河北省苹果生长季极端干旱时空特征

贾桂梅; 李春强; 王蓉蓉; 张艳菊

doi:10.11923/j.issn.2095-4050.cjas2023-0242

PDF(1685 KB)

农学学报 ›› 2024, Vol. 14 ›› Issue (11) : 64-71. DOI: 10.11923/j.issn.2095-4050.cjas2023-0242

农业信息农业气象

河北省苹果生长季极端干旱时空特征

作者信息 +

Temporal and Spatial Characteristics of Extreme Drought in Apple Growing Season in Hebei Province During 1981-2020

Author information +

History +

摘要

本研究深入探讨了河北省苹果种植面临的极端干旱情况，旨在通过分析其时空变化趋势和特征，为河北省苹果产区科学灌溉提供理论依据，进而促进地方特色农业的发展和水资源的有效利用。研究基于河北省142个地面气象站的资料，运用地表湿润指数和小波分析方法，对1981—2020年间近40 a苹果生长季极端干旱时空特征进行了综合研究。结果表明：（1）时间变化上，近40 a来，河北省苹果生长季极端干旱发生频数年均0.7~3.5次。苹果生长季内各生长期极端干旱发生次数从高到低依次为：初始生长期（萌芽—开花期）、生长后期、果实着色期、幼果期、果实膨大期。年代际间，1980s最高，2000s最低，2010s呈现回升的趋势。（2）空间分布上，苹果生长季干旱发生总次数呈现东北部少、西北和中南部多的特征，年内各物候期，极端干旱发生次数南部地区高于北部地区，但果实膨大期、生长后期极端干旱发生次数高值区集中在冀西北地区。全省范围极端干旱的变化周期为4~8、7~11、16~20 a。极端干旱频数在苹果幼果期、生长后期于2010s呈现回升趋势，生产上应引起关注和重视。

Abstract

The apple planting area and output of Hebei Province are the top in the country, and the temporal and spatial variation trends and characteristics of extreme drought in Hebei Province are analyzed, in order to provide a theoretical basis for scientific irrigation in apple producing areas, and promote the development of local characteristic agriculture and the effective utilization of water resources. Based on the data of 142 ground weather stations in Hebei Province, this paper used surface wetness index and wavelet analysis to study the temporal and spatial characteristics of extreme drought in the apple growing season in Hebei Province in the past 40 years (1981-2020), including the frequency, total number of occurrences and cyclical changes of extreme drought. The results showed that: (1) in terms of time changes, the frequency of extreme drought in the apple growing season in Hebei Province had averaged 0.7-3.5 times per year in the past 40 years. The occurrence of extreme drought in each growing period of apple growing season in descending order was as follows: initial growth period (germination-flowering stage), late growth stage, fruit coloration stage, young fruit stage, and fruit expansion period. Between the decades, the 1980s were the highest, the 2000s were the lowest, and the 2010s showed a recovery trend. (2) In terms of spatial distribution, the total number of droughts in the apple growing season showed the characteristics of less in the northeast and more in the northwest and central and southern regions, and the number of extreme droughts in the southern region was higher than that in the northern region during each phenological period during the year, but the high-value areas of extreme drought occurrence in the fruit expansion period and the late growth period were concentrated in the northwest Hebei region. The variation period of extreme drought in the province was 4-8 a, 7-11 a, 16-20 a. The frequency of extreme drought showed a recovery trend in the young fruit stage and late growth stage of apples in the 2010s, which should attract attention in the production practice.

导出引用

贾桂梅 , 李春强 , 王蓉蓉 , 张艳菊. 河北省苹果生长季极端干旱时空特征. 农学学报. 2024, 14(11): 64-71 https://doi.org/10.11923/j.issn.2095-4050.cjas2023-0242

JIA Guimei , LI Chunqiang , WANG Rongrong , ZHANG Yanju. Temporal and Spatial Characteristics of Extreme Drought in Apple Growing Season in Hebei Province During 1981-2020. Journal of Agriculture. 2024, 14(11): 64-71 https://doi.org/10.11923/j.issn.2095-4050.cjas2023-0242

