王潤(rùn)紅，茹曉雅，蔣騰聰，王景紅，王 釗，蘇寶峰，張 東，于 強(qiáng)，馮 浩2,，何建強(qiáng)**

（1.西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室，楊凌 712100；2.西北農(nóng)林科技大學(xué)中國(guó)旱區(qū)節(jié)水農(nóng)業(yè)研究院，楊凌 712100；3.陜西省氣象局秦嶺和黃土高原生態(tài)環(huán)境氣象重點(diǎn)實(shí)驗(yàn)室，西安 710015；4.陜西省農(nóng)業(yè)遙感與經(jīng)濟(jì)作物氣象服務(wù)中心，西安 710015；5.西北農(nóng)林科技大學(xué)農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)物聯(lián)網(wǎng)重點(diǎn)實(shí)驗(yàn)室，楊凌 712100；6.西北農(nóng)林科技大學(xué)園藝學(xué)院，楊凌 712100；7.中國(guó)科學(xué)院水利部水土保持研究所黃土高原土壤侵蝕與旱地農(nóng)業(yè)國(guó)家重點(diǎn)實(shí)驗(yàn)室，楊凌 712100）

近年來，中國(guó)蘋果（Malus domesicaBorkh.）果園面積穩(wěn)定在190 萬hm2左右，2019年蘋果產(chǎn)量超過4200 萬t，面積和產(chǎn)量均居世界首位，而陜西蘋果產(chǎn)量約占中國(guó)的1/4 和世界的1/7[1?2]。蘋果種植業(yè)已成為陜西省提升農(nóng)業(yè)、富裕農(nóng)民的支柱型產(chǎn)業(yè)。然而，陜西蘋果產(chǎn)區(qū)基本每年都會(huì)遭受不同程度的花期凍害，且是否發(fā)生凍害與蘋果花期和晚霜凍發(fā)生時(shí)間密切相關(guān)。如果開花日期早于晚霜凍發(fā)生的時(shí)間，則發(fā)生凍害，反之則不發(fā)生凍害[3]。

為了減少晚霜凍造成的蘋果產(chǎn)量損失，就需要明確花期變化規(guī)律，以便采取相應(yīng)的預(yù)防措施。目前已有學(xué)者進(jìn)行了相關(guān)研究，李美榮等[4]利用陜西省蘋果產(chǎn)區(qū)2000?2008年氣象資料和6 個(gè)蘋果物候觀測(cè)站始花期資料，應(yīng)用統(tǒng)計(jì)學(xué)方法建立了基于平均氣溫和日照時(shí)數(shù)的蘋果始花期預(yù)測(cè)模型；柏秦鳳等[5]利用SPSS 統(tǒng)計(jì)軟件，分析和篩選影響蘋果花期的氣象要素，構(gòu)建富士系蘋果的花期模擬模型，并研究中國(guó)富士系蘋果主產(chǎn)區(qū)花期的時(shí)空分布；劉璐等[6]利用偏最小二乘法研究了中國(guó)北方主產(chǎn)地氣象因子和始花期的關(guān)系，表明隨著溫度升高，始花期提前。相關(guān)統(tǒng)計(jì)方法雖然也能較為準(zhǔn)確地預(yù)測(cè)蘋果花期，但沒有考慮蘋果樹的生理生態(tài)過程。

物候模型則通過假設(shè)生物過程和環(huán)境因子之間的因果關(guān)系來推測(cè)物候期，能在一定程度上反映物候變化的生理生態(tài)學(xué)機(jī)制。最初學(xué)者只考慮外休眠過程，建立了春暖模型[7?8]，之后同時(shí)考慮內(nèi)休眠和外休眠過程，建立了連續(xù)模型[9?10]、重疊模型[11?12]和平行模型[13?14]。由于物候模型機(jī)理性較強(qiáng)的優(yōu)點(diǎn)，使其具有廣泛的適用性。如鄔定榮等[15]基于陜西各果區(qū)代表站的始花期數(shù)據(jù)及同期氣象數(shù)據(jù)修正了4種物候模型的參數(shù)，利用內(nèi)部檢驗(yàn)和交叉驗(yàn)證方法，評(píng)價(jià)模型在模擬始花期時(shí)的適用性；王明昌等[16]利用物候模型中的熱時(shí)模型模擬禮泉和旬邑的花期，并進(jìn)行了凍害等級(jí)評(píng)價(jià)?，F(xiàn)有研究都是針對(duì)始花期進(jìn)行的，然而末花期對(duì)于花期凍害具有同等重要的意義，但目前還未見研究證明適用于始花期模擬的模型是否同樣適用于末花期模擬，也無研究報(bào)道未來氣候變化條件下陜西蘋果花期（包括始花期和末花期）的變化。

本研究利用物候模型探尋氣候變化背景下陜西蘋果產(chǎn)區(qū)蘋果花期的變化規(guī)律。主要包括：（1）利用已有物候觀測(cè)數(shù)據(jù)估計(jì)模型參數(shù)，選擇適于模擬陜西蘋果花期的最佳模型；（2）利用所選最佳模型模擬陜西蘋果產(chǎn)區(qū)各代表站（洛川、白水、鳳翔和長(zhǎng)武）1980?2019年的蘋果花期，研究陜西蘋果花期的歷史變化規(guī)律；（3）基于33個(gè)全球氣候模式（Global Climate Models；GCMs）生成的未來氣象數(shù)據(jù)，利用所選最佳模型研究未來氣候條件下陜西蘋果花期變化規(guī)律，以期為陜西蘋果產(chǎn)業(yè)花期凍害防災(zāi)減災(zāi)和應(yīng)對(duì)氣候變化提供一定的科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)域和數(shù)據(jù)來源

