中国南方设施番茄高温热害风险区划

郑艳姣 杨再强2)* 王 琳 杨世琼

1)(南京信息工程大学气象灾害预报预警与评估协同创新中心， 南京 210044) 2)(南京信息工程大学滨江学院， 无锡 214000)

引 言

番茄是全球第二大蔬菜作物，1988—2017年世界番茄产量由6.4×107t增长到1.82×108t，占世界蔬菜产量的15%以上[1]。1995年以来，中国番茄产量逐渐增加并一跃成为世界番茄第一生产国，2017年种植面积和生产总量分别达到1.09×106hm2和6.0×107t[2]。番茄已成为中国设施蔬菜的主要农作物之一[3]，2015年中国设施番茄播种面积达8.1×105hm2[4]，完全实现周年生产、周年供应，极大满足了冬春季节番茄市场的需求。但随着温室效应的加剧，全球气候持续升高[5-7]，农业气象灾害频发，塑料大棚内高温灾害更是屡见不鲜，在缺乏气象保障的条件下，给设施番茄经济和农民生活带来极大的损失[8]。

番茄喜温但不耐热，最适宜温度为18.3～32.2℃[9]，高于35℃生长缓慢，超过40℃停止生长[10]。在设施番茄周年生产中，由于塑料薄膜只能透过短波辐射而不能透过长波辐射致使设施内相比于露地种植增温效果更明显[11]，中国南方大多属于亚热带季风气候区，春夏温度高，辐射强，导致室内温度比室外高20～30℃[12]，加上设施内环境调控能力差、管理水平低等因素[13]，导致南方塑料大棚高温气象灾害频发。

国内外学者对设施番茄高温灾害的研究主要包括高温对设施番茄生长发育、生理代谢的影响等。高温对设施番茄的影响研究大多基于控制试验，通过人工控制高温强度和持续时间，对番茄生理代谢[14-15]、生长发育[16-17]、产量以及果实品质[18-19]等方面的研究，揭示不同高温强度及持续时间对番茄生长发育及产量品质的影响。番茄的高温区划是番茄生产的基础，但相关研究报道较少。喻树龙等[20]、季芬[21]和张波等[22]通过对气象因子与产量进行回归分析，筛选出关键气象因子对番茄生产进行区划。但由于影响产量的因素多且产量数据不易获取导致该方法的局限性较强。随着研究的深入，有学者利用植株生理生化指标建立灾害指标。王尚明等[23]、彭晓丹等[24]、肖芳[25]通过人工控制试验观测植物生理变化及形态指标，分析并得出设施黄瓜、葡萄等气象灾害指标。总体上，目前适用于中国南方设施番茄高温热害等级指标及高温区划鲜见报道。

本文以中国南方设施番茄为研究对象，利用气象站点资料、塑料大棚小气候实测资料，基于BP神经网络模拟南方塑料大棚室内日最高气温，结合高温控制试验资料，采用相关性分析和主成分分析等方法，构建适用于中国南方设施番茄高温热害等级指标体系，并在此基础上开展设施番茄高温热害风险性区划，为中国南方设施番茄高温防灾减灾气象服务、灾害保险提供基础支撑。

1 资料与方法

1.1 研究区域概况

研究区域为中国南方的江苏、安徽、上海、浙江、福建、江西、湖北、湖南、重庆、贵州、四川、云南、广西和广东14个省市(图1)，地理范围为21°～35°N，97°～123°E，该区域以热带、亚热带季风气候为主，夏季炎热，最热月平均气温在22℃以上。江苏、浙江、福建、广西、云南、四川是南方设施番茄的主产区，其中浙江拥有我国最大的设施番茄产区，2019年浙江苍南全县番茄种植面积为2.7×103hm2，总产量为2.15×105t，总产值达10亿元。

图1 研究区及气象站点分布Fig.1 Distribution of target area and meteorological stations

1.2 资料来源

1.2.1 气象资料

气象资料来自国家气象信息中心，包括1990—2019年3—9月359个气象站点逐日平均气温、日最低气温、日最高气温、日平均相对湿度、日照时数、平均风速等。当缺测资料较少时用前后两日平均值代替，较多时直接剔除该年资料。气象站点资料用于输入BP神经网络模拟室内小气候。

