**
SW₃₁	0.173	0.282	0.572	0.901^**	0.269
SW₃₂	-0.482	0.792^**	0.151	0.486	-0.299
SW₃₃	-0.603	0.841^**	0.026	0.367	-0.333
SW₄₁	-0.007	0.379	0.462	0.712^*	0.161
SW₄₂	-0.523	0.807^**	0.117	0.434	-0.196
SW₄₃	-0.54	0.749^*	0.006	0.338	0.016

环境因子	理论产量	果穗长	果穗粗	株子粒重	百粒重
R₁	-0.006	0.201	0.368	-0.06	-0.388
R₂	-0.015	-0.236	-0.218	0.738^*	-0.446
R₃	0.06	0.074	0.337	0.191	0.275
D₁	0.112	0.01	0.468	0.304	-0.39
D₂	0.266	-0.315	0.359	0.096	0.278
D₃	-0.603	0.861^**	-0.159	0.083	-0.243
Ts₁	0.253	0.094	-0.441	-0.291	-0.497
Ts₂	0.695^*	-0.489	0.747^*	0.513	0.638
Ts₃	-0.224	0.484	-0.142	0.09	0.175
Tm₁	-0.489	0.4	-0.607	-0.396	-0.131
Tm₂	-0.023	0.151	-0.187	-0.063	0.121
Tm₃	0.193	-0.593	-0.22	-0.218	0.165
S₁	-0.316	0.195	-0.577	-0.405	0.078
S₂	0.388	0.187	0.837^**	0.719^*	0.35
S₃	0.157	-0.188	-0.116	-0.006	0.206
SW₁₁	-0.561	0.359	-0.236	-0.265	-0.595
SW₁₂	-0.339	-0.04	-0.303	-0.539	-0.76^**
SW₁₃	-0.373	0.137	-0.217	-0.332	-0.73^*
SW₂₁	-0.802^**	0.729^*	-0.381	-0.157	-0.790^**
SW₂₂	-0.836^**	0.661^*	-0.521	-0.311	-0.853^**
SW₂₃	-0.847^**	0.698^*	-0.517	-0.271	-0.799^**
SW₃₁	0.173	0.282	0.572	0.901^**	0.269
SW₃₂	-0.482	0.792^**	0.151	0.486	-0.299
SW₃₃	-0.603	0.841^**	0.026	0.367	-0.333
SW₄₁	-0.007	0.379	0.462	0.712^*	0.161
SW₄₂	-0.523	0.807^**	0.117	0.434	-0.196
SW₄₃	-0.54	0.749^*	0.006	0.338	0.016

因变量	预测因子	MLR方程	R²
1理论产量	全因子	Y_1a= -20.653SW₂₃+9.51D₁+0.462Ts₁+633.974	0.996
1理论产量	显著因子	Y_1b= -14.689SW₂₃+1185.303	0.718
2果穗长	全因子	Y_2a= 0.232D₃+0.256SW₃₃+0.05	0.912
2果穗长	显著因子	Y_2b= 0.356D₃+6.637	0741
3果穗粗	全因子	Y_3a= 0.014S₂+3.991	0.700
3果穗粗	显著因子	Y_3b= 0.014S₂+3.991	0.700
4株子粒重	全因子	Y_4a= 2.544SW₃₁-1.918SW₁₃+0.182S₂+58.837	0.993
4株子粒重	显著因子	Y_4b= 2.812SW₃₁+7.784	0.812
5百粒重	全因子	Y_5a= -0.383SW₂₂+1.0.36SW₄₃+4.876	0.929
5百粒重	显著因子	Y_5b= -0.303SW₂₃+37.638	0.728

基于环境因子的春玉米产量结构模型分析研究

The Yield Structure Model of Spring Corn Based on Environmental Factors

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 30

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

因变量	预测因子	节点数N	R²
1理论产量	全因子	12	0.600
1理论产量	显著因子	4	0.980
2果穗长	全因子	10	0.994
2果穗长	显著因子	4	0.722
3果穗粗	全因子	13	0.757
3果穗粗	显著因子	2	0.863
4株子粒重	全因子	13	0.939
4株子粒重	显著因子	3	0.906
5百粒重	全因子	13	0.704
5百粒重	显著因子	4	0.892

