春季釀酒葡萄園氣溫梯度差異分析及模擬

關鍵詞：賀蘭山東麓；釀酒葡萄；晚霜凍；植株生長層；氣溫模擬

中圖分類號：S663.1；S425 文獻標志碼：A 文章編號：1003—8981（2024）03—0207—11

寧夏賀蘭山東麓作為中國釀酒葡萄優質生態區之一，其獨特的自然、地理環境為釀酒葡萄生長和品質形成提供了最佳的生態條件[1]。截至2022年底，寧夏釀酒葡萄種植面積達38 866.7 hm²，是全國集中連片規模最大的產區，超過全國種植面積的1/3，生產葡萄酒1.36 億瓶，占全國的37%，綜合產值342.7 億元，葡萄酒產業已成為寧夏擴大開放、調整結構、轉型發展、促農增收的重要產業。寧夏地處西北內陸，氣溫變化劇烈，晚霜凍頻發，一直是釀酒葡萄生產中最主要的農業氣象災害之一，嚴重制約產業高質量發展[2-4]。作物生長發育與氣候變化密切相關，隨著對氣候特征的深入研究，局地小氣候特征也越來越受到重視[5-6]。在氣候變暖的大背景下，寧夏釀酒葡萄種植區的小氣候也隨之發生變化，晚霜凍發生頻次、發生日數、發生程度明顯增多或加重[7]，影響釀酒葡萄幼芽、新梢、花序的正常生長發育，進而影響釀酒葡萄產量和品質。因此，研究分析釀酒葡萄園晚霜凍期小氣候特征，建立春季植株生長層的最低氣溫擬合模型，對科學調控釀酒葡萄園小氣候及防御晚霜凍災害有指導意義。

國內學者圍繞不同作物的小氣候特征分析及模擬進行了深入研究。李翠娜等[8]、張繼波等[9]研究了冬小麥田間小氣候垂直梯度分布特征及對霜凍天氣的響應；陳國鵬等[5]、杜青等[10] 深入分析了玉米- 大豆間套作的小氣候特征及對產量、形態進程的影響；白崗栓等[11]、屈振江等[12] 研究了蘋果園的小氣候特征及自然生草的小氣候效應；還有學者分析了獼猴桃[6]、設施栽培蔬菜瓜果[13-16]、茶園[17] 的小氣候特征并構建了氣象要素和災害預測模型。目前釀酒葡萄相關研究主要集中于晚霜凍基本特征及發生規律、閾值指標研究、災害風險評估與區劃等方面[18-22]，關于釀酒葡萄園小氣候特征的相關研究相對較少，集中于釀酒葡萄園小氣候特征與國家基準站的差異以及不同坡向、自然生草微氣候對釀酒葡萄生長和果實品質的影響[23-26]?？紤]到寧夏賀蘭山東麓釀酒葡萄栽培結構普遍為“廠字形”，尤其剛出土后的主蔓和結果枝固定在離地50 cm 左右的第一道絲上，由于氣溫分布不均勻，垂直梯度上氣溫也必然存在差異。目前氣象上觀測和預報的氣溫均為150 cm 處的數值，而50 cm 處的氣溫更貼近春季釀酒葡萄植株生長層，也更符合田間實際生產情況。本研究擬利用釀酒葡萄農田小氣候站的氣溫梯度觀測資料，分析釀酒葡萄園春季氣溫、霜凍發生日數和程度、低溫小時數以及典型霜凍日氣溫的梯度差異，并建立釀酒葡萄植株生長層的最低氣溫擬合模型。研究結果可為提高霜凍預報預警水平、優化霜凍災害防御技術提供依據，也為保障釀酒葡萄安全生產提供科學參考。

