青枣气候品质等级评价模型构建及应用

陈 惠 林 晶 杨 凯 王培娟 杨飞跃 陈惠玲 陈 涛 李丽纯 李丽容 陈福梓

1)(福建省气象科学研究所， 福州 350001) 2)(福建省灾害天气重点实验室， 福州 350001) 3)(中国气象科学研究院， 北京 100081) 4)(福建省福清市气象局， 福清 350300) 5)(福建省漳州市热带作物气象试验站， 漳州 363001)

引 言

青枣、莲雾、火龙果、芭乐等新兴特色热带水果因风味独特、种植效益高，2000年前后开始在福建、广东、广西、海南等省引种，并在我国南方地区得到迅速发展。在市场需求驱动和地方政府的大力支持下，热带水果种植面积和产量迅速增加，已成为农民脱贫致富的重要途径之一。随着热带水果种植面积和产量的不断增加，果实品质出现参差不齐，导致其价格可差3～4倍，其产业发展亟需从数量效益型向质量效益型转变。作物品质高低与品种、土壤、气候、田间管理水平密切相关，在相同品种和土壤条件下，品质主要受气象条件影响。目前，围绕气候条件与作物品质的关系研究开展较多，主要集中于小麦、苹果、烤烟、茶叶等作物[1-7]。Moretti等[8]发现高温和高CO2浓度条件下，草莓等作物中的糖、抗氧化活性维生素C等降低。王春乙等[9]和郭建平等[10]采用盆栽试验研究指出，高温和高CO2浓度不利于小麦氨基酸含量的提高，而水分胁迫可提高氨基酸含量。魏钦平等[11]利用主成分分析和聚类分析建立苹果、猕猴桃等水果品质评价因素。有些研究基于多点品质评价因子资料与气象因子相关分析，建立单品质因子模型开展气象条件评价[2,12-18]，还有些研究基于气候品质评价指标开展农产品气候品质区划[13，15，18-21]。近年随着生活水平提高，人们对农产品品质要求越来越高，农产品气候品质研究及认证工作受到广泛关注。金志凤等[6]基于气象资料、田间试验获取的茶叶品质数据和茶叶生产实际，提出影响茶叶品质的3个气象指标，建立茶叶气候品质评价模型，但其研究仅使用1年数据，且未开展品质要素与气象因子相关普查分析，也未对模型进行验证。目前关于热带水果的气象研究主要集中在寒冻害指标[22-25]、适宜种植分析[26-28]，有关热带水果品质与气象关系的研究鲜见报道。

青枣是鼠李科枣属的热带落叶、半落叶型果树，学名毛叶枣，原产于印度和我国云南[29-30]，是经台湾省育种家多代改良选育而成的优良热带水果品种，福建现有毛叶枣主栽品种为脆蜜、高朗1号和桃蜜等，其中脆蜜的栽培面积比例超过一半[31]。青枣种植具有3大优势：①早熟丰产、种植效益高，可以实现当年投资、当年收益，亩产可达2000～3000 kg；②品质优良、竞争力强，果大、核细、香甜爽口，维生素含量在水果中排名第二，有“维生素丸”之称；③冬季成熟、市场广阔，成熟期在11月至翌年3月,采收期长达4个多月，成熟高峰期在元旦前至春节后，是水果供应淡季，单价高。基于以上优势及其适应性强等特点，青枣已成为我国南方极具发展潜力的特色热带水果，在区域经济中日显重要，发展潜力巨大。本研究基于2015—2016年在福建、广东脆蜜青枣主产区田间试验获取的果实主要品质检测资料，与采摘前期气象资料之间进行回归，结合生产实际及果树专家意见，确定与气象条件关系密切的热带水果品质指标、影响热带水果品质的3个关键气象因子，建立热带水果气候品质等级评价模型，并利用2014—2019年福建、广东、广西主产区青枣主要品质、气象独立样本资料对所建立气候品质等级评价模型进行验证。利用该评价模型开展主产区青枣气候品质评价，分析青枣气候品质指标、青枣气候品质评价指数时空变化，可用于对主产区青枣气候品质进行客观、定量地评估，为青枣产期调节及优质布局提供科学依据，对促进青枣优质高产及产业可持续发展提供技术支撑。