0 引言

日光温室是农业增效、农民增收的重要渠道，是低耗、高产、集约化的高效农业，为城市蔬菜供应提供了保障。在政策的支持及技术的助力下，青海省设施农业发展迅猛，综合效益显著^[1-2]。但随着极端天气事件增多，暴雪等气象灾害出现频繁^[3⇓⇓-6]，雪灾是青海地区日光温室影响最广最常发的气象灾害^[7⇓-9]。因雪压大于温室承载力时，日光温室常出现骨架断裂、受损，甚至温室坍塌等，使温室内作物受冻，导致果蔬减产和品质下降，造成经济损失^[10-11]，同时一定程度上影响着日光温室的发展^[12-13]。研究日光温室灾害指标并进行监测预报预警，是日光温室雪灾预防与管理的前提^{[14⇓⇓-17]}。国内学者对日光温室雪灾指标的研究方法各有不同，张波^[18]在风洞实验和能量平衡的基础上，建立了基于能量平衡的设施表面积雪模型，依据积雪日数划分日光温室雪灾等级指标，这种方法受试验条件限制。李瑞萍等^[19]依据历史资料和试验数据，确定雪压、雪深、雪量三要素之间的回归关系，结合日光温室的雪荷载，确定出日光温室轻、中、重度的雪灾指标，此方法较为繁琐。陈妮娜等^[20]用统计学方法，根据暴雪对各行政县域内温棚的受损栋数和经济损失划分出轻、中、重3种等级的雪深指标，这种划分过于绝对和主观。刘可群等^[21]根据农业农村部大棚蔬菜灾害损失标准，分析风灾灾损率与极大风速关系建立风压灾损模型，在假定雪压和风压相同的条件下，建立雪压损失模型，计算得到雪灾预警指标。这种方法与实际情况存在明显差异。张淑杰等^[22]采用极值I型分布函数计算了不同年的重现期雪深和雪压极值，根据温室结构特点及雪被类型，确定最大承受雪压，得到日光温室致灾的临界雪压和雪深指标，但没有进行分级研究。设施农业雪灾最直接的影响就是温室受损，本研究以日光温室因雪灾造成的损失率为指标因子，参照计算标准化降水指数不同等级确定的方法，划分出日光温室雪灾强度等级，再根据积雪深度和温室损失率的函数关系，得出了日光温室不同雪灾等级的预警指标。对日光温室雪灾指标划分提出新的思路和方法。此方法曾应用于牧区雪灾等级指标确定^[23]，具有一定的科学性。将此方法尝试应用于日光温室的雪灾预警等级指标，方法简单，又考虑到地域的普适性，便于应用于气象业务服务中。该研究旨在建立适应当地的日光温室雪灾标准，为当地日光温室雪灾提供统一的气象服务标准，完善防灾减灾机制，为全面加强农业气象服务体系建设，提高日光温室气象服务能力提供科技支撑。

1 资料与方法

1.1 数据资料

1978－2021年经质控后的青海省河湟谷地（民和县、乐都县、平安区、互助县、西宁市、大通县、湟中区、湟源县、海晏县及黄河流域的循化县、化隆县、尖扎县、贵德县）13个气象观测站的降水量、积雪深度资料，来源于青海省气候中心；1985－2021年河湟谷地日光温室雪灾灾情资料（1985年之前无日光温室灾情资料），来源于《中国气象灾害大典》（青海卷）、气象灾情管理系统和各地应急局收集的雪灾灾情资料，相应时期积雪深度资料来源于青海省气候中心；日光温室数据来源于各县区蔬菜技术推广站。

经调研和查阅文献，青海东部河湟谷地为日光温室主要集中区，约占全省日光温室面积的74%^[24]。青海日光温室使用的是东西走向稍偏西或偏东，采用单斜面的建筑结构，其余三面是墙体，一般长65 m左右，宽9~12 m，脊高3~5 m，坡度角为30°~40°标准的日光塑料温室。夜间保温被覆盖。

1.2 研究方法

1.2.1 日光温室雪灾临界指标的计算

（1）多年重现期最大积雪深度的计算。中国温室使用寿命年限为30 a，使用1978—2021年经质控后的青海省河湟谷地13个气象观测站的降水量、积雪深度资料，采用极值I型分布函数计算河湟谷地30 a一遇最大积雪深度。极值I型分布函数见式(1)、(2)。

F (x) = e x p [- e x p (- α x - μ)]

(1)

X_{R} = μ - \frac{1}{α} l n [l n (\frac{R}{R - 1})]

(2)

式中，F(x)为概率分布函数；ɑ为尺度参数为年最大积雪深度值；μ为分布的位置参数，即其分布的众值，X_R为重现期R年的最大积雪深度。

（2）基本雪压的计算。基本雪压按照GB 55001—2021《工程结构通用规范》国家标准计算。基本雪压计算见式(3)。

S_{0} = ρ g h

(3)

