全 文 ：中国生态农业学报 2009年 1月 第 17卷 第 1期
Chinese Journal of Eco-Agriculture, Jan. 2009, 17(1): 94−99


* 国家自然科学基金项目(30671722)资助
** 通讯作者: 杨晓晖(1968~), 男, 博士, 副研究员, 主要研究方向为荒漠化防治与景观生态学。E-mail: yangxh@forestry.ac.cn
喻泓(1969~), 男, 博士生, 主要从事森林生态学研究。E-mail: jgsyuhong@sohu.com
收稿日期: 2007-11-09 接受日期: 2008-04-23
DOI: 10.3724/SP.J.1011.2009.00094
河南鸡公山茶园春茶产量与小气候关系研究*
喻 泓 1 王贤赟 2 杨晓晖 1** 李海涛 3 肖曙光 4 杜化堂 4 侯正辉 4
(1. 中国林业科学研究院林业研究所 国家林业局林木培育重点实验室 北京 100091; 2. 北京市门头沟区西峰寺林场 北京 102300;
3. 中国科学院地理科学与资源研究所 北京 100101; 4. 河南鸡公山国家级自然保护区管理局 信阳 464133)
摘 要 小气候因子对春茶产量有着重要影响, 建立其相关关系可以更好地为春茶的生产管理服务。本文测
定记录了春茶生产期间 18个小气候因子及每天茶叶的产量, 应用多元统计分析方法建立了春茶产量与小气候
因子的回归模型, 并对茶树生长的小气候因子进行聚类分析和因子分析, 以找出决定春茶产量的小气候因子
及其组合。结果表明, 春茶产量与大多数小气候因子间具有显著的线性回归关系, 可以此对春茶产量进行预测
预报。另外, 采用逐步回归方法剔除次要的自变量因子, 保留对春茶产量影响较大的小气候因子, 最少可用 7
个自变量进行回归拟合。聚类分析可以把茶园小气候因子划分为表征水、热特征的 4类。因子分析也表明, 温
度、水分及其组合是诸环境变量的公因子, 具有较大的载荷。研究表明, 采用较少的环境因子, 回归模型仍具
有显著性, 这样可有效降低环境因子的监测和生产管理成本, 为有计划地安排春茶生产和提高经济效益服务。
关键词 茶园 小气候 气候因子 回归模型 春茶 产量
中图分类号: Q948.1 文献标识码: A 文章编号: 1671-3990(2009)01-0094-06
Relationship between microclimatic factors and yield of spring tea
[Camellia sinensis (L.) O. Kuntze] in Henan Jigongshan Nature Reserve
YU Hong1, WANG Xian-Yun2, YANG Xiao-Hui1, LI Hai-Tao3, XIAO Shu-Guang4, DU Hua-Tang4,
HOU Zheng-Hui4
(1. Forestry Research Institute, Chinese Academy of Forestry, Key Laboratory of Tree Breeding and Cultivation, State Forestry Ad-
ministration, Beijing 100091, China; 2. Xifengsi Forestry Farm, Mentougou District, Beijing 102300, China; 3. Institute of Geo-
graphical Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; 4. Henan Jigongshan
National Nature Reserve Administrative Bureau, Xinyang 464133, China)
Abstract Microclimatic factors have significant effects on yield of spring tea. Regression relations derived from these factors are
crucial for the management of spring tea. 18 microclimatic factors and tea outputs were measured during spring tea harvest season.
The relationships between yield of spring tea and microclimatic factors were explored. Using the multiple stepwise regression analy-
sis, empirical yield models of spring tea were fitted to microclimatic factors, achieving a high confidence level. These models with
different factors show similar and significant regression trends. Eighteen microclimatic factors are categorized into four groups
through cluster analysis. Factor analysis indicates that common microclimatic factors of the environment variables are temperature,
water and their combination factor, which own bigger load. In conclusion thus, an economic method can be established through
measuring fewer microclimatic factors with significant regression models. Such economic methods can achieve similar outcomes
with fewer investment, management and processing of spring tea. This can significantly benefit spring tea cultivation and economy.
