南方地區(qū)大棚種植非洲菊高溫熱害風險區(qū)劃*

姜雨函，羅 靖，楊再強,2**，鄭艷姣

南方地區(qū)大棚種植非洲菊高溫熱害風險區(qū)劃*

姜雨函1，羅 靖1，楊再強1,2**，鄭艷姣1

（1．南京信息工程大學氣象災害預報預警與評估協(xié)同創(chuàng)新中心，南京 210044；2．江蘇省農業(yè)氣象重點實驗室，南京 210044）

以非洲菊“里奧內格羅”(Bolus,Rionegro)為研究對象，采用人工控制試驗，以日/夜氣溫28℃/18℃為對照(CK)，對非洲菊進行動態(tài)高溫(32℃/22℃、35℃/25℃、38℃/28℃和41℃/31℃)和持續(xù)時間(4d、6d、8d和10d)處理，測定不同處理下非洲菊葉片的光合特性、熒光特性和衰老特性相關生理指標。依據(jù)相關性分析和主成分分析結果，構建適用于中國南方地區(qū)的設施非洲菊高溫熱害等級指標，并結合1990?2019年366個站點的氣象資料和溫室大棚小氣候資料，利用BP神經網絡模擬南方地區(qū)溫室內日最高氣溫，以此開展南方非洲菊種植區(qū)大棚栽培高溫熱害風險區(qū)劃。結果表明：（1）通過主成分分析提取Pn、Pmax、PItotal、Fv/Fm和POD作為關鍵指標構建設施非洲菊高溫熱害脅迫指數(shù)（HSI），將其分為輕度（0.2＜HSI≤0.4）、中度（0.4＜HSI≤0.6）和重度（HSI＞0.6）三個等級，并以此確定其高溫熱害脅迫氣象指標。（2）1990?2019年南方地區(qū)非洲菊種植區(qū)輕度高溫熱害爆發(fā)頻率在0.19～0.90，以四川和云南東部及其以西地區(qū)居多；與輕度高溫熱害相比，中度高溫熱害在整個南方地區(qū)發(fā)生頻率有所下降，主要發(fā)生在廣西和廣東地區(qū)，最高頻率可達0.54。重災發(fā)生頻率也明顯低于輕度，在0～0.58。（3）1990?2019年設施非洲菊高溫熱害在南方地區(qū)總體呈現(xiàn)南高北低的趨勢，其中重慶、湖北、湖南、江西、廣西、廣東、福建和浙江等地，較大范圍內為高風險區(qū)，而四川盆地以及云南東部和西部地區(qū)風險較低。其他區(qū)域為設施非洲菊高溫熱害中風險區(qū)。

非洲菊；高溫熱害；BP神經網絡；南方地區(qū)；風險區(qū)劃

非洲菊（Bolus, Rionegro）原產于非洲南部和亞洲[1]，是世界上最重要的花卉植物之一。因花色豐富、花期較長、多花性強等特點，成為花卉市場極受歡迎的大宗商品[2]。隨著產業(yè)的蓬勃發(fā)展和市場需求的快速增長，非洲菊成為國內設施花卉栽培的重要作物之一。非洲菊的栽培具有廣泛的適應性，在大部分地區(qū)都有較好的培育前景。據(jù)統(tǒng)計，全國種植設施非洲菊的面積已超4600hm2。南方地區(qū)的非洲菊種植最為廣泛，適宜的地理條件和氣候環(huán)境使得大部分地區(qū)可實現(xiàn)非洲菊的周年生產，為當?shù)貛磔^高的經濟效益[3?4]。該區(qū)域的栽培設施以塑料大棚為主，但此類設施相對簡單，不具備完善的設施環(huán)境調控系統(tǒng)，因此對氣象災害的抵抗能力較差[5]。非洲菊生長喜光但不耐高溫，其適宜生長溫度20～25℃，溫度過高會影響植株的正常生長，導致花苗長勢矮小緊湊，且產花量低、花色變淺、花序直徑變小以及花型不規(guī)范等問題，嚴重時會使植株進入休眠狀態(tài)[6]。由于設施的封閉或半封閉性，其內部熱量易過度積累，且不易降溫，從而造成設施內高溫熱害頻發(fā)且持續(xù)性強，給非洲菊的栽培生產帶來嚴重影響。國內外學者對非洲菊高溫生長的研究較為有限，主要通過控制高溫的強度和持續(xù)時間，對非洲菊植株的生長發(fā)育和生理代謝進行研究[7?8]。報道多集中于非洲菊品種的耐熱性以及高溫脅迫對非洲菊切花品質的影響，但對于南方非洲菊種植區(qū)大棚栽培高溫熱害風險區(qū)劃卻少有關注[9?12]。

近年來，在氣候變化加劇背景下，國內南方地區(qū)高溫熱害頻發(fā)。為保障經濟作物的穩(wěn)定生產，需對作物進行災害風險評估，以期為農業(yè)氣象災害的防御提供支撐。在災害風險區(qū)劃的過程中，學者們從不同的研究角度探求依據(jù)，進行災害指數(shù)的構建。除考慮氣象因子、產量水平和效益外，還深入到了作物生長環(huán)境評價領域。設施作物災害指標多依據(jù)氣象因子進行分析判定，但對于特定的設施作物，影響其產量和品質的因素冗雜，使得此類方法具有一定局限性[13?15]，因此，需嘗試結合作物特定的生理生化指標等建立災害指數(shù)。彭曉丹等[16]對不同溫度條件下黃瓜葉片的抗氧化酶活性和光合作用的穩(wěn)定性進行了比較，并據(jù)此建立低溫災害脅迫指標。肖芳[17]研究了紅提葡萄幼苗葉片的熒光、衰老特性和生長激素對高溫脅迫的響應，從而確定其高溫脅迫等級。鄭艷嬌等[18]則對前人所測定的高溫下番茄葉片的多項生理生化指標進行統(tǒng)計和篩選，最終構建番茄的高溫熱害指標。

