南方地区大棚种植非洲菊高温热害风险区划*

姜雨函，罗 靖，杨再强,2**，郑艳姣

南方地区大棚种植非洲菊高温热害风险区划*

姜雨函1，罗 靖1，杨再强1,2**，郑艳姣1

（1．南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044；2．江苏省农业气象重点实验室，南京 210044）

以非洲菊“里奥内格罗”(Bolus,Rionegro)为研究对象，采用人工控制试验，以日/夜气温28℃/18℃为对照(CK)，对非洲菊进行动态高温(32℃/22℃、35℃/25℃、38℃/28℃和41℃/31℃)和持续时间(4d、6d、8d和10d)处理，测定不同处理下非洲菊叶片的光合特性、荧光特性和衰老特性相关生理指标。依据相关性分析和主成分分析结果，构建适用于中国南方地区的设施非洲菊高温热害等级指标，并结合1990−2019年366个站点的气象资料和温室大棚小气候资料，利用BP神经网络模拟南方地区温室内日最高气温，以此开展南方非洲菊种植区大棚栽培高温热害风险区划。结果表明：（1）通过主成分分析提取Pn、Pmax、PItotal、Fv/Fm和POD作为关键指标构建设施非洲菊高温热害胁迫指数（HSI），将其分为轻度（0.2＜HSI≤0.4）、中度（0.4＜HSI≤0.6）和重度（HSI＞0.6）三个等级，并以此确定其高温热害胁迫气象指标。（2）1990−2019年南方地区非洲菊种植区轻度高温热害爆发频率在0.19～0.90，以四川和云南东部及其以西地区居多；与轻度高温热害相比，中度高温热害在整个南方地区发生频率有所下降，主要发生在广西和广东地区，最高频率可达0.54。重灾发生频率也明显低于轻度，在0～0.58。（3）1990−2019年设施非洲菊高温热害在南方地区总体呈现南高北低的趋势，其中重庆、湖北、湖南、江西、广西、广东、福建和浙江等地，较大范围内为高风险区，而四川盆地以及云南东部和西部地区风险较低。其他区域为设施非洲菊高温热害中风险区。

非洲菊；高温热害；BP神经网络；南方地区；风险区划

非洲菊（Bolus, Rionegro）原产于非洲南部和亚洲[1]，是世界上最重要的花卉植物之一。因花色丰富、花期较长、多花性强等特点，成为花卉市场极受欢迎的大宗商品[2]。随着产业的蓬勃发展和市场需求的快速增长，非洲菊成为国内设施花卉栽培的重要作物之一。非洲菊的栽培具有广泛的适应性，在大部分地区都有较好的培育前景。据统计，全国种植设施非洲菊的面积已超4600hm2。南方地区的非洲菊种植最为广泛，适宜的地理条件和气候环境使得大部分地区可实现非洲菊的周年生产，为当地带来较高的经济效益[3−4]。该区域的栽培设施以塑料大棚为主，但此类设施相对简单，不具备完善的设施环境调控系统，因此对气象灾害的抵抗能力较差[5]。非洲菊生长喜光但不耐高温，其适宜生长温度20～25℃，温度过高会影响植株的正常生长，导致花苗长势矮小紧凑，且产花量低、花色变浅、花序直径变小以及花型不规范等问题，严重时会使植株进入休眠状态[6]。由于设施的封闭或半封闭性，其内部热量易过度积累，且不易降温，从而造成设施内高温热害频发且持续性强，给非洲菊的栽培生产带来严重影响。国内外学者对非洲菊高温生长的研究较为有限，主要通过控制高温的强度和持续时间，对非洲菊植株的生长发育和生理代谢进行研究[7−8]。报道多集中于非洲菊品种的耐热性以及高温胁迫对非洲菊切花品质的影响，但对于南方非洲菊种植区大棚栽培高温热害风险区划却少有关注[9−12]。

近年来，在气候变化加剧背景下，国内南方地区高温热害频发。为保障经济作物的稳定生产，需对作物进行灾害风险评估，以期为农业气象灾害的防御提供支撑。在灾害风险区划的过程中，学者们从不同的研究角度探求依据，进行灾害指数的构建。除考虑气象因子、产量水平和效益外，还深入到了作物生长环境评价领域。设施作物灾害指标多依据气象因子进行分析判定，但对于特定的设施作物，影响其产量和品质的因素冗杂，使得此类方法具有一定局限性[13−15]，因此，需尝试结合作物特定的生理生化指标等建立灾害指数。彭晓丹等[16]对不同温度条件下黄瓜叶片的抗氧化酶活性和光合作用的稳定性进行了比较，并据此建立低温灾害胁迫指标。肖芳[17]研究了红提葡萄幼苗叶片的荧光、衰老特性和生长激素对高温胁迫的响应，从而确定其高温胁迫等级。郑艳娇等[18]则对前人所测定的高温下番茄叶片的多项生理生化指标进行统计和筛选，最终构建番茄的高温热害指标。

