Simulation analysis on phenology of woody plants in the warm-temperate region of China
-
摘要:目的 植物物候能指示自然环境中的气象和水文变化。采用SW模型模拟木本植物的物候期，分析SW模型的有效性和适用性；结合植物生物学特性分析SW模型模拟效果差异产生的原因，为今后物候模型及物候期研究提供基础。方法 基于沈阳、北京、西安、洛阳等10个站点观测的地面物候数据（叶芽开放期、展叶始期、开花始期和叶变色期）与气象数据，利用模拟退火法对SW模型的参数进行了估计，并对模型进行内部检验及交叉检验，评价模型的准确度及适用性。结果 研究区域各地近50年的气温呈上升趋势。除洛阳、德州外其余地点春季物候期均为显著提前趋势。其中，泰安的紫薇开花始期提前最为显著，以每10年−4.96 d的速度提前，北京的银杏叶芽开放期提前趋势最不显著，以每10年−0.72 d速度提前。秋季叶变色期表现为推迟，秦皇岛紫薇叶变色期以每10年1.05 d速度推迟，北京地区植物叶变色期以每10年0.12 ~ 0.49 d的速度推迟。SW模型对春季物候期模拟效果优于对秋季物候期的模拟，且乔木模拟效果略优于灌木。该模型对加拿大杨展叶始期模拟最为准确，决定系数（R2）为0.958，均方根误差（RMSE）为3.5 d；灌木中对紫丁香开花始期模拟效果最优，其R2为0.942，RMSE为3.6 d。与春季物候期模拟相比，秋季叶变色期的模拟偏差较大，R2仅为0.030 ~ 0.574。结论 在过去的50年内，随着温度的升高，多数站点春季物候期表现出提前趋势，秋季物候期则表现为推迟，在物种间和区域间的变化存在差异。SW模型适用于不同生活型物种的物候期模拟且模拟效果差异不显著；该模型对不同物候期的模拟效果不同，其中展叶始期和开花始期的模拟最为准确，其次是叶芽开放期，叶变色期模拟准确度则最低。这表明仅考虑温度因子的SW模型不能真实模拟秋季物候期，应耦合光周期和降水等因子改进模型，以提高模型模拟的准确度。Abstract:Objective Under the global warming, the study of phenology is critical in carbon cycle of the terrestrial ecosystem. Phenology is sensitive to climate change, therefore climatic warming is one of the main factors impacting spring and autumn phenological phases. Simulating spring phenological phase had got some similar conclusions, while the leaf coloring date still needs to be explored. This study will contribute to develop phenology model and the study on phenological phase.Method In this study, we used 10 species in 10 sites to examine the phenological data (leaf bud opening date, leaf out date, first flowering date and leaf coloring date) and meteorological data, and evaluated the accuracy and applicability of spring warming (SW) model. The changing trends of temperature and phenology were analyzed. In addition, the error between the simulated and observed phenological information from the biological characteristics of plants was explored. Based on the observed phenological and meteorological data, the parameters of SW model were estimated. Internal and cross checks were used to assess the validity of SW model.Result During the past 50 years, temperature of all sites showed an upward trend. Except for Luoyang site in Henan Province of northern China and Dezhou site in Shandong Province of eastern China, spring phenological phase advanced significantly in other sites. Especially, the first flowering date of Lagerstroemia indica in Tai’an of Shandong Province advanced most significantly at a speed of −4.96 d per decade. In Beijing, the leaf bud opening date of Ginkgo biloba advanced least significantly by −0.72 d per decade. In autumn, the leaf coloring date delayed, and it delayed at a speed of 0.12 to 0.49 d per decade in Beijing region. In Qinhuangdao, Hebei Province of northern China, the leaf coloring date of Lagerstroemia indica delayed by 1.05 d per decade. Model performance was assessed according to the root mean square error (RMSE) and the coefficient of determination (R2). SW model performed better in simulating spring phenological phase than simulating autumn phenological phase, simulating arbor better than shrubs. Among trees, the simulation on leaf out date of Populus canadensis was most accurate, with R2 of 0.958 and RMSE of 3.5 d. Among shrubs, the simulation effect on first flowering date of Syringa oblata was best, with R2 of 0.942 and RMSE of 3.6 d. Compared with simulation on spring phenological phase, the simulation on leaf coloring date in autumn had a large deviation, with R2 only of 0.030 to 0.574.Conclusion In the past 50 years, with the increase of temperature, the spring phenological phase in most sites showed an advanced trend, whereas the autumn phenological phase showed a delayed trend, and there were some differences among species and sites. SW model is suitable for simulation on phenological phase of different life forms, and the difference of simulation effect is not significant. The simulation effects of SW model on varied phenological phases were different, among which, the simulation on leaf out date and first flowering date was most accurate, followed by leaf bud opening date, and the accuracy of simulating leaf coloring date was least. Therefore, the SW model considering only the temperature factor can not truly simulate the autumn phenological phase, and the model should be improved by coupling the factors such as photoperiod and precipitation to improve the accuracy of SW model simulation.
