中國(guó)東部暖溫帶刺槐物候模型比較*

于裴洋，同小娟**，李 俊，張靜茹，劉沛榮

中國(guó)東部暖溫帶刺槐物候模型比較*

于裴洋1，同小娟1**，李 俊2，張靜茹1，劉沛榮1

（1．北京林業(yè)大學(xué)生態(tài)與自然保護(hù)學(xué)院，北京 100083；2.中國(guó)科學(xué)院地理科學(xué)與資源研究所陸地水循環(huán)及地表過(guò)程重點(diǎn)實(shí)驗(yàn)室，北京 100101）

植被物候是陸地生態(tài)系統(tǒng)對(duì)氣候變化響應(yīng)的一個(gè)有力指標(biāo)，其對(duì)水、碳交換和能量平衡發(fā)揮著重要作用。在全球氣候變暖背景下，植被物候變化規(guī)律及預(yù)測(cè)植物物候期成為研究熱點(diǎn)。本研究基于中國(guó)東部暖溫帶10個(gè)觀(guān)測(cè)點(diǎn)的氣象數(shù)據(jù)和刺槐地面物候觀(guān)測(cè)資料，利用模擬退火算法對(duì)SW、Unichill和DNGDD三種模型的各項(xiàng)參數(shù)進(jìn)行優(yōu)化，對(duì)刺槐春秋季物候期（葉芽開(kāi)放期、展葉始期、開(kāi)花始期和葉變色期）進(jìn)行模擬，通過(guò)內(nèi)部檢驗(yàn)對(duì)比分析SW、Unichill和DNGDD模型對(duì)春、秋季物候期的模擬效果，以選擇出最適合預(yù)測(cè)刺槐物候期的模型。結(jié)果表明，刺槐4個(gè)主要物候期與同期各項(xiàng)氣溫平均值間均呈極顯著負(fù)相關(guān)關(guān)系。利用模擬退火法對(duì)SW、Unichill和DNGDD模型進(jìn)行參數(shù)估計(jì)得到的數(shù)值符合刺槐的生長(zhǎng)發(fā)育規(guī)律。與DNGDD模型和Unichill模型相比，SW模型對(duì)春季物候期模擬效果較好，其模擬的葉芽開(kāi)放期、展葉始期和開(kāi)花始期對(duì)應(yīng)的交叉檢驗(yàn)方差解釋量R2分別為0.807、0.876和0.907，均方根誤差RMSE為6.0、4.6和4.4d。DNGDD模型則對(duì)秋季物候（葉變色期）模擬效果較好，其模擬的葉變色期的交叉檢驗(yàn)方差解釋量R2為0.580，RMSE為13.4d。因此可以得出，SW模型適合對(duì)刺槐春季物候（葉芽開(kāi)放期、展葉始期、開(kāi)花始期）的模擬，DNGDD模型則較適用于模擬秋季物候（葉變色期）。

刺槐；物候模型；春季物候；秋季物候；積溫；退火算法

植物物候?qū)夂蜃兓置舾?。氣候變化從多方面影響植物物候，如物種分布[1-2]、種群的動(dòng)態(tài)[3]和生命史進(jìn)化[4]等。IPCC第五次報(bào)告指出，1901–2012年全球平均氣溫上升了0.89℃[5]。氣候變暖造成全球多數(shù)地區(qū)植物葉芽開(kāi)放、展葉、開(kāi)花等春季物候期提前[6-8]。因此，開(kāi)展溫帶闊葉林區(qū)樹(shù)木物候期的研究，對(duì)了解氣候變化與物候關(guān)系具有重要意義。

溫帶樹(shù)木物候主要受氣溫影響[9]。朱媛君等[10]對(duì)呼和浩特近年物候研究發(fā)現(xiàn)，氣溫是影響該地區(qū)物候的主要因素，刺槐盛花期與其前3個(gè)月平均氣溫呈顯著負(fù)相關(guān)關(guān)系。王明等[11]研究了暖溫帶喬木和灌木對(duì)氣候變化的響應(yīng)，結(jié)果表明喬灌木的各物候期與氣溫表現(xiàn)為負(fù)相關(guān)。劉璐等[12]研究中國(guó)北方地區(qū)的蘋(píng)果始花期變化，明確了影響蘋(píng)果始花期的氣候要素為平均氣溫和平均地溫。

為準(zhǔn)確預(yù)測(cè)植物物候如開(kāi)花期、變色期，國(guó)內(nèi)外許多學(xué)者發(fā)展了不同物候模型。物候模型可以分為靜態(tài)模型和動(dòng)態(tài)模型兩大類(lèi)[13]。靜態(tài)模型是基于數(shù)學(xué)關(guān)系建立的模型，如統(tǒng)計(jì)模型。動(dòng)態(tài)模型包括SW模型、Unichill模型等，其利用模型對(duì)生物機(jī)制進(jìn)行再現(xiàn)和模擬，這種模型相對(duì)于靜態(tài)模型更為準(zhǔn)確[14]。王煥炯等[15]利用Unichill模型對(duì)中國(guó)白蠟展葉始期進(jìn)行模擬表明，近60a中國(guó)大部分地區(qū)的白蠟樹(shù)展葉始期提前，且北方地區(qū)提前趨勢(shì)更為明顯。柏秦鳳等[16]研究發(fā)現(xiàn)，中國(guó)富士系蘋(píng)果花期由南向北逐漸推遲。李榮平等[17]采用模擬退火算法積溫模型對(duì)開(kāi)花期進(jìn)行模擬，得到紫丁香開(kāi)花始期和開(kāi)花盛期＞5℃·d積溫具有較好的穩(wěn)定性，能夠利用積溫模型進(jìn)行模擬。溫帶地區(qū)植物的葉變色期有推遲的趨勢(shì)，這可能是夏末秋初的溫度升高導(dǎo)致的[18]，Park等[19]使用GDD模型對(duì)韓國(guó)兩種溫帶落葉樹(shù)種葉變色期對(duì)氣候的響應(yīng)研究發(fā)現(xiàn)，兩種樹(shù)種葉變色期與該物候期前兩個(gè)月的平均氣溫密切相關(guān)。汪簫悅[20]使用閾值模型、傳統(tǒng)GDD和DNGDD模型對(duì)秋季物候進(jìn)行預(yù)測(cè)，DNGDD模型的相關(guān)性明顯優(yōu)于其余兩種模型，在中國(guó)北部和西南部地區(qū)，DNGDD模型預(yù)測(cè)的秋季物候期則晚于GDD模型模擬值。

