中國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．北京林業大學生態與自然保護學院，北京 100083；2.中國科學院地理科學與資源研究所陸地水循環及地表過程重點實驗室，北京 100101）

植被物候是陸地生態系統對氣候變化響應的一個有力指標，其對水、碳交換和能量平衡發揮著重要作用。在全球氣候變暖背景下，植被物候變化規律及預測植物物候期成為研究熱點。本研究基于中國東部暖溫帶10個觀測點的氣象數據和刺槐地面物候觀測資料，利用模擬退火算法對SW、Unichill和DNGDD三種模型的各項參數進行優化，對刺槐春秋季物候期（葉芽開放期、展葉始期、開花始期和葉變色期）進行模擬，通過內部檢驗對比分析SW、Unichill和DNGDD模型對春、秋季物候期的模擬效果，以選擇出最適合預測刺槐物候期的模型。結果表明，刺槐4個主要物候期與同期各項氣溫平均值間均呈極顯著負相關關系。利用模擬退火法對SW、Unichill和DNGDD模型進行參數估計得到的數值符合刺槐的生長發育規律。與DNGDD模型和Unichill模型相比，SW模型對春季物候期模擬效果較好，其模擬的葉芽開放期、展葉始期和開花始期對應的交叉檢驗方差解釋量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模型適合對刺槐春季物候（葉芽開放期、展葉始期、開花始期）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

植物物候對氣候變化十分敏感。氣候變化從多方面影響植物物候，如物種分布[1-2]、種群的動態[3]和生命史進化[4]等。IPCC第五次報告指出，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地區植物葉芽開放、展葉、開花等春季物候期提前[6-8]。因此，開展溫帶闊葉林區樹木物候期的研究，對了解氣候變化與物候關系具有重要意義。

溫帶樹木物候主要受氣溫影響[9]。朱媛君等[10]對呼和浩特近年物候研究發現，氣溫是影響該地區物候的主要因素，刺槐盛花期與其前3個月平均氣溫呈顯著負相關關系。王明等[11]研究了暖溫帶喬木和灌木對氣候變化的響應，結果表明喬灌木的各物候期與氣溫表現為負相關。劉璐等[12]研究中國北方地區的蘋果始花期變化，明確了影響蘋果始花期的氣候要素為平均氣溫和平均地溫。

為準確預測植物物候如開花期、變色期，國內外許多學者發展了不同物候模型。物候模型可以分為靜態模型和動態模型兩大類[13]。靜態模型是基于數學關系建立的模型，如統計模型。動態模型包括SW模型、Unichill模型等，其利用模型對生物機制進行再現和模擬，這種模型相對于靜態模型更為準確[14]。王煥炯等[15]利用Unichill模型對中國白蠟展葉始期進行模擬表明，近60a中國大部分地區的白蠟樹展葉始期提前，且北方地區提前趨勢更為明顯。柏秦鳳等[16]研究發現，中國富士系蘋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開花期進行模擬，得到紫丁香開花始期和開花盛期＞5℃·d積溫具有較好的穩定性，能夠利用積溫模型進行模擬。溫帶地區植物的葉變色期有推遲的趨勢，這可能是夏末秋初的溫度升高導致的[18]，Park等[19]使用GDD模型對韓國兩種溫帶落葉樹種葉變色期對氣候的響應研究發現，兩種樹種葉變色期與該物候期前兩個月的平均氣溫密切相關。汪簫悅[20]使用閾值模型、傳統GDD和DNGDD模型對秋季物候進行預測，DNGDD模型的相關性明顯優于其余兩種模型，在中國北部和西南部地區，DNGDD模型預測的秋季物候期則晚于GDD模型模擬值。

目前，國內外對于物候模擬的研究已經取得了很多成果，但是由于植物生長發育機理的復雜性，仍然存在許多問題。多數物候模型對于春季物候的模擬效果較好。然而，對于秋季物候模擬則并不理想且研究較少。因此，不能僅簡單地利用平均氣溫對秋季物候進行模擬，應考慮更多的氣象因素[21]，不斷改進模型以使其能在大尺度范圍內也同樣適用。