目前，对设施花卉植物的高温热害风险区划的研究鲜有报道，且对非洲菊高温热害的分级标准的研究更是空白。因此，本研究以非洲菊为试验材料，利用人工神经网络进行了南方地区大棚日平均最高气温的模拟，并结合试验数据进行了相关性分析与主成分分析，建立适于中国南方地区设施非洲菊高温热害的指标体系，并在此基础上进行设施非洲菊高温热害风险区划，以期应用于南方非洲菊种植地区大棚栽培优化布局，为设施非洲菊在高温热害预警监测及提高设施环境综合调控能力提供理论支持和科学依据。

1 资料与方法

1.1 研究区概况与数据来源

研究范围（21−35°N，97−123°E）涵盖了江苏、安徽、上海、杭州、上海、江西、湖北、湖南、成都、贵州、四川、云南、广西和广东14个省份（图1）。该区域大部属热带和亚热带季风气候，其中福建、云南等地均为大规模非洲菊种植区[19−20]。1990−2019年气象站资料来自国家气象信息中心，包含了研究区内366个国家级基本气象站近30a内所监测的日平均气温、日最低气温、日最高气温、日平均相对湿度、日照时数和日平均风速数据，并对缺测数据的年份作删除处理。

图1 研究范围内366个国家级基本气象站的分布

小气候数据来源于浙江、江苏、上海和福建等地的塑料大棚，由其内部的小气候观测仪（CR-10，USA）采集。用于采集温湿度数据的传感器统一安装在距地1.5m处，每10min采集一次，并经采集系统统计计算后导出各要素的小时值和日值，自动储存在采集器内。筛选主要栽培期（4−10月）内的有效数据用于温室小气候模拟，并取单日序作为训练集，双日序作为测试集（表1）。

1.2 高温控制试验资料收集

试验于2021年4−7月进行，试验地点位于江苏省南京市（32.21°N，118.68°E，海拔14.4m）南京信息工程大学农业气象研究站。供试非洲菊品种为“里奥内格罗”（重瓣，粉色系)。在Venlo型温室(高×宽×长5.0m×9.6m×30.0m，南北朝向)苗床上进行前期育苗和生长，培养土壤基质由泥炭土（pH为5.0～6.0）和珍珠岩按2:1比例混合。当花苗长出5～6片功能叶后，移栽至规格为21cm（高）×16.5cm（上口径）×11.5cm（下口径）花盆。缓苗7日后，转入人工气候室（TPG-1260，Australian）进行高温控制试验。设置4种高温胁迫水平，各水平日最高气温/日最低气温分别设置为32℃/22℃、35℃/25℃、38℃/28℃和41℃/31℃，分别处理4d、6d、8d和10d，以28℃/18℃为对照（CK）[19−20]。

气候室内光周期设定为13h/11h（日/夜），日间光合有效辐射最大值设置为1000μmol·m−2·s−1，日间空气相对湿度设为60%（误差范围±5个百分点），夜间则设为80%（误差范围±5个百分点）。处理结束后对非洲菊的光合特性、荧光特性和衰老特性3个方面的指标进行测定。各指标的采样时间和测定方法具体参考文献[21−23]。

1.3 研究方法

应用BP神经网络模拟大棚内日最高气温。通过对室内外气象要素的日值进行相关性分析，得出各因子间相关性密切，且通过了95%的显著性检验（表2）。为此选定室外平均气温、最高气温、最低气温、相对湿度、风速以及日照时数作为BP神经网络模式的输入，并建立10个隐藏层神经元，以室内日最高温度为输出点，其中隐藏层的转换函数选用S的正切函数，而输出层转换函数则选用对数函数。假设初始学习速度为η=0.1，最佳循环次数为1000，期望误差为0.001（图2）。BP神经网络模拟由Matlab R2021a软件实现[24−27]。

表1 温室小气候数据来源

表2 棚内最高气温与棚外各气象因子的相关系数

注：*和**分别表示相关系数通过0.05和0.01水平的显著性检验。

Note：*and**indicate that the correlation coefficient has passed the 0.05 and 0.01 level significance test, respectively.