研究區(qū)域?yàn)殛兾魈O果產(chǎn)區(qū)，根據(jù)氣候特點(diǎn)將整個(gè)區(qū)域劃分為四個(gè)亞區(qū)，即延安、渭北東部、關(guān)中西部和渭北西部[17]，每個(gè)亞區(qū)各包含2 個(gè)物候觀測(cè)點(diǎn)（圖1 和表1）。研究對(duì)象為富士系蘋果（全文簡(jiǎn)稱蘋果）。蘋果花期觀測(cè)數(shù)據(jù)（表1）和1980?2019年氣象相關(guān)資料分別來源于陜西省農(nóng)業(yè)遙感和經(jīng)濟(jì)作物中心和陜西省氣象局，將每個(gè)物候或氣溫觀測(cè)值對(duì)應(yīng)的時(shí)間轉(zhuǎn)換為年日序（Ordinal day from Jan.1，DOY），即距當(dāng)年1月1日的累計(jì)天數(shù)。

表1 各區(qū)代表性站點(diǎn)蘋果花期觀測(cè)記錄年份Table 1 Observations years of apple flowering date at the representative stations in each sub-region

圖1 陜西蘋果產(chǎn)區(qū)亞區(qū)劃分及其代表性站點(diǎn)分布Fig.1 Sub-region division of apple producing areas in Shaanxi province and distribution of representative stations

RCP4.5 和RCP8.5 兩種排放情景下2021?2060年和2061?2100年的未來氣象數(shù)據(jù)來源于CMIP5 數(shù)據(jù)集（https://esgf-data.dkrz.de/search/cmip5-dkrz）。采用NWAI-WG 統(tǒng)計(jì)降尺度方法實(shí)現(xiàn)33 個(gè)GCMs 下月尺度格點(diǎn)氣象數(shù)據(jù)的空間降尺度和時(shí)間降尺度[18]，獲得站點(diǎn)日尺度的氣象數(shù)據(jù)，該方法已在全世界范圍內(nèi)廣泛應(yīng)用[19?21]。

模型需要每小時(shí)的溫度輸入，利用Linvill[22]提出的正弦對(duì)數(shù)方程計(jì)算每小時(shí)溫度，其計(jì)算式為

式中，T(t)在式（1）和式（2）中分別為日出后和日落后t 時(shí)刻的溫度（℃）；Tmax是一日內(nèi)最高溫度（℃），Tmin是一日內(nèi)最低溫度（℃）；DL 是晝長(zhǎng)（h），使用Almorox 等[23]描述的算法計(jì)算；Ts是日落溫度（℃）。

1.2 蘋果花期預(yù)測(cè)模型

1.2.1 冷卻和強(qiáng)迫子模型

蘋果花期預(yù)測(cè)模型（物候模型可以預(yù)測(cè)果樹物候的各個(gè)階段，蘋果花期預(yù)測(cè)模型特指用物候模型預(yù)測(cè)蘋果花期）建立在冷卻量和強(qiáng)迫量計(jì)算基礎(chǔ)上，因此，首先需要確定冷卻量和強(qiáng)迫量的計(jì)算模型。冷卻和強(qiáng)迫子模型是將溫度轉(zhuǎn)換為打破休眠的冷卻量和強(qiáng)迫量的計(jì)算模型，用于反映樹木的休眠打破機(jī)制。冷卻量計(jì)算模型選取動(dòng)態(tài)模型[24?25]，強(qiáng)迫量計(jì)算模型選取GDH 模型[26]。

（1）動(dòng)態(tài)模型（Dynamic model）

動(dòng)態(tài)模型是一種應(yīng)用廣泛的冷卻子模型，其假定冬季寒冷的積累是一個(gè)兩步過程，最初低溫會(huì)形成一種中間產(chǎn)物，當(dāng)中間產(chǎn)物積累到一定數(shù)量，就需要相對(duì)較高的溫度將它轉(zhuǎn)化為冷卻量，其計(jì)算式為

式中，slp、tetmlt、a0、a1、e0和1e 均為常數(shù)，分別取值1.6、277、139500、2.576×1018、12888.8和4153.5；inters為中間產(chǎn)物；delt 為冷卻部分；chill portionst為冷卻部分的積累（CP）；Tk為每小時(shí)的開氏溫度，Tk=T(t)+273；t0為冷卻積累的起始時(shí)間；t為時(shí)間（h）。

（2）GDH 模型（GDH model）

GDH 模型是一種常用的強(qiáng)迫子模型，形狀是不對(duì)稱的曲線，能較準(zhǔn)確地計(jì)算每日的強(qiáng)迫積累。

當(dāng)Tb＜Th＜Tu時(shí)

當(dāng)Tu＜Th＜Tc時(shí)

式中，Th為每小時(shí)溫度（℃）；Tu為積溫的最適溫度，即25℃；Tb為積溫的基礎(chǔ)溫度，即4℃；Tc為極限溫度，即36℃。

1.2.2 總體模型（Overarching models）

以9月1日為起點(diǎn)計(jì)算多日冷卻量的積累，直到滿足冷卻和強(qiáng)迫要求時(shí)打破休眠。由于對(duì)休眠打破機(jī)制的理解不同，蘋果花期模型有多種，選擇有代表性的4 種包括春暖模型[7?8]、連續(xù)模型[9?10]、重疊模型[11?12]和平行模型[13?14]進(jìn)行對(duì)比，以篩選出適宜陜西蘋果主產(chǎn)區(qū)各亞區(qū)的花期預(yù)測(cè)模型。

