中国北方主产地苹果始花期模拟及晚霜冻风险评估

邱美娟，刘布春，刘 园，王珂依，庞静漪,2，张晓男，贺金娜,3

中国北方主产地苹果始花期模拟及晚霜冻风险评估

邱美娟1，刘布春1※，刘 园1，王珂依1，庞静漪1,2，张晓男1，贺金娜1,3

（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/农业部农业环境重点实验室，北京 100081；2.营口市气象局，营口 115001；3. 沈阳农业大学农学院，沈阳 110161）

建立中国北方苹果主产地苹果始花期模型，分析苹果花期晚霜冻气候风险，为有效防御晚霜冻灾害对当地苹果生产的影响提供科学指导。该研究选取中国新疆的伊宁、阿克苏、黄土高原的万荣、白水、礼泉、陕州区和渤海湾的福山、熊岳分别代表中国3大苹果产区，利用各区代表站的苹果始花期资料和同期气象数据，建立并检验了不同站点苹果始花期模型，并利用该模型模拟了1962－2019年苹果始花期，分析其时空变化特征。结合晚霜冻气象指标，对苹果花期晚霜冻气候风险进行评估。结果表明：1）苹果始花期模型能够在数据独立的情况下较准确地模拟各区代表站的始花期变化，新疆、黄土高原和渤海湾苹果产区内部检验的均方根误差分别为2.5～4.8、2.4～5.0、2.3～3.0 d，交叉检验的均方根误差分别为5.0～6.6、3.4～6.0和3.6～4.1 d。2）模拟得到的苹果始花期均呈显著提前趋势，趋势系数分别为-1.84～-1.04、-3.09～-2.62和-2.37～-1.88 d/10 a。3）不同区域苹果晚霜冻气候风险有着明显的差异。新疆和黄土高原果区苹果晚霜冻气候风险指数相对较大，其中伊宁最大达2.38，其次是万荣达1.81，而渤海湾果区的福山苹果晚霜冻气候风险指数为0。结果表明新疆和黄土高原果区苹果遭受晚霜冻的影响较大，渤海湾果区受晚霜冻影响最小。

模型；风险评估；晚霜冻；气象指标；致灾因子；苹果；始花期

0 引 言

苹果在中国的种植面积和产量均居世界首位，是中国重要的经济林果[1]。苹果物候期是指导苹果生产和进行灾害风险管理的重要依据[2-3]。目前，苹果物候期的观测资料时间序列短、站点偏少。因此，苹果物候期的准确模拟显得尤为重要。同时，苹果物候期与气象条件显著相关[4-5]，因此，基于长时间、大范围序列的气象资料能够模拟与重构苹果物候期。苹果始花期是表征苹果果实开始发育的重要指示物候期[6]，始花期的确定有助于识别花期晚霜冻风险的暴露度，进一步评估灾害对苹果生产的可能影响。因此，开展苹果始花期模拟模型研究，根据模拟结果评估苹果花期晚霜冻风险，对防御晚霜冻灾害对苹果生产带来的不利影响，保障苹果产业健康持续发展具有重要意义。

物候模型是目前模拟和预测植物物候期的可靠手段，是重建过去和预测未来物候变化的有效方法[7]。物候模型主要分为统计模型和机理模型[8]。统计模型较少考虑植物的生理生态过程，主要是利用物候事件发生的时间与气候因子的相关性，通过数理统计方法建立物候与气象因子之间的相关关系[9]：如张爱英等[10]利用一元线性回归方程建立北京3种观赏植物花期与3月平均气温的统计模型，进而进行花期的预测；李美荣等[11]利用统计方法建立了基于气象因子的苹果始花期预测模型，模型得到的结果与实际较为吻合；柏秦凤等[12]利用统计模型建立了陕西省不同果区苹果花期对气温的响应模型，模型模拟准确率在70%左右，模拟效果较好。机理模型又称过程模型，主要是通过数学方法重现物候期与气象要素的关系[13]。关于植物机理模型有很多，如热时模型（Thermal Time Model）、顺序模型（Sequential Model）、平行模型（Parallel Model）和四阶段模型（Four Phase Model）等[14-15]。国内外相关学者对这些机理模型的适用性做了大量研究[16-20]。其中，热时模型由于参数简单便于模拟，且模型准确率较高，而被广泛用于不同地域植物物候期的模拟研究：如邬定荣等[21]评价了4种机理模型在陕西果区模拟始花期的适应性，综合考虑模型的模拟精度和复杂性，推荐使用热时模型；戴君虎等[22]利用热时模型对1963—2009年中国多种木本植物始花期进行模拟分析，指出模型模拟出的始花期序列具有较可靠的信度，研究区内东北地区和华北地区的始花期均呈提前趋势；张爱英等[23]将热时模型应用到北京樱花始花期的预测中，结果验证了模型的适应性较高。热时模型也是研究气候变化背景下气象灾害变化的一个重要手段。根据热时模型得到的物候期结果，可以对植物物候期内的灾害风险进行较准确的研究。戴君虎等[22]根据热时模型和气象资料重构了近50 a的物候期，分析了华北地区和东北地区木本植物花期霜冻风险；王明昌等[24]利用热时模型重构了陕西2个苹果主产县的苹果始花期，并进行花期冻害风险评估。Bennie等[25]根据热时模型预测了欧洲西北部桦树霜冻风险。

晚霜冻是中国北方苹果生产中主要的气象灾害之一，规避、防御和减轻晚霜冻灾害，是苹果产业发展需要考虑的重要问题[26-28]。果树开花至坐果阶段抗冻能力最差，一旦发生霜冻灾害，将会对产量造成严重危害[29-31]。研究表明，在气候变暖的背景下，春季物候期提前[32-33]。物候期提前的趋势会使植物的霜冻风险增加。但是，气温升高又可能使霜冻终日提前，从而降低霜冻风险。因此晚霜冻风险的变化将取决于植物春季物候期与霜冻终日二者之间的进退关系。对于中国北方苹果生产来说，由于物候观测资料的限制，关于花期晚霜冻风险是如何变化的，系统的研究还不多见。因此，本研究通过建立中国北方苹果主产地不同果区苹果始花期模型，对1962－2019年始花期进行重构，从而分析各个果区苹果始花期的时空变化及花期晚霜冻气候风险。研究结果可为中国北方苹果主产地苹果霜冻灾害防御及产业发展规划提供科学依据。