图2 BP神经网络结构示意图

1.3.2 非洲菊高温胁迫指数计算

利用高温控制试验数据计算非洲菊高温胁迫指数。根据不同高温条件对非洲菊叶片的光合功能、叶绿素荧光功能及其抗衰老功能的影响情况，应用相关性分析和主成分分析技术对收集的相关生理指标作降维处理，并选择其中贡献率较大的指标为自变量，以此计算非洲菊高温胁迫指数。高温胁迫指数计算式为[28−31]

式中，HSI为高温胁迫指数；A、B、C…为不同高温胁迫下生理指标的数值；A、B、C…为对照组生理指标的数值；a、b、c…为不同指标对应的权重系数。根据不同处理的高温胁迫指标，利用等间距法把高温胁迫指标划分为不同的类型级别[32]。

1.3.3 大棚非洲菊高温热害风险指数计算

灾害风险性就是在给定范围和时间内作物受灾的机率[30]。高温对非洲菊的影响主要从胁迫强度、持续时间及发生频率进行综合考量。其中，高温热害发生频率及危险指数计算式为[18,31]

式中，Pi为某地第i个等级高温热害发生的频率；ni为该地1990−2019年发生第i级高温热害的次数；Ni为所有站点发生第i级高温热害的总次数。R为热害风险指数；i为高温热害的等级，i=1、2和3分别对应轻度、中度和重度，n为高温热害划分的等级数量，文中n=3；Oi为第i个等级高温热害强度。考虑到构建高温热害指数时可能会出现Pi相等的情况，因此，引入Oi，根据3个等级高温达标日的强度和影响将Oi分配为0.2、0.3和0.5[33]。

果然，在大家议论它是帝国之花还是情人之爱的时候，绯红色的石牡丹好像由地底里苏醒，记起自己尚未绽放，石柱顶端，交相层叠在一起的几十片花瓣如同合拢的手掌，轻颤着微微扩张，纤细的手指屈伸起来，石柱之中，扎扎地发出细微有力的声响。

1.4 数据处理

利用IBM SPSS Statistics 23软件对室内外气象要素作相关性分析（P<0.05），并对收集的各生理生化指标分别进行相关性分析和主成分分析。使用Matlab R2021a软件搭建BP神经网络小气候模拟模型。基于ArcGIS平台，利用克里金（Kriging）空间插值法开展南方种植区非洲菊高温热害综合风险区划[34−36]。

2 结果与分析

2.1 大棚内日最高气温模拟精度验证

利用表1中划分的检验集数据对BP模拟模型的精度进行验证。日最高温的模拟值与同期实测值的比较结果（图3）表明，决定系数（R2）为0.86，均方根误差（RMSE）为1.5℃，相对误差为（RE）6.3%，绝对误差（MAE）为2.2℃。表明该模型模拟结果精度较好，能够满足实际应用的需要。

图3 大棚内日最高气温模拟值与实测值的对比

2.2 非洲菊高温热害等级建立

对人工气候室不同高温水平下测定的23个非洲菊叶片光合、荧光和衰老特性指标间进行相关性分析，结果见图4。由图可知，多数指标间的相关系数绝对值在0.50～0.90，且通过了95%的显著性检验，说明各指标间存在显著相关关系。除LCP、LSP、Ci和WUE外，光合特性指标间的相关性显著（P<0.05），相关系数绝对值在0.32～0.95，说明光合特性指标可提供32%～95%的共同信息。多数荧光特性指标为显著正相关关系（r>0，P<0.05），相关系数在0.29～0.88，可提供29%～88%的共同信息。衰老特性指标之间为显著正相关关系，相关系数为0.70～0.92，提供了70%～92%的共同信息。

图4 非洲菊高温处理后各指标间的相关性分析（n=48）

综上所述，光合、荧光和衰老特性多数指标间相关性均达95%显著水平，因此，多数指标均可作为设施非洲菊对高温胁迫响应的重要特征参数。整体看，衰老特性指标间相关性最强，可提供70%～92%的共同信息，其次是光合特性指标和荧光特性指标。

对所收集到的23个生理指标进行主成分分析，可在保证信息相对完整的同时缩减为综合指标。结果表明（表3和表4），前五个主成分的特征值均超过1，其累计方差贡献率为83.606%。而在第一主成分中，Pn、Pmax、PItotal、Fv/Fm、ABS/CSm、TRo/CSm和RC/Cso指标的特征向量值较大，在0.086～0.097范围内，主要表征叶片的光合和荧光特性。在第二主成分中SOD、MAD、CAT和POD指标的特征向量值较大，在0.165～0.181，主要表征叶片的衰老特性。PIabs和LCP指标的特征向量值在第三主成分中要高于其他指标，分别为0.305和−0.337，表征叶片的光合和荧光特性。Tr和WUE指标的特征向量值在第四主成分中较大，主要表征叶片的蒸腾特性。第五主成分中ETo/CSm指标的特征向量值最大，主要表征叶片的荧光特性。以上5个主成分综合了大部分指标信息，但表征信息存在一定程度的重叠，因此，综合考虑下将Pn、Pmax、PItotal、Fv/Fm和POD五个指标进行设施非洲菊高温胁迫指数的计算。

