基于GIS技术的福建省烟区烤烟产量估测与分区

摘要：采用烟区代表性样点的烤烟产量和相关影响因素调查资料，在筛选出烤烟K326、云烟87（85）品种产量最佳估测模型的基础上，借助GIS与烤烟产量最佳估测模型集成技术开展福建烟区不同烤烟品种产量的估测与空间分区，揭示福建省烟区耕地不同烤烟品种产量的空间差异。结果表明，人工神经网络模型对K326和云烟87（85）产量的估测精度最高，分别高达99.48%和99.51%，可作为福建烟区烤烟产量预测的最佳模型。福建烟区K326、云烟87（85）高产量区面积分别为96 695.67和208 683.58 hm2，集中分布于浦城、建阳、建瓯等县市；中产量区面积分别为121 879.70 hm2和91 803.92 hm2；低产量区面积分别为296 096.70 hm2和214 184.60 hm2，中产区主要分布于永定、宁化和上杭等县（市），表明福建省烟区种植云烟系列烤烟品种可获得更高的产量。

关键词：GIS（Geographic Information System）；福建省；烤烟；产量；估测模型；空间分区

中图分类号：S572 文献标识码：A 文章编号：0439-8114（2016）10-2514-07

DOI：10.14088/ki.issn0439-8114.2016.10.017

Abstract：Based on the flue-cured tobacco output and its relevant influence factors data of representative samples in the tobacco area，this study was conducted to reveal spatial variation of flue-cured tobacco output of different flue-cured tobacco varieties in Fujian tobacco production areas. Based on the ideal estimation model of flue-cured tobacco yield for tobacco K326， cloud and mist 85 and 87， and the aid of GIS the yield and spatial distribution of different lue-cured tobacco variaties were estimated.The results showed that the estimation accuracy of the artificial neural network towards tobacco K326，cloud and mist 85 and 87 were 99.48% and 99.51%，respectively. So the neural network model was the best model to estimate the flue-cured tobacco production in Fujian province. The high yield regions of tobacco K326，Yunyan 87（85） were concentrated in Pucheng， Jianyang，Jianou，with the area of 96 695.67 hm2 and 208 683.58 hm2，respectively；The medium yield regions of tobacco K326，Yunyan 87（85） were mainly distributed in Yongding， Ninghua and Shanghang，with the area of 121 879.70 hm2 and 91 803.92 hm2，respectively；the low yield regions of tobacco K326，Yunyan 87（85） were 296 096.70 hm2 and 214 184.60 hm2，respectively. The research demonstrates that planting mist series in Fujian tobacco-growing areas can lead to higher yields.

Key words：Geographic Information System；Fujian province；flue-cured tobacco；output；estimating model；spatial division

福建是中国烟草发源地之一，由于福建省烟区位于亚热带季风气候区，气候温和，日照充足，降水丰沛，为烤烟生长提供较理想的立地条件，从而成为中国优质烤烟主产区和重要烟草生产基地。福建省烟区主要位于南平、三明和龙岩三市，合计烤烟种植面积占全省烤烟种植总面积的95%以上，2013烤烟产量达16.14万t，主要种植品种为K326、云烟87（85）[1]。烟叶的产量和品质直接关系到烤烟种植业的经济效益，故烤烟产量和品质的提升一直是人们关注的热点，但国内外至今有关烤烟产量的研究主要集中于烤烟产量的影响因素及改良技术措施等方面。如Farrokh等[2]研究指出氮肥与钾肥施用量对烟叶产量以及质量影响最大；Huo等[3]利用15N标记示踪技术寻找提高烤烟产量和品质的最佳水-氮耦合比率；Tariq等[4]通过田间试验研究了不同施肥方法与烟草养分吸收的相关性及其对烤烟品质和产量的影响；尹鹏达等[5]借助偏最小二乘回归施肥模型研究表明，氮磷钾肥与烤烟产量及烟叶化学成分均有显著的回归关系；上官力等[6]研究了同一海拔高度种植不同海拔高度选育的烟草种子对烤烟产量和品质的影响；李淑娥等[7]采用SPSS统计软件分别建立趋势产量和气候产量回归模型，最终建立白河烟区产量回归模型。可见，国内外至今针对烤烟产量估测模型的研究报道较少，在筛选建立区域烤烟产量最佳估测模型的基础上，借助GIS与产量最佳估测模型集成技术实现区域烤烟品种产量的空间估测与分区则更少见研究报道。为此，本研究利用福建烟区不同烤烟品种代表性调查样点烤烟产量及其相关影响因素资料数据，在筛选建立烤烟产量最佳估测模型的基础上，借助GIS与烤烟产量最佳估测模型集成技术，利用福建烟区烤烟产量影响因子空间属性数据库，开展福建烟区烤烟产量估测及分区研究，为实现福建烟区烤烟产量的动态监控，保障烟草优质、高产、高效生产提供科学依据。

