气候变化背景下道地蕲艾头茬单产对气象因子的响应与预测

doi:10.14088/j.cnki.issn0439-8114.2026.04.026

湖北农业科学 ›› 2026, Vol. 65 ›› Issue (4): 171-178.doi: 10.14088/j.cnki.issn0439-8114.2026.04.026

气候变化背景下道地蕲艾头茬单产对气象因子的响应与预测

李国华^1,2, 朱倩男^2,3, 付宇^2,3, 张翼^1,2, 童星元^1,2, 田琳^2,3, 陈正洪⁴

1.黄冈市气象局,湖北黄冈 438000;
2.湖北省中药材气象服务中心, 湖北黄冈 438000;
3.蕲春县气象局, 湖北黄冈 435300;
4.湖北省气象服务中心, 武汉 430074

收稿日期:2026-01-14 出版日期:2026-04-25 发布日期:2026-05-06
通讯作者: 付宇(1988-),男,高级工程师,主要从事综合气象观测与特色气象服务研究,(电子信箱)447638435@qq.com。
作者简介:李国华(1968-),女,湖北黄梅人,高级工程师,主要从事综合气象观测与气象探测技术服务应用研究,(电子信箱)Hjycligh@163.com。
基金资助:
武汉城市圈气象联合科技创新基金项目重点项目(WHCSQZ202305)

Response and prediction of first-harvest yield in geo-authentic Qiai (Artemisia argyi) to meteorological factors under climate change

LI Guo-hua^1,2, ZHU Qian-nan^2,3, FU Yu^2,3, ZHANG Yi^1,2, TONG Xing-yuan^1,2, TIAN Lin^2,3, CHEN Zheng-hong⁴

1. Huanggang Meteorological Bureau, Huanggang 438000, Hubei,China;
2. Hubei Meteorological Service Center for Chinese Medicinal Materials, Huanggang 438000, Hubei,China;
3. Qichun County Meteorological Bureau,Huanggang 435300, Hubei,China;
4. Hubei Provincial Meteorological Service Center,Wuhan 430074,China

Received:2026-01-14 Published:2026-04-25 Online:2026-05-06

摘要/Abstract

摘要： 为明确气象因子对道地蕲艾(Artemisia argyi)头茬产量的影响机制,基于蕲春国家基本气象站1995—2025年逐日气象观测资料,在分析各气象指标年际变化趋势基础上,通过2018—2025全县头茬艾产量与关键生长期(1—5月)多气象要素的关联分析,确定主要气象因子。选取LightGBM、多元线性回归、岭回归、Lasso回归、随机森林回归、SVR、XGBoost 7种机器学习或回归算法构建产量预测模型。结果表明,1995—2025年,蕲艾头茬生长期平均气温、≥0 ℃有效积温和≥10 ℃有效积温均显著上升,气候倾向率分别为0.40 ℃/10年、46.73 ℃·d/10年和33.40 ℃·d/10年;气温日较差呈弱上升趋势,气候倾向率为0.11 ℃/10年;降水日数无显著变化趋势,主要表现为年际波动特征。日照时数呈显著下降趋势,气候倾向率为-43.66 h/10年;平均相对湿度呈微弱下降趋势,气候倾向率为-0.09%/10年;无霜日数平均为137.4 d,气候倾向率为0.767 5 d/10年。通过对7种模型拟合进行综合评估,LightGBM模型为最优,验证集R²达0.999 9,相对误差仅为0.48%,明显优于其他模型。依据相关分析热力图,结合LightGBM特征重要性分析得出,热量条件(≥10 ℃有效积温)是影响蕲艾头茬艾产量的最关键因子,贡献度为22.5%。

