利用形态测量法进行樱花花期预报的研究
计文颖 首都师范大学资源环境与旅游学院 地理科学系
摘要
本文介绍了对玉渊潭樱花花芽和开花日期,建立了花芽开花前某天的长、宽以及这两者的乘积与当天距始花天数之间的数学模型,并通过进行相关系数和数模自检等相关检验的方法,验证了这种方法进行花期预测的准确性和可操作性,并据此为相关部门提供了建议。
关键词
樱花 花期预报 形态测量 预报模型 相关性检验
引言
万物生长都有一定的规律,植物的花芽萌发后,体积不断变化,这种变化与花开放的时间有一定的相关性。因此,通过对花芽的长、宽等特征进行连续测量、统计和分析就可以对花期进行比较准确的预测并以此来指导生产、生活。目前公园每年春季举办的 “樱花赏花会”国内知名,荟萃二千余株樱花的“樱花园”,在春风中树树绯云绛雪,赏花人潮如融融春水涌动,成为京城早春特有的景致,因此,准确地预报花期对公园和游客来说有都很大的实际意义。基于此种目的,我们进行了花期预测的相关研究。
材料与方法
北京玉渊潭公园现有樱花二十余种,共计近两千株,大部分集中在公园东侧的樱花园内。此次研究的材料选自樱花园内,确定十六株长势良好的樱花(包括杭州早樱2棵、山樱3棵、大山樱4棵、关山樱4棵、染井吉野3棵),并编号,进行定人定株的观测。
测量方法采用坐标纸投影法,即将选定的花芽贴置在坐标纸上,从芽的基部测起,两侧其最大长度(长轴)和最大宽度(短轴)。以毫米为单位,估测到小数点后一位。
自对花芽的测量自3月1日(杭州早樱花芽萌动)起至花芽分离那一天为止。起初隔天观测一次,随着花芽不断增大和花期的临近,改为每日观测。在每株待测的樱花上随机选取10枚发育正常的花芽进行测量,并将结果及时填于观测记录表中。每次记录要同时录入天气状况以及周围其他动植物物候现象,以供日后分析研究。另外,各株樱花的始花日期要准确记录。
依据其他各株樱花的观测数据所绘的散点图也明显显示出距始花天数与花芽生长量具有很好的相关性。进行相关回归分析相关系数的平方R2分别为:
| 距始花天数与花芽各生长量的相关系数 | ||||
| 被测樱花 | 长a | 宽b | a*b | |
| 杭州早樱 | 03杭1 | 0.9639 | 0.88 | 0.9599 | 
| 03杭2 | 0.74 | 0.8815 | 0.878 | |
| 山樱 | 01山5 | 0.9318 | 0.9579 | 0.9442 | 
| 01山6 | 0.9414 | 0.951 | 0.9369 | |
| 06山1 | 0.9415 | 0.8114 | 0.9131 | |
| 大山樱 | 01大2 | 0.8141 | 0.7527 | 0.2877 | 
| 01大3 | 0.794 | 0.9218 | 0.99 | |
| 03大1 | 0.6338 | 0.6131 | 0.6567 | |
| 大4 | 0.7531 | 0.09 | 0.8516 | |
| 关山樱 | 关3 | 0.7399 | 0.8884 | 0.8548 | 
| 普1 | 0.866 | 0.9591 | 0.9415 | |
| 04关1 | 0.9368 | 0.9371 | 0.9363 | |
| 05关1 | 0.8635 | 0.612 | 0.7433 | |
| 染井吉野 | 03吉2 | 0.9345 | 0.9682 | 0.9617 | 
| 03吉3 | 0.8362 | 0.885 | 0.8786 | |
| 03吉8 | 0.9319 | 0.967 | 0.9675 | |
表1
表1显示,被观测的16株樱花的花芽生长量均与距始花天数有很好的相关性,经检验,它们的相关系数R均通过了α=0.01(n据观测持续天数取相应值)的显著性检验。
建立Y与X之间的数学关系,用可以得到较高的R2值得幂函数表示,得到的回归方程即为预报模型。各对变量得到的相应方程如下:
| 预报模型 被测樱花 | 长a | 宽b | a*b | |
| 杭州早樱 | 03杭1 | Y = 1723X-2.6546 | Y = 984.21X-3.411 | Y = 1545.8X-1.5356 | 
| 03杭2 | Y = 4179.6X-2.9542 | Y = 831.95X-3.1313 | Y = 2224.7X-1.53 | |
| 山樱 | 01山5 | Y = 223.68X-1.1527 | Y = 155.31X-1.4055 | Y = 191.44X-0.633 | 
| 01山6 | Y = 215.97X-1.1324 | Y = 167.42X-1.4295 | Y = 201.75X-0.34 | |
| 06山1 | Y = 2522.5X-2.3471 | Y = 286.99X-1.9352 | Y = 1006.3X-1.1323 | |
| 大山樱 | 01大2 | Y = 1323X-2.1782 | Y = 303.53X-2.0571 | Y = 652.86X-1.0699 | 
| 01大3 | Y = 77X-3.2555 | Y = 1314.7X-3.1006 | Y = 38.9X-1.6097 | |
| 03大1 | Y = 13.8X-2.8136 | Y = 2023.6X-3.9269 | Y = 2310X-1.6953 | |
| 大4 | Y = 14.5X-2.3446 | Y = 586.62X-2.443 | Y = 1044.7X-1.2281 | |
| 关山樱 | 关3 | Y = 14415X-3.0191 | Y = 622.59X-2.2471 | Y = 2613X-1.3132 | 
| 普1 | Y = 8061.6X-2.6817 | Y = 340.1X-1.8624 | Y = 1369.2X-1.1239 | |
| 04关1 | Y = 8061.6X-2.6817 | Y = 340.1X-1.8624 | Y = 1369.2X-1.1239 | |
| 05关1 | Y = 2281.1X-2.1067 | Y = 271.45X-1.5863 | Y = 853.95X-0.9687 | |
| 染井吉野 | 03吉2 | Y = 3672.6X-2.6314 | Y = 235.24X-1.9534 | Y = 777.31X-1.1261 | 
| 03吉3 | Y = 19412X-3.3502 | Y = 272.25X-1.9522 | Y = 1355.9X-1.2418 | |
| 03吉8 | Y = 4193.4X-2.7429 | Y = 227.03X-1.9712 | Y = 819.94X-1.1636 | |
表2
为了可考察所得预报模型的准确性,我们进行了回报检验,并进行准确性评级,将回报数据按绝对误差分级,具体为:≤1天为i级,2~3天为ii级,4~5级为iii级,>5天为iv级。然后计算各级回报次数占总回报次数的百分率,按照i级为4分、ii级为3分、iii级为2分、iv级为1分的标准予以评分,即将优劣不同的回报结果赋以不同的权重。将同一回报序列的各级得分加合在一起得到该预报模型的总分,并计算其满分率,即某一模型所的总分占满分400分的比例,以此反映该模型的回报水平。仍以03杭1为例说明(杭州早樱)
| 03杭1预报模型的自检验 | ||||||||||||
| 实距 始花 天数 | 长a | 检验 所得 天数 | 差值 | 等级 | 宽b | 检验 所得 天数 | 差值 | 等级 | a*b | 检验 所得 天数 | 差值 | 等级 | 
| 24 | 5.35 | 20 | 4 | iii | 2.83 | Copyright © 2019- 91gzw.com 版权所有 湘ICP备2023023988号-2 违法及侵权请联系:TEL:199 18 7713 E-MAIL:2724546146@qq.com 本站由北京市万商天勤律师事务所王兴未律师提供法律服务 | ||||||