（1）春暖模型（Spring warming model）

春暖模型只考慮果樹休眠的強(qiáng)迫階段，當(dāng)強(qiáng)迫量積累到滿足始花期強(qiáng)迫要求時(shí)，蘋果樹開花，強(qiáng)迫積累繼續(xù)增加到滿足末花期強(qiáng)迫要求時(shí)，蘋果樹開花結(jié)束。

式中，F(xiàn)D 為蘋果樹始花期（末花期）的年日序（DOY）；HM 為利用GDH 模型計(jì)算的每日強(qiáng)迫量（GDH）；HR 為蘋果樹需要的強(qiáng)迫要求（GDH）；i為時(shí)間步長(zhǎng)（d）；j 為強(qiáng)迫階段開始的年日序（DOY）。

（2）連續(xù)模型（Sequential model）

連續(xù)模型包括果樹休眠的冷卻階段和強(qiáng)迫階段，當(dāng)冷卻積累滿足冷卻要求后進(jìn)入強(qiáng)迫階段，強(qiáng)迫積累滿足始花期強(qiáng)迫要求時(shí)，蘋果樹開花，強(qiáng)迫積累繼續(xù)增加到滿足末花期強(qiáng)迫要求時(shí)，蘋果樹開花結(jié)束。

式中，CD 為達(dá)到冷卻要求的年日序（DOY）；CM 為動(dòng)態(tài)模型計(jì)算的每日冷卻量（CP）；CR 為蘋果樹需要的冷卻要求（CP）；FD 為蘋果樹始花期（末花期）的年日序（DOY）；HM 為GDH 模型計(jì)算的每日強(qiáng)迫量（GDH）；HR 是蘋果樹需要的強(qiáng)迫要求（GDH）；i 為時(shí)間步長(zhǎng)（d）；j 為強(qiáng)迫積累開始的年日序（DOY）。

（3）重疊模型（Overlap model）

重疊模型中果樹休眠的冷卻階段和強(qiáng)迫階段有一定比例的重疊，其重疊率可以取1%～100%，本研究中重疊率取25%、50%和75%，當(dāng)冷卻積累達(dá)到最小冷卻要求時(shí)，隨后積累的冷卻量可以降低強(qiáng)迫要求，當(dāng)強(qiáng)迫積累滿足這種最低始花期強(qiáng)迫要求時(shí)蘋果樹開花，強(qiáng)迫積累繼續(xù)增加到滿足末花期強(qiáng)迫要求時(shí)開花結(jié)束。

式中，CD 為達(dá)到冷卻要求的年日序（DOY）；CM 為動(dòng)態(tài)模型計(jì)算的每日冷卻量（CP）；CRo為最小冷卻要求，其值為連續(xù)模型中冷卻要求的75%、50%和25%；HR 為蘋果樹需要的強(qiáng)迫要求（GDH）；Ca 為最小冷卻要求達(dá)到之后的冷卻積累（CP）；β1為最小強(qiáng)迫要求（GDH）；β2為最大強(qiáng)迫要求（GDH）；β3為品種參數(shù)；FD 為蘋果樹始花期（末花期）的年日序（DOY）；HM 為GDH 模型計(jì)算的每日強(qiáng)迫量（GDH）；i 為時(shí)間步長(zhǎng)（d）；j 為強(qiáng)迫積累開始的年日序（DOY）。

（4）平行模型（Parallel model）

平行模型表示冷卻階段和強(qiáng)迫階段同時(shí)開始，當(dāng)同時(shí)達(dá)到冷卻和始花期強(qiáng)迫要求時(shí)蘋果樹開花，強(qiáng)迫積累繼續(xù)增加到滿足末花期強(qiáng)迫要求時(shí)開花結(jié)束。

式中，CD*為冷卻積累量（CP）；CM 為動(dòng)態(tài)模型計(jì)算的每日冷卻量（CP）；K 為未滿足冷卻要求時(shí)強(qiáng)迫積累的潛力；Kmin為未滿足冷卻要求時(shí)強(qiáng)迫積累的最小潛力；CR 為蘋果樹需要的冷卻要求（CP）；FD 為蘋果樹始花期（末花期）的年日序（DOY）；HM 為GDH 模型計(jì)算的每日強(qiáng)迫量（GDH）；HR 為蘋果樹需要的強(qiáng)迫要求（GDH）；i 為時(shí)間步長(zhǎng)（d）。

1.3 蘋果花期模型參數(shù)率定和模型驗(yàn)證

利用R 語言編寫模型程序，并采用模擬退火算法[27]進(jìn)行春暖模型（j 和HR）、連續(xù)模型（CR 和HR）和平行模型（CR、HR 和K）的參數(shù)估算。而重疊模型的冷卻要求分別取連續(xù)模型冷卻要求的75%、50%和25%，然后用模擬退火算法估算參數(shù)β1、β2和β3，并確定強(qiáng)迫要求（式17）。采用模擬和觀測(cè)花期之間的均方根誤差（RMSE）進(jìn)行模型模擬精度評(píng)價(jià)。

式中，Xi為花期實(shí)測(cè)值的年日序（DOY）；Yi為花期模擬值的年日序（DOY）；n 為樣本的個(gè)數(shù)；RMSE 值越小，說明模擬值與實(shí)測(cè)值之間偏差越小，模擬效果越好。