关键词: 气候背景, 道地蕲艾(Artemisia argyi), 头茬艾, 单产, 气象因子, 响应, 预测

Abstract: To clarify the impact mechanism of meteorological factors on the yield of the first harvest of geo-authentic Qiai (Artemisia argyi), daily meteorological observation data from the Qichun National Basic Weather Station from 1995 to 2025 were analyzed. After examining the interannual variation trends of various meteorological indicators, the main meteorological factors were identified through correlation analysis between the county-wide first-harvest yield from 2018 to 2025 and multiple meteorological elements during the key growth period (January to May). Seven machine learning or regression algorithms, including LightGBM, Multiple Linear Regression, Ridge Regression, Lasso Regression, Random Forest Regression, SVR, and XGBoost, were selected to construct yield prediction models. The results showed that from 1995 to 2025, the average temperature, active accumulated temperature ≥0 ℃, and active accumulated temperature ≥10 ℃ during the first-harvest growing season of Qiai all increased significantly, with climatic tendency rates of 0.40 ℃/10 years, 46.73 ℃·d/10 years, and 33.40 ℃·d/10 years, respectively. The diurnal temperature range showed a weak increasing trend (climatic tendency rate of 0.11 ℃/10 years). The number of precipitation days showed no significant trend, mainly characterized by interannual fluctuations. Sunshine hours showed a significant decreasing trend, with a climatic tendency rate of -43.66 h/10 years. Average relative humidity showed a slight decreasing trend, with a climatic tendency rate of -0.09%/10 years. The average number of frost-free days was 137.4 days, with a climatic tendency rate of 0.767 5 d/10 years. Through a comprehensive evaluation of the fitting of the seven models, the LightGBM model was identified as the best, with a validation set R² of 0.999 9 and a relative error of only 0.48%, significantly outperforming all other models. Based on the correlation analysis heatmap and combined with the feature importance analysis from LightGBM, it was determined that thermal conditions (active accumulated temperature ≥10 ℃) were the most critical factor affecting the yield of the first harvest of Qiai, with a contribution of 22.5%.

Key words: climatic background, geo-authentic Qiai (Artemisia argyi), first-harvest Qiai, yield per unit area, meteorological factors, response, prediction

中图分类号:

S162.5

李国华, 朱倩男, 付宇, 张翼, 童星元, 田琳, 陈正洪. 气候变化背景下道地蕲艾头茬单产对气象因子的响应与预测[J]. 湖北农业科学, 2026, 65(4): 171-178.

LI Guo-hua, ZHU Qian-nan, FU Yu, ZHANG Yi, TONG Xing-yuan, TIAN Lin, CHEN Zheng-hong. Response and prediction of first-harvest yield in geo-authentic Qiai (Artemisia argyi) to meteorological factors under climate change[J]. HUBEI AGRICULTURAL SCIENCES, 2026, 65(4): 171-178.

参考文献

[1] 本草纲目金陵版排印本[M]本草纲目金陵版排印本[M].第3版.王育杰,整理.北京:人民卫生出版社,2023.
[2] 李海燕,刘志雄,付宇.环境气象条件对蕲艾品质的影响[J].中南农业科技,2022,43(4):17-20.
[3] 王菁菁,郝文芳,张继文,等.艾叶挥发性成分对气候因子的响应研究[J].中国中药杂志,2018,43(15):3163-3170.
[4] 王欢欢,杜雪艳,刘晓珂,等.蕲艾的植物形态和显微鉴定研究[J].农业与技术,2025,45(18):10-15.
[5] 李虎元,高丽,康利平,等.不同等级和不同陈化年限艾绒的燃烧特性研究[J].山东中医药大学学报,2025,49(1):106-114.
[6] 陈昌婕,马琳,康利平,等.不同种植时期和垄作模式对蕲艾生长和品质的影响[J].中国中药杂志,2020,45(17):4041-4050.
[7] 顾海科,刘桂君,宋梅芳,等.艾草标准化人工栽培技术[J].现代农业科技,2018(4):89-90,93.
[8] 袁卫东,颜鸿远,陈盛秋,等.蕲春蕲艾头茬艾和二茬艾的产量及质量比较研究[J].中国现代中药,2021,23(10):1781-1787.
[9] 米娜,蔡福,吴航,等.高温干旱对玉米生长发育及产量构成影响的研究进展[J].沙漠与绿洲气象,2025,19(2):1-9.
[10] 孙帅,李顺澳,张天洋,等.2005—2022年新疆棉花苗期风害变化规律研究[J].沙漠与绿洲气象,2025,19(4):46-52.
[11] 李舟鑫,陈波,李祥栋.贵州兴仁地区薏苡全生育期的关键气象因子特征[J].中国农学通报,2025,41(27):106-117.
[12] 李宁,王明辉,迟晓元,等.黄冈地区不同气象因子对高油酸花生农艺性状、产量及品质的影响[J].花生学报,2025,54(4):402-411.
[14] 谭静,王雅新,李涵涵,等.蕲艾“气候好产品”技术评估报告[R].武汉:湖北省气象服务中心,湖北黄冈:蕲春县气象局,2025.
[15] 魏凤英. 现代气候统计诊断与预测技术[M].第2版.北京:气象出版社,2007.
[16] 谢媛,李凝,张旭,等.1961—2023年阜新地区农业气候资源变化特征分析[J].辽宁农业科学,2025(4):25-30.
[15] 唐捷,董美琦,赵锦,等.基于机器学习的极端气候事件对东北玉米气象产量影响评估[J].中国农业气象,2025,46(2):258-269.
[16] 王鹏新,王颖,田惠仁,等.基于LightGBM的冬小麦产量估测与可解释性研究[J].农业机械学报,2023,54(12):197-206.
[17] 李迎春,李翔翔,谢远玉,等.基于气象因子的赣南脐橙产量模拟模型构建[J].中国农业气象,2025,46(6):862-871.
[18] 王春辉,周生路,吴绍华,等.基于多元线性回归模型和灰色关联分析的江苏省粮食产量预测[J].南京师大学报:自然科学版,2014,37(4):105-109.
[19] 陈芳淼,李艺,杨光.豫东南地区玉米种植适宜性空间分析和综合评价研究[J].遥感技术与应用,2025,40(1):38-46.