1.2.2 塑料大棚内气象资料

室内小气候资料为自江苏、上海、浙江和福建塑料大棚内距离地面1.5 m高度3—9月的逐时气温(表1)。大棚内气象要素采集器设置在大棚的中间位置，进行24 h连续观测，每小时采集1次，自动存储在采集器中。本文选取1809 d有效资料用于模型的构建与验证。

表1 小气候资料来源Table 1 Sources of microclimate data

1.2.3 高温控制试验资料

试验以金粉五号番茄品种为试验材料，于2017年2—9月在南京信息工程大学农业气象试验站连栋温室(Venlo型)和智能人工气候箱(TPG1260,Australian)内进行，温室顶高为5.0 m，肩高为4.5 m，宽为9.6 m，长为30.0 m，南北走向。将三叶一心的番茄苗移栽至28 cm(高)×34 cm(上口径)×18 cm(底径)的花盆中。盆栽土壤中有机碳、氮、速效磷、速效钾含量分别为11600，1190，29.34 mg·kg-1和94.23 mg·kg-1，pH值为6.8。缓苗10 d后再移至人工气候室中进行高温控制试验。参考韦婷婷等[26]对南京地区玻璃温室内夏季逐时温度的模拟，结合苗期设施番茄叶片半致死温度(41.8℃)设置人工气候室内日逐时温度。高温胁迫水平日最高气温设置为38℃，41℃和44℃，高温持续时间设置为3 d，6 d，9 d和12 d，以28℃为对照。人工气候室内夜间最低温设置为18℃，白天空气相对湿度设置为50%，夜间为90%，光周期为12 h，06:00—18:00(北京时)光合有效辐射为1000 μmol·m-2·s-1，其余时段为0。试验结束后将番茄苗放置于玻璃温室中，对番茄苗的光合特性参数(叶片净光合速率(Pn)、光饱和点(Slp)、光补偿点(Clp)、最大净光合速率(Pmax)、表观量子效率(Eaq)、气孔导度(Gs)、胞间CO2浓度(Ci)、气孔限制值(Ls)、叶片蒸腾速率(Tr)、水份利用效率(Ewu))，荧光特性参数(量子产额(φ)、综合性能指数(Pit)、光性能指数(Pia)、光系统Ⅱ(PSⅡ)最大量子效率(Ff)、单位面积吸收的光能(Ac)、单位面积的热耗散(Dc)、单位面积捕获的光能(Tc)、单位面积电子传递的量子产额(Ec))和衰老特性参数(叶绿素a(Cha)、叶绿素b(Chb)、超氧化物歧化酶(Sod)、过氧化物酶(Pod)、过氧化氢酶(Cat)、丙二醛(Mda))3个方面共24个指标进行采样测量，具体采样时间和方法参考文献[12,27]。

1.3 研究方法

1.3.1 BP神经网络

BP神经网络具有强大的学习能力及对非线性场的强拟合能力，常用于设施小气候模拟[26,28-31]，并取得较好效果。

计算实测的塑料大棚内日最高气温与大棚所在地同一时间的气象站点日平均气温、日最高气温、日最低气温、日平均相对湿度、风速及日照时数的相关性，确定塑料大棚内日最高气温与室外气象因子相关显著，均达到0.01显著性水平，说明室内日最高气温受室外6个气象因子影响显著。因此，将室外6个气象因子作为BP神经网络模型的输入参数，对室内日最高气温进行模拟。其中，输入层神经元为6个，隐含层神经元为9个，输出神经元为1个。第1层输入6个室外气象因子，第3层输出室内日最高气温，隐含层传递函数采用S型正切函数，输出层传递函数采用对数函数。为解决神经网络输入变量间量纲不一致问题，数据进行标准化处理。在模型计算过程中不断调节，确定最终相关参数：初始学习速率η=0.1，最大循环次数1000次，目标误差0.001。从样本数据中随机抽取25%的数据进行模型精度验证。

1.3.2 设施番茄高温胁迫指数

依据高温对设施番茄叶片的光合特性、叶绿素荧光特性以及抗衰老特性的不同程度影响[10,27]，采用相关性分析和主成分分析方法对不同高温处理下设施番茄叶片的24个指标进行分析和降维处理，依据文献[27,32]中高温高湿胁迫指数模型的构建方法，在主成分分析结果中选取贡献率高、能代表大部分信息的指标作为自变量构建南方设施番茄高温胁迫指数模型。高温胁迫指数公式如下：