1 方法步骤

1.1 资料收集

根据研究需要，收集以下数据：①1∶250 000福建烟区烤烟品种用地适宜性评价数据库，包括评价因子和烤烟用地适宜性的空间属性数据库，由土壤生态系统健康与调控福建省高校重点实验室提供；②福建烟区399个代表性调查样点地理信息坐标、烤烟品种产量（近3年均值）及相关土壤属性调查分析数据。其中K326样点数为186个，云烟85样点数36个，云烟87样点数为177个，由福建省烟草总公司烟草农业科学研究所提供。

1.2 烤烟产量影响因子及其属性数据集建立

烟草是一种对生态条件十分敏感的作物，不同生态因子对烟草生长发育特性、烟叶产量高低、品质好坏等影响差异明显[8]。地形因子与土壤中的水分及物质运移有着紧密的联系[9]，从而会影响土壤中养分的分布，同时地形因子通过制约水热条件再分布而对区域小气候产生显著影响。充足的光照、适宜的气温是形成优质烟叶的必要条件[10]，烤烟大田生育期日照时数要求达500～700 h，最佳温度为20～28 ℃，日照百分率为40%以上，≥20 ℃成熟期日均温的持续日数不少于50 d，水分是烟草重要的生态因子和组成成分，烤烟生育期月均降水量要求在100～200 mm之间[11]。良好的土壤条件是烤烟优质高产的重要基础，烤烟为喜钾忌氯作物，对土壤酸碱度较为敏感，适宜pH 5.5～6.5，肥力中等，有机质含量适中，质地为轻黏壤土、中壤和沙壤土最能生产出优质的烤烟[12]。综上所述，选取土壤因素（有机质、黏粒、碱解氮、速效磷、水溶性氯、交换性镁、pH和速效钾）、立地环境因素（坡度、坡向、耕层厚度、地下水位）、气候因素（无霜期、日均温≥20 ℃的持续日数、日照时数和日均温≥10 ℃活动积温）共16个因子作为福建烟区烤烟产量估测的主要影响因子。

代表性样点的土壤因子数据为福建烟区399个调查样点的实测值，立地环境条件和气候因子数据借助ARC/GIS软件，通过399个调查样点的地理信息坐标，从福建烟区烤烟用地适宜性评价因子数据库中提取。由于云烟85和云烟87是同源品种，其生产和效益相近，且因云烟85的实际调查样点数偏少，故将两者合并进行产量建模、预测和分区。将获取的数据分别建立福建省烟区烤烟K326、云烟87（85）产量估测模型筛选的样点数据集，其中K326样点数据集为186个，云烟87（85）样点数据集为213个。将样点数据集分为估测模型建模样本（占70%）和精度验证样本（占30%）两部分，所有样本数均符合统计学的大样本原则。

1.3 烤烟品种产量估测模型的建立

1.3.1 神经网络模型的建立 BP人工神经网络模型是一种模拟大脑-思维-计算之间关系的人工智能系统，是目前应用最广，被广泛接受的神经网络学习算法，能够自动以任意精度逼近任意复杂的非线性映射[13]。根据神经网络模型的网络参数确定原则，借助DPS统计软件分别对K326共130个、云烟87（85）共149个的产量进行拟合。通过BP算法误差反向传播法，信号从多个输入层节点导入，中间是一层与多层隐层节点，非线性耦合传递到输出层，逐步调整网络参数，最终得到一个误差平方和最佳的原则修正网络结构[14-16]。

具体参数设置如下：网络输入层神经元节点数即系统的自变量个数，设定为16；输出层神经元节点即系统目标个数设定为1；中间层激发函数Sigmoid为0.9，允许误差为0.000 1，最大迭代次数为1 000，数据进行标准化变换；K326产量模型的最小训练速率确定为0.8，激发函数确定为0.6，第1隐含层节点数选取14；云烟87（85）产量模型的最小训练速率确定为0.9，激发函数确定为0.6，第1隐含层节点数选取16。