[1]	尹乐, 刘非, 刘志远, 田忠, 沈忱, 汪季涛, 胥天鹏, 吴元华. 移栽期对邵武烟区烤烟云烟87叶片发育及组织结构的影响[J]. 湖北农业科学, 2026, 65(4): 148-154.
[2]	艾丹, 赵静丽, 殷兆晴. 响应面法优化连翘枝叶中连翘苷、连翘酯苷A提取工艺[J]. 湖北农业科学, 2026, 65(3): 171-176.
[3]	巴晓健, 马煜, 朱庆毅, 夏梅, 陆晓燕. 芍药耐盐性评价与生理响应机制[J]. 湖北农业科学, 2026, 65(2): 126-132.
[4]	齐永杰, 徐文兵, 张晓龙, 赵东杰, 路小改, 毛春堂, 农正斌, 潘武宁, 徐茂华, 彭博. 基于Lasso的打叶复烤烟叶常规化学成分预测模型的构建[J]. 湖北农业科学, 2026, 65(1): 90-96.
[5]	陈晓文, 荀佳常, 刘昌永, 张鹤缤, 王晓娅. 地貌敏感区土壤保持的长期演变及其气候时空响应机制——以山西省为例[J]. 湖北农业科学, 2025, 64(9): 27-35.
[6]	周文豪, 郑永润, 傅强, 谭大明, 刘秀群. 五个杜鹃品种耐热性评价及大鸳鸯锦杜鹃对高温胁迫的生理响应[J]. 湖北农业科学, 2025, 64(9): 107-113.
[7]	田爽, 毕宇, 郭燕, 吴皓琼, 叶阳, 刘佳宁, 朱加楠. 金耳T-1的生物学特性及全基因组测序分析[J]. 湖北农业科学, 2025, 64(8): 152-159.
[8]	邱廉, 刘瑜, 陈冉, 刘珍珍, 毛惠萍. 基于PSR模型的浙江省生态安全评价及对策[J]. 湖北农业科学, 2025, 64(7): 20-26.
[9]	卓德兵, 张和利, 邓明蓉, 贺碧湖, 朱深海. “三生”空间视角下武陵山片区土地利用演变及其生态环境响应[J]. 湖北农业科学, 2025, 64(7): 27-35.
[10]	陈涛, 李国兰, 付慧杰, 朱松发, 宋文静, 张亚丽, 于可可. 外源钾肥影响碳氮积累并改善烟草幼苗低温抗性[J]. 湖北农业科学, 2025, 64(7): 36-39.
[11]	陈雪婷, 张建军, 何承砚. 熵权法联合星点设计-响应面法优选薄荷超微粉碎工艺优化[J]. 湖北农业科学, 2025, 64(6): 161-166.
[12]	林琳, 高肇天, 丁一家, 胡小龙, 张中彬. LSTM和EnKF在农业土壤降雨径流模拟中的应用[J]. 湖北农业科学, 2025, 64(5): 70-79.
[13]	谢琪, 张太红, 刘海朋. 基于iTransformer与LSTM模型融合的农场气温多步预测[J]. 湖北农业科学, 2025, 64(5): 134-140.
[14]	田宇, 崔东文. TVFEMD寻优分解与智能算法优化的FLN土壤含水量预测[J]. 湖北农业科学, 2025, 64(5): 147-154.
[15]	马滇璟, 赵家松, 严伟榆, 段光俊, 刘振洋, 吴绍天. 基于Stacking集成算法的中国南方地区粮食产量预测[J]. 湖北农业科学, 2025, 64(5): 155-159.

气候变化背景下道地蕲艾头茬单产对气象因子的响应与预测

Response and prediction of first-harvest yield in geo-authentic Qiai (Artemisia argyi) to meteorological factors under climate change

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价