中国两大苹果主产区积冷量时空变化特征

邱美娟，刘布春，刘园，王一舟

（1天津农学院农学与资源环境学院，天津 300384；2中国农业科学院农业环境与可持续发展研究所，北京 100081；3中国地震局地质研究所，北京 100029）

0 引言

气象条件在果树生产过程中起关键作用，其中冬季低温是落叶果树生产的重要气象因子之一[1-2]。许多重要的经济林果，比如苹果、梨、葡萄等多年生落叶果树需要经历一定的低温达到一定的积冷量(Chill accumulation)才能完成自然休眠，进行下一个发育阶段，从而保证正常的开花结果[3-4]。如果积冷量不足，则可能导致果树生长结果不良，或者不萌芽开花，严重影响产量[5-7]。因此，对积冷量的研究具有重要意义。

国外学者对积冷量的估算模型及积冷量的评估进行了一系列研究。最常用的积冷量估算模型有＜7.2℃模型，0～7.2℃模型，犹他(Utah)模型，改进犹他(Modified Utah)模型，正犹他(Positive Utah)模型和动力学(Dynamic)模型[8-11]。这些模型主要是经验模型或者物候学模型，没有考虑到果树休眠的生理进程，不是生态生理学模型。尽管如此，这些模型仍然被广泛用于积冷量的估算研究。最早提出的＜7.2℃模型，以打破休眠所需7.2℃或以下的累积低温小时数为积冷量[8,12]。随后相关学者发现0℃及以下温度对低温的积累无效，因此对其进行改进，提出了0～7.2℃模型，认为0～7.2℃之间的温度具有相同的有效性，其他范围温度无效，该模型至今仍被广泛应用[13-16]。RICHARDSON等[9]在试验的基础上，提出了著名的犹他模型。犹他模型对不同温度范围分配了不同的权重，表示随着温度的不同，其低温效应也不同，并且温度高于15.9℃对低温积累具有负效应。但采用犹他模型估算积冷量时，在一些冬季比较温暖的地区往往较小或者出现负值，因此又提出了正犹他模型。该模型忽略了高温对低温累积的负效应，在南非地区得到了较好的应用[11]。随后，相关学者根据各地气候条件的不同又提出了改进的犹他模型，该模型主要是利用正弦函数对原始犹他模型进行平滑[17]，并在南非[18]、加利福尼亚[19]、西班牙[20]等国家和地区进行了较好的应用。随着积冷量模型的发展，动力学模型的提出被认为是重要的里程碑。该模型与其他模型不同，其假定温度积累是一个具有两个步骤的过程，首先是由低温引起的中间产物的积累，这一过程可以被高温逆转，但是一旦有足量的中间产物积累，积温的部分就永久积累了[10,21]。动力学模型与早期方法之间的一个主要区别是在寒冷季节温度序列的重要性。在0～7.2℃和犹他模型中，无论何时，相似的温度总是有完全相同的影响。而在动力学模型中，多个过程相互作用，冷温部分的产生取决于一定数量中间产物的存在，因此，不同季节时间，相似的温度对于积冷量可能有非常不同的影响[22]。该模型在多地被证实是所有积冷量模型中最优越的或者是与其他模型等效的模型[23-27]。

关于应用上述5种模型评估不同国家和地区的积冷量的研究已有很多。然而，关于落叶果树积冷量在中国的研究较少，尤其是多种模型积冷量的对比研究更是鲜见报道。众所周知，中国是世界第一苹果出口大国，黄土高原和环渤海湾地区是中国苹果主要产区，该地区苹果种植面积和产量均占全国总面积和产量的85%以上[28]。因此，气象条件的变化将对中国苹果产业具有重要影响。而气候变化背景下，该地区积冷量是如何变化的仍然不清楚。因此，本研究利用国际上常用的5 种积冷量模型，对中国两大苹果主产区积冷量进行估算，并对比分析其时空变化特征以及影响因素，以期为该地区未来苹果安全生产提供参考依据。

1 数据来源与研究方法

1.1 数据来源

研究所用气象资料来自中国气象局1961—2017年的中国黄土高原和环渤海湾地区共34 个气象站的逐日最高气温和逐日最低气温。研究区域及站点分布见图1。黄土高原产区主要包括陕西渭北和陕北南部地区、山西晋南和晋中、河南三门峡地区以及甘肃的陇东和陇南地区。该产区生态条件优越，海拔高，光照充足，昼夜温差大，土层深厚，是中国优质苹果最佳生产区域之一，也是中国优质苹果生产规模最大、最集中的产区。渤海湾地区，主要包括胶东半岛、泰沂山区、辽南及辽西部分地区、燕山、太行山浅山丘陵区，是中国苹果栽培历史最早、产业化水平较高的产区。沿海地区夏季冷凉、秋季长、光照充足，是晚熟品种的生产区；泰沂山区生长季节气温较高，有利于中早熟品种提早成熟[29]。两大苹果主产区涵盖了中国的陕西、山东、辽宁、河北、甘肃、河南和山西等7 个主产省份。根据中国统计局统计，2017 年7 个主产省苹果栽培总面积和总产量分别为250.96 万hm2和4548.40 万t，各占全国的91%和88.2%[28]。