目前，對設施花卉植物的高溫熱害風險區(qū)劃的研究鮮有報道，且對非洲菊高溫熱害的分級標準的研究更是空白。因此，本研究以非洲菊為試驗材料，利用人工神經網絡進行了南方地區(qū)大棚日平均最高氣溫的模擬，并結合試驗數(shù)據(jù)進行了相關性分析與主成分分析，建立適于中國南方地區(qū)設施非洲菊高溫熱害的指標體系，并在此基礎上進行設施非洲菊高溫熱害風險區(qū)劃，以期應用于南方非洲菊種植地區(qū)大棚栽培優(yōu)化布局，為設施非洲菊在高溫熱害預警監(jiān)測及提高設施環(huán)境綜合調控能力提供理論支持和科學依據(jù)。

1 資料與方法

1.1 研究區(qū)概況與數(shù)據(jù)來源

研究范圍（21?35°N，97?123°E）涵蓋了江蘇、安徽、上海、杭州、上海、江西、湖北、湖南、成都、貴州、四川、云南、廣西和廣東14個省份（圖1）。該區(qū)域大部屬熱帶和亞熱帶季風氣候，其中福建、云南等地均為大規(guī)模非洲菊種植區(qū)[19?20]。1990?2019年氣象站資料來自國家氣象信息中心，包含了研究區(qū)內366個國家級基本氣象站近30a內所監(jiān)測的日平均氣溫、日最低氣溫、日最高氣溫、日平均相對濕度、日照時數(shù)和日平均風速數(shù)據(jù)，并對缺測數(shù)據(jù)的年份作刪除處理。

圖1 研究范圍內366個國家級基本氣象站的分布

小氣候數(shù)據(jù)來源于浙江、江蘇、上海和福建等地的塑料大棚，由其內部的小氣候觀測儀（CR-10，USA）采集。用于采集溫濕度數(shù)據(jù)的傳感器統(tǒng)一安裝在距地1.5m處，每10min采集一次，并經采集系統(tǒng)統(tǒng)計計算后導出各要素的小時值和日值，自動儲存在采集器內。篩選主要栽培期（4?10月）內的有效數(shù)據(jù)用于溫室小氣候模擬，并取單日序作為訓練集，雙日序作為測試集（表1）。

1.2 高溫控制試驗資料收集

試驗于2021年4?7月進行，試驗地點位于江蘇省南京市（32.21°N，118.68°E，海拔14.4m）南京信息工程大學農業(yè)氣象研究站。供試非洲菊品種為“里奧內格羅”（重瓣，粉色系)。在Venlo型溫室(高×寬×長5.0m×9.6m×30.0m，南北朝向)苗床上進行前期育苗和生長，培養(yǎng)土壤基質由泥炭土（pH為5.0～6.0）和珍珠巖按2:1比例混合。當花苗長出5～6片功能葉后，移栽至規(guī)格為21cm（高）×16.5cm（上口徑）×11.5cm（下口徑）花盆。緩苗7日后，轉入人工氣候室（TPG-1260，Australian）進行高溫控制試驗。設置4種高溫脅迫水平，各水平日最高氣溫/日最低氣溫分別設置為32℃/22℃、35℃/25℃、38℃/28℃和41℃/31℃，分別處理4d、6d、8d和10d，以28℃/18℃為對照（CK）[19?20]。

氣候室內光周期設定為13h/11h（日/夜），日間光合有效輻射最大值設置為1000μmol·m?2·s?1，日間空氣相對濕度設為60%（誤差范圍±5個百分點），夜間則設為80%（誤差范圍±5個百分點）。處理結束后對非洲菊的光合特性、熒光特性和衰老特性3個方面的指標進行測定。各指標的采樣時間和測定方法具體參考文獻[21?23]。

1.3 研究方法

應用BP神經網絡模擬大棚內日最高氣溫。通過對室內外氣象要素的日值進行相關性分析，得出各因子間相關性密切，且通過了95%的顯著性檢驗（表2）。為此選定室外平均氣溫、最高氣溫、最低氣溫、相對濕度、風速以及日照時數(shù)作為BP神經網絡模式的輸入，并建立10個隱藏層神經元，以室內日最高溫度為輸出點，其中隱藏層的轉換函數(shù)選用S的正切函數(shù)，而輸出層轉換函數(shù)則選用對數(shù)函數(shù)。假設初始學習速度為η=0.1，最佳循環(huán)次數(shù)為1000，期望誤差為0.001（圖2）。BP神經網絡模擬由Matlab R2021a軟件實現(xiàn)[24?27]。

表1 溫室小氣候數(shù)據(jù)來源

表2 棚內最高氣溫與棚外各氣象因子的相關系數(shù)

注：*和**分別表示相關系數(shù)通過0.05和0.01水平的顯著性檢驗。

Note：*and**indicate that the correlation coefficient has passed the 0.05 and 0.01 level significance test, respectively.

