王政 王明辉 谢华清

摘要 利用寿宁县1980—2019年3—4月逐日最低气温、14：00本站气压及其24 h变压、14：00气温及其24 h变温、14：00相对湿度、风向和风速等常规气象资料，运用线性倾向估计法、t检验法和Pearson相关系数法等气候统计诊断方法，分析春季霜冻害气候特征;使用SPSS 19.0软件对日最低气温主要相关因子进行多元回归分析，建立日最低气温预报数学模型。结果表明，寿宁县春季霜冻呈始日提前、终日延后的变化趋势，预示未来春季霜冻期将延长，茶叶春季霜冻害风险增大。经检验模型定性预报准确率达91.0%，预报效果较好，可应用于气象预报业务。

关键词 茶叶;春季霜冻;气象预报;数学模型

中图分类号：S425 文献标识码：B 文章编号：2095–3305（2021）12–0038–03

茶叶是原产于中国的特色经济作物，因其生态绿色、优质高效的优势而在中国农业生产中占有重要地位[1]。随着全球气候变暖加剧，寿宁县各类气象灾害频发、重发，对农业生产造成严重影响。在众多气象灾害中，春季霜冻害对茶叶生产影响尤为严重，春季正是茶树新叶萌芽生长期，茶叶芽和嫩梢抗低温能力较弱，此时遭遇霜冻害，轻则造成茶树新芽叶尖受冻损伤，茶叶产量和品质下降;重则造成茶树枝枯叶落，甚至死亡。因此提高春季霜冻气象的预报准确率，降低灾害造成的损失，对茶叶生产具有十分重要的意义。

20世纪70年代以来，国内许多学者对茶叶霜冻害做过大量研究。吴杨等[2]以日最低气温≤4℃为霜冻指标，根据茶叶受灾症状进行分级，确定了不同等级的气象指标。唐力生等[3]通过分析气温直减率、辐射与温度的关系，建立了寒害过程日平均气温分布式模型。这些研究成果和方法对茶叶春季霜冻灾害的研究提供了有益的借鉴。通过研究福建省寿宁县春季霜冻害的气候规律特征，构建春季霜冻预报数学模型，建立茶叶生产与霜冻灾害的气象预警机制，为提高茶叶种植效益和防灾水平提供技术支撑，为乡村振兴提供精准专业气象服务。

1 资料与方法

1.1 研究区概况

福建省寿宁县位于27°16′N～ 27°41′N、119°12′E～119°44′E，地处鹫峰山系洞宫山脉东麓，距离太平洋西海岸约83 km，地势从西北向东南倾斜，境内层峦叠嶂、地势起伏，海拔落差大，海洋性季风气候明显。该县气候温暖，四季分明，雨量充沛，光照充足，无霜期长，属中亚热带海洋性季风气候，常年平均气温15.1℃，年日照时数1 663.3 h，年降水量1 976.9 mm，年无霜期238 d。

1. 2 资料来源与方法

选取寿宁县气象局气象资料数据库中1980—2019年3—4月的逐日最低气温和在14：00的气温、本站气压、相对湿度、风向、风速等气象观测数据，所有资料序列完整、连续、均一。运用线性倾向估计法、t检验法和Pearson相关系数法等气候统计诊断方法，分析春季霜冻害气候特征，使用SPSS 19.0软件对日最低气温的主要相关因子进行多元回归分析，并建立日最低气温预报数学模型[4]。

2 结果与分析

2. 1 春季霜冻的气候特征

2.1.1 春季霜冻日数的年际和年代际变化 1980—2019年寿宁县春季霜冻日数线性拟合统计结果显示，近40年寿宁春季霜冻日数呈不显著减少趋势，减少速率为0.423 d/10 a。年平均春季霜冻日数10.63 d，其最多年份达23 d（2011年），最少年份仅4 d，为1992年、1997年、2002年，说明春季霜冻日数年际分布差异大。从春季霜冻日数年代平均值曲线看，20世纪80年代春季霜冻日数最多，为12.1 d，其次是21世纪10年代（10.6 d）、20世纪90年代（10.0 d）和21世纪00年代（9.8 d），春季霜冻日数年代际振幅为2.3 d，年代际分布较为均衡，年代际差异不明显（图1）。

2.1.2 春季霜冻日的起止时間变化 每年春季首次出现的霜冻日称为春季霜冻始日，最后一次出现的霜冻日称为春季霜冻终日。近40年寿宁县春季霜冻始日最早在3月1日，最晚在4月23日，5月无霜冻日。将3月1日的日序记为1，3月2日的日序记为2……以此类推，4月30日的日序记为61，以此法建立1980—2019年春季霜冻始日和终日的日期序列。

