海南冬种瓜菜苗期湿涝正交旋转试验分析

陈汇林　李伟光　胡玉蓉

摘 要 瓜菜苗期湿涝是海南冬种瓜菜重要的农业气象灾害之一。根据海南冬种瓜菜苗期自然降水情况，利用正交旋转组合设计，在温室内人工模拟降水量和降水天数，得出番茄苗期湿涝死苗率的回归模型，回归方程达到极显著水平。模型表明降水量越大，对番茄苗期湿涝危害越大。当降水天数达到一定量时，随着降水日数增多，死苗率随之增大。

关键词 冬种瓜菜 ；苗期湿涝 ；正交旋转设计

分类号 S649

Abstract Waterlogging is the important agricultural meteorological disaster for winter vegetables on seedling stage in Hainan Island. This study is based on statistics of Hainan natural rainfall conditions during winter vegetables seedling stage， considered amount and duration of precipitation two factors， the experiment was designed by orthogonal rotation. The experiment was performed in the greenhouse， and artificial control precipitation amount and duration. At last a regression model of the seedlings death rate was obtained. The regression equation was extremely significant. The results show that the greater precipitation， larger precipitation intensity will lead to more waterlogging harm to tomato. When precipitation continued for a certain day， the seedlings death rate was increased with the increase of precipitation days.

Keywords winter vegetables ；seedling stage waterlogging ；orthogonal rotation design

海南地处热带，冬无严寒，是中国重要的冬季蔬菜生产基地。海南冬种瓜菜每年9月份陆续进入播种期，10月份开始大田移栽。但是，9～10月份海南仍然处于汛期，并且这2个月为大多数市县全年降水最多的月份。在中国台风灾害最严重的省份中，海南排名第二[1]，台风常常伴随着暴雨。台风暴雨多发期，极易造成冬季瓜菜苗期湿涝。以2010年10月份为例，接连遭遇的2轮强降雨天气使海南处于苗期的瓜菜受灾面积达3.73万hm2，成灾面积为2.8万hm2。湿涝毁苗严重耽误农时，复耕育苗延迟瓜菜上市时间，总产量及产值大幅下降。暴雨成灾不仅跟暴雨过程的总雨量有关，还与日暴雨量、强降水持续时间有关，而这三者之间还存在相关关系，要确定三者对暴雨成灾的相对重要性相当复杂[2]。因此，研究不同降水量、持续时间对瓜菜苗期生长的影响，探索湿涝灾害预警技术，对提高海南冬季瓜菜种植的安全性及增加农民收入等具有重要意义。

国内外针对湿涝灾害在生理生化和形态结构上有不少研究[3]，对湿涝灾害的监测、预警、评估和防御也有较多研究，并取得较好的成果[4-8]，但采取控制试验获取湿涝指标的研究鲜有报导。正交旋转组合设计作为一种试验方法，由于其获得的回归方程精度高而被广泛应用于工农业生产试验的设计和研发[9]。梁运江等[10]采用二次回归正交旋转组合设计，建立了灌水定额、氮肥和磷肥对辣椒产量的数学模型，筛选出了辣椒稳产、高产的水肥管理措施。本研究采用二次正交旋转组合设计，建立了海南冬种瓜菜苗期湿涝灾害受降水量和降水天数影响的回归模型。

1 材料与方法

以较耐涝的番茄为研究对象，在渗水性较好的沙壤土田畦栽植，规格20 cm×30 cm。试验区分为若干小区，各小区间砌2 m深的砖墙，再用水泥和防水涂料处理。针对不同的降水量及持续时间，采用2因子5水平二次回归正交旋转组合进行试验设计（表1）。

