王政 王明輝 謝華清

摘要 利用壽寧縣1980—2019年3—4月逐日最低氣溫、14：00本站氣壓及其24 h變壓、14：00氣溫及其24 h變溫、14：00相對(duì)濕度、風(fēng)向和風(fēng)速等常規(guī)氣象資料，運(yùn)用線性傾向估計(jì)法、t檢驗(yàn)法和Pearson相關(guān)系數(shù)法等氣候統(tǒng)計(jì)診斷方法，分析春季霜凍害氣候特征;使用SPSS 19.0軟件對(duì)日最低氣溫主要相關(guān)因子進(jìn)行多元回歸分析，建立日最低氣溫預(yù)報(bào)數(shù)學(xué)模型。結(jié)果表明，壽寧縣春季霜凍呈始日提前、終日延后的變化趨勢(shì)，預(yù)示未來(lái)春季霜凍期將延長(zhǎng)，茶葉春季霜凍害風(fēng)險(xiǎn)增大。經(jīng)檢驗(yàn)?zāi)Ｐ投ㄐ灶A(yù)報(bào)準(zhǔn)確率達(dá)91.0%，預(yù)報(bào)效果較好，可應(yīng)用于氣象預(yù)報(bào)業(yè)務(wù)。

關(guān)鍵詞 茶葉;春季霜凍;氣象預(yù)報(bào);數(shù)學(xué)模型

中圖分類號(hào)：S425 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2021）12–0038–03

茶葉是原產(chǎn)于中國(guó)的特色經(jīng)濟(jì)作物，因其生態(tài)綠色、優(yōu)質(zhì)高效的優(yōu)勢(shì)而在中國(guó)農(nóng)業(yè)生產(chǎn)中占有重要地位[1]。隨著全球氣候變暖加劇，壽寧縣各類氣象災(zāi)害頻發(fā)、重發(fā)，對(duì)農(nóng)業(yè)生產(chǎn)造成嚴(yán)重影響。在眾多氣象災(zāi)害中，春季霜凍害對(duì)茶葉生產(chǎn)影響尤為嚴(yán)重，春季正是茶樹(shù)新葉萌芽生長(zhǎng)期，茶葉芽和嫩梢抗低溫能力較弱，此時(shí)遭遇霜凍害，輕則造成茶樹(shù)新芽葉尖受凍損傷，茶葉產(chǎn)量和品質(zhì)下降;重則造成茶樹(shù)枝枯葉落，甚至死亡。因此提高春季霜凍氣象的預(yù)報(bào)準(zhǔn)確率，降低災(zāi)害造成的損失，對(duì)茶葉生產(chǎn)具有十分重要的意義。

20世紀(jì)70年代以來(lái)，國(guó)內(nèi)許多學(xué)者對(duì)茶葉霜凍害做過(guò)大量研究。吳楊等[2]以日最低氣溫≤4℃為霜凍指標(biāo)，根據(jù)茶葉受災(zāi)癥狀進(jìn)行分級(jí)，確定了不同等級(jí)的氣象指標(biāo)。唐力生等[3]通過(guò)分析氣溫直減率、輻射與溫度的關(guān)系，建立了寒害過(guò)程日平均氣溫分布式模型。這些研究成果和方法對(duì)茶葉春季霜凍災(zāi)害的研究提供了有益的借鑒。通過(guò)研究福建省壽寧縣春季霜凍害的氣候規(guī)律特征，構(gòu)建春季霜凍預(yù)報(bào)數(shù)學(xué)模型，建立茶葉生產(chǎn)與霜凍災(zāi)害的氣象預(yù)警機(jī)制，為提高茶葉種植效益和防災(zāi)水平提供技術(shù)支撐，為鄉(xiāng)村振興提供精準(zhǔn)專業(yè)氣象服務(wù)。

1 資料與方法

1.1 研究區(qū)概況

福建省壽寧縣位于27°16′N(xiāo)～ 27°41′N(xiāo)、119°12′E～119°44′E，地處鷲峰山系洞宮山脈東麓，距離太平洋西海岸約83 km，地勢(shì)從西北向東南傾斜，境內(nèi)層巒疊嶂、地勢(shì)起伏，海拔落差大，海洋性季風(fēng)氣候明顯。該縣氣候溫暖，四季分明，雨量充沛，光照充足，無(wú)霜期長(zhǎng)，屬中亞熱帶海洋性季風(fēng)氣候，常年平均氣溫15.1℃，年日照時(shí)數(shù)1 663.3 h，年降水量1 976.9 mm，年無(wú)霜期238 d。

