引言

日光温室生产主要能量来源为太阳辐射，太阳辐射在很大程度上直接影响甚至决定了日光温室内的光、温等小气候环境，对日光温室内作物光合、新陈代谢作用等有很大影响，是构成日光温室赖以生产、运行的能量基础。近年来，冬季寡照天气成为一种常见的天气现象，且呈现出发生频率高、影响范围大、持续时间长等特征，日光温室蔬菜生产受寡照天气的影响也日趋加重^[1]。日光温室蔬菜在生育期间，若遭受持续寡照天气，光照条件将无法满足生长需要，对作物光合作用及光合特性均有显著影响^[2-3]，同时，也会造成日光温室内热量不足，从而影响作物生长发育、产量和品质^[4]。目前，国内学者多针对设施农业生产中的寡照及低温寡照复合灾害进行相关指标研究^[5-9]，但忽略了当外界气温不低时，单纯由寡照造成的热量不足带来的低温影响。因此，开展寡照低温灾害预警技术研究，可为设施农业生产防灾减灾提供依据。

日光温室番茄寡照指标^[10]表明，3 d为灾害的临界时间，3 d以下寡照对日光温室番茄生长无影响，4 d以上则会导致日光温室番茄发生轻度及以上灾害。当出现寡照天气时，日光温室内气温会明显下降，可能造成低温冷害。因此，本研究针对3 d以下寡照和4 d以上寡照分别构建寡照低温预警模型。

1 资料与方法 1.1 数据资料

预警模型构建所用数据为2011—2015年设施蔬菜生产主要服务季内，即11月—次年5月(以下简称“试验期”)，山东临淄、莱芜、利津等3个自动气象观测站最高气温、最低气温、空气相对湿度、风速、日照时数等逐日监测资料，日光温室小气候自动监测站最高气温、最低气温、地温最低值、地温最高值、最小空气相对湿度等要素逐日监测资料。

预警模型检验所用数据为2016年11月1日—2017年5月31日山东临淄、莱芜、利津、平度、章丘及2015年11月1日—2016年5月31日天津静海、河北徐水等7个自动气象观测站及日光温室小气候自动监测站逐日观测要素。

1.2 研究方法

将1 d内累计日照时数低于3 h定义为寡照日，日光温室番茄出现明显低温冷害时外界气温一般在-5 ℃以下。利用日光温室生产季内日照时数及平均气温进行统计计算，筛选非低温条件下的寡照天气资料，即平均气温在-5 ℃以上且日照时数在3 h以下的时段，提取该时段内的日光温室内、外气象观测资料，用于分析单纯由寡照引起的日光温室番茄低温冷害；通过反复构建结构方程模型(SEM)，并按验证性因子分析模型的识别方法对模型进行判断，最终运用卡方与自由度的比值及RMSEA(近似误差的平方根)两个指标对模型进行评判，直到整个模型可以被识别，且卡方与自由度的比值、RMSEA两个指标最小，确定最准确、最简洁的结构方程模型^[11-19]。通过计算模型各因子间的通径系数，利用层次分析法(AHP)，建立层次结构模型并计算判断矩阵，分别通过层次单排序及一致性检验、层次总排序及一致检验^[20-24]，最终确定寡照低温预警模型。

2 寡照对日光温室内气温的影响 2.1 寡照情况分析

平均寡照日数指统计时段内出现寡照日的平均值，最大连续寡照日数指统计时段内出现连续寡照日的最大值。分析试验期间山东省(122站平均，下同)各月内平均寡照日及最大连续寡照日数(图 1)可知，1月、11月及12月平均寡照时间最长，其中，11月平均寡照日数达13.8 d，1月为12.2 d，这3个月的寡照日数占试验期间总寡照日数的60%；全省平均最大连续寡照日数12月最高，为6.6 d，次高11月为5.0 d。利津、莱芜和临淄试验期间，三站平均最大连续寡照日数为2.9 d，利用三站各月内平均最大连续寡照日数统计，最大出现在11月，为5.8 d，其中，2015年11月达11.7 d。根据三站试验期间平均出现最大连续寡照时间及各月内出现的最大连续寡照时间，结合日光温室番茄寡照指标^[10]，确定分别构建1~3 d(以下简称“3 d以下”)及4~12 d(以下简称“4 d以上”)寡照低温预警模型。