1.3.2 逐步回归模型的建立 逐步回归分析方法是一种逐步筛选出显著影响因子的算法，其每一步筛选都要通过F值检验作为自变量对因变量作用的显著程度判断标准，从大到小地依次逐个引入回归方程，当F值的显著水平P≤0.05时，显著性检验为显著，否则将其剔除掉[17]，这一过程持续到没有变量可以剔除为止。借助DPS统计软件的逐步回归分析方法，分别对130个K326样点、149个云烟87（85）样点的产量建立以下逐步回归模型。

Yk=67.941+2.641X1+0.251X2+0.471X3-0.029X4+0.027X6-0.265X7+0.082X8-0.065X10-0.173X11+0.137 2X12-0.009X14

模型的决定系数R2=0.635，显著性水平P=0.046，n=128，表明模型中的自变量与K326的单位面积产量呈显著相关。

Y87（85）=148.797-3.896X1-0.218X2+0.153X3+0.047X4-0.010X5+0.013X6-0.128X7+0.010X8-1.741X9-0.179X10+0.077X11+0.050X12+0.690X13-0.016X14+0.045X15+0.091X16

模型的决定系数R2=0.744，显著性水平P=0.015，n=147，表明模型中的自变量与云烟87（85）的单位面积产量呈显著相关。

式中，Yk和Y87（85）分别为K326和云烟87（85）的单位面积产量；X1为pH，X2为黏粒，X3为有机质，X4为碱解氮，X5为速效磷，X6为速效钾，X7为交换性镁，X8为水溶性氯，X9为耕层厚度，X10为地下水位，X11为无霜期，X12为日照时数，X13为≥20 ℃日数，X14为≥10 ℃活动积温，X15为坡度，X16为坡向（下同）。

1.4 最佳模型筛选与检验

将56个K326和64个云烟87（85）烤烟品种验证样本的立地、土壤和气候因子数据分别代入上述建立的各烤烟产量估测模型，计算获得K326、云烟87（85）验证样本烤烟产量的模型估测值，采用模型估测产量与实际调查产量的线性回归相关性检验、配对样本t检验和均方根误差检验（RMSE）综合判断确定烟区烤烟产量估测的最佳模型。

1.5 烤烟产量空间推算与分区

为实现不同品种烤烟产量空间推算与分区，利用烤烟产量最佳估测模型和主要影响因子空间数据库，借助ARC/GIS软件，分别估测福建烟区K326、云烟87（85）的产量并建立相应烤烟品种产量空间数据图层，利用福建烟区烤烟生态适宜用地图层分别模拟K326、云烟87（85）的烤烟产量空间数据图层，建立福建烟区烤烟适种区K326、云烟87（85）产量空间数据库，借助动态聚类分析模型[18]，开展福建省烤烟适种区K326、云烟87（85）产量分区，分区标准见表1。

2 结果与分析

2.1 烤烟产量最佳估测模型的确定

由表2和表3可见，采用人工神经网络模型估测的K326与云烟87（85）产量均值分别为（1 866.36±10.70）和（2 130.42±10.23） kg/hm2，与实际调查产量均值间的绝对差值分别为0.52%和0.50%；而采用逐步回归模型的估测产量均值分别为（1 929.88±47.05） kg/hm2和（2 166.06±35.38） kg/hm2，与实际调查产量均值间的绝对差值分别为2.87%和2.13%；t检验结果显示，采用人工神经网络模型估测的K326和云烟87（85）产量与实际调查产量的t值（分别为0.91和1.03）均小于逐步回归模型（分别为1.14和1.30），2种模型的烤烟品种估测与实际产量间的t值均小于t0.05（t0.05=2.05，n=55；t0.05=2.00，n=63），表明2种模型估测的烤烟品种产量和实际产量均无显著差异，但均以人工神经网络模型估测的产量与实际调查产量差异较小。烤烟品种的模型估测产量与实际调查产量相关分析结果（图1和图2）表明，采用人工神经网络模型估测的K326和云烟87（85）产量与实际调查产量的相关系数（均为0.95）均显著高于逐步回归模型（分别为0.39和0.48），表明采用人工神经网络模型估测的K326和云烟87（85）产量与实际调查产量的相关性更为密切。由表4可以看出，采用人工神经网络模型估测的K326和云烟87（85）实际调查与估测产量的RMSE值（分别为79.40和81.88）均明显低于逐步回归模型（分别为353.05和284.59），同时人工神经网络模型对K326和云烟87（85）产量的模拟精度（分别为99.48%和99.51%）均高于逐步回归模型（分别为97.21%和97.87%），表明人工神经网络模型的烤烟品种估测产量与实际调查产量误差较小。因此，人工神经网络模型对K326与云烟87（85）产量的估测精度较高，可作为福建烟区烤烟产量估测的最佳模型。