1 资料与方法

1.1 研究区域概况

在中国北方苹果主产区新疆、黄土高原和渤海湾，选取苹果产业规模和地理气候条件均具有代表性的阿克苏、伊宁、白水、礼泉、万荣、陕州区、福山和熊岳作为研究地区。代表性区域无霜期基本在160 d以上[34]。阿克苏和伊宁是新疆苹果具有代表性的地区。该区属于北温带大陆性气候，温度适宜，日照充足。年平均气温约为8.0～12.5 ℃，夏季（6～8月）平均气温约为18.0～24.0 ℃，日照时数为2 500～3 500 h[35-36]。其中，阿克苏位于新疆苹果种植的新优势区，虽然大部分地区年降水量相对较少，不足200 mm，但高山冰川积雪融水所汇集的河川径流和地下水，为苹果灌溉提供了有效保障[37]，阿克苏是中国本土苹果发源地之一。伊宁隶属于新疆维吾尔自治区伊犁哈萨克自治州，降水量相对充沛，具有发展特色农业的水土光热资源优势，伊犁是世界苹果起源地之一，有“苹果之乡”的美誉。万荣、白水、礼泉和陕州区是黄土高原苹果产量和品质具有代表性的地区。该区属于温带季风气候，年平均气温约为8.5～14.5 ℃，年降水量为500～800 mm，日照时数约2 000～2 800 h[35-36]。其中，万荣位于山西省西南部，地处运城市黄河金三角区域，光照充足，雨量适中，昼夜温差大，农业生态环境优越，是世界上优质苹果生产适宜栽培带中的较佳生态区。白水和礼泉位于陕西省，是陕西乃至中国主要的果业生产基地。其中，白水位于陕西省东北部，处于关中平原与陕北高原的过渡地带。白水的气候、土壤等与生存优质苹果的生态环境完全吻合，是世界苹果最佳优生区，白水苹果佳名享誉世界，素有“中国苹果之乡”的美誉。白水还是全国最大的有机苹果生产基地。礼泉隶属于陕西省咸阳市，位于关中平原中部，光照充足，昼夜温差大，是苹果较佳适生区。陕州区位于河南省三门峡，光热水等条件适合多种落叶果树的生长，是全国优质苹果生产基地县之一，陕州区苹果以优良的品质而著名。福山和熊岳是渤海湾苹果产量和品质具有代表性的地区。该区属于温带季风气候，年平均气温约为8.0～12.5 ℃，日照时数为2 400～2 800 h，降水量为500～800 mm[35-36]。其中，福山坐落于胶东半岛东北部，气候、土壤条件和自然条件均适宜苹果生长，是苹果产业的发源地。熊岳位于辽东半岛中部，盛产水果等经济作物，是著名的“水果之乡”，其苹果种植历史悠久，远销海外，1998年被农业部列为国家优质果品生产基地。研究区域分布见图1。

图1 研究区域及气象站点分布

1.2 数据来源

物候资料为新疆阿克苏和伊宁、陕西白水和礼泉、山西万荣、河南陕州区、山东福山、辽宁熊岳富士苹果（Fuji Apple）始花期观测数据。礼泉县部分苹果花期物候数据（1973－1974、1976、1980、1982－1983、1989、1992、1998、2000－2001、2003－2004和2007年）来自于该县果农李忠孝先生的记录。陕西其他苹果物候数据来自于陕西省经济作物气象服务台的物候观测数据。新疆阿克苏和伊宁、辽宁熊岳、山东福山、山西万荣和河南陕州区数据分别来源于当地气象局。观测标准参照中国气象局《农业气象观测规范》。观测资料的起止时间见表1。在实际计算中，将始花期出现日期转换为儒略日即在一年中的日序（Day Of Year，DOY）表示，即1月1日为1，1月2日为2，…，以此类推。本文所用气象资料为苹果物候期观测点最邻近的气象站1962－2019年（福山由于1979年才建站，资料时段为1980－2019年）的逐日平均气温（℃）、最低气温（℃）资料序列，陕州区用三门峡气象站的气象数据，数据来源于中国气象局。气象站点分布见图1。

表1 苹果始花期观测资料时段

1.3 始花期模型建立及检验

研究利用热时模型[14]模拟并重构苹果始花期序列。热时模型实质是从固定日期开始计算高于下限温度的有效积温。模型公式为

式中f为苹果发育到始花期所需积温，℃·d；为苹果的始花期，用其在一年中的日序表示；为日平均气温，℃；f()为有效温度，℃；为时间，d；0为积温开始累积的当日的日序；b为苹果始花期发育所需的下限温度，℃；当f()的累加达到预先设定的积温阈值f时，对应的日序即为预测始花期。

模型参数的拟合采用各个站点中奇数年的样本进行，其余样本用于交叉检验。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。热时模型参数较少，最优参数的寻找采用在较大的参数取值范围内以较小的步长直接全局寻优的方法。热时模型的参数空间和寻优步长设置如下：b取值范围为0～5 ℃，步长为0.1℃，0取值范围为1～120d，步长为1d。该算法利用Fortran编程语言实现。

模型检验通过内部检验和交叉检验进行。模型的内部检验通过奇数年拟合出的参数模拟物候期，通过模拟值与观测值的均方根误差（Root Mean Square Error, RMSE）、决定系数（2）以及模拟序列与观测序列相差小于等于3 d和小于等于5 d的准确率（%）、绝对误差和相对误差等进行。交叉检验则利用偶数年模拟值与观测值的RMSE和2以及模拟序列与观测序列相差小于等于3 d和小于等于5 d的准确率（%）、绝对误差和相对误差等进行，用来衡量模型在数据独立情况下对始花期的模拟效果。

