天目湖白茶开采期预测

钱半吨，杨 明，徐玉琴，林 磊，任义方

（1.溧阳市气象局，江苏溧阳 213300；2.溧阳市现代农业（茶叶）科技综合示范基地，江苏溧阳 213300；3.常州市气象局，江苏常州 213000；4.江苏省气候中心，南京 210009）

溧阳市地处长江三角洲地区的江苏省南部，属亚热带季风气候，气候温和湿润，是白茶生长较适宜的地区［1］。截至2021 年，溧阳市白茶种植面积达3 000 hm2。天目湖白茶作为溧阳市茶叶的区域公用品牌，已成为溧阳市茶产业发展的支柱品牌，年产值达12 亿元。白茶在春季生产过程中，受全球气候变暖影响，低温霜冻、连阴雨等极端天气不断出现，对茶叶开采等生产过程带来不利影响［2］。茶叶开采早晚直接关系着茶叶的品质和市场价格，因此，精准预测开采期至关重要。

有学者研究认为，影响开采期的主要因素有气象条件、土壤条件、茶树品种特性和田间管理等［3-6］。对于溧阳市茶园而言，土壤条件、茶树品种基本固定、田间管理基本相同，气象因子的变化是影响天目湖白茶开采期的主要因素［7］。陈荣冰［8］的研究表明，上年12 月至春茶开采期的不同时段平均气温、日照时数和降水量对不同品种茶树的开采期影响程度不同。施国富等［9］通过研究导致富阳早茶开采期推迟的不同天气类型，分别建立了相对应的开采期积温预报模型。李旭群［10］通过构建温湿隶属函数和低温冻害隶属函数，计算3 月10 ℃活动积温，预报雨前“茅峰青山”和“雨花”的开采期。姜燕敏等［11］将春茶开采期日序与气象要素进行逐步回归分析，构建长期与中期开采预报模型，将平均气温、相对湿度、降水量和日照时数等关键气象因子结合活动积温和有效积温对浙南春茶开采期进行预报。杨爱萍等［12］利用2014—2018 年1 月平均气温、1 月雨日数滑动平均值作为关键气象因子，对常规关键气象因子开采期预测法进行改进，预报效果更好。朱兰娟等［13，14］将积温预报法与逐步回归方法预报值进行集成，构建西湖龙井开采期集成预报模型，预报效果更理想；同时，通过研究低温与西湖龙井开采时间关系，利用2 月中旬、下旬Tmin≤2 ℃的低温天数预报西湖龙井的开采期、洪峰期，平均绝对误差在1.7～3.4 d，具有实际应用价值。

早春时节气温变化波动大，加之气候变化等因素的影响，造成溧阳市本地原有开采期积温法［15］预测结果与生产实际有较大偏差，茶园需根据茶叶开采期提前组织安排生产活动。因此，茶叶种植单位和茶农、政府对开采期预测在时效性和准确性上有了更高的要求。本研究在借鉴相关研究成果的基础上，以天目湖白茶开采期为研究对象，基于2007—2022 年溧阳市天目湖白茶开采期资料和同期气温、降水量、降水日数、日照时数、空气湿度等气象资料，筛选关键气象因子，运用数理统计方法分别构建远期、临近以及集成预测模型，并检验模型预报效果，进而提高本地开采期预测时效性和准确性，以期为保障茶叶优质生产提供科学依据。

1 资料与方法

1.1 资料来源

茶叶开采期资料来源于溧阳市现代农业（茶叶）科技综合示范基地2007—2022 年天目湖白茶开采日期，以溧阳市1/3 以上茶园进行白茶采摘的日期定为开采期首日。

气象观测资料来源于溧阳国家基本气象站2006 年12 月至2022 年3 月的逐日气象资料，气象要素包含日平均气温、日最高气温、日最低气温、日降水量、日照时数和相对湿度。

1.2 资料处理与分析方法

1.2.1 气象因子初选 采用儒略日（Julian days）换算方法，将茶叶开采日期转化为日序数，即每年的1 月1 日记为1，1 月2 日记为2，依此类推。选取2007—2020 年逐月（上年12 月至当年3 月，下同）、逐旬（上年12 月上旬至当年3 月下旬，下同）平均气温、平均最高气温、平均最低气温、降水量、降水日数、日照时数、平均相对湿度、低温天数（日最低气温≤4 ℃，…，≤-2 ℃的低温日数、日平均气温≤5 ℃，…，≤0 ℃的低温日数，下同）等为气象因子，其中降水日数为日降水量≥0.1 mm 的日数；因天目湖白茶2 月底至3 月初萌芽，分别选取2 月下旬至开采期前一日、3 月至开采期前一日日平均气温下限温度分别≥2 ℃，…，≥10 ℃的活动积温和有效积温为气象因子。通过计算上述气象因子与开采期日序值相关系数，将皮尔逊相关系数绝对值较大且通过显著性水平检验的关键气象因子作为初选因子。