表3 各指标主成分分析的总方差解释

表4 各指标主成分分析特征向量

对Pn、Pmax、PItotal、Fv/Fm和POD五个指标再次进行主成分分析，结果见表5。由表可见，其累计方差贡献率达80.347%，可综合多指标的信息表征。指标的特征向量即为权重系数（表6）。

表5 筛选后指标主成分分析的总方差解释

表6 筛选指标主成分总方差解释特征向量（权重系数）

通过式（4）计算设施非洲菊高温胁迫指数（HSI）。

表7 不同高温处理下HSI值

表8 非洲菊高温热害等级

2.3 南方非洲菊种植区大棚栽培高温热害风险区划

1990−2019年南方非洲菊种植区内不同等级高温热害发生频率的空间分布如图5所示。

由图可见，设施非洲菊轻度高温热害地区爆发频率在0.19～0.90，以四川和云南东部及其以西地区居多，而在重庆市、湖北、湖南、江西、广西、广东和福建地区爆发频率则较低，为0.17～0.40。与轻度相比，整个南方地区中度高温热害总体上发生频率有所下降，主要发生在广西和广东地区，最高频率可达0.54，而四川西部和云南东部和西部地区发生频率均低于0.24。重度高温热害总体发生频率也明显低于轻度，在0～0.58。重灾主要发生在重庆、湖南、江西、湖北西部地区以及福建和浙江北部地区，而四川、云南和贵州西部地区发生频率较低。

基于不同等级设施非洲菊高温热害的发生频率和灾害强度，计算南方地区366个站点的综合风险指数（R）。利用克里金法（Kriging）对南方地区的R值进行空间插值，再根据自然断点法（Jenks）将其划分为低、中和高风险三个等级，结果如图6所示。其中，00.32为高风险区。

由图6可见，高值区主要集中于成都、湖北、湖南、江西、广西、广东、福建和浙江，风险指数普遍高于0.32，影响范围广泛，属于中国设施非洲菊高温热害多发带。低值区主要集中分布在四川盆地以及中国东部和西部一带，属设施非洲菊高温热害低风险带，风险指数均小于0.26。其他地区则为设施非洲菊高温热害发生的中风险区。对各种等级高温热害的发生频率空间差异的观察（图5）发现，最近30a内，重庆、湖北、湖南、江西、广西、广东、福建和浙江等省份轻度和中度高温热害的发生频率较少，而重度高温热害的发生频率则较高，因此，为高风险区。四川盆地地区以及中国东部和西部区域，出现轻度高温热害的概率较大且强度也较小，而中度和重度高温热害的发生频率较低，风险指数较低，因此为低风险区。

图5 南方地区大棚栽培非洲菊不同等级高温热害发生频率空间分布（1990−2019年）

图6 南方地区设施非洲菊高温热害风险指数空间分布

3 结论与讨论

3.1 结论

（1）光合、荧光和衰老特性多数指标间相关性均达95%显著水平，可作为设施非洲菊对高温胁迫响应的重要特征参数，其中衰老特性指标间相关性最强，可提供70%～92%的共同信息。再基于主成分分析，筛选出Pn、Pmax、PItotal、Fv/Fm和POD五个指标构建设施非洲菊高温热害胁迫指数（HSI），并分为轻度（0.2＜HSI≤0.4）、中度（0.4＜HSI≤0.6）和重度（HSI＞0.6）三个等级，最终确定其高温热害胁迫气象指标。

（2）1990−2019年南方非洲菊种植区轻灾地区爆发频率在0.19～0.90，以四川和云南东部及其以西地区居多；与轻度高温热害相比，中度高温热害在整个南方地区发生频率有所下降，主要发生在广西和广东地区，最高频率可达0.54。重度高温热害发生频率也明显低于轻度，在0～0.58。

（3）1990−2019年设施非洲菊高温热害在南方地区总体呈现南高北低的趋势。其中重庆、湖北、湖南、江西、广西、广东、福建和浙江等地，较大范围内为高风险区，而四川盆地以及云南东部和西部地区风险较低。其他区域为设施非洲菊高温热害中风险区。

3.2 讨论

光合特性是表征植物抗逆性最敏感的生理特性之一[37]。荧光特性能反应植物的“内在性”特征，对表征叶片对光能的吸收能力、传递效率及利用率等方面具有重要意义[38]。衰老特性中SOD、POD和CAT是重要的指标，三者活性的高低能间接反映植物抗衰老能力的强弱[39]。因此，光合、荧光及衰老特性均可作为设施非洲菊对高温胁迫响应的重要特征参数，构建设施非洲菊高温热害胁迫指数并最终确定其高温热害气象灾害指标，以此开展设施非洲菊高温热害风险区划。在气象灾害胁迫指标的计算中引入生理指标作为依据，考虑特定植物，在一定程度上提高了等级划分的科学性。类似的设施作物灾害研究中，徐超等[31]根据不同高温胁迫对草莓叶片光合、荧光特性及活性氧物质、抗氧化酶活性的影响，建立了温室草莓高温气象灾害指标。龙宇芸等[40]利用菊花光合特性及荧光参数，确定了设施菊花花期的低温寡照胁迫气象指标。结合植物特定的生理指标，划分气象灾害指标，计算植物气象灾害发生的频率以及风险指数对进一步提高风险区划和评估的准确性具有重要意义。