1.4 始花期模拟与分析方法

将各站点逐日平均气温数据输入上述苹果始花期模型，模拟1962－2019年（其中福山为1980－2019年）苹果逐年的始花期。将原始苹果始花期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。在此基础上，使用线性回归方法计算1962－2019年苹果始花期随年份变化的气候倾向率、相关系数等。

设某站苹果始花期时间序列为12，…，y，…，y，通常将其随时间的变化趋势用一次线性回归方程表示，即

始花期变化是否显著通过相关系数法检验完成，相关系数定义为

1.5 花期晚霜冻指标

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[39-40]。本研究采用的苹果花期晚霜冻的气象指标见表2。其中，min为气象站观测的日最低气温。将苹果始花期至末花期时段内日最低气温在0～2 ℃的日数作为1个轻霜冻日，最低气温在−2～0 ℃的日数作为1个中霜冻日，最低气温在<−2 ℃的日数作为1个重霜冻日。各个霜冻等级指标在每年春季最后一次出现的日期序列，为不同等级霜冻终日。

通过实际调研了解到，各地苹果末花期与始花期一般相差1到2周左右，在统计晚霜冻日数时，为了不遗漏霜冻灾害的影响，选择的苹果始花期至末花期时段为苹果花期开始后30 d。

表2 苹果花期晚霜冻指标

1.6 苹果花期晚霜冻气候风险指数

1.6.1 晚霜冻频率指数

晚霜冻发生频率指发生晚霜冻的年数占总年数的百分率，其中轻霜冻、中霜冻和重霜冻发生频率分别指发生轻霜冻、中霜冻和重霜冻的年数占总年数的百分率。晚霜冻发生频率计算公式为

=(f/)×100% （5）

式中为频率，%；f为晚霜冻发生年数。

1.6.2 晚霜冻日数指数

晚霜冻日数指数是指苹果花期内分别发生轻、中、重度晚霜冻的日数，并对其求取多年平均值。

1.6.3 晚霜冻气候风险指数

为了能够较客观地反映晚霜冻的气候风险性大小，本研究把晚霜冻强度和晚霜冻发生频率结合起来。首先对不同晚霜冻级别分别赋值，轻霜冻赋值为1，中霜冻赋值为2，重霜冻赋值为3。然后建立晚霜冻气候风险指数模型，公式为

式中为晚霜冻气候风险指数；P为第组晚霜冻出现的频率，%；H为霜冻强度。

2 结果与分析

2.1 苹果始花期模型建立与检验结果

各站点苹果始花期模型参数拟合结果见表3。不同站点苹果始花期发育的下限温度（b）不同（0.1～5.0 ℃），开始累积积温的日期（0）也不同（27～79 d）。可能原因一是气象站与苹果物候观测点位置不一致，其小气候存在差异导致；另外，光照和水分也会影响苹果物候[4-5]，但是热时模型中并没有考虑到这些影响因素。模型检验结果（表4）显示，苹果始花期模型内部检验的RMSE在新疆果区为2.5～4.8 d，在黄土高原果区均为2.4～5.0 d，在渤海湾果区的福山为2.3～3.0 d。2在3个果区分别为0.80～0.81、0.66～0.89和0.74～0.90。模拟值与观测值相差小于等于5 d的准确率在3个果区分别为73.3%～92.9%、81.8%～100%和100%。模拟值与观测值相差小于等于3 d的准确率分别为60.0%～85.7%、72.7%～80%和75%～90%。多年平均绝对误差在3个果区分别为1.8～3.7、1.9～3.3和1.9～2.5 d，多年平均相对误差分别为1.8%～3.5%、1.9%～3.6%和1.6%～2.3%。

表3 苹果始花期模型参数估计结果

表4 苹果始花期模型内部检验和交叉检验结果

注：DBOS 为始花期观测值与模拟值之差的绝对值；为样本量；*表示通过<0.05的显著性检验，下同。

Note: DBOS is absolute value of the difference between observed and simulated values of first flowering date;is sums of sample;*represents pass<0.05 level significant test, the same as below.

苹果始花期模型交叉检验的RMSE在3个果区分别为5.0～6.6、3.4～6.0和3.6～4.1 d；2分别为0.41～0.73、0.54～0.92和0.88；模拟值与观测值相差小于等于5 d的准确率分别为66.7%～80.0%、64.3%～100%和90.0%～91.7%；模拟值与观测值相差小于等于3 d的准确率分别为40.0%～66.7%、50.0%～66.7%和50.0%～75.0%。多年平均绝对误差在3个果区分别为3.6～5.4、2.8～4.5和2.9～3.4 d，多年平均相对误差分别为3.5%～5.1%、2.9%～4.8%和2.7%～2.9%。

由内部检验和交叉检验的观测值与模拟值的时间序列曲线（图2～图3）可见，各个果区苹果始花期模型均能较好地模拟苹果始花期的变化特征，除个别年份实测值与模拟值的误差较大外，基本反映了观测值的年际波动。

总之，本研究建立的各果区苹果始花期模型能够在数据独立（模型拟合和检验为不同数据，则称为独立）的情况下比较准确地模拟各个站点历年的始花期。

2.2 苹果始花期时空变化特征

中国北方苹果主产地苹果始花期平均出现在第101～123天（4月11日－5月3日）。其中新疆果区苹果始花期平均出现在第105～107天（4月15日－4月17日），最早出现在第97～100天（4月7日－4月10日），最晚出现在第114～123天（4月24日－5月3日）。黄土高原果区苹果始花期平均出现在第101～105天（4月11日－4月15日），最早出现在第92～97天（4月2日－4月7日），最晚出现在第116～123天（4月26日－5月3日）。渤海湾果区苹果始花期平均出现在第112～123天（4月22日－5月3日），最早出现在第108～117天（4月18日－4月27日），最晚出现在第125～132天5月5日－5月12日，表5）。总体上，渤海湾果区的熊岳苹果始花期出现时间最晚，黄土高原果区的礼泉苹果始花期出现的最早，其他地区差异不明显（表5）。