目前，國(guó)內(nèi)外對(duì)于物候模擬的研究已經(jīng)取得了很多成果，但是由于植物生長(zhǎng)發(fā)育機(jī)理的復(fù)雜性，仍然存在許多問(wèn)題。多數(shù)物候模型對(duì)于春季物候的模擬效果較好。然而，對(duì)于秋季物候模擬則并不理想且研究較少。因此，不能僅簡(jiǎn)單地利用平均氣溫對(duì)秋季物候進(jìn)行模擬，應(yīng)考慮更多的氣象因素[21]，不斷改進(jìn)模型以使其能在大尺度范圍內(nèi)也同樣適用。

刺槐為溫帶樹(shù)種落葉喬木，豆科刺槐屬，在年均溫8～l4℃、年降水量500～900mm的地區(qū)生長(zhǎng)良好，因其速生性強(qiáng)，且易繁殖，抗逆性?xún)?yōu)良，被世界各地廣泛引種[22]。中國(guó)大部分地區(qū)的氣候條件均能滿(mǎn)足刺槐的生長(zhǎng)需求，這使得其分布范圍較廣。刺槐是中國(guó)研究最全面最深入的樹(shù)種之一，是溫帶落葉喬木的典型樹(shù)種之一。本研究基于中國(guó)東部暖溫帶10個(gè)觀(guān)測(cè)點(diǎn)的刺槐物候數(shù)據(jù)和氣象數(shù)據(jù)，探究刺槐物候期與氣溫的相關(guān)性；采用模擬退火算法，比較了SW、Unchill和DNDGG三種動(dòng)態(tài)模型模擬值和實(shí)測(cè)值，對(duì)各模型進(jìn)行了內(nèi)部檢驗(yàn)和交叉檢驗(yàn)，篩選和優(yōu)化模型，以期選擇出能準(zhǔn)確模擬該區(qū)域刺槐4個(gè)主要物候期即葉芽開(kāi)放期、展葉始期、開(kāi)花始期和葉變色期的模型，為林業(yè)應(yīng)對(duì)氣候變化研究提供技術(shù)支撐，并為模型的優(yōu)化提供研究思路。

1 資料與方法

1.1 物候數(shù)據(jù)

研究所選代表樹(shù)種為刺槐（L.），主要對(duì)其葉芽開(kāi)放期、展葉始期、開(kāi)花始期和葉變色期進(jìn)行模擬研究。物候數(shù)據(jù)來(lái)自中國(guó)物候觀(guān)測(cè)網(wǎng)（http://www.cpon.ac.cn/），該網(wǎng)數(shù)據(jù)符合物候觀(guān)測(cè)標(biāo)準(zhǔn)[23]。共選取10個(gè)站點(diǎn)的物候數(shù)據(jù)，由于自然氣候和蟲(chóng)害等因素導(dǎo)致物候數(shù)據(jù)部分缺失。各站點(diǎn)的物候數(shù)據(jù)觀(guān)測(cè)時(shí)段見(jiàn)表1。

表1 10個(gè)物候觀(guān)測(cè)站資料信息

續(xù)表

1.2 氣候數(shù)據(jù)

氣候數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)（http://data. cma.cn/site/index.html），包括10個(gè)物候站點(diǎn)對(duì)應(yīng)的氣象站點(diǎn)的日平均氣溫、日最高氣溫和日最低氣溫。在選取氣象站點(diǎn)時(shí)依據(jù)物候觀(guān)測(cè)站點(diǎn)選取與之對(duì)應(yīng)的氣象站點(diǎn)，其中除蓋州站外其余物候站點(diǎn)均有與之地理位置相同的氣象站點(diǎn)，則直接使用這些站點(diǎn)的氣象數(shù)據(jù)。蓋州無(wú)與之地理位置相同的氣象站點(diǎn)，以地理位置相近的營(yíng)口站替代。

1.3 物候模擬模型

（1）SW模型

SW模型（即熱時(shí)模型）從積溫理論發(fā)展而來(lái)，只考慮了溫度的熱積累[24-26]，包括t0、Tb和F*三個(gè)參數(shù)。該模型假設(shè)能量與植被生長(zhǎng)之間存在線(xiàn)性關(guān)系，當(dāng)達(dá)到一定量的蓄熱單位后能量就會(huì)爆發(fā)，此時(shí)即為植物生長(zhǎng)的開(kāi)始。SW模型在模擬春季物候期中被廣泛應(yīng)用。北方地區(qū)刺槐物候期的主要影響因素為春季積溫，因此，使用SW模型能取得較好的模擬效果。SW模型表示為

其中

式中，Rf(xt)為強(qiáng)迫速率函數(shù)，表示逐日平均氣溫高于某一界限的值[27]。xt為第t天(DOY，以1月1日為1）的日平均氣溫（℃），Tb為界限溫度（℃），需要根據(jù)不同植物各類(lèi)確定，t0為累積起始時(shí)間（設(shè)置為每年的1月1日，即t0=1），以日序表示。F*指完成某物候發(fā)育所需的積溫閾值（℃·d），利用日平均氣溫和實(shí)測(cè)物候資料，采用模擬退火法求解得到。利用式（1），當(dāng)逐日高于某一界限值的氣溫累加值達(dá)到界限值F*時(shí)，對(duì)應(yīng)的日期即為模擬預(yù)測(cè)的植物物候期日序（y）。