在陜西蘋果產(chǎn)區(qū)，每個(gè)站點(diǎn)的蘋果始花期觀測(cè)年份均長(zhǎng)于末花期觀測(cè)年份（表1），因此選用蘋果始花期數(shù)據(jù)進(jìn)行模型參數(shù)估計(jì)。將蘋果始花期觀測(cè)數(shù)據(jù)較長(zhǎng)的站點(diǎn)作為模型校準(zhǔn)站點(diǎn)（洛川、白水、鳳翔和旬邑），校準(zhǔn)站點(diǎn)50%的數(shù)據(jù)進(jìn)行模型參數(shù)估算，參數(shù)估算結(jié)果如表2 所示。50%的數(shù)據(jù)用于驗(yàn)證模型在該站點(diǎn)的模擬效果；始花期觀測(cè)數(shù)據(jù)較短的站點(diǎn)作為模型驗(yàn)證站點(diǎn)（寶塔、耀州、禮泉和長(zhǎng)武），進(jìn)一步驗(yàn)證模型在整個(gè)亞區(qū)模擬蘋果始花期的可靠性，將整個(gè)亞區(qū)模擬與觀測(cè)始花期之間的均方根誤差作為模型選擇的依據(jù)。

表2 模型參數(shù)估算結(jié)果Table 2 Estimation results of model parameters

由于重疊模型的重疊率不同，其結(jié)果也不同，首先對(duì)比重疊率分別為25%、50%和75%的重疊模型在陜西蘋果產(chǎn)區(qū)的始花期模擬結(jié)果，選擇其中最優(yōu)重疊率的模型和其它3 種模型的模擬結(jié)果進(jìn)行對(duì)比，選擇適合模擬陜西蘋果產(chǎn)區(qū)蘋果始花期的模型。然后，依據(jù)末花期觀測(cè)數(shù)據(jù)估計(jì)所選模型中與末花期相關(guān)的模型參數(shù)（強(qiáng)迫要求），并驗(yàn)證所選模型模擬末花期的精度。

1.4 線性傾向率

采用一元線性回歸方法[28]對(duì)陜西蘋果花期進(jìn)行趨勢(shì)分析，用斜率（Slope）反映花期的變化趨勢(shì)，計(jì)算式為

式中，Slope 為趨勢(shì)線的斜率；n 為觀測(cè)時(shí)段的年數(shù)（n=40）；i 為觀測(cè)的年份（a）；fci為蘋果始花期（末花期）第i年的年日序（DOY）。

1.5 蘋果花期歷史和未來變化規(guī)律分析

在歷史氣候條件下，首先選擇洛川（延安）、白水（渭北東部）、鳳翔（關(guān)中西部）和長(zhǎng)武（渭北西部）為陜西蘋果產(chǎn)區(qū)各亞區(qū)的代表站，基于最佳模型模擬1980?2019年各代表站蘋果花期；然后，通過一元線性回歸方法分析花期時(shí)間變化規(guī)律；最后，分別計(jì)算每個(gè)站點(diǎn)的平均花期，并研究花期的空間分布規(guī)律。

在未來氣候變化條件下，利用所選的最佳蘋果花期預(yù)測(cè)模型和33 個(gè)GCMs 生成的未來氣象數(shù)據(jù)，模擬RCP4.5 和RCP8.5 兩種排放情景下2021?2060年和2061?2100年各代表站蘋果花期；然后，計(jì)算不同GCMs 下各代表站2021?2060年和2061?2100年的平均花期，研究其相對(duì)于1980?2019年平均花期的變化規(guī)律，并利用ArcGIS 繪制花期空間分布圖，研究花期的空間分布規(guī)律；最后，以33 個(gè)GCMs 計(jì)算的平均值為每年的花期，通過一元線性回歸方法分析花期的時(shí)間變化規(guī)律。

1.6 數(shù)據(jù)處理

用R 語言編寫花期預(yù)測(cè)模型和模擬退火算法程序，估算花期預(yù)測(cè)模型參數(shù)；用excel 進(jìn)行一元線性回歸，計(jì)算花期線性傾向率；用sigmaplot 和ArcGIS繪圖，展示計(jì)算結(jié)果。

2 結(jié)果與分析

2.1 蘋果花期預(yù)測(cè)模型篩選

2.1.1 重疊模型中重疊率的確定

對(duì)不同重疊率（25%、50%和75%）的重疊模型模擬始花期的結(jié)果進(jìn)行比較分析。由圖2 可見，在渭北東部，25%重疊模型表現(xiàn)最好（RMSE 為3.57）；在延安和關(guān)中西部，50%重疊模型表現(xiàn)最好（RMSE 分別為6.65 和5.24）；在渭北西部，75%重疊模型表現(xiàn)最好（RMSE 為3.95）。總體而言，由于50%重疊模型在兩個(gè)亞區(qū)的模擬結(jié)果較好，因此選擇50%重疊模型與其它3 種蘋果花期預(yù)測(cè)模型進(jìn)行比較（圖2）。

圖2 各代表站冷卻和強(qiáng)迫重疊率分別為25%（a）、50%（b）和75%（c）時(shí)重疊模型對(duì)始花期模擬值與觀測(cè)值的對(duì)比Fig.2 Observed apple first flowering date of each representative station vs.simulated values by Overlap models when chilling and forced overlap rates are set to 25%（a）,50%（b）and 75%（c）