1 材料與方法

1.1 研究區概況

寧夏賀蘭山東麓產區位于37°43′ ～ 39°23′N，105°45′ ～ 106°47′E，地處寧夏黃河沖積平原和賀蘭山沖積扇之間，為洪積平原地帶，地勢西高東低、南高北低，海拔高度在1 090 ～ 1 450 m，地形起伏較小。土壤以礫質沙土質土壤為主，富含礦物質，荒漠、戈壁分布較廣。該區域西靠賀蘭山脈，東臨黃河，北接石嘴山、南至紅寺堡，共涉及石嘴山市、銀川市、青銅峽市、紅寺堡區四個產業市縣（區）及農墾系統，區域總面積超過20 萬hm²。寧夏賀蘭山東麓14 個農田小氣候站位置空間分布及地理信息如圖1 和表1 所示。

1.2 數據來源

本研究中所用資料為2019—2022 年4—5 月寧夏賀蘭山東麓14 個釀酒葡萄園農田小氣候站5 min 氣象觀測資料，包括50 cm 氣溫、150 cm 氣溫等，資料來源為寧夏氣象信息中心。將分鐘數據處理為小時數據和日數據，缺測數據采用線性內插法進行補充。

2 結果與分析

2.1 釀酒葡萄園不同氣溫要素的梯度差異

將賀蘭山東麓14 個釀酒葡萄園農田小氣候站2019—2022 年4—5 月不同高度日平均氣溫、最高氣溫、最低氣溫進行逐日平均，分析其變化趨勢，結果見圖3?？梢钥闯?，釀酒葡萄園平均氣溫的梯度差異很小。不同高度的最高、最低氣溫變化趨勢雖然一致，但數值范圍上則呈現出明顯相反的變化趨勢，其中，150 cm 最高氣溫低于50 cm最高氣溫，150 cm 最低氣溫則高于50 cm 最低氣溫。這主要是因為最高氣溫一般出現在午后14—15 時，此時地面作為大氣的主要熱源，越靠近地面氣溫越高，4 月份50 cm 與150 cm 最高氣溫差值為0.2 ～ 0.7 ℃，5 月份則為0.1 ～ 0.8 ℃。最低氣溫一般出現在上午6—7 時，此時地面作為大氣的冷源，近地面處氣溫更低，4 月份50 cm 與150 cm 最低氣溫差值的絕對值為0.2 ～ 0.5 ℃，5月份則為0.2 ～ 1.1 ℃。

以大武口產區HD 酒莊為例，分析2019 －2022 年4 － 5 月不同高度逐日平均氣溫、最高氣溫、最低氣溫的變化趨勢（圖4）和梯度差異（圖5）?？梢钥闯?，50 cm、150 cm 氣溫要素變化趨勢一致，但數值上卻存在一定的梯度差異。其中，平均氣溫的梯度差異最小，最高氣溫的梯度差異次之，最低氣溫的梯度差異最大。若以50 cm 氣溫減去150 cm 氣溫作為兩層之間的氣溫梯度差，平均氣溫梯度差為-0.9 ～ 1.2 ℃，其中以-0.5 ～0.4 ℃占比最高，達到90.6%；最高氣溫為-1.3 ～1.3 ℃， 其中以0.4 ～ 1.3 ℃ 占比最高， 達到75.8%；最低氣溫為-3.2 ～ 0.5 ℃，其中以-1.5 ～0 ℃占比最高，達到77.5%?？梢钥闯觯噍^14個酒莊整體而言，單個酒莊最低氣溫的梯度差異更大。

2.2 釀酒葡萄園發生晚霜凍的梯度差異

2.2.1 霜凍發生日數和程度的梯度差異

基于逐日最低氣溫的梯度數據，利用釀酒葡萄晚霜凍氣候指標分別統計2019—2022年4—5月各酒莊50 cm、150 cm 發生霜凍的日數和程度，結果見表2。可以看出，利用不同高度最低氣溫判定釀酒葡萄發生霜凍的日數和程度存在明顯差異?？偟膩砜矗齒G 酒莊、DFYX 酒莊、HFJR酒莊、YM 酒莊以外，利用50 cm 最低氣溫判定的霜凍發生總日數較150 cm 偏多1 ～ 7 d。霜凍程度整體較重，以紅寺堡產區的HFJR 酒莊為例，霜凍發生總日數均為12 d，利用50 cm 判定的輕度、中度、重度霜凍分別為3、4、5 d，但利用150 cm 判定的輕度、中度霜凍分別為4、8 d，未發生重度霜凍。