Key words Tea garden, Microclimate, Climatic factors, Regression model, Spring tea, Yield
(Received Nov. 9, 2007; accepted April 23, 2008)
我国是茶树[Camellia sinensis (L.) O. Kuntze]的
原产地, 栽培历史达三千多年[1]。鸡公山位于有悠久
种茶历史的豫南信阳茶区, 20世纪 50年代, 该茶区
所产的信阳毛尖被评为中国十大名茶。虽然该区为
第 1期 喻 泓等: 河南鸡公山茶园春茶产量与小气候关系研究 95


茶树的次适宜区 [2], 但它处于北亚热带向暖温带过
渡带, 云雾及土壤条件均适合茶树生长和名茶的生
产[3]。
环境对茶树的影响是其各个生态因子综合作用
的结果, 从中找出茶树生长最佳的生态因子及其调
控措施, 可为高产优质茶树的栽培管理提供依据[4]。
温度、光照和水分等在茶树生长发育过程中起着重
要作用[5−7], 但极端的高温、低温和干旱等对茶树生
长不利, 且对茶叶的品质和产量也有很大影响[2]。茶
园小气候 [8]、茶园立体种植对小气候的影响等研
究 [9−11]得到了人们的广泛关注 , 也有关于小气候对
茶树生长影响的研究[12, 13], 但茶树的多环境因子与
同期产量关系的研究并不多见。在我国四季分明的
长江流域产茶地区, 优质名茶的产量主要集中于春
茶, 占全年产量的 60%~70% [2]。本文从效益较高的
春茶入手 , 研究多环境因子与其产量的关系 , 为春
茶的生产和提高经济效益服务。
1 材料与方法
1.1 试验地自然概况
试验在河南省鸡公山国家级自然保护区的茶叶
试验园内进行 , 31°46′Ｎ , 114°02′E 附近 , 海拔
250~350 m, 为典型的北亚热带向暖温带过渡的气
候类型。全年太阳总辐射为 4 928.7 MJ·m−2, 年总
日照时数为 2 063.3 h, 多年平均气温 15.2 ℃, 极端
最高气温 40.9 ℃, 极端最低气温−20.0 ℃, ≥10 ℃
的活动积温为 4 881.0 ℃, 无霜期 220 d, 年平均降
水量 1 118.7 mm, 空气干燥度 0.84, 年平均风速
2.1 m·s−1。土壤类型为山地黄棕壤, pH值为 5.0~6.5,
地带性植被为北亚热带东部偏湿性常绿落叶阔叶林。
1.2 材料和方法
试验在 2003年春季春茶生产期间进行。试验地
茶树于 1993 年定植, 密度为 5 丛·m−2, 平均高为
80 cm, 盖度为 70%, 面积 20 hm2, 坡度 5°~18°, 茶
树定植前植被为落叶阔叶林。用自动气象站(Davis
Vantage pro plus, Davis Instruments Corp., San Fran-
cisco, USA)测定记录茶园内的小气候因子, 在茶叶
开采的前 3 天(2003 年 3 月 29 日)把自动气象站(包
括土壤站)安装在茶园中。自动气象站测定温度、湿
度、风速、风向、气压、太阳辐射、降雨量, 同时
测定 10 cm、20 cm、30 cm、40 cm深度的土壤温度
和土壤水势, 记录间隔为每 30 min 1次, 无线传输
到数据采集器内。同时统计茶园每天的产量(指干
茶重量), 折合成单位面积产量(kg·hm−2)。采样从
2003 年 4月 1 日开始到 4月 24 日春茶生产结束时
停止。数据在 MATLAB 6.5和 SAS9.0上进行统计
分析[14−16]。
2 结果与分析
2.1 茶叶产量与各环境因子的一元回归分析
在适宜的环境条件下, 茶树能正常地生长发育,
反之则影响茶树的生长发育[2,4]。表征热、水、光的
小气候因子与茶叶产量有着不同的关系, 有些因子
直接作用于茶树, 有些则通过其他因子间接地作用
于茶树。
通过茶叶产量与 18 个小气候环境因子的一元
回归分析可以看出(表 1), 降雨量、30 cm土壤水势、
40 cm土壤水势 3个环境因子的回归模型不显著; 最
大风速、太阳辐射、露点温度和 40 cm 土壤温度 4
个环境因子的回归模型在 0.05 水平上显著; 气温、
最高气温、最低气温、平均风速、气压、相对湿度、