圖2 BP神經網絡結構示意圖

1.3.2 非洲菊高溫脅迫指數(shù)計算

利用高溫控制試驗數(shù)據(jù)計算非洲菊高溫脅迫指數(shù)。根據(jù)不同高溫條件對非洲菊葉片的光合功能、葉綠素熒光功能及其抗衰老功能的影響情況，應用相關性分析和主成分分析技術對收集的相關生理指標作降維處理，并選擇其中貢獻率較大的指標為自變量，以此計算非洲菊高溫脅迫指數(shù)。高溫脅迫指數(shù)計算式為[28?31]

式中，HSI為高溫脅迫指數(shù)；A、B、C…為不同高溫脅迫下生理指標的數(shù)值；A、B、C…為對照組生理指標的數(shù)值；a、b、c…為不同指標對應的權重系數(shù)。根據(jù)不同處理的高溫脅迫指標，利用等間距法把高溫脅迫指標劃分為不同的類型級別[32]。

1.3.3 大棚非洲菊高溫熱害風險指數(shù)計算

災害風險性就是在給定范圍和時間內作物受災的機率[30]。高溫對非洲菊的影響主要從脅迫強度、持續(xù)時間及發(fā)生頻率進行綜合考量。其中，高溫熱害發(fā)生頻率及危險指數(shù)計算式為[18,31]

式中，Pi為某地第i個等級高溫熱害發(fā)生的頻率；ni為該地1990?2019年發(fā)生第i級高溫熱害的次數(shù)；Ni為所有站點發(fā)生第i級高溫熱害的總次數(shù)。R為熱害風險指數(shù)；i為高溫熱害的等級，i=1、2和3分別對應輕度、中度和重度，n為高溫熱害劃分的等級數(shù)量，文中n=3；Oi為第i個等級高溫熱害強度?？紤]到構建高溫熱害指數(shù)時可能會出現(xiàn)Pi相等的情況，因此，引入Oi，根據(jù)3個等級高溫達標日的強度和影響將Oi分配為0.2、0.3和0.5[33]。

果然，在大家議論它是帝國之花還是情人之愛的時候，緋紅色的石牡丹好像由地底里蘇醒，記起自己尚未綻放，石柱頂端，交相層疊在一起的幾十片花瓣如同合攏的手掌，輕顫著微微擴張，纖細的手指屈伸起來，石柱之中，扎扎地發(fā)出細微有力的聲響。

1.4 數(shù)據(jù)處理

利用IBM SPSS Statistics 23軟件對室內外氣象要素作相關性分析（P<0.05），并對收集的各生理生化指標分別進行相關性分析和主成分分析。使用Matlab R2021a軟件搭建BP神經網絡小氣候模擬模型?；贏rcGIS平臺，利用克里金（Kriging）空間插值法開展南方種植區(qū)非洲菊高溫熱害綜合風險區(qū)劃[34?36]。

2 結果與分析

2.1 大棚內日最高氣溫模擬精度驗證

利用表1中劃分的檢驗集數(shù)據(jù)對BP模擬模型的精度進行驗證。日最高溫的模擬值與同期實測值的比較結果（圖3）表明，決定系數(shù)（R2）為0.86，均方根誤差（RMSE）為1.5℃，相對誤差為（RE）6.3%，絕對誤差（MAE）為2.2℃。表明該模型模擬結果精度較好，能夠滿足實際應用的需要。

圖3 大棚內日最高氣溫模擬值與實測值的對比

2.2 非洲菊高溫熱害等級建立

對人工氣候室不同高溫水平下測定的23個非洲菊葉片光合、熒光和衰老特性指標間進行相關性分析，結果見圖4。由圖可知，多數(shù)指標間的相關系數(shù)絕對值在0.50～0.90，且通過了95%的顯著性檢驗，說明各指標間存在顯著相關關系。除LCP、LSP、Ci和WUE外，光合特性指標間的相關性顯著（P<0.05），相關系數(shù)絕對值在0.32～0.95，說明光合特性指標可提供32%～95%的共同信息。多數(shù)熒光特性指標為顯著正相關關系（r>0，P<0.05），相關系數(shù)在0.29～0.88，可提供29%～88%的共同信息。衰老特性指標之間為顯著正相關關系，相關系數(shù)為0.70～0.92，提供了70%～92%的共同信息。

圖4 非洲菊高溫處理后各指標間的相關性分析（n=48）

綜上所述，光合、熒光和衰老特性多數(shù)指標間相關性均達95%顯著水平，因此，多數(shù)指標均可作為設施非洲菊對高溫脅迫響應的重要特征參數(shù)。整體看，衰老特性指標間相關性最強，可提供70%～92%的共同信息，其次是光合特性指標和熒光特性指標。