刺槐為溫帶樹種落葉喬木，豆科刺槐屬，在年均溫8～l4℃、年降水量500～900mm的地區生長良好，因其速生性強，且易繁殖，抗逆性優良，被世界各地廣泛引種[22]。中國大部分地區的氣候條件均能滿足刺槐的生長需求，這使得其分布范圍較廣。刺槐是中國研究最全面最深入的樹種之一，是溫帶落葉喬木的典型樹種之一。本研究基于中國東部暖溫帶10個觀測點的刺槐物候數據和氣象數據，探究刺槐物候期與氣溫的相關性；采用模擬退火算法，比較了SW、Unchill和DNDGG三種動態模型模擬值和實測值，對各模型進行了內部檢驗和交叉檢驗，篩選和優化模型，以期選擇出能準確模擬該區域刺槐4個主要物候期即葉芽開放期、展葉始期、開花始期和葉變色期的模型，為林業應對氣候變化研究提供技術支撐，并為模型的優化提供研究思路。

1 資料與方法

1.1 物候數據

研究所選代表樹種為刺槐（L.），主要對其葉芽開放期、展葉始期、開花始期和葉變色期進行模擬研究。物候數據來自中國物候觀測網（http://www.cpon.ac.cn/），該網數據符合物候觀測標準[23]。共選取10個站點的物候數據，由于自然氣候和蟲害等因素導致物候數據部分缺失。各站點的物候數據觀測時段見表1。

表1 10個物候觀測站資料信息

續表

1.2 氣候數據

氣候數據來源于中國氣象數據網（http://data. cma.cn/site/index.html），包括10個物候站點對應的氣象站點的日平均氣溫、日最高氣溫和日最低氣溫。在選取氣象站點時依據物候觀測站點選取與之對應的氣象站點，其中除蓋州站外其余物候站點均有與之地理位置相同的氣象站點，則直接使用這些站點的氣象數據。蓋州無與之地理位置相同的氣象站點，以地理位置相近的營口站替代。

1.3 物候模擬模型

（1）SW模型

SW模型（即熱時模型）從積溫理論發展而來，只考慮了溫度的熱積累[24-26]，包括t0、Tb和F*三個參數。該模型假設能量與植被生長之間存在線性關系，當達到一定量的蓄熱單位后能量就會爆發，此時即為植物生長的開始。SW模型在模擬春季物候期中被廣泛應用。北方地區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)為強迫速率函數，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（℃），需要根據不同植物各類確定，t0為累積起始時間（設置為每年的1月1日，即t0=1），以日序表示。F*指完成某物候發育所需的積溫閾值（℃·d），利用日平均氣溫和實測物候資料，采用模擬退火法求解得到。利用式（1），當逐日高于某一界限值的氣溫累加值達到界限值F*時，對應的日期即為模擬預測的植物物候期日序（y）。

（2）Unichill模型

Unichill模型即統一冷激模型，不僅考慮了生長期強迫溫度的影響，還考慮了休眠期低溫。該模型把植物發芽階段細化為休眠期和靜止期兩個階段。休眠期是指植物在外界條件良好的情況下，由于某些內部因素阻止發育和細胞生長的時期[28]；靜止期是指休眠結束后生長發育開始受到外界因素驅動的一段時間，當經歷外界低溫持續刺激才能結束休眠進入靜止期。該模型假定，每年9月1日后，雖然外界環境條件適合但由于內部因素阻止了樹木的生長發育和細胞生長，樹木生長基本停止，隨后進入秋冬季節，氣溫降低，外界條件不適合樹木生長，中國北方刺槐一直處于休眠期；并不斷接受外界冷激刺激，當積累到冷激閾值后休眠期結束進入靜止期，隨著外界氣溫升高，刺槐會開始生長發育，隨后生長發育速度則開始受外界氣溫主導。Unichill模型為

其中

式中，參數a、b、c、C*與冷激函數有關；Rc(xt)為冷激速率函數（即冷激單元），表明冷激速度對日平均氣溫（℃）的響應；Sc是冷激單元之和，表示芽目前的冷激速率之和；t0設置為固定日期，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，當逐日低溫積累達到閾值C*時（℃·d），對應的日期為靜止期日序t1。Rf(xt)為強迫速率函數（即強迫單元），參數d、e確定了靜止期發育速度與日平均氣溫（℃）的函數關系，輸入日平均氣溫與實測數據使用模擬退火法求解參數值。Sf是強迫單元之和，表示強迫速率的日總和，利用式（4），當強迫單元之和達到閾值F*時，tb為對應物候期的日序。

