陕西苹果主产县花期冻害风险评估*

2020-06-28王明昌刘布春杨晓娟邱美娟

中国农业气象 2020年6期

王明昌，刘布春，刘园，杨晓娟，韩帅，邱美娟，李琼

（1.中国农业科学院农业环境与可持续发展研究所/作物高效用水与抗灾减损国家工程实验室/农业农村部农业环境重点实验室，北京 100081；2.中国再保险集团博士后科研工作站，北京 100033；3.中国农业保险再保险共同体，北京 100033）

春季物候期是植物生长发育的关键期和脆弱期，此时也是冷空气频繁侵袭的时段，因此春季物候期能否成功避开冻害决定植物能否适应未来气候变化。19 世纪以来，以变暖为主要特征的全球气候变化已经成为不争的事实[1]。在气候变暖背景下，很多研究报道了全球普遍性的春季物候和终霜日提前的现象[2-7]。中国的物候观测资料也显示温带地区植物春季物候和终霜日普遍提前的趋势[8-10]。在植物春季物候期和春季终霜日均存在提前的情况下，植物春季冻害风险存在较大的不确定性。因此，只有同步对比分析春季物候期和冻害终日的变化趋势，才能更准确地判断春季冻害风险的变化趋势[11]。

在研究过程中，对气象数据的记录通常较为完善，而植物物候数据较为匮乏，而且还存在时间序列短、缺测严重等问题，难以进行植物物候期趋势分析。因此，利用物候模型延长物候时间序列、插补缺失数据，是分析物候变化趋势的主要途径[11]。常见的物候模型主要分为统计模型和过程模型。其中过程模型又称动态模型或机理模型，这类模型着重从机理上探讨物候期发生条件，能够较准确地预测气候对物候期的影响，在研究物候对气候变化的响应中得到广泛应用[13-14]。目前木本植物物候的过程模型主要有7 种，分别是顺序模型（Sequential model）、平行模型（Parallel model）、深休眠模型（Deepening rest model）、四阶段模型（Four phase model）、热时模型（Thermal time model）、交互模型（Alternating model）和感光灵敏模型（Photo sensitivity model）[15]。在这些模型中，热时模型由于参数简单，并且方差解释率和准确率较高，已被广泛用于重建过去气候变化、预测树种分布范围变化、预测未来植物的物候变化并进行灾害风险评估等多方面[16-18]。热时模型在国内的物候研究中也有广泛的应用，仲舒颖等利用热时模型重构了中国42 个物候观测站1962-2013年桃、杏、紫荆和紫丁香四种植物的花期物候，发现这四种植物的花期均显著提前，提前趋势在0.95～1.61d·10a-1[12]；戴君虎等利用热时模型重构了中国温带季风区12 个物候观测点1963-2009年多种木本植物始花期，同时结合气象数据对研究区花期冻害风险进行了分析，结果发现研究区植物花期霜冻风险在降低，且存在显著的区域差异[11]。

陕西省地处黄土高原地区，是优质苹果种植区和苹果主产省。该省的苹果产量约占全球产量的1/8，占全国产量的1/3，苹果产业为当地经济发展和农民脱贫致富做出了重大贡献。陕西省是苹果种植的优势生态区，同时也是花期冻害的高发区，花期冻害成为影响陕西苹果产量和品质最严重的自然灾害之一[19]。陕西苹果主产区的花期在3-4月，受大陆性季风气候控制，此时正是冷空气过程最为频繁的时段，据统计，全年约40%的强降温天气发生在此时段，由此导致花期冻害风险较高[20]。研究表明，受气候变暖的影响，陕西省苹果花期显著提前。陕西省经济作物气象服务台的物候观测和调查资料显示，2000年以来陕西省苹果花期普遍比20 世纪80年代提前5～7d，个别年份及局部地区甚至提前7～10d。但是苹果花期提前是否增加花期冻害尚无定论，多数研究认为开花期提前使花期冻害的发生概率增大[21-23]；但也有研究认为由于气候变暖，陕西苹果花期适宜度上升，花期冻害呈现减少趋势，冻害风险下降[24]。