2.2 烤烟产量空间分区分析

从利用ARC/GIS与人工神经网络模型集成技术估测的福建烟区不同烤烟品种产量可见（表5），福建省烟区烤烟K326和云烟87（85）产量空间差异较为明显，K326产量为2 624.10～1 305.00 kg/hm2，变异系数为14.16%，产量均值为1 752.90 kg/hm2；云烟87（85）产量为2 803.95～1 395.00 kg/hm2，变异系数为16.34%，产量均值为1 959.60 kg/hm2。

由福建烟区烤烟品种产量分区结果（图3）可知，福建省烟区K326品种高产量区面积达96 695.67 hm2，占福建省烟区生态适宜用地总面积的18.79%，集中分布于浦城、建阳、长汀和建瓯等县（市）；云烟87（85）高产量区面积为208 683.58 hm2，占福建省烟区生态适宜用地总面积的40.55%，主要分布于浦城、建阳、上杭、建瓯和宁化等县（市、区）。这些产量比较高的烟区一般分布于海拔低于400 m的地区、平均坡度为3.08°、平均日照时数725.46 h和≥10 ℃活动积温3 326 ℃的地区，这为烤烟生长发育提供了优越的气候条件；从土壤类型来看，高产区的主要土壤类型为灰泥田和灰泥沙田等，质地多为壤土，耕层厚度均值达22.37 cm，土壤有机质30.14 g/kg、碱解氮163.59 mg/kg、速效钾76.40 mg/kg，速效钾含量比全省烟区适宜种植烤烟耕地土壤的均值高6.63 mg/kg，交换性镁含量适中，为烤烟生长发育提供了较理想的养分条件。

福建省烟区K326品种中产量区面积达121 879.70 hm2，占全省烤烟适宜用地总面积的23.68%，主要分布于浦城、武夷山、长汀、连城、上杭、武平、永定、宁化和永安县（市）；云烟87（85）中产量区面积达91 803.92 hm2，占福建省烤烟适宜用地总面积的17.84%，主要分布于建瓯、建阳、长汀、上杭、新罗、永定、宁化和尤溪县（市、区）。这些耕地多分布于低丘缓坡，海拔也相对较低，气候条件与高产量区相似，但土壤耕层厚度和速效钾含量均值仅分别为全省烟区适宜烤烟种植的耕地土壤相应属性均值的96.51%和92.34%，而土壤水溶性氯含量均值则比全省烟区适宜烤烟种植耕地土壤的相应均值高2.17 mg/kg，土壤类型多为肥力相对较差的黄泥沙田等，因此，上述区域耕地土壤的耕层厚度、速效钾和水溶性氯含量等属性不利于烟叶产量的提高。

福建省烟区K326品种低产区面积为296 096.70 hm2，占全省烤烟生态适宜用地总面积的57.53%，集中分布于建瓯、建阳、邵武、顺昌、武夷山、武平和新罗等县（市、区）；云烟87（85）低产区耕地面积为214 184.60 hm2，占全省烤烟生态适宜用地总面积的41.61%，主要分布于建瓯、邵武、武夷山、长汀、连城、武平和宁化等县（市）。这些区域大多分布于海拔较高的山地丘陵坡地区，交通不便，田间管理困难，大部分地处阴坡，日照时数的不足也制约了烤烟的光合作用，≥10 ℃活动积温比福建省烟区均值低210.68 ℃，耕层厚度均值仅为13.24 cm，土壤有机质含量23.12 g/kg、碱解氮含量150.05 mg/kg和速效钾含量60.01 mg/kg，水溶性氯含量均值比福建省烟区适宜烤烟种植耕地土壤相应均值高3.11 mg/kg，热量、光照和土壤条件均不利于烤烟的生长发育。