图1 研究区域及站点分布

1.2 小时气温数据获取

计算积冷量的常用模型均需要输入小时气温数据。本研究利用Linvill[17]提出的正弦插值方法估计小时温度。该方法中日最高气温定义为在正午后2 h出现，利用正弦函数和日最高气温数据估计白天小时温度见式(1)，日最低气温在日出前出现，利用对数算法函数和日最低气温估计夜间小时温度。

式中，TtD为日出以后tD时刻的白天温度，Tmin为最低气温，Tmax为最高气温，DL为日长，单位h。DL利用公式(2)进行计算。

式中，δ为太阳赤纬，φ为纬度，单位均为弧度。其中：

式中dN为相对于1月1日的日序，在公式(1)中，当tD等于日长DL时，可以得到日落时的温度Ts，因此夜间小时温度函数为式(5)。

式中，TtN表示日落后tN(tN>1 h)时刻的夜间小时温度。

1.3 积冷量模型

利用最常用的5 种积冷量模型，即0～7.2℃模型，犹他(Utah)，改进犹他(Modified Utah)，正犹他(Positive Utah)和动力学模型(Dynamic model)估计落叶果树休眠期（11月1日—次年3月31日）的积冷量。对每个模型定义一个冷温单位，0～7.2℃模型为冷温小时(CH)，积冷量为CHtot；Utah 模型为冷温单位(CU)，积冷量为CUtot；改进的犹他模型为冷温单位(MCU)，积冷量为MCUtot；正犹他模型为正冷温单位(PCU)，积冷量为PCUtot，动力学模型为CP，积冷量为CPtot。T代表给定时间的温度，st和en分表代表估计积累量时段的开始和结束时间，每个模型的具体计算过程如下。

1.3.1 0～7.2℃模型（冷温小时模型）0～7.2℃模型即经历0～7.2℃之间低温的小时数，若小时温度在0～7.2℃之间则记为“1”，否则记为“0”，该模型被广泛使用。计算落叶果树休眠期温度在0～7.2℃之间的小时数，即为积冷量，公式如式(6)。

1.3.2 犹他模型(Utah model) 犹他模型与0～7.2℃模型的概念相似，该模型对不同温度范围分配了不同的权重，表示随着温度的不同，其冷温效应也不同，包括高温导致的负效应，见式(8)～(9)。

1.3.3 改进的犹他模型(Modified Utah model) 利用正弦曲线函数对原始犹他模型进行平滑改进得到改进的犹他模型，见式(10)～(11)。

1.3.4 正犹他模型(Positive Utah model) 正犹他模型从原始犹他模型中将高温对积冷量的负效应剔除，因此忽略了高温对积冷量的负效应，见式(12)～(13)。

1.3.5 动力学模型(Dynamic model) 动力学模型与其他4 个模型不同，他通过温度的相互效应完成低温的积累。动力学模型假定温度积累是一个具有两个步骤的过程，首先是由低温引起的中间产物的积累，这一过程可以被高温逆转，但是一旦有足量的中间产物积累，积温的部分就永久积累了。具体过程见式(14)～(21)。

其中常数slp，tetmlt，a0，a1，e0和e1分别为1.6，277，139500，2.567×1018，12888.8 和4153.5，这些数值是在设施园艺中通过标准做法测得的。TK为小时温度(k)，t表示积冷量累积过程的总小时数(h)，即从秋季果树落叶到休眠结束期间的时间总和，t0表示冷温积累的开始时间。

2 结果与分析

2.1 积冷量空间分布特征

从研究区域1961—2016 年平均积冷量的空间分布特征看，5 种模型得到的平均积冷量空间变化规律基本一致，呈南高北低的分布特征（图2左）。对于5种积冷量模型（0～7.2℃，犹他，正犹他，改进的犹他以及动力学模型等），多年平均积冷量变化范围分别为533～1717 CH、423～1690 CU、426～1730 PCU、390～1576 MCU和29～76 CP，最高值位于山东省的青岛，最低值位于河北省的围场。而积冷量变异系数则呈相反的分布特征，呈南低北高。积冷量变异系数变化范围分别9.8%～19.8%、11.5%～21.6%、10.5%～21.6%、11.7%～21.5%和7.6%～15.8%（图2右）。可见，北部高纬度地区积冷量的波动相对较大，而南部低纬度地区积冷量的波动相对较小。