2.2.2 霜凍日≤ 0 ℃小時數的梯度差異

統計2019—2022 年4—5 月霜凍日各酒莊出現≤ 0 ℃小時數的梯度差異，結果見表3。可以看出，霜凍日出現≤ 0 ℃的小時數也存在顯著的梯度差異，除YM 酒莊以外，50 cm 出現≤ 0 ℃的小時數多于150 cm，梯度差異絕對值的平均值為19.6 h，其中HD 酒莊梯度差異最大，為49 h，GL、XG 酒莊差異最小，僅為1 ～ 2 h。此外，不同年份霜凍日≤ 0 ℃小時數的梯度差異也不同，2019—2022年梯度差異絕對值的平均值分別為1.5、10.1、2.6、6.4 h，這與當年霜凍發生的類型有關。

2.2.3 典型霜凍日氣溫的梯度差異

據文獻[4] 記載，2020 年4 月21—24 日賀蘭山東麓發生了“輻射+ 平流”的混合型霜凍過程，尤其是4 月24 日凌晨賀蘭山東麓釀酒葡萄產區普遍遭受晚霜低溫凍害，葡萄出土后進入絨球期的冬芽及展葉抽條期的幼葉、嫩梢受到不同程度凍害。據不完全統計，此次霜凍過程全區釀酒葡萄受災程度較重，面積達1.68 萬hm²，受凍區域減產幅度在30% ～ 60%。分析發現，此次霜凍過程是賀蘭山東麓釀酒葡萄產區20 年不遇的嚴重晚霜凍害，霜凍持續時間長、危害范圍廣、降溫幅度大、受災程度嚴重。

因此，本研究選取2020 年4 月24 日作為典型霜凍日，在6 個產區選取典型代表站分析霜凍日不同高度氣溫的日變化，結果見圖6?？梢钥闯?，典型霜凍日不同產區50 cm、150 cm 氣溫的變化趨勢基本一致，表現為0—6 時氣溫波動下降，之后受光照影響迅速升溫，16 時左右達到最大值，隨后開始降溫。在夜晚降溫階段（0—6 時、19—23 時），50 cm 氣溫低于150 cm 氣溫，在白天升溫階段，50 cm 氣溫則高于150 cm 氣溫。夜晚降溫階段50 cm 與150 cm 存在明顯溫度差，其中大武口產區的HD 酒莊溫差為0.4 ～ 1.9 ℃，銀川產區的MY 酒莊溫差為0.2 ～ 3.2 ℃，永寧產區的YQY 酒莊溫差在0.2 ～ 1.5 ℃，青銅峽產區的JSY酒莊溫差在0.9 ～ 3.6 ℃，紅寺堡產區的TD 酒莊溫差在0.4 ～ 1.7 ℃。此外，賀蘭產區的GL 酒莊未達到霜凍指標，兩層溫差僅為0.1 ～ 0.6 ℃。

總的來看，釀酒葡萄植株生長層霜凍發生日數和低溫小時數偏多，霜凍程度偏重。在典型霜凍日的夜晚降溫階段，植株生長層氣溫明顯低于150 cm。此外，霜凍發生時不同酒莊的氣溫梯度差異不同，這可能與酒莊所在地區的地形、下墊面、防霜程度等因素有關。

2.3 春季植株生長層最低氣溫擬合模型

晚霜凍是釀酒葡萄氣象災害防御的重點，春季釀酒葡萄生長層主要集中在50 cm 附近，因此明確其生長層氣溫對釀酒葡萄霜凍災害判定有重要意義。以2019—2021 年釀酒葡萄園農田小氣候站逐日最低氣溫梯度觀測數據為建模數據，分別建立釀酒葡萄園分產區、分酒莊以及不分產區不分酒莊的春季植株生長層最低氣溫線性擬合模型（表4）?？梢钥闯?，分產區擬合模型的決定系數（R²）均在0.97 以上，擬合效果較好，其中紅寺堡產區和銀川產區R² 最高，均在0.99 以上；分酒莊擬合模型的R2 也均在0.97 以上，擬合效果較好，其中超過50% 的酒莊R² 在0.99 以上；不分產區不分酒莊擬合模型的R² 為0.986，擬合效果略差于其他模型。

