新疆枣园花期热胁迫：时空演变、综合风险评估与多尺度驱动因素

《Agriculture》：Flowering-Stage Heat Stress in Xinjiang Jujube Orchards: Spatiotemporal Evolution, Integrated Risk Assessment, and Multi-Scale Drivers

　　

枣树是研究人员国家重要的经济果树，新疆是最大的产区，花期热胁迫威胁产量稳定性。评估枣园热风险需考虑作物特异性物候敏感性和热害阈值。因此，研究人员开发了一种枣树热害累积指数（HISj），通过整合温度-湿度胁迫与物候敏感性来评估花期热害。采用危害-脆弱性-暴露框架结合Landsat影像进行空间热风险评估，并整合大气环流分析与可解释机器学习以识别危害和脆弱性的驱动因素。结果表明，HISj表现出显著的空间异质性和明显的空间偶极子模式，高值主要集中在新疆东部和南部的绿洲区域，大多数区域存在约六年的振荡。高风险区域主要集中在吐鲁番、伊州区和巴州南部，而阿克苏、喀什和和田大部分地区以中等风险条件为主。气候热危害与枣园尺度综合风险在空间上并不等价，一些集约化管理的枣园区域尽管气象热胁迫相对较强，但风险相对较低。HISj的变化与西太平洋副热带高压、欧亚纬向环流和印度-缅甸槽有关。研究人员将归一化植被指数（NDVI）作为枣园植被状况的观测代理，以表征基于植被的脆弱性。NDVI与热液条件和海拔呈非线性关联，在土壤水分约0.10–0.15 cm³/cm³和海拔约800 m处出现阈值响应。HISj对NDVI的SHAP贡献相对较弱且非单调，表明气象热胁迫与枣园植被状况之间的关联可能随局部环境条件而变化。这些发现为理解干旱绿洲枣园花期热风险并支持针对性适应提供了空间明确的基础。

**论文解读：新疆枣园花期热胁迫的时空演变、综合风险评估与多尺度驱动因素**

**研究背景**
枣树（*Ziziphus jujuba* Mill.）是中国重要的经济果树，具有高营养、药用、生态和商业价值。新疆作为中国最大的枣树产区，贡献了全国产量的50%以上。然而，干旱绿洲地区的枣园极易遭受气候极端事件影响，尤其是花期这一敏感阶段，热胁迫会显著影响授粉、坐果和产量形成。当气温超过35°C且相对湿度低于40%时，可能发生花灼，降低授粉成功率，进而影响果实品质和产量。2021年夏季新疆南部极端高温事件导致枣期货价格短期内飙升50%以上，凸显了花期热胁迫的经济后果。现有研究存在的问题包括：缺乏针对枣树花期的作物特异性热害指数；传统风险评估方法主要依赖县级社会经济指标，难以捕捉枣园尺度的空间异质性；大气环流与枣园植被响应的多尺度关联尚未明晰。因此，开展这项研究旨在开发花期热害累积指数（HISj），构建综合风险评估框架，并识别多尺度驱动因素，为干旱绿洲枣园的气候适应提供科学依据。该论文发表在《Agriculture》。

**研究内容**
研究人员通过整合气象观测、物候数据、Landsat遥感影像、大气环流指数和土壤属性等多源数据，开展了以下工作：
- 开发了基于温度-湿度胁迫和物候权重的HISj指数，表征花期热害强度。
- 利用旋转经验正交函数（REOF）和Morlet小波分析，揭示了HISj的时空演变模式和周期特征。
- 基于危害-脆弱性-暴露（H-V-E）框架，结合Landsat衍生的地表温度（LST）、温度植被干旱指数（TVDI）、归一化植被指数（NDVI）和归一化差值红外指数（NDII），评估了枣园尺度的综合热风险。
- 通过大气环流指数相关分析和500 hPa位势高度异常合成，探究了HISj变异的大尺度气候驱动因素。
- 采用随机森林（RF）和SHAP可解释机器学习，量化了环境和管理因子对枣园植被状况（NDVI）的相对贡献和非线性关联。