10 cm土壤水势、20 cm土壤水势、10 cm土壤温度、
20 cm土壤温度、30 cm土壤温度 11个环境因子的
回归模型在 0.01水平上显著。在回归显著的模型中,
气温、最高气温、最低气温、平均风速、最大风速、
太阳辐射、露点温度、10 cm土壤水势、20 cm土壤
水势、10 cm土壤温度、20 cm土壤温度、30 cm土
壤温度、40 cm土壤温度 13个环境因子都与产量呈
正相关, 而气压和相对湿度 2 个环境因子与产量呈
负相关。
2.2 茶叶产量与环境因子的逐步回归分析
逐步回归首先将所有观测记录的环境因子与茶
叶产量之间进行多元回归分析, 然后再从全部自变
量中逐步剔除显著性最差的因子, 即从剩余标准差
最大的模型开始, 按照每剔除 1 个变量剩余标准差
减少最小的原则逐步剔除变量, 在剩余标准差不再
显著变小或 F 值不再显著变大时结束。逐步回归的
结果表明(表 2), 每次剔除变量后, 剩余的环境因子
与产量进行多元回归的相关系数(R2)变化不大 ; 其
剩余标准差(RMSE)随着剔除变量的增加越来越小 ,
到连续剔除掉 11个变量后变为最小; 统计量 F值随
着剔除变量的增加而越来越大, 直至连续剔除掉 11
个变量时其增加趋于平缓。
从逐步回归分析中自变量因子的剔除过程可
知 ,一元回归中不显著的因子在逐步回归中也被剔
除掉 ; 除 40 cm 土壤温度因子外 , 一元回归中在
0.05 水平上显著的因子在逐步回归中也被剔除掉;
而在 0.01水平上显著的因子如气压、风等因子也被
剔除掉。茶树的小气候环境因子对其生长发育的作
用是多因子综合作用的结果, 茶树对其不同的组合
方式产生不同响应, 从而表现在茶叶的产量和品质
上的不同。
96 中国生态农业学报 2009 第 17卷


表 1 茶叶产量与 18个环境因子一元回归分析
Tab. 1 Simple linear regression analysis between outcome of tea and each of 18 microclimatic variables
自变量
Independent variable
回归系数 b0/b1
Regression coefficient
置信区间
Confidence interval
R2 P值
P value
气温 Temperature (℃) −0.085 5
0.996 3
−0.704 6
0.950 7
0.533 5
1.041 9 1.000 0 0
**
最高气温 Highest temperature (℃) 1.742 2 0.633 2
−1.284 7
0.468 1
4.769 2
0.798 3 0.742 0 0
**
最低气温
Lowest temperature (℃)
4.872 1
0.912 0
2.733 6
0.688 5
7.010 7
1.135 5 0.765 0 0
**
降雨量
Rainfall (mm)
13.310 1
−0.121 2
11.220 0
−0.330 1
15.400 2
0.087 8 0.061 7 0.241 9
平均风速
Average wind speed (m·s−1)
9.800 4
3.165 5
7.346 4
1.134 9
12.254 3
5.196 2 0.322 1 0.003 8
**
最大风速
Highest wind speed (m·s−1)
7.259 5
0.7085
2.557 7
0.140 4
11.961 2
1.276 6 0.233 2 0.016 8
*
气压
Air pressure (mb)
699.618 2
−0.678 8
340.000 0
−1.000 0
1 059.300 0
−0.300 0 0.416 3 0.000 7
**
太阳辐射
Solar radiation (J·cm−2)
9.930 1
0.000 5
7.136 2
0.000 1
12.723 9
0.000 9 0.235 1 0.016 3
*
相对湿度
Humidity (%)
29.362 6
−0.213 6
20.790 5
−0.322 3
37.934 6
−0.105 0 0.430 6 0.000 5
**
露点温度