對所收集到的23個生理指標進行主成分分析，可在保證信息相對完整的同時縮減為綜合指標。結果表明（表3和表4），前五個主成分的特征值均超過1，其累計方差貢獻率為83.606%。而在第一主成分中，Pn、Pmax、PItotal、Fv/Fm、ABS/CSm、TRo/CSm和RC/Cso指標的特征向量值較大，在0.086～0.097范圍內，主要表征葉片的光合和熒光特性。在第二主成分中SOD、MAD、CAT和POD指標的特征向量值較大，在0.165～0.181，主要表征葉片的衰老特性。PIabs和LCP指標的特征向量值在第三主成分中要高于其他指標，分別為0.305和?0.337，表征葉片的光合和熒光特性。Tr和WUE指標的特征向量值在第四主成分中較大，主要表征葉片的蒸騰特性。第五主成分中ETo/CSm指標的特征向量值最大，主要表征葉片的熒光特性。以上5個主成分綜合了大部分指標信息，但表征信息存在一定程度的重疊，因此，綜合考慮下將Pn、Pmax、PItotal、Fv/Fm和POD五個指標進行設施非洲菊高溫脅迫指數(shù)的計算。

表3 各指標主成分分析的總方差解釋

表4 各指標主成分分析特征向量

對Pn、Pmax、PItotal、Fv/Fm和POD五個指標再次進行主成分分析，結果見表5。由表可見，其累計方差貢獻率達80.347%，可綜合多指標的信息表征。指標的特征向量即為權重系數(shù)（表6）。

表5 篩選后指標主成分分析的總方差解釋

表6 篩選指標主成分總方差解釋特征向量（權重系數(shù)）

通過式（4）計算設施非洲菊高溫脅迫指數(shù)（HSI）。

表7 不同高溫處理下HSI值

表8 非洲菊高溫熱害等級

2.3 南方非洲菊種植區(qū)大棚栽培高溫熱害風險區(qū)劃

1990?2019年南方非洲菊種植區(qū)內不同等級高溫熱害發(fā)生頻率的空間分布如圖5所示。

由圖可見，設施非洲菊輕度高溫熱害地區(qū)爆發(fā)頻率在0.19～0.90，以四川和云南東部及其以西地區(qū)居多，而在重慶市、湖北、湖南、江西、廣西、廣東和福建地區(qū)爆發(fā)頻率則較低，為0.17～0.40。與輕度相比，整個南方地區(qū)中度高溫熱害總體上發(fā)生頻率有所下降，主要發(fā)生在廣西和廣東地區(qū)，最高頻率可達0.54，而四川西部和云南東部和西部地區(qū)發(fā)生頻率均低于0.24。重度高溫熱害總體發(fā)生頻率也明顯低于輕度，在0～0.58。重災主要發(fā)生在重慶、湖南、江西、湖北西部地區(qū)以及福建和浙江北部地區(qū)，而四川、云南和貴州西部地區(qū)發(fā)生頻率較低。

基于不同等級設施非洲菊高溫熱害的發(fā)生頻率和災害強度，計算南方地區(qū)366個站點的綜合風險指數(shù)（R）。利用克里金法（Kriging）對南方地區(qū)的R值進行空間插值，再根據(jù)自然斷點法（Jenks）將其劃分為低、中和高風險三個等級，結果如圖6所示。其中，00.32為高風險區(qū)。

由圖6可見，高值區(qū)主要集中于成都、湖北、湖南、江西、廣西、廣東、福建和浙江，風險指數(shù)普遍高于0.32，影響范圍廣泛，屬于中國設施非洲菊高溫熱害多發(fā)帶。低值區(qū)主要集中分布在四川盆地以及中國東部和西部一帶，屬設施非洲菊高溫熱害低風險帶，風險指數(shù)均小于0.26。其他地區(qū)則為設施非洲菊高溫熱害發(fā)生的中風險區(qū)。對各種等級高溫熱害的發(fā)生頻率空間差異的觀察（圖5）發(fā)現(xiàn)，最近30a內，重慶、湖北、湖南、江西、廣西、廣東、福建和浙江等省份輕度和中度高溫熱害的發(fā)生頻率較少，而重度高溫熱害的發(fā)生頻率則較高，因此，為高風險區(qū)。四川盆地地區(qū)以及中國東部和西部區(qū)域，出現(xiàn)輕度高溫熱害的概率較大且強度也較小，而中度和重度高溫熱害的發(fā)生頻率較低，風險指數(shù)較低，因此為低風險區(qū)。

圖5 南方地區(qū)大棚栽培非洲菊不同等級高溫熱害發(fā)生頻率空間分布（1990?2019年）

圖6 南方地區(qū)設施非洲菊高溫熱害風險指數(shù)空間分布

3 結論與討論

3.1 結論

（1）光合、熒光和衰老特性多數(shù)指標間相關性均達95%顯著水平，可作為設施非洲菊對高溫脅迫響應的重要特征參數(shù)，其中衰老特性指標間相關性最強，可提供70%～92%的共同信息。再基于主成分分析，篩選出Pn、Pmax、PItotal、Fv/Fm和POD五個指標構建設施非洲菊高溫熱害脅迫指數(shù)（HSI），并分為輕度（0.2＜HSI≤0.4）、中度（0.4＜HSI≤0.6）和重度（HSI＞0.6）三個等級，最終確定其高溫熱害脅迫氣象指標。

（2）1990?2019年南方非洲菊種植區(qū)輕災地區(qū)爆發(fā)頻率在0.19～0.90，以四川和云南東部及其以西地區(qū)居多；與輕度高溫熱害相比，中度高溫熱害在整個南方地區(qū)發(fā)生頻率有所下降，主要發(fā)生在廣西和廣東地區(qū)，最高頻率可達0.54。重度高溫熱害發(fā)生頻率也明顯低于輕度，在0～0.58。

