中國兩大蘋果主產區積冷量時空變化特征

邱美娟，劉布春，劉園，王一舟

（1天津農學院農學與資源環境學院，天津 300384；2中國農業科學院農業環境與可持續發展研究所，北京 100081；3中國地震局地質研究所，北京 100029）

0 引言

氣象條件在果樹生產過程中起關鍵作用，其中冬季低溫是落葉果樹生產的重要氣象因子之一[1-2]。許多重要的經濟林果，比如蘋果、梨、葡萄等多年生落葉果樹需要經歷一定的低溫達到一定的積冷量(Chill accumulation)才能完成自然休眠，進行下一個發育階段，從而保證正常的開花結果[3-4]。如果積冷量不足，則可能導致果樹生長結果不良，或者不萌芽開花，嚴重影響產量[5-7]。因此，對積冷量的研究具有重要意義。

國外學者對積冷量的估算模型及積冷量的評估進行了一系列研究。最常用的積冷量估算模型有＜7.2℃模型，0～7.2℃模型，猶他(Utah)模型，改進猶他(Modified Utah)模型，正猶他(Positive Utah)模型和動力學(Dynamic)模型[8-11]。這些模型主要是經驗模型或者物候學模型，沒有考慮到果樹休眠的生理進程，不是生態生理學模型。盡管如此，這些模型仍然被廣泛用于積冷量的估算研究。最早提出的＜7.2℃模型，以打破休眠所需7.2℃或以下的累積低溫小時數為積冷量[8,12]。隨后相關學者發現0℃及以下溫度對低溫的積累無效，因此對其進行改進，提出了0～7.2℃模型，認為0～7.2℃之間的溫度具有相同的有效性，其他范圍溫度無效，該模型至今仍被廣泛應用[13-16]。RICHARDSON等[9]在試驗的基礎上，提出了著名的猶他模型。猶他模型對不同溫度范圍分配了不同的權重，表示隨著溫度的不同，其低溫效應也不同，并且溫度高于15.9℃對低溫積累具有負效應。但采用猶他模型估算積冷量時，在一些冬季比較溫暖的地區往往較小或者出現負值，因此又提出了正猶他模型。該模型忽略了高溫對低溫累積的負效應，在南非地區得到了較好的應用[11]。隨后，相關學者根據各地氣候條件的不同又提出了改進的猶他模型，該模型主要是利用正弦函數對原始猶他模型進行平滑[17]，并在南非[18]、加利福尼亞[19]、西班牙[20]等國家和地區進行了較好的應用。隨著積冷量模型的發展，動力學模型的提出被認為是重要的里程碑。該模型與其他模型不同，其假定溫度積累是一個具有兩個步驟的過程，首先是由低溫引起的中間產物的積累，這一過程可以被高溫逆轉，但是一旦有足量的中間產物積累，積溫的部分就永久積累了[10,21]。動力學模型與早期方法之間的一個主要區別是在寒冷季節溫度序列的重要性。在0～7.2℃和猶他模型中，無論何時，相似的溫度總是有完全相同的影響。而在動力學模型中，多個過程相互作用，冷溫部分的產生取決于一定數量中間產物的存在，因此，不同季節時間，相似的溫度對于積冷量可能有非常不同的影響[22]。該模型在多地被證實是所有積冷量模型中最優越的或者是與其他模型等效的模型[23-27]。

關于應用上述5種模型評估不同國家和地區的積冷量的研究已有很多。然而，關于落葉果樹積冷量在中國的研究較少，尤其是多種模型積冷量的對比研究更是鮮見報道。眾所周知，中國是世界第一蘋果出口大國，黃土高原和環渤海灣地區是中國蘋果主要產區，該地區蘋果種植面積和產量均占全國總面積和產量的85%以上[28]。因此，氣象條件的變化將對中國蘋果產業具有重要影響。而氣候變化背景下，該地區積冷量是如何變化的仍然不清楚。因此，本研究利用國際上常用的5 種積冷量模型，對中國兩大蘋果主產區積冷量進行估算，并對比分析其時空變化特征以及影響因素，以期為該地區未來蘋果安全生產提供參考依據。

