節(jié)能型日光溫室蔬菜生產(chǎn)現(xiàn)狀及發(fā)展對策

節(jié)能型日光溫室蔬菜生產(chǎn)現(xiàn)狀及發(fā)展對策

1選擇和處理區(qū)域指標(biāo)1.1相關(guān)因子的選擇氣候環(huán)境對日光溫室的影響主要體現(xiàn)在外部氣候的影響和日光溫室內(nèi)小氣候?qū)χ参锏纳L和發(fā)育的影響上。溫室內(nèi)氣候是可以通過調(diào)控手段進行調(diào)節(jié)的,而室外大氣候的影響只能通過氣候區(qū)劃來合理地布局日光溫室,以趨利避害。在日光溫室生產(chǎn)中,溫、光、水、氣、肥中的溫度和光照條件地域差異相對較大,是對作物生長起關(guān)鍵性作用的因子,所以區(qū)劃指標(biāo)主要選擇溫度與光照相關(guān)的因素指標(biāo);大風(fēng)、積雪對設(shè)施載荷也有影響;有效生長積溫不僅是表達(dá)熱量最直觀的指標(biāo),而且代表著蔬菜露地栽培中生長季的長短。本文主要選擇以下相關(guān)因子:冬季日照百分率、1月日照百分率、冬季日照時數(shù)、冬季太陽輻射、1月太陽輻射、1月晴天日數(shù)、冬季陰天日數(shù)、1月陰天日數(shù)、冬季平均氣溫、1月平均氣溫、年平均氣溫、海拔、30年一遇最大風(fēng)速、30年一遇最大積雪深度、不小于10℃積溫等18個相關(guān)指標(biāo)作為初選的氣候指標(biāo)。日光溫室的氣候區(qū)劃是多因素指標(biāo)區(qū)劃,在選擇因子時,應(yīng)盡量地選擇全面、系統(tǒng),以便于進行多指標(biāo)綜合評價。多指標(biāo)綜合評價彌補單項指標(biāo)的不足,便于被評價對象在不同時間或空間的整體性比較和排序,并兼顧全面、可比、可操作性原則。氣候資料來源于1971～2000年30年的平均地面資料,在西北地區(qū)選擇新疆、青海、甘肅(隴中和河西走廊)、寧夏、陜西(秦嶺以北)、內(nèi)蒙古的110個代表站點進行分析,站點分布如圖1所示。1.2成分分析對初選指標(biāo)采用以下幾個分析:指標(biāo)變異程度上的差異信息分析;相同指標(biāo)間的t檢驗(兩指標(biāo)差異不顯著,選其一);將站點原始數(shù)據(jù)標(biāo)準(zhǔn)化后進行主成分分析。經(jīng)篩選后剩余15個指標(biāo)并以x3～x15代之:1月日照時數(shù)(1x)、冬季平均氣溫(x2)、1月平均氣溫(x3)、年平均氣溫(x4)、年極端最低氣溫(x5)、冬季晴天日數(shù)(x6)、1月晴天日數(shù)(x7)、冬季陰天日數(shù)(8x)、1月陰天日數(shù)(x9)、冬季太陽輻射(x10)、1月太陽輻射(x11)、海拔(x12)、30年一遇最大風(fēng)速(x13)、30年一遇最大積雪深度(x14)、≥10℃積溫(x15)。1.3原始數(shù)據(jù)的標(biāo)準(zhǔn)化經(jīng)篩選后的指標(biāo)還存在相關(guān)及數(shù)目較多等問題,而指標(biāo)間的相關(guān)會造成變量之間相互干擾,信息重疊,解釋困難。通過主成分分析可以將相關(guān)的多個指標(biāo)簡化成較少的、相互獨立的幾個指標(biāo),并包含原始數(shù)據(jù)中的絕大部分信息。其主成分分析的步驟如下:1)原始數(shù)據(jù)的無量綱化。在實際問題中,不同的變量往往有不同的量綱,在計算協(xié)方差矩陣時會存在“大數(shù)吃小數(shù)”的問題,所以要進行原始數(shù)據(jù)的無量綱化,本文選擇均標(biāo)準(zhǔn)化處理量綱問題,即式中xij—原始數(shù)據(jù);—第j個的均值;Sj—第j個變量的標(biāo)準(zhǔn)差。原始數(shù)據(jù)陣由n個樣本、p個變量組成(本例n為110,p為15)。2)計算協(xié)方差矩陣V,此時協(xié)方差矩陣即為相關(guān)系數(shù)矩陣R=(γij)。Rij的計算公式為3)求協(xié)方差矩陣V的特征值及特征向量。求V陣的p個特征根1λ≥λ2≥……≥λp≥0及其相應(yīng)的特征向量1a,a2,……,ap,原始指標(biāo)的第i個主成分為4)計算各主成分的方差貢獻(xiàn)率ak及累計方差貢獻(xiàn)率α(k)。