-
Keywords:
- SW model /
- woody plant /
- spring phenological phase /
- autumn phenological phase
-
防浪林是种植于堤防迎水侧滩地上用于防浪护堤和抢险取材的专用林，既可以保持水土、调节气候、促进林业经济发展，又可以防浪消能、延长堤防寿命和减少堤防的维护费用，是堤防工程的重要组成部分[1-2]。目前我国各大江河堤岸的重要河段均种植了防浪林，且根据不同河段的实际情况，实施了不同的防浪林建设方案。物理模型实验是研究防浪林消浪机理的一个有效手段，对科学提出防浪林优化布局以及如何营造防浪林工程有重要理论指导意义和实用价值。目前已有很多学者进行了相关的物理实验研究。何飞等[3]在考虑植物根、茎、叶影响下设计水槽实验探究刚性植物的消浪特性，认为根、茎、叶均在不同程度上影响植物消浪特性。陈杰等[4]在研究刚性植物根、茎、叶对植物消波特性的影响中得出植物消波特性与植物淹没度有关，根、茎、叶的存在增加了植物拖曳力系数。陈杰等[5]还通过物理实验研究了规则波通过非淹没刚性植物波高的沿程变化，实验结果表明相比于矩形分布方式，三角形的分布方式消耗了更多的波能，消浪效果更明显。
以上相关的物理实验研究主要是针对植被本身的特性以及排列方式对消浪效果的影响，缺乏对林带宽度、植被密度、滩地波高等因素的考虑，以及不规则波条件下植被对消浪效果的影响。
本文以嫩江干流佰大街堤防为例，选取防浪林林带宽度、排列方式、密度、树型以及滩地波高作为影响因素，采用控制变量法，通过构建防浪林消浪物理模型研究其对消浪效果的影响，并提出合理的防浪林优化设计方案。
1. 研究区概况
嫩江干流佰大街堤防位于黑龙江省齐齐哈尔市泰来县境内，自汤池镇愚公堤经佰大街村至李地房子，堤防分为上、中、下3段，全长6.70 km。原佰大街堤上下段中间为高地相连，后因村民在高地附近修建民房，不断从高地取土，导致现有高地地面高程减少，最低处地面高程141.5 m，远低于此处河道50年一遇洪水位144 m，造成了防洪缺口。现状堤防属于扩建砂堤，筑堤土料比较松散，抗冲刷能力较弱，容易产生流土、管涌等现象。嫩江该河段高水位时，水面宽阔，堤前滩地现有防浪林1.0 km，多为5 ~ 8年生的杨树（Populus spp.）和少量柳树（Salix spp.）。预计规划新建防浪林10 km。该段堤防防洪标准目前仅为30 ~ 35年一遇。佰大街堤防如图1所示。
2. 物理模型设计
2.1 模型比尺确定
模型比尺的确定主要依据实验条件、波浪要素、造波机性能等因素，并综合考虑比尺效应带来的误差影响等。已有的物理模型实验研究中，王瑞雪[6]选择几何比尺1∶20，在长40 m× 宽0.5 m × 高0.8 m 的水槽中进行非刚性植物对波浪传播变形影响的实验研究；吉红香[7]选择几何比尺为1∶10，在长66 m × 宽1.0 m × 高1.6 m的水槽中研究滩地植物对波浪变形及消浪效果的影响。
本实验是在不规则波浪水槽中进行。为了消除比尺效应，更好的模拟嫩江干流防浪林的消浪效果，依据实际条件下防浪林的植被生长能力、波浪要素以及现有实验设备条件，结合实验方案的设计，对比造波机实际可造波周期，依照周期比例确定模型几何比尺，并根据重力相似准则确定时间比尺，最终确定本模型采用的比尺为1∶10。其中比尺确定公式[8]如（1）所示。
λ=lmlp,λt=λ−1/2,λf=λ1/2λu=λ−1/2,λF=λ−3,λQ=λ−5/2 (1) 式中：
λ 为模型长度比尺；lp 为原型长度；lm 为模型长度；λt 为时间比尺；λf 为频率比尺；λu 为速度比尺；λF 为力比尺；λQ 为流量比尺。2.2 实验方案与依据
关于植被消浪的物理模型实验设计方面，白玉川等[9]用裁减的桧柏（Sabina chinensis）枝模拟防浪林，研究了非破碎波条件下的防浪林消浪效果。胡嵋等[10]对于在堤岸上栽种植被消浪这一新的护岸工程，选取桧柏树枝作为防浪林的模型，择选出对消浪护岸具有主要影响的因素。王瑞雪[6]用PVC塑料圆管来模拟刚性植物树干进行波浪水槽物理模型实验。吴迪等[11]和曹海锦等[12]也分别利用聚乙烯仿真绿色植物模拟柔性植物进行柔性植物消浪及沿程阻流特性实验研究。通过不同的研究可以发现影响消浪效果的主要因素为防浪林林带宽度、排列方式、种植密度、林木高度等。
针对不同的实际条件，物理模型的设计方案有一定的差异，需根据实际情况和需要来设计实验方案。本实验根据嫩江干流的实际条件及水文资料，推算佰大街堤防典型断面的多年一遇水位高程及波要素极值，对比分析不同条件下波浪沿程衰减的变化。由于防浪林消浪效果的影响因素较多，因而本模型实验采用控制单因素变量法，得出各因素对消浪效果的影响。本实验中设计的主要对比方案有：不同的防浪林林带宽度、不同的防浪林排列方式、不同的防浪林密度、不同树型的防浪林、以及不同的来波波高等的消浪实验方案。分析不同实验方案条件下的消浪效果，提出该段的防浪林优化布局方案。
根据研究区实际防浪林植被的外形参数，包括树高、树干直径、树冠直径、树冠以下树干高度等，按照比尺计算模型树的外形参数，根据所需材料的尺寸对模型树进行修剪和黏合，植物树干采用圆形木棒模拟，植物树冠部分采用塑料仿真枝叶模拟，由此制作合适的模型树，如图2所示。
同时，为更好的定量分析防浪林消浪机理，定义
q 为防浪林植被消浪系数：q=(h−h′)/h (2) 式中：