2.2 寡照对日光温室内气温的影响

通过分析试验期间不同月份及不同寡照时间对日光温室内平均、最高及最低气温影响，出现3 d连续寡照时，日光温室内平均气温降温幅度在3.7 ℃左右，最低气温降温幅度在2.4 ℃左右，最高气温降温幅度在10.3 ℃左右；随着持续寡照天数增加，降温幅度增加，连续4~7 d及7~12 d平均气温的降温幅度分别为5.5 ℃和7.1 ℃；最低气温的降温幅度为3.3 ℃和4.6 ℃，最高气温的降幅为12.6 ℃和15.0 ℃。

3 寡照低温预警模型构建及检验 3.1 因子选取及权重确定

日光温室内气温与前期温室内、外气象因子关系密切^[25]。通过相关性分析并结合预报因子的可获取性，确定包括气温、地温、相对湿度、风速、日照时数等5个因子类型作为模型构建的备选因子集(表 1)。

利用AMOS17.0构建日光温室3 d以下和4 d以上寡照低温结构方程模型，经反复构建并检验，最终确定因子间的关系。路径图分别如图 2、图 3所示，所选因子重要性权重值及排序见表 2。

3.2 预警模型构建 3.2.1 判断矩阵

利用表 2、表 3中日光温室3 d以下、4 d以上寡照低温结构方程模型所选因子重要性权重值，两两比较，按层次分析法首先计算得到判断矩阵分别为矩阵1、矩阵2：

$ \left[ {\begin{array}{*{20}{l}} {1.00}&{2.66}&{2.74}&{3.12}&{7.21}\\ {0.34}&{1.00}&{1.03}&{1.17}&{2.71}\\ {0.36}&{0.97}&{1.00}&{1.14}&{2.63}\\ {0.32}&{0.85}&{0.88}&{1.00}&{2.31}\\ {0.14}&{0.37}&{0.38}&{0.43}&{1.00} \end{array}} \right]\;\;\;\;\;\left( {矩阵1} \right) $

$ \left[ {\begin{array}{*{20}{l}} {1.00}&{1.24}&{5.49}&{9.00}\\ {0.80}&{1.00}&{4.42}&{9.00}\\ {0.18}&{0.23}&{1.00}&{4.09}\\ {0.04}&{0.06}&{0.24}&{1.00} \end{array}} \right]\;\;\;\left( {矩阵2} \right) $

3.2.2 层次排序检验

利用数据处理软件(DPS)分析判断矩阵，计算各因子权重系数及检验结果，见表 3。

由表 3可知，3 d以下寡照低温构建判断矩阵的一致性比率CR(M)=0.00 < 0.10，通过一致性检验，故得到如下3 d以下寡照低温预警模型：

$ {K_1} = 0.48{X_1} + 0.18{X_2} + 0.17{X_3} + 0.15{X_4} + 0.06{X_5} $

(1)

其中，K₁代表 3 d以下寡照低温指数；X₁，即in1T_min，代表前1日日光温室内最低气温；X₂，即out1T_min，代表前1日日光温室外最低气温；X₃，即in1T_dwmin-20，代表前1日日光温室内最低20 cm地温；X₄，即out0T_min，代表当日日光温室外最低气温；X₅，即S1，代表前1日日照时数。

4 d以上寡照低温构建判断矩阵的一致性比率CR(N)=0.04 < 0.1，通过一致性检验，故得到如下4 d以上寡照低温预警模型：

$ {K_2} = 0.48{Y_1} + 0.42{Y_2} + 0.12{Y_3} + 0.04{Y_4} $

(2)

其中，K₂代表 4 d以上寡照低温指数；Y₁，即in2T_min，代表前2日日光温室内最低气温；Y₂，即in1T_min，代表前1日日光温室内最低气温；Y₃，out1T_min，代表前1日日光温室外最低气温；Y₄，即out2T_min，代表前2日日光温室外最低气温。

3.3 模型应用及检验 3.3.1 模型应用 3.3.1.1 模型因子等级划分

寡照低温预警模型在应用时首先将模型中各气象因子X及Y转换为1、2、3、4四个等级值，利用转化后的等级值计算寡照低温指数K(四舍五入取整)，根据K值划分寡照低温灾害预警等级。等级值为1代表无灾，2代表轻灾，3代表中灾，4代表重灾。

3.3.1.2 日光温室内番茄低温冷害等级指标

通过查阅文献[11-26]以及对农业部门的调研了解，5 ℃、10 ℃、13 ℃为日光温室内番茄低温冷害等级指标，因此日光温室内最低气温等级指标为1级(13, +∞)、2级(10, 13]、3级(5, 10]、4级(-∞, 5]。寡照低温预警模型中温室内最低气温因子X₁、Y₁、Y₂均采用该等级指标。