Dew point temperature (℃)
8.827 0
0.669 7
5.458 5
0.166 6
12.195 4
1.172 7 0.257 3 0.011 4
*
10 cm土壤水势
10 cm soil water potential (mb)
5.351 8
2.152 4
2.793 7
1.479 7
7.909 9
2.825 1 0.666 8
0**

20 cm土壤水势
20 cm soil water potential (mb)
−0.976 8
3.380 3
−4.890 1
2.448 6
2.936 5
4.312 0 0.720 1 0
**
30 cm土壤水势
30 cm soil water potential (mb)
6.279 7
4.059 9
−1.049 4
−0.408 8
13.608 9
8.528 5 0.138 9 0.072 8
40 cm土壤水势
40 cm soil water potential (mb)
8.812 7
1.018 3
−10.572 2
−3.981 7
28.197 6
6.018 3 0.008 0 0.676 9
10 cm土壤温度
10 cm soil temperature (℃)
−8.512 0
1.542 0
−12.792 8
1.236 6
−4.231 2
1.847 4 0.832 9 0
**
20 cm土壤温度
20 cm soil temperature (℃)
−11.288 9
1.768 6
−19.557 0
1.166 1
−3.020 8
2.371 0 0.627 5 0
**
30 cm土壤温度
30 cm soil temperature (℃)
−11.238 5
1.762 2
−24.527 3
0.791 8
2.050 4
2.732 6 0.392 0 0.001 1
**
40 cm土壤温度
40 cm soil temperature (℃)
−7.617 4
1.519 3
−25.957 6
0.156 6
10.722 8
2.882 0 0.195 5 0.030 5
*
*为 0.05水平显著, **为 0.01水平显著。* and ** indicate significant difference at 0.05 and 0.01 level respectively.
表 2 茶叶产量与环境因子之间逐步回归过程
Tab.2 Process of stepwise regression between tea outcome and microclimatic variables
序号
No.
顺序剔除掉的变量
Removed variable by order
剩余标准差
Root mean square error
相关系数平方 R2
Square correlation coefficient
统计量 F
Statistics
P值
P value
1 太阳辐射 Solar radiation (J·cm−2) 0.202 8 0.999 4 637.1 2.39E-08
2 10 cm土壤温度 10 cm soil temperature (℃) 0.187 8 0.999 4 789.7 8.08E-10
3 降雨量 Rainfall (mm) 0.178 2 0.999 4 935.1 2.79E-11
4 气压 Air pressure (mb) 0.173 6 0.999 4 1 056 1.06E-12
5 露点温度 Dew point temperature (℃) 0.169 0 0.999 4 1 200 3.71E-14
6 最低气温 Lowest temperature (℃) 0.162 3 0.999 3 1 409 9.99E-16
7 最大风速 Highest wind speed (m·s−1) 0.162 3 0.999 3 1 538 0
8 40 cm土壤水势 40 cm soil water potential (mb) 0.156 1 0.999 3 1 828 0
9 20 cm土壤温度 20 cm soil temperature (℃) 0.150 5 0.999 3 2 185 0