图2 研究区苹果始花期内部检验的观测值与模拟值对比

图3 研究区苹果始花期交叉检验的观测值与模拟值对比

表5 苹果始花期统计特征

新疆、黄土高原和渤海湾各果区苹果始花期均呈显著的提前趋势（<0.05），年际间变化趋势分别为−1.84～−1.04、−3.09～−2.62和−2.37～−1.88 d/10 a（表5）。从苹果始花期20世纪平均值与21世纪平均值的对比来看，平均提前5～13 d。其中，新疆果区的阿克苏由第107天（4月17日）提前至第101天（4月11日），伊宁由第109天（4月19日）提前至第104天（4月14日）；黄土高原果区的白水由第109天（4月19日）提前至第97天（4月7日），礼泉由第105天（4月15日）提前至第94天（4月4日），万荣由第109天（4月19日）提前至第96天（4月6日），陕州区由第108天（4月18日）提前至第97天（4月7日）；渤海湾果区的福山由第115天（4月25日）提前至第109天（4月19日），熊岳由第125天（5月5日）提前至第119天（4月29日）。

2.3 苹果花期晚霜冻气候风险分析

2.3.1 苹果花期晚霜冻频率指数

中国北方苹果主产地各站苹果花期不同级别晚霜冻发生频率见表6。

新疆、黄土高原和渤海湾果区轻霜冻发生频率分为为10.3%～44.8%、10.3%～48.3%和0～6.9%。其中，万荣最高，1962－2019年共58 a中有28 a生了轻霜冻；其次是伊宁，58 a中有26 a发生了轻霜冻；白水轻霜冻发生频率为32.8%，即58 a中有19 a发生了轻霜冻；而渤海湾果区的熊岳在58 a中仅有4 a发生了轻霜冻，福山无轻霜冻发生。中霜冻发生频率分别为1.7%～20.7%、1.7%～25.9%和0%。其中，万荣最高，58 a中有15 a发生了中霜冻；其次是伊宁，为20.7%，即58 a中有12 a发生了中霜冻；礼泉为10.3%，即58 a中有6 a发生了中霜冻；白水中霜冻发生频率为6.9%，即58 a中有4 a发生了中霜冻；而渤海湾果区无中霜冻发生。重霜冻发生频率在伊宁、白水和万荣分别为17.2%、3.4%和1.7%，即分别发生了10 a、2 a和1 a，而在其他站均无发生。从各级别晚霜冻发生频率上看，除了福山在苹果花期无霜冻发生，其他各站均表现为轻霜冻发生的频率最高，其次是中霜冻，重霜冻发生频率最低甚至无发生。

2.3.2 苹果花期晚霜冻日数指数

中国北方苹果主产地各站不同级别晚霜冻发生日数指数见表7。新疆、黄土高原和渤海湾果区轻霜冻日数指数分别为0.12～0.97、0.10～0.90和0～0.07 d。其中，伊宁的轻霜冻日数指数最大，其次是万荣，为0.90 d、白水为0.62 d、礼泉为0.33 d、阿克苏为0.12 d、陕州区为0.10 d、熊岳为0.07 d，福山为0 d。中霜冻日数指数平均分别为0.02～0.36、0.02～0.31和0 d。其中，伊宁的中霜冻日数指数最大，其次是万荣，为0.31 d、白水为0.14 d、礼泉为0.10 d，阿克苏和陕州区为0.02 d，福山和熊岳为0。而重霜冻日数指数在伊宁、白水和万荣分别为0.26、0.03和0.02 d，在其他各站均为0 d。从各个级别霜冻日数指数来看，轻霜冻日数指数最大，其次是中霜冻日数指数，重霜冻日数指数最小。

表7 各站苹果花期不同级别晚霜冻日数指数

晚霜冻发生的级别越高，日数越多，日数指数越大，对苹果生产造成的影响也越大。但不同站点间始花期和晚霜冻终日的变化趋势不同，未来遭受晚霜冻的日数可能会有不同变化。如新疆果区的伊宁和阿克苏轻、中、重霜冻终日提前趋势（分别为−3.50、−1.60、−2.40 d/10 a和−3.74、−2.89、−2.15 d/10 a，表8）均大于苹果始花期的提前趋势（分别为−1.04和−1.84 d/10 a，表5），因此，未来伊宁和阿克苏地区晚霜冻发生日数可能会降低。渤海湾果区的福山苹果始花期晚于晚霜冻终日，基本不受晚霜冻的影响。但是该地区的苹果始花期呈显著提前趋势（−2.37 d/10 a，表5），而轻、中、重霜冻终日提前趋势不显著（−0.40、−1.66和−0.90 d/10 a，表8），如果以这种趋势变化，未来不排除该地区会遭受晚霜冻灾害的影响的可能。熊岳地区苹果始花期的提前趋势（−1.88 d/10 a）大于各级别晚霜冻终日的提前趋势（−1.35、−1.21、−1.10 d/10 a），因此，该地区轻霜冻日数有可能会增加，同时也可能会出现中、重度晚霜冻。黄土高原果区的白水苹果始花期的提前趋势（−3.09 d/10 a）大于轻、中、重霜冻终日的提前趋势（−1.73、−2.10、−2.47 d/10 a），因此白水地区晚霜冻灾害的发生日数有可能会增加。礼泉苹果始花期提前趋势（−2.62 d/10 a）大于轻、中霜冻终日的提前趋势（−2.35和−2.41 d/10 a），但是小于重霜冻的提前趋势（−3.73 d/10 a），意味着礼泉苹果花期重霜冻发生日数有可能降低，而遭受轻、中霜冻灾害的日数有可能会增加。万荣苹果始花期提前趋势（−2.85 d/10 a）小于各级别晚霜冻终日的提前趋势（−3.36、−5.45和−4.97 d/10 a），意味着万荣地区晚霜冻的发生日数有可能会降低。而陕州区苹果始花期提前趋势（−2.84 d/10 a）大于各级别晚霜冻终日的提前趋势（−0.24、−1.73和−2.24 d/10 a），意味着该地区苹果花期晚霜冻发生日数有可能会增加。可见，不同果区不同站点苹果花期晚霜冻未来发生情况具有差异。