（2）Unichill模型

Unichill模型即統(tǒng)一冷激模型，不僅考慮了生長(zhǎng)期強(qiáng)迫溫度的影響，還考慮了休眠期低溫。該模型把植物發(fā)芽階段細(xì)化為休眠期和靜止期兩個(gè)階段。休眠期是指植物在外界條件良好的情況下，由于某些內(nèi)部因素阻止發(fā)育和細(xì)胞生長(zhǎng)的時(shí)期[28]；靜止期是指休眠結(jié)束后生長(zhǎng)發(fā)育開(kāi)始受到外界因素驅(qū)動(dòng)的一段時(shí)間，當(dāng)經(jīng)歷外界低溫持續(xù)刺激才能結(jié)束休眠進(jìn)入靜止期。該模型假定，每年9月1日后，雖然外界環(huán)境條件適合但由于內(nèi)部因素阻止了樹(shù)木的生長(zhǎng)發(fā)育和細(xì)胞生長(zhǎng)，樹(shù)木生長(zhǎng)基本停止，隨后進(jìn)入秋冬季節(jié)，氣溫降低，外界條件不適合樹(shù)木生長(zhǎng)，中國(guó)北方刺槐一直處于休眠期；并不斷接受外界冷激刺激，當(dāng)積累到冷激閾值后休眠期結(jié)束進(jìn)入靜止期，隨著外界氣溫升高，刺槐會(huì)開(kāi)始生長(zhǎng)發(fā)育，隨后生長(zhǎng)發(fā)育速度則開(kāi)始受外界氣溫主導(dǎo)。Unichill模型為

其中

式中，參數(shù)a、b、c、C*與冷激函數(shù)有關(guān)；Rc(xt)為冷激速率函數(shù)（即冷激單元），表明冷激速度對(duì)日平均氣溫（℃）的響應(yīng)；Sc是冷激單元之和，表示芽目前的冷激速率之和；t0設(shè)置為固定日期，為前一年的9月1日；t1為靜止期，與SW模型不同，t1不是固定日期而是變化的，當(dāng)逐日低溫積累達(dá)到閾值C*時(shí)（℃·d），對(duì)應(yīng)的日期為靜止期日序t1。Rf(xt)為強(qiáng)迫速率函數(shù)（即強(qiáng)迫單元），參數(shù)d、e確定了靜止期發(fā)育速度與日平均氣溫（℃）的函數(shù)關(guān)系，輸入日平均氣溫與實(shí)測(cè)數(shù)據(jù)使用模擬退火法求解參數(shù)值。Sf是強(qiáng)迫單元之和，表示強(qiáng)迫速率的日總和，利用式（4），當(dāng)強(qiáng)迫單元之和達(dá)到閾值F*時(shí)，tb為對(duì)應(yīng)物候期的日序。

冷激單元和強(qiáng)迫單元均為日平均氣溫（xt）的函數(shù)，其中參數(shù)較多，有a、b、c、d、e、C*、F*七個(gè)參數(shù)，這些參數(shù)需要利用日平均氣溫和實(shí)測(cè)物候資料，采用模擬退火法求解得到。

（3）DNGDD模型

DNGDD模型即基于晝夜氣溫的積溫模型。中國(guó)北方地區(qū)晝夜溫差較大，白天和夜間氣溫對(duì)刺槐生長(zhǎng)發(fā)育的速率影響不同，DNGDD模型結(jié)合中國(guó)北方地區(qū)的氣候特點(diǎn)把平均氣溫用白天氣溫和夜間氣溫替代[29]，并進(jìn)行加權(quán)平均，權(quán)重系數(shù)分別為k和1?k，更符合刺槐生長(zhǎng)規(guī)律。即

式中，t0為開(kāi)始累積的日期，春季累積首日為當(dāng)年1月1日，秋季為7月1日，Tday(t)為白天氣溫（℃），Tnight(t)為夜晚氣溫（℃），氣象數(shù)據(jù)為20：00?次日20：00氣溫，全天測(cè)量4次，分別為2：00、8：00、14：00和20：00，出現(xiàn)的最大值為日平均最高氣溫，即Tday(t)，出現(xiàn)的最小值為日平均最低氣溫，即Tnight(t)，y為對(duì)應(yīng)物候期，Tth為界限溫度（℃），模擬春季物候期Tth=0℃，葉變色期Tth=20℃，k和1?k為對(duì)應(yīng)權(quán)重，考慮了晝夜溫差對(duì)物候期的影響，該模型較好地模擬了物候?qū)円箽鉁氐捻憫?yīng)。中國(guó)東部暖溫帶落葉闊葉林區(qū)在全球氣候區(qū)劃分中屬溫帶較濕潤(rùn)地區(qū)，該氣候條件下物候期對(duì)晝夜氣溫的響應(yīng)相反，因此，取k>1（k=10/9，1?k=?1/9）。DNGDD的閾值需要利用日最低氣溫、日最高氣溫和實(shí)測(cè)物候數(shù)據(jù)，采用模擬退火法求解得到，利用式（7），當(dāng)晝夜氣溫的積溫之和達(dá)到閾值時(shí)，對(duì)應(yīng)的日期為模擬預(yù)測(cè)的植物物候期日序（ty）。

1.4 物候模型參數(shù)估計(jì)和模型檢驗(yàn)

模型用最小二乘法擬合，使函數(shù)f(x)在參數(shù)空間x中最小。即

式中，di(x)是第i年的預(yù)測(cè)日期，di(obs)是第i年的觀(guān)測(cè)日期，最小二乘法無(wú)法推導(dǎo)出最優(yōu)解。因此，選用模擬退火法來(lái)求解非線(xiàn)性最小二乘問(wèn)題，以尋求模型的最優(yōu)參數(shù)[30]。模擬退火是指在金屬冷卻、退火或液體凍結(jié)和結(jié)晶過(guò)程中與熱力學(xué)原理的類(lèi)比，該方法的原理是玻爾茲曼概率分布。模擬退火法從較高氣溫并設(shè)定任意一組參數(shù)開(kāi)始，所有參數(shù)的變化也是隨機(jī)的，每次變化都會(huì)產(chǎn)生新的平方和的殘差，最終要尋找到目標(biāo)函數(shù)的全局最優(yōu)解。該方法被廣泛應(yīng)用于模型參數(shù)估計(jì)中，能更好地找到全局最優(yōu)解而非局部最優(yōu)解。