1980—2019年寿宁县春季霜冻始日和终日日序的线性拟合统计结果显示，近40年来春季霜冻始日平均为3月6日，最早在3月1日，最晚是3月15日;春季霜冻终日平均出现在4月1日，最早在3月5日，最晚在4月23日（图2）。春季霜冻始日呈不显著提前趋势，提前速率为0.341 d/10 a ;春季霜冻终日呈不显著延后趋势，延后速率为0.591 d/10 a ，且终日延后速率大于始日提前速率，说明未来春季霜冻期将延长，茶叶春季霜冻害风险增大。

2.2 春季霜冻预报

2.2.1 霜冻预报因子的选取 霜冻及其强度的预报，即对日最低气温的预报。选择日最低气温值作为霜冻预报量，根据霜冻形成机理和当地天气预报工作经验，选取8个与日最低气温相关且物理意义明显的气象要素作为预报因子，分别是：霜冻日前一天的日最低气温、14：00本站气压及其24 h变压、14：00气温及其24 h变温、14：00相对湿度、风向和风速。

统计分析1980—2009年3—4月的逐日日最低气温与8个预报因子的相关性，结果显示，8个预报因子中，仅风向和风速2个预报因子相关系数未通过显著性检验，其他6个预报因子相关系数均通过0.01或0.05的显著性检验（表1）。表明这6个预报因子与预报量相关性显著，可用于预测日最低气温值。6个预报因子中，本站气压和24 h变压2个预报因子与预报量呈负相关，其他4个预报因子与预报量均呈正相关。说明前一日14：00本站气压值及其24 h变压值越大，则次日的日最低气温越低;反之，则次日的日最低气温越高。而前一日的日最低气温值、14：00气温值及其24 h变温值、14：00相对湿度值越大，则次日的日最低气温越高;反之，则次日的日最低气温越低。

2.2.2 霜凍预报方程的建立 根据以上分析，对选取的6个预报因子，运用多元线性回归方法建立日最低气温预报的数学模型，其回归方程为：

Y=0.192X1-0.307X2+0.555X3- 0.097X4+0.328X5+0.07X6-184.952        （1）

式（1）中，Y为预报日的日最低气温，X1、X2、X3、X4、X5、X6分别为预报日前一日14：00的本站气压、24 h变压、气温、24 h变温、日最低气温、相对湿度。方程的方差检验F= 398.924，通过了α=0.01（F0.01=29.343）显著性检验。

2.2.3 预报方程检验 利用公式（1）对2010—2019年3—4月逐日最低气温值进行回报检验，结果显示，公式（1）预报是否出现霜冻的准确率达91.0 %，定性预报准确率满意（表2）。

3 结论

（1）1980—2019年寿宁县年平均春季霜冻日数10.63 d。近40年来寿宁县春季霜冻日数呈略减少趋势，减少速率为0.423 d/10 a。春季霜冻始日呈不显著提前趋势，提前速率为0.341 d/10 a，春季霜冻终日趋于略延后，延后速率为0.591 d/10 a。可见未来寿宁县春季霜冻期将延长，茶叶春季霜冻害风险增大。

（2）建立春季日最低气温与前一日14：00本站气压、24 h变压、14：00气温、24 h变温、日最低气温、14：00相对湿度等6个气象要素的多元回归方程，经回报检验，方程定性预报准确率达91.0%，预报效果较好，可以作为寿宁县春季霜冻预报模型在气象业务中运用。

参考文献

[1] 金志凤，胡波，严甲真，等.浙江省茶叶农业气象灾害风险评价[J].生态学杂志，2014，33（3）：771-777.

[2] 吴杨，金志凤，叶建刚，等.浙江茶树春霜冻发生规律及其与太平洋海温的遥相关分析[J].中国农业气象，2014，35 （4）：434-439.

[3] 唐力生，杜尧东，陈新光，等.广东寒害过程温度动态监测模型[J].生态学杂志，2009，28 （2）：366-370.

[4] 魏凤英.现代气候统计诊断与预测技术[M].北京：气象出版社，1999.

责任编辑：黄艳飞

Frost Characteristics and Prediction Model Construction of Shouning Gaoshan Tea in Spring

WANG Zheng et al（Shouning County Meteorological Bureau， Fujian Province， Shouning， Fujian 355500）

Abstract Conventional meteorological data including daily minimum temperature， 14：00 air pressure and its 24 h variable pressure， 14：00 air temperature and its 24 h variable temperature， 14：00 relative humidity， wind direction and wind speed were used in Shouning county from 1980 to 2019; and SPSS software was used to make multiple regression analysis on the main correlation factors of daily minimum temperature， and the mathematical model of daily minimum temperature forecast was established. The results showed that the beginning date of spring frost in Shouning county was earlier than the beginning date of spring frost， but the end date of spring frost was later， which indicated that the frost period in spring would be prolonged in the future， and the risk of tea frost injury in spring would be increased. The qualitative prediction accuracy of the tested model is 91.0%， and the prediction effect was good， which could be used in meteorological forecasting.

Key words Tea; Spring frost; Weather forecast; Mathematical model