3.3.1.3 日光温室外最低气温等级指标

利用日光温室内、外逐日最低气温资料，按番茄低温冷害气象等级指标即1级(13, +∞)、2级(10, 13]、3级(5, 10]、4级(-∞, 5]进行匹配，并按80%保证率计算方法进行筛选，确定日光温室外最低气温等级指标为1级(-2, +∞)、2级(-5, -2]、3级(-9, -5]、4级(-∞, -9]。寡照低温预警模型中温室外最低气温因子X₂、X₄、Y₃、Y₄均采用该等级指标。

3.3.1.4 日光温室内地温等级指标

日光温室内种植区土壤是热量的储存体，夜间无太阳辐射提供热量时主要依靠土壤储热释放来维持室内温度。因此，地温也是影响寡照低温灾害的一个重要气象因子。

将各站日光温室内最低20 cm地温与日光温室内最低气温进行逐步回归拟合，构建二次拟合方程(表 4)。将日光温室内番茄低温冷害等级指标界限值代入拟合方程，得到各站日光温室内最低20 cm地温X₃等级指标值，见表 5。

3.3.1.5 日照时数等级指标

利用逐步回归将各站日照时数与各站日照百分率进行线性拟合，日照百分率的等级指标为1级晴(0.8, +∞)；2级少云(0.6, 0.8]；3级多云(0.2, 0.6]；4级阴(-∞, 0.2]。将日照百分率等级界限值，即0.2、0.6、0.8代入拟合方程，得到日照时数X₅的等级指标，见表 6。

3.3.2 模型检验

利用2016年11月1日—2017年5月31日山东临淄、莱芜、利津、平度、章丘等5个气象观测站逐日资料分别对3 d以下寡照低温、4 d以上寡照低温预警模型进行独立样本检验。将模型中各因子按等级指标划分并代入预警模型中计算预警等级值，检验时段日光温室内逐日最低气温等级作为实际低温等级。将预警等级值与实际低温等级无偏差或相差在1个等级以内作为寡照低温预警模型准确性的标准，检验结果如表 7和表 8。5个被检验站点中，3 d以下寡照低温、4 d以上寡照低温预警等级与实际低温等级无偏差的平均准确率分别67%和68%，相差在1个等级以内的准确率分别为98%和97%。同时，应用该模型对2015年11月1日—2016年5月31日天津静海、河北徐水进行检验，3 d以下寡照低温、4 d以上寡照低温预警等级与实际低温等级无偏差的平均准确率分别为85%和90%，相差在1个等级以内的准确率均为100%。表明构建的日光温室番茄寡照低温预警模型预警效果较好，并且具有可推广性。

4 结论与讨论

1) 通过构建结构方程模型甄别了寡照低温灾害的致灾因子。3 d以下寡照低温灾害致灾因子包括前1日温室内最低气温、前1日温室外最低气温、前1日温室内最低20 cm地温、当日温室外最低气温、前1日日照时数；4 d以上寡照低温灾害致灾因子包括前2日温室内最低气温、前1日温室内最低气温、前1日温室外最低气温、前2日温室外最低气温。结合日光温室番茄低温冷害等级指标及日照百分率等级指标，应用统计方法计算得到了日光温室外最低气温、日光温室内最低20 cm地温及日照时数等级指标。

2) 利用层次分析法构建了日光温室番茄寡照低温灾害预警模型。利用2016—2017年日光温室主要生产季内临淄、莱芜、利津、平度、章丘及天津静海、河北徐水的逐日气象观测资料对预警模型进行检验。结果显示，山东的5个被检验地区3 d以下寡照低温、4 d以上寡照低温预警等级与实际低温等级完全一致的平均准确率分别为67%和68%，相差在1个等级以内的平均准确率分别为98%和97%；天津静海、河北徐水检验结果表明，3 d以下寡照低温、4 d以上寡照低温预警等级与实际低温等级完全一致的平均准确率分别为85%和90%，相差在1个等级以内的准确率分别均为100%。

3) 结构方程模型既可分析观测变量间的关系，也可分析潜在变量的作用，同时还可以处理多个因变量，但建立稳定模型要求样本量大于200 ，本研究因寡照低温过程有限，样本量虽未达到200以上，但达到了变量的10倍，因此仍可以认为该建模方法可用于本研究。

4) 构建的结构方程模型是否为最优解，取决于因子集以及已有理论基础，是否可以得到更为优秀的建模因子仍为该方面研究的重点内容。