10 30 cm土壤温度 30 cm soil temperature (℃) 0.145 4 0.999 3 2 633 0
11 平均风速 Average wind speed (m·s−1) 0.145 0 0.999 2 3 025 0
第 1期 喻 泓等: 河南鸡公山茶园春茶产量与小气候关系研究 97


2.3 茶叶产量与环境因子间 3种回归模型的比较
从表 2 剩余标准差(RMSE)和统计量(F)值可以
看出, 其增减变化在顺序剔除 7个自变量时出现了 1
个拐点值。因此, 按照表 2 顺序剔除自变量因子后
再进行多元回归分析, 以建立不同的回归模型。3种
回归模型(全部自变量因子、11个自变量因子、7个
自变量因子)的比较表明 , 它们都具有显著线性关
系。用全部自变量来拟合回归方程, 其回归平方和
较大, F 值也较大, 但得到的方程稳定性差, 作为预
测值的可靠性差、精度低; 另外, 较多自变量因子的
测定记录也会增加试验成本。7 个自变量因子的多
元回归模型仍具有显著线性关系, 说明在测定环境
因子个数较少的情况下, 回归模型还有很好的拟合
效果, 大大减少了试验规模。本研究中, 从现有的试
验数据进行拟合回归看, 11 个自变量拟合回归模型
显著,其利用数据的信息较其他二者高, 是实际中可
以接受的一种回归模型。
春茶产量与茶园小气候因子的多元线性回归模
型可表示为:
y=b0+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7+b8x8+
b9x9+b10x10+b11x11+b12x12+b13x13+b14x14+b15x15+
b16x16+b17x17+b18x18 (1)
式中, 方程的自变量与因变量分别为: 气温 x1、最高
气温 x2、最低气温 x3、降雨量 x4、平均风速 x5、最
大风速 x6、气压 x7、太阳辐射 x8、相对湿度 x9、露
点温度 x10、10 cm土壤水势 x11、20 cm土壤水势 x12、
30 cm土壤水势 x13、40 cm土壤水势 x14、10 cm土
壤温度 x15、20 cm土壤温度 x16、30 cm土壤温度 x17、
40 cm土壤温度 x18及茶叶产量 y。3种类型多元线性
回归方程为:
回归方程 1 (18个小气候因子):
y=11.943 1+1.093 5x1−0.044 7x2−0.062 9x3−0.001 0x4+
0.093 6x5−0.035 9x6−0.015 7x7−0.000 04x8+
0.026 1x9+0.013 1x10+0.139 0x11−0.127 0x12−
0.002 3x13−0.091 2x14+0.231 7x15+0.023 2x16−
0.691 8x17+0.640 9x18
(R2=0.999 5, F=526.333 2, P=0) (2)
回归方程 2(11个小气因子):
y=−5.306 9+1.078 1x1−0.027 7x2−0.075 3x5+0.032 5x9+
0.119 9x11−0.152 5x12+0.190 0x13−0.024 2x14+
0.029 6x16−0.046 4x17+0.180 4x18
(R2=1.0, F=1 538.3, P=0) (3)
回归方程 3(7个小气候因子):
y=−5.208 6+1.071 6x1−0.021 8x2+0.034 2x9+
0.091 0x11−0.089 3x12+0.107 8x13+0.130 3x18
(R2=1.0, F=3 025.0, P=0) (4)
在满足回归方程显著性的条件下, 回归方程 3
(含 7 个小气候因子)因具有较少的小气候因子而更
具有实用性。另外, 从逐步回归结果看, 方程 3中的
自变量可归类为温(x1、x2、x18)、湿(x9、x11、x12、x13)
两大因子, 它们也是植物生长发育过程中的重要环
境因子, 进而说明温度和水分是决定春茶产量的关
键因素; 其中, 温度因子又可分为空气温度(x1、x2)
和土壤温度(x18)两类 , 而水分因子可分为空气水分
(x9)和土壤水分(x11、x12、x13)两类。因此, 回归方程
3中的自变量均为表征空气和土壤的温、湿度因子。