目前，国内围绕苹果花期冻害风险开展了大量研究，这些研究主要集中在两个方面：一是细化苹果花期冻害气象指标并开展花期冻害风险空间分析[19-20,25]；二是分析苹果始花期与气象因子的关系，建立苹果始花期的统计或过程物候模型，进而开展苹果花期的预测研究[14,26-27]。随着陕西省苹果花期物候数据的不断积累，用于修订模型的数据不断增加，物候模型的准确度已经显著提高[26-27]，为延长和插补苹果始花期序列并分析苹果花期冻害风险变化趋势奠定了数据基础。本研究通过热时模型利用日平均气温延长并插补陕西省礼泉和旬邑两个苹果基地县1967-2018年富士苹果始花期时间序列，利用日最低气温提取不同等级冻害终日时间序列，同步分析苹果花期物候和冻害终日时间序列的变化，以期对两地苹果花期冻害风险进行更加精准的评估，为未来气候变化背景下苹果种植过程中趋利避害、采取合理应对措施提供科学依据。

1 资料与方法

1.1 研究区概况

礼泉和旬邑均为优质苹果生产基地县。两县苹果种植品种以富士系（Fuji）为主，该品种的种植面积占比超过所有苹果种植面积的70%[28]。礼泉县地处陕西省关中平原和渭北旱塬交汇地带，海拔402-1467m，年日照时数 2215.8h，年平均气温12.9°C，极端最低气温-20.8°C，极端最高气温41.6°C，无霜期214d，年平均降水量534mm；旬邑县地处陕西省渭北黄土高原沟壑区，海拔850-1885m，年日照时数2390h，年平均气温9.0°C，极端最低气温-28.2°C，极端最高气温38.0°C，无霜期180d，年平均降水量606mm。

1.2 数据来源

礼泉县和旬邑县富士苹果始花期物候数据来自两部分，2008-2014年数据来源于陕西省经济作物气象服务台的物候观测，始花期定义为花蕾露红10%的日期[29]；2008年之前，礼泉县苹果花期物候数据来自该县果农李忠孝先生的观测记录（1973-1974、1976、

1980、1982-1983、1989、1992、1998、2000-2001、2003-2004 和2007年），旬邑县苹果花期物候数据来自陕西生态观测网（1994-2007年），观测标准与陕西省经济作物气象服务台的物候观测标准一致[27]。礼泉县和旬邑县逐日平均气温和逐日最低气温数据来自国家气候中心。两地气象站的站点信息见表1。

1.3 方法

1.3.1 数据预处理

将每个物候或气温观测值对应的时间转换为年日序（Ordinal day from Jan.1，DOY），即距当年1月1日的累计天数。同时，由于两个气象站点的记录数据在1967年之前缺测较多且数据均一性不足，因此气象数据时间序列长度统一选取1967-2018年。1967-2018年礼泉和旬邑两地气象站缺测数据较少且连续缺测日最多为2d（表2），因此，利用缺测值前后的观测值通过线性内插法对缺失数据进行插补。

表2 1967-2018年日平均气温（Tmean）和日最低气温（Tmin）缺测日期表Table 2 Information of missing daily mean temperature(Tmean) and daily minimum temperature(Tmin) from 1967 to 2018

1.3.2 利用热时物候模型重构苹果始花期序列

为解决礼泉和旬邑两地苹果始花期物候数据连续性不足、时间序列较短的问题，利用两地逐日平均气温通过热时物候模型重构两地苹果始花期物候时间序列。热时物候模型包含t0、Tb和G 三个参数，计算式为[30]

式中，G 为植物发育到指定物候期所需积温（℃·d）；y 是预测的植物物候期（DOY）；xt为第t日的日平均气温（℃）；c(xt)为高于临界温度（Tb）的积温（℃·d），代表植物的发育进程；t0是积温开始日期（DOY）；Tb为始花期发育的临界温度（℃）；当c(xt)的累加达到预先设定的积温阈值G 时，对应的日期即为预测始花期y（DOY）。