第k個主成分yk的方差貢獻(xiàn)率為前k個主成分yk的累計方差貢獻(xiàn)率為5)選擇主成分個數(shù)。前k個主成分累計方差貢獻(xiàn)率a(k)表示的是這k個主成分從原始指標(biāo)X中提取的總的信息量。一般取累計貢獻(xiàn)率85%～95%的前k個主成分,或?qū)⒚總€特征值iλ與λ比較,iλ>λ的即中選。本例得到相關(guān)矩陣特征值及方差貢獻(xiàn)率,結(jié)果如表1所示。本文選取前3個主成分(提取的原始信息量為85.64%)。計算各樣本的主成分得分,得到各樣本點的主成分得分矩陣yn×m(m為主成分個數(shù)),每個主成分之間相互獨立。以主成分得分矩陣作為聚類分析的數(shù)據(jù)矩陣。2區(qū)分方法2.1類間距離和聚類分析系統(tǒng)聚類法是目前氣候區(qū)劃中應(yīng)用較多的一種多元分析方法。它可將類由多變少,具體步驟是:1)數(shù)據(jù)變換。本文采用標(biāo)準(zhǔn)化變換,則式中—第j個主成分的均值;2)計算樣本間的距離。將樣本各自看成一類,并把樣本的每個個體看作m維空間的一個點(m為指標(biāo)個數(shù)),距離dij相當(dāng)于該空間中兩點之間的距離,選用聚類分析中使用最廣泛的距離歐氏距離進行計算,得到距離矩陣。即3)計算類間距離。類間距離在南北方分別采用中間距離法、類平均法和離差平方和法進行計算以便抽取共性,主要結(jié)果采用離差平方和法的計算結(jié)果。4)根據(jù)統(tǒng)計量確定分類個數(shù)。由離差平方和法計算過程中產(chǎn)生的統(tǒng)計量半偏R2、R2、偽F、偽t2統(tǒng)計量決定分類個數(shù),綜合分析,整個西北地區(qū)劃分為4類較合適。2.2模型的分區(qū)分析判別分析是用于判斷樣本所屬類型的一種統(tǒng)計分析方法,它能在檢驗分區(qū)效果的同時,對未判樣點進行歸類。通過聚類分析,獲得79個代表樣點的分區(qū),在邊界選取31個待判樣點,判斷邊界走勢。采用判別分析中的廣義平方距離判別法的參數(shù)法判別,要求被檢驗的邊界兩邊的兩總體服從正態(tài)分布,所以對待驗樣本數(shù)據(jù)分別標(biāo)準(zhǔn)化處理,使兩總體服從標(biāo)準(zhǔn)正態(tài)分布。通過判別分析,發(fā)現(xiàn)分區(qū)效果良好,將邊界樣本歸類,確定邊界走勢,得到各線性判別函數(shù),各區(qū)用判別函數(shù)Y(x)表示,如Ⅰ區(qū)由Y1(x)表示。線性判別函數(shù)為以上采用的多元統(tǒng)計方法都通過國際統(tǒng)計軟件SAS實現(xiàn)。3區(qū)域評估將整個西北地區(qū)劃為4個區(qū)域(見圖1,各區(qū)指標(biāo)平均值見表2所示)。3.1周延甲、西北土地、西北基層地區(qū)及區(qū)域分布本區(qū)由新疆南部及甘肅蘭州以南、寧夏同心以南、陜西西安以南秦嶺以北的地區(qū)及青海西北部分地區(qū)。光、熱資源較豐富,冬季溫度較高,有效積溫高,適合日光溫室發(fā)展,屬于適宜發(fā)展地區(qū)。3.2周延甲—Ⅱ區(qū)本區(qū)包括內(nèi)蒙古西部地區(qū)、新疆哈密地區(qū)、甘肅的隴西、寧夏及陜西渭河以北地區(qū)。本區(qū)處于西北內(nèi)陸,絕大部分屬于荒漠地帶,光熱資源豐富,日照充足,但冬季氣溫較低,屬于次適宜發(fā)展地區(qū)。3.3在農(nóng)業(yè)生產(chǎn)區(qū)發(fā)展大、可發(fā)展大地區(qū)的應(yīng)用本區(qū)包括青海除去西寧、貴德、民和的部分。氣候資源豐富,日照時間長,輻射為西北地區(qū)之冠,但由于海拔較高,冬季氣溫較低,若能充分利用其光熱資源,可發(fā)展日光溫室蔬菜生產(chǎn),屬于可發(fā)展地區(qū)。3.4冬季東南角嚴(yán)重影響了日光溫室的發(fā)展本區(qū)為新疆的北疆地區(qū)。該區(qū)冬季漫長、嚴(yán)寒、風(fēng)大、積雪嚴(yán)重,冬季陰天日數(shù)較長,限制了該區(qū)日光溫室的發(fā)展,興建日光溫室要慎重,屬于不宜發(fā)展地區(qū)。4數(shù)據(jù)處理與分析1)應(yīng)用主成分分析和系統(tǒng)聚類將我國西北地區(qū)日光溫室發(fā)展劃分為4個