而空气和土壤是茶树生长不可缺少的环境和基质 ,
也是茶树营养物质的源泉 ; 温度和湿度是茶树年
生长发育初期的决定性因子, 故逐步回归方程 3以
表征春茶生长的温、湿度因子来预测其产量合适且
可行。
2.4 茶园小气候因子的聚类分析
采用主分量聚类分析法[17, 18]对茶园 18 个小气
候因子进行聚类分析, 从全部变量为一类时开始整
个聚类分析过程, 直到主分量解释的方差大于 0.75
时停止。从 18个小气候因子的主分量法聚类分析过
程可以看出(图 1), 当其被分为 4 类时, 满足主分量
聚类分析条件(主分量解释的方差为 0.727 2), 而分
为 5 类时主分量解释的方差为 0.776(大于 0.75), 聚
类分析过程可以停止。因此, 18个小气候因子分为 4
类是合适的。聚类分析表明(图 1), 10 cm、20 cm、
30 cm、40 cm的土壤水分因子被归为一类, 它们可
以认为是表征“土壤水分”的因子; 太阳辐射、相
对湿度、气温、最高气温和降雨量 5 个因子被归为
一类, 它们可以看作是“空气的温、湿”因子; 10 cm
土壤温度、20 cm土壤温度、30 cm土壤温度、40 cm

图 1 18个变量的谱系聚类图
Fig. 1 The clustering tree of 18 microclimatic variables
S为土壤 Soil; moist为水势 Moisture; temp为温度 Temperature; H
为最高 Highest; L为最低 Lowest; Solar为太阳辐射 Solar radiation;
Rain为降雨量 Rainfall; Bar为大气压 Air pressure; Dew为露点温度
Dew point temperature; Average为平均; wind为风速Wind speed.
98 中国生态农业学报 2009 第 17卷


土壤温度、大气压、最低气温和露点温度 7 个因子
被归为一类, 它们可以看作是“土壤温度和大气低
温”因子; 平均风速和最高风速 2 个因子被归为一
类, 可把它们认为是“风”因子。聚类分析结果表
明 , 具有相同特征的小气候因子(如土壤湿度等)被
聚为一类, 直接或间接表征相似环境特征的小气候
因子(如温、湿度)有较近的距离。因此, 每一聚类类
型都反映了茶树生长过程中的温、湿度因子, 这与
逐步回归方程中自变量的组合相符。
2.5 茶树环境变量的因子分析
运用因子分析的方法[19, 20]研究茶树生长的 18
个小气候环境变量与茶叶产量之间的关系, 通过极
大似然法找出其公因子, 以进一步说明影响茶叶产
量的主导因素及其组合方式。从因子分析过程可以
看出(表 3), 当有 11个公因子时, P值为 0.010 7, 即
在 0.01水平上接受公因子有 11个的零假设, 而大于
或小于 11个公因子时均被拒绝。
表 3 环境变量的因子分析
Tab. 3 Factor analysis of microclimatic variables
公因子数
Amount of
factors
误差自由度
Degree of
freedom error
统计量 Х2
Statistics
P值
P value
9 27 90.629 3 8.423 2e-009
10 18 47.376 3 1.862 8e-004
11 10 23.014 3 0.010 7
12 3 12.881 5 0.004 9

从因子载荷表可以看出(表 4, 仅列出前 5 个因
子), 前 5 个因子有较大的载荷, 后面 6 个因子的载
荷很小, 因此其贡献也很小。其中因子 1 在变量气
温(0.717 5)、最高气温(0.826 9)、太阳辐射(0.832 0)、
相对湿度(−0.846 0)上有较大的载荷, 说明因子 1可
以看作“温湿度”; 因子 2 在变量 20 cm 土壤温度
(0.725 6)、30 cm土壤温度(0.804 6)、40 cm土壤温
度(0.824 1)上有大的载荷, 因此因子 2 可以认为是
“土壤温度”; 因子 3较大的载荷是最低气温(0.690 9)
和露点温度(0.764 6), 它可以被认为是“低温”; 因
子 4可以看作“30 cm土壤水势(0.750 8)”, 因为只
