物候——牡丹观察.docVIP

利用物候现象发生的顺序相关性规律 进行牡丹花期预报的研究 内容摘要： 本文通过对利用物候现象发生的顺序相关性规律，以首都师范大学食堂前的牡丹为研究材料，用各期的序日数与盛花期的序日数建立了相关关系，进而对牡丹的花期进行预报。 关键词： 牡丹 花期 相关关系 一、引言 中国是一个具有赏花情趣的国家，在北京，植物园、圆明园、玉渊潭都有不同的赏花节，在上海、洛阳也一样。那我们就需要对花期进行预报，来指导人们欣赏。在合适的时间观赏适合的植物。 牡丹是我国特有的木本名贵花卉，花大色艳、雍容华贵、富丽端庄、芳香浓郁，而且品种繁多，素有国色天香、花中之王的美称，长期以来被人们当做富贵吉祥、繁荣兴旺的象征。 图1 观测材料分布示意图 牡丹一共有十三个花期，分别是越冬鳞（花）芽、萌动膨大期、顶裂显蕾期、翘蕾期、立蕾期、小风铃期、大风铃期、圆桃期、平桃期、破绽期、初开期、盛花期、花谢期。 我们制作了一张记录表，以记录这50棵牡丹进入各期的日期，记录表如下图： 图2 记录表 我们每日中午12点半对这50棵牡丹进行观测，将其形态与花图进行比较，记录下日期。因为我们开始观测时，已错过它的前两期，因此，从第三期开始记录数据。 计算出每一期的序日数，因为我们的数据从第三期开始，因此，分别以第3、4、5……11期的序日数为横坐标，以第12期的为纵坐标，利用Excle软件建立数学模型，得出9个回归方程。我们就可以根据这些方程，在各个时段预报牡丹盛花期。 三、预报模型的建立 以50个样本各期的序日数为预报因子（X），盛花期序日数为预报对象（Y），得到它们的回归方程，并利用这个回归方程，计算相关系数R2 以第三期为例： 第三期 顶裂显蕾期与盛花期的相关关系 以50个样本的顶裂显蕾期的序日数为预报因子（X），盛花期序日数为预报对象(Y)，得到回归方程y = 0.1287x+106.9 ，相关系数R2 =0.0609 如图： 图3 顶裂显蕾期与盛花期的相关关系 第四期 翘蕾期与盛花期的相关关系 回归方程y = 0.0305x2- 4.6391x + 291.57，相关性0.0551 如图： 图4翘蕾期与盛花期相关关系图 第五期 立蕾期与盛花期的相关关系 回归方程y = 1.3778x2 - 234.11x + 10059 ，相关性0.0808 如图： 图5 立蕾期与盛花期的相关关系 第六期小风铃期与盛花期的相关关系 回归方程y = 1.4167x - 8.2857，相关性0.1745 如图： 图6 小风铃期与盛花期相关关系 第七期 大风铃与盛花期的相关关系 回归方程y = 0.2394x + 93.966，相关性0.2074 如图： 图7 大风铃期与盛花期相关关系 第八期 圆桃期与盛花期的相关关系 回归方程y = 2.0023x2 - 391.26x + 19228，相关性0.0646 如图： 图8 圆桃期与盛花期的相关关系 第九期 平桃期与盛花期的相关关系 回归方程y = 0.0056x2 - 1.0914x + 168.31，相关性0.0534 如图： 图9 平桃期与盛花期的相关关系 第十期 破绽期与盛花期的相关关系 回归方程y = 0.1921x + 94.426，相关性0.1452 如图： 图10 破绽期与盛花期的相关关系 第十一期 初开期与盛花期的相关关系 回归方程y = 0.0062x + 3.5564，相关性0.4785 如图： 图11 初开期与盛花期的相关关系 四、预报模型的检验 利用每期所得的回归方程，带入预报因子（x），得到理论的y值，再与实际的进行比较，得到差值。 建立一个评价标准，将所得到的差值进行分级。若小于等于1天，记为Ⅰ级，4分；差值在2~3天，记为Ⅱ级，3分；差值在4~5天，记为Ⅲ级，2分；差值在5天以上，记为Ⅳ级，1分。同时计算不同标准下出现的频数以及所占百分比。（如表1）然后计算总分，用分数乘以所占百分数。最后得出满分率，由评价标准我们可以看出，如果这个预报完全准确，则总分应为4*100，为400分，因此满意率为总分/400*100%。 以第三期为例： 第三期 表1 牡丹花期预测模型评级标准 等级 评分标准 出现频数（次） 所占百分数（%） Ⅰ级=1天 Ⅱ级2~3天 Ⅲ级4~5天 Ⅳ级5天 4 3 2 1 34 15 1 0 68 30 2 0 总分 4*68+3*30+2*2+1*0=366 满分率 366/400*100%=91.5% 第四期 总分 364 满分率 91% 第五期 总分 378 满分率 94.5% 第六期 总分 372 满分率 93% 第七期 总分 370 满分率 92.5% 第八期 总分 366 满分率 91.5 第九期 总分 368 满分率 92% 第