h 为无防浪林的波高，h′ 为经过防浪林消波后的波高。2.3 实验断面和波要素的选取
佰大街断面50年一遇洪水条件下滩地平均水深为2.83 m，此时防浪林处于部分淹没状态。依据该断面多年一遇水位及波浪要素值的推算结果中50年一遇的波要素，得出该堤段波浪周期在2 ~ 4 s之间，平均波高在0.1 ~ 0.6 m之间。根据《海港水文规范》推算出相应的1/10大波（规则波）波高，Hs（不规则波）有效波高，分别进行了规则波和不规则波消浪效果的模拟实验，实验波要素分别为1/10波高1.16 m、有效波高0.91 m、平均波高0.57 m、平均周期3.01 m。此外，为进一步研究不同波要素条件下防浪林消浪效果的差异，选取了1.1倍和0.9倍50年一遇波高条件进行对比实验。
2.4 实验设备及布置
本实验是在河海大学海岸工程实验大厅70 m长的不规则波浪水槽中进行，水槽宽1.0 m，高1.8 m，有效实验段宽1 m。水槽一端安装了推板式不规则生波机，通过电机系统控制推波板运动行程和频率[13]。数字波高仪采用YWS200-XX型，波高采集系统采用水工试验数据采集处理系统（DJ800型），精度为0.01 cm。所有量测信号均通过计算机采集、记录和分析，能模拟最大波高0.3 m、波周期0.5 ~ 5 s的不规则波，具备研究不规则波作用下的各种动力响应机制及波浪与建筑物相互作用关键技术和理论问题的能力。水槽底部铺设灰色混凝板，在灰塑料板上打孔用以固定植物模型。水槽左侧为造波机，波高传感器两个，分别布设在防浪林模型前后，采集波高的变化。最右侧为消波层，能够有效地吸收尾波的波能，避免波浪的反射对实验造成干扰（实验布置和实验实景图分别如图3和图4所示）。
3. 防浪林消浪机理物理实验结果分析
3.1 不同防浪林林带宽度和防浪林排列方式的消浪结果
根据实验方案，进行了佰大街断面在不同排列方式（等边三角形、正方形及梅花形，如图5 ~ 7所示）条件下的消浪实验。由于模型比尺为1∶10，因此根据佰大街的种植现状，确定实验室条件下的防浪林植被密度为17株/m2，树干直径为0.7 cm，树干高度为16 cm，树冠直径为13 cm，树冠为高度8 cm。规则波和不规则波条件下的实验结果分别如图8和图9所示。
![]()
图 8 不同排列方式规则波沿程消浪系数Figure 8. Regular wave dissipation coefficient along the path of different arrangements![]()
图 9 不同排列方式不规则波沿程消浪系数Figure 9. Irregular wave dissipation coefficient along the path of different arrangements对比不同的防浪林排列方式下防浪林的消浪效果，可见在规则波条件下，当林带宽度在40 m以上时，等边三角形和梅花形排列的防浪林要明显优于正方形排列；在不规则波条件下，当林带宽度在40 m以上时，等边三角形和正方形排列的防浪林要明显优于梅花形排列。因此，等边三角形排列方式相对较优。这与陈杰等[5]通过物理实验研究规则波通过非淹没刚性植物波高的沿程变化中得出三角形分布方式消浪效果最明显的结论一致。对比相同防浪林林带宽度下的规则波和不规则的消浪效果，可以发现规则波条件下防浪林的消浪系数较大，但两者差距较小。而实际条件下的波浪为不规则波，因而不规则波的消浪系数更为接近实际条件。
同时，还可以发现，不管是规则波还是不规则波条件下，随着林带宽度增加到30 m以后，防浪林的消浪系数对于林带宽度的敏感度降低，此时消浪效果提升空间很小。
3.2 不同密度的防浪林消浪效果
根据实验方案，进行了在不同密度的防浪林（实验室条件下8株/m2，17株/m2，27株/m2）条件下的消浪实验。其中实验室条件下树型为，树干直径0.7 cm，树干高度16 cm，树冠直径13 cm，树冠高度8 m。采用不规则波，实验结果如图10所示。
![]()
图 10 不同密度不规则波沿程消浪系数Figure 10. Irregular wave dissipation coefficient along the path of different densities对比不同密度的防浪林的消浪效果，可以发现，当防浪林林带宽度为10 m时，不同密度的防浪林消浪效果差别不大，均为8%左右；当防浪林林带宽度大于10 m时，防浪林的消浪效果随着密度的增加而增加，密度27株/m2比密度8株/m2的消浪系数大5%到10%。但过高的密度会影响防浪林树木的正常生长，而且种植成本较高。可见，当林带宽度为40 m，排列方式为等边三角形时，0.17株/m2（原型条件）是较为经济合理的植被密度方案。此时，当防浪林林带宽度进一步增大50 m时，防浪林的消浪系数仅增加3.04%。
3.3 不同树型的防浪林消浪效果
根据实地测量，选取了4种树型作为树干和树冠条件的组合，如表1所示，采用相对较优的等边三角形排列方式，实验室条件下防浪林密度为17株/m2。规则波和不规则波条件下的模型实验结果分别如图11和图12所示。
表 1 树型尺寸Table 1. Tree size项目
Item树型1
Tree type 1树型2
Tree type 2树型3
Tree type 3树型4
Tree type 4树干高度
Trunk height/m0.26 0.26 0.26 0.16 树干半径
Trunk radius/m0.025 0.015 0.015 0.007 树冠高度
