基于微气候高分辨率空间建模的施蒂里亚州水果与葡萄种植区春季辐射霜冻风险制图

《Climate Services》：Mapping microclimatic spring frost risk through high-resolution spatial modeling in STYRIAN fruit- and winegrowing regions

　　

春季霜冻事件在物候敏感阶段（如芽萌发和开花）与之重合时，会对水果和葡萄酒生产构成重大威胁。欧洲冬季和春季气温升高使植物发育提前，可能增加霜冻敏感阶段暴露于晚春冷事件的风险。严重的春季霜冻已多次影响欧洲农业，包括奥地利2012、2016、2017和2024年的致灾事件。其局地效应受地形强烈影响。在辐射霜冻条件下，冷空气沿坡下沉并在谷地和洼地积聚，在短距离内产生显著温差。平流霜冻受更大尺度大气过程控制，因而与局地地形关系不那么直接。因此，本研究聚焦于辐射霜冻，对基于地形的空间建模尤为相关。奥地利现有的格网化温度数据集通常过粗，难以分辨这些局地变化。网格间距约1 km的产品无法充分表征施蒂里亚地形复杂的水果和葡萄种植区内的冷空气下沉和积聚。近期研究采用统计和地统计插值生成格网化温度场，机器学习方法也已应用于温度插值和霜冻预报的空间降尺度。这些方法大多关注温度场或短期预报，而非长期、空间显式的霜冻暴露。回归克里金特别适合此目的，因为它将目标变量与辅助地形预测因子之间的关系与剩余空间残差的插值相结合。机器学习和集合方法还可表征海拔、地形配置、冷空气下沉和霜冻暴露之间的非线性关系。因此，结合这些方法可能改善复杂地形中局地霜冻模式的表征。据研究人员所知，尚无业务化高分辨率地图将多阈值辐射霜冻暴露指数、异质堆叠回归和残差克里金结合起来用于施蒂里亚水果和葡萄种植区。奥地利SPARTACUS数据集提供1 km分辨率的逐日温度场，因此无法分辨本研究考虑的50 m尺度地形。为填补这一空白，本研究旨在（1）从辐射霜冻条件下的长期台站观测中推导多阈值霜冻风险指数，（2）比较空间和机器学习模型配置，（3）制作并验证施蒂里亚水果和葡萄种植区50 m春季霜冻风险图。研究特别关注模型性能、空间验证、残差空间依赖性和所得预测的稳定性。

研究背景方面，春季霜冻在芽萌发、开花等物候敏感期与作物发育重合时对水果和葡萄生产构成重大威胁，欧洲冬春增温使物候提前，可能加大敏感阶段遭遇晚春冷事件的暴露度。奥地利2012、2016、2017和2024年多次发生严重春季霜冻。局地效应受地形强烈调制：辐射霜冻下冷空气沿坡下沉并在谷地洼地积聚，短距离内温差显著；平流霜冻受大尺度大气过程控制，与局地地形关系较弱，故研究聚焦辐射霜冻。存在问题在于，奥地利现有格网温度数据集（如SPARTACUS，1 km）过粗，无法分辨施蒂里亚地形复杂种植区内约50 m尺度的冷空气下沉与积聚；已有统计、地统计插值与机器学习方法多针对温度场或短期预报，缺少长期、空间显式的霜冻暴露制图；且尚无业务化高分辨率地图将多阈值辐射霜冻暴露指数、异质堆叠回归与残差克里金结合用于该区域。因此有必要开展本研究。

研究人员以奥地利施蒂里亚Feldbach地区（约350 km²，海拔约200—600 m）为训练区，利用WegenerNet气候站网（151个站点，约2 km²一站，5分钟观测间隔，2007年起连续运行）的高密度高质量数据，经自动质量控制与Level-2插值处理；仅取11月至次年4月04:00—07:00 CET时段，以高海拔（>370 m）与低海拔（<270 m）站点平均气温差与平均海拔差之比计算大气温度梯度Γ₁₀₀（K per 100 m），正值表示逆温，据此识别辐射逆温事件。随后构建多阈值霜冻风险指数，比较空间与机器学习模型配置，采用异质堆叠回归结合残差克里金建模，并外推至施蒂里亚约110 km²的葡萄与水果种植区（2021年该州永久作物12347 ha，其中苹果5897 ha、葡萄5082 ha、甜樱桃171 ha、李146 ha，苹果与葡萄合计近90%），制作并验证50 m分辨率春季霜冻风险图，重点考察模型性能、空间验证、残差空间依赖性与预测稳定性。研究结论为复杂地形区提供了可业务化的高分辨率霜冻风险制图途径，对葡萄与果树种植的气候风险适应具有支撑意义。

关键技术方法（不超过250字）：以WegenerNet高密度台站网（Feldbach约20 km×15 km内151站，5分钟观测）为样本来源，经自动质量控制与Level-2插值；按04:00—07:00 CET、11月—4月筛选，用高（>370 m）低（<270 m）站点温差与海拔差之比定义温度梯度Γ₁₀₀识别逆温；构建多阈值霜冻风险指数；以地形预测因子开展异质堆叠回归，并对残差进行克里金插值（回归克里金）；以空间交叉验证评估并外推至50 m格网制图。

研究结果：第一，辐射逆温识别与霜冻气候学表征。通过Γ₁₀₀在特定时段与月份的分析，识别出辐射逆温事件及其地理分布，表明高海拔站点温度高于低海拔站点时即为逆温条件，为后续建模提供因变量基础。第二，多阈值霜冻风险指数构建。基于长期台站观测在辐射霜冻条件下推导多阈值霜冻风险指数，将不同强度霜冻事件纳入统一暴露度量。第三，模型配置比较。比较空间与机器学习模型配置，考察海拔、地形配置、冷空气下沉与霜冻暴露间的非线性关系，并结合残差克里金处理剩余空间依赖。第四，50 m风险图制作与验证。制作并验证施蒂里亚水果与葡萄种植区50 m春季霜冻风险图，评估模型性能、空间验证结果、残差空间依赖性与预测稳定性，表明该方法可分辨1 km产品无法表征的局地冷空气下沉与积聚格局。

讨论与结论：讨论围绕模型性能、空间验证、残差空间依赖性与预测稳定性展开，指出回归克里金结合异质堆叠回归可改善复杂地形中局地霜冻格局的表征，弥补现有1 km格网产品与短期预报方法在长期空间显式暴露制图上的不足；高分辨率图可支持葡萄与果树种植的定向气候风险适应。研究结论译为：本研究旨在（1）从辐射霜冻条件下的长期台站观测推导多阈值霜冻风险指数，（2）比较空间与机器学习模型配置，（3）制作并验证施蒂里亚水果与葡萄种植区50 m春季霜冻风险图，并特别关注模型性能、空间验证、残差空间依赖性与所得预测的稳定性；据研究人员所知，此前尚无业务化高分辨率地图将多阈值辐射霜冻暴露指数、异质堆叠回归与残差克里金结合用于施蒂里亚水果与葡萄种植区。