（3）1990?2019年設施非洲菊高溫熱害在南方地區(qū)總體呈現(xiàn)南高北低的趨勢。其中重慶、湖北、湖南、江西、廣西、廣東、福建和浙江等地，較大范圍內為高風險區(qū)，而四川盆地以及云南東部和西部地區(qū)風險較低。其他區(qū)域為設施非洲菊高溫熱害中風險區(qū)。

3.2 討論

光合特性是表征植物抗逆性最敏感的生理特性之一[37]。熒光特性能反應植物的“內在性”特征，對表征葉片對光能的吸收能力、傳遞效率及利用率等方面具有重要意義[38]。衰老特性中SOD、POD和CAT是重要的指標，三者活性的高低能間接反映植物抗衰老能力的強弱[39]。因此，光合、熒光及衰老特性均可作為設施非洲菊對高溫脅迫響應的重要特征參數(shù)，構建設施非洲菊高溫熱害脅迫指數(shù)并最終確定其高溫熱害氣象災害指標，以此開展設施非洲菊高溫熱害風險區(qū)劃。在氣象災害脅迫指標的計算中引入生理指標作為依據(jù)，考慮特定植物，在一定程度上提高了等級劃分的科學性。類似的設施作物災害研究中，徐超等[31]根據(jù)不同高溫脅迫對草莓葉片光合、熒光特性及活性氧物質、抗氧化酶活性的影響，建立了溫室草莓高溫氣象災害指標。龍宇蕓等[40]利用菊花光合特性及熒光參數(shù)，確定了設施菊花花期的低溫寡照脅迫氣象指標。結合植物特定的生理指標，劃分氣象災害指標，計算植物氣象災害發(fā)生的頻率以及風險指數(shù)對進一步提高風險區(qū)劃和評估的準確性具有重要意義。

南方非洲菊種植區(qū)大棚栽培高溫熱害風險區(qū)劃的結果表明，1990?2019年南方非洲菊種植區(qū)以輕災為主，爆發(fā)頻率在0.19～0.90，以四川以及云南東部和以西地區(qū)居多，而中度和重度高溫熱害總體上與輕度相比，整個南方地區(qū)發(fā)生頻率有所下降。這可能是因為南方地區(qū)屬于亞熱帶季風氣候，雨熱同期，夏季多降水，因此使得南方非洲菊種植區(qū)發(fā)生的高溫熱害總體上以輕災為主。南方非洲菊種植區(qū)高溫熱害風險區(qū)劃的地理分布總體呈南高北低的趨勢，隨著緯度和海拔的增高，從南到北非洲菊受高溫熱害的風險越小。高溫熱害高風險基本呈現(xiàn)出由西南向東南遞增的趨勢，高風險區(qū)集中在中部和東南部地區(qū)，主要包括重慶、湖南、湖北、江西，以及江蘇、福建、廣東和廣西大部分地區(qū)。中國南方夏季易受西太平洋副熱帶高壓的影響，空氣干燥，溫度較高。其中，中部和南部地區(qū)的西太平洋副熱帶高壓偏強、高低空受異常反氣旋控制，且伴隨著西南季風的減弱，干熱特征十分明顯，高溫空間范圍大、發(fā)生頻次高[41]。因此，相較于北部地區(qū)發(fā)生高溫熱害的風險較高。

本研究結果具有一定的代表性，但仍然存在不足之處。不同品種的非洲菊在不同生育階段對溫度的響應存在差異，可能存在局限性[31]。雖然在高溫脅迫指數(shù)構建與分級時已考慮到特定作物對脅迫反應程度的影響，總體上研究結果與生產實況基本相符，但由于南方種植區(qū)地理范圍廣泛，氣候變化多樣，因此，應連續(xù)收集各地區(qū)內多時段、多站點氣象數(shù)據(jù)和溫室實測數(shù)據(jù)，完善研究區(qū)域氣候特征，增強應用的廣泛性。此外，在災害等級的確立上僅以氣溫為標準劃分，在實際設施農業(yè)生產中，還有部分氣象因素在一定程度上影響植物的生長。例如，設施內的濕度變化對非洲菊生長有影響。較高的濕度是非洲菊病蟲害發(fā)生的主要誘因。因此在設施非洲菊災害的后續(xù)研究中可以考慮溫濕度的復合影響，更有助于災害標準的完善。

[1] Gao T,Hind D J N.Gerbera Linnaeus[J].Flora China,2011 (20):13-21.

[2] Li F,Li S C,Shan Q L.The effect of temperature on plant growth in four Gerbera hybrida cultivars[J].HortScience, 2019,54(7):1164-1167.

[3] 郭方其,陳文海,葉琪明,等不同非洲菊品種在浙北地區(qū)的適應性評價[J].浙江農業(yè)科學,2020,61(10):2056-2059.

Guo F Q,Chen W H,Ye Q M,et al.Evaluation of adaptability of different Gerbera species in northern Zhejiang[J].Journal of Zhejiang Agricultural Sciences,2020,61(10):2056-2059. (in Chinese)

[4] 韓心怡.面積穩(wěn)步上升出口大幅增長:2013年全國花卉統(tǒng)計數(shù)據(jù)分析[J].中國花卉園藝,2014(13):33-37.

