应用SPSS的洞头海岛羊栖菜晾晒气象指数研究

张大川; 刘雄杰; 曹哲铭; 袁改霞

doi:10.16377/j.cnki.issn1007-7731.2025.06.025

安徽农学通报 >

2025 , Vol. 31 >Issue 6: 102 - 105

DOI: https://doi.org/10.16377/j.cnki.issn1007-7731.2025.06.025

农业信息·农业气象

应用SPSS的洞头海岛羊栖菜晾晒气象指数研究

张大川 ¹^,² ,
刘雄杰 ¹^,² ,
曹哲铭 ²^,³ ,
袁改霞 ⁴

展开

¹温州市洞头区气象局，浙江温州 325700
²温州市气象局温州市台风监测预报技术重点实验室，浙江温州 325000
³温州市泰顺县气象局，浙江温州 325500
⁴大庆师范学院生物工程学院，黑龙江大庆 163712

袁改霞（1968—），女，陕西眉县人，硕士，教授，从事动物生态研究。

张大川（1997—），男，黑龙江大庆人，助理工程师，从事气象预报及气象服务研究。

Copy editor: 胡立萍

收稿日期: 2024-11-07

网络出版日期: 2025-03-28

基金资助

温州市气象局青年项目“海岛羊栖菜晾晒指数研究”(2023QN01)

收起

Research on drying meteorological index of Sargassum fusiforme in Dongtou island by SPSS

ZHANG Dachuan ¹^,² ,
LIU Xiongjie ¹^,² ,
CAO Zheming ²^,³ ,
YUAN Gaixia ⁴

Expand

¹Wenzhou Dongtou District Meteorological Service, Wenzhou 325700, China
²Wenzhou Key Laboratory of Typhoon Monitoring and Forecasting Technology, Wenzhou Meteorological Service, Wenzhou 325000, China
³Wenzhou Taishun Meteorological Service, Wenzhou 325500, China
⁴Institute of Biological Engineering, Daqing Normal College, Daqing 163712, China

Received date: 2024-11-07

Online published: 2025-03-28

Fold

摘要

为了解影响羊栖菜晾晒的气象指数，以浙江温州洞头国家基本气象站2014—2019年经筛选的逐日观测数据为研究资料，以最高温度Tx与最低温度Tn之和、平均相对湿度RH、平均风速WS和太阳辐射的总云量TCC为主要影响因子，以蒸发量E为预报对象，应用SPSS软件进行单因子相关性分析，并建立预报模型，根据预报模型和指数分级编写预报程序，并对程序进行试用。结果显示，选取的Tx与Tn之和、RH、WS和TCC与E的相关性均具有统计学意义（P<0.05）；建立的模型R=0.86，德宾—沃森值为1.193，模型建立成功，预报方程为E=3.509+0.092（Tx+Tn）－0.064RH+0.497WS－0.056TCC。根据预报模型和指数分级编写的预报程序，在2014—2019年的实测资料检验中和2022—2024年试运行中，均表现出较好的可行性和操作性。本研究建立的模型为羊栖菜养殖户的晾晒生产提供参考。

关键词： 羊栖菜; SPSS; 预报方程; 晾晒气象指数; 气象服务

本文引用格式

张大川 , 刘雄杰 , 曹哲铭 , 袁改霞 . 应用SPSS的洞头海岛羊栖菜晾晒气象指数研究[J]. 安徽农学通报, 2025 , 31(6) : 102 -105 . DOI: 10.16377/j.cnki.issn1007-7731.2025.06.025

Abstract

To understand the meteorological index affecting the drying of Sargassum fusiforme, the selected daily observation data from the National Basic Meteorological Station in Dongtou, Wenzhou，Zhejiang Province from 2014 to 2019 were selected as the test data. The sum of the highest temperature Tx and the lowest temperature Tn, the average relative humidity RH, the average wind speed WS and total cloud cover TCC of solar radiation were used as the main influencing factors, and the evaporation amount E was used as the forecast object. SPSS software was used to analyze the single factor correlation, and the forecast model was established. The forecast program was written according to the forecast model and index classification, and the program was tested. The results showed that the sum of Tx and Tn, the correlation between RH, WS， TCC and E were statistically significant（P<0.05）. The established model R=0.86, Durbin-Watson value was 1.193, the model was successfully established, the prediction equation was E=3.509+0.092(Tx+Tn)－0.064RH+0.497WS－0.056TCC. According to the forecast model and index classification, the forecast program has shown good feasibility and operability in the test of measured data from 2014 to 2019 and in the trial operation from 2022 to 2024. The model established in this study can provide a reference for the drying production of Sargassum fusiforme farmers.