1 资料与方法

1.1 资 料

所用气象资料包括1971—2019年福建、广东、广西逐日平均气温、最高最低气温、日较差、降水量、日照时数、相对湿度等资料，来自对应各省区的气象信息中心；为增加气象资料代表性，还在福建平和、南靖、长泰、漳浦等县及广东丰顺、潮州等县市脆蜜青枣园建立果园小气候观测站点(表1)。

表1 青枣野外观测站点概况Table 1 Field observation sites for Indian jujube

1.2 品质资料获取

1.2.1 取 样

2014—2019年在福建和广东6个青枣园(表1)集中成熟期(12月—翌年2月，下同)每10～15 d采摘青枣鲜果(2019年增加广西南宁武鸣区、邑宁2个取样点)，每个点3棵树，每棵树采用梅花型取样方法采9个果，每个果园27个果，由华南农业大学(2015年、2016年)、福建农科院质量标准所(2017年、2018年、2019年)进行品质测定。

1.2.2 品质测定方法

测定平均单果重、果实可溶性固形物含量、可溶性糖、维生素C含量等主要青枣品质要素。平均单果重是每个试验点每批取样的27个青枣果实的平均单果重(单位：g)；可溶性固形物含量用阿贝折射仪折光法测定[32]，果实可溶性糖采用蒽酮法测定[33]，果实硬度采用硬度计法测定果肉硬度[33-34]。

1.3 确定影响青枣气候品质的关键气象因子

利用2015年、2016年试验资料，采用回归分析方法分析不同地点不同采收期青枣单果重、可溶性固形物、可溶性糖、维生素C含量、硬度等品质测定样本与相应地点果实采收期作为节点向前推算至全生育期的多时段气象因子之间的相关关系，挑选关系密切的气象因子作为影响主要品质要素的关键气象因子。

1.4 气候品质等级评价模型及其验证方法

1.4.1 建立青枣气候品质评价指标

参照常规农业气象条件定量化等级评价标准，将关键气象因子(指标)划分为4个等级，分别用3，2，1和0代表气象指标值有利于形成品质特优、优、良、一般的青枣，等级(M)划分标准如下：

(1)

式(1)中，Xi为第i个影响气象指标的实际值，pi3和Pi3分别表示青枣品质为特优的气象指标的下限和上限值，pi2和Pi2表示青枣品质优的气象指标的下限和上限值，pi1和Pi1表示青枣品质为良的气象指标的下限和上限值，当气象指标低于pi1或者高于Pi1，青枣品质为一般。

1.4.2 青枣气候品质等级评价模型

挑选品质要素与关键气象因子建立气候品质评价指数，采用回归分析方法建立气候品质评价指数-气象模型，计算青枣气候品质评价指数，并参考相近水果(苹果)品质评价体系，划分青枣气候品质等级。结合果园小气候站点平行观测的气象条件、产量、果实外观和营养参数等资料，建立气候品质等级评估方法。同时考虑青枣品质受多个关键气象因子的综合影响，因此应用加权指数求和法[35]构建青枣气候品质评价模型。

1.4.3 青枣气候品质等级评价模型验证

对每个青枣样本单果重、可溶性固形物等级进行评价，对品质要素等级进行加权平均得到实际品质等级。对每个青枣品质样本利用评价模型计算得到IQ及气候品质等级(模型推算等级)。统计各样本实际品质等级与气候品质等级之差，当实际品质等级与气候品质等级之差小于1个等级时，认为等级验证为符合，大于等于1个等级时认为不符合。

利用独立样本资料对气候品质等级评价模型的验证开展青枣气候品质等级评价模型的验证。

2 结果分析

2.1 青枣主要品质要素及综合品质分级指标

2.1.1 青枣主要品质要素

青枣主要为鲜食，参考鲜食苹果品质要素，结合专家访问及青枣特点，认为青枣品质主要包括感官品质、理化与营养品质，感官品质包括单果重、果形指数、果皮颜色和香气成分含量等，其中果实大小(单果重和体积)对青枣品质评价和分级较为重要，直接影响消费者的选择；理化与营养品质包括可溶性固形物、总糖(可溶性糖)、维生素C等，其含量影响口感和风味，其中可溶性固形物是指所有溶解于水的化合物总称，包括糖、酸、维生素、矿物质等，是衡量果实营养的重要指标之一。聂继云等[34]研究显示可溶性固形物与可溶性糖密切相关，两者相关系数为0.8343(达到0.01著性水平)，2019年14个青枣样品检测结果可溶性固形物均比可溶性糖略高(平均高0.53%)。由于可溶性固形物较可溶性糖更易测定，也可用可溶性固形物含量代替可溶性糖[34,36-37]。综上分析确定青枣品质用单果重(W)和可溶性固形物(Ss)表示。