利用Matlab讀取10個(gè)站點(diǎn)奇數(shù)年的氣溫資料和物候資料，采用模擬退火算法進(jìn)行參數(shù)擬合優(yōu)化，并進(jìn)行物候期的模擬，與實(shí)測(cè)物候數(shù)據(jù)進(jìn)行對(duì)比，計(jì)算出方差解釋量R2、均方根誤差RMSE、平均絕對(duì)誤差MAE，此為內(nèi)部檢驗(yàn)[8]；將所有站點(diǎn)剩余未用的偶數(shù)年的氣溫?cái)?shù)據(jù)代入各模型中，模擬預(yù)測(cè)物候期，與實(shí)測(cè)物候數(shù)據(jù)進(jìn)行對(duì)比，計(jì)算相應(yīng)的R2、RMSE和MAE，此為交叉檢驗(yàn)。交叉檢驗(yàn)?zāi)芨玫胤从衬Ｐ皖A(yù)測(cè)的準(zhǔn)確度。

式中，n為某種植物的實(shí)際觀(guān)測(cè)數(shù)量，di(x)為第i年的預(yù)測(cè)日期，di(obs)為第i年的觀(guān)測(cè)日期。

2 結(jié)果與分析

2.1 物候與氣溫關(guān)系分析

利用10個(gè)觀(guān)測(cè)站點(diǎn)的歷年物候期觀(guān)測(cè)資料，與同期平均氣溫、平均日最低氣溫、平均日最高氣溫進(jìn)行相關(guān)分析。由表2可以看出，實(shí)測(cè)刺槐4個(gè)主要物候期與同期的各項(xiàng)氣溫平均值均呈極顯著負(fù)相關(guān)關(guān)系（P<0.01），說(shuō)明平均氣溫越高，各物候期的日序值越小、物候越提前。但從相關(guān)系數(shù)的具體數(shù)值看，春季物候和秋季物候與不同生育期氣溫平均值的相關(guān)程度略有區(qū)別。與展葉始期相比，春季葉芽開(kāi)放期、開(kāi)花始期與平均氣溫、日平均最低氣溫和日平均最高氣溫的相關(guān)性更高。秋季葉變色期與平均氣溫、日平均最低氣溫和日平均最高氣溫的相關(guān)系數(shù)均相對(duì)較低，且差異不大。因此可見(jiàn)，模擬刺槐物候期時(shí)，不但要考慮平均氣溫的變化，還需要考慮日最低氣溫和最高氣溫。

表2 10個(gè)站點(diǎn)歷年記錄刺槐各物候期日序（1月1日起）與同期氣溫的相關(guān)系數(shù)

注：*、**分別表示相關(guān)系數(shù)通過(guò)0.05、0.01水平的顯著性檢驗(yàn)。下同。

Note:*is P<0.05，**is P<0.01. DOY is the ordinal day from Jan.1.The same as below.

2.2 物候模型參數(shù)優(yōu)化

利用所有站點(diǎn)奇數(shù)年的氣溫資料和物候資料，采用模擬退火法進(jìn)行參數(shù)擬合。由表3可以看出，刺槐的生長(zhǎng)發(fā)育基礎(chǔ)氣溫為0℃（Tb=0℃），符合大多數(shù)植物生長(zhǎng)發(fā)育的基礎(chǔ)氣溫范圍（0～35℃），說(shuō)明估計(jì)值Tb=0℃符合刺槐生長(zhǎng)的生物學(xué)規(guī)律。刺槐積溫閾值的估計(jì)值在各物候期均不相同（表3?表5），其中SW模型和Unichill模型的F*值隨物候期的推進(jìn)先后逐漸增大。表明植物生長(zhǎng)發(fā)育需逐步累積熱量，達(dá)到生長(zhǎng)發(fā)育的熱量閾值才會(huì)進(jìn)入下一發(fā)育階段。DNGDD模型中春季葉芽開(kāi)放期、展葉始期、開(kāi)花始期的積溫閾值也符合上述規(guī)律；在葉變色期，由于參數(shù)t0與界限溫度的改變，積溫累積開(kāi)始日期不同，積溫閾值在葉變色期與春季的三個(gè)物候期相比變化較大。由此可見(jiàn)，利用模擬退火法對(duì)模型進(jìn)行參數(shù)估計(jì)得到的數(shù)值符合刺槐的生長(zhǎng)發(fā)育規(guī)律。

表3 SW模型的參數(shù)估計(jì)

表4 Unichill模型的參數(shù)估計(jì)

表5 DNGDD模型的參數(shù)估計(jì)

2.3 物候模型模擬春季物候期比較

采用三種物候模型結(jié)合模擬退火法，對(duì)刺槐各物候期進(jìn)行模擬，并對(duì)模擬值與實(shí)測(cè)值進(jìn)行對(duì)比分析。由圖1?圖3可見(jiàn)，SW模型得到的物候期模擬值與實(shí)測(cè)值擬合線(xiàn)最接近1:1線(xiàn)，說(shuō)明該模型能較準(zhǔn)確地模擬刺槐葉芽開(kāi)放期、展葉始期和開(kāi)花始期；Unichill模型對(duì)春季物候期模擬效果好于DNGDD模型。從方差解釋量和均方根誤差上看（表6），SW模型交叉檢驗(yàn)的均方根誤差值小于DNGDD模型，與Unichill模型的值十分接近。對(duì)比三種模型交叉檢驗(yàn)的方差解釋量發(fā)現(xiàn)，SW模型的值均大于DNGDD和Unichill模型，在模擬春季物候期中SW模型的方差解釋量最優(yōu)。綜合方差解釋量與均方根誤差，在模擬刺槐春季物候期上，以SW模型為最優(yōu)，而使用晝夜氣溫的DNGDD模型效果遠(yuǎn)不如使用平均氣溫的SW和Unichill物候模型。

圖1 SW模型模擬的春季物候期與實(shí)測(cè)值的對(duì)比

注：圖a、b、c為內(nèi)部檢驗(yàn)，使用站點(diǎn)奇數(shù)年的數(shù)據(jù)，圖d、e、f為交叉檢驗(yàn)，使用站點(diǎn)偶數(shù)年的數(shù)據(jù)。圖2、圖3同。

Note: DOY is the ordinal day from Jan. l. Fig.a, b and c are internal checks, which the odd-year data from sites was used in, Fig.d, e and f are cross checks, which the even-year data from sites was used in. The same as Fig.2 and Fig.3.