Crown height/m0.35 0.35 0.35 0.08 树冠直径
Crown radius/m0.25 0.25 0.17 0.13 ![]()
图 11 不同树型规则波沿程消浪系数Figure 11. Regular wave dissipation coefficient along the path of different tree types![]()
图 12 不同树型不规则波沿程消浪系数Figure 12. Irregularwave dissipation coefficient along the path of different tree types由以上结果可见，不同树型的消浪效果有着明显的差异。树型1（成年树）树干较粗，树冠较为茂密，茂密的根、茎、叶存在增加了植物拖曳力系数，因而消浪能力显著，规则波条件下，20 m宽的防浪林其消浪系数即达60%左右，50 m宽防浪林的消浪系数可达到80%以上。
树型2相对树型1的差别为树干半径较小，由消浪实验结果可见，树干的粗细对消浪效果的影响较小。树型3的消浪系数要小于树型2。而树型4（幼树）的消浪效果明显小于树型1、树型2和树型3。可见，不同防浪林树型对同一断面条件下的消浪效果有着重要的影响，对比其消浪系数可知，树冠的消浪作用要明显强于树干，因而在防浪林方案设计时，需考虑采用树冠消浪为主的方法。
3.4 不同来波波高影响下消浪效果
根据实验方案，进行了在不同来波波高（1.1倍50年一遇波高、50年一遇波高、0.9倍50年一遇波高）条件下的消浪实验。采用相对较优的等边三角形排列方式，实验室条件下，树干直径0.7 cm，树干高度16 cm，树冠直径13 cm，树冠高度8 cm。规则波和不规则波条件下的模型实验结果分别如图13和图14所示。
![]()
图 13 不同波高规则波沿程消浪系数Figure 13. Regular wave dissipation coefficient along the path of different wave heights![]()
图 14 不同波高不规则波沿程消浪系数Figure 14. Irregular wave dissipation coefficient along the path of different wave heights由图13和图14可见，不同波高条件下的消浪效果有所差异，但差异较小，且不规则波的消浪系数变化更为稳定。波高越大，消浪效果越好。
4. 结 论
嫩江干流佰大街堤防段，在合理的防浪林树型条件下，等边三角形排列的防浪林要优于梅花形和正方形排列方式；密度的增加对防浪林消浪效果有着一定的提高，但过高的密度会影响防浪林树木的正常生长；不同树型对不同断面条件的消浪效果有着重要的影响，且树冠的消浪作用要明显强于树干。不同波高条件下的消浪效果有所差异，但差异较小，且不规则波的消浪系数变化更为稳定。
-
![]()
图 2 1964—2014年各站点年平均气温变化趋势
实心点表示年平均气温，虚线为年平均气温的回归线。Solid dots represent the annual average temperature, the dotted line is the regression line of annual average temperature.
Figure 2. Changing trends of annual average temperature in each site during 1964−2014
![]()
图 3 不同物候站点物候期的变化趋势
纵坐标数值表示每10年物候期变化天数，正数表示延迟，负数表示提前。LOD. 叶芽开放期；LUD. 展叶始期；FLD. 开花始期；LCD. 叶变色期。*，**，***分别代表P < 0.05, P < 0.01, P < 0.001。下同。Ordinate values mean variation days of phenological phase in every 10 years, positive number means phenological phase delayed, and negative number means phenological phase advanced. LOD, leaf bud opening date; LUD, leaf out date; FLD, first flowering date; LCD, leaf coloring date. *, **, *** represent P < 0.05, P < 0.01, P < 0.001, respectively. Same as below.
Figure 3. Changing trends of phenological phase at different phenological sites
![]()
图 4 SW 模型模拟乔木物候期模拟值与实测值对比
●为内部检验，使用站点奇数年的数据，▲为交叉检验，使用站点偶数年的数据， ---为1∶1线 。● means internal check, using the odd-year data of sites; ▲ means cross check, using the even-year data of sites. ---- is 1∶1 line.