Han X Y.Steady increase in area and large increase in export:analysis of national flower statistics in 2013[J]. Chinese Flower Gardening,2014(13):33-37.(in Chinese)

[5] 張應超,羅健,伏廣農,等.南方地區(qū)圓拱形和鋸齒形大棚內溫度四季差別探究[J].農業(yè)工程技術,2021,41(25): 49-52.

Zhang Y C,Luo J,Fu G N,et al.Exploring the difference in temperature between round-arched and sawtooth shaped greenhouses in the southern region in all seasons[J]. Agricultural Engineering Technology,2021,41(25): 49-52. (in Chinese)

[6] Niu J,Cheng Z H,Khan A R,et al.Effects of temperature during seedling stage on growth and nutrient absorbance of Gerbera jamesonii growing in organic substrate[J].Journal of Plant Nutrition,2015,38(5):700-711.

[7] Kim W C,Pak W H,Lee Z W,et.al.Morphological, physiological and biochemical responses of Gerbera cultivars to heat stress[J].Korean Journal of Horticultural Science & Technology,2016,34:1-14.

[8] dos Santos F T,Ludwig F,Costa L A M,et al.Growth analysis of potted gerbera conducted with mineral fertilization and organic fertigation[J].Cienciae Investigación Agraria,2016,43(1):111-120.

[9] Deng Y,Chen S,Chen F,et al.The embryo rescue derived intergeneric hybrid between chrysanthemum and Ajania przewalskii shows enhanced cold tolerance[J].Plant Cell Reports,2011,30(12):2177-2186.

[10] Tsirogiannis I,Katsoulas N,Kittas C.Effect of irrigation scheduling on Gerbera flower yield and quality[J]. HortScience,2010,45(2):265-270.

[11] Li F,Li S,Shan Q.The effect of temperature on plant growth in four Gerbera hybrida cultivars[J].Hort Science,2019, 54(7):1164-1167.

[12] Li S,Shan Q,Yu R,et al.Comparative transcriptome analysis of two Gerbera hybrida cultivars revealed cold tolerance mechanism[J].Plant Omics,2018,11(1):10-19.

[13] 杜堯東,李春梅,毛慧琴.廣東省香蕉與荔枝寒害致災因子和綜合氣候指標研究[J].生態(tài)學雜志,2006,25(2):225- 230．

Du R D,Li C M,Mao H Q.Disaster-inducing factors and integrated climatic index for banana and litchi chilling injuries in Guangdong[J].Chinese Journal of Ecology,2006, 25(2):225-230.(in Chinese).

[14] 包云軒,王瑩,高蘋,等.江蘇省冬小麥春霜凍害發(fā)生規(guī)律及其氣候風險區(qū)劃[J].中國農業(yè)氣象,2012,33(1):134- 141．

Bao Y X,Wang Y,Gao P,et al.Occurrence pattern on spring frost injury of winter wheat in Jiangsu province and its climatic risk division[J].Chinese Journal of Agrometeorology, 2012,33(1):134-141.(in Chinese).

[15] 杜子璇,劉忠陽,劉靜,等.河南設施農業(yè)黃瓜寡照災害時空分布及風險評價[J].干旱氣象,2015,33(4):694-701.

Du Z X,Liu Z Y,Liu J,et al.Spatial-temporal distribution and risk assessment of cucumber oligoillumination disaster in facility agriculture in Henan province[J].Journal of Arid Meteorology,2015,33(4):694-701.(in Chinese)

[16] 彭曉丹,楊再強,柳笛,等.溫室黃瓜低溫氣象災害指標[J].氣象科技,2013,41(2):394-400．

Peng X D,Yang Z Q,Liu D,et al.Study of low-temperature disaster index of greenhouse cucumbers[J].Meteorological Science and Technology,2013,41(2):394-400.(in Chinese)

[17] 肖芳.高溫脅迫對苗期紅提葡萄生理及基因表達特性的影響[D].南京:南京信息工程大學,2018．

Xiao F.Effects of high-temperature stress on physiological and gene expression characteristics of grapevine (L.Hongti) during seedling stage[D].Nanjing: Nanjing University of Information Science & Technology, 2018.(in Chinese)

[18] 鄭艷姣,楊再強,王琳,等.中國南方設施番茄高溫熱害風險區(qū)劃[J].應用氣象學報,2021,32(4):432-442.

Zheng Y J,Yang Z Q,Wang L,et al.Refined risk zoning of high temperature and heat damage to greenhouse tomato in southern China[J].Journal of Applied Meteorological Science,2021,32(4):432-442.(in Chinese)

[19] Niu, J,Cheng Z H,Khan A R, et al.I.Effects of temperature during seedling stage on growth and nutrient absorbance of Gerbera jamesonii growing in organic substrate[J].Journal of Plant Nutrition,2015,38(5):700-711.

[20] Tsirogiannis I,Katsoulas N,Kittas C.Effect of irrigation scheduling on gerbera flower yield and quality[J]. Hort Science, 2010,45(2):265-270.

[21] 李合生.植物生理生化實驗原理和技術[M].北京:高等教育出版社,2000:134-137.

Li H S.Principles and techniques of plant physiological biochemical experiment[M].Beijing:Higher Education Press, 2000:134-137.(in Chinese)

[22] Hermans C,Johnson G N,Strasser R J,et al.Physiological characterisation of magnesium deficiency insugar beet:acclimation to low magnesium differentially affects photosystems Iand II[J].Planta,2004,220:344-355.