2 结果与分析

2.1 模型建立及检验

通过二元二次正交旋转组合设计，即以降水量（X1）和降水日数（X2）为影响因子，番茄死苗率为响应值（Y），获得试验结果见表2。

经过二元二次回归分析，得出番茄死苗率依降水量和降水天数的回归方程，见式（1）。

Y=55.312 5+28.2 430 147X1-11.7 357 721X2-X1X2+5.438 878 065X12+7.189 142 295X22（1）

回归方程显著性检验结果见表3，F拟合=16.799>F0.01，达到了极显著水平，说明该回归方程反映了试验实际情况，数学模型拟合情况较好。其中，X1和X2的一、二次项均达到了极显著水平。

为了提高方程的稳定性，增进预测效果，剔除回归方程中对死苗率（Y）作用远不显著的交互项（X1X2）。将剔除的交互项并入离回归项，此时回归方程可以简化为式（2）。

Y=55.31+28.24X1-11.73X2+5.4X12+7.19X22 （2）

此后再进行第二次方差分析（表4）。复相关值R=0.9453**>R0.01（0.859），呈极显著相关，表明降水量和降水天数综合作用与死苗率之间存在极为显著的相关关系。endprint

2.2 模型解析

2.2.1 直观解析

根据正交旋转回归试验设计的原理，各偏回归平方和的大小反映了该变异因子对试验结果的影响程度，偏回归系数的正负则表示该项变异来源对试验结果的影响是正效应还是负效应。回归方程式（2）中，降水量X1和X12均是正效应，且一次项的偏回归平方和最大，说明降水量对试验结果的影响最为显著，是湿涝的主要影响因子。表2中试验号5、6的结果也说明了这一点，当降水量同样是450 mm时，降水天数为4.586 d时死苗率为90%，降水天数为7.414 d时死苗率为42%，说明当降水量达到一定量时，降水天数越少，田间越易积水，由于土壤水分过饱和而造成番茄出现湿涝危害。降水天数一次项X2是负效应，但二次项X22 是正效应，说明天数较少的连续性降水不会产生湿涝，只有当降水天数增加到一定量才会出现湿涝。

2.2.2 单因子的主效应分析

对二元二次方程[式（2）]进行降维，得到各因子与死苗率的二次函数，见式（3）、（4）。

YX1=55.31+28.24X1+5.4X12（3）

YX2=55.31-11.73X2+7.19X22（4）

根据降维方程，作出各因子与死苗率的关系曲线（图1）。

从图1中可见，YX1（降水量）曲线的斜率为正值，说明随着降水量的增加，即当日降雨量较大时，积水成涝而造成死苗的几率加大。YX2（降水天数）曲线的斜率从-1.414至1水平均为负值，即降水天数较少且降水总量不多的情况下，死苗率并没有随着降水天数的增多而加大，但当X2等于1至1.414水平时，YX2曲线的斜率变为正值，降水天数达到7 d及以上时，即持续降雨的情况下，随着降水天数的增多，死苗率随之增大。

2.2.3 边际效应分析

由回归方程分别求出Y对X1、X2的偏导数，见式（5）、（6），可分别得到降水量及降水天数对死苗率的边际效应模型和边际死苗率曲线（图2）。

边际死苗率是反映因子对死苗率影响的变化速度。从式（5）、（6）可以看出，在本项试验所设降水量和降水天数范围内（8 d之内的降水过程），降水量均比边际死苗率降水天数的大，说明大量强降水是造成湿涝灾害的关键。但从图2中可以看出，降水天数的边际死苗率曲线较降水量的上升快，说明当降水天数增加到一定量时，降水天数的增加可能成为产生湿涝灾害的主导因子。

3 讨论与结论

降水量越大，田间积水越多，并且积水时间也越长，土壤处于持续缺氧状态的时间越长，番茄根系的生理障碍越严重，则番茄苗期湿涝危害越大。当降水天数达到一定量时，随着降水天数的增多，土壤湿度逐渐接近饱和直至过饱和状态，土壤缺氧越来越严重，番茄产生根系生理障碍的情况逐渐加重，死苗率随之增大。

目前，关于降水量及持续时间对冬种瓜菜苗期生长影响的研究较少，该研究旨在探讨在温室有限的空间内，利用正交旋转组合设计所得回归方程精度高的特性，探讨多因子导致湿涝的复杂关系。但本试验所设降水过程偏短，今后将进一步展开试验，从而修正本模式。

参考文献

[1] 唐永金，潘剑扬. 我国近年农业气象与农业生物灾害的特点[J]. 自然灾害学报，2012，21（1）：26-30.