模型参数的估计采用最小二乘法原则，在所有可能取值中选择使观测值和模拟值的均方根误差最小的一组参数[12]。最优参数使用差分演化（Differential Evolution）全局优化算法在t0为DOY1～120，Tb为0～10℃，G 为0～1000℃·d 的空间域上寻找，该空间域可以覆盖大部分植物的花期发育阈值[31-32]。该算法在Python 程序中利用pyPhenology包实现[33]。

模型检验通过内部检验和交叉检验进行。内部检验用全部观测年份拟合出的参数模拟物候序列，得到内部检验序列；交叉检验采用逐个剔除法，即将某一年的观测值剔除后，利用其它年份的观测值拟合参数，模拟出被剔除年份的物候期，之后将全部观测值逐一剔除后得到交叉检验序列[14，34]。将观测序列分别与内部检验序列和交叉检验序列对比计算，得到内部检验和外部检验的均方根误差（RMSE）和方差解释量（R2）；同时分别计算模拟序列与观测序列相差≤3d 和≤5d 的准确率（%）。完成检验后，将原始观测序列中的缺测值用模拟结果插补，保留有观测数据的年份，进而得到重构始花期物候序列，用于后续分析[11]。

1.3.3 确定苹果花期冻害指标的温度阈值

苹果花期内不同程度的低温会对苹果生长发育产生不同的影响。王景红等根据苹果开花期低温冻害农业气象指标以及历年苹果花期冻害灾情调查资料，以日最低气温为指数将苹果花期冻害指数划分为重度、中度和轻度三级[35]。三级冻害指标的日最低气温阈值及冻害症状见表3。利用礼泉和旬邑逐日最低气温提取每个地区-2℃、0℃和2℃三个冻害等级上限阈值在每年春季最后一次出现的DOY，形成不同等级冻害终日序列。

1.3.4 对比始花期与各级冻害温度对应终日

使用线性倾向法分析礼泉和旬邑两地始花期重构序列和不同等级冻害终日序列的变化趋势[10]。理论上苹果始花期越早于冻害终日，受冻害的风险会越高；反之，受冻害的风险越低。因此，定义花期冻害风险指数为冻害终日DOY 与始花期DOY 之差，单位为天（d），差值越大，冻害风险越高，反之越低。

2 结果与分析

2.1 两地热时物候模型重构的苹果始花期及其变化

2.1.1 重构苹果始花期的检验

热时物候模型重构的礼泉和旬邑两地苹果始花期及检验结果见表4 和图1，表中显示通过差分演化算法拟合的两地热时物候模型的参数（t0、Tb、G）分别为（43、2.9、415）和（70、2.3、290）。图1中检验结果（表4）显示，两个地区热时模型的模拟结果均通过显著性检验，模拟误差≤3d 的准确率高于75%，≤5d 准确率高于85%，说明热时模型可以用于模拟礼泉和旬邑两地苹果始花期的重构。对比两地的模拟效果可见，礼泉地区优于旬邑地区，礼泉地区模型内部和外部检验的RMSE 均小于旬邑地区，而方差解释量均高于旬邑；在准确率上，礼泉地区模型模拟误差≤3d 和≤5d 的准确率分别为76%和100%，亦高于旬邑地区的71%和86%。

表3 不同等级苹果花期冻害指标阈值及受冻症状Table 3 Freezing injury grade and symptoms describe during flowering period of apple

图1 两地热时物候模型重构苹果始花期与实际始花期的比较Fig.1 Observed first flowering date vs.reconstructed first flowering date using the thermal time model in two main apple- producing counties (Liquan and Xunyi county), Shaanxi province

表4 苹果始花期热时模型参数及模型验证Table 4 Thermal time models’ parameters and validations of apple first flowering date