Key words： Sargassum fusiforme; SPSS; prediction equation; drying meteorological index; meteorological service

羊栖菜（Sargassum fusiforme），又名鹿角尖、海大麦等，是马尾藻科马尾藻属植物^[1]。其广泛分布于辽东半岛至广东福建等地，目前主产区在浙江温州洞头区^[2]。羊栖菜养殖业为洞头区海水养殖的支柱产业之一^[3]。自然风干晾晒是洞头羊栖菜加工的必要工序，晾晒期的气象条件对羊栖菜品质和产量起关键作用^[4]。当前气象部门仅提供晴雨风的天气预报方式，较难满足羊栖菜生产需求。洞头海岛羊栖菜晾晒气象指数可依据气象局发布的预报结果，在不同的天气条件下，计算出羊栖菜晾晒的适宜度，有助于开展针对性的气象农业服务。刘文伟等^[5]已建立以蒸发量为预报对象，以最高温度、平均相对湿度与平均风力为主要影响因子的晾晒指数气象方程。阙成蛟等^[6]和陈骥等^[7]研究指出，平均风速、平均气温、平均相对湿度和蒸发量数据均可推导晾晒气象指数。王峰等^[8]研究表明，太阳辐射对蒸发量有较大影响。本文根据洞头海岛羊栖菜晾晒对气象服务的需求，应用SPSS软件研究洞头海岛羊栖菜晾晒气象指数，建立气象服务流程，以满足羊栖菜养殖户的生产需求，提升农业气象服务能力。

1 材料与方法

1.1 研究区基本情况

洞头区地处瓯江口和乐清湾口交汇的浙江东南海域，境内海域面积达792 km²，由103个岛屿和259个礁组成；全区海岸线长333.45 km，海湾滩涂数量较多，可供海水养殖面积66.7 km²，其中可利用海洋藻类养殖面积53.3 km²。洞头海域属大陆边缘，西岸深度较小，海底平坦多泥，大陆江河携带大量有机物，海洋生物资源十分丰富，有利于藻类养殖^[9]。

1.2 研究资料

本研究选用洞头国家基本气象站（洞头站）2014—2019年经筛选的逐日大型蒸发量资料（剔除了不适合晾晒的天气，包含降水、温度低于0 ℃的低温天、平均风速高于7级的大风天和能见度低于200 m的浓雾天，本文后续均直接用蒸发量表示）。鉴于目前无预报太阳辐射的业务化模式，通过预报模式的分析，发现当前有预报总云量的业务化模式，而总云量与太阳辐射负相关^[10]，因此在影响因子中新增可以侧面表征太阳辐射的总云量。杜连海等^[11]研究发现，同时使用最高温度和最低温度比单一使用最高温度与最低温度更适合预测蒸发量。因此，本研究在分析时，将最高气温与最低气温逐日求和代入。

1.3 研究内容及方法

本研究以最高温度Tx与最低温度Tn之和、平均相对湿度RH、平均风速WS和总云量TCC等为主要影响因子，以蒸发量E为预报对象。应用SPSS软件对影响因子与预报对象进行单因子相关性分析。随后利用SPSS^[12]对主要影响因子与预报对象进行模型评估，并构建多元回归方程。在前述方程的基础上，通过调查养殖户，对晾晒指数进行分级。依据分级结果和方程，采用Python语言编写预报程序。通过该程序实现晾晒指数的计算，结合历史数据进行可行性分析和试应用。

2 结果与分析

2.1 单因子相关性分析

由表1可知，高低温度之和、平均相对湿度、平均风速、总云量与蒸发量的显著性（单尾）均小于0.001，说明各影响因子与预报对象相关性具有统计学意义。其中高低温度之和、平均风速与蒸发量的皮尔逊相关系数为0.561和0.437，说明该类因子增大时蒸发量随之增大；平均相对湿度、总云量与蒸发量的皮尔逊相关系数为-0.151和-0.157，说明该类因子增大时蒸发量随之减小。