表8 不同级别晚霜冻终日变化趋势

2.3.3 苹果花期晚霜冻气候风险指数

由表9可见，新疆果区的伊宁晚霜冻气候风险指数最高，为2.38，晚霜冻发生风险最大；其次是黄土高原果区的万荣晚霜冻气候风险指数为1.81，晚霜冻发生风险也较大；黄土高原果区的白水和礼泉，晚霜冻气候风险指数分别为0.98和0.68；陕州区和阿克苏地区晚霜冻气候风险指数均为0.24，晚霜冻气候风险相当；而渤海湾果区的熊岳晚霜冻气候风险指数较小，为0.12，福山为0，基本无晚霜冻气候风险。

表9 各站苹果花期晚霜冻气候风险指数

3 讨 论

本研究所建立的苹果始花期模型可较准确地模拟各站苹果始花期，提高模型的准确率还需要更多的数据和更全面地考虑其他影响因素。本研究建立的各站苹果始花期模型可在数据独立的情况下较准确地模拟各站苹果始花期，但是仍然存在2～6 d左右的误差，决定系数也仅达到0.41～0.92左右。因为模型仅考虑了有效积温对物候期的影响，而未考虑水分、光照和地形土壤条件等其他环境因子对苹果开花的影响。

本研究仅从霜冻害致灾因子的危险性和承灾体的暴露性评估了霜冻风险，未来的研究还需对灾害风险系统的其他要素进行全面的评估。影响苹果晚霜冻成灾的因素有很多，作为承灾体的苹果的品种、树龄、树形分布，防灾减灾能力，包括灌溉条件、防霜技术与设施等均会对霜冻灾害的发生以及危害的程度产生影响。因此，准确评估苹果晚霜冻灾害风险需要更全面的信息。本研究利用中国北方苹果主产地各站长期观测气象资料，以日最低气温为>0～2 ℃、−2～0 ℃和<−2 ℃分别为轻、中、重霜冻发生的气象指标，从致灾因子角度评估苹果花期晚霜冻气候风险。评价指标可以较好地反映温度对苹果晚霜冻风险的影响。然而，同样的致灾因子对于不同地理位置、不同生产管理水平等的苹果花期所产生的风险后果并不相同。本研究指出，新疆和黄土高原产区气候风险较高，而环渤海湾产区气候风险较低，与屈振江等[2]的研究结论一致。

依据始花期和终霜冻日的变化趋势，不同果区不同站点苹果花期未来遭受晚霜冻的风险存在差异性。由于观测资料有限，本研究未能构建各站苹果末花期模型，而是直接统计苹果花期开始后30 d内的晚霜冻发生情况，在一定程度上可以反映晚霜冻对苹果生产的影响。霜冻风险在各站各不相同，与不同站点间始花期和终霜冻日的变化趋势不同有关。研究指出各站苹果始花期呈提前趋势，这与多数研究指出的气候变暖的背景下，春季物候期提前[32-33]的结论一致。

中国北方苹果主产地苹果种植面积较广，气候有一定的差异。本研究在进行苹果花期晚霜冻风险评估时构建了晚霜冻气候风险指数。根据研究结果，晚霜冻气候风险指数高的地区，其晚霜冻发生的频率和日数也相对较高，如伊宁和万荣。渤海湾地区虽然晚霜冻气候风险指数较低，但是在气候变暖背景下，极端气候事件频有发生[41]。因此，在各个果区苹果生产中，仍要防范晚霜冻的不利影响，要做好晚霜冻灾害的风险管理，保障苹果产业健康稳定发展。

4 结 论

本研究利用中国北方苹果主产地各站始花期观测数据，对热时模型参数进行模拟，得到各苹果产区代表站点（阿克苏、伊宁、白水、礼泉、万荣、陕州区、福山和熊岳）苹果始花期模型。利用1962－2019年各站逐日气温资料对历年始花期进行重构，并对苹果开花后不同等级晚霜冻发生的频率和日数进行统计，根据不同等级晚霜冻发生的频率和发生的强度，建立了苹果花期晚霜冻气候风险指数模型。基于此，对苹果花期晚霜冻风险进行评估。结论如下：

1）通过均方根误差、决定系数、准确率、相对误差和绝对误差等方面对不同果区建立的苹果始花期模型进行内部检验和交叉检验。结果表明，本研究建立的各个果区的苹果始花期模型能够在数据独立情况下较准确地模拟各站多年始花期。各果区所有站始花期在1962－2019年（福山为1980－2019年）间均呈显著提前趋势，提前幅度为−1.84～−1.04、−3.09～−2.62和−2.37～−1.88 d/10 a。

2）渤海湾果区受晚霜冻影响较小，其中福山基本不受晚霜冻的影响。新疆果区的伊宁和黄土高原果区的万荣和白水等地受晚霜冻影响相对较大。其中，伊宁轻、中和重霜冻发生频率分别44.8%、20.7%和17.2%，晚霜冻日数指数分别为0.97、0.36和0.26 d；万荣轻霜冻和中霜冻发生频率分别为48.3%和25.9%，晚霜冻日数指数分别为0.90和0.31 d；白水轻霜冻和中霜冻发生频率分别为32.8%和6.9%，晚霜冻日指数分别为0.62和0.14 d。

[1] 万炜，师纪博，刘忠，等. 栖霞市苹果园氮磷养分平衡及环境风险评价[J]. 农业工程学报，2020，36(4)：211-219.

Wan Wei, Shi Jibo, Liu Zhong, et al. Nitrogen and phosphorus nutrient balance and environmental risk assessment of apple orchard in Qixia city[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(4): 211-219. (in Chinese with English abstract)

[2] 屈振江，周广胜，魏钦平. 苹果花期冻害气象指标和风险评估[J]. 应用气象学报，2016，27(4)：385-395.

