劉志超，王 勇，曹 杰，賀芬芬，楊愛琴，林隆超

(1.延安市氣象局，陜西延安 716000；2. 陜西省秦嶺和黃土高原生態(tài)環(huán)境氣象重點實驗室，西安 710016；3. 渭南市氣象局，陜西渭南 714000)

黃土高原丘陵溝壑區(qū)，由于土層深厚，海拔高度800～1 100 m，光照充足，晝夜溫差大，有利果實積累糖分，是“世界蘋果最佳優(yōu)生區(qū)之一”。截止2020年底，延安蘋果種植面積27萬hm2，產(chǎn)量370萬t，延安北部丘陵溝壑區(qū)蘋果面積達到16萬hm2，蘋果產(chǎn)業(yè)是當?shù)剞r民脫貧奔小康的支柱性產(chǎn)業(yè)。隨著全球氣候變化的影響，花期凍害給該區(qū)域蘋果生產(chǎn)帶來極大的損失，不利因素也呈上升趨勢。據(jù)氣象部門統(tǒng)計，2010—2020年期間延安共有7 a出現(xiàn)了蘋果花期凍害天氣過程，其中凍害嚴重年份為2010、2013、2018、2020年，花期凍害嚴重影響了該區(qū)域的果業(yè)生產(chǎn)和發(fā)展。近幾年，氣象部門在蘋果花期凍害氣象服務中得到當?shù)卣囊恢潞迷u，但在監(jiān)測評估方面也暴露出了一些問題。由于考慮生活、設備維護等因素，氣象站普遍建在靠近縣城、鄉(xiāng)鎮(zhèn)的河谷川道上，觀測的日最低氣溫只能代表川道溝谷；而山地地形支離破碎，局地小氣候明顯，蘋果大多種植在半山坡以上，山頂日最低氣溫與溝谷日最低氣溫有明顯差異[1-4]。如何推算山頂果園最低氣溫是當前迫切需要解決的問題。本文通過對2020年4月24日花期凍害影響過程的日最低氣溫進行推算模擬，尋找較合適的推算方法，為今后氣象服務和防災減災提供技術支撐。

1 研究區(qū)域概況、數(shù)據(jù)來源與方法

1.1 研究區(qū)域概況

以延安地區(qū)為研究區(qū)域，地理坐標為：35°21′～37°31′N， 107°41′～110°31′E。延安處于黃土高原丘陵溝壑區(qū)，溝壑縱橫、山峁相間，除洛川種植在黃土塬上外，其他各縣區(qū)大多種植在半山坡或山頂上。由于氣象站普遍建在靠近縣城、鄉(xiāng)鎮(zhèn)的河谷川道上，形成了山頂氣溫與溝谷氣溫的明顯差異。選取具有代表性的159個氣象站(包括國家級氣象站、鄉(xiāng)鎮(zhèn)氣象站和果園氣象站，見圖1)氣溫資料推算模擬山頂果園氣溫分布，通過推算模擬果園日最低氣溫，以提高延安市的花期凍害評估準確性。

圖1 延安市果園氣象站分布圖

1.2 數(shù)據(jù)來源

所用數(shù)據(jù)主要包括2020年4月24日全市159個氣象站經(jīng)度、緯度、海拔高度、日最低氣溫數(shù)據(jù)。鄉(xiāng)鎮(zhèn)氣象站和果園氣象站數(shù)據(jù)通過延安市自動站統(tǒng)一應用平臺獲取，國家級氣象站數(shù)據(jù)通過陜西省氣象數(shù)據(jù)共享網(wǎng)獲得。

1.3 研究方法

利用DPS(data processing system)數(shù)據(jù)處理系統(tǒng)[5]進行多元線性回歸和投影尋蹤回歸計算，同時采用樣條插值方法對氣溫進行插值[6-7]。