表1 影响因子与蒸发量的单因子相关性

		蒸发量	高低温度之和	平均相对湿度	平均风速	总云量
皮尔逊相关性	蒸发量	1.000
	高低温度之和	0.561	1.000
	平均相对湿度	-0.151	0.549	1.000
	平均风速	0.437	-0.053	-0.251	1.000
	总云量	-0.157	0.090	0.369	0.162	1.000
显著性（单尾）	蒸发		<0.001	<0.001	<0.001	<0.001
	高低温度之和	<0.001		<0.001	0.046	0.002
	平均相对湿度	<0.001	<0.001		<0.001	<0.001
	平均风速	<0.001	0.046	<0.001		<0.001
	总云量	<0.001	0.002	<0.001	<0.001

2.2 模型评估及多元回归方程的建立

应用SPSS软件对主要影响因子与预报对象进行模型摘要预估，其R为0.86>0.7，显著性小于0.001，证明该模型具有统计学意义^[13]；德宾—沃森值为1.193，在0~4之间，证明该模型的残差服从正态分布，模型偏度小，解释能力强^[14]。由图1可知，本例残差直方图服从正态分布，且均数接近0（标准正态分布），P-P图中数据基本分布在45 °线上，表明线性回归满足正态性条件^[15-16]。以上结果说明指数预报方程合理。结合表2可知，预报方程：

显示原图|下载原图ZIP|生成PPT

图1 回归曲线及P-P图

（A）回归曲线图；（B）回归标准化残差的正态P-P图。

表2 系数及多重相关性

模型		未标准化系数		标准化系数	t	显著性	B的95.0%置信区间		相关性			共线性统计
模型		B	标准误差	Beta	t	显著性	下限	上限	零阶	偏	部分	容差	VIF
	（常量）	3.509	0.211		16.629	<0.001	3.095	3.923
	高低温度之和	0.092	0.002	0.857	42.999	<0.001	0.088	0.096	0.561	0.808	0.700	0.668	1.498
	相对湿度	-0.064	0.003	-0.482	-21.304	<0.001	-0.070	-0.058	-0.151	-0.562	-0.347	0.517	1.933
	平均风速	0.497	0.023	0.381	21.495	<0.001	0.452	0.542	0.437	0.565	0.350	0.842	1.188
	总云量	-0.056	0.009	-0.118	-6.361	<0.001	-0.074	-0.039	-0.157	-0.199	-0.104	0.768	1.302

E=3.509+0.092（Tx+Tn）－0.064RH+0.497WS－0.056TCC

2.3 晾晒指数分级

根据对洞头羊栖菜养殖户的调研，将降水天气、浓雾天气（能见度低于200 m的浓雾）、大风天气（平均风速超过7级，即超过13.9 m/s）与低温天气（平均温度低于0 ℃）定为“不宜晾晒”（一级），其余天气情况依照蒸发量划分为三级，E<2为不适宜晾晒（一级），2≤E<4为较适宜晾晒（二级），E≥4为适宜晾晒（三级）。

2.4 晾晒指数预报程序编写

本研究采用Python编程语言开发一套用于预报晾晒指数的程序。该程序依据晾晒指数预测方程以及预先设定的晾晒指数分类，通过执行图2所示的预测流程逻辑，能够自动计算并输出晾晒指数等级。其用户界面设计简洁明了，便于用户操作。

显示原图|下载原图ZIP|生成PPT

图2 晾晒指数预报流程

2.5 晾晒指数预报可行性与业务试应用

方程所依赖的主要影响因子数据均源自洞头区气象局的常规业务预报，且这些数据均得到数值模式的支持。因此，在实际操作中，将业务预报结果输入预报程序中，通过程序实现晾晒指数计算，依据该指数制定专题气象服务报道，并通过电子渠道将服务专报传输给相关部门、协会及养殖户。依照此流程对2014—2019年的实测资料进行了检验，结果表明，该方法具备较好的可行性和操作性。该指数预报自2022—2024年试运行，在试运行期间对养殖户的调查反馈结果显示，该预报对养殖户晾晒羊栖菜具有明显的辅助作用。