Figure 4. Comparison between simulated and measured values of arbor phenological phase simulated by SW model
![]()
图 5 SW 模型模拟灌木物候期模拟值与实测值对比
●为内部检验，使用站点奇数年的数据，▲为交叉检验，使用站点偶数年的数据， ---为1∶1线 。● means internal check, using the odd-year data of sites; ▲ means cross check, using the even-year data of sites. ---- is 1∶1 line.
Figure 5. Comparison between simulated and measured values of shrub phenological phase simulated by SW model
表 1 物候观测站点资料
Table 1 Information of phenological observation sites
站点 Site 观测年份 Observation year 物种 Species 沈阳
Shenyang1966、1967、
1974—1984、
2003—2008加拿大杨 Populus canadensis、
银杏 Ginkgo biloba、
紫丁香 Syringa oblata1964、1967、1968、
1978—1983、
2003—2008榆树 Ulmus pumila 承德
Chengde1964—1966、
1974—1986、
1990—1995加拿大杨 Populus canadensis 1986—1996 臭椿 Ailanthus altissima 1964—1966、
1980—1996珍珠梅 Sorbaria sorbifolia、
紫丁香 Syringa oblata秦皇岛
Qinhuangdao1980—1993 臭椿 Ailanthus altissima、
国槐 Sophora japonica、
银杏 Ginkgo biloba、
紫丁香 Syringa oblata1986—1989、1993 珍珠梅 Sorbaria sorbifolia 1984、1986—1989、
1993紫薇 Lagerstroemia indica 盖州
Gaizhou1979—1996 榆树 Ulmus pumila、
臭椿 Ailanthus altissima、
紫丁香 Syringa oblata、
紫薇 Lagerstroemia indica北京
Beijing1963—1968、
1972—1997、
2001—2008榆树 Ulmus pumila、
牡丹 Paeonia suffruticosa、
紫丁香 Syringa oblata1973—1988、
1991、1997、
2001—2008银杏 Ginkgo biloba 保定
Baoding1986—1993、
2007—2008合欢 Albizia julibrissin、
紫薇 Lagerstroemia indica1986—1993 加拿大杨 Populus canadensis、
珍珠梅 Sorbaria sorbifolia德州
Dezhou1966—1968、
1972—1977、
1982—1987合欢 Albizia julibrissin 1972—1977、
1982—1990国槐 Sophora japonica 泰安
Tai’an1963、1974—1981、
1990合欢 Albizia julibrissin 1979—1986 珍珠梅 Sorbaria sorbifolia 1974—1986、
1990紫薇 Lagerstroemia indica 西安
Xi’an1964—1968、
1973—1996、
2003—2008臭椿 Ailanthus altissima、
国槐 Sophora japonica、
合欢 Albizia julibrissin、
牡丹 Paeonia suffruticosa1979—1996、
2003—2008银杏 Ginkgo biloba 洛阳
Luoyang1978—1996 臭椿 Ailanthus altissima 1964、1982—1996 合欢 Albizia julibrissin 1973—1996 国槐 Sophora japonica、
紫丁香 Syringa oblata1964—1968、
1973—1996牡丹 Paeonia suffruticosa、
紫薇 Lagerstroemia indica1964—1968、
1975—1996银杏 Ginkgo biloba 
下载: 导出CSV
表 2 SW模型参数F*
Table 2 Parameter F*of spring warming model
℃·d 生活型 Life form 物种 Species 叶芽开放期 LOD 展叶始期 LUD 开花始期 FLD 叶变色期 LCD 乔木 Tree 加拿大杨 Populus canadensis 214.9 362.1 260.2 3 848.7 银杏 Ginkgo biloba 340.6 404.7 548.0 4 226.9 榆树 Ulmus pumila 83.7 300.7 117.1 3 936.4 臭椿 Ailanthus altissima 406.5 483.6 1 190.2 3 989.8 国槐 Sophora japonica 389.1 475.4 2 481.8 4 515.5 合欢 Albizia julibrissin 500.2 693.9 1 603.5 4 430.3 灌木 Shrub 紫丁香 Syringa oblata 121.5 256.8 357.6 4 042.7 紫薇 Lagerstroemia indica 428.3 445.2 1 803.5 4 023.6 牡丹 Paeonia suffruticosa 100.1 259.2 592.3 4 083.8 珍珠梅 Sorbaria sorbifolia 119.1 234.5 1 245.5 4 050.3 注：F*指完成某物候发育所需的积温阈值。Note: F* refers to the accumulated temperature threshold required to complete the development of a phenology.