1.3.1 多元線性回歸 建立日最低氣溫與地理因子(經(jīng)度、緯度、海拔高度)之間的關系模型[8-13]，擬合出全市山頂最低氣溫。

1.3.2 投影尋蹤回歸 投影尋蹤回歸是根據(jù)原始數(shù)據(jù)建立的非參數(shù)回歸方程，在降水預測、氣象災害評估等方面得到應用[14-15]。通過一維空間數(shù)據(jù)結構特征分析高維數(shù)據(jù)空間特征，建立非參數(shù)回歸模型。在地理因子中，權重系數(shù)重要性為海拔高度>緯度>經(jīng)度。

2 花期凍害的差異性分析

按照蘋果凍害指標[16]，分別以蘋果花期寒潮降溫天氣過程的最低氣溫(TD)，TD≤-5 ℃、-3 ℃≥TD>-5 ℃、0 ℃≥TD>-3 ℃，將陜西蘋果花期凍害劃分為重度、中度、輕度3個等級。對延安159個氣象監(jiān)測站2020年4月24日的最低氣溫(圖2)，進行花期凍害分析，其中74站達到重度凍害，30站達到中度凍害，24站達到輕度凍害，31站未發(fā)生凍害。尤其志丹、吳起、富縣、安塞、子長、延長、甘泉、黃龍等縣(區(qū)、市)的氣溫大多在-5 ℃以下，持續(xù)時間較長，上述縣區(qū)基本達到重度凍害。據(jù)延安市農業(yè)農村局凍害報告和實地調查，全市出現(xiàn)凍害較重的縣為吳起、志丹，分別有約0.13萬hm2受凍，但凍害區(qū)域主要集中在地勢低洼處，安塞、甘泉、寶塔等縣區(qū)地勢較低的果園出現(xiàn)凍害，洛川、黃陵、富縣等南部塬區(qū)凍害呈點狀分布，子長、延川、延長、宜川等縣市基本無凍害。因此，實際凍害與氣象評估凍害存在著差異性。從2020年4月24日最低氣溫空間分布看(圖3)，子長市果園站(109.554 4°E、37.266 9°N、海拔高度1 365 m)最低氣溫為2.0 ℃，按照蘋果凍害指標，則為無凍害。志丹縣張渠村(108.824 4°E、37.039 7°N、海拔高度1 298 m)實測最低氣溫為-0.5 ℃，也不會出現(xiàn)凍害。山頂果園氣象站監(jiān)測氣溫明顯高于川道溝谷氣象站監(jiān)測氣溫，因此，利用延安現(xiàn)有氣象站觀測的最低氣溫數(shù)據(jù)來評價蘋果花期凍害等級存在著嚴重的誤差。

圖2 延安市159個果園氣象監(jiān)測站2020-04-24最低氣溫散點圖

圖3 延安市2020-04-24果園最低氣溫空間分布圖

3 結果分析

3.1 多元線性回歸

利用2020年4月24日159個氣象站的日最低氣溫與對應站點的經(jīng)度、緯度、海拔高度建立多元線性回歸方程，X4=-443.570+3.610X1+1.130X2+0.006X3，式中X4為日最低氣溫，X1為經(jīng)度，X2為緯度，X3海拔高度。復相關系數(shù)R=0.68，決定系數(shù)R2=0.46，調整相關系數(shù)r=0.64，方程通過顯著性檢驗。4月24日日最低溫度與經(jīng)度、緯度、海拔高度的相關系數(shù)分別為0.549 6、0.397 6、0.069 2，溫度主要受經(jīng)緯度影響，與海拔高度的關系較小。擬合相對誤差為88.1%，均方誤差=3.9 ℃，平均絕對誤差為1.5 ℃，最大誤差為4.4 ℃。從多元線性回歸插值與山頂果園氣象站實測值對比分析圖(見圖4)可看出，擬合誤差偏大的站主要為富縣羊泉、北道德，洛川縣堡子頭、楊舒，延安氣象站。誤差較大的站點一是受局地小地形影響，如受河谷影響的延安、洛川縣堡子頭等，誤差達到4 ℃；二是對西北和黃河沿岸的站點擬合的誤差也大，如吳起縣長官廟誤差為4.3 ℃，延川縣梁家河誤差為2.5 ℃。因此，多元線性回歸對氣溫相對高值與低值擬合效果較差，氣溫為中間數(shù)值效果較好。