IHS=

(1)

式(1)中，IHS表示为高温胁迫指数；a，b，c为权重系数；A，B，C，…为高温处理下的指标值；A′，B′，C′，…为对照处理下的指标值。为了方便统计，对照组IHS设为0，高温处理的IHS值越大，表明受灾程度越大。根据均值-标准差法将高温胁迫指数划分为不同的灾害等级，计算出不同处理下高温胁迫指数临界值所对应的温度(T)和持续时间(D)，以此为依据对南方359个气象站点模拟的1990—2019年室内日最高气温进行高温灾害等级划分。

1.3.3 设施番茄高温热害风险指数

高温热害风险性是指一定地理区域范围和时段内轻度、中度和重度高温发生的可能性，即给定区域内设施番茄发生高温热害的概率。参考前人研究结果[33-35]，设施番茄高温热害风险指数表征为

(2)

(3)

式(2)和式(3)中，Gi为该站点发生第i个等级高温热害的频率，ni为1990—2019年发生第i个等级高温热害的频数，N为所有站点发生各级高温热的总次数，Q为设施番茄高温热害风险指数，n为高温热害的等级数量(本文n=3)，Oi为第i个等级高温热害的强度。

本文基于GIS技术，利用IDW插值法、掩膜提取、栅格计算等方法，开展南方设施番茄高温热害综合风险区划。

2 结果与分析

2.1 模拟结果精度验证

对模型训练得到的塑料大棚室内日最高气温输出值进行反归一化处理订正，随机抽取25%的样本进行精度验证，结果如图2所示。由图2可以看到，大棚内日最高气温的实测值和训练值比较均匀地分布在1:1线附近，两者之间的决定系数为0.865。均方根误差为0.494℃，相对误差为5.481%，绝对误差为1.881℃，训练日最高气温与实测日最高气温一致性较好，说明模拟结果的精度能满足实际应用需要。

2.2 设施番茄高温热害等级划分

2.2.1 指标间相关性分析

本文计算不同高温处理的设施番茄叶片的24个指标的相关系数(图3)。由图3可知，不同高温处理的各指标之间存在相关性，说明不同指标之间存在联系。多数指标的相关系数绝对值为0.60～0.99。光合特性各指标之间相关性显著，相关系数绝对值为0.46～0.98，可认为光合特性各指标之间提供的共同信息量为46%～98%；荧光特性各指标之间大多亦呈显著正相关，相关系数绝对值为0.60～0.92，可认为荧光特性各指标之间提供的共同信息量为60%～92%；衰老特性各指标之间大多相关性不显著。光合特性与荧光特性各指标间大多显著正相关，说明光合特性强荧光特性也强。整体看，光合特性指标相关性最强，荧光特性指标其次，衰老特性指标最差。

图2 日最高气温的训练值与实测值Fig.2 Training and measured daily maximum temperature

图3 设施番茄高温处理后各指标间的相关系数Fig.3 Correlation coefficients of various indicators of greenhouse tomato after high temperature treatments

2.2.2 各指标间的主成分分析

为了系统研究高温热害对设施番茄叶片光合特性、荧光特性和衰老特性各指标的影响，测量的24个指标包含大量信息，且各指标间相关性强，不利于分析高温热害对设施番茄叶片生理生化特性的影响，不利于高温热害致灾指标的确定。本文引入主成分分析方法，对不同处理下的24个生理生化指标进行降维分析，在不过多丧失信息的前提下，尽可能减少指标数量，把多个指标转化为几个综合指标，便于进一步分析。

当累计方差贡献率达到85%以上时，认为已经涵盖绝大多数信息。本研究对高温处理后的24个指标进行主成分分析，前5个主成分的特征值均大于1，累计贡献率达91.822%，其特征向量见表2。虽然可以通过计算主成分分析结果的综合得分判定受灾程度，但需要将大部分指标作为输入参数，工作量大且难以推广应用，同时各指标间存在较强相关性。因此，需要对指标进一步筛选，以达到指标易测、工作量少、便于实际应用的效果。