下载: 导出CSV
表 3 SW模型的检验（乔木）
Table 3 Checkout of SW model (arbor)
种名
Species物候期
Phenological phase内部检验 Internal check 交叉检验 Cross check R2 RMSE/d MAE/d R2 RMSE/d MAE/d 加拿大杨
Populus canadensis叶芽开放期 LOD 0.861** 7.1 5.7 0.884** 6.0 4.9 展叶始期 LUD 0.591** 6.0 4.1 0.958** 3.5 2.8 开花始期 FLD 0.743** 8.1 6.6 0.934** 11.1 9.1 叶变色期 LCD 0.738** 12.2 11.1 0.556** 16.6 14.5 银杏
Ginkgo biloba叶芽开放期 LOD 0.830** 5.5 4.5 0.922** 4.7 3.6 展叶始期 LUD 0.778** 4.9 4.2 0.899** 3.8 2.9 开花始期 FLD 0.773** 4.4 3.3 0.952** 3.9 2.9 叶变色期 LCD 0.314** 14.2 11.6 0.080** 13.2 11.8 榆树
Ulmus pumila叶芽开放期 LOD 0.939** 8.6 7.5 0.957** 6.8 5.8 展叶始期 LUD 0.667** 5.3 4.7 0.806** 4.0 2.7 开花始期 FLD 0.808** 4.6 3.6 0.905** 4.9 3.4 叶变色期 LCD 0.341** 14.7 13.7 0.160** 17.9 16.9 臭椿
Ailanthus altissima叶芽开放期 LOD 0.781** 6.7 5.1 0.903** 5.1 3.7 展叶始期 LUD 0.751** 6.1 5.4 0.903** 4.6 3.5 开花始期 FLD 0.787** 5.6 4.5 0.726** 7.9 6.0 叶变色期 LCD 0.495** 15.2 12.9 0.556** 13.6 11.7 国槐
Sophora japonica叶芽开放期 LOD 0.676** 7.2 5.5 0.876** 4.8 3.8 展叶始期 LUD 0.589** 6.5 5.2 0.718** 5.8 4.9 开花始期 FLD 0.510** 6.5 5.4 0.577** 8.9 7.9 叶变色期 LCD 0.418** 15.4 12.7 0.574** 18.8 18.4 合欢
Albizia julibrissin叶芽开放期 LOD 0.208** 8.8 6.8 0.541** 5.2 4.1 展叶始期 LUD 0.453** 5.4 4.5 0.564** 4.6 3.7 开花始期 FLD 0.627** 6.4 5.0 0.707** 8.6 5.7 叶变色期 LCD 0.443** 10.9 9.1 0.455** 9.7 8.2
下载: 导出CSV
表 4 SW模型的检验（灌木）
Table 4 Checkout of SW model (shrub)
种名
Species物候期
Phenological phase内部检验 Internal check 交叉检验 Cross check R2 RMSE/d MAE/d R2 RMSE/d MAE/d 紫丁香
Syringa oblata叶芽开放期 LOD 0.863** 6.5 5.7 0.911** 4.8 3.4 展叶始期 LUD 0.812** 5.8 4.6 0.913** 4.6 3.3 开花始期 FLD 0.859** 4.5 3.3 0.942** 3.6 2.3 叶变色期 LCD 0.020** 15.2 13.6 0.030** 18.2 16.5 紫薇
Lagerstroemia indica叶芽开放期 LOD 0.677** 6.4 5.4 0.807** 5.1 4.0 展叶始期 LUD 0.321** 8.7 7.4 0.756** 4.4 3.9 开花始期 FLD 0.927** 8.9 7.1 0.936** 7.7 6.4 叶变色期 LCD 0.741** 11.8 9.4 0.619** 10.6 9.2 牡丹
Paeonia suffruticosa叶芽开放期 LOD 0.767** 7.3 6.1 0.726** 6.3 5.0 展叶始期 LUD 0.641** 6.9 5.5 0.883** 3.7 3.2 开花始期 FLD 0.573** 5.7 4.7 0.596** 5.4 4.4 叶变色期 LCD 0.254** 17.1 14.9 0.323** 13.5 11.3 珍珠梅
Sorbaria sorbifolia叶芽开放期 LOD 0.622** 11.8 9.8 0.665** 10.1 8.2 展叶始期 LUD 0.545** 9.0 6.6 0.762** 7.1 4.9 开花始期 FLD 0.405** 8.0 7.0 0.907** 6.6 5.42 叶变色期 LCD 0.359** 11.7 10.1 0.516** 11.0 10.2
下载: 导出CSV
-
[1] Beaubien E G, Freeland H J. Spring phenology trends in Alberta, Canada: links to ocean temperature[J]. International Journal of Biometeorology, 2000, 44(2): 53−59. doi: 10.1007/s004840000050
[2] Fu Y H, Zhao H F, Piao S L, et al. Declining global warming effects on the phenology of spring leaf unfolding[J]. Nature, 2015, 526: 104−107. doi: 10.1038/nature15402
[3] 陶泽兴, 仲舒颖, 葛全胜, 等. 1963-2012年中国主要木本植物花期长度时空变化[J]. 地理学报, 2017, 72(1):53−63. doi: 10.11821/dlxb201701005 Tao Z X, Zhong S Y, Ge Q S, et al. Spatiotemporal variations in flowering duration of woody plants in China from 1963 to 2012[J]. Acta Geographica Sinica, 2017, 72(1): 53−63. doi: 10.11821/dlxb201701005
[4] Rosenzweig C, Casassa G, Karoly D J, et al. Assessment of observed changes and responses in natural and managed systems//Parry M L, Canziani O F, Palutikof J P, et al. Contribution of working groupⅡto the fourth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, 2007: 79−131.