图2 5种模型平均积冷量（左）及积冷量变异系数（右）空间分布

2.2 积冷量时空变化趋势

通过Mann-Kendal[30]方法对5 种模型得到的研究区域平均积冷量进行突变检验分析可知，5 种模型得到的积冷量均在20世纪80年代初前后发生了突变（图3），因此研究分为近56 年（1961—2016 年）和近36 年（1981—2016年）两个时间段尺度进行趋势分析。

图3 5种模型平均积冷量Mann-Kendal检验

近56 年，5 种模型得到的积冷量有76.5%～97.1%的站点呈显著增加趋势(P<0.05)。增加趋势不显著(P≥0.05)的包括：0～7.2℃模型在辽宁省熊岳、河北省围场、山东省威海、河南省三门峡以及山西省运城等5个站点；犹他模型在河北省围场、河南省三门峡和山西省运城等3 个站点；正犹他模型在河北省围场1 个站点；改进犹他模型在河北省围场、河南省三门峡2个站点；动力学模型在辽宁省兴城和熊岳、河北省围场、山东省威海、河南三门峡以及陕西省的绥德、延安和长武等8个站点（图4左）。

图4 5种模型积冷量线性趋势（左：1961—2016年；右：1981—2016年）

近36年，0～7.2℃、犹他、正犹他、改进的犹他和动力学5种模型分别有12、5、2、4、6个站点呈减少趋势，其中，0～7.2℃模型有2 个站点（河南三门峡、山西运城），犹他、改进的犹他和动力学模型均有1个站点（山西运城、山西运城、河北保定）呈显著的减少趋势(P＜0.05)。其他大部分站点呈增加趋势，其中分别有6、10、16、12 和9 个站点通过0.05 水平的正显著性检验（图4右）。

2.3 积冷量与冬季气温的关系

5种模型得到的积冷量与冬季（11月1日—次年3月31日）平均气温均呈正相关关系，并且除了0～7.2℃模型在河南三门峡积冷量随冬季平均气温的增加趋势没有通过显著性检验外，其他均通过0.05水平的显著性检验（图5）。通过分析发现，河南三门峡冬季平均气温大多数在0～7.2℃范围内，根据模型原理可知，该温度范围对积冷量的贡献始终是1 个冷温单位，因此可能导致积冷量与冬季平均气温的关系不显著。冬季平均气温每升高1℃，0～7.2℃、犹他、正犹他、改进的犹他和动力学模型得到的积冷量增加范围分别为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/℃（图5）。所有模型均显示，山东省东部积冷量随冬季平均气温的升高增加的相对最多。

图5 5种模型冬季气温每变化1℃积冷量的线性趋势

2.4 积冷量与经纬度的关系

通过近56年和近36年平均积冷量与各站点经度、纬度和海拔高度的相关分析表明（表1），5种模型得到的平均积冷量与纬度均呈极显著的负相关关系(P＜0.01)，即积冷量随纬度的升高而减少。以近56年平均积冷量为例，纬度每升高1度，0～7.2℃、犹他、正犹他、改进的犹他和动力学5种模型得到的积冷量分别减少93.0 CH、96.8 CU、106.4 PCU、92.1 MCU 和3.1 CP（表略）。以近36 年平均积冷量为例，纬度每升高1 度，5种模型得到的积冷量分别平均减少93.3 CH、98.7 CU、108.8 PCU、94.0 MCU和3.2 CP（表略）。5种模型得到的积冷量与海拔高度均呈不显著的负相关关系(P≥0.05)。除了动力学模型得到的积冷量与经度呈不显著的正相关关系，其他4 个模型积冷量与经度均呈不显著的负相关关系(P≥0.05)。

表1 平均积冷量与经纬度和海拔高度的相关系数

各个因子的量纲不同，数值也差异显著。为了消除量纲的影响，对5 种模型得到的积冷量进行归一化处理，归一化公式如式(22)。

式中，x为积冷量，xnorm为归一化后的积冷量，代表平均积冷量，s为标准差。因此，xnorm的平均值和标准差分别是0和1。

对归一化后的积冷量与经度、纬度和海拔高度进行相关分析和一元回归分析。从一元线性回归分析结果可以看出各个变量对平均积冷量的贡献大小（图6）。例如，对于0～7.2℃、犹他、正犹他、改进的犹他和动力学模型得到的平均积冷量，纬度每升高1°，平均积冷量大约分别减少0.3406、0.3366、0.3445、0.3376和0.30521；海拔高度每升高1 m，平均积冷量分别减少0.0004、0.0005、0.0004、0.0005和0.00061。