2.1.2 最佳模型確定

對(duì)比分析春暖模型、連續(xù)模型、50%重疊模型和平行模型對(duì)蘋果始花期的模擬值與觀測(cè)值，由圖3可知，在延安亞區(qū)，平行模型表現(xiàn)最好（RMSE 為6.64d），春暖模型、連續(xù)模型和50%重疊模型的RMSE 分別比平行模型高0.74d、1.36d 和0.01d。在渭北東部，連續(xù)模型表現(xiàn)最好（RMSE 為3.36d），春暖模型、50%重疊模型和平行模型的RMSE 分別比連續(xù)模型高0.19d、0.26d 和0.22d。在關(guān)中西部，平行模型表現(xiàn)最好（RMSE 為4.64d），春暖模型、連續(xù)模型和50%重疊模型的RMSE 分別比平行模型高1.34d、0.83d 和0.50d。在渭北西部，連續(xù)模型表現(xiàn)最好（RMSE 為3.04d），春暖模型、50%重疊模型和平行模型的RMSE 分別比連續(xù)模型高0.77d、0.56d和0.41d?？傮w而言，連續(xù)模型適合渭北東部和渭北西部蘋果始花期模擬，平行模型適合延安和關(guān)中西部蘋果始花期模擬。

圖3 各代表站始花期觀測(cè)值與春暖模型（a）、連續(xù)模型（b）、50%重疊模型（c），以及平行模型（d）模擬值的對(duì)比Fig.3 Observed apple first flowering date of each representative station vs.simulated values by the Spring warming model(a),Sequential model(b),50% Overlap model(c),and Parallel model(d)

分別估算連續(xù)模型在渭北東部和渭北西部以及平行模型在延安和關(guān)中西部模擬蘋果末花期的強(qiáng)迫要求（其它參數(shù)與模擬始花期時(shí)一致），其結(jié)果分別為6831.86GDH 和7078.01GDH。利用連續(xù)模型模擬渭北東部和西部，利用平行模型模擬延安和關(guān)中西部的蘋果末花期，并與觀測(cè)值進(jìn)行比較，結(jié)果表明，4個(gè)亞區(qū)75%的蘋果末花期模擬值與觀測(cè)值的RMSE小于5d，其中旬邑和白水兩個(gè)站點(diǎn)蘋果末花期的RMSE 小于3d?？梢娺B續(xù)模型和平行模型可以較為準(zhǔn)確地模擬陜西蘋果產(chǎn)區(qū)蘋果末花期。因此，連續(xù)模型是模擬渭北東部與西部蘋果花期（包括始花期和末花期）的最佳模型，而平行模型則是延安和關(guān)中西部蘋果花期（包括始花期和末花期）模擬的最佳模型。

2.2 最佳模型模擬的蘋果花期歷史變化

利用連續(xù)模型和平行模型模擬計(jì)算1980?2019年各代表站始花期和末花期，結(jié)果見圖4。由圖可知，在研究區(qū)域內(nèi)，各代表站蘋果始花期和末花期模擬值存在一定差異。洛川的蘋果始花期和末花期均值分別為108DOY（最早92，最晚119）和119DOY（最早107，最晚129），花期持續(xù)時(shí)間均值為11d；白水的蘋果始花期和末花期均值分別為101DOY（最早86，最晚114）和111DOY（最早97，最晚122），花期持續(xù)時(shí)間均值為10d；鳳翔的蘋果始花期和末花期均值分別為102DOY（最早87，最晚114）和113DOY（最早96，最晚124），花期持續(xù)時(shí)間均值為11d；長(zhǎng)武的蘋果始花期和末花期均值分別為109DOY（最早90，最晚122）和120DOY（最早101，最晚133），花期持續(xù)時(shí)間均值為11d?？臻g上，北部站點(diǎn)（洛川）的蘋果始花期和末花期均值較南部站點(diǎn)（鳳翔）晚6d，西部站點(diǎn)（長(zhǎng)武）的蘋果始花期和末花期均值較東部站點(diǎn)（白水）分別晚8d 和9d?？梢姡芯繀^(qū)域內(nèi)，花期持續(xù)時(shí)間基本相同，在空間上從東南向西北存在較為明顯的推遲趨勢(shì)。

圖4 基于連續(xù)模型和平行模型模擬值的各代表站1980?2019年蘋果平均始花期（a）和末花期（b）的空間分布Fig.4 Spatial distributions of average apple first flowering date(a)and end flowering date(b)from 1980 to 2019 at each representative station based on simulation values of Sequential model and Parallel model

利用連續(xù)模型和平行模型模擬計(jì)算1980?2019年各代表站（洛川、白水、鳳翔和長(zhǎng)武）蘋果始花期和末花期，其年際變化見表3。由表可見，長(zhǎng)武蘋果始花期和末花期提前速率最大，洛川蘋果始花期和末花期提前速率最小，白水和鳳翔蘋果始花期和末花期提前速率相差不大。說明4 個(gè)代表性站點(diǎn)蘋果始花期和末花期均提前。

表3 基于連續(xù)模型和平行模型模擬值的各代表站1980?2019年蘋果花期線性傾向率Table 3 Linear trend rate of apple flowering date from 1980 to 2019 at each representative station based on the simulation values of Sequential model and Parallel model