圖2 Unichill模型模擬的春季物候期與實(shí)測(cè)值的對(duì)比

圖3 DNGDD模型模擬的春季物候期與實(shí)測(cè)值的對(duì)比

表6 三種模型的檢驗(yàn)結(jié)果

2.4 物候模型模擬秋季葉變色期比較

使用SW模型和DNGDD模型對(duì)刺槐秋季葉變色期進(jìn)行模擬，實(shí)測(cè)值與模擬值結(jié)果如圖4。由圖可見(jiàn)，基于DNGDD模型得到的模擬值與實(shí)測(cè)值的擬合線(xiàn)較SW模型的擬合線(xiàn)更接近1:1線(xiàn)，說(shuō)明DNGDD模型更準(zhǔn)確地模擬了秋季葉變色期。從兩者交叉檢驗(yàn)的數(shù)值上看，DNGDD模型的方差解釋量遠(yuǎn)大于SW模型，均方根誤差也小于SW模型 （表7）。因此，在模擬秋季葉變色期時(shí)，DNGDD模型表現(xiàn)更佳。表明使用改進(jìn)后的DNGDD模型對(duì)葉變色期模擬的準(zhǔn)確度有了極大提升，也是所選模型中最優(yōu)的。

圖4 SW模型和DNGDD模型對(duì)秋季葉變色期的模擬結(jié)果

注：圖a、b為內(nèi)部檢驗(yàn)，使用站點(diǎn)奇數(shù)年的數(shù)據(jù)，圖c、d為交叉檢驗(yàn)，使用站點(diǎn)偶數(shù)年的數(shù)據(jù)。

Note: Fig.a and Fig.b are internal checks, which the odd-year data from sites was used in, Fig.c and Fig.d are cross checks, which the even-year data from sites was used in.

表7 SW和DNGDD模型對(duì)葉變色期模擬結(jié)果的檢驗(yàn)

3 討論與結(jié)論

3.1 討論

本研究以中國(guó)東部暖溫帶刺槐為研究對(duì)象，結(jié)合氣象數(shù)據(jù)與物候資料，對(duì)比分析SW模型、Unichill模型和DNGDD模型對(duì)春秋季物候期的模擬效果。在模擬春季物候期上，SW模型模擬效果最優(yōu)，這是由于本研究區(qū)在暖溫帶地區(qū)，冷激需求的限制并不起決定作用，限制物候期的主要因素為春季積溫，而SW模型考慮了春季積溫，并未考慮冷激因素。王炳赟等[31]利用熱時(shí)模型模擬了川渝地區(qū)兩種刺槐和一種紫荊的展葉始期和開(kāi)花始期，發(fā)現(xiàn)仁壽和北碚刺槐展葉期的觀(guān)測(cè)值與模擬值的擬合度可分別達(dá)到87.5%和100%，在模擬春季物候時(shí)SW模型模擬效果最好。張愛(ài)英[32]在對(duì)北京地區(qū)觀(guān)賞植物開(kāi)花預(yù)測(cè)中發(fā)現(xiàn)，SW模型的交叉檢驗(yàn)的方差解釋量R2最高，RMSE最小，明顯優(yōu)于統(tǒng)計(jì)模型的結(jié)果，最為準(zhǔn)確地模擬了北京地區(qū)的植物花期。對(duì)牡丹江地區(qū)的植物花期進(jìn)行模擬發(fā)現(xiàn)，使用SW模型數(shù)據(jù)的方差解釋量R2達(dá)到了0.71，明顯高于回歸模型的方差解釋量[33]。本研究對(duì)SW模型模擬刺槐的春季物候期作出了補(bǔ)充，對(duì)其適用范圍進(jìn)行推廣。但僅僅對(duì)刺槐一種典型樹(shù)種進(jìn)行研究不足以說(shuō)明SW模型在春季物候模擬上的普適性，今后應(yīng)擴(kuò)大研究對(duì)象，選取多種典型喬木與灌木，對(duì)SW模型的模擬效果作進(jìn)一步研究。SW、Unichill和DNGDD均基于積溫理論，要求研究對(duì)象為同一種類(lèi)型的植物或是已知該地區(qū)的經(jīng)緯度依賴(lài)于當(dāng)前的氣候條件[34]，若擴(kuò)大研究范圍，則應(yīng)結(jié)合當(dāng)?shù)氐慕?jīng)緯度與氣候條件對(duì)模型進(jìn)行改進(jìn)。仲舒穎等[35]對(duì)全國(guó)范圍內(nèi)觀(guān)賞植物的花期進(jìn)行了模擬，將傳統(tǒng)春季積溫模型進(jìn)行改進(jìn)，與時(shí)空特征相聯(lián)系得到始花期和末花期的方差解釋量均大于0.8，RMSE在4～6d，也為模型的改進(jìn)提供了研究思路，同時(shí)也證明影響植物開(kāi)花的因素除了氣溫，當(dāng)?shù)氐乃疅釛l件對(duì)物候期具有一定的影響[36]。