2.1.2 重构苹果始花期的变化趋势

利用两地逐日平均气温通过热时物候模型重构两地苹果始花期物候时间序列，并分析其线性变化趋势，结果见图2。由图中可见，1967-2018年礼泉和旬邑两地苹果始花期均呈现出显著提前趋势。其中礼泉县苹果始花期提前速率约为 2.8d·10a-1（P＜0.01），始花期自20 世纪70年代的4月17日（DOY107）左右，提前至21 世纪初的4月5日（DOY95）左右，提前约12d；同一时期内，旬邑县苹果始花期提前趋势较礼泉小，提前速率约为0.8d·10a-1（P＜0.05），始花期自20 世纪70年代的4月20日（DOY 110）左右，提前至21 世纪初的4月15日（DOY 105）左右，约提前5d。

图2 1967-2018年重构苹果始花期的年际变化Fig.2 Interannual variation of the reconstructed first flowering date of apple from 1967 to 2018

2.2 两地不同等级致害温度对应终日及其变化

利用两地逐日最低气温提取-2℃、0℃和2℃重、中、轻三个冻害等级上限阈值在每年春季最后一次出现时的日序值，形成不同等级冻害终日序列，结果见图3。由图中可见，1967-2018年礼泉和旬邑两地不同等级冻害终日相对稳定。礼泉地区仅重度冻害终日提前趋势显著，由20 世纪70年代的3月20日（DOY79）左右提前至21 世纪初的3月3日（DOY62）左右，提前约17d，提前速率约为3.3d·10a-1（P＜0.01），而中度和轻度冻害终日均未表现出显著的变化趋势；旬邑地区重度、中度和轻度冻害终日均无显著变化趋势。

图3 1967-2018年两地不同等级冻害上限温度阈值终日的年际变化Fig.3 Interannual variation of last date of different grades freezing injury with upper critical temperature in two sites from 1967 to 2018

2.3 两地苹果花期冻害风险分析

2.3.1 致害温度对应终日与苹果始花期的对比

礼泉和旬邑两地苹果始花期和不同等级冻害终日情况如表5。由表可见，1967-2018年礼泉地区平均苹果始花期约在4月10日（DOY100），而旬邑地区由于海拔较高，温度低，导致平均苹果始花期较礼泉地区晚约7d，约在4月17日（DOY107）。同期礼泉地区不同等级冻害平均终日在 3月 11日（DOY70）-4月5日（DOY95），较苹果始花期早5～25d，说明冻害在花期开始前基本结束，冻害风险较低；而旬邑不同等级冻害平均终日在4月3-28日（DOY93-DOY118），此时也正值苹果花期，因此花期冻害风险较礼泉高。

2.3.2 冻害风险指数分析

本研究冻害风险指数定义为冻害终日DOY与始花期DOY 之差，冻害风险指数＜0 表明致害温度阈值内的冻害天气早于苹果花期结束，苹果花期受冻害风险较低；反之，冻害风险指数≥0 则苹果花期开始后还会出现低温天气，苹果花期受冻害风险较高。在地区差异上，礼泉苹果花期冻害风险明显低于旬邑地区。由表6 可见，1967-2018年礼泉地区重度、中度和轻度冻害风险指数≥0 的占比分别为0%、13%和29%；旬邑地区重度、中度和轻度冻害风险指数≥0 的占比分别为8%、33%和75%，显示旬邑地区苹果花期冻害风险较礼泉地区高。

表5 1967-2018年两地苹果始花期与不同等级冻害终日统计结果Table 5 Statistic result of the first apple flowering date and last date of different freezing injury grades in two sites from 1967 to 2018

在时间变化上，礼泉和旬邑两地冻害风险指数的高低并未呈现出显著变化趋势，但是不同等级冻害风险指数≥0 的次数出现了较大变化（图4）。统计两地1967-1992年和1993-2018年两个时段内冻害风险指数≥0 的次数（表7），表7 显示，礼泉中度和轻度冻害风险指数≥0 的次数分别由1967-1992年的2 次和4 次上升至1993-2018年的5 次和11 次，说明中度和轻度冻害风险上升；旬邑重度和轻度冻害风险指数≥0 的次数分别由1967-1992年的1 次和16 次上升至1993-2018年的3 次和23 次，而中度冻害风险指数≥0 的次数由1967-1992年的10 次下降至1993-2018年的7 次，说明该地区重度和轻度冻害风险上升，而中度冻害风险降低。