[5] Scheifinger H, Templ B. Is citizen science the recipe for the survival of paper-based phenological networks in Europe?[J]. BioScience, 2016, 66(7): 533−534. doi: 10.1093/biosci/biw069
[6] Park H, Jeong S J, Ho C H, et al. Slowdown of spring green-up advancements in boreal forests[J]. Remote Sensing of Environment, 2018, 217: 191−202. doi: 10.1016/j.rse.2018.08.012
[7] Dai J H, Wang H J, Ge Q S. Multiple phenological responses to climate change among 42 plant species in Xi’an, China[J]. International Journal of Biometeorology, 2013, 57(5): 749−758. doi: 10.1007/s00484-012-0602-2
[8] 杨扬, 罗贤, 李荣平, 等. 气象要素对植物物候影响及其驱动机制研究进展[J]. 气象与环境学报, 2016, 32(5):154−159. doi: 10.3969/j.issn.1673-503X.2016.05.021 Yang Y, Luo X, Li R P, et al. A review of the effect of meteorological factors on plant phenology and its driving mechanisms[J]. Journal of Meteorology and Environment, 2016, 32(5): 154−159. doi: 10.3969/j.issn.1673-503X.2016.05.021
[9] Parmesan C, Yohe G. A globally coherent fingerprint of climate change impacts across natural systems[J]. Nature, 2003, 421: 37−42. doi: 10.1038/nature01286
[10] Gonsamo A, Chen J M, Wu C Y. Citizen science: linking the recent rapid advances of plant flowering in Canada with climate variability[J/OL]. Scientific Reports, 2013, 3: 2239 (2013−07−19) [2020−10−10]. https://www.nature.com/articles/srep02239.
[11] 邢小艺, 郝培尧, 李冠衡, 等. 北京植物物候的季节动态特征: 以北京植物园为例[J]. 植物生态学报, 2018, 42(9):906−916. doi: 10.17521/cjpe.2018.0113 Xing X Y, Hao P Y, Li G H, et al. Seasonal dynamic of plant phenophases in Beijing Botanical Garden[J]. Chinese Journal of Plant Ecology, 2018, 42(9): 906−916. doi: 10.17521/cjpe.2018.0113
[12] Ge Q S, Wang H J, Rutishauser T, et al. Phenological response to climate change in China: a meta-analysis[J]. Global Change Biology, 2015, 21(1): 265−274. doi: 10.1111/gcb.12648
[13] Panchen Z A, Primack R B, Nordt B, et al. Leaf out times of temperate woody plants are related to phylogeny, deciduousness, growth habit and wood anatomy[J]. New Phytologist, 2014, 203(4): 1208−1219. doi: 10.1111/nph.12892
[14] 代武君, 金慧颖, 张玉红, 等. 植物物候学研究进展[J]. 生态学报, 2020, 40(19):6705−6719. Dai W J, Jin H Y, Zhang Y H, et al. Advances in plant phenology[J]. Acta Ecologica Sinica, 2020, 40(19): 6705−6719.
[15] 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.
[16] 邬定荣, 霍治国, 王培娟, 等. 陕西苹果花期机理性预报模型的适用性评价[J]. 应用气象学报, 2019, 30(5):555−564. doi: 10.11898/1001-7313.20190504 Wu D R, Huo Z G, Wang P J, et al. The applicability of mechanism phenology models to simulating apple flowering date in Shaanxi Province[J]. Journal of Applied Meteorological Science, 2019, 30(5): 555−564. doi: 10.11898/1001-7313.20190504
[17] 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. doi: 10.1046/j.1365-2486.2000.00362.x
[18] 王炳赟, 范广洲, 魏鸣, 等. 基于温度影响因子的植物物候模型的应用研究[J]. 生物数学学报, 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.
[19] 徐韵佳, 仲舒颖, 戴君虎, 等. 1978-2014 年牡丹江地区植物花期变化及模型模拟[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.
[20] 陶泽兴, 葛全胜, 徐韵佳, 等. 西安和宝鸡木本植物花期物候变化及温度敏感性对比[J]. 生态学报, 2020, 40(11):3666−3676. Tao Z X, Ge Q S, Xu Y J, et al. Comparison of changes in flowering phenology of woody plants and temperature sensitivity between Xi’an and Baoji[J]. Acta Ecologica Sinica, 2020, 40(11): 3666−3676.
[21] Hunter A F, Lechowicz M J. Predicting the timing of budburst in temperate trees[J]. Journal of Applied Ecology, 1992, 29: 597−604. doi: 10.2307/2404467
[22] 于裴洋, 同小娟, 李俊, 等. 中国东部暖温带刺槐物候模型比较[J]. 中国农业气象, 2020, 41(10):609−621. doi: 10.3969/j.issn.1000-6362.2020.10.001 Yu P Y, Tong X J, Li J, et al. Comparison of phenological models of Robinia pseudoacacia L. in the warm-temperate region of eastern China[J]. Chinese Journal of Agrometeorology, 2020, 41(10): 609−621. doi: 10.3969/j.issn.1000-6362.2020.10.001
[23] 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. doi: 10.2307/2404093
[24] 祝廷成, 钟章成, 李建东. 植物生态学[M]. 北京: 高等教育出版社, 1988. Zhu T C, Zhong Z C, Li J D. Phytoecology[M]. Beijing: Higher Education Press, 1988.