Qu Zhenjiang, Zhou Guangsheng, Wei Qinping. Meteorological disaster index and risk assessment of frost injury during apple florescence[J]. Journal of Applied Meteorological Science, 2016, 27(4): 385-395. (in Chinese with English abstract)

[3] 王景红，柏秦凤，梁轶，等. 2013年陕西苹果花期冻害气象条件分析及受冻指标研究[J]. 果树学报，2015，32(1)：100-107.

Wang Jinghong, Bai Qinfeng, Liang Yi, et al. Study on freezing index and weather conditions causing Shaanxi apple florescence freezing injury in 2013[J]. Journal of Fruit Science, 2015, 32(1):100-107. (in Chinese with English abstract)

[4] 刘璐，王景红，柏秦凤，等. 气候变化对黄土高原苹果主产地物候期的影响[J]. 果树学报，2020，37(3)：330-338.

Liu Lu, Wang Jinghong, Bai Qinfeng, et al. Impact of climate changes on apple's phenophases in the main producing areas of the Loess Plateau in China[J]. Journal of Fruit Science, 2020, 37(3): 330-338. (in Chinese with English abstract)

[5] 刘璐，王景红，傅玮东，等. 中国北方主产地苹果始花期与气候要素的关系[J]. 中国农业气象，2020，41(1)：51-60.

Liu Lu, Wang Jinghong, Fu Weidong, et al. Relationship between apple's first flower and climate factors in the main producing areas of the Northern China[J]. Chinese Journal of Agrometeorology, 2020, 41(1): 51-60. (in Chinese with English abstract)

[6] 杜澍. 果树科学使用手册[M]. 西安：陕西科学技术出版社，1986：121-123.

[7] Cleland E E, Chuine I, Menzel A, et al. Shifting plant phenology in response to global change[J]. Trends in Ecology &Evolution, 2007, 22(7): 357-365.

[8] 符瑜，潘学标. 草本植物物候及其物候模拟模型的研究进展[J]. 中国农业气象，2011，32(3)：319-325.

Fu Yu, Pan Xuebiao. Research advances in herbage plant phenology and phenological model of grassland[J]. Chinese Journal of Agrometeorology, 2011, 32(3): 319-325. (in Chinese with English abstract)

[9] 戴君虎，陶泽兴，王焕炯，等. 物候模型在气候定量重建中的应用[J]. 第四纪研究，2016，36(3)：702-710.

Dai Junhu, Tao Zexing, Wang Huanjiong, et al. Applications of phenological models in quantitative climate reconstruction[J]. Quaternary Sciences, 2016, 36(3): 702-710. (in Chinese with English abstract)

[10] 张爱英，王焕炯，戴君虎，等. 物候模型在北京观赏植物开花期预测中的适用性[J]. 应用气象学报，2014，25(4)：483-492.

Zhang Aiying, Wang Huanjiong, Dai Junhu, et al. Applicability analysis of phenological models in the flowering time prediction of ornamental plants in Beijing area[J]. Journal of Applied Meteorological Science, 2014, 25(4): 483-492. (in Chinese with English abstract)

[11] 李美荣，杜继稳，李星敏，等. 陕西果区苹果始花期预测模型[J]. 中国农业气象，2009，30(3)：417-420.

Li Meirong, Du Jiwen, Li Xingmin, et al. Prediction model for Beginning of apple flowering period in fruit growing areas of Shaanxi province[J]. Chinese Journal of Agrometeorology, 2009, 30(3): 417-420. (in Chinese with English abstract)

[12] 柏秦凤，王景红，屈振江，等. 陕西苹果花期预测模型研究[J]. 中国农学通，2013，29(19)：164-169.

Bai Qinfeng, Wang Jinghong, Qu Zhenjiang, et al. The research on Shaanxi apple florescence prediction model[J]. Chinese Agricultural Science Bulletin, 2013, 29(19): 164-169. (in Chinese with English abstract)

[13] 严美春，曹卫星，罗卫红，等. 小麦发育过程及生育期机理模型的研究I.建模的基本设想与模型的描述[J]. 应用生态学报，2000，11(3)：355-359.

Yan Meichun, Cao Weixing, Luo Weihong, et al. A mechanistic model of phasic and phenological development of wheat I. Assumption and description of the model[J]. Chinese Journal of Applied Ecology, 2000, 11(3): 355-359. (in Chinese with English abstract)

[14] 李荣平，周广胜，阎巧玲. 植物物候模型研究[J]. 中国农业气象，2005，26(4)：8-12.

Li Rongping, Zhou Guangsheng, Yan Qiaoling. Study on plant phenological model[J]. Chinese Journal of Agrometeorology, 2005, 26(4): 8-12. (in Chinese with English abstract)

[15] Hanninen H. Modelling bud dormancy release in trees from cool and temperate regions[J]. Acta Forestalia Fennica, 1990, 213: 1-47.

[16] 韩小梅，申双和. 物候模型研究进展[J]. 生态学杂志，2008，27(1)：89-95.

Han Xiaomei, Shen Shuanghe. Research progress on phenological models[J]. Chinese Journal of Ecology, 2008, 27(1): 89-95. (in Chinese with English abstract)

[17] Kramer K. Selecting a model to predict the onset of growth of Fagus sylvatica[J]. Journal of Applied Ecology, 1994, 31(1): 172-181.

[18] Chuine I. A unified model for budburst of trees[J]. Journal of Theoretical Biology, 2000, 207(3): 337-347.

[19] Cannell M G R, Smith R I. Thermal time, chill days and prediction of budburst in Picea sitchensis[J]. Journal Applied Ecology, 1983, 20(3): 951-963.

[20] Chen X, Hu B, Yu R, et al. Spatial and temporal variation of phenological growing season and climate change impacts in temperate eastern China[J]. Global Change Biology, 2005, 11(7): 1118-1130.

[21] 邬定荣，霍治国，王培娟，等. 陕西苹果花期机理性预报模型的适用性评价[J]. 应用气象学报，2019，30(5)：555-564.