表6 1967-2018年两地历年不同等级冻害风险指数＜0、≥0 的频率分布Table 6 Frequency distribution of different grades freezing injury index that ＜0 and ≥0 in two sites from 1967 to 2018

图4 1967-2018年两地不同等级冻害风险指数的年际变化Fig.4 Interannual variation of different grades freezing injury index in two sites from 1967 to 2018

表7 1967-1992年和1993-2018年两地不同等级冻害风险指数≥0 的频数（%）Table 7 Frequencies of different grades freezing injury index that equal or greater than 0 in two sites during 1967-1992 and 1993-2018（%）

3 结论与讨论

3.1 讨论

3.1.1 模型参数的合理性

苹果花期的准确模拟是评估苹果花期冻害风险的重要依据。而如何确定花期物候模型中临界温度Tb的取值是保证热时模型构建过程中准确和合理的关键步骤。Tb通常通过生理实验法和统计法两种途径获取[36-37]。通过生理实验获取的Tb具有最科学的解释，而且理论上对于同种植物应该具有相似的Tb。但是这种生理试验的方法设计非常困难，而且有研究也发现通过该法获取的Tb并不稳定，在不同生长季之间具有较大的波动性，因此大多数研究温度数据和物候观测数据使用统计法计算Tb[36]。该方法的基本原理是使到达指定物候期时的积温变异最小[36]。苹果花期的Tb取值范围通常在0～10℃[32，38-39]。本研究中礼泉和旬邑两地苹果始花期热时模型的取值分别为2.9℃和2.3℃，在常见取值范围内，与两地t0分别为DOY43 和DOY70 时的多年平均气温基本对应。但值得注意的是，虽然同属富士系苹果，礼泉地区模型的Tb较旬邑高，而且达到始花期时的积温值也高于旬邑地区，这可能是苹果对生长环境的适应[40]。

3.1.2 物候观测数据的均一性

礼泉地区的苹果始花期物候观测数据来源于果农和陕西省经济作物气象服务台两部分，有可能存在由于观测标准不一致导致的数据均一性不足，使用前进行了数据均一性检验。由于缺少参考物候序列，检验时使用模型预测分析法。检验过程中首先使用果农的观测物候建立物候模型，然后利用模型预测陕西省经济作物气象服务台的观测物候，计算预测值与实际观测值的相关系数，使用配对样本T检验对比预测值与实际观测值的差异；之后将陕西省经济作物气象服务台的观测物候作为建模数据，预测果农的观测物候，重复上述步骤。第一次检验结果的相关系数r 为0.87（n=7，P＜0.01），预测值与观测值无显著差异；第二次检验结果的相关系数r为0.94（n=14，P＜0.001），预测值与观测值亦无显著差异。因此认为礼泉苹果始花期物候观测数据满足均一性。

3.1.3 模型不确定性

礼泉地区模型的R2达到0.87，模拟效果优于旬邑地区。这种现象在刘璐等建立的中国北方苹果主产地始花期预测模型中也有明显体现[26]。在其研究中，海拔、年平均气温均与礼泉接近的万荣站苹果始花期预测模型R2也达到0.87（n=20），而海拔、年平均气温与旬邑相近的洛川站苹果始花期预测模型R2为0.54（n=20）。造成这种现象的原因可能有：（1）旬邑和洛川地区海拔更高，地势起伏更大，气温的均一性差，气象站数据的空间代表性较礼泉和万荣低；（2）不同地区苹果花期对温度的敏感性不同，礼泉苹果花期对温度的敏感性可能高于旬邑地区。如果不解决气象数据的代表性以及果树发育机理问题，模型只能是局地适用，模型外推将存在较大误差。因此在今后的研究和应用中可以使用高分辨率的格网气象数据或通过建立果园小气候与标准气象站数据间的推算关系，将标准气象站数据换算至对应的物候观测点以提高气象数据的代表性[14]。另外苹果花期不仅受温度影响，还受品种、光周期、降水、土壤等多种因素控制，因此还要加强对苹果生长发育机理的研究，进而建立机理性更强的苹果花期模型[26]。除此之外，还要继续积累高质量的观测数据，为模型的进一步优化提供数据支撑。