1.2.2 天目湖白茶开采期预测模型的构建

1）远期、临近预测模型的构建。分别利用已有实况资料、长期或中长期预报值的初选因子和开采日序值导入SPSS 软件，利用逐步回归方法建立天目湖白茶开采期预报方程，选取预报效果好的方程分别作为远期、临近预测模型。

2）集成预测模型的构建。对远期预测模型和临近预测模型进行集成，具体做法为，将开采期日序值作为因变量，远期、临近预测模型的预测结果作为自变量，利用SPSS 软件的多元线性回归功能构建集成预测模型。

2 结果与分析

2.1 历年开采期概况

天目湖白茶2007—2022 年开采期主要出现在3 月下旬至4 月上旬（图1），历年平均开采期为4 月1日，2021 年开采日最早，为3 月25 日；2011 年、2013年最晚，为4 月9 日。2018 年以来，茶叶均在3 月底进行开采，整体开采期呈提前趋势。

图1 2007—2022 年天目湖白茶开采期年际变化

2.2 影响天目湖白茶开采期气象因子的筛选结果

分别统计2007—2020 年逐月、逐旬平均气温、平均最高气温、平均最低气温、降水量、降水日数、日照时数、平均相对湿度、低温天数、2 月下旬至开采期前一日、3 月至开采期前一日日平均气温下限温度分别≥2 ℃，…，≥10 ℃的活动积温和有效积温等气象因子，与开采期日序值进行相关性分析，筛选出通过0.01 水平显著性检验的气象因子作为初选因子（表1）。

表1 与天目湖白茶开采期日序值相关显著的气象因子筛选结果

从初选因子的时段看，天目湖白茶初选因子的时段主要分布在上年12 月至当年1 月、3 月，其中上年12 月和当年1 月主要影响茶树的休眠期，2 月下旬至3 月主要影响茶芽的萌动生长期。

从初选因子的要素看，与天目湖白茶开采期密切相关的气象要素主要为温度，其次为相对湿度。温度方面主要包括平均气温、平均最低气温、日最低气温不同界限的低温日数和日平均气温不同界限的低温日数、不同界限和不同起始时段的活动积温和有效积温。其中茶树休眠期的低温日数与开采期呈显著正相关，表明低温天数偏少，开采时间提前，低温天数偏多，开采时间延后，这与朱兰娟等［14］的研究结果一致。3 月气温，特别是3 月下旬气温与开采期呈显著负相关，3 月茶树萌动出芽，温度偏高，茶芽长势加快，开采期提前，这种趋势呈现越临近茶叶开采期，温度影响越大。积温与开采期呈显著正相关，茶树萌动出芽至开采期，其所需积温越多，表明该段时间气温相对偏低，茶芽长势减慢，以致开采期推迟，这与姜燕敏等［11］随着茶叶采摘期的延后，积温也逐步增加的观点相一致。相对湿度对开采期的影响时段主要为12 月上旬，与开采期呈显著负相关，表明湿度越大，茶叶开采期相对提前。

2.3 开采期预测模型及检验

2.3.1 远期预测模型的构建 利用已有实况资料，以2007—2020 年上年12 月至当年1 月的初选因子作为自变量，开采期日序值作为因变量，导入SPSS软件，利用软件逐步回归分析功能，构建白叶1 号的远期开采期预测模型（R2=0.727，P＜0.01）。

式中，Y1为天目湖白茶开采日序值。

从远期预测模型来看，上年12 月上旬平均相对湿度、当年1 月上旬日最低气温≤-2 ℃的低温日数、1 月上旬日平均气温≤1 ℃的低温日数是影响天目湖白茶开采期的关键气象因子，因此，该模型在1 月中旬就可以利用已有气象数据对当年开采期进行预测。

2.3.2 临近预测模型的构建 利用长期或中长期数值预报结果，以2007—2020 年3 月的初选因子作为自变量，开采期日序值作为因变量，导入SPSS 软件，利用软件逐步回归分析功能，构建天目湖的临近开采期预测模型（R2=0.972，P＜0.01）。

式中，Y2为天目湖白茶开采日序值。

从临近预测模型来看，3 月平均最低气温、3 月至开采期前一日≥2 ℃的活动积温是影响天目湖白茶开采期的关键气象因子，因此，模型适用起始时间为3 月初。随着距离开采期时间的缩短，可利用3 月前期实况数据以及数值预报时效，随时调整开采期预报值，优化预报结果。对于该公式的计算，由于没有给定3 月至开采期前一日≥2 ℃的活动积温的具体值，需要通过每日平均气温的逐日累加带入公式不断尝试，才能确定Y2。