1 數據來源與研究方法

1.1 數據來源

研究所用氣象資料來自中國氣象局1961—2017年的中國黃土高原和環渤海灣地區共34 個氣象站的逐日最高氣溫和逐日最低氣溫。研究區域及站點分布見圖1。黃土高原產區主要包括陜西渭北和陜北南部地區、山西晉南和晉中、河南三門峽地區以及甘肅的隴東和隴南地區。該產區生態條件優越，海拔高，光照充足，晝夜溫差大，土層深厚，是中國優質蘋果最佳生產區域之一，也是中國優質蘋果生產規模最大、最集中的產區。渤海灣地區，主要包括膠東半島、泰沂山區、遼南及遼西部分地區、燕山、太行山淺山丘陵區，是中國蘋果栽培歷史最早、產業化水平較高的產區。沿海地區夏季冷涼、秋季長、光照充足，是晚熟品種的生產區；泰沂山區生長季節氣溫較高，有利于中早熟品種提早成熟[29]。兩大蘋果主產區涵蓋了中國的陜西、山東、遼寧、河北、甘肅、河南和山西等7 個主產省份。根據中國統計局統計，2017 年7 個主產省蘋果栽培總面積和總產量分別為250.96 萬hm2和4548.40 萬t，各占全國的91%和88.2%[28]。

圖1 研究區域及站點分布

1.2 小時氣溫數據獲取

計算積冷量的常用模型均需要輸入小時氣溫數據。本研究利用Linvill[17]提出的正弦插值方法估計小時溫度。該方法中日最高氣溫定義為在正午后2 h出現，利用正弦函數和日最高氣溫數據估計白天小時溫度見式(1)，日最低氣溫在日出前出現，利用對數算法函數和日最低氣溫估計夜間小時溫度。

式中，TtD為日出以后tD時刻的白天溫度，Tmin為最低氣溫，Tmax為最高氣溫，DL為日長，單位h。DL利用公式(2)進行計算。

式中，δ為太陽赤緯，φ為緯度，單位均為弧度。其中：

式中dN為相對于1月1日的日序，在公式(1)中，當tD等于日長DL時，可以得到日落時的溫度Ts，因此夜間小時溫度函數為式(5)。

式中，TtN表示日落后tN(tN>1 h)時刻的夜間小時溫度。

1.3 積冷量模型

利用最常用的5 種積冷量模型，即0～7.2℃模型，猶他(Utah)，改進猶他(Modified Utah)，正猶他(Positive Utah)和動力學模型(Dynamic model)估計落葉果樹休眠期（11月1日—次年3月31日）的積冷量。對每個模型定義一個冷溫單位，0～7.2℃模型為冷溫小時(CH)，積冷量為CHtot；Utah 模型為冷溫單位(CU)，積冷量為CUtot；改進的猶他模型為冷溫單位(MCU)，積冷量為MCUtot；正猶他模型為正冷溫單位(PCU)，積冷量為PCUtot，動力學模型為CP，積冷量為CPtot。T代表給定時間的溫度，st和en分表代表估計積累量時段的開始和結束時間，每個模型的具體計算過程如下。

1.3.1 0～7.2℃模型（冷溫小時模型）0～7.2℃模型即經歷0～7.2℃之間低溫的小時數，若小時溫度在0～7.2℃之間則記為“1”，否則記為“0”，該模型被廣泛使用。計算落葉果樹休眠期溫度在0～7.2℃之間的小時數，即為積冷量，公式如式(6)。

1.3.2 猶他模型(Utah model) 猶他模型與0～7.2℃模型的概念相似，該模型對不同溫度范圍分配了不同的權重，表示隨著溫度的不同，其冷溫效應也不同，包括高溫導致的負效應，見式(8)～(9)。