SW模型較準(zhǔn)確地模擬了刺槐春季物候期，但其對(duì)葉芽開(kāi)放期、展葉始期、開(kāi)花始期交叉檢驗(yàn)的方差解釋量R2分別僅為0.807、0.876、0.907。由此可見(jiàn)，用僅考慮日平均氣溫的模型模擬植物物候是不夠的，除氣溫外，降水、光周期等也影響植物的生長(zhǎng)發(fā)育。Chen等[37]在對(duì)青藏高原地區(qū)的植被進(jìn)行模擬時(shí)，除利用傳統(tǒng)SW模型等外，還采用了TPP模型，即考慮降水和氣溫雙重影響的模型，季前降水量與氣溫類(lèi)似必須達(dá)到降水的臨界值，結(jié)合降水等氣象因素對(duì)傳統(tǒng)SW模型進(jìn)行了改進(jìn)，也進(jìn)一步證明了僅用日平均氣溫的物候模型所模擬的物候期偏差較大。本研究中，SW、Unichill和DNGDD模型僅考慮了氣溫的影響，未考慮到其它氣象因素，于是造成模擬準(zhǔn)確度不高，今后需考慮降水和光周期的影響，以進(jìn)一步提高模型模擬的準(zhǔn)確性。

目前，對(duì)于溫帶季風(fēng)區(qū)刺槐葉變色期模擬的研究相對(duì)較少。本研究選用了SW模型和DNGDD模型對(duì)刺槐葉變色期模擬發(fā)現(xiàn)，DNGDD模型效果較優(yōu)但其方差解釋量也僅0.58，說(shuō)明基于積溫理論的物候模型對(duì)秋季物候期的模擬效果并不理想。因此，除傳統(tǒng)物候模型外，目前已有許多學(xué)者使用遙感對(duì)物候期進(jìn)行模擬和驗(yàn)證。曹沛雨等[38]基于已有研究分類(lèi)評(píng)述了當(dāng)前常用的植被物候觀(guān)測(cè)技術(shù)，得出應(yīng)合理評(píng)估多源數(shù)據(jù)和多種方法間植被物候的差異。Luo等[39]利用NDVI數(shù)據(jù)結(jié)合模型對(duì)生長(zhǎng)季開(kāi)始期（SOS）進(jìn)行分析與預(yù)測(cè)，表明在整個(gè)區(qū)域內(nèi)SOS每10a將提前0.65~1.79d?；谶b感的NDVI數(shù)據(jù)和區(qū)域模型模擬的結(jié)果相結(jié)合是目前研究物候的主要趨勢(shì)，地面觀(guān)測(cè)數(shù)據(jù)的缺失，使得數(shù)據(jù)不連續(xù)，遙感方法則從大尺度范圍對(duì)物候進(jìn)行觀(guān)測(cè)，利用NDVI數(shù)據(jù)模擬物候期彌補(bǔ)了物候觀(guān)測(cè)單站點(diǎn)的不足。

3.2 結(jié)論

SW模型對(duì)刺槐葉芽開(kāi)放期、展葉始期和開(kāi)花始期模擬，其交叉檢驗(yàn)方差解釋量R2最大（0.807～0.907），模擬效果最佳且誤差最小。SW模型模擬春季物候期的效果優(yōu)于Unichill模型，春季物候期與平均氣溫的相關(guān)性最強(qiáng)，而與平均日最低氣溫和平均日最高氣溫的相關(guān)性不顯著，DNGDD模型采用日最低氣溫和日最高氣溫代替日平均氣溫模擬物候期，造成其模擬效果低于基于日平均氣溫的SW模型。

對(duì)于葉變色期的模擬，SW模型模擬值與觀(guān)測(cè)值的誤差較大，DNGDD模型交叉檢驗(yàn)的方差解釋量R2最高，其值為0.580。秋季晝夜溫差較大，白天和夜間氣溫對(duì)物候的影響會(huì)有所不同。因此，僅用平均氣溫模擬葉變色期會(huì)帶來(lái)很大偏差。SW模型用日平均氣溫作為驅(qū)動(dòng)變量模擬春季物候，DNGDD模型則采用日最低氣溫和日最高氣溫代替平均氣溫，并根據(jù)植物的特征和觀(guān)測(cè)點(diǎn)的特點(diǎn)選擇最優(yōu)的晝夜氣溫的比重。因此，DNGDD模型能較準(zhǔn)確地模擬葉變色期，而SW、Unichill模型更適用于對(duì)春季物候的模擬。

[1]Parmesan C,Yohe G.A globally coherent fingerprint of climate change impacts across natural systems[J].Nature, 2003,421:37-42.

[2]Chuine I.Why does phenology drive species distribution[J]. Philosophical Transactions(Biological Sciences),2010,365 (1555):3149-3160.

[3]Walther G R,Post E,Convey P,et al.Ecological responses to recent climate change[J].Nature,2002,416:389-395.

[4]Forrest J,Miller-Rushing A J.Toward a synthetic understanding of the role of phenology in ecology and evolution[J].Philosophical Transactions-Royal Society (Biological Sciences),2010,365:3101-3112.

[5]Qin D,Manning M,Chen Z,et al.IPCC,2007:Summary for policymakers[R]//Climate change 2007:the physical science basis.Computational Geometry,2013,18(2):95-123.

[6]Menzel A,Estrella N,Fabian P.Spatial and temporal variability of the phenological seasons in Germany from 1951 to 1996[J].Global Change Biology,2001,7:657-666.

[7]Ahas R,Aasa A,Menzel A,et al.Changes in European spring phenology[J].International Journal of Climatology, 2002,22,1727-1738.

[8]Badeck F W,Bondeau A,B?ttcher K,et al.Responses of spring phenology to climate change[J].New Phytologist, 2004,162:295-309.

[9]張福春.氣候變化對(duì)中國(guó)木本植物物候的可能影響[J].地理學(xué)報(bào),1995,50(5):402-410.

Zhang F C.Possible effects of climate change on the phenology of woody plants in China[J].Acta Geographica Sinica,1995,50(5):402-410.(in Chinese)

[10]朱媛君,郝琦,清華,等.呼和浩特自然歷主要物候期和物候季節(jié)變化特征及歸因[J].中國(guó)農(nóng)業(yè)氣象,2017,38(1): 9-20.