3.1.4 苹果始花期和冻害终日的变化趋势

目前国内苹果物候观测数据积累有限，仅在甘肃西峰、陕西洛川等7 个站点开展过苹果始花期物候变化趋势研究，且序列长度最长仅为25a[26,41-42]。这些研究结果全部显示出苹果始花期的提前趋势，但是受限于序列长度，只有序列最长的西峰站提前趋势显著，其余均不显著。本研究通过热时模型重构的礼泉和旬邑苹果始花期提前趋势分别为2.8d·10a-1和0.8d·10a-1，均通过了显著性检验。因此在今后的研究中可以在现有始花期物候序列基础上通过延长数据序列，进一步分析苹果花期的变化趋势。

本研究中礼泉和旬邑地区冻害终日并没有表现出显著的变化趋势（礼泉重度冻害终日除外），与中国北方大部分地区霜冻终日呈现显著提前趋势不同[10-11]。柏秦凤等以日最低气温≤2℃作为终霜日指标对陕西省1961-2010年无霜期变化趋势进行过研究，其研究结果发现陕西北部宝塔区站终霜日呈5.7d·10a-1的显著提前趋势，中部咸阳站终霜日呈现1.7d·10a-1的略推迟趋势，而南部安康站终霜日无明显变化趋势[25]。礼泉和旬邑位于陕西中部，与咸阳的直线距离小于100km，本研究中定义的轻度冻害终日指标阈值对应柏秦凤等定义的终霜日指标阈值，但本研究礼泉和旬邑轻度冻害终日均无显著变化趋势。由于苹果花期对冻害非常敏感，因此对于冻害指标终日的变化趋势还需更精细的研究。

3.1.5 冻害风险评估的准确性

当前关于陕西苹果花期冻害风险水平的研究主要通过统计指定花期时段内出现致害温度的日次数或频率进行评估[20，43]。刘映宁等利用逐日最低气温数据统计了陕西29 个苹果基地县花期出现最低气温低于0℃、-2℃和-4℃的频率，结果显示1970-2005年礼泉苹果花期（4月1-20日）和旬邑苹果花期（4月10-30日）内出现日最低气温≤0℃的频率分别为20%～40%和60%～80%；而同期内出现日最低气温≤-2℃的频率分别为0～10%和30%～40%[43]。屈振江等曾利用类似方法对陕西苹果种植区内47 个县苹果花期内冻害发生频次进行过统计，结果显示1960-2007年礼泉苹果花期（同上）和旬邑苹果花期（同上）出现日最低气温-2～0℃的年平均次数分别为0.40 次和2.34 次，出现日最低气温小于-2℃的年平均次数分别为0.13 次和1.52 次[20]。与本研究中1967-2018年礼泉和旬邑苹果花期中度冻害风险指数＞0 的年份占比分别为13%、33%以及重度冻害风险指数＞0 的年份占比分别为0、8%一致。这说明使用冻害终日与苹果始花期之差定义的花期冻害风险指数可以作为苹果花期冻害风险水平的指标。在本研究中，由于数据资料有限，未能构建苹果末花期时间序列，而花期冻害事件是由始花期和末花期以及花期内的环境条件共同决定的，因此，本研究尚不能对苹果花期内的冻害事件发生次数及每次冻害的持续时间进行准确评估。在今后研究中，需要进一步收集和积累花期物候数据，尝试建立苹果末花期物候模型并构建苹果末花期时间序列，进而更加精确地评估花期冻害风险。在此基础上，还可以将未来不同气候变化情景模式输入花期物候模型，从而预测不同气候变化情景下苹果花期冻害风险趋势。