2.1.2 青枣品质分析

统计福建和广东6个青枣果园2014/2015年和2015/2016年共62批次青枣样本得到品质要素见表2。由于青枣品质标准尚未构建，参照苹果的单果重、可溶性糖、可溶性固形物指标[34-38]对青枣品质要素进行分析。由表2可见，青枣单果重为50～150 g，平均为90 g，相当于苹果平均单果重的1/3；可溶性固形物为8.42%～14.21%，平均为11.36%，可溶性糖为7.89%～13.78 %，平均为10.83%，可溶性固形物及可溶性糖平均值均处于苹果的高到极高值范围[33-34]。

表2 福建、广东主产区青枣品质要素Table 2 Quality factors of Indian jujube in Fujian and Guangdong

2.1.3 青枣品质要素及综合品质分级指标

青枣可溶性固形物含量一般在15%以下，可溶性固形物越多越好；青枣单果重平均为90 g，单果重越大越好，将表2的品质实际要素值进行分级，如表3所示。

结合专家意见定义青枣实际综合品质等级：IF=0.4×W+0.6×SS，W和SS用等级值表示。等级值IF为3,2,1,0分别代表青枣实际综合品质等级为特优、优、良、一般，当等级值IF处于两级之间时用品质等级“+”或“-”表示，如平均结果为“优+”代表品质处于优和特优之间但更接近优，平均结果为“特优-”代表品质处于优和特优之间但更接近特优。具体可将青枣实际等级分为10级：IF=3，为特优；3>IF≥2.5，为特优-；2.5>IF>2.0时，为优+；IF=2，为优；2>IF≥1.5，为优-；1.5>IF>1.0，为良+；IF=1，为良；1>IF≥0.5，为良-；0.5>IF>0，为一般+；IF=0，为一般。

表3 青枣品质分级Table 3 Quality grade of Indian jujube

2.2 青枣气候品质评价指标及权重

2.2.1 青枣气候品质评价指标

普查不同地点不同采收期青枣品质参数资料与相应地点果实采收期作为节点向前推算至全生育期多时段气象因子之间的相关关系，单果重、可溶性固形物、可溶性糖与气象条件相关最为密切，其中单果重与采收前3个月(90 d)平均气温、平均最高气温、降水量相关最密切，相关系数分别为0.401，0.434和-0.417(均达到0.01显著性水平)；可溶性固形物与采收前30 d日照、降水量、日较差相关系数分别为0.559，-0.462和0.602(均达到0.01显著性水平)；可溶性糖与采收前30 d的日照、降水量、日较差相关最为密切，相关系数分别为0.551，-0.326 和0.569(分别达到0.01，0.05和0.01显著性水平)。

因降水量年际变化大、青枣种植区灌排条件较好，因此不考虑降水要素。同时分析得出采收前3个月平均气温和平均最高气温相关系数为0.97(达到0.001显著性水平)，因此平均气温可代表热量资源，用采收前3个月的平均气温作为影响单果重的主要气象因子。采收前3个月为青枣果实形成、生长、成熟期，平均气温高有利于青枣果实生长，形成大果；采收前30 d正是青枣果实成熟期，是决定青枣内在品质的关键时期，光照时间长，光合作用强，有利于青枣的可溶性固形物、可溶性糖等内在品质积累；采收前30 d气温日较差大，即白天光合作用强，夜间呼吸作用弱，有利于青枣的可溶性固形物、可溶性糖等内在品质积累；结合文献查阅[31]、果树专家调研等方法，确定影响青枣品质的关键时期为2个时段，分别是采收前90 d(幼果生长、果实膨大成熟期)、采收前30 d(果实成熟采收期)，影响主要品质要素的3个关键气象因子(即气候品质评价指标)是采收前90 d平均气温、采收前30 d气温日较差和采收前30 d日照时数。