[2] 莫建飞，钟仕全，陈燕丽，等. 广西主要农业气象灾害监测预警系统的开发与应用[J]. 自然灾害学报，2013，22（2）：150-157.

[3] 李 真，梅淑芳，刘向蕾，等. 作物耐湿涝性研究进展[J]. 湖北农业科学，2009，48（11）：2 866-2 868.

[4] 王春乙，王石立，霍治国，等. 近10年来中国主要农业气象灾害监测预警与评估技术研究进展[J].气象学报，2005，63（5）：659-666.

[5] 李 琼，魏如檀，周小云，等. 近年来中国农业气象灾害研究的文献分析[J]. 安徽农业科学，2011，39（22）：13 434-13 437.

[6] 金之庆，石春林. 江淮平原小麦渍害预警系统（WWWS）[J]. 作物学报，2006，32（10）：1 458-1 465.

[7] 张爱民，马晓群，杨太明，等. 安徽省旱涝灾害及其对农作物产量影响[J]. 应用气象学报，2007，18（5）：619-624.

[8] 陆忠艳，袁子鹏，陈艳秋，等. 基于风险区划的辽宁渍涝预报方法的改进[J]. 安徽农业科学，2010，38（5）：2 458-2 460 .

[9] 王福亭. 农业试验设计与统计分析[M]. 北京：农村读物出版社，1993：490-547.

[10] 梁运江，依艳丽，尹英敏，等. 水肥耦合效应对辣椒产量影响初探[J]. 土壤通报，2003，34（4）：262-266.endprint

2.2 模型解析

2.2.1 直观解析

根据正交旋转回归试验设计的原理，各偏回归平方和的大小反映了该变异因子对试验结果的影响程度，偏回归系数的正负则表示该项变异来源对试验结果的影响是正效应还是负效应。回归方程式（2）中，降水量X1和X12均是正效应，且一次项的偏回归平方和最大，说明降水量对试验结果的影响最为显著，是湿涝的主要影响因子。表2中试验号5、6的结果也说明了这一点，当降水量同样是450 mm时，降水天数为4.586 d时死苗率为90%，降水天数为7.414 d时死苗率为42%，说明当降水量达到一定量时，降水天数越少，田间越易积水，由于土壤水分过饱和而造成番茄出现湿涝危害。降水天数一次项X2是负效应，但二次项X22 是正效应，说明天数较少的连续性降水不会产生湿涝，只有当降水天数增加到一定量才会出现湿涝。

2.2.2 单因子的主效应分析

对二元二次方程[式（2）]进行降维，得到各因子与死苗率的二次函数，见式（3）、（4）。

YX1=55.31+28.24X1+5.4X12（3）

YX2=55.31-11.73X2+7.19X22（4）

根据降维方程，作出各因子与死苗率的关系曲线（图1）。

从图1中可见，YX1（降水量）曲线的斜率为正值，说明随着降水量的增加，即当日降雨量较大时，积水成涝而造成死苗的几率加大。YX2（降水天数）曲线的斜率从-1.414至1水平均为负值，即降水天数较少且降水总量不多的情况下，死苗率并没有随着降水天数的增多而加大，但当X2等于1至1.414水平时，YX2曲线的斜率变为正值，降水天数达到7 d及以上时，即持续降雨的情况下，随着降水天数的增多，死苗率随之增大。