冷激單元和強迫單元均為日平均氣溫（xt）的函數，其中參數較多，有a、b、c、d、e、C*、F*七個參數，這些參數需要利用日平均氣溫和實測物候資料，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。中國北方地區晝夜溫差較大，白天和夜間氣溫對刺槐生長發育的速率影響不同，DNGDD模型結合中國北方地區的氣候特點把平均氣溫用白天氣溫和夜間氣溫替代[29]，并進行加權平均，權重系數分別為k和1?k，更符合刺槐生長規律。即

式中，t0為開始累積的日期，春季累積首日為當年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（℃），氣象數據為20：00?次日20：00氣溫，全天測量4次，分別為2：00、8：00、14：00和20：00，出現的最大值為日平均最高氣溫，即Tday(t)，出現的最小值為日平均最低氣溫，即Tnight(t)，y為對應物候期，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為對應權重，考慮了晝夜溫差對物候期的影響，該模型較好地模擬了物候對晝夜氣溫的響應。中國東部暖溫帶落葉闊葉林區在全球氣候區劃分中屬溫帶較濕潤地區，該氣候條件下物候期對晝夜氣溫的響應相反，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、日最高氣溫和實測物候數據，采用模擬退火法求解得到，利用式（7），當晝夜氣溫的積溫之和達到閾值時，對應的日期為模擬預測的植物物候期日序（ty）。

1.4 物候模型參數估計和模型檢驗

模型用最小二乘法擬合，使函數f(x)在參數空間x中最小。即

式中，di(x)是第i年的預測日期，di(obs)是第i年的觀測日期，最小二乘法無法推導出最優解。因此，選用模擬退火法來求解非線性最小二乘問題，以尋求模型的最優參數[30]。模擬退火是指在金屬冷卻、退火或液體凍結和結晶過程中與熱力學原理的類比，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定任意一組參數開始，所有參數的變化也是隨機的，每次變化都會產生新的平方和的殘差，最終要尋找到目標函數的全局最優解。該方法被廣泛應用于模型參數估計中，能更好地找到全局最優解而非局部最優解。

利用Matlab讀取10個站點奇數年的氣溫資料和物候資料，采用模擬退火算法進行參數擬合優化，并進行物候期的模擬，與實測物候數據進行對比，計算出方差解釋量R2、均方根誤差RMSE、平均絕對誤差MAE，此為內部檢驗[8]；將所有站點剩余未用的偶數年的氣溫數據代入各模型中，模擬預測物候期，與實測物候數據進行對比，計算相應的R2、RMSE和MAE，此為交叉檢驗。交叉檢驗能更好地反映模型預測的準確度。

式中，n為某種植物的實際觀測數量，di(x)為第i年的預測日期，di(obs)為第i年的觀測日期。

2 結果與分析

2.1 物候與氣溫關系分析

利用10個觀測站點的歷年物候期觀測資料，與同期平均氣溫、平均日最低氣溫、平均日最高氣溫進行相關分析。由表2可以看出，實測刺槐4個主要物候期與同期的各項氣溫平均值均呈極顯著負相關關系（P<0.01），說明平均氣溫越高，各物候期的日序值越小、物候越提前。但從相關系數的具體數值看，春季物候和秋季物候與不同生育期氣溫平均值的相關程度略有區別。與展葉始期相比，春季葉芽開放期、開花始期與平均氣溫、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系數均相對較低，且差異不大。因此可見，模擬刺槐物候期時，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個站點歷年記錄刺槐各物候期日序（1月1日起）與同期氣溫的相關系數

注：*、**分別表示相關系數通過0.05、0.01水平的顯著性檢驗。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 物候模型參數優化