**主要技术方法**
研究人员主要使用了以下关键技术方法：
1. **物候模型**：比较了Bidabe、Four-phases、GDD和Sigmoid四种温度驱动模型，利用Metropolis算法优化参数，以模拟枣树花期。
2. **REOF分析**：对HISj进行旋转经验正交函数分解，提取主导空间模态及其时间系数。
3. **Morlet小波分析**：识别HISj在不同区域的多尺度周期振荡特征。
4. **H-V-E风险评估框架**：通过层次分析法（AHP）和专家评分确定指标权重，综合HISj、LST、TVDI（危害）、NDVI、NDII、DEM（脆弱性）和枣园分布（暴露）进行空间风险制图。
5. **大气环流诊断**：选取13个代表性环流指数，进行Pearson相关分析和500 hPa位势高度异常合成。
6. **随机森林与SHAP**：以907个枣园样点（2014年开花期）的NDVI为响应变量，以土壤水分（SM）、DEM、TVDI、LST、HISj、土壤有机碳（SOC）、速效氮（AN）、速效磷（AP）、速效钾（AK）和病虫害严重度为预测变量，训练RF模型，并通过SHAP解释变量贡献和非线性效应。

**研究结果**
**3.1 花期物候模型评估**
通过比较四种模型，研究发现对于‘哈密’枣和‘灰枣’，Sigmoid模型在模拟开花始期和末期时表现最佳；对于‘骏枣’，Four-phases模型适合开花始期，Bidabe模型适合开花末期。最优模型的均方根误差（RMSE）普遍低于4天，表明物候模型能准确估计花期，为后续热风险计算提供了可靠的时间窗口。1992–2022年花期物候相对稳定，‘哈密’枣开花始期和末期分别在第146天和190天，‘灰枣’为140天和183天，‘骏枣’为142天和184天。

**3.2 HISj的时空特征**
HISj空间分布呈现显著异质性：阿克苏和喀什多数年份HISj在0–0.3，巴州在0–0.6，和田略低于巴州（0–0.5），而吐鲁番较高（0.4–1.0），伊州区居中（0–0.8），形成西-东和盆地尺度的空间梯度。高值年份包括2001、2007、2008、2016、2017和2022年。REOF分析提取了5个主导模态（累计解释85%方差）：REOF2（18%）显示吐鲁番和伊州区高载荷，和田、喀什低载荷；REOF3（23%）呈东西对比，西高东低；REOF4（23%）和REOF5（23%）均具偶极子特征，时间系数呈现4–6年准周期波动。Morlet小波分析发现，巴州存在约6年的显著振荡周期，而阿克苏、和田、喀什的6年周期信号较弱且不持续，吐鲁番和伊州区未检测到显著周期。

**3.3 基于H-V-E框架的综合花期热风险空间格局**
在典型高温年份（2008、2016、2022），热风险空间格局如下：吐鲁番和伊州区以高风险和极高风险为主，2008年和2022年两者合计占比超过70%；阿克苏、喀什和和田大部分地区以中等风险为主，占比超过60%，仅个别县（如2016年策勒县）为高风险；巴州南部（若羌、尉犁、库尔勒）在2008年高风险面积超过50%，2016和2022年降至约30%。值得注意的是，一些集约化管理的枣园核心区尽管气象热胁迫较强，但综合风险水平较低，表明局部枣园条件可调节风险。

**3.4 大气环流与HISj（危害）变异的关系**
REOF时间系数与多个环流指数显著相关：REOF2与西太平洋副热带高压强度指数（r=0.504，p<0.01）和印度-缅甸槽强度指数（r=0.528，p<0.01）正相关；REOF3与欧亚纬向环流指数负相关（r=-0.389，p<0.05）；REOF4与欧亚和亚洲纬向环流指数正相关（r=0.351和0.360，p<0.1）；REOF5与东亚槽位置指数负相关（r=-0.311，p<0.1）。500 hPa位势高度异常合成进一步揭示了对应模态的欧亚大陆中纬度环流结构，如偶极子型、脊-槽型和波列型，这些环流配置通过调节区域热力和水汽背景影响HISj变异。