由表2可见，第1主成分可表征57.595%的主要信息量，其中Pn，Pmax，Pit，Ff和Mda指标的系数绝对值最高。Pn表征植物叶片光合作用强弱和有机物的积累速率，易于测得，故选取该指标；Pmax可以表征植物的光合潜能大小，可与Pn同时测得，故选取该指标。Pit可进一步解释PSⅡ与光系统Ⅰ(PSⅠ)之间的电子传递能和PSⅠ的相关性能，故可选取该指标。Ff是PSⅡ最大光化学量子产量，反映PSⅡ反应中心内光能转换效率，是反映PSⅡ活性中心光能转化效率的重要参数，故该指标可选取。Mda的特征向量值绝对值(0.069)显著高于其他指标，该指标是植物逆境胁迫下细胞膜脂过氧化的主要产物，能有效反映保护酶系统的相应结果，可反应机体脂质过氧化的程度，间接反映出细胞损伤程度，且该指标与其他处理显著性较好(图3)，故可选取该指标。第2主成分中Dc和Ac指标的特征向量值最大，二者均表征叶片荧光特性，与Pit和Ff表征信息重叠，故不选取。因此，综合考虑指标间的相关性、主成分分析贡献率与特征向量、指标测定的难易程度以及指标的生物学意义，筛选得到Pn，Pmax，Pit，Ff和Mda共5个指标用于构建设施番茄高温胁迫指数。

2.2.3 高温热害等级划分

本文再次对Pn，Pmax，Pit，Ff和Mda共5个生理生化指标进行主成分分析，根据总方差贡献率和特征向量值，得到每个指标的权重系数分别为0.206，0.209，0.208，0.203和0.212。将各处理指标及其权重系数带入式(1)，得到各处理下高温胁迫指数(表3)。高温胁迫处理下IHS为0.157～0.621，IHS越大表示其受高温胁迫的程度越大。在相同温度处理下，随着处理持续时间的延长IHS越大，最大值出现在44℃高温处理12 d，最小值出现在38℃处理3 d。相同的处理持续日数下，随着温度升高，IHS越大，高温胁迫强度增加。

表2 高温处理下各指标主成分分析特征向量Table 2 The first 5 eigenvectors of principal component analysis of each index after high temperature treatments

结合表3及设施番茄苗生长状况，采用均值-标准差法将高温热害胁迫指数划分为3个等级，轻度(0.10.396)，计算不同处理时间下高温胁迫指数临界值对应的温度和持续时间(表4)。

表3 不同处理下IHS值Table 3 IHS under different treatments

表4 设施番茄高温热害等级划分Table 4 Classification of high temperature and heat damage of greenhouse tomato

2.3 高温热害风险区划

2.3.1 高温热害发生频率的时间变化

基于气象资料，利用BP神经网络模拟室内日最高气温，结合已构建的设施番茄高温热害等级划分指标，计算1990—2019年359个站点设施番茄轻度、中度和重度高温灾害频率(图4)。由图4可见，1990—2019年轻度热害发生频率平均值为0.687，增加趋势不显著(未达到0.05显著性水平)，年平均增长率为0.0002，年际变异系数为0.032，说明轻度热害发生频率年际波动较大；2015年发生频率最高，为0.726；2006年发生频率最少，为0.626。1990—2019年中度热害发生频率平均值为0.210，减少趋势不显著(未达到0.05显著性水平)，年平均减少率为0.0004，发生频率年际波动较大，年际变异系数为0.063； 2005年中度热害发生频率最高，为0.234，2008年发生频率最少，为0.180。1990—2019年重度热害发生频率平均值为0.103，整体趋势较稳定，年平均增长率为0.0002，年际变异系数为0.154，说明年际波动很大；2006年发生频率最高，为0.147， 1993年发生频率最少，为0.072。总体上，各等级高温热害发生频率变化趋势均不显著(未达到0.05显著性水平)，且年际波动较大。

图4 设施番茄不同等级高温热害发生频率Fig.4 Frequency of different grades of high temperature and heat damage for greenhouse tomato