2.2.3 边际效应分析

由回归方程分别求出Y对X1、X2的偏导数，见式（5）、（6），可分别得到降水量及降水天数对死苗率的边际效应模型和边际死苗率曲线（图2）。

边际死苗率是反映因子对死苗率影响的变化速度。从式（5）、（6）可以看出，在本项试验所设降水量和降水天数范围内（8 d之内的降水过程），降水量均比边际死苗率降水天数的大，说明大量强降水是造成湿涝灾害的关键。但从图2中可以看出，降水天数的边际死苗率曲线较降水量的上升快，说明当降水天数增加到一定量时，降水天数的增加可能成为产生湿涝灾害的主导因子。

3 讨论与结论

降水量越大，田间积水越多，并且积水时间也越长，土壤处于持续缺氧状态的时间越长，番茄根系的生理障碍越严重，则番茄苗期湿涝危害越大。当降水天数达到一定量时，随着降水天数的增多，土壤湿度逐渐接近饱和直至过饱和状态，土壤缺氧越来越严重，番茄产生根系生理障碍的情况逐渐加重，死苗率随之增大。

目前，关于降水量及持续时间对冬种瓜菜苗期生长影响的研究较少，该研究旨在探讨在温室有限的空间内，利用正交旋转组合设计所得回归方程精度高的特性，探讨多因子导致湿涝的复杂关系。但本试验所设降水过程偏短，今后将进一步展开试验，从而修正本模式。

参考文献

[1] 唐永金，潘剑扬. 我国近年农业气象与农业生物灾害的特点[J]. 自然灾害学报，2012，21（1）：26-30.

[2] 莫建飞，钟仕全，陈燕丽，等. 广西主要农业气象灾害监测预警系统的开发与应用[J]. 自然灾害学报，2013，22（2）：150-157.

[3] 李 真，梅淑芳，刘向蕾，等. 作物耐湿涝性研究进展[J]. 湖北农业科学，2009，48（11）：2 866-2 868.

[4] 王春乙，王石立，霍治国，等. 近10年来中国主要农业气象灾害监测预警与评估技术研究进展[J].气象学报，2005，63（5）：659-666.

[5] 李 琼，魏如檀，周小云，等. 近年来中国农业气象灾害研究的文献分析[J]. 安徽农业科学，2011，39（22）：13 434-13 437.

[6] 金之庆，石春林. 江淮平原小麦渍害预警系统（WWWS）[J]. 作物学报，2006，32（10）：1 458-1 465.

[7] 张爱民，马晓群，杨太明，等. 安徽省旱涝灾害及其对农作物产量影响[J]. 应用气象学报，2007，18（5）：619-624.

[8] 陆忠艳，袁子鹏，陈艳秋，等. 基于风险区划的辽宁渍涝预报方法的改进[J]. 安徽农业科学，2010，38（5）：2 458-2 460 .

[9] 王福亭. 农业试验设计与统计分析[M]. 北京：农村读物出版社，1993：490-547.

[10] 梁运江，依艳丽，尹英敏，等. 水肥耦合效应对辣椒产量影响初探[J]. 土壤通报，2003，34（4）：262-266.endprint

2.2 模型解析

2.2.1 直观解析

根据正交旋转回归试验设计的原理，各偏回归平方和的大小反映了该变异因子对试验结果的影响程度，偏回归系数的正负则表示该项变异来源对试验结果的影响是正效应还是负效应。回归方程式（2）中，降水量X1和X12均是正效应，且一次项的偏回归平方和最大，说明降水量对试验结果的影响最为显著，是湿涝的主要影响因子。表2中试验号5、6的结果也说明了这一点，当降水量同样是450 mm时，降水天数为4.586 d时死苗率为90%，降水天数为7.414 d时死苗率为42%，说明当降水量达到一定量时，降水天数越少，田间越易积水，由于土壤水分过饱和而造成番茄出现湿涝危害。降水天数一次项X2是负效应，但二次项X22 是正效应，说明天数较少的连续性降水不会产生湿涝，只有当降水天数增加到一定量才会出现湿涝。

