利用形态测量法进行樱花花期预报的研究

利用形态测量法进行樱花花期预报的研究 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 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 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 关于××同志的政审材料调查表环保先进个人材料国家普通话测试材料农民专业合作社注销四查四问剖析材料 与方法 1. 材料获得和玉渊潭樱花基本情况 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。 2. 数据的收集与整理 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。 观测后，及时计算花芽的长轴与短轴的乘积，以及十枚花芽长轴、短轴以及二者乘积的均值，填入记录表。全部观测结束后，计算每次观测日期与始花日期之间相差的天数(距始花天数)。将每日观测的均值转录入Excel工作表中进行处理，首先将同种樱花按距始花天数进行排序，随 03杭1芽长与距始花天数相关性25 20 15 10 距始花天数5 0 0.0002.0004.0006.0008.00010.000 -2.6546芽长y = 1723x2R = 0.9639后分别计算各株樱花的长轴、宽轴和两者乘积的三日滑动平均值。这样，距始花天数(Y)与相应于这一天的各株观测数据:长轴三日均值(X)、短轴三日均值(X)和这两者成绩(X)之aba*b间分别构成变量对，据这些变量对绘制散点图，如下 03杭1芽宽与距始花天数相关性 25 20 15 10 距始花天数5 0 0.0001.0002.0003.0004.0005.000-3.411y = 984.21x芽宽2R = 0.88 03杭1花芽a*b与距始花天数相关性25 20 15 10 距始花天数5 0 0.00010.00020.00030.00040.000-1.5356a*by = 1545.8x2R = 0.9599 从散点图可以看出，各对变量中X与Y具有良好的相关性。进一步对它们进行相关分析，得 出回归方程，其相关系数R均通过了α=0.01的显著性检验。 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 2好的相关性。进行相关回归分析相关系数的平方R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 0.7894 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 0.8999 03大1 0.6338 0.6131 0.6567 大4 0.7531 0.8909 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。 3. 建立预报模型 2建立Y与X之间的数学关系，用可以得到较高的R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 长a 宽b a*b 被测樱花 -2.6546-3.411-1.5356杭州早樱 03杭1 Y = 1723X Y = 984.21X Y = 1545.8X -2.9542-3.1313-1.564303杭2 Y = 4179.6X Y = 831.95X Y = 2224.7X -1.1527-1.4055-0.633山樱 01山5 Y = 223.68X Y = 155.31X Y = 191.44X -1.1324-1.4295-0.643401山6 Y = 215.97X Y = 167.42X Y = 201.75X -2.3471-1.9352-1.132306山1 Y = 2522.5X Y = 286.99X Y = 1006.3X -2.1782-2.0571-1.0699大山樱 01大2 Y = 1323X Y = 303.53X Y = 652.86X -3.2555-3.1006-1.609701大3 Y = 8977X Y = 1314.7X Y = 3648.9X -2.8136-3.9269-1.695303大1 Y = 1893.8X Y = 2023.6X Y = 2310X -2.3446-2.443-1.2281大4 Y = 1464.5X Y = 586.62X Y = 1044.7X -3.0191-2.2471-1.3132关山樱 关3 Y = 14415X Y = 622.59X Y = 2613X -2.6817-1.862-1.1239普1 Y = 8061.6X Y = 340.1X4 Y = 1369.2X -2.6817-1.8624-1.123904关1 Y = 8061.6X Y = 340.1X Y = 1369.2X -2.1067-1.5863-0.968705关1 Y = 2281.1X Y = 271.45X Y = 853.95X -2.6314-1.9534-1.1261染井吉野 03吉2 Y = 3672.6X Y = 235.24X Y = 777.31X -3.3502-1.9522-1.241803吉3 Y = 19412X Y = 272.25X Y = 1355.9X -2.7429-1.9712-1.163603吉8 Y = 4193.4X Y = 227.03X Y = 819.94X 表2 4. 