Wu Dingrong, Huo Zhiguo, Wang Peijuan, et al. The applicability of mechanism phenology models to simulating apple flowering date in Shaanxi Province[J]. Journal of Applied Meteorological Science, 2019, 30(5): 555-564. (in Chinese with English abstract)

[22] 戴君虎，王焕炯，葛全胜. 近50年中国温带季风区植物花期春季霜冻风险变化[J]. 地理学报，2013，68(5)：593-601.

Dai Juanhu, Wang Huanjiong, Ge Quansheng. Changes of spring frost risks during the flowering period of woody plants in temperate monsoon area of China over the past 50 years[J]. Acta Geographica Sinica, 2013, 68(5): 593-601. (in Chinese with English abstract)

[23] 张爱英，张建华，高迎新，等. SW物候模型在北京樱花始花期预测中的应用[J]. 气象科技，2015，43(2)：309-313.

Zhang Aiying, Zhang Jianhua, Gao Yingxin, et al. Prediction of first flowering date of prunus discoidea in Beijing Yuyuantan Park using phenological model[J]. Meteorological Science and Technology, 2015, 43(2): 309-313. (in Chinese with English abstract)

[24] 王明昌，刘布春，刘园，等. 陕西苹果主产县花期冻害风险评估[J]. 中国农业气象，2020，41(6)：381-392.

Wang Mingchang, Liu Buchun, Liu Yuan, et al. Assessment on the freezing injury risk during apple flowering in in main apple producing counties of Shaanxi Province[J]. Chinese Journal of Agrometeorology, 2020, 41(6): 381-392. (in Chinese with English abstract)

[25] Bennie J, Kubin E, Wiltshire A, et al. Predicting spatial and temporal patterns of bud-burst and spring frost risk in north-west Europe: The implications of local adaptation to climate[J]. Global Change Biology, 2010, 16(5): 1503-1514.

[26] 张琪，李荣平，张晓月，等. 绥中苹果霜冻灾害特征及其对气候变暖的适应分析[J]. 北方园艺，2016(13)：30-33.

Zhang Qi, Li Rongping, Zhang Xiaoyue, et al. Analysis of apple frost disaster characteristics and adapt to the climate warming in Suizhong[J]. Northern Horticulture, 2016(13): 30-33. (in Chinese with English abstract)

[27] 马延庆，刘长民，朱海利，等. 陕西咸阳渭北旱塬地区优质苹果基地生态气候特征分析[J]. 干旱地区农业研究，2008，26(1)：146-153.

Ma Yanqing, Liu Changmin, Zhu Haili, et al. The analysis of ecosystem characteristic of high quality apple producing base on Weibei Arid Plain region in Xianyang of Shaanxi Province[J]. Agricultural Research in the Arid Areas, 2008, 26(1): 146-153. (in Chinese with English abstract)

[28] 李化龙，赵西社. 陕西黄土高原果业气候生态条件研究及应用[M]. 北京：气象出版社，2010.

[29] 袁佰顺，许彦平，姚晓红，等. 基于春季晚霜冻害的天水苹果气候风险区划[J]. 干旱区资源与环境，2015，29(2)：185-189.

Yuan Baishun, Xu Yanping, Yao Xiaohong, et al. The compartment of later frost climate risk for apple in Tianshui[J]. Journal of Arid Land Resources and Environment, 2015, 29(2): 185-189. (in Chinese with English abstract)

[30] 雷延鹏，孙智辉，宗廷国，等. 洛川苹果花期防冻试验效果分析[J]. 湖北农业科学，2019，58(1)：81-83，132.

Lei Yanpeng, Sun Zhihui, Zong Tingguo, et al. Ana1ysis on the effects of anti-freezing test during Luochuan app1e f1owering period[J]. Hubei Agricultural Sciences, 2019, 58(1): 81-83, 132. (in Chinese with English abstract)

[31] 周吉生，高九思，王彩云. 豫西地区苹果坐果率低的成因及应对策略[J]. 山西果树，2019(2)：40-44.

Zhou Jisheng, Gao Jiusi, Wang Caiyun. Causes and countermeasures of low fruit setting rate of apple in western Henan province[J]. Shanxi Fruits, 2019(2): 40-44. (in Chinese with English abstract)

[32] 李瑞英，孙东宝，江晓东. 鲁西南木本植物物候期对气候变暖的响应[J]. 中国农业气象，2014，35(2)：135-140.

Li Ruiying, Sun Dongbao, Jiang Xiaodong. Response of typical woody plants phenology to climate warming in southwestern Shandong Province[J]. Chinese Journal of Agrometeorology, 2014, 35(2): 135-140. (in Chinese with English abstract)

[33] 常兆丰，韩福贵，仲生年. 甘肃民勤荒漠区18种乔木物候与气温变化的关系[J]. 植物生态学报，2009，33(2)：80-88.

Chang Zhaofeng, Han Fugui, Zhong Shengnian. Relationships between phenology of 18 tree species and air temperature change in the Minqin Desert area of Gansu Province[J]. Journal of Plant Ecology, 2009, 33(2): 80-88. (in Chinese with English abstract)

[34] 吴昕悦. 基于公里网格的中国葡萄种植的热量条件分析与气候区划[D]. 沈阳：沈阳农业大学，2019.

Wu Xinyue. Analysis of Thermal Conditions and Climatic Regionalization of Grape Planting in China based on Km Grid[D]. Shenyang: Shenyang Agricultural University, 2019. (in Chinese with English abstract)

[35] 张玥滢，刘布春，邱美娟，等. 气候变化背景下中国苹果适宜种植区北移西扩：基于高分辨率格点气象数据的区划分析[J]. 中国农业气象，2019，40(11)：678-691.

Zhang Yueying, Liu Buchun, Qiu Meijuan, et al. Areas suitable for growing apples moved northward and westward in China under the background of climate change: Climatic degionalization of apple based on high-resolution meteorological grid data[J]. Chinese Journal of Agrometeorology, 2019, 40(11): 678-691. (in Chinese with English abstract)

[36] 邱美娟，刘布春，刘园，等. 中国北方苹果主产省降水分布特征分析[J]. 中国农业气象，2020，41(5)：263-274.