2.3 最佳模型模擬的蘋果花期未來可能變化

2.3.1 空間分布

利用連續(xù)模型和平行模型模擬計(jì)算2021?2100年各代表站始花期和末花期，結(jié)果見圖5 和圖6。在RCP4.5 情境下，2021-2060年洛川的蘋果始花期和末花期平均值分別為104DOY 和115DOY，花期持續(xù)時(shí)間平均值為11d，2061?2100年分別為101DOY和112DOY，花期持續(xù)時(shí)間平均值為11d；同理，2021?2060年白水、鳳翔和長(zhǎng)武的花期平均值分別為101?111DOY、97?109DOY 和105?115DOY，花期持續(xù)時(shí)間平均值分別為10d、12d 和10d，2061?2100年3 站花期平均值分別為98?1108DOY、94?107DOY和102?112DOY，花期持續(xù)時(shí)間平均值分別為11d、13d 和10d。在RCP8.5 情境下，2021?2060年各代表站花期平均值為 103?114DOY、100?110DOY、96?108DOY 和104?114DOY，2021?2060年分別為96?107DOY、94?105DOY、90?103DOY 和98?108DOY，各代表站花期持續(xù)時(shí)間與RCP4.5 情景一致?？臻g上，在RCP4.5 情景下，2021?2060年北部站點(diǎn)（洛川）的蘋果始花期和末花期平均值較南部站點(diǎn)（鳳翔）分別晚7d 和6d，西部站點(diǎn)（長(zhǎng)武）較東部站點(diǎn)（白水）晚4d；2061?2100年北部站點(diǎn)（洛川）的蘋果始花期和末花期平均值較南部站點(diǎn)（鳳翔）分別晚7d 和5d，西部站點(diǎn)（長(zhǎng)武）較東部站點(diǎn)（白水）分別晚5d 和4d。在RCP8.5 情景下，2021?2060年北部站點(diǎn)（洛川）的蘋果始花期和末花期平均值較南部站點(diǎn)（鳳翔）分別晚7d 和6d，西部站點(diǎn)（長(zhǎng)武）較東部站點(diǎn)（白水）晚4d；2061?2100年北部站點(diǎn)（洛川）的蘋果始花期和末花期平均值較南部站點(diǎn)（鳳翔）分別晚6d 和4d，西部站點(diǎn)（長(zhǎng)武）較東部站點(diǎn)（白水）分別晚4d 和3d。綜上可知，未來洛川和白水的蘋果花期持續(xù)時(shí)間基本不變，鳳翔站略有延長(zhǎng)，長(zhǎng)武站略有縮短，花期在空間上從東南向西部逐漸推遲，但空間差距略有縮小。

圖5 RCP4.5(a)和RCP8.5(b)情境下基于連續(xù)模型和平行模型模擬值的各代表站未來2021–2060年(1)和2061–2100年(2)蘋果平均始花期的空間分布Fig.5 Spatial distributions of average apple first flowering date at each representative station for 2021–2060(1)and 2061–2100(2)based on the simulation values of Sequential model and Parallel model under RCP4.5(a)and RCP8.5(b)scenarios

圖6 RCP4.5(a)和RCP8.5(b)情境下基于連續(xù)模型和平行模型模擬值的各代表站未來2021–2060年(1)和2061–2100年(2)蘋果平均末花期的空間分布Fig.6 Spatial distributions of average apple end flowering date at each representative station for the two future periods of 2021–2060(1)and 2061–2100(2)based on the simulation values of Sequential model and Parallel model under RCP4.5(a)and RCP8.5(b)scenarios

2.3.2 時(shí)間變化趨勢(shì)

在RCP4.5 和RCP8.5 情景下，基于連續(xù)模型和平行模型預(yù)測(cè)33 個(gè)GCMs 下2021?2100年各代表站蘋果始花期和末花期，計(jì)算不同GCMs 下2021?2060年和2061?2100年的蘋果始花期和末花期的平均值，結(jié)果見圖7 和圖8。由圖可知，在RCP4.5 情景下，2021?2060年洛川、鳳翔和長(zhǎng)武蘋果始花期相較于1980?2019年平均分別提前3.6d、4.8d 和4.4d，末花期平均分別提前3.6d、3.7d 和5.0d，而白水蘋果始花期和末花期的均值不變；2061?2100年洛川、白水、鳳翔和長(zhǎng)武的蘋果始花期分別平均提前6.6d、3.4d、7.6d 和7.5d，末花期平均分別提前6.7d、6.3d、2.6d 和8.2d。在RCP8.5 情景下，2021?2060年洛川、白水、鳳翔和長(zhǎng)武的蘋果始花期相較于1980?2019年平均分別提前5.1d、1.3d、5.9d 和5.4d，末花期平均分別提前5.2d、1.0d、4.6d 和6.1d；2061?2100年洛川、白水、鳳翔和長(zhǎng)武的蘋果始花期平均分別提前12.4d、6.7d、12.0d 和11.4d，末花期平均分別提前11.8d、6.2d、9.9d 和12.3d?；ㄆ谧兓饕軠囟扔绊?，未來氣候條件下在各代表站中，白水的平均溫度變化值最小，相應(yīng)的其蘋果花期的變化也較小。

圖7 基于連續(xù)模型和平行模型模擬值的各代表站未來2 個(gè)時(shí)期（2021?2060年和2061?2100年）蘋果始花期均值較1980?2019年的變化Fig.7 The change of average of apple first flowering date in the next 2 periods(2021?2060 and 2061?2100)at each representative station compared to 1980?2019 based on the simulation values of Sequential model and Parallel model

圖8 基于連續(xù)模型和平行模型模擬值的各代表站未來2 個(gè)時(shí)期（2021?2060年和2061?2100年）蘋果末花期均值較1980?2019年的變化Fig.8 The change of average of apple end flowering date in the next 2 periods(2021?2060 and 2061?2100)at each representative station compared to 1980?2019 based on the simulation values of Sequential model and Parallel model