2.2.2 青枣气候品质评价指标的权重系数

根据专家意见青枣综合品质由外在品质(单果重)与内在品质(可溶性固形物和糖含量)组成，二者分别占综合品质的40%和60%。根据2.2.1节计算的相关系数，采收前90 d平均气温权重取0.4，可溶性固形物和可溶性糖取等权重，均为0.3。

2.3 青枣气候品质等级评价模型及验证

2.3.1 青枣气候品质评价指标等级

将主产区青枣不同采摘期采收前90 d平均气温、采收前30 d气温日较差和采收前30 d日照时数进行分级赋值，如表4所示。

表4 青枣气候品质评价指标分级赋值Table 4 Grade assignment of evaluating indicator of Indian jujube

2.3.2 青枣气候品质评价指数等级

采用加权指数求和法利用3个影响青枣品质的关键气象因子构建青枣气候品质等级评价模型：

(2)

式(2)中，IQ为青枣气候品质评价指数,ai为第i个气候品质评价指标的权重系数，a1，a2和a3分别取值为0.4，0.3和0.3表征采收前90 d日平均气温、采收前30 d平均气温日较差和采收前30 d平均日照时数的权重系数，Mi为第i个气候品质指标的分级赋值。

根据2014—2019年福建、广东、广西青枣主产区96个样本的青枣气候品质评价指数，结合实际青枣品质，分析二者的关系，将青枣气候品质评价标准统一划分为特优、优、良和一般4个等级(表5)。

表5 等级划分与气候品质评价指数Table 5 Grade and climate quality index

2.3.3 青枣气候品质等级评价模型验证

利用评价模型计算每个青枣品质样本的IQ得到气候品质等级，统计各样本实际品质等级与气候品质等级之差，当实际品质等级与气候品质等级之差小于1个等级时认为等级验证为符合，大于等于1个等级时认为等级验证为不符合。利用2014—2019年福建的漳浦、平和、长泰、南靖、广东的梅州、埔寨、广西的南宁、武鸣8个采摘点每年36个独立样本资料统计青枣实际品质与气候品质评级对比(表6)，吻合率为31/36×100%=86.1%，表明建立的青枣气候品质等级评价模型在应用中与实际品质吻合率高，可以投入实际应用。

表6 2014—2019年青枣品质对气候品质等级评价模型的验证Table 6 Validation of climate quality evaluation model of Indian jujube from 2014 to 2019

续表6

2.4 青枣气候品质等级评价模型的应用

2.4.1 在福建主产区青枣气候品质评价中的应用

2.4.1.1 2018年、2019年漳州青枣气候品质评价

2018年1月初采摘的青枣品质评价结果见表7。漳州地区1月采摘的青枣除东山、芗城为优，其他各区县均为特优；漳州地区2月采摘的青枣品质评价结果(表略)，除东山为良，其他各区县均为优；漳州地区3月采摘的青枣除东山、南靖、平和、长泰4县为良，其他各区县均为优。总体来说，2018年漳州地区1—2月集中采摘期的青枣气候品质以优、特优为主。

2019年1月初采摘的青枣品质评价结果见表8，2月初采摘的青枣品质为优(表略)，可见漳州各县2019年1月、2月采摘的青枣气候品质均为优。

2.4.1.2 2018年1月青枣气候品质优于2019年1月原因

对比表7、表8及表4可知，2018年1月、2019年1月采收的青枣，除2019年华安采收前90 d平均气温为18.1℃(M值为2)外，漳州地区各地采收前90 d 平均气温均大于18.5℃(M值为3)，均最适合优质青枣形成。

2018年1月采收前30 d平均日较差除东山岛屿为4.3℃(M值为1)外，其他5个县均大于9℃(M值为3)，另3个县分别为8.7，8.7，8.7℃(M值均为2)；2019年1月采收前30 d平均日较差除东山岛屿为3.8℃(M值为0)外，其他4个县为6.5～7.0℃(M值为2)，另4个县分别为6.0，6.0，6.0，6.2℃(M值均为1)。2018年12月中旬—2019年1月中旬漳州乃至福建全省多阴雨天气，比常年日照时数少，平均气温日较差低。综上，2018年1月采收前30 d平均日较差和采收前30 d平均日照时数明显优于2019年，导致2018年青枣品质总体优于2019年。