有此变量上有大的载荷; 因子 5 仅在 40 cm 土壤水
势(0.640 8)上有大的载荷; 因子 6 及其余因子在所
有变量上的载荷都比较小。另外, 从因子载荷表还
可看出, 没有一个变量在多于 1 个因子上有大的载
荷, 平均风速、最大风速、大气压、10 cm土壤水势、
20 cm土壤水势、10 cm土壤温度在所有因子上都没
有很大的载荷。
3 小结与讨论
茶树的环境因子与其产量之间有不同的关系。
逐步回归分析表明, 剔除一些因子后回归模型仍显
著, 但剔除的变量也并不是按照相关性显著水平高
低的顺序进行的; 在逐步回归的过程中, 太阳辐射
(0.05水平显著)和 10 cm土壤温度(0.01水平上显著)
表 4 环境变量的因子载荷
Tab. 4 Factor loadings of multivariate
因子 Factor 变量 Variable
1 2 3 4 5
气温 Temperature (℃) 0.717 5 0.263 5 0.471 7 0.281 9 0.030 6
最高气温 Highest temperature (℃) 0.826 9 0.280 3 0.209 1 0.105 7 0.065 8
最低气温 Lowest temperature (℃) 0.334 9 0.360 8 0.690 9 0.319 1 −0.091 5
降雨量 Rainfall (mm) −0.425 1 0.646 3 −0.194 2 −0.119 1 −0.018 6
平均风速 Average wind speed (m·s−1) 0.252 3 0.576 3 0.163 5 0.536 9 0.145 5
最大风速 Highest wind speed (m·s−1) 0.281 1 0.519 9 0.024 7 0.520 9 0.151 2
气压 Air pressure (mb) −0.157 7 −0.590 0 −0.386 2 −0.350 7 −0.280 7
太阳辐射 Solar radiation (J·cm−2) 0.832 0 −0.052 9 −0.118 5 −0.045 0 0.076 6
相对湿度 Humidity (%) −0.846 0 0.034 5 0.046 1 −0.282 1 −0.110 1
露点温度 Dew point temperature (℃) −0.089 6 0.274 8 0.764 6 0.101 0 −0.169 3
10 cm土壤水势 10 cm soil water potential (mb) 0.583 5 0.266 9 0.339 8 0.501 6 0.146 9
20 cm土壤水势 20 cm soil water potential (mb) 0.533 4 0.230 0 0.474 9 0.484 9 −0.027 8
30 cm土壤水势 30 cm soil water potential (mb) 0.080 7 −0.035 6 0.185 6 0.750 8 0.202 1
40 cm土壤水势 40 cm soil water potential (mb) 0.154 5 −0.022 5 −0.209 5 0.322 5 0.640 8
10 cm土壤温度 10 cm soil temperature (℃) 0.592 7 0.580 2 0.445 9 0.151 4 −0.000 5
20 cm土壤温度 20 cm soil temperature (℃) 0.431 5 0.725 6 0.409 0 0.118 0 −0.017 2
30 cm土壤温度 30 cm soil temperature (℃) 0.206 4 0.804 6 0.396 1 0.085 1 −0.055 9
40 cm土壤温度 40 cm soil temperature (℃) 0.017 0 0.824 1 0.343 4 0.053 0 −0.094 6
第 1期 喻 泓等: 河南鸡公山茶园春茶产量与小气候关系研究 99


首先被剔除掉; 回归模型不显著的变量 30 cm 土壤
水势在逐步回归模型中仍然保留下来; 经逐步回归
连续剔除掉 11个因子后, 保留下来的环境因子主要
是表征热量和水分的温、湿度因子。