在RCP4.5 和RCP8.5 情景下，基于連續(xù)模型和平行模型預(yù)測(cè)33 個(gè)GCMs 下2021?2100年各代表站蘋果始花期和末花期，用33 個(gè)GCMs 預(yù)測(cè)結(jié)果的平均值代表每年的蘋果始花期和末花期，以此為依據(jù)研究2021?2100年蘋果始花期和末花期的年際變化規(guī)律，結(jié)果見圖9 和圖10。由圖可知，各代表站蘋果始花期和末花期均提前，但提前速率較1980?2019年小。具體表現(xiàn)為，在RCP4.5 情景下，洛川和鳳翔始花期提前速率最小（0.7d·10a?1），白水始花期提前速率最大（0.9d·10a?1），鳳翔末花期提前速率最?。?.6d·10a?1），洛川長(zhǎng)武末花期提前速率最大（0.8d·10a?1）；在RCP8.5 情景下，白水始花期提前速率最?。?.3d·10a?1），洛川始花期提前速率最大（1.8d·10a?1），白水和鳳翔末花期提前速率最?。?.3d·10a?1），洛川末花期提前速率最大（1.6d·10a?1）?？傮w上，RCP8.5 情景下蘋果始花期和末花期的提前速率均大于RCP4.5 情景。

圖9 基于連續(xù)模型和平行模型模擬值的各代表站RCP4.5 和RCP8.5 情景下2021?2100年蘋果始花期年際變化Fig.9 Interannual change of apple first flowering date under RCP4.5 and RCP8.5 scenarios at each representative station based on the simulation values of Sequential model and Parallel model

圖10 基于連續(xù)模型和平行模型模擬值的各代表站RCP4.5 和RCP8.5 情景下2021?2100年蘋果末花期年際變化Fig.10 Interannual change of apple end flowering date under RCP4.5 and RCP8.5 scenarios at each representative station based on the simulation values of Sequential model and Parallel model

3 結(jié)論與討論

3.1 討論

3.1.1 蘋果花期模擬模型評(píng)價(jià)

柏秦鳳等[17]依據(jù)統(tǒng)計(jì)分析原理，對(duì)陜西各蘋果產(chǎn)區(qū)花期和花期前的各項(xiàng)氣象因子進(jìn)行詳細(xì)的相關(guān)性分析，基于分析結(jié)果分果區(qū)建立了陜西蘋果的始花期預(yù)測(cè)模型，并通過回代和預(yù)測(cè)對(duì)模型進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果顯示平均誤差小于3d，但該研究并未考慮蘋果的生理生態(tài)學(xué)過程。而考慮生理生態(tài)學(xué)過程的物候模擬模型，并沒有一個(gè)單一的模型能夠準(zhǔn)確地預(yù)測(cè)所有樹種的物候期，這一點(diǎn)已經(jīng)被許多前期研究所證實(shí)，因此，必須盡可能多地對(duì)每個(gè)樹種測(cè)試不同的物候模擬模型[27]。鄔定榮等[15]使用遺傳算法以11月1日為冷卻積累起點(diǎn)進(jìn)行物候模型參數(shù)評(píng)估，對(duì)比了熱時(shí)模型、連續(xù)模型、平行模型和深度休息模型在陜西蘋果產(chǎn)區(qū)的表現(xiàn)。本研究以9月1日為冷卻積累起點(diǎn)模擬陜西不同蘋果產(chǎn)區(qū)的花期，使用模擬退火算法進(jìn)行模型參數(shù)估計(jì)，同時(shí)考慮了子模型不同組合對(duì)模擬結(jié)果的影響[29]，選擇普適性較強(qiáng)的動(dòng)態(tài)模型和GDH 模型[30?31]，發(fā)現(xiàn)連續(xù)模型在渭北西部和渭北東部，平行模型在延安和關(guān)中西部模擬蘋果花期的結(jié)果好于鄔定榮等[15]在陜西蘋果產(chǎn)區(qū)的研究結(jié)果（RMSE 在3.53～9.08）可以看出，子模型組合的選擇、冷卻積累起點(diǎn)和參數(shù)估計(jì)方法都會(huì)對(duì)蘋果花期的模擬結(jié)果產(chǎn)生較大影響。

連續(xù)模型是模擬渭北東部和西部蘋果花期的最佳模型，而平行模型則是模擬延安和關(guān)中西部蘋果花期的最佳模型，而延安和關(guān)中西部氣候背景和開花期相距甚遠(yuǎn)，這可能是由于平行模型在整個(gè)陜西蘋果產(chǎn)區(qū)表現(xiàn)較好，連續(xù)模型在渭北東部和西部的表現(xiàn)較平行模型好，而在延安和關(guān)中西部的表現(xiàn)遠(yuǎn)不如平行模型，是因?yàn)檫B續(xù)模型在溫暖的冬季模擬結(jié)果偏早，在寒冷的冬季結(jié)果偏晚[32]。如果想在陜西蘋果產(chǎn)區(qū)使用同一種模型預(yù)測(cè)蘋果花期，推薦使用平行模型。