[23] Li P,Cheng L,Gao H,et al.Heterogeneous behavior of PSII in soybean() leaves with identical PSII photochemistry efficiency under different high temperature treatments[J].Journal of Plant Physiology,2009,166(15): 1607-1615.

[24] 范遼生,朱蘭娟,柴偉國,等.杭州冬季塑料大棚內氣溫變化特征及日最低氣溫預報模型[J].中國農業(yè)氣象,2014,35 (3):268-275.

Fan L S,Zhu L J,Chai W G,et al.Temperature variation characteristic and daily minimum temperature forecast inside plastic greenhouse in winter in Hangzhou[J].Chinese Journal of Agrometeorology,2014,35(3):268-275.(in Chinese)

[25] 李寧,申雙和,黎貞發(fā),等.基于主成分回歸的日光溫室內低溫預測模型[J].中國農業(yè)氣象,2013,34(3):306-311.

Li N,Shen S H,Li Z F,et al.Forecast model of minimum temperature inside greenhouse based on principal component regression[J].Chinese Journal of Agrometeorology, 2013,34(3):306-311.(in Chinese)

[26] 汪小旵,丁為民,羅衛(wèi)紅,等.利用BP神經網絡對江淮地區(qū)梅雨季節(jié)現(xiàn)代化溫室小氣候的模擬與分析[J].農業(yè)工程學報,2004(2):235-238.

Wang X D,Ding W M,Luo W H,et al.Simulation and analysis of microclimate of gutter connected Venlo greenhouse during rainy season in Jianghuai region of China using BP neural network[J].Transactions of the Chinese Society of Agricultural Engineering,2004(2):235- 238.(in Chinese)

[27] 溫永菁,李春,薛慶禹,等.基于逐步回歸與BP神經網絡的日光溫室溫濕度預測模型對比分析[J]中國農學通報, 2018,34(16):115-125.

Wen Y J,Li C,Xue Q Y,et al.Temperature and humidity prediction models in solar greenhouse: comparative analysis based on stepwise regression and BP neural network[J].Chinese Agricultural Science Bulletin,2018,34 (16):115-125.(in Chinese)

[28] 楊菲,王學林,楊再強,等.江南地區(qū)茶樹高溫熱害時空分布特征及風險區(qū)劃[J].自然災害學報,2015,24(3):216-224.

Yang F,Wang X L,Yang Z Q,et al.Spatiotemporal pattern and risk zoning of tea heat injury in south region of the Yangtze River[J].Journal of Natural Disasters,2015, 24(3): 216-224.(in Chinese)

[29] 屈振江,周廣勝.中國主栽獼猴桃品種的氣候適宜性區(qū)劃[J].中國農業(yè)氣象,2017,38(4):257-266.

Qu Z J,Zhou G S.Climate suitability zoning of blueberry in Fujian Province[J].Chinese Journal of Agrometeorology, 2017,38(4):257-266.(in Chinese)

[30] 王靜,張強,王勁松,等.基于概率方法的南方農業(yè)氣象災害風險評估研究[C]//第31屆中國氣象學會年會S5干旱災害風險評估與防控,2014:213-226.

Wang J,Zhang Q,Wang J S,et al.Study on risk assessment of agricultural meteorological disasters in South China based on probability method[C]//The 31st Annual Meeting of the Chinese Meteorological Society,2014:213-226.(in Chinese)

[31] 徐超,王明田,楊再強,等.高溫對溫室草莓光合生理特性的影響及脅迫等級構建[J].應用生態(tài)學報,2021,32(1) 231-240.

Xu C,Wang M T,Yang Z Q,et al.Effects of high temperature on photosynthetic physiological characteristics of strawberry seedlings in greenhouse and construction of stress level[J].Chinese Journal of Applied Ecology,2021, 32(1):231-240.(in Chinese)

[32] 陳松林,王天星.等間距法和均值標準差法界定城市熱島的對比研究[J].地球信息科學學報,2009,11(2):145-150.

Chen S L,Wang T X.Comparison analyses of equal interval method and mean-standard deviation method used to delimitate urban heat island[J].Journal of Geo-Information Science,2009,11(2):145-150.(in Chinese)

[33] 郭安紅,何亮,韓麗娟,等.早稻高溫熱害強度指數(shù)構建及氣候危險性評價[J].自然災害學報,2018,27(5):96-106.

Guo A H,He L,Han L J,et al.Construction of heat damage intensity index of early rice and its climate risk assessment[J].Journal of Natural Disasters,2018,27(5):96- 106.(in Chinese)

[34] 姚亞慶.1950-2015年我國農業(yè)氣象災害時空特征研究[D].咸陽:西北農林科技大學,2016.

Yao Y Q.Temporal and spatial characteristics of agricultural meteorological disasters in China from 1950 to 2015[D]. Xianyang:Northwest A&F University,2016.(in Chinese)

[35] 楊再強,朱凱,趙翔,等.中國南方塑料大棚氣象災害風險區(qū)劃[J].自然災害學報,2012,21(5):213-221.

Yang Z Q,Zhu K,Zhao X,et al.Meteorological disaster risk regionalization of plastic greenhouse in southern China[J].Journal of Natural Disasters,2012,21(5):213-221. (in Chinese)

[36] 王新宇,黃鵬程.基于GIS的氣象要素插值方法比較研究[J].測繪與空間地理信息,2020,43(5):167-170.