1.3.3 改進的猶他模型(Modified Utah model) 利用正弦曲線函數對原始猶他模型進行平滑改進得到改進的猶他模型，見式(10)～(11)。

1.3.4 正猶他模型(Positive Utah model) 正猶他模型從原始猶他模型中將高溫對積冷量的負效應剔除，因此忽略了高溫對積冷量的負效應，見式(12)～(13)。

1.3.5 動力學模型(Dynamic model) 動力學模型與其他4 個模型不同，他通過溫度的相互效應完成低溫的積累。動力學模型假定溫度積累是一個具有兩個步驟的過程，首先是由低溫引起的中間產物的積累，這一過程可以被高溫逆轉，但是一旦有足量的中間產物積累，積溫的部分就永久積累了。具體過程見式(14)～(21)。

其中常數slp，tetmlt，a0，a1，e0和e1分別為1.6，277，139500，2.567×1018，12888.8 和4153.5，這些數值是在設施園藝中通過標準做法測得的。TK為小時溫度(k)，t表示積冷量累積過程的總小時數(h)，即從秋季果樹落葉到休眠結束期間的時間總和，t0表示冷溫積累的開始時間。

2 結果與分析

2.1 積冷量空間分布特征

從研究區域1961—2016 年平均積冷量的空間分布特征看，5 種模型得到的平均積冷量空間變化規律基本一致，呈南高北低的分布特征（圖2左）。對于5種積冷量模型（0～7.2℃，猶他，正猶他，改進的猶他以及動力學模型等），多年平均積冷量變化范圍分別為533～1717 CH、423～1690 CU、426～1730 PCU、390～1576 MCU和29～76 CP，最高值位于山東省的青島，最低值位于河北省的圍場。而積冷量變異系數則呈相反的分布特征，呈南低北高。積冷量變異系數變化范圍分別9.8%～19.8%、11.5%～21.6%、10.5%～21.6%、11.7%～21.5%和7.6%～15.8%（圖2右）?？梢?，北部高緯度地區積冷量的波動相對較大，而南部低緯度地區積冷量的波動相對較小。

圖2 5種模型平均積冷量（左）及積冷量變異系數（右）空間分布

2.2 積冷量時空變化趨勢

通過Mann-Kendal[30]方法對5 種模型得到的研究區域平均積冷量進行突變檢驗分析可知，5 種模型得到的積冷量均在20世紀80年代初前后發生了突變（圖3），因此研究分為近56 年（1961—2016 年）和近36 年（1981—2016年）兩個時間段尺度進行趨勢分析。

圖3 5種模型平均積冷量Mann-Kendal檢驗

近56 年，5 種模型得到的積冷量有76.5%～97.1%的站點呈顯著增加趨勢(P<0.05)。增加趨勢不顯著(P≥0.05)的包括：0～7.2℃模型在遼寧省熊岳、河北省圍場、山東省威海、河南省三門峽以及山西省運城等5個站點；猶他模型在河北省圍場、河南省三門峽和山西省運城等3 個站點；正猶他模型在河北省圍場1 個站點；改進猶他模型在河北省圍場、河南省三門峽2個站點；動力學模型在遼寧省興城和熊岳、河北省圍場、山東省威海、河南三門峽以及陜西省的綏德、延安和長武等8個站點（圖4左）。

圖4 5種模型積冷量線性趨勢（左：1961—2016年；右：1981—2016年）

近36年，0～7.2℃、猶他、正猶他、改進的猶他和動力學5種模型分別有12、5、2、4、6個站點呈減少趨勢，其中，0～7.2℃模型有2 個站點（河南三門峽、山西運城），猶他、改進的猶他和動力學模型均有1個站點（山西運城、山西運城、河北保定）呈顯著的減少趨勢(P＜0.05)。其他大部分站點呈增加趨勢，其中分別有6、10、16、12 和9 個站點通過0.05 水平的正顯著性檢驗（圖4右）。