南方非洲菊种植区大棚栽培高温热害风险区划的结果表明，1990−2019年南方非洲菊种植区以轻灾为主，爆发频率在0.19～0.90，以四川以及云南东部和以西地区居多，而中度和重度高温热害总体上与轻度相比，整个南方地区发生频率有所下降。这可能是因为南方地区属于亚热带季风气候，雨热同期，夏季多降水，因此使得南方非洲菊种植区发生的高温热害总体上以轻灾为主。南方非洲菊种植区高温热害风险区划的地理分布总体呈南高北低的趋势，随着纬度和海拔的增高，从南到北非洲菊受高温热害的风险越小。高温热害高风险基本呈现出由西南向东南递增的趋势，高风险区集中在中部和东南部地区，主要包括重庆、湖南、湖北、江西，以及江苏、福建、广东和广西大部分地区。中国南方夏季易受西太平洋副热带高压的影响，空气干燥，温度较高。其中，中部和南部地区的西太平洋副热带高压偏强、高低空受异常反气旋控制，且伴随着西南季风的减弱，干热特征十分明显，高温空间范围大、发生频次高[41]。因此，相较于北部地区发生高温热害的风险较高。

本研究结果具有一定的代表性，但仍然存在不足之处。不同品种的非洲菊在不同生育阶段对温度的响应存在差异，可能存在局限性[31]。虽然在高温胁迫指数构建与分级时已考虑到特定作物对胁迫反应程度的影响，总体上研究结果与生产实况基本相符，但由于南方种植区地理范围广泛，气候变化多样，因此，应连续收集各地区内多时段、多站点气象数据和温室实测数据，完善研究区域气候特征，增强应用的广泛性。此外，在灾害等级的确立上仅以气温为标准划分，在实际设施农业生产中，还有部分气象因素在一定程度上影响植物的生长。例如，设施内的湿度变化对非洲菊生长有影响。较高的湿度是非洲菊病虫害发生的主要诱因。因此在设施非洲菊灾害的后续研究中可以考虑温湿度的复合影响，更有助于灾害标准的完善。

[1] Gao T,Hind D J N.Gerbera Linnaeus[J].Flora China,2011 (20):13-21.

[2] Li F,Li S C,Shan Q L.The effect of temperature on plant growth in four Gerbera hybrida cultivars[J].HortScience, 2019,54(7):1164-1167.

[3] 郭方其,陈文海,叶琪明,等不同非洲菊品种在浙北地区的适应性评价[J].浙江农业科学,2020,61(10):2056-2059.

Guo F Q,Chen W H,Ye Q M,et al.Evaluation of adaptability of different Gerbera species in northern Zhejiang[J].Journal of Zhejiang Agricultural Sciences,2020,61(10):2056-2059. (in Chinese)

[4] 韩心怡.面积稳步上升出口大幅增长:2013年全国花卉统计数据分析[J].中国花卉园艺,2014(13):33-37.

Han X Y.Steady increase in area and large increase in export:analysis of national flower statistics in 2013[J]. Chinese Flower Gardening,2014(13):33-37.(in Chinese)

[5] 张应超,罗健,伏广农,等.南方地区圆拱形和锯齿形大棚内温度四季差别探究[J].农业工程技术,2021,41(25): 49-52.

Zhang Y C,Luo J,Fu G N,et al.Exploring the difference in temperature between round-arched and sawtooth shaped greenhouses in the southern region in all seasons[J]. Agricultural Engineering Technology,2021,41(25): 49-52. (in Chinese)

[6] Niu J,Cheng Z H,Khan A R,et al.Effects of temperature during seedling stage on growth and nutrient absorbance of Gerbera jamesonii growing in organic substrate[J].Journal of Plant Nutrition,2015,38(5):700-711.

[7] Kim W C,Pak W H,Lee Z W,et.al.Morphological, physiological and biochemical responses of Gerbera cultivars to heat stress[J].Korean Journal of Horticultural Science & Technology,2016,34:1-14.

[8] dos Santos F T,Ludwig F,Costa L A M,et al.Growth analysis of potted gerbera conducted with mineral fertilization and organic fertigation[J].Cienciae Investigación Agraria,2016,43(1):111-120.