3 结论与讨论

本文以洞头站的数据为研究资料，应用SPSS软件进行分析，构建洞头海岛羊栖菜晾晒气象指数的预报模型，并依据预报模型及指数分级编写程序，利用该预报程序计算晾晒指数，制作气象服务专报。结果表明，选定的主要影响因子最高温度Tx与最低温度Tn之和、平均相对湿度RH、平均风速WS和总云量TCC与预报对象均有明显的相关性，建立的模型较科学，利用本文的预报方程计算所得的晾晒指数在洞头2022—2024年试应用过程中，具有可行性。

由于蒸发量不能完全代表晾晒指数，且影响晾晒的因素较多^[8]，因此在实际应用中，还应根据当时气候的变化（如夏季短时强降水及热带气旋），及时做出补充预报，并对指数进行适当的调整。对于农业晾晒来说，太阳辐射强度极其重要^[17]，然而目前暂不存在能够直接预报太阳辐射的业务化模式，总云量仅能间接反映太阳辐射的强度。因此未来有望进一步研究出能直接针对太阳辐射的业务化预报模式，以提升预报方程的精确度。当前，该预报方程仅支持手动输入方式以求解，尚未实现与预报数据库的联通，因此无法直接从数据库中读取预报信息以生成预报结果，未来将加强数据库数据载入研究，以提升预报工作的便捷性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	周婷婷.认识长寿菜：羊栖菜[J]. 家庭教育，2024，（7）：45.

2	梁美娜，张立宁，林振，等. 不同海区养殖羊栖菜组成分析及多糖的抗氧化活性研究[J]. 食品工业科技，2023，44（22）：275-284.

3	朱晓艳. “洞头羊栖菜” 区域公用品牌建设策略研究[D]. 南昌：江西农业大学，2023.

4	章立浩，吕海棠. 影响洞头羊栖菜养殖的主要气象灾害及防御对策[J]. 浙江气象，2008，29（2）：18-21.

5	刘文伟，董芹，藏晓钟. 常州晾晒气象指数的探讨[J]. 气象科学，2001，21（4）：486-490.

6	阙成蛟，何晴，徐哲永，等. 鱼鲞晾晒风干气象指数预报研究[J]. 农业与技术，2017，37（22）：222-223.

7	陈骥，李长顺，赵一夫. 宁德海带晾晒期高影响天气气象服务技术研究[J]. 统计与管理，2019，34（4）：106-109.

8	王峰，任建成，卢晓宁. 黄河三角洲地区蒸发量时空特征及预测模型[J]. 灌溉排水学报，2024，43（3）：52-60.

9	章立浩，章俊. 洞头发展羊栖菜养殖业的优势[J]. 浙江气象，2009，30（2）：31-35.

10	古明媚，张涛，范伶俐，等. 近50年鉴江流域日照时数的气候特征[J]. 广东气象，2024，46（3）：32-36.

11	杜连海，罗盼盼，吴记贵，等. 松山自然保护区蒸发量和降水量的变化特征及其原因分析[J]. 中国农学通报，2013，29（14）：184-189.

12	李娜卿. 基于SPSS多元回归分析的城市地下水用水量预测[J]. 河北水利，2021（8）：42-43.

13	孔兴欣，田清青，刘群群，等. 基于知识图谱的学生学习增值评价模式构建及应用[J]. 化学教育（中英文）,2024，45 （16）：55-65.

14	李文骥，杨淑娴，李婧舒，等. 新三板农业中小企业融资能力实证分析[J]. 商场现代化，2024（17）：146-148.

15	宋志章.全面报酬对高校教师工作绩效的影响研究[D].长春：东北师范大学,2023.

16	冯国会，李奇岩，李环宇，等. 近零能耗建筑设计参数适应性与负荷分析[J]. 节能，2021，40（8）：1-6.

17	张静，吴洁，秦公伟，等. 秦巴山区地表太阳辐射的时空动态及农业气候区划研究[J]. 地理科学，2020，40（10）：1742-1752.

Options

文章导航

模态框（Modal）标题

摘要