Wang X Y,Huang P C.Comparison of interpolation methods of meteorological elements based on GIS[J]. Geomatics and Spatial Information Technology,2020, 43(5):167-170.(in Chinese)

[37] 楊立,楊再強,張源達,等.弱光照條件下菊花葉片光合作用減弱的機理分析[J].中國農業(yè)氣象,2020,41(11):707- 718.

Yang L,Yang Z Q,Zhang Y D,et al.Mechanism analysis on photosynthetic attenuation in chrysanthemum leaves under low light condition[J].Chinese Journal of Agrometeorology, 2020,41(11):707-718.(in Chinese)

[38] 張守仁.葉綠素熒光動力學參數(shù)的意義及討論[J].植物學通報,1999,16(4):444-448.

Zhang S R.Discussion on chlorophyll fluorescence kinetics parameters and their significance[J].Chinese Bulletin of Botany,1999,16(4):444-448.(in Chinese)

[39] 王丹,呂艷杰,姚凡云,等.不同栽培模式春玉米花粒期冠層不同部位葉片的衰老特性[J].中國生態(tài)農業(yè)學報, 2022, 30(12):1925-1937.

Wang D,Lv Y J,Yao F Y,et al.Leaf senescence characteristics in different positions of spring maize canopy post anthesis under different cultivation models[J]. Chinese Journal of Eco-Agriculture,2022,30(12):1925-1937. (in Chinese)

[40] 龍宇蕓,蘇澤陽,姜雨函,等低溫寡照對菊花光合特性的影響與災害指標的確定[J].生態(tài)學雜志,2022,41(9):1731- 1739.

Long Y Y,Su Z Z,Jiang Y H,et al.The influence of low temperature and weak light on the photosynthetic characteristics of chrysanthemum and the determination of its disaster index[J].Chinese Journal of Ecology,2022, 41(9):1731-1739.

[41] 賈子康,鄭志海,封國林.中國南方地區(qū)盛夏高溫類型及其對應的大尺度環(huán)流和海溫異常[J].氣象學報,2020,78(6): 928-944.

Jia Z K,Zheng Z H,Feng G L.Midsummer high temperature types in southern China and corresponding large-scale circulation and sea surface temperature anomalies[J].Acta Meteorologica Sinica,2020,78(6):928-944.(in Chinese)

Risk Zoning of High Temperature and Heat Damage toPlanted in Greenhouse in Southern China Area

JIANG Yu-han1, LUO Jing1, YANG Zai-qiang1.2, ZHENG Yan-jiao1

(1. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, China; 2. Jiangsu Key Laboratory of Agrometeorology, Nanjing 210044)

Bolus (Rionegro) was subjected to dynamic high temperature (32°C/22°C, 35°C/25°C, 38°C/28°C and 41°C/31°C) and duration (4d, 6d, 8d and 10d) treatments in an artificial control experiment with day/night temperatures of 28°C/18°C as control (CK). The physiological indicators related to the photosynthetic, fluorescence, and senescence characteristics ofleaves were measured under different treatments. Based on the results of the correlation analysis and principal component analysis, authors constructed risk indexes for high temperature and heat damage (HT & HD) inapplicable to the greenhouse in southern China. Combining meteorological data from 366 stations and greenhouse microclimate data from 1990?2019, BP neural network was used to simulate the maximum daily temperature in greenhouses in the southern region as a way to carry out the risk zoning of HT & HD in greenhouse cultivation in the southernplanted region. The results showed that: (1) to create the heat stress index (HSI) ofin the greenhouse, Pn, Pmax, PItotal, Fv/Fm, and POD were extracted as key indicators by principal component analysis. They were classified into three levels: mild (0.2＜HSI≤0.4), moderate (0.4＜HSI≤0.6), and severe (HSI＞0.6), which were then used to determine its heat stress meteorological indicators. (2) The southern Chinaplanting area experienced mild HT & HD on average every 0.19 to 0.90 years between 1990 and 2019, with the majority of these outbreaks occurring in Sichuan and Yunnan's eastern and western regions. In contrast to the mild, moderate HT & HD on average decreased in frequency throughout the south, with a maximum frequency of 0.54 occurring mostly in Guangxi and Guangdong areas. Severe HT & HD occurred 0 to 0.58 times less frequently than mild disasters. (3) In the southern China, the HT & HD toin the greenhouse from 1990 to 2019 revealed a general trend of high in the south and low in the north. Among these, the Sichuan basin and the eastern and western areas of Yunnan are at low risk, whereas Chongqing, Hubei, Hunan, Jiangxi, Guangxi, Guangdong, Fujian, and Zhejiang are, to a great extent, high-risk regions. Other areas are at medium risk of HT & HD to thein the greenhouse.

; High temperature and heat damage; BP neural network; Southern China region; Risk zoning

10.3969/j.issn.1000-6362.2023.05.008

收稿日期：2022?06?13

國家重點研發(fā)計劃項目（2019YFD1002202）

通訊作者：楊再強，教授，研究方向為設施農業(yè)氣象，E-mail: yzq@nuist.edu.cn

姜雨函，E-mail: 20201208010@nuist.edu.cn

姜雨函,羅靖,楊再強,等. 南方地區(qū)大棚種植非洲菊高溫熱害風險區(qū)[J].中國農業(yè)氣象,2023,44(5):433-444