为了计算方便，假设t为3 月1 日起算的开采期日序值，即3 月1 日为1，3 月2 日为2，…，开采期为t，则Y2为1 月天数加2 月天数加3 月起算至开采期天数，即Y2=31+28（29）+t；假设3 月1 日起日平均气温均≥2 ℃，为3 月1 日至开采期前一日的平均气温，则X12=（t-1），模型（2）可以转换为：

式中，3 月平均最低气温X9以及3 月1 日至开采期前一日的平均气温-T是可以预测的具体值，计算得出t值，即计算出开采期。

2.3.3 集成预测模型的构建 将2007—2020 年模型Y1和Y2的预测值作为因子，将2007—2020 的开采期日序值作为因变量，导入SPSS 软件，利用软件逐步回归分析功能，构建天目湖白茶的集成预测模型（R2=0.972，P＜0.01）。

式中，Y3为天目湖白茶开采日序值。

2.3.4 模型检验 分别用3 种预测模型对2007—2020年天目湖白茶开采期日序值进行回代检验（表2），远期预测结果与实际误差绝对值在5 d 以内，误差绝对值≤2 d 的占比达64.3%，临近和集成预测结果与实际误差绝对值在2 d 以内，误差绝对值≤1 d 的占比达85.7%，说明临近和集成预测模型拟合效果较好。

表2 3 种预测模型预测结果（日序值）及误差

分别用3 种预测模型对2021—2022 年天目湖白茶开采期日序值进行试预报，其中2021 年远期预测结果较实际偏晚12.8 d，临近及集成预测结果比实际分别偏早1.2、1.0 d，说明后2 种模型预测效果较好；2022 年远期预测结果偏晚2.6 d，临近和集成预测结果比实际分别偏晚0.2、0.1 d，说明3 种模型预测效果都较好。

计算2007—2022 年3 种模型预测结果与实际值的均方差，分别为14.57、0.49、0.47，表明集成预测模型较远期预测模型提高明显，较临近预测模型略有提高，但差别不大。实际应用中，临近预测模型和集成预测模型可选一种进行预测，预报结果可用于生产服务。

对远期预测误差绝对值≥3.5 d 进行分析，2012年2 月下旬至3 月13 日气温偏低，日平均气温均低于8 ℃，茶叶萌动出芽晚，开采期比预测值偏晚3.5 d；2017 年3 月整体气温偏低，共有15 d 日均温低于10 ℃，茶芽长势较慢，开采期比预测值偏晚4.5 d；2021 年1 月下旬起尤其是2 月气温异常偏高，导致茶树提前萌动出芽，较常年偏早8～9 d，进而开采期比预测值偏早12.8 d。

3 小结与讨论

3.1 小结

1）根据2007—2022 年天目湖白茶开采期资料与同期气象资料分析，上年12 月上旬平均相对湿度、当年1 月低温日数、3 月平均最低气温以及3 月至开采期前一日≥2 ℃的活动积温是影响开采期的关键气象因子，与2 月气象要素无关或关系较小，气象因素对开采期的影响主要表现在温度方面，随着全球气候变暖，天目湖白茶开采期也呈提前趋势。同时，极端天气变化给远期预测结果带来了较大的不确定性，在生产实际中，可根据2 月气温预报对远期预测结果进行调整，2 月气温偏高，则茶芽萌动出芽早，开采期相应提前。

2）天目湖白茶开采期临近预测模型和集成预测模型预测准确较高，绝对误差值在2 d 以内，但对数值预报依赖较高，其准确性随着预报时效的缩短而逐步提高，越临近开采期，预报准确率越高，但随着预报时效的缩短，预报的实用价值也随之下降。数值模式预报产品预报时效最长为240 h，可以较开采期提前10 d 准确预测，误差在1 d 左右。

3）天目湖白茶集成预测模型由不同预报方法融合而成，但与临近预测模型相关性较大（P＜0.01），因此其预测结果与临近预测模型预测结果基本一致，可直接选用临近预测模型进行预测。可在1 月中旬对开采期进行远期预测，在2 月中旬根据气温变化及预报对远期预测结果进行调整，3 月初利用临近预测模型进行开采期预测，越临近开采期，预测效果越好。

3.2 讨论

选用2007—2022 年天目湖白茶开采期数据构建的预测模型，年数相对较短，且随着全球气候变暖，极端气候事件频发，影响开采期的关键气象因子可能发生调整，因此，在以后的实际应用中，可随着样本数的增加，不断调试模型，提高预报精度。