虽然通过一元线性回归分析可以得到这些因子是如何贡献平均积冷量的（一元回归系数，有量纲值），但这些因子对平均积冷量贡献的相对大小却尚需进一步分析。为了定量分析纬度、经度和海拔高度等变量对平均积冷量的贡献情况，通过多元回归方程定量分析纬度、经度和海拔高度对于平均积冷量的相对重要性。为了消除量纲影响，对纬度、经度和海拔高度进行归一化处理。如图7所示，对于5种积冷量模型，纬度的贡献系数相对于经度和海拔高度均较高，标准误差相对较小。因此，通过多元回归分析，可以得到，纬度对积冷量的贡献最大，其次是海拔高度，而积冷量对经度的变化不敏感。

图7 平均积冷量与纬度、经度和海拔高度之间的多元线性回归

3 结论

本研究利用0～7.2℃、犹他、正犹他、改进的犹他和动力学5种模型估算了中国两大苹果主产区34个站点的积冷量。结果表明：

（1）5 种模型得到的积冷量空间变化规律基本一致，呈南高北低的分布特征。不同模型得到的积冷量近56年有76.5%～97.1%的站点均呈显著增加趋势。

（2）通过相关性分析和一元回归分析不同模型得到的积冷量与冬季平均气温、纬度、经度和海拔高度的关系发现，积冷量与冬季平均气温普遍呈显著正相关，而与纬度呈极显著负相关，与经度和海拔高度的相关性不显著。多元回归定量分析表明，纬度的变化相对于海拔高度和经度，对积冷量变化的贡献最大。

（3）综合积冷量的时空变化特征和未来气候变化趋势，在未来的一段时间内，黄土高原和环渤海湾地区仍然有利于苹果树的安全生产，并且可以根据具体情况更换需冷量更多的果树品种。

4 讨论

国际上关于积冷量的统计计算模型有很多，本研究选取常用的5种模型对中国苹果主产区积冷量进行计算分析，计算结果仅能代表部分模型的结果，因此在后续研究中，应该对更多的模型进行研究，进一步分析不同模型在中国的适用性。

无论是空间分布特征，还是时间变化规律，本研究所选的5种模型之间基本无明显差异。5种模型近56年趋势分析结果均表明，在气候变暖背景下，本文研究区域积冷量增加，有利于落叶果树安全稳定生产。而前人在不同区域的研究表明0～7.2℃模型得到的积冷量特征通常与其他模型不同[30-31]，这可能是由于本研究中的平均冬季气温在7.2℃阈值之内，而在其他的研究区域比如澳大利亚[32]，很多站点的平均冬季气温超过了这个阈值，因此导致模型结果与其他模型结果不一致。

由于温度随着纬度、经度和海拔高度等因素而变化，研究进一步分析了纬度、经度和海拔高度对积冷量的贡献情况，得出纬度对积冷量的影响最大，这与积冷量的空间分布特征基本一致。积冷量最高值在低纬度的山东省青岛，积冷量最低值在高纬度的河北省围场。

在当前气候变化背景下，温度将继续升高，中国的黄土高原和环渤海湾地区两大苹果主产区域有利于当前品种的果树安全生产，并且可以考虑种植其他需要更多积冷量的品种。IPCC 第五次气候变化评估报告在多种典型浓度路径(RCPs)温室气体排放情景下，对未来全球气候变化开展情景预估表明，2081—2100年相对于1986—2005 年全球平均温度增幅可能在0.3～4.8 之间[33]。李博等[34]利用20 世纪气候模拟试验(20C3M)及A1B情景预估试验，预估了21世纪中期全国平均气温将升高1.2～2.8℃，并且纬度越高，升温幅度越大。尽管不同研究和不同气候模型预测了不同的温度升高范围，但均在5 种模型积冷量增加的阈值范围内。因此，5 种模型得到的积冷量在未来将继续增加。中国两大苹果主产区将仍然有利于果树的安全生产。但是，由于气候变化的不稳定性，仍然需要关注气候波动带来的风险。

目前，仍然不知道哪一种模型更能准确的估算积冷量。并且由于小时气温数据获取的限制，本研究中的小时气温数据通过模型模拟得到，虽然国外学者已经证明这种方法获取的小时气温数据可行，可以在积冷量模型中应用，但是在本研究中由于缺乏研究时段的实际观测数据，无从验证，也可能对本文的研究结果有一定的影响。在未来有条件的情况下，应该通过果园或者实验室试验研究，进一步确定究竟哪一种模型更适用于中国两大苹果主产区积冷量的估算。在此之前，尽管5种模型结果没有明显差异，为了避免气候变化背景下的不稳定性因素影响，仍然有必要采用多模型进行积冷量分析研究。