S₀为基本雪压(kN/m²)，ρ为地区平均等效积雪密度(kg/m³)，g为重力加速度(9.8 m/s²)，h为30 a一遇的最大积雪深度值(cm)。根据GB 5009－2012《建筑结构荷载规范》规定青海的积雪密度ρ为120 kg/m³。

（3）日光温室雪荷载的计算。雪荷载（最大雪压）是日光温室结构设计中的主要活载之一，它的取值直接影响着温室结构的安全性和经济性。根据GB 55001—2021规定，屋面水平投影面上的雪荷载标准值应为屋面积雪分布系数和基本雪压的乘积。雪荷载计算见式(4)。

S_{k} = μ_{r} s_{0}

(4)

式中S_k为日光温室雪荷载，μ_r为屋面积雪分布系数，s₀为基本雪压(kN/m²)。屋面积雪分布系数根据GB 5009—2012获得，30°、35°和40°的屋面积雪分布系数分别为0.85、0.7、0.55。

1.2.2 日光温室雪灾预警等级划分

以1985－2021年河湟谷地日光温室雪灾灾情资料为基础，建立时间、地点、日光温室损失率的雪灾档案，依据计算标准化降水指数不同等级灾害占总灾害比例的方法，计算出日光温室雪灾发生的频数，以各雪灾年造成的日光温室损失率作为因子，确定日光温室雪灾不同强度等级的阈值，再根据积雪深度和温室损失率的函数关系，计算出日光温室不同雪灾等级下预警指标。

方法：先计算日光温室损失率。日光温室损失率为该地区该过程因雪灾造成日光温室损失数与本年度该地区日光温室总数之比。计算见式(5)。

D_{j} = \frac{C_{j}}{Z_{j}} \times 100 %

(5)

式中，D_j为第j年该地区日光温室损失率；C_j为第j年该地区雪灾造成日光温室损失数；Z_j为第j年度该地区日光温室总数。

其次，计算各等级雪灾出现的频率比重。参照标准化降水指数中各等级灾害占总灾害的比重^[13]来确定日光温室实际受雪灾的各等级灾害出现的频率比重，计算见式(6)。

A_{i} = \frac{f_{i}}{F} \times 100 %

(6)

式中，A_i为各等级出现频率比重，f_i为各等级出现频率，F为灾害出现的总频率(32%)。然后计算各等级雪灾发生的频数。为各等级雪灾出现的频率比重与雪灾过程总数之积。计算见式(7)。

B_{i} = A_{i} \times N

(7)

式中，B_i为各等级雪灾出现的频数，A_i为各等级出现频率比重，N为日光温室雪灾过程总数。

再次，划分日光温室雪灾强度等级。将日光温室雪灾过程按日光温室损失率升序排列，根据各雪灾等级对应的频数，提取相应等级日光温室损失率区间值，划分出日光温室轻、中、重三级雪灾强度等级。

最后，确定日光温室雪灾预警等级。通过Excel建立日光温室损失率和积雪深度两者之间的函数关系，计算出日光温室损失率对应的积雪深度，并给出不同雪灾等级的颜色，得到日光温室雪灾预警等级。

2 结果与分析

2.1 日光温室雪灾临界指标确定

计算30 a重现期坡度角为30°、35°和40°日光温室的雪荷载。采用Arcgis中的自然断点法，绘制河湟谷地日光温室雪荷载空间分布图（图1），河湟谷地日光温室雪荷载自西北向东南部河谷逐渐减小。另随着日光温室坡度角的增大，雪荷载呈逐渐减小的趋势。坡度角30°的日光温室雪荷载以0.091~0.200 kN/m²为主，坡度角40°的日光温室雪荷载主要以0.024~0.070 kN/m²为主。根据以上计算坡度角30°、35°和40°日光温室的雪荷载，坡度角越大其雪荷载越小，故用最小坡度角30°日光温室的最小雪荷载0.05 kN/m²，对应的积雪深度5 cm作为青海省日光温室雪灾临界指标。