圖4 2020-04-24多元線性回歸插值與山頂果園氣象站實測值對比

對多元線性回歸方程模擬的日最低氣溫數(shù)據(jù)進行樣條插值得到圖5，可以看出吳起縣氣溫普遍在-0 ℃以下，局部氣溫在-4 ℃以下，花期凍害以中度凍害為主，局部為重度凍害。志丹縣氣溫在-2～0 ℃之間，以輕度凍害為主，安塞區(qū)、寶塔區(qū)氣溫在-1～2 ℃之間，局部輕度凍害。

圖5 利用多元線性回歸方法插值的延安市2020-04-24果園最低氣氣溫分布圖

3.2 投影尋蹤回歸

對2020年4月24日日最低氣溫與所在地經(jīng)度、緯度、海拔高度進行投影尋蹤回歸分析。模擬結果的決定系數(shù)達到0.82，擬合樣本相對誤差45.8%，均方誤差1.5 ℃，殘差標準差1.2 ℃，平均絕對誤差為1.3 ℃，最大誤差為3.1 ℃，誤差明顯小于多元線性回歸方程。從投影尋蹤插值與山頂果園氣象站實測值對比分析圖(見圖6)可看出，擬合誤差偏大的站點主要是富縣羊泉，洛川縣堡子頭、楊舒、槐陽和洛川氣象站。對延安北部的擬合結果較為理想。如吳起縣長官廟實測最低氣溫為0.5 ℃，擬合結果為0.48 ℃；志丹縣張渠觀測最低氣溫為-0.5 ℃，擬合結果為-0.48 ℃；子長市果園觀測最低氣溫為2.4 ℃，擬合結果為1.9 ℃；延安氣象觀測站最低氣溫為-3.9 ℃，擬合結果為-3.2 ℃。擬合效果最差的是延川縣梁家河，實測最低氣溫為3.8 ℃，擬合結果為0.7 ℃。從擬合結果對比來看，在吳起縣、志丹縣、安塞區(qū)、寶塔區(qū)、甘泉縣、子長市北部等地區(qū)效果好，在延川縣和子長市南部效果較差。投影尋蹤對低值氣溫擬合結果好，但對氣溫相對較高的數(shù)值擬合效果差。

圖6 延安市2020-04-24投影尋蹤插值與山頂果園氣象站實測值對比

對投影尋蹤回歸模擬的日最低氣溫數(shù)據(jù)進行樣條插值得到圖7，在子長市、安塞區(qū)、寶塔區(qū)形成一個最低氣溫在0～-2 ℃的相對偏低區(qū)域，北部其他地區(qū)最低氣溫在0 ℃以上。

圖7 利用投影尋蹤回歸插值的延安市2020-04-24果園日最低氣溫分布圖

4 結論與討論

利用2020年4月24日延安159個氣象站溫度數(shù)據(jù)，通過多元線性回歸分析和投影尋蹤回歸方法，對處于丘陵溝壑區(qū)的延安北部山頂果園最低氣溫進行推算，兩種方法均較好地推算出山頂果園氣溫，總體上與實際災害評估分布是一致的。對比擬合方程的決定系數(shù)、擬合樣本相對誤差、均方誤差、殘差標準差等數(shù)據(jù)可得出，投影尋蹤回歸明顯優(yōu)于線性回歸；因此投影尋蹤回歸方法的擬合效果最好，顯著降低了蘋果花期凍害等級，最低氣溫符合實際凍害災情。

本研究僅對2020年4月24日一次過程的資料進行研究，存在一定的局限性，今后應對歷史上的花期凍害過程進行詳細分析對比，加強開展神經(jīng)網(wǎng)絡、隨機森林、支持向量機等深度學習方法的研究應用，建立完善的延安花期凍害評估方法，為今后氣象服務和防災減災提供技術支撐。