為驗證不同類型擬合模型在晚霜凍期推算植株生長層最低氣溫的可靠性，選取2022 年4—5月最低氣溫梯度觀測數據對擬合模型進行檢驗，計算的統計參數見表5。結果顯示，分產區擬合模型的誤差算術平均值為0.5 ℃，絕對誤差在1 ℃以內的樣本百分率平均值為88.4%，均方根誤差平均值為0.7 ℃，其中銀川產區擬合效果最好；分酒莊擬合模型的誤差算術平均值為0.4 ℃，絕對誤差在1 ℃以內的樣本百分率平均值為91.5%，均方根誤差平均值為0.6 ℃，其中TD 酒莊擬合效果最好，LS 酒莊、XG 酒莊、YM 酒莊擬合效果較好；不分產區不分酒莊擬合模型的平均絕對誤差為0.5 ℃，絕對誤差在1 ℃以內的樣本百分率為86.8%，均方根誤差為0.7 ℃。綜合來看，春季植株生長層最低氣溫的線性擬合模型優劣程度：分酒莊＞分產區＞不分產區不分酒莊。

3 結論與討論

3.1 結論

本研究基于釀酒葡萄園農田小氣候站的氣溫梯度觀測資料，分析釀酒葡萄園春季氣溫、霜凍發生日數和程度、低溫小時數以及典型霜凍日氣溫的梯度差異，利用線性回歸分析法建立釀酒葡萄春季植株生長層的最低氣溫擬合模型。主要的研究結論如下：

（1）春季釀酒葡萄園氣溫存在梯度差異，其中，平均氣溫梯度差異最小，最高氣溫次之，最低氣溫差異最大。此外，最高氣溫越接近地面數值越高，最低氣溫數值則越低。從14 個酒莊平均來看，最低氣溫梯度差為0.2 ～ 1.1 ℃，HD 酒莊可達-3.2 ～ 0.5 ℃；

（2）基于釀酒葡萄晚霜凍氣候指標，利用50 cm 最低氣溫判定的霜凍發生總日數較150 cm總體偏多1 ～ 7 d，霜凍程度偏重，霜凍日低溫小時數也偏多，平均差值為19.6 h。在典型霜凍日的夜晚降溫階段，不同酒莊氣溫梯度差異不同，部分酒莊氣溫梯度差超過3.0 ℃；

（3）基于150 cm 日最低氣溫建立的分產區、分酒莊以及不分產區不分酒莊的春季釀酒葡萄植株生長層最低氣溫線性擬合模型整體效果較好，其中分酒莊的模型擬合效果最好，超過50% 的酒莊R2 大于0.99，誤差算術平均值為0.4 ℃，其中TD 酒莊擬合效果最好。

3.2 討論

賀蘭山東麓是我國釀酒葡萄的重點產區，該地區廣泛種植釀酒葡萄歐亞品種，由于耐寒性差，一直以“冬前埋土、入春出土”的栽培模式保證葡萄安全越冬[27]。3 月下旬開始出土放條，若出土放條過早，遭受晚霜凍風險較大，但若推遲出土則會導致葡萄在土中萌芽，造成出土時芽體碰擦掉落。賀蘭山東麓釀酒葡萄普遍在4 月上旬出土，而4－5月正處于寧夏晚霜凍發生最頻繁的時段，導致晚霜凍成為影響賀蘭山東麓釀酒葡萄生產的主要農業氣象災害之一，給釀酒葡萄產量、品質帶來很大影響[19]。寧夏氣象局每年晚霜凍期都開展防霜業務服務工作，在服務過程中發現實際發生霜凍的程度與預報的霜凍程度有差異，且近地層霜凍發生程度明顯更高，這主要是由于氣象上常規監測、預報的氣溫值均以150 cm 高度處的氣溫為基準，但葡萄主蔓上架后的高度僅為50 cm左右，結果母枝和越冬芽也基本分布在50 cm 附近，上下兩層存在高度差也必然存在溫度差。因此，如果能準確模擬植株生長層的最低氣溫，結合氣象預報數據開展二次訂正，提高霜凍預報結果的準確性，對保障釀酒葡萄正常生長發育具有重要意義。