2.3 積冷量與冬季氣溫的關系

5種模型得到的積冷量與冬季（11月1日—次年3月31日）平均氣溫均呈正相關關系，并且除了0～7.2℃模型在河南三門峽積冷量隨冬季平均氣溫的增加趨勢沒有通過顯著性檢驗外，其他均通過0.05水平的顯著性檢驗（圖5）。通過分析發現，河南三門峽冬季平均氣溫大多數在0～7.2℃范圍內，根據模型原理可知，該溫度范圍對積冷量的貢獻始終是1 個冷溫單位，因此可能導致積冷量與冬季平均氣溫的關系不顯著。冬季平均氣溫每升高1℃，0～7.2℃、猶他、正猶他、改進的猶他和動力學模型得到的積冷量增加范圍分別為21.9～150.4 CH/℃，60.8～197.1 CU/℃，61.7～204.4 PCU/℃，55.6～186.9 MCU/℃，2.1～6.4 CP/℃（圖5）。所有模型均顯示，山東省東部積冷量隨冬季平均氣溫的升高增加的相對最多。

圖5 5種模型冬季氣溫每變化1℃積冷量的線性趨勢

2.4 積冷量與經緯度的關系

通過近56年和近36年平均積冷量與各站點經度、緯度和海拔高度的相關分析表明（表1），5種模型得到的平均積冷量與緯度均呈極顯著的負相關關系(P＜0.01)，即積冷量隨緯度的升高而減少。以近56年平均積冷量為例，緯度每升高1度，0～7.2℃、猶他、正猶他、改進的猶他和動力學5種模型得到的積冷量分別減少93.0 CH、96.8 CU、106.4 PCU、92.1 MCU 和3.1 CP（表略）。以近36 年平均積冷量為例，緯度每升高1 度，5種模型得到的積冷量分別平均減少93.3 CH、98.7 CU、108.8 PCU、94.0 MCU和3.2 CP（表略）。5種模型得到的積冷量與海拔高度均呈不顯著的負相關關系(P≥0.05)。除了動力學模型得到的積冷量與經度呈不顯著的正相關關系，其他4 個模型積冷量與經度均呈不顯著的負相關關系(P≥0.05)。

表1 平均積冷量與經緯度和海拔高度的相關系數

各個因子的量綱不同，數值也差異顯著。為了消除量綱的影響，對5 種模型得到的積冷量進行歸一化處理，歸一化公式如式(22)。

式中，x為積冷量，xnorm為歸一化后的積冷量，代表平均積冷量，s為標準差。因此，xnorm的平均值和標準差分別是0和1。

對歸一化后的積冷量與經度、緯度和海拔高度進行相關分析和一元回歸分析。從一元線性回歸分析結果可以看出各個變量對平均積冷量的貢獻大?。▓D6）。例如，對于0～7.2℃、猶他、正猶他、改進的猶他和動力學模型得到的平均積冷量，緯度每升高1°，平均積冷量大約分別減少0.3406、0.3366、0.3445、0.3376和0.30521；海拔高度每升高1 m，平均積冷量分別減少0.0004、0.0005、0.0004、0.0005和0.00061。

雖然通過一元線性回歸分析可以得到這些因子是如何貢獻平均積冷量的（一元回歸系數，有量綱值），但這些因子對平均積冷量貢獻的相對大小卻尚需進一步分析。為了定量分析緯度、經度和海拔高度等變量對平均積冷量的貢獻情況，通過多元回歸方程定量分析緯度、經度和海拔高度對于平均積冷量的相對重要性。為了消除量綱影響，對緯度、經度和海拔高度進行歸一化處理。如圖7所示，對于5種積冷量模型，緯度的貢獻系數相對于經度和海拔高度均較高，標準誤差相對較小。因此，通過多元回歸分析，可以得到，緯度對積冷量的貢獻最大，其次是海拔高度，而積冷量對經度的變化不敏感。