聚类分析表明, 18个环境变量可分为 4类, 聚类
分析中的“空气中的水分”、“土壤水分”、“土壤温
度和低温”及“风”4 种类型, 都是表征环境的水热
因子。因子分析也表明不同的环境因子之间有其共同
的成分, 即“水、热”因子是其公共的部分, 这与逐
步回归和聚类分析的结果相吻合。在诸多作用因子中,
有些因子(如太阳辐射、降雨等)通过其他因子间接起
作用, 有些因子(如气温、土壤水势等)直接影响春茶
的产量。因此, 温度、水分及其不同的组合是决定茶
叶产量的关键因素, 在生产上应给予足够的重视。
另一方面 , 茶树在形成产量和品质的过程中 ,
内部的物质代谢、外部的形态结构都有特定的规律
和特点, 并受到周围许多因子的制约[2]。因此, 茶叶
的产量和品质主要受茶树品种、气候土壤条件、栽
培管理措施及鲜叶采摘加工等诸多因素的影响。并
且, 由于茶树的生命周期和生长发育的年周期不同,
茶叶产量也表现出明显的差异。为实现茶叶生产的
丰产、优质、高效, 不仅需要研究影响春茶产量的
环境条件, 还应研究一年中夏、秋茶生产的环境条
件; 另外, 还需要研究品种、栽培管理及采摘加工管
理措施等因素与产量的关系。事实上, 春茶产量还
与前期(如上一年等)的气候条件、土壤营养条件、生
产管理(如采摘、加工等)等诸多因素有密切关系, 春
茶产量与诸多自然和生产管理等综合因素的关系还
有待进一步深入研究。
参考文献
[1] 浙江农业大学. 茶树栽培学(第 2 版)[M]. 北京: 农业出版
社, 1988: 1, 83, 89−91
[2] 中国农业科学院茶叶研究所 . 中国茶树栽培学[M]. 上海 :
上海科学技术出版社, 1986: 8−48, 128−142, 234−247
[3] 龚新 , 袁国强 . 信阳茶区茶叶生长的生态环境浅析[J]. 地
域研究与开发, 1998, 17(4): 94−96
[4] 王镇恒 . 茶树生态学 [M]. 北京 : 中国农业出版社 , 1995:
3−9, 100−115
[5] 梁月荣. 绿色食品茶叶生产顶尖指南[M]. 北京: 中国农业
出版社, 2004: 12
[6] 璠施嘉 . 茶树栽培生理学 [M]. 北京 : 农业出版社 , 1992:
1−12, 143−152
[7] 庄晚芳. 茶树生理[M]. 北京: 农业出版社, 1984: 109−130
[8] 黄寿波. 茶园小气候特征[J]. 农业气象, 1983, 4(4): 35−39
[9] 黄晓澜 , 丁瑞兴 . 亚热带丘陵区茶林复合系统小气候特征
研究[J]. 生态学报, 1991, 11(1): 7−12
[10] 丁瑞兴 , 黄晓澜 , 周亚军 . 茶园间植乌桕的气候生态效应
[J]. 应用生态学报, 1992, 3(2): 131−137
[11] 黄寿波 , 范兴海 , 傅懋毅 , 等 . 不同林-茶栽培模式小气候
特征研究[J]. 林业科学研究, 1994, 7(1): 93−100
[12] 田永辉, 梁运发, 王国华, 等. 人工生态茶园生态效应研究
[J]. 茶叶科学, 2001, 21(2): 170−174
[13] 于仲吾 , 尹连荣 , 刘新华 . 气候变暖对茶叶生产的影响[J].
茶叶, 2002, 28(3): 162−163
[14] Johnson R. A., Wichem D. W.//陆璇译.实用多元统计分析
[M].北京: 清华大学出版社, 2001: 347−367
[15] 唐守正 .多元统计分析方法 [M]. 北京 : 中国林业出版社 ,
1986: 102−111
[16] 赵静 , 但琦 . 数学建模与数学实验[M]. 北京: 高等教育出
版社, 2002: 199−222
[17] 高惠璇. 实用统计方法与 SAS系统[M]. 北京: 北京大学出
版社, 2001: 243−255
[18] 王学民. 应用多元分析(第 2 版)[M]. 上海: 上海财经大学
出版社, 2004: 192−229
[19] 徐氏基金会编辑部. 应用之多变量统计学[M]. 北京: 世界
图书出版公司, 1989: 338−361
[20] M.肯德尔著//中国科学院计算中心概率统计组译 . 多元分
析[M]. 北京: 科学出版社, 1983: 59−75