[9] Deng Y,Chen S,Chen F,et al.The embryo rescue derived intergeneric hybrid between chrysanthemum and Ajania przewalskii shows enhanced cold tolerance[J].Plant Cell Reports,2011,30(12):2177-2186.

[10] Tsirogiannis I,Katsoulas N,Kittas C.Effect of irrigation scheduling on Gerbera flower yield and quality[J]. HortScience,2010,45(2):265-270.

[11] Li F,Li S,Shan Q.The effect of temperature on plant growth in four Gerbera hybrida cultivars[J].Hort Science,2019, 54(7):1164-1167.

[12] Li S,Shan Q,Yu R,et al.Comparative transcriptome analysis of two Gerbera hybrida cultivars revealed cold tolerance mechanism[J].Plant Omics,2018,11(1):10-19.

[13] 杜尧东,李春梅,毛慧琴.广东省香蕉与荔枝寒害致灾因子和综合气候指标研究[J].生态学杂志,2006,25(2):225- 230．

Du R D,Li C M,Mao H Q.Disaster-inducing factors and integrated climatic index for banana and litchi chilling injuries in Guangdong[J].Chinese Journal of Ecology,2006, 25(2):225-230.(in Chinese).

[14] 包云轩,王莹,高苹,等.江苏省冬小麦春霜冻害发生规律及其气候风险区划[J].中国农业气象,2012,33(1):134- 141．

Bao Y X,Wang Y,Gao P,et al.Occurrence pattern on spring frost injury of winter wheat in Jiangsu province and its climatic risk division[J].Chinese Journal of Agrometeorology, 2012,33(1):134-141.(in Chinese).

[15] 杜子璇,刘忠阳,刘静,等.河南设施农业黄瓜寡照灾害时空分布及风险评价[J].干旱气象,2015,33(4):694-701.

Du Z X,Liu Z Y,Liu J,et al.Spatial-temporal distribution and risk assessment of cucumber oligoillumination disaster in facility agriculture in Henan province[J].Journal of Arid Meteorology,2015,33(4):694-701.(in Chinese)

[16] 彭晓丹,杨再强,柳笛,等.温室黄瓜低温气象灾害指标[J].气象科技,2013,41(2):394-400．

Peng X D,Yang Z Q,Liu D,et al.Study of low-temperature disaster index of greenhouse cucumbers[J].Meteorological Science and Technology,2013,41(2):394-400.(in Chinese)

[17] 肖芳.高温胁迫对苗期红提葡萄生理及基因表达特性的影响[D].南京:南京信息工程大学,2018．

Xiao F.Effects of high-temperature stress on physiological and gene expression characteristics of grapevine (L.Hongti) during seedling stage[D].Nanjing: Nanjing University of Information Science & Technology, 2018.(in Chinese)

[18] 郑艳姣,杨再强,王琳,等.中国南方设施番茄高温热害风险区划[J].应用气象学报,2021,32(4):432-442.

Zheng Y J,Yang Z Q,Wang L,et al.Refined risk zoning of high temperature and heat damage to greenhouse tomato in southern China[J].Journal of Applied Meteorological Science,2021,32(4):432-442.(in Chinese)

[19] Niu, J,Cheng Z H,Khan A R, et al.I.Effects of temperature during seedling stage on growth and nutrient absorbance of Gerbera jamesonii growing in organic substrate[J].Journal of Plant Nutrition,2015,38(5):700-711.

[20] Tsirogiannis I,Katsoulas N,Kittas C.Effect of irrigation scheduling on gerbera flower yield and quality[J]. Hort Science, 2010,45(2):265-270.

[21] 李合生.植物生理生化实验原理和技术[M].北京:高等教育出版社,2000:134-137.

Li H S.Principles and techniques of plant physiological biochemical experiment[M].Beijing:Higher Education Press, 2000:134-137.(in Chinese)

[22] Hermans C,Johnson G N,Strasser R J,et al.Physiological characterisation of magnesium deficiency insugar beet:acclimation to low magnesium differentially affects photosystems Iand II[J].Planta,2004,220:344-355.

[23] Li P,Cheng L,Gao H,et al.Heterogeneous behavior of PSII in soybean() leaves with identical PSII photochemistry efficiency under different high temperature treatments[J].Journal of Plant Physiology,2009,166(15): 1607-1615.

[24] 范辽生,朱兰娟,柴伟国,等.杭州冬季塑料大棚内气温变化特征及日最低气温预报模型[J].中国农业气象,2014,35 (3):268-275.

Fan L S,Zhu L J,Chai W G,et al.Temperature variation characteristic and daily minimum temperature forecast inside plastic greenhouse in winter in Hangzhou[J].Chinese Journal of Agrometeorology,2014,35(3):268-275.(in Chinese)

[25] 李宁,申双和,黎贞发,等.基于主成分回归的日光温室内低温预测模型[J].中国农业气象,2013,34(3):306-311.