表7 2018年1月初采摘的青枣关键气象因子及青枣气候品质评级Table 7 Climate quality grade and key meteorological factors for Indian jujube harvested in early Jan 2018

表8 2019年1月初采摘的青枣关键气象因子及青枣气候品质评级Table 8 Climate quality grade and key meteorological factors for Indian jujube harvested in early Jan 2019

2.4.2 在福建青枣产期调节中的应用

2.4.2.1 青枣气候品质评价指标及气候品质评价指数变化

以福建省漳州、泉州、莆田(代表福建南部、中部和北部青枣种植区)为例，计算1971—2011年平均(代表常年)青枣气候品质评价指标及气候品质评价指数在采收期的变化(图1和图2)。由图1可知，采收前90 d平均气温随时间直线下降，3个站点从12月1日的23.0℃～23.5℃下降到2月28日的14.5℃～16.0℃，其中漳州平均气温的变化范围大约为23.5℃～16.0℃，泉州、莆田平均气温变化范围大约为23.0℃～14.5℃，说明3个站点主要采收期随时间推移气温条件越来越不利于形成大果；漳州平均气温较泉州、莆田大约高1℃，说明漳州的气温条件比泉州、莆田更易于形成大果。采收前30 d 平均日较差，漳州从12月1日—1月23日在8.6～9.1℃间波动，1月24日—2月底随时间日较差降低至7.5℃，泉州、莆田在集中采收期变化不大，在6.5～7.2℃间波动，泉州采收前后期日较差较小、中期较大，莆田采收前中期平稳、后期较小的趋势。3个站点采收前30 d日照时数在12月1—25日变化不大，漳州、泉州约5.5 h，莆田约5.0 h，之后减少3.5～3.8 h，漳州与泉州相近，莆田约低0.5 h。总体上，采摘期前中期的气象条件比后期更有利于优质青枣生产。

图1 青枣气候品质评价指标变化Fig.1 Climate evaluating indicators of Indian jujube

由图2可知，3个站点常年青枣气候品质呈现为波动式下降，漳州优于泉州，泉州优于莆田。漳州12月—翌年1月17日气候品质评价指数均在2.5以上(特优)，之后到1月25日多处为2.3左右，其后至2月底均为2.0(优)，可见主要采收期为优到特优。泉州12月—翌年1月7日气候品质评价指数均在2.5以上(特优)，并由1月8日—12日的2.3 逐渐减小到2月28日1.7。莆田气候品质评价指数最高出现在12月18日—27日为2.75,次高为2.4，分别出现在12月1日—12月17日及12月28日—1月7日；1月8日—2月16日均为2.0，其后至2月底均为1.35(良)。上述分析表明，3个站点品质最优时间均为早中期。

因青枣为长日照作物，通过在枣园中挂灯延长日照时间可提前进入生殖生长期，达到提前1～2个月成熟、采收上市，以获得全产期较高品质的青枣，并获取更大经济效益。

2.4.2.2 2017/2018年青枣气候品质评价指数变化

由图3可知，2017/2018年3个站点青枣气候品质呈弱双峰型波动，其中漳州优于泉州、莆田。漳州12月—翌年1月气候品质评价指数均大于2，至3月1日也均超过1.5，主要采收期均为优到特优；泉州、莆田12月—翌年1月气候品质评价指数在1.5以上，为优到特优，1月30日—3月1日为1～1.3，均为良。3个站点品质最优时间均为早中期，与常年结果一致。

图2 青枣气候品质评价指数变化Fig.2 Climate quality index of Indian jujube

图3 2017/2018年青枣气候品质评价指数变化Fig.3 Climate quality index of Indian jujube in 2017/2018