**3.5 环境因子对枣园植被状况的相对贡献**
RF模型对训练集R²为0.86，独立测试集R²为0.55，OOB R²为0.51，五折和十折交叉验证R²均为0.55，表明模型具有中等稳定的泛化能力。变量重要性排序显示：LST最重要（22.19%），其次为DEM（15.74%）、SM（14.83%）、TVDI（10.87%）和HISj（9.12%），这五个变量累计贡献72.75%。SHAP分析表明：LST和TVDI与NDVI呈负相关，且干燥条件下高温负效应更强；SM在0.10–0.15 cm³/cm³时SHAP为负，低于该阈值时NDVI更低，高于该阈值时为正；DEM在约800 m以下时SHAP为正，以上为负，呈非线性；HISj的SHAP贡献围绕零分布，较弱且非单调，表明气象热胁迫与NDVI的关联受局部环境调节。土壤速效养分和病虫害指标重要性较低。

**总结讨论**
讨论部分指出，HISj的时空变异与西太平洋副热带高压、欧亚纬向环流和印度-缅甸槽等大尺度环流系统密切相关，这些系统通过调节区域热力和水汽条件影响花期热胁迫。在枣园尺度，植被脆弱性（NDVI）与局部热液和地形因子关联更紧密，而非单纯的气象热胁迫强度；HISj对NDVI的弱贡献表明，局部水分调节（如土壤水分和灌溉）可能缓冲热胁迫效应。研究提出了一个多尺度概念框架，整合大尺度大气条件、地表热液特性和植被响应，以解释花期热风险的形成。基于空间风险图，建议在吐鲁番、伊州区和巴州南部等高风险热点优先实施优化灌溉、花期喷水和冠层管理等措施。研究局限性包括：缺乏长期实地热害观测数据、管理数据时间序列不足、病虫害数据为定性描述、未考虑未来气候变化情景。未来需整合田间观测和SSP气候情景进行验证和预测。

**结论**
本研究开发了枣树热害累积指数（HISj），并建立了结合危害-脆弱性-暴露方法、Landsat植被指标、大气环流诊断和可解释机器学习的多尺度框架，以探究新疆枣园花期热风险的驱动因素。主要发现总结如下：
HISj表现出显著的空间异质性，高值主要集中在新疆东部和南部绿洲区域，并具有明显的空间偶极子（反相）模式。在时间上，HISj呈现显著的年内变异和多尺度波动，部分区域检测到约六年的振荡信号。
综合风险评估显示，新疆花期热害风险存在显著空间异质性。高风险和极高风险区域主要集中在吐鲁番、伊州区和巴州南部，而阿克苏、喀什和和田大部分地区以中等风险为主，仅局部为高风险。气候热危害与枣园尺度综合风险在空间上并不等价，一些集约化管理的枣园区域尽管气象热胁迫较强，但风险相对较低。
在大气尺度上，HISj的时空变异与西太平洋副热带高压、中纬度纬向环流和印度-缅甸槽系统的变化有关。这些环流系统调节了新疆花期热胁迫的大尺度热力和水汽背景。
在地表尺度上，研究人员将NDVI作为枣园植被状况的观测代理以表征植被脆弱性。NDVI与热液条件和海拔呈非线性关联。LST是NDVI的最重要预测因子（22.19%），其次为DEM（15.74%）、SM（14.83%）、TVDI（10.87%）和HISj（9.12%），这五个因子累计贡献72.75%的预测重要性。SHAP分析表明，NDVI对土壤水分和海拔呈非线性响应，分别在0.10–0.15 cm³/cm³和800 m附近出现变化。总体而言，这些结果表明植被脆弱性与局部热液和地形条件关联更紧密，而非单纯的气象热胁迫。
所提出的框架提供了评估花期热风险的空间明确方法，可支持在气候极端事件加剧背景下识别枣园气候适应和风险管理的优先区域。