Li N,Shen S H,Li Z F,et al.Forecast model of minimum temperature inside greenhouse based on principal component regression[J].Chinese Journal of Agrometeorology, 2013,34(3):306-311.(in Chinese)

[26] 汪小旵,丁为民,罗卫红,等.利用BP神经网络对江淮地区梅雨季节现代化温室小气候的模拟与分析[J].农业工程学报,2004(2):235-238.

Wang X D,Ding W M,Luo W H,et al.Simulation and analysis of microclimate of gutter connected Venlo greenhouse during rainy season in Jianghuai region of China using BP neural network[J].Transactions of the Chinese Society of Agricultural Engineering,2004(2):235- 238.(in Chinese)

[27] 温永菁,李春,薛庆禹,等.基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析[J]中国农学通报, 2018,34(16):115-125.

Wen Y J,Li C,Xue Q Y,et al.Temperature and humidity prediction models in solar greenhouse: comparative analysis based on stepwise regression and BP neural network[J].Chinese Agricultural Science Bulletin,2018,34 (16):115-125.(in Chinese)

[28] 杨菲,王学林,杨再强,等.江南地区茶树高温热害时空分布特征及风险区划[J].自然灾害学报,2015,24(3):216-224.

Yang F,Wang X L,Yang Z Q,et al.Spatiotemporal pattern and risk zoning of tea heat injury in south region of the Yangtze River[J].Journal of Natural Disasters,2015, 24(3): 216-224.(in Chinese)

[29] 屈振江,周广胜.中国主栽猕猴桃品种的气候适宜性区划[J].中国农业气象,2017,38(4):257-266.

Qu Z J,Zhou G S.Climate suitability zoning of blueberry in Fujian Province[J].Chinese Journal of Agrometeorology, 2017,38(4):257-266.(in Chinese)

[30] 王静,张强,王劲松,等.基于概率方法的南方农业气象灾害风险评估研究[C]//第31届中国气象学会年会S5干旱灾害风险评估与防控,2014:213-226.

Wang J,Zhang Q,Wang J S,et al.Study on risk assessment of agricultural meteorological disasters in South China based on probability method[C]//The 31st Annual Meeting of the Chinese Meteorological Society,2014:213-226.(in Chinese)

[31] 徐超,王明田,杨再强,等.高温对温室草莓光合生理特性的影响及胁迫等级构建[J].应用生态学报,2021,32(1) 231-240.

Xu C,Wang M T,Yang Z Q,et al.Effects of high temperature on photosynthetic physiological characteristics of strawberry seedlings in greenhouse and construction of stress level[J].Chinese Journal of Applied Ecology,2021, 32(1):231-240.(in Chinese)

[32] 陈松林,王天星.等间距法和均值标准差法界定城市热岛的对比研究[J].地球信息科学学报,2009,11(2):145-150.

Chen S L,Wang T X.Comparison analyses of equal interval method and mean-standard deviation method used to delimitate urban heat island[J].Journal of Geo-Information Science,2009,11(2):145-150.(in Chinese)

[33] 郭安红,何亮,韩丽娟,等.早稻高温热害强度指数构建及气候危险性评价[J].自然灾害学报,2018,27(5):96-106.

Guo A H,He L,Han L J,et al.Construction of heat damage intensity index of early rice and its climate risk assessment[J].Journal of Natural Disasters,2018,27(5):96- 106.(in Chinese)

[34] 姚亚庆.1950-2015年我国农业气象灾害时空特征研究[D].咸阳:西北农林科技大学,2016.

Yao Y Q.Temporal and spatial characteristics of agricultural meteorological disasters in China from 1950 to 2015[D]. Xianyang:Northwest A&F University,2016.(in Chinese)

[35] 杨再强,朱凯,赵翔,等.中国南方塑料大棚气象灾害风险区划[J].自然灾害学报,2012,21(5):213-221.

Yang Z Q,Zhu K,Zhao X,et al.Meteorological disaster risk regionalization of plastic greenhouse in southern China[J].Journal of Natural Disasters,2012,21(5):213-221. (in Chinese)

[36] 王新宇,黄鹏程.基于GIS的气象要素插值方法比较研究[J].测绘与空间地理信息,2020,43(5):167-170.

Wang X Y,Huang P C.Comparison of interpolation methods of meteorological elements based on GIS[J]. Geomatics and Spatial Information Technology,2020, 43(5):167-170.(in Chinese)

[37] 杨立,杨再强,张源达,等.弱光照条件下菊花叶片光合作用减弱的机理分析[J].中国农业气象,2020,41(11):707- 718.