检验及结果 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 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 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 检验 检验 检验 始花 所得 所得 所得 天数 长a 天数 差值 等级 宽b 天数 差值 等级 a*b 天数 差值 等级 24 5.35 20 4 iii 2.83 28 4 iii 15.29 23 1 i 23 5.36 20 3 ii 2.93 25 2 ii 15.75 22 1 i 22 5.36 20 2 ii 3.02 23 1 i 16.21 21 1 i 21 5.18 22 1 i 3.16 19 2 ii 16.38 21 0 i 20 5.00 24 4 iii 3.30 17 3 ii 16.55 21 1 i 19 5.39 20 1 i 3.40 15 4 iii 18.42 18 1 i 18 5.78 16 2 ii 3.49 14 4 iii 20.30 15 3 ii 17 5.81 16 1 i 3.42 15 2 ii 19.94 16 1 i 16 5.83 16 0 i 3.35 16 0 i 19.58 16 0 i 15 6.08 14 1 i 3.32 17 2 ii 20.20 15 0 i 14 6.33 13 1 i 3.28 17 3 ii 20.81 15 1 i 13 6.18 14 1 i 3.45 14 1 i 21.25 14 1 i 12 6.02 15 3 ii 3.61 12 0 i 21.69 14 2 ii 11 6.43 12 1 i 3.58 13 2 ii 23.02 13 2 ii 10 6.84 11 1 i 3.55 13 3 ii 24.35 11 1 i 9 7.26 9 0 i 3.87 10 1 i 28.23 9 0 i 8 7.68 8 0 i 4.18 7 1 i 32.11 8 0 i 7 8.09 7 0 i 4.36 7 0 i 35.70 6 1 i 6 8.50 6 0 i 4.53 6 0 i 39.28 6 0 i 表3 分级统计结果 芽长a 芽宽b A*b 等级 天数 百分率 等级 天数 百分率 等级 天数 百分率 i 13 68.42 i 8 42.11 i 16 84.21 ii 4 21.05 ii 8 42.11 ii 3 15.79 iii 2 10.53 iii 3 15.79 iii 0 0.00 iv 0 0.00 iv 0 0.00 iv 0 0.00 平均 平均 平均 误差 1.30 误差 1.87 误差 0.88 满分 满分 满分 总分 357.89 率 89.47 总分 326.32 率 81.58 总分 384.21 率 96.05 表4 同样方法处理其它数据，得到其它各预报模型的检验结果，如下: 全部预报模型的检验结果 结果 芽长 芽宽 a*b 被测樱花 总分 满分率 总分 满分率 总分 满分率 杭州早樱 03杭1 357.9 89.47 326.3 81.58 384.2 96.05 03杭2 300 75 310.5 77.63 347.4 86.84 山樱 01山5 300 75 311 77.89 300 75 01山6 311.5 77.89 323.1 80.77 219.2 79.81 06山1 361.9 90.48 333.3 83.33 352.4 88.19 大山樱 01大2 257.7 64.42 246.2 61.54 261.5 65.35 01大3 245.2 61.29 303.2 75.81 274.2 68.55 03大1 203.2 50.81 203.2 50.81 203.2 50.81 大4 248.1 62.04 314.8 78.70 281.5 70.37 关山樱 关3 248.6 62.14 268.6 67.14 271.4 67.86 普1 251.5 62.88 309.1 77.27 303.0 75.76 04关1 275.4 68.85 312.1 78.03 300 75 05关1 277.8 69.44 241.2 60.29 264.7 66.18 染井吉野 03吉2 324.0 81.00 332.0 83.00 332.0 83.00 03吉3 290.9 72.73 309.1 77.27 318.2 89.55 03吉8 285.2 71.30 337.0 84.26 329.6 82.41 表5 5. 小结 学校三防设施建设情况幼儿园教研工作小结高血压知识讲座小结防范电信网络诈骗宣传幼儿园师德小结 表5数据显示出除03大1(大山樱)的预报模型满分率不足60%之外，其它各株的预报模型满分率均在60%以上，可作粗略花期预报之用;其中03杭1、03杭2、06山1和03吉3部分模型满分率达85%以上，是较为精确的预报模型。 从分级统计结果看，观测初期预报的准确性较低，出现这样的情况主要以下原因: 第一， 观测初期，观测人员的技术不熟练，测量水平不稳定， 导致采集的数据出现偏差; 第二， 坐标纸投影法是粗略测量的方法，会在估读时出现误差，而同样大小的误差值对观测的初期得到的较小花蕾体生长值影响较大。 如果用来指导公园特色游园节日和游客出行游园，还要在此基础上注意更加准确地测量和记录、更加精细的统计分析。另外，坚持常年观测也可有助于建立更准确的预报模型，得出指导价值很高的花期预报模型。 参考文献 杨国栋，张明庆 物候学讲义。北京:首都师范大学资源环境与旅游学院，2004