1. 2 資料來(lái)源與方法

選取壽寧縣氣象局氣象資料數(shù)據(jù)庫(kù)中1980—2019年3—4月的逐日最低氣溫和在14：00的氣溫、本站氣壓、相對(duì)濕度、風(fēng)向、風(fēng)速等氣象觀測(cè)數(shù)據(jù)，所有資料序列完整、連續(xù)、均一。運(yùn)用線性傾向估計(jì)法、t檢驗(yàn)法和Pearson相關(guān)系數(shù)法等氣候統(tǒng)計(jì)診斷方法，分析春季霜凍害氣候特征，使用SPSS 19.0軟件對(duì)日最低氣溫的主要相關(guān)因子進(jìn)行多元回歸分析，并建立日最低氣溫預(yù)報(bào)數(shù)學(xué)模型[4]。

2 結(jié)果與分析

2. 1 春季霜凍的氣候特征

2.1.1 春季霜凍日數(shù)的年際和年代際變化 1980—2019年壽寧縣春季霜凍日數(shù)線性擬合統(tǒng)計(jì)結(jié)果顯示，近40年壽寧春季霜凍日數(shù)呈不顯著減少趨勢(shì)，減少速率為0.423 d/10 a。年平均春季霜凍日數(shù)10.63 d，其最多年份達(dá)23 d（2011年），最少年份僅4 d，為1992年、1997年、2002年，說(shuō)明春季霜凍日數(shù)年際分布差異大。從春季霜凍日數(shù)年代平均值曲線看，20世紀(jì)80年代春季霜凍日數(shù)最多，為12.1 d，其次是21世紀(jì)10年代（10.6 d）、20世紀(jì)90年代（10.0 d）和21世紀(jì)00年代（9.8 d），春季霜凍日數(shù)年代際振幅為2.3 d，年代際分布較為均衡，年代際差異不明顯（圖1）。

2.1.2 春季霜凍日的起止時(shí)間變化 每年春季首次出現(xiàn)的霜凍日稱為春季霜凍始日，最后一次出現(xiàn)的霜凍日稱為春季霜凍終日。近40年壽寧縣春季霜凍始日最早在3月1日，最晚在4月23日，5月無(wú)霜凍日。將3月1日的日序記為1，3月2日的日序記為2……以此類推，4月30日的日序記為61，以此法建立1980—2019年春季霜凍始日和終日的日期序列。

1980—2019年壽寧縣春季霜凍始日和終日日序的線性擬合統(tǒng)計(jì)結(jié)果顯示，近40年來(lái)春季霜凍始日平均為3月6日，最早在3月1日，最晚是3月15日;春季霜凍終日平均出現(xiàn)在4月1日，最早在3月5日，最晚在4月23日（圖2）。春季霜凍始日呈不顯著提前趨勢(shì)，提前速率為0.341 d/10 a ;春季霜凍終日呈不顯著延后趨勢(shì)，延后速率為0.591 d/10 a ，且終日延后速率大于始日提前速率，說(shuō)明未來(lái)春季霜凍期將延長(zhǎng)，茶葉春季霜凍害風(fēng)險(xiǎn)增大。

2.2 春季霜凍預(yù)報(bào)

2.2.1 霜凍預(yù)報(bào)因子的選取 霜凍及其強(qiáng)度的預(yù)報(bào)，即對(duì)日最低氣溫的預(yù)報(bào)。選擇日最低氣溫值作為霜凍預(yù)報(bào)量，根據(jù)霜凍形成機(jī)理和當(dāng)?shù)靥鞖忸A(yù)報(bào)工作經(jīng)驗(yàn)，選取8個(gè)與日最低氣溫相關(guān)且物理意義明顯的氣象要素作為預(yù)報(bào)因子，分別是：霜凍日前一天的日最低氣溫、14：00本站氣壓及其24 h變壓、14：00氣溫及其24 h變溫、14：00相對(duì)濕度、風(fēng)向和風(fēng)速。

統(tǒng)計(jì)分析1980—2009年3—4月的逐日日最低氣溫與8個(gè)預(yù)報(bào)因子的相關(guān)性，結(jié)果顯示，8個(gè)預(yù)報(bào)因子中，僅風(fēng)向和風(fēng)速2個(gè)預(yù)報(bào)因子相關(guān)系數(shù)未通過(guò)顯著性檢驗(yàn)，其他6個(gè)預(yù)報(bào)因子相關(guān)系數(shù)均通過(guò)0.01或0.05的顯著性檢驗(yàn)（表1）。表明這6個(gè)預(yù)報(bào)因子與預(yù)報(bào)量相關(guān)性顯著，可用于預(yù)測(cè)日最低氣溫值。6個(gè)預(yù)報(bào)因子中，本站氣壓和24 h變壓2個(gè)預(yù)報(bào)因子與預(yù)報(bào)量呈負(fù)相關(guān)，其他4個(gè)預(yù)報(bào)因子與預(yù)報(bào)量均呈正相關(guān)。說(shuō)明前一日14：00本站氣壓值及其24 h變壓值越大，則次日的日最低氣溫越低;反之，則次日的日最低氣溫越高。而前一日的日最低氣溫值、14：00氣溫值及其24 h變溫值、14：00相對(duì)濕度值越大，則次日的日最低氣溫越高;反之，則次日的日最低氣溫越低。