Yang L,Yang Z Q,Zhang Y D,et al.Mechanism analysis on photosynthetic attenuation in chrysanthemum leaves under low light condition[J].Chinese Journal of Agrometeorology, 2020,41(11):707-718.(in Chinese)

[38] 张守仁.叶绿素荧光动力学参数的意义及讨论[J].植物学通报,1999,16(4):444-448.

Zhang S R.Discussion on chlorophyll fluorescence kinetics parameters and their significance[J].Chinese Bulletin of Botany,1999,16(4):444-448.(in Chinese)

[39] 王丹,吕艳杰,姚凡云,等.不同栽培模式春玉米花粒期冠层不同部位叶片的衰老特性[J].中国生态农业学报, 2022, 30(12):1925-1937.

Wang D,Lv Y J,Yao F Y,et al.Leaf senescence characteristics in different positions of spring maize canopy post anthesis under different cultivation models[J]. Chinese Journal of Eco-Agriculture,2022,30(12):1925-1937. (in Chinese)

[40] 龙宇芸,苏泽阳,姜雨函,等低温寡照对菊花光合特性的影响与灾害指标的确定[J].生态学杂志,2022,41(9):1731- 1739.

Long Y Y,Su Z Z,Jiang Y H,et al.The influence of low temperature and weak light on the photosynthetic characteristics of chrysanthemum and the determination of its disaster index[J].Chinese Journal of Ecology,2022, 41(9):1731-1739.

[41] 贾子康,郑志海,封国林.中国南方地区盛夏高温类型及其对应的大尺度环流和海温异常[J].气象学报,2020,78(6): 928-944.

Jia Z K,Zheng Z H,Feng G L.Midsummer high temperature types in southern China and corresponding large-scale circulation and sea surface temperature anomalies[J].Acta Meteorologica Sinica,2020,78(6):928-944.(in Chinese)

Risk Zoning of High Temperature and Heat Damage toPlanted in Greenhouse in Southern China Area

JIANG Yu-han1, LUO Jing1, YANG Zai-qiang1.2, ZHENG Yan-jiao1

(1. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, China; 2. Jiangsu Key Laboratory of Agrometeorology, Nanjing 210044)

Bolus (Rionegro) was subjected to dynamic high temperature (32°C/22°C, 35°C/25°C, 38°C/28°C and 41°C/31°C) and duration (4d, 6d, 8d and 10d) treatments in an artificial control experiment with day/night temperatures of 28°C/18°C as control (CK). The physiological indicators related to the photosynthetic, fluorescence, and senescence characteristics ofleaves were measured under different treatments. Based on the results of the correlation analysis and principal component analysis, authors constructed risk indexes for high temperature and heat damage (HT & HD) inapplicable to the greenhouse in southern China. Combining meteorological data from 366 stations and greenhouse microclimate data from 1990−2019, BP neural network was used to simulate the maximum daily temperature in greenhouses in the southern region as a way to carry out the risk zoning of HT & HD in greenhouse cultivation in the southernplanted region. The results showed that: (1) to create the heat stress index (HSI) ofin the greenhouse, Pn, Pmax, PItotal, Fv/Fm, and POD were extracted as key indicators by principal component analysis. They were classified into three levels: mild (0.2＜HSI≤0.4), moderate (0.4＜HSI≤0.6), and severe (HSI＞0.6), which were then used to determine its heat stress meteorological indicators. (2) The southern Chinaplanting area experienced mild HT & HD on average every 0.19 to 0.90 years between 1990 and 2019, with the majority of these outbreaks occurring in Sichuan and Yunnan's eastern and western regions. In contrast to the mild, moderate HT & HD on average decreased in frequency throughout the south, with a maximum frequency of 0.54 occurring mostly in Guangxi and Guangdong areas. Severe HT & HD occurred 0 to 0.58 times less frequently than mild disasters. (3) In the southern China, the HT & HD toin the greenhouse from 1990 to 2019 revealed a general trend of high in the south and low in the north. Among these, the Sichuan basin and the eastern and western areas of Yunnan are at low risk, whereas Chongqing, Hubei, Hunan, Jiangxi, Guangxi, Guangdong, Fujian, and Zhejiang are, to a great extent, high-risk regions. Other areas are at medium risk of HT & HD to thein the greenhouse.

; High temperature and heat damage; BP neural network; Southern China region; Risk zoning

10.3969/j.issn.1000-6362.2023.05.008

收稿日期：2022−06−13

国家重点研发计划项目（2019YFD1002202）

通讯作者：杨再强，教授，研究方向为设施农业气象，E-mail: yzq@nuist.edu.cn

姜雨函，E-mail: 20201208010@nuist.edu.cn

姜雨函,罗靖,杨再强,等. 南方地区大棚种植非洲菊高温热害风险区[J].中国农业气象,2023,44(5):433-444