模型检验和误差	理论产量/(g·m²)	果穗长/cm	果穗粗/cm	株子粒重/g	百粒重/g
2019年实测	616.83	17.3	4.3	141.48	29.1
MRL_AF	624.22	16.5	4.7	109.65	27.2
MRE	1%	-5%	9%	-22%	-7%
MRL_SF	690.90	17.7	4.7	108.03	27.6
MRE	12%	2%	9%	-24%	-5%
BPNN_AF	618.25	17.6	4.3	155.46	28.6
MRE	0%	2%	0%	10%	-2%
BPNN_SF	599.81	16.8	4.9	113.93	28.2
MRE	-3%	-3%	14%	-19%	-3%

[1]	胡军, 多吉扎西, 拉巴, 格桑卓玛, 洛松曲珍. 西藏昌都市芒康县盐井葡萄生育期界定及气象条件分析[J]. 中国农学通报, 2023, 39(1): 103-106.
[2]	白玛仁增, 顿玉多吉, 德例归吉, 德吉央宗, 益西多吉, 边巴次仁. 星-地结合对水稻高温热害监测模型的研究[J]. 中国农学通报, 2023, 39(1): 133-141.
[3]	崔莹莹, 周波, 陈义勇, 刘嘉裕, 黎健龙, 唐颢, 唐劲驰. 广东茶区土壤肥力时空变化分析与综合评价[J]. 中国农学通报, 2023, 39(1): 85-95.
[4]	孙树晴, 丁炜, 孙瑞, 张希财, 兰国玉, 陈伟, 杨川, 吴志祥. 不同林龄橡胶林土壤细菌群落组成及多样性研究[J]. 中国农学通报, 2022, 38(9): 93-100.
[5]	曾婕, 余浪, 达布希拉图, 李云驹. 磷基土壤调理剂在低磷红壤上对小白菜生长的影响[J]. 中国农学通报, 2022, 38(9): 81-87.
[6]	周小红. 基于多元回归分析的农作物产量估测模型研究[J]. 中国农学通报, 2022, 38(8): 152-156.
[7]	黄浩, 谢晋, 袁文彬, 王初亮, 陈坤华, 曾繁东, 梁增发, 苏诏, 王维. 不同有机物料对烤烟根系特征及氮磷钾积累量的影响[J]. 中国农学通报, 2022, 38(8): 51-57.
[8]	秦乃群, 马巧云, 高敬伟, 杨璞, 蔡金兰, 郝迎春, 李艳梅, 冀洪策, 廖祥政. 沼渣施用对花生小麦轮作作物产量及土壤养分和重金属含量的影响[J]. 中国农学通报, 2022, 38(8): 58-63.
[9]	卢丽兰, 王玉萍, 尹欣幸, 黄英凯, 范海阔. 海南省水果型椰子园土壤养分调查与评价[J]. 中国农学通报, 2022, 38(8): 72-80.
[10]	王丽娜, 杨瑛, 杜苏. 生物炭施入对盐碱土壤影响的研究现状[J]. 中国农学通报, 2022, 38(8): 81-87.
[11]	赵双梅, 刘宪斌, 李红梅, 董文彩, 沈健萍, 包金美, 梁芳, 鲁美. 云南哀牢山湿性常绿阔叶林土壤碳分布特征[J]. 中国农学通报, 2022, 38(8): 88-95.
[12]	邓裕帅, 王宇光, 於丽华, 耿贵. 水涝胁迫对不同土壤盐碱度下甜菜幼苗生长及光合特性的影响[J]. 中国农学通报, 2022, 38(7): 18-23.
[13]	郑本川, 张锦芳, 蒋俊, 崔成, 柴靓, 黄友涛, 周正鉴, 李浩杰, 蒋梁材. 不同熟期“川油”系列甘蓝型油菜品种主要性状与产量的相关分析[J]. 中国农学通报, 2022, 38(7): 7-17.
[14]	张梦佳, 文方芳, 张雪莲, 赵青春, 郭建明, 廖洪, 刘自飞, 朱文, 韩宝, 葛瑶科, 廖上强, 卢静. 田块尺度设施菜田土壤健康评价方法的初步构建与应用[J]. 中国农学通报, 2022, 38(7): 74-79.
[15]	陈慧, 周晓月, 谭诚, 张永春, 汪吉东, 马洪波. 紫云英还田对土壤养分和重金属含量的影响[J]. 中国农学通报, 2022, 38(7): 80-85.