2.2.2 霜凍預(yù)報(bào)方程的建立 根據(jù)以上分析，對(duì)選取的6個(gè)預(yù)報(bào)因子，運(yùn)用多元線性回歸方法建立日最低氣溫預(yù)報(bào)的數(shù)學(xué)模型，其回歸方程為：

Y=0.192X1-0.307X2+0.555X3- 0.097X4+0.328X5+0.07X6-184.952? ? ? ? （1）

式（1）中，Y為預(yù)報(bào)日的日最低氣溫，X1、X2、X3、X4、X5、X6分別為預(yù)報(bào)日前一日14：00的本站氣壓、24 h變壓、氣溫、24 h變溫、日最低氣溫、相對(duì)濕度。方程的方差檢驗(yàn)F= 398.924，通過(guò)了α=0.01（F0.01=29.343）顯著性檢驗(yàn)。

2.2.3 預(yù)報(bào)方程檢驗(yàn) 利用公式（1）對(duì)2010—2019年3—4月逐日最低氣溫值進(jìn)行回報(bào)檢驗(yàn)，結(jié)果顯示，公式（1）預(yù)報(bào)是否出現(xiàn)霜凍的準(zhǔn)確率達(dá)91.0 %，定性預(yù)報(bào)準(zhǔn)確率滿意（表2）。

3 結(jié)論

（1）1980—2019年壽寧縣年平均春季霜凍日數(shù)10.63 d。近40年來(lái)壽寧縣春季霜凍日數(shù)呈略減少趨勢(shì)，減少速率為0.423 d/10 a。春季霜凍始日呈不顯著提前趨勢(shì)，提前速率為0.341 d/10 a，春季霜凍終日趨于略延后，延后速率為0.591 d/10 a?？梢?jiàn)未來(lái)壽寧縣春季霜凍期將延長(zhǎng)，茶葉春季霜凍害風(fēng)險(xiǎn)增大。

（2）建立春季日最低氣溫與前一日14：00本站氣壓、24 h變壓、14：00氣溫、24 h變溫、日最低氣溫、14：00相對(duì)濕度等6個(gè)氣象要素的多元回歸方程，經(jīng)回報(bào)檢驗(yàn)，方程定性預(yù)報(bào)準(zhǔn)確率達(dá)91.0%，預(yù)報(bào)效果較好，可以作為壽寧縣春季霜凍預(yù)報(bào)模型在氣象業(yè)務(wù)中運(yùn)用。

參考文獻(xiàn)

[1] 金志鳳，胡波，嚴(yán)甲真，等.浙江省茶葉農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)[J].生態(tài)學(xué)雜志，2014，33（3）：771-777.

[2] 吳楊，金志鳳，葉建剛，等.浙江茶樹(shù)春霜凍發(fā)生規(guī)律及其與太平洋海溫的遙相關(guān)分析[J].中國(guó)農(nóng)業(yè)氣象，2014，35 （4）：434-439.

[3] 唐力生，杜堯東，陳新光，等.廣東寒害過(guò)程溫度動(dòng)態(tài)監(jiān)測(cè)模型[J].生態(tài)學(xué)雜志，2009，28 （2）：366-370.

[4] 魏鳳英.現(xiàn)代氣候統(tǒng)計(jì)診斷與預(yù)測(cè)技術(shù)[M].北京：氣象出版社，1999.

責(zé)任編輯：黃艷飛

Frost Characteristics and Prediction Model Construction of Shouning Gaoshan Tea in Spring

WANG Zheng et al（Shouning County Meteorological Bureau， Fujian Province， Shouning， Fujian 355500）

Abstract Conventional meteorological data including daily minimum temperature， 14：00 air pressure and its 24 h variable pressure， 14：00 air temperature and its 24 h variable temperature， 14：00 relative humidity， wind direction and wind speed were used in Shouning county from 1980 to 2019; and SPSS software was used to make multiple regression analysis on the main correlation factors of daily minimum temperature， and the mathematical model of daily minimum temperature forecast was established. The results showed that the beginning date of spring frost in Shouning county was earlier than the beginning date of spring frost， but the end date of spring frost was later， which indicated that the frost period in spring would be prolonged in the future， and the risk of tea frost injury in spring would be increased. The qualitative prediction accuracy of the tested model is 91.0%， and the prediction effect was good， which could be used in meteorological forecasting.

Key words Tea; Spring frost; Weather forecast; Mathematical model