利用所有站點奇數年的氣溫資料和物候資料，采用模擬退火法進行參數擬合。由表3可以看出，刺槐的生長發育基礎氣溫為0℃（Tb=0℃），符合大多數植物生長發育的基礎氣溫范圍（0～35℃），說明估計值Tb=0℃符合刺槐生長的生物學規律。刺槐積溫閾值的估計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*值隨物候期的推進先后逐漸增大。表明植物生長發育需逐步累積熱量，達到生長發育的熱量閾值才會進入下一發育階段。DNGDD模型中春季葉芽開放期、展葉始期、開花始期的積溫閾值也符合上述規律；在葉變色期，由于參數t0與界限溫度的改變，積溫累積開始日期不同，積溫閾值在葉變色期與春季的三個物候期相比變化較大。由此可見，利用模擬退火法對模型進行參數估計得到的數值符合刺槐的生長發育規律。

表3 SW模型的參數估計

表4 Unichill模型的參數估計

表5 DNGDD模型的參數估計

2.3 物候模型模擬春季物候期比較

采用三種物候模型結合模擬退火法，對刺槐各物候期進行模擬，并對模擬值與實測值進行對比分析。由圖1?圖3可見，SW模型得到的物候期模擬值與實測值擬合線最接近1:1線，說明該模型能較準確地模擬刺槐葉芽開放期、展葉始期和開花始期；Unichill模型對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模型交叉檢驗的均方根誤差值小于DNGDD模型，與Unichill模型的值十分接近。對比三種模型交叉檢驗的方差解釋量發現，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。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，而使用晝夜氣溫的DNGDD模型效果遠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測值的對比

注：圖a、b、c為內部檢驗，使用站點奇數年的數據，圖d、e、f為交叉檢驗，使用站點偶數年的數據。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測值的對比

圖3 DNGDD模型模擬的春季物候期與實測值的對比

表6 三種模型的檢驗結果

2.4 物候模型模擬秋季葉變色期比較

使用SW模型和DNGDD模型對刺槐秋季葉變色期進行模擬，實測值與模擬值結果如圖4。由圖可見，基于DNGDD模型得到的模擬值與實測值的擬合線較SW模型的擬合線更接近1:1線，說明DNGDD模型更準確地模擬了秋季葉變色期。從兩者交叉檢驗的數值上看，DNGDD模型的方差解釋量遠大于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，DNGDD模型表現更佳。表明使用改進后的DNGDD模型對葉變色期模擬的準確度有了極大提升，也是所選模型中最優的。

圖4 SW模型和DNGDD模型對秋季葉變色期的模擬結果

注：圖a、b為內部檢驗，使用站點奇數年的數據，圖c、d為交叉檢驗，使用站點偶數年的數據。

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模型對葉變色期模擬結果的檢驗

3 討論與結論

3.1 討論

本研究以中國東部暖溫帶刺槐為研究對象，結合氣象數據與物候資料，對比分析SW模型、Unichill模型和DNGDD模型對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，這是由于本研究區在暖溫帶地區，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]利用熱時模型模擬了川渝地區兩種刺槐和一種紫荊的展葉始期和開花始期，發現仁壽和北碚刺槐展葉期的觀測值與模擬值的擬合度可分別達到87.5%和100%，在模擬春季物候時SW模型模擬效果最好。張愛英[32]在對北京地區觀賞植物開花預測中發現，SW模型的交叉檢驗的方差解釋量R2最高，RMSE最小，明顯優于統計模型的結果，最為準確地模擬了北京地區的植物花期。對牡丹江地區的植物花期進行模擬發現，使用SW模型數據的方差解釋量R2達到了0.71，明顯高于回歸模型的方差解釋量[33]。本研究對SW模型模擬刺槐的春季物候期作出了補充，對其適用范圍進行推廣。但僅僅對刺槐一種典型樹種進行研究不足以說明SW模型在春季物候模擬上的普適性，今后應擴大研究對象，選取多種典型喬木與灌木，對SW模型的模擬效果作進一步研究。SW、Unichill和DNGDD均基于積溫理論，要求研究對象為同一種類型的植物或是已知該地區的經緯度依賴于當前的氣候條件[34]，若擴大研究范圍，則應結合當地的經緯度與氣候條件對模型進行改進。仲舒穎等[35]對全國范圍內觀賞植物的花期進行了模擬，將傳統春季積溫模型進行改進，與時空特征相聯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，也為模型的改進提供了研究思路，同時也證明影響植物開花的因素除了氣溫，當地的水熱條件對物候期具有一定的影響[36]。