Zhu Y J,Hao Q,Qing H,et al.Changes of main phenophases of natural calendar and phenological seasons in Hohhot[J].Chinese Journal of Agrometeorology,2017,38(1): 9-20.(in Chinese)

[11]王明,桑衛(wèi)國(guó).暖溫帶喬木和灌木物候變化及對(duì)氣候變化的響應(yīng)[J].生態(tài)科學(xué),2020,39(1):164-175.

Wang M,Sang W G.The change of phenology of tree and shrub in warm temperate zone and their relationships with climate change[J].Ecological Science,2020,39(1):164-175. (in Chinese)

[12]劉璐,王景紅,傅瑋東,等.中國(guó)北方主產(chǎn)地蘋(píng)果始花期與氣候要素的關(guān)系[J].中國(guó)農(nóng)業(yè)氣象,2020,41(1):51-60.

Liu L,Wang J H,Fu W D,et al.Relationship between apple’s first flower and climate factors in the main producing areas of the Northern China[J].Chinese Journal of Agrometerology, 2020,41(1):51-60.(in Chinese)

[13]Cleland E E,Chuine I,Menzel A,et al.Shifting plant phenology in response to global change[J].Trends in Ecology & Evolution,2007,22:357-365

[14]Hunter A F,Lechowicz M J.Predicting the timing of budburst in temperate trees[J].Journal of Applied Ecology, 1992,2:597-604.

[15]王煥炯,戴君虎,葛全勝.1952-2007年中國(guó)白蠟樹(shù)春季物候時(shí)空變化分析[J].中國(guó)科學(xué):地球科學(xué),2012,4(25): 701-710.

Wang H J,Dai J H,Ge Q S.The spatiotemporal characteristics of spring phenophase changes ofin China from 1952 to 2007[J].Science China: Earth Science,2012,4(25):701-710.(in Chinese)

[16]秦柏鳳,霍治國(guó),王景紅,等.中國(guó)富士系蘋(píng)果主產(chǎn)區(qū)花期模擬與分布[J].中國(guó)農(nóng)業(yè)氣象,2020,41(7):423-435.

Qin B F,Huo Z G,Wang J H,et al.Simulation and distribution of flower stage in main production areas of Fuji apple in China[J].Chinese Journal of Agrometeorology, 2020,41(7):423-435.(in Chinese)

[17]李榮平,張曉月,李晶.氣候變化背景下紫丁香花期物候特征及其模擬研究[J].北方園藝,2018(1):109-113.

Li R P,Zhang X Y,Li J.Flowering phenology characteristics and simulation of lilacs under climate change[J].Northern Horticulture,2018(1):109-113.(in Chinese)

[18]Delpierre N,Dufrêne E,Soudani K,et al.Modelling interannual and spatial variability of leaf senescence for three deciduous tree species in France[J].Agricultural and Forest Meteorology,2009,149:938-948.

[19]Park C K,Ho C H,Jeong S J,et al.Spatial and temporal changes in leaf coloring date of Acer palmatum and Ginkgo biloba in response to temperature increases in South Korea[J].Public Library of Science,2017,12(3): e0174390.

[20]汪簫悅.基于多源數(shù)據(jù)的區(qū)域植被物候變化模擬與影響機(jī)制研究[D].北京:中國(guó)科學(xué)院大學(xué),2018.

Wang X Y.Study on the simulation and influence mechanism of regional vegetation phenology based on multi-source data[D].Beijing:University of Chinese Academy of Sciences,2018.(in Chinese)

[21]Piao S L,Liu Q,Chen A P,et al.Plant phenology and global climate change:current progresses and challenges[J].Global Change Biology,2019,25:1922-1940.

[22]趙蓬暉,張江濤,王念.刺槐原產(chǎn)地分布及世界各國(guó)引種與研究概況[J].河南林業(yè)科技,2017,37(1):30-32. Zhao P H,Zhang J T,Wang N.The original distribution introduction and development of[J]. Journal of Henan Forestry Science and Technology,2017, 37(1):30-32. (in Chinese)

[23]宛敏渭,劉秀珍.中國(guó)物候觀(guān)測(cè)方法[M].北京:科學(xué)出版社,1979:1-136.

Wan M W,Liu X Z.Chinese phenological observation method[M].Beijing:Science Press,1979:1-136.(in Chinese)

[24]Botta A,Viovy N,Ciais P,et al.A global prognostic scheme of leaf onset using satellite data[J].Global Change Biology, 2000,6(7):709-725.

[25]Cannell M G R,Smith R I S.Thermal time,chill days and prediction of budburst in[J].Journal of Applied Ecology,1983,20:951-963.

[26]Hunter A F,Lechowicz M J.Predicting the timing of budburst in temperate trees[J].Journal of Applied Ecology, 1992,29:597-604.

[27]Murray M B,Cannell M G R,Smith R I.Date of budburst of fifteen tree species in Britain following climatic warming[J].Journal of Applied Ecology,1989,26:693-700.

[28]Cleland E E,Chuine I,Menzel A,et al.Shifting plant phenology in response to global change[J].Trends in Ecology & Evolution,2007,22:357-365.

[29]Fu Y H,Liu Y J,De Boeck,et al.Three times greater weight of daytime than of night-time temperature on leaf unfolding phenology in temperate trees[J].New Phytologist, 2016,212:590-597.

[30]Chuine I,Cour P,Rousseau D D.Fitting models predicting dates of flowering of temperate-zone trees using simulated annealing[J].Plant Cell and Environment,1998,21:455-466

[31]王炳赟,范廣洲,魏鳴,等.基于溫度影響因子的植物物候模型的應(yīng)用研究[J].生物數(shù)學(xué)學(xué)報(bào),2015,30(2):253-262.