Qiu Meijuan, Liu Buchun, Liu Yuan, et al. Analysis on distribution characteristics of precipitation in major production provinces of apple in northern China[J]. Chinese Journal of Agrometeorology, 2020, 41(5): 263-274. (in Chinese with English abstract)

[37] 徐德源. 新疆农业气候资源及区划[M]. 北京：气象出版社，1989.

[38] 魏凤英. 现代气候统计诊断与预测技术[M]. 北京：气象出版社，2007.

[39] 王景红，梁轶，刘映宁，等. 陕西苹果农用天气预报探索与实践[J]. 气象科技，2012，40(1)：121-126.

Wang Jinghong, Liang Yi, Liu Yingning, et al. Agro-meteorological forecast methods for apple planting in Shaanxi Province[J]. Meteorological Science and Technology, 2012, 40(1): 121-126. (in Chinese with English abstract)

[40] 王景红，刘璐，高峰，等. 陕西富士系苹果花期霜冻灾害气象指标的修订[J]. 中国农业气象，2015，36(1)：50-56.

Wang Jinghong, Liu Lu, Gao Feng, et al. Revision on meteorological indices of florescence frost disaster for Fuji apple in Shaanxi Province[J]. Chinese Journal of Agrometeorology, 2015, 36(1): 50-56. (in Chinese with English abstract)

[41] 周梦子，周广胜，吕晓敏，等. 1.5和2℃升温阈值下中国温度和降水变化的预估[J].气象学报，2019，77(4)：728-744.

Zhou Mengzi, Zhou Guangsheng, Lv Xiaomin, et al. Projection of temperature and precipitation changes over China under global warming of 1.5 and 2℃[J]. Acta Meteorologica Sinica, 2019, 77(4): 728-744. (in Chinese with English abstract)

Simulation of first flowering date for apple and risk assessment of late frost in main producing areas of northern China

Qiu Meijuan1, Liu Buchun1※, Liu Yuan1, Wang Keyi1, Pang Jingyi1,2, Zhang Xiaonan1, He Jinna1,3

(1.,//,,100081,; 2.,115001,; 3.,,110161,)

An accurate model of apple was established to simulate the first flowering date in the main apple producing areas of northern China. Taking the Yining, Aksu, Wanrong, Baishui, Liquan, Shanzhou district, Fushan, and Xiongyue in Xinjiang, Loess Plateau, and Bohai Bay, as examples, a systematic investigation was made to evaluate the climate risk for the late frost of apple in flowering stage. The phenological and meteorological observation data was collected during the same period from the representative stations in each area. The parameters of thermal time model were revised to establish the first flowering date model of apple in different stations. Using internal and cross validation methods, the applicability of thermal time model was evaluated when simulating the first flowering date of apple. Then, the model was used to reconstruct the first flowering date of apple from 1962 to 2019, in order to explore the variation trend for the first flowering date of apple and the climate risk of late frost to apple flower in each fruit region. The frequencies and days were determined in various grades of late frost, as well as the climate risk, combined with the meteorological index of late frost and the last day of its occurrence. The results showed that: 1) The models for the first flowering date of apple in Xinjiang, Loess Plateau, and Bohai Bay were able to accurately simulate the changes of the first flowering date in the representative stations in each region. The data was independent, where the root mean standard errors (RMSE) of internal validation in each region were 2.5-4.8, 2.4-5.0, and 2.3-3.0 d, and the2values were 0.80-0.81, 0.66-0.89, and 0.74-0.90. In the cross validation, the values of RMSE were 5.0-6.6, 3.4-6.0, and 3.6-4.1 d, and the values of2were 0.41-0.73, 0.54-0.92, and 0.88, respectively. 2) From 1962-2019 (except that Fushan was from 1980 to 2019), the first flowering date of apple showed a significant trend of advance, where the trend coefficients was -1.84 - -1.04, -3.09 - -2.62, and -2.37 - -1.88 d/10 a, respectively. 3) The occurrence frequency and days of light frost were the highest, followed by the medium frost, while, those of heavy frost were lowest. There were relatively large climate risk indexes of apple late frost in the fruit region of Xinjiang and the Loess Plateau. Specifically, the maximum of 2.38 was in Yining, and the second value of 1.81 was in Wanrong, with its light and medium frost occurring once about every 2 and 4 years, respectively, while, the annual average numbers of days of late frost were 0.90 and 0.31 d, respectively. Followed by Baishui, the light and medium frost occurring once every 3 and 14 years, respectively, while the annual average numbers of days of late frost were 0.62 and 0.14 d, respectively. Nevertheless, the climate risk index of apple in the late frost was 0 at Fushan in Bohai Bay. The apples in the fruit area of Xinjiang and Loess Plateau were more affected by the late frost, whereas, that in the Bohai Bay was basically not affected by the late frost. The findings can provide a scientific guidance to effectively prevent the impact of late frost disaster on local apple production.

models; risk assessment; late frost; meteorological indicators; disaster causing factors; apple; first flowering date

邱美娟，刘布春，刘园，等. 中国北方主产地苹果始花期模拟及晚霜冻风险评估[J]. 农业工程学报，2020，36(21)：154-163. doi：10.11975/j.issn.1002-6819.2020.21.019 http://www.tcsae.org

Qiu Meijuan, Liu Buchun, Liu Yuan, et al. Simulation of first flowering date for apple and risk assessment of late frost in main producing areas of northern China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(21): 154-163. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.21.019 http://www.tcsae.org

2020-06-29

2020-10-22

国家重点研发计划“重大自然灾害监测预警与防范”重点专项（2017YFC1502804）

邱美娟，博士生，主要从事农业气象灾害风险研究。Email：qmjcams@163.com

刘布春，研究员，博士生导师，主要从事农业减灾和农业灾害风险管理研究。Email：liubuchun@caas.cn

10.11975/j.issn.1002-6819.2020.21.019

P49

A

1002-6819(2020)-21-0154-10