SW模型較準確地模擬了刺槐春季物候期，但其對葉芽開放期、展葉始期、開花始期交叉檢驗的方差解釋量R2分別僅為0.807、0.876、0.907。由此可見，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發育。Chen等[37]在對青藏高原地區的植被進行模擬時，除利用傳統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似必須達到降水的臨界值，結合降水等氣象因素對傳統SW模型進行了改進，也進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，于是造成模擬準確度不高，今后需考慮降水和光周期的影響，以進一步提高模型模擬的準確性。

目前，對于溫帶季風區刺槐葉變色期模擬的研究相對較少。本研究選用了SW模型和DNGDD模型對刺槐葉變色期模擬發現，DNGDD模型效果較優但其方差解釋量也僅0.58，說明基于積溫理論的物候模型對秋季物候期的模擬效果并不理想。因此，除傳統物候模型外，目前已有許多學者使用遙感對物候期進行模擬和驗證。曹沛雨等[38]基于已有研究分類評述了當前常用的植被物候觀測技術，得出應合理評估多源數據和多種方法間植被物候的差異。Luo等[39]利用NDVI數據結合模型對生長季開始期（SOS）進行分析與預測，表明在整個區域內SOS每10a將提前0.65~1.79d。基于遙感的NDVI數據和區域模型模擬的結果相結合是目前研究物候的主要趨勢，地面觀測數據的缺失，使得數據不連續，遙感方法則從大尺度范圍對物候進行觀測，利用NDVI數據模擬物候期彌補了物候觀測單站點的不足。

3.2 結論

SW模型對刺槐葉芽開放期、展葉始期和開花始期模擬，其交叉檢驗方差解釋量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于Unichill模型，春季物候期與平均氣溫的相關性最強，而與平均日最低氣溫和平均日最高氣溫的相關性不顯著，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。

對于葉變色期的模擬，SW模型模擬值與觀測值的誤差較大，DNGDD模型交叉檢驗的方差解釋量R2最高，其值為0.580。秋季晝夜溫差較大，白天和夜間氣溫對物候的影響會有所不同。因此，僅用平均氣溫模擬葉變色期會帶來很大偏差。SW模型用日平均氣溫作為驅動變量模擬春季物候，DNGDD模型則采用日最低氣溫和日最高氣溫代替平均氣溫，并根據植物的特征和觀測點的特點選擇最優的晝夜氣溫的比重。因此，DNGDD模型能較準確地模擬葉變色期，而SW、Unichill模型更適用于對春季物候的模擬。

[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.氣候變化對中國木本植物物候的可能影響[J].地理學報,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變化特征及歸因[J].中國農業氣象,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,桑衛國.暖溫帶喬木和灌木物候變化及對氣候變化的響應[J].生態科學,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.中國北方主產地蘋果始花期與氣候要素的關系[J].中國農業氣象,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年中國白蠟樹春季物候時空變化分析[J].中國科學:地球科學,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,王景紅,等.中國富士系蘋果主產區花期模擬與分布[J].中國農業氣象,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.基于多源數據的區域植被物候變化模擬與影響機制研究[D].北京:中國科學院大學,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.刺槐原產地分布及世界各國引種與研究概況[J].河南林業科技,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.中國物候觀測方法[M].北京:科學出版社,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用研究[J].生物數學學報,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]張愛英,王煥炯,戴君虎,等.物候模型在北京旅游觀賞植物開花期預測中的適用性[J].應用氣象學報,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.中國東部暖溫帶刺槐花期空間格局的模擬與預測[J].生態學報,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.中國典型觀賞植物花期模型建立及過去花期變化模擬[J].資源科學,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.植被物候觀測與指標提取方法研究進展[J].地球科學進展,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.中國東部暖溫帶刺槐物候模型比較[J].中國農業氣象,2020,41(10):609-621

2020-06-23

同小娟，E-mail：tongxj@bjfu.edu.cn

國家自然科學基金項目（31872703；31570617）

于裴洋，E-mail：ypy0913@163.com