3 小结与讨论

不同数学模型估测精度比较表明，人工神经网络模型可作为福建烟区烤烟产量估测的最佳模型，利用该模型将福建烟区主栽品种K326和云烟87（85）的产量划分为高产、中产和低产量区。云烟87（85）高产量区面积占福建省烟区评价区域总面积的40.55%，明显高于K326高产量区面积（仅占全省烟区评价区域总面积的18.79%），表明福建烟区种植云烟系列烤烟品种可获得更高的产量。

烤烟产量的影响因素十分复杂，不同品种及研究区域影响烤烟产量的因素各异，且不同数学模型适用的条件也不同，故在实际应用中应根据研究区域和烤烟品种差异，科学选择烤烟产量的最佳估测模型。此外，烤烟生长发育过程是生态因素和社会因素共同作用的结果，且作物生长过程也是一个随时间变化的动态过程，本研究只是从生态条件对烤烟产量的影响角度入手，尚未考虑区域生态条件的动态变化以及社会经济因素（如人为灌溉、施肥及病虫害防治等）对烤烟产量的影响。因此，在今后的研究中应综合运用数学模型、生物学、经济学和3S技术，通过多模型综合运用的方法提高模型的预测精度，以便更好地为区域烤烟种植业的高效和持续发展提供技术支撑。

参考文献：

[1] 福建省统计局.福建经济与社会统计年鉴（农村篇）[M].福州：福建人民出版社，2004.137-138.

[2] FARROKH A R， AZIZOV I， FARROKH A. Effect of nitrogen and potassium fertilizer on yield， quality and some quantitative parameters of flue-cured tobacco cv.K326[J].African Journal of Agricultural Research，2012，7（17）：2601-2680.

[3] HOU M M，SHAO， X H，LI Y Y.Effects of water and N-15-labelled fertilizer coupling on the growth， N uptake， quality and yield，of flue-cured tobaccos：A two-year lysimeter experiment[J].Research on Crops，2013，14（03）：950-959.

[4] TARIQ M，AKBAR A，LATAF-UL-HAQ，et paring application methods for boron fertilizer on the yield and quality of tobacco（Nicotiana tabacum L.）[J].Communication in Soil Science and Plant Analysis，2010，41（13）：1525-1537.

[5] 尹鹏达，赵丽娜，朱文旭，等.基于偏最小二乘回归的填充型烤烟优化施肥研究[J].中国烟草科学，2011，32（4）：61-65.

[6] 上官力，彭家宇，任晓红，等.不同海拔选育的烟草种子对烤烟产质量的影响[J].湖北农业科学，2013，52（21）：5214-5216.

[7] 李淑娥，王智慧，刘开平，等.白河烟区烤烟产量多元线性回归模型年景预测[J].作物研究，2012，26（7）：84-86.

[8] 飞.主要生态因素和烘烤对烤烟致香物质含量的影响[D].长沙：湖南农业大学，2009.

[9] 秦 松，樊 燕，刘洪斌，等.地形因子与土壤养分空间分布的相关性研究[J].水土保持研究，2008，15（1）：46-49.

[10] 周 宏.不同光强光质对烤烟生长发育和烟碱合成代谢的影响[D].南京：南京农业大学，2013.

[11] 蓟红霞.土壤条件对烤烟生长养分累积和品质的影响[D].北京：中国农业科学院，2006.

[12] 邢世和，张黎明，周碧清.福建农用地利用区划[M].福州：中国农业科学技术出版社，2012.54.

[13] 张淑娟，何 勇，方 慧.人工神经网络在作物产量与土壤空间分布信息关系分析中的应用[J].系统工程理论与实践，2003， 12（12）：121-127.

[14] 王淑红.基于神经网络的选矿厂数学模型及应用研究[D].昆明：昆明理工大学，2002.

[15] 牛之贤，李武鹏，张文杰.基于AIGA-BP神经网络的粮食产量预测研究[J].计算机工程与应用，2012，48（2）：235-237.

[16] 唐启义.DPS数据处理系统[M].北京：科学出版社，2013.466.

[17] 刘晓宇，孟 军.基于逐步回归的黑龙江省烟叶产量预测[J].中国农学通报，2012，28（7）：223-227.

[18] 陈桂芬，曹丽英，王国伟.加权空间模糊动态聚类算法在土壤肥力评价中的应用[J].中国农业科学，2009，42（10）：3559-3563.