Wang B Y,Fan G Z,Wei M,et al.Application research of plant phenology model based on temperature[J].Journal of Biomathematics,2015,30(2):253-262.(in Chinese)

[32]張愛(ài)英,王煥炯,戴君虎,等.物候模型在北京旅游觀(guān)賞植物開(kāi)花期預(yù)測(cè)中的適用性[J].應(yīng)用氣象學(xué)報(bào),2014,25(4): 483-492.

Zhang A Y,Wang H J,Dai J H,et al.Applicability analysis of phenological models in the flowering time prediction of ornamental plants in Beijing area[J].Journal of Applied Meteorological Science,2014,25(4):483-492.(in Chinese)

[33]徐韻佳,仲舒穎,戴君虎,等.1978-2014年牡丹江地區(qū)植物花期變化及模型模擬[J].地理研究,2017,36(4):779-789.

Xu Y J,Zhong S Y,Dai J H,et al.Changes in flowering phenology of plants and their model simulation in Mudanjiang,China[J].Geographical Research,2017,36(4):779-789.(in Chinese)

[34]徐琳,陳效逑,杜星.中國(guó)東部暖溫帶刺槐花期空間格局的模擬與預(yù)測(cè)[J].生態(tài)學(xué)報(bào),2013,33(12):3584-3593.

Xu L,Chen X Q,Du X.Simulation and prediction of spatial patterns offlowering dates in eastern China's warm temperate zone[J].Acta Ecologica Sinica,2013,33(12):3584-3593.(in Chinese)

[35]仲舒穎,葛全勝,戴君虎,等.中國(guó)典型觀(guān)賞植物花期模型建立及過(guò)去花期變化模擬[J].資源科學(xué),2017,39(11): 2116-2129.

Zhong S Y,Ge Q S,Dai J H,et al.Development of phenological models for simulating past flowering phenology of typical ornamental plants in China[J]. Resources Science,2017, 39(11):2116-2129.(in Chinese)

[36]Berninger F.Effects of drought and phenology on GPP in:a simulation study along a geographical gradient[J].Functional Ecology,1997,11:33-42.

[37]Chen X Q,Li J,Xu L,et al.Modeling green-up date of dominant grass species in the Inner Mongolian Grassland using air temperature and precipitation data[J].International Journal of Biometeorology,2014,58:463-471.

[38]曹沛雨,張雷明,李勝功,等.植被物候觀(guān)測(cè)與指標(biāo)提取方法研究進(jìn)展[J].地球科學(xué)進(jìn)展,2016,31(4):365-376.

Cao P Y,Zhang L M,Li S G,et al.Review on vegetation phenology observation and phenological index extraction[J].Advances in Earth Science,2016,31(4):365- 376.(in Chinese)

[39]Luo X Z,Chen X Q,Wang L X,et al.Modeling and predicting spring land surface phenology of the deciduous broadleaf forest in northern China[J].Agricultural and Forest Meteorology,2014,198/199:33-41.

Comparison of Phenological Models of(L.) in the Warm- temperate Region of Eastern China

YU Pei-yang1, TONG Xiao-juan1, LI Jun2, ZHANG Jing-ru1, LIU Pei-rong1

(1. School of Ecology and Nature Conservation, Beijing Forestry University, Beijing 100083, China;2. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Nature Resources Research, CAS, Beijing 100101)

Vegetation phenology is a powerful indicator of the response of terrestrial ecosystems to climate change and plays an important role in water, carbon exchange and energy balance. Under the background of global warming, the changes of vegetation phenology and simulating the phenological phase of plants have been paid much attention. Up to date, the performance of most phenolgy models on spring phenolgy is better, but the simulated autumn phenology has been less accurate. In this study, meteorological data and surface phenological data (leaf bud opening date, first leaf date, first flowering date and leaf coloring date) at 10 sites were selected as the input of the SW, Unichill and DNGDD models, which were used to simulate the phenological phase of(L.). The objectives were to examine the performace of SW, Unichill and DNGDD models simulating spring and autumn phenology, and give a guide on optimum the parameters of phenology models. The odd-year data of the sites were used as the internal test, and the even-year data were used as the cross test. The simulation values of three models were compared with the observed ones for analysis to find the best one to predict vegetation phenology. The simulated annealing algorithm was applied to optimum the parameters of SW, Unichill and DNGDD models. The simulated spring and autumn phenology was compared with the measured one, and evaluate the modelling to select the best one to predict vegetation phenology.The results showed that the leaf bud opening, the first leaf, the first flowering dates of(L.) were significantly negatively correlated with average temperature in the same period. Average temperature was the main factor affecting phenology. The phenological period in spring had the strongest correlation with mean air temperature, but not significant correlation with mean daily minimum temperature and mean daily maximum temperature. Therefore, compared with Unichill and DNGDD models, SW performed better in simulating spring phenology. The variance interpretation (R2) of cross test of SW model simulating the leaf bud opening, the first leaf and the first flowering dates were 0.807, 0.876 and 0.907 separately and the root mean square error (RMSE) 6.0, 4.6 and 4.4 days. Mean temperature in the daytime and night mean temperature in autumn had different influences on phenology. There was a large deviation when leaf coloring date was simulated only using average temperature. Average temperature was replaced by daily minmum and maximum temperature in DNGDD model. DNGDD model performed well in comparison with SW model when the leaf coloring date in autumn was simulated, and R2of cross check was 0.580. Therefore, SW model is the best one to simulat the spring phenological phases, while DNGDD model perforemed well in simulating the autumn phenological phase.

; Phenology model; Spring phenology; Autumn phenology; Integrated temperature; Simulated annealing

10.3969/j.issn.1000-6362.2020.10.001

于裴洋,同小娟,李俊,等.中國(guó)東部暖溫帶刺槐物候模型比較[J].中國(guó)農(nóng)業(yè)氣象,2020,41(10):609-621

2020-06-23

同小娟，E-mail：tongxj@bjfu.edu.cn

國(guó)家自然科學(xué)基金項(xiàng)目（31872703；31570617）

于裴洋，E-mail：ypy0913@163.com