在果園小氣候特征研究方面，春季釀酒葡萄園最低氣溫梯度差異最大，且表現為越靠近地面最低氣溫越低，這與晚霜凍天氣過程影響下麥田[9]、茶園[17] 的研究結果一致。但與前人關于獼猴桃園[6] 和蘋果園[12] 果實膨大期的最低氣溫梯度差異結果不一致，其中，獼猴桃園日最低氣溫表現為冠層上部＞冠下＞冠層，蘋果園日最低氣溫則表現為冠層上部氣溫比冠層和冠下低?？梢钥闯?，最低氣溫的梯度差異可能與樹體高度、作物冠幅、群體結構等因素有關。此外，基于釀酒葡萄晚霜凍氣候指標，利用50 cm 最低氣溫判定的霜凍發生總日數偏多，霜凍程度偏重，低溫小時數偏多，這也就解釋了150 cm 常規預報的最低氣溫未達到霜凍指標，但田間調查發現釀酒葡萄出現受凍癥狀，也存在預報的霜凍等級較輕，實際霜凍發生等級較重，且越靠近地面受凍越嚴重的現象。

在果園生長層氣溫模擬方面，考慮到不同作物生長層高度不同，而生長層氣溫模擬對作物生長發育環境、病蟲害、高低溫災害判定十分必要。為深入了解作物田間小氣候特征，精確指導田間管理及災害防御等工作，國內學者針對獼猴桃、蘋果、小麥、水稻等作物建立了作物冠層氣溫反演模型。張維敏等[6] 基于氣象站氣溫建立了獼猴桃果實膨大期和休眠期分天氣類型的冠層日最高、日最低氣溫，以及不分時段不分天氣類型冠層高低溫一元線性預測模型。屈振江等[28] 針對不同樹形和樹齡的蘋果園建立了基于氣象站溫度的果園樹冠下部溫度預測模型。王鵬新等[29] 基于WOSTSHAW耦合模型對冬小麥冠層氣溫進行模擬，為冬小麥晚霜凍害的監測提供了數據參考。郭建茂等[30] 提出了基于臺站氣溫推算稻田溫度的方法，分別建立了晝夜時段臺站與稻田冠層及稻田中部溫度的模擬模型，為水稻高溫熱害的預報提供參考。晚霜凍作為影響賀蘭山東麓釀酒葡萄生產最主要的氣象災害之一，為解決因氣溫梯度存在差異而造成的霜凍預報偏差問題，本研究基于150cm日最低氣溫建立了分產區、分酒莊以及不分產區不分酒莊的春季釀酒葡萄植株生長層最低氣溫線性擬合模型，擬合效果整體較好，可用來提高霜凍預報的準確性。

本研究存在如下局限，未深入分析地形、海拔、土壤質地對氣溫梯度造成的影響，也未細分不同霜凍類型條件下釀酒葡萄園的氣溫梯度差異。植株生長層氣溫擬合模型采用傳統的線性擬合，雖然模型對觀測數據有較好的可解釋性，但精度仍有提升的空間。未來可結合循環神經網絡（RNN）預測模型等開展最低氣溫時間序列預測模型研究。此外，由于受到人工防霜措施等的影響，在凌晨降溫階段反而會出現氣溫突然回升的現象，這給建模增加了許多不確定性，未來還需要考慮在模型中加入人為干預因子，從而使預測模型能更好地滿足實際霜凍防御工作的需要，不斷提高霜凍預報預警能力，保證釀酒葡萄安全生產，筑牢氣象防災減災第一道防線。