圖7 平均積冷量與緯度、經度和海拔高度之間的多元線性回歸

3 結論

本研究利用0～7.2℃、猶他、正猶他、改進的猶他和動力學5種模型估算了中國兩大蘋果主產區34個站點的積冷量。結果表明：

（1）5 種模型得到的積冷量空間變化規律基本一致，呈南高北低的分布特征。不同模型得到的積冷量近56年有76.5%～97.1%的站點均呈顯著增加趨勢。

（2）通過相關性分析和一元回歸分析不同模型得到的積冷量與冬季平均氣溫、緯度、經度和海拔高度的關系發現，積冷量與冬季平均氣溫普遍呈顯著正相關，而與緯度呈極顯著負相關，與經度和海拔高度的相關性不顯著。多元回歸定量分析表明，緯度的變化相對于海拔高度和經度，對積冷量變化的貢獻最大。

（3）綜合積冷量的時空變化特征和未來氣候變化趨勢，在未來的一段時間內，黃土高原和環渤海灣地區仍然有利于蘋果樹的安全生產，并且可以根據具體情況更換需冷量更多的果樹品種。

4 討論

國際上關于積冷量的統計計算模型有很多，本研究選取常用的5種模型對中國蘋果主產區積冷量進行計算分析，計算結果僅能代表部分模型的結果，因此在后續研究中，應該對更多的模型進行研究，進一步分析不同模型在中國的適用性。

無論是空間分布特征，還是時間變化規律，本研究所選的5種模型之間基本無明顯差異。5種模型近56年趨勢分析結果均表明，在氣候變暖背景下，本文研究區域積冷量增加，有利于落葉果樹安全穩定生產。而前人在不同區域的研究表明0～7.2℃模型得到的積冷量特征通常與其他模型不同[30-31]，這可能是由于本研究中的平均冬季氣溫在7.2℃閾值之內，而在其他的研究區域比如澳大利亞[32]，很多站點的平均冬季氣溫超過了這個閾值，因此導致模型結果與其他模型結果不一致。

由于溫度隨著緯度、經度和海拔高度等因素而變化，研究進一步分析了緯度、經度和海拔高度對積冷量的貢獻情況，得出緯度對積冷量的影響最大，這與積冷量的空間分布特征基本一致。積冷量最高值在低緯度的山東省青島，積冷量最低值在高緯度的河北省圍場。

在當前氣候變化背景下，溫度將繼續升高，中國的黃土高原和環渤海灣地區兩大蘋果主產區域有利于當前品種的果樹安全生產，并且可以考慮種植其他需要更多積冷量的品種。IPCC 第五次氣候變化評估報告在多種典型濃度路徑(RCPs)溫室氣體排放情景下，對未來全球氣候變化開展情景預估表明，2081—2100年相對于1986—2005 年全球平均溫度增幅可能在0.3～4.8 之間[33]。李博等[34]利用20 世紀氣候模擬試驗(20C3M)及A1B情景預估試驗，預估了21世紀中期全國平均氣溫將升高1.2～2.8℃，并且緯度越高，升溫幅度越大。盡管不同研究和不同氣候模型預測了不同的溫度升高范圍，但均在5 種模型積冷量增加的閾值范圍內。因此，5 種模型得到的積冷量在未來將繼續增加。中國兩大蘋果主產區將仍然有利于果樹的安全生產。但是，由于氣候變化的不穩定性，仍然需要關注氣候波動帶來的風險。

目前，仍然不知道哪一種模型更能準確的估算積冷量。并且由于小時氣溫數據獲取的限制，本研究中的小時氣溫數據通過模型模擬得到，雖然國外學者已經證明這種方法獲取的小時氣溫數據可行，可以在積冷量模型中應用，但是在本研究中由于缺乏研究時段的實際觀測數據，無從驗證，也可能對本文的研究結果有一定的影響。在未來有條件的情況下，應該通過果園或者實驗室試驗研究，進一步確定究竟哪一種模型更適用于中國兩大蘋果主產區積冷量的估算。在此之前，盡管5種模型結果沒有明顯差異，為了避免氣候變化背景下的不穩定性因素影響，仍然有必要采用多模型進行積冷量分析研究。