本研究中，4個(gè)總體模型都是在動(dòng)態(tài)模型和GDH模型的基礎(chǔ)上進(jìn)行冷卻量和強(qiáng)迫量的計(jì)算，但其對(duì)于花期的預(yù)測(cè)結(jié)果卻有所不同，這表明不同的休眠打破模擬機(jī)制對(duì)蘋果花期的模擬結(jié)果有一定的影響，但目前還沒有研究可以證明哪一種模型對(duì)休眠打破機(jī)制的描述更為準(zhǔn)確[33]。本研究的不足之處還表現(xiàn)在4 種花期預(yù)測(cè)模型都僅考慮了溫度對(duì)花期的影響，忽略了影響蘋果花期的其它因素，如光周期[34]、降水量[35]、相對(duì)濕度和日照時(shí)數(shù)[6]等。想更準(zhǔn)確地預(yù)測(cè)蘋果花期，不僅要對(duì)休眠打破機(jī)制有更進(jìn)一步的研究，還需要考慮其它因素對(duì)蘋果花期的影響。此外，Hanninen 等[36]指出僅利用自然條件下的物候觀測(cè)數(shù)據(jù)建模時(shí)，模型模擬樹木的真實(shí)生理過程的風(fēng)險(xiǎn)很高，有必要引入實(shí)驗(yàn)研究物候，這為后期研究提供了一種新思路。

3.1.2 陜西蘋果產(chǎn)區(qū)花期變化

基于模型分析可知1980?2019年陜西蘋果花期提前，這與前人對(duì)陜西蘋果花期的研究結(jié)果一致[16,37]，同時(shí)與前人對(duì)中國(guó)鄭州桃子[38]、歐洲的6 種植物[39]和西歐蘋果[40]物候期的研究結(jié)果也基本一致，說明模型可以較為準(zhǔn)確地模擬蘋果花期的時(shí)間變化規(guī)律。在研究區(qū)域內(nèi)，各代表站 1980?2019年和2021?2100年的花期都提前，但2021?2100年花期提前速率較1980?2019年小，這可能是由于花期與溫度并不是簡(jiǎn)單的線性關(guān)系，不同階段的溫度對(duì)花期影響不同，冷卻階段高溫會(huì)增加滿足冷卻要求的時(shí)間，強(qiáng)迫階段高溫會(huì)減少滿足強(qiáng)迫要求的時(shí)間，隨著溫度的持續(xù)升高，強(qiáng)迫階段的強(qiáng)迫要求很容易滿足，但需要更久的時(shí)間滿足冷卻要求，使得花期提前的速率變小[3]；而RCP8.5 情境下較RCP4.5 情景下蘋果花期提前值大，可能是由于兩種情景下溫度變化有著相似的規(guī)律?？臻g上，花期從東南向西部逐漸推遲，這可能是由于無論是在 1980?2019年還是2021?2100年，溫度在空間上的變化趨勢(shì)都一致。

蘋果是否發(fā)生凍害主要跟花期與晚霜凍的相對(duì)時(shí)間相關(guān)，2021?2100年隨著溫度升高，洛川、白水和鳳翔的花期提前了，但晚霜凍提前更多，不會(huì)發(fā)生凍害，長(zhǎng)武的蘋果開花日期較晚霜凍早，容易發(fā)生凍害，以后要加強(qiáng)該地以及與其氣候相似地區(qū)的花期凍害預(yù)防。目前僅進(jìn)行了定性的判斷，今后的研究中將結(jié)合蘋果凍害等級(jí)進(jìn)一步精細(xì)化評(píng)價(jià)陜西地區(qū)凍害發(fā)生的等級(jí)以及造成的損失，以期能通過預(yù)測(cè)凍害及時(shí)提醒果農(nóng)采取適當(dāng)?shù)念A(yù)防措施減少不必要的損失。

本研究相較于陜西地區(qū)蘋果花期已有的研究，首次建立了蘋果末花期預(yù)測(cè)模型，能較準(zhǔn)確確定蘋果花期，便于研究花期凍害；首次在該地區(qū)借助GCMs 研究未來蘋果花期的變化規(guī)律，為預(yù)防花期凍害提供理論依據(jù)。未來氣候條件下，溫度持續(xù)升高還可能導(dǎo)致陜西南部溫暖蘋果產(chǎn)區(qū)冷卻階段的冷卻要求不能滿足，從而導(dǎo)致蘋果樹休眠無法打破。為了確保蘋果樹能正常開花，建議蘋果種植區(qū)逐漸向溫度更低的高海拔地區(qū)以及向北擴(kuò)張。最后，春季灌水、施肥、種草等措施也會(huì)在一定程度上影響蘋果花期，但本研究模擬蘋果花期時(shí)忽略了這些因素。因此，后期有必要就果園管理技術(shù)對(duì)蘋果開花的影響進(jìn)一步研究。

3.2 結(jié)論

（1）在陜西蘋果產(chǎn)區(qū)的4 個(gè)亞區(qū)（延安、渭北東部、關(guān)中西部和渭北西部）中，連續(xù)模型為渭北東部和西部蘋果花期模擬的最佳模型，平行模型為延安和關(guān)中西部花期模擬的最佳模型。如果想在陜西蘋果產(chǎn)區(qū)使用同一種模型預(yù)測(cè)蘋果花期，推薦使用平行模型。

（2）各代表站1980?2019年蘋果花期均提前，其中長(zhǎng)武花期提前速率最大，洛川花期提前速率最小。蘋果花期持續(xù)時(shí)間約為11d，且蘋果花期從東南向西北逐漸推遲。

（3）未來氣候條件下，各代表站2021?2060年和2061?2100年蘋果花期均值相較于1980?2019年提前，其中RCP8.5 較RCP4.5 情景花期提前值大；相同情景下，2061?2100年花期提前值大于2021?2060年。在RCP4.5 和RCP8.5 情景下，各代表站2021?2100年蘋果花期提前，但其提前速率較1980?2019年小。陜西蘋果花期空間變化同歷史時(shí)期一致，但花期持續(xù)時(shí)間略有變化。