2.4.3 在福建青枣优质布局中的应用

依据福建青枣生产现状，将青枣划分为早果(12月及以前采收)、中果(1月采收)和晚果(2月及以后采收)，其采收期截止日期分别为12月15日、翌年1月16日和翌年2月16日。利用1971—2011年历史气候资料，基于青枣气候品质等级评价模型绘制福建省青枣气候品质区划等级图(图4)。由图4可知，青枣气候品质从南向北等级变差，早果气候品质总体优于中果，中果优于晚果。对于早果，除了屏南、古田部分山区品质一般外，其他种植区均为特优区(诏安、云霄、平和、南靖、漳浦、永定、上杭、武平)或优质区。对于中果，漳州诏安、云霄、平和、南靖、永定为特优质区；除特优外的漳州其他市县、厦门地区、泉州除德化、永春山区外的种植区、莆田、福州的沿海市县均为优质区；泉州德化、永春、福州的内陆市县、宁德沿海市县均为良；福州、宁德山区市县高海拔地区为一般。对于晚果，除漳州华安、平和、南靖北部山区及泉州的德化、永春、安溪外，漳州、泉州的其他市县及厦门、莆田、仙游沿海地区、福清为优质区；宁德福鼎、福安、霞浦及其他市县的山区、福州除福清外的北部山区市县为一般；其他种植区均为良。

图4 福建不同采摘期青枣气候品质区划图 Fig.4 Climate quality of Indian jujube in different picking period in Fujian

根据早果、中果和晚果品质区划结果可知，为了收获更多优质青枣，建议青枣种植尽量布局在漳州、厦门、泉州地区、莆田地区、福州地区少种植或采取大棚设施种植，宁德地区不种植。

3 结论与讨论

本文在福建、广东、广西2015—2016年青枣品质田间试验资料分析的基础上，建立并验证青枣气候品质等级评价模型，并利用该模型分析福建青枣气候品质评价、优质青枣产期安排、种植布局等应用，得到以下主要结论：

1) 基于田间试验获取青枣主要气候品质评价指标，开展与其有关的采摘前期气象因子分析，结合生产实际及果树专家意见，筛选出3个青枣气候品质评价指标，分别为采收前90 d平均气温、采收前30 d气温日较差和采收前30 d日照时数。参照常规农业气象条件定量化等级评价标准，将3个关键气象因子划分为4个等级，利用专家评分方法赋予不同权重，建立青枣气候品质等级评价模型。

2) 分析青枣气候品质等级评价模型结果表明：采收前90 d平均气温高，有利于果实干物质积累，单果重量提高；采收前30 d气温日较差大和采收前30 d日照时数多，有利于糖份等固形物的积累。利用福建、广东、广西2014—2019年6年独立样本检验，吻合率达86.1%。

3) 将青枣气候品质等级评价模型应用于2018—2020年福建早果、中果和晚果青枣气候品质等级评价业务；并应用于福建常年青枣气候品质时空分布，表明前中期采摘的青枣优于后期，南部地区种植的青枣品质优于中北部。

有关苹果品质开展的大量气象研究显示：生长期平均温度、平均日最高气温、果实生长及成熟期平均气温日较差、日照时数是影响苹果品质的关键气象因子[2,33，39-41]，这与影响青枣品质的关键气象因子一致。

由表6可见，36个样本中6个不符合，其中4个在南靖，且均为实际品质低于模型推算等级，这与南靖果园气象站点海拔高于品质取样的果园，果园的实际温度条件低于气象站点测值有关。因此，在开展品质评价时应注意被评价果园气象数据的代表性，以提高评价的准确度。长泰8个样本中实际品质等级与气候品质等级符合，其中有5个样本的实际品质等级比气候品质高半级，长泰果园为县农业局专家承包试验田，水肥等管理技术水平高于一般田，有利于形成优质青枣，可见果实品质高低除了受气象条件影响外，土壤、管理措施等环境因素对青枣品质形成也有重要影响。

基于条件限制，本研究品种为脆蜜，且未考虑管理技术水平及土壤差异，因此在应用模型开展评价时应根据实际情况对评价模型进行适当的修正。气象资料不仅使用68个基本气象站点的观测资料，还应用区域自动气象站资料及果园小气候站点的资料，但仍出现气象资料不能代表评价果园实际的情况，在模型应用时应注意选择最能代表片区果园的气象资料进行品质认证与评价。因为缺乏长时间序列的青枣品质资料，本研究未开展品质与气象灾害的相关性研究，评价模型也未将品质与气象灾害的关系纳入，后期还需积累大量的果品品质资料，进一步提高认证与评价技术的科学性。该研究主要利用基本气象站的气象资料进行青枣气候品质评价及品质区划，随着GIS技术的快速发展，将探索基于综合环境要素的青枣气候品质精细化评价，使评价结果更精细和更科学，发挥果品气候品质认证评价对提高果品市场竞争力的促进作用。