[25] 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. doi: 10.1046/j.1365-3040.1998.00299.x
[26] 周祎鸣, 张莹, 田晓华, 等. 基于积温的文冠果开花物候期预测模型的构建[J]. 北京林业大学学报, 2019, 41(6) : 62−74. Zhou Y M, Zhang Y, Tian X H, et al. Establishment of the flowering phenological model of Xanthoceras sorbifolium based on accumulated temperature[J]. Journal of Beijing Forestry University, 2019, 41(6): 62−74.
[27] 韩翠华, 郝志新, 郑景云. 1951−2010年中国气温变化分区及其区域特征[J]. 地理科学进展, 2013, 32(6): 887−896. Han C H, Hao Z X, Zheng J Y. Regionalization of temperature changes in China and characteristics of temperature in different regions during 1951−2010[J]. Progress in Geography, 2013, 32(6): 887−896.
[28] 高新月, 陶泽兴, 王焕炯, 等. 北京地区东京樱花花期对气候变化的分段响应[J]. 气象科学, 2018, 38(6):832−837. Gao X Y, Tao Z X, Wang H J, et al. Responses of flowering date of Cerasus yedoensis to climate change in different periods in Beijing[J]. Journal of Meteorological Sciences, 2018, 38(6): 832−837.
[29] 丁抗抗, 李辑, 张皓宇. 辽宁省旱柳物候对气候变化的响应[J]. 气象与环境学报, 2017, 33(4):86−92. doi: 10.3969/j.issn.1673-503X.2017.04.011 Ding K K, Li J, Zhang H Y. Response of Salix matsudana phenology to the change in temperature in Liaoning Province[J]. Journal of Meteorology and Environment, 2017, 33(4): 86−92. doi: 10.3969/j.issn.1673-503X.2017.04.011
[30] Xu L, Chen X Q. Spatial modeling of the Ulmus pumila growing season in China ’s temperate zone[J]. Science China Earth Sciences, 2012, 55(4): 656−664. doi: 10.1007/s11430-011-4299-6
[31] 邓晨晖, 白红英, 高山, 等. 1964—2015年气候因子对秦岭地区植物物候的综合影响效应[J]. 地理学报, 2018, 73(5):917−931. doi: 10.11821/dlxb201805011 Deng C H, Bai H Y, Gao S, et al. Comprehensive effect of climatic factors on plant phenology in Qinling Mountains region during 1964−2015[J]. Acta Geographica Sinica, 2018, 73(5): 917−931. doi: 10.11821/dlxb201805011
[32] 王焕炯, 陶泽兴, 葛全胜. 气候波动对西安39种木本植物展叶始期及其积温需求的影响[J]. 植物生态学报, 2019, 43(10):877−888. doi: 10.17521/cjpe.2019.0178 Wang H J, Tao Z X, Ge Q S. Effects of climate variation on the first leaf dates of 39 woody species and their thermal requirements in Xi’an, China[J]. Chinese Journal of Plant Ecology, 2019, 43(10): 877−888. doi: 10.17521/cjpe.2019.0178
[33] Basler D. Evaluating phenological models for the prediction of leaf-out dates in six temperate tree species across central Europe[J]. Agricultural and Forest Meteorology, 2016, 217: 10−21.
[34] 张爱英, 王焕炯, 戴君虎, 等. 物候模型在北京观赏植物开花期预测中的适用性[J]. 应用气象学报, 2014, 25(4):483−492. doi: 10.3969/j.issn.1001-7313.2014.04.012 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. doi: 10.3969/j.issn.1001-7313.2014.04.012
[35] 张爱英, 张建华, 高迎新, 等. SW物候模型在北京樱花始花期预测中的应用[J]. 气象科技, 2015, 43(2):309−313. doi: 10.3969/j.issn.1671-6345.2015.02.024 Zhang A Y, Zhang J H, Gao Y X, et al. Prediction of first flowering date of Prunnus discoidea in Beijing Yuyuantan Park using phenological model[J]. Meteogological Science and Technology, 2015, 43(2): 309−313. doi: 10.3969/j.issn.1671-6345.2015.02.024
[36] 郑彦佳, 徐琳, 于瑶. 光温耦合的中国温带地区旱柳花期时空格局模拟[J]. 生态学报, 2020, 40(17):6147−6160. Zheng Y J, Xu L, Yu Y. Modeling spatio-temporal patterns of Salix matsudana flowering dates based on temperature and photoperiod in temperate zone of China[J]. Acta Ecologica Sinica, 2020, 40(17): 6147−6160.
[37] Laube J, Sparks T H, Estrella N, et al. Chilling outweighs photoperiod in preventing precocious spring development[J]. Global Change Biology, 2014, 20(1): 170−182. doi: 10.1111/gcb.12360
[38] 徐佳, 樊海东, 倪健. 1950-2015年中国植物物候变化的集成分析[J]. 亚热带资源与环境学报, 2019, 14(2):1−11. doi: 10.3969/j.issn.1673-7105.2019.02.002 Xu J, Fan H D, Ni J. Meta-analysis of plant phonological change in China during 1950 and 2015[J]. Journal of Subtropical Resources and Environment, 2019, 14(2): 1−11. doi: 10.3969/j.issn.1673-7105.2019.02.002
计量
- 文章访问数: 1118
- HTML全文浏览量: 315
- PDF下载量: 86