2.2.2 单因子的主效应分析

对二元二次方程[式（2）]进行降维，得到各因子与死苗率的二次函数，见式（3）、（4）。

YX1=55.31+28.24X1+5.4X12（3）

YX2=55.31-11.73X2+7.19X22（4）

根据降维方程，作出各因子与死苗率的关系曲线（图1）。

从图1中可见，YX1（降水量）曲线的斜率为正值，说明随着降水量的增加，即当日降雨量较大时，积水成涝而造成死苗的几率加大。YX2（降水天数）曲线的斜率从-1.414至1水平均为负值，即降水天数较少且降水总量不多的情况下，死苗率并没有随着降水天数的增多而加大，但当X2等于1至1.414水平时，YX2曲线的斜率变为正值，降水天数达到7 d及以上时，即持续降雨的情况下，随着降水天数的增多，死苗率随之增大。

2.2.3 边际效应分析

由回归方程分别求出Y对X1、X2的偏导数，见式（5）、（6），可分别得到降水量及降水天数对死苗率的边际效应模型和边际死苗率曲线（图2）。

边际死苗率是反映因子对死苗率影响的变化速度。从式（5）、（6）可以看出，在本项试验所设降水量和降水天数范围内（8 d之内的降水过程），降水量均比边际死苗率降水天数的大，说明大量强降水是造成湿涝灾害的关键。但从图2中可以看出，降水天数的边际死苗率曲线较降水量的上升快，说明当降水天数增加到一定量时，降水天数的增加可能成为产生湿涝灾害的主导因子。

3 讨论与结论

降水量越大，田间积水越多，并且积水时间也越长，土壤处于持续缺氧状态的时间越长，番茄根系的生理障碍越严重，则番茄苗期湿涝危害越大。当降水天数达到一定量时，随着降水天数的增多，土壤湿度逐渐接近饱和直至过饱和状态，土壤缺氧越来越严重，番茄产生根系生理障碍的情况逐渐加重，死苗率随之增大。

目前，关于降水量及持续时间对冬种瓜菜苗期生长影响的研究较少，该研究旨在探讨在温室有限的空间内，利用正交旋转组合设计所得回归方程精度高的特性，探讨多因子导致湿涝的复杂关系。但本试验所设降水过程偏短，今后将进一步展开试验，从而修正本模式。

参考文献

[1] 唐永金，潘剑扬. 我国近年农业气象与农业生物灾害的特点[J]. 自然灾害学报，2012，21（1）：26-30.

[2] 莫建飞，钟仕全，陈燕丽，等. 广西主要农业气象灾害监测预警系统的开发与应用[J]. 自然灾害学报，2013，22（2）：150-157.

[3] 李 真，梅淑芳，刘向蕾，等. 作物耐湿涝性研究进展[J]. 湖北农业科学，2009，48（11）：2 866-2 868.

[4] 王春乙，王石立，霍治国，等. 近10年来中国主要农业气象灾害监测预警与评估技术研究进展[J].气象学报，2005，63（5）：659-666.

[5] 李 琼，魏如檀，周小云，等. 近年来中国农业气象灾害研究的文献分析[J]. 安徽农业科学，2011，39（22）：13 434-13 437.

[6] 金之庆，石春林. 江淮平原小麦渍害预警系统（WWWS）[J]. 作物学报，2006，32（10）：1 458-1 465.

[7] 张爱民，马晓群，杨太明，等. 安徽省旱涝灾害及其对农作物产量影响[J]. 应用气象学报，2007，18（5）：619-624.

[8] 陆忠艳，袁子鹏，陈艳秋，等. 基于风险区划的辽宁渍涝预报方法的改进[J]. 安徽农业科学，2010，38（5）：2 458-2 460 .

[9] 王福亭. 农业试验设计与统计分析[M]. 北京：农村读物出版社，1993：490-547.

[10] 梁运江，依艳丽，尹英敏，等. 水肥耦合效应对辣椒产量影响初探[J]. 土壤通报，2003，34（4）：262-266.endprint