2.3.2 高温热害风险的空间分布与变化

在不同等级设施番茄高温热害发生概率和灾害强度基础上，计算各站点设施番茄高温热害风险指数，利用ArcGIS的空间分析模块，选用反距离权重法对灾害风险指数进行空间插值，研究中国南方设施番茄高温热害风险分布情况(图5)。由图5可见，自20世纪90年代以来，我国南方设施番茄高温热害风险指数在空间上呈自南向北逐渐减小的趋势。从南方设施番茄高温热害年代际风险性看，20世纪90年代南方设施番茄高温热害风险指数区域平均值为1.573，高值区集中分布在广东和广西东部，风险指数超过2.8，为南方设施番茄高温热害高风险区；低值区主要分布在四川东西部以及云南东部和西部地区，风险指数低于0.8，属于设施番茄高温热害低风险区。进入21世纪，南方设施番茄高温热害风险指数有所降低，区域平均值为1.556，高值区范围较20世纪90年代急剧缩小，仅零星分布；次高值区面积急剧扩大，向北延伸至安徽省；低值区同样分布在西部地区。21世纪10年代，南方设施番茄高温热害风险指数比21世纪初有所增加，区域平均值为1.559，高值区依然集中分布在广东和广西，但高风险区域面积有所增加，向北部和东部延伸至福建南部；低值区同样主要分布在西部。由图5的1990—2019年平均风险性指数可知，广东西部和东部、广西东部和西部以及云南北部、中部和南部为设施番茄高温热害高风险区；高风险区的外围区域，如湖南南部、广西大部、广东中北部、江西南部以及福建等为设施番茄高温热害次高风险区；湖南中北部、江西北部、浙江、安徽、湖北、重庆等地区为设施番茄高温热害中度风险区；其他区域为设施番茄高温热害低风险区。

图5 设施番茄高温热害风险指数空间分布Fig.5 The risk index of high temperature and heat damage for greenhouse tomato

3 结论和讨论

本文以中国南方设施番茄为研究对象，在模拟温室大棚日最高气温基础上，选取灾害指标，构建适用于中国南方设施番茄的高温热害等级指标，并开展设施番茄高温热害风险性区划，主要结论如下：

1) 通过对设施番茄高温处理下光合特性指标、荧光特性指标以及衰老特性指标共24个指标进行相关性分析和主成分分析，筛选出Pn，Pmax，Pit，Ff和Mda共5个指标构建高温胁迫指数模型。依据高温热害胁迫指数等级：轻度(0.10.396)计算出高温热害灾害指标。

2) 1990—2019年轻度热害发生频率为0.626～0.726，平均值为0.687，增加趋势不显著，平均年增长率为0.0002；中度热害发生频率为0.180～0.234，平均值为0.210，减少趋势不显著，年际波动较大；重度热害发生频率为0.072～0.147，平均值为0.103，增加趋势不显著，年际波动很大。总体上，各等级高温热害发生频率变化趋势均不显著，且年际波动较大。

3) 南方设施番茄高温热害高风险区主要分布在广东西部和东部、广西东部和西部以及云南北部、中部和南部；次高风险区位于高风险区的外围，如湖南南部、广西大部、广东中北部、江西南部以及福建等；中度风险区在湖南中北部、江西北部、浙江、安徽、湖北、重庆等地区为设施番茄高温热害；其他区域为低风险区。

本研究局限性主要体现在以下几个方面：①在小气候模拟方面，本文利用BP神经网络模拟出1990—2019年3—9月南方塑料大棚日最高气温，气温模拟的精度直接影响最终的结果。BP神经网络具有局部微调性强、局部模拟最优，但模拟精度依赖初始值质量，因此今后要改进神经网络模型，调整参数，提高模拟精度，收集并使用更多时间段、更多站点的温室小气候数据，以提高模型初始值的精度。②在模型精度验证方面，本研究仅利用南方典型区域温室观测设施内外气象资料建模和精度验证，今后可利用其他省份资料对模型精度进行检验，或分区建模，以提高设施内最高气温的模拟精度。③在影响春夏南方设施番茄生长发育的气象条件方面，本文仅考虑气温影响，实际农业生产过程中是多种因素共同影响设施番茄的长势、产量及品质，如室内空气相对湿度。我国南方属于亚热带季风气候，雨热同期，夏季多降水[36-39]，塑料大棚平时大多处于封闭状态，通风性差，导致室内空气相对湿度常在80%以上，不利于植物蒸腾，但空气湿度可在一定程度上缓解因温度过高导致设施番茄植株伤害，因此，在构建南方设施番茄高温胁迫指数模型中,引入空气相对湿度指标有助于提高南方设施番茄高温热害风险区划评估的准确性。