图1 青海河湟谷地30 a重现期30°(a)、35°(b)和40°(c)雪荷载空间分布

Full size|PPT slide

2.2 日光温室雪灾预警等级划分

2.2.1 日光温室各灾害等级出现频率比重和频数

经过计算得出，21次雪灾过程中，轻灾频数为10，中灾频数为7，重灾频数为4。可看出日光温室各灾害等级出现频率比重和频数随着灾情程度的加重而减小（表1）。

表1 日光温室不同雪灾等级占总灾害的比重、频数

等级	类型	出现频率/%	频率比重/%	频数
0	无灾	68	-	-
3	轻灾	15	47	10
2	中灾	10	31	7
1	重灾	7	22	4

2.2.2 日光温室雪灾强度等级划分

将21次日光温室雪灾过程按日光温室损失率升序排列（表2），根据表1中各雪灾等级对应的频数，提取表2中相应等级日光温室损失率区间值，划分出日光温室轻、中、重三级雪灾强度等级（表3）。即根据表1中的频数10，提取表2中日光温室损失率第10个位数的值1.00作为轻度雪灾事件的上限阈值，取第17个位数的值6.60作为中度雪灾事件的上限阈值，各等级雪灾事件上限阈值作为下一等级雪灾事件的下限阈值。

表2 21次雪灾过程的日光温室损失率

序列	雪深/cm	日光温室损失率/%
1	8	0.07
2	6	0.20
3	5	0.20
4	9	0.28
5	9	0.30
6	7	0.38
7	13	0.75
8	14	0.80
9	10	0.99
10	20	1.00
11	13	2.70
12	14	3.00
13	15	3.58
14	18	3.80
15	17	4.56
16	17	6.00
17	20	6.60
18	19	7.10
19	20	8.25
20	20	9.35
21	23	9.80

表3 日光温室雪灾强度等级划分

等级	日光温室损失率/%
轻灾	D≤1
中灾	1<D≤6.6
重灾	D>6.6

表3中日光温室损失率小于等于1%为轻灾，日光温室损失率大于1%，小于等于6.6%为中灾，日光温室损失率大于6.6%为重灾，以日光温室损失率为雪灾等级指标确定因子，不仅反映出灾情的直接结果，而且方法简单，便于业务应用。

2.2.3 日光温室雪灾预警等级划分

由21次日光温室雪灾过程中日光温室损失率和积雪深度通过Excel建立积雪深度和日光温室损失率两者之间的函数关系见式(8)。

H = - 0.12374 D^{2} + 2.4676 D + 8.5983

(8)

通过α=0.05的显著性检验。式中H为积雪深度，D为日光温室损失率。通过函数关系计算出日光温室损失率对应的积雪深度，并给出不同雪灾等级的颜色，得到日光温室雪灾预警等级（表4）。

表4 日光温室雪灾预警等级

等级（颜色）	雪深H/cm
轻灾（黄色）	5<H≤11
中灾（橙色）	11<H≤19
重灾（红色）	H>19

2.3 致灾指标的验证

为了验证暴雪对日光温室受损指标，用2014年4月2日降雪过程日光温室受到不同程度的损害进行验证。此次天气过程西宁市辖区除市区无积雪，有20个监测点出现不同程度的积雪，平均积雪深度为12 cm，13个监测点积雪深度超过5 cm，4个监测点积雪深度超过10 cm，1个监测点大于20 cm，最大积雪在湟中县共和镇监测点为23 cm。虽然西宁观测站（廿里铺）观测无积雪，但从出现雪灾地区最近观测站的积雪深度值可以看出（表5），如离城北区大堡子镇较近的湟中区多巴镇，离城中区总寨镇较近的湟中区鲁沙尔，这2个测站的积雪深度值也均在5 cm以上。由此可见，日光温室发生雪灾时临界指标积雪深度为5 cm是符合当地实际情况的。

表5 2014年4月2日日光温室受灾地区雪深及受损率

地区	降水量/mm	积雪深度/cm	日光温室受损数/栋	日光温室受损率/%	最近测站
湟中区多巴镇	15.8	6	2	湟中区9.8	-
湟中区田家寨镇	14.3	12	37		-
湟中区共和镇	22.4	23	26		-
湟中区李家山镇*	11.6	7	10		湟中区上五庄镇
湟中区上新庄镇*	14.3	12	25		湟中区田家寨
大通县新庄镇*	13.8	8	66	大通县0.07	大通县桥头镇
大通县桥头镇	13.8	8	112		-
大通县塔尔镇*	13.8	8	55		大通县桥头镇
大通县长宁镇	10.8	7	30		-
大通县朔北乡*	13.8	8	3		大通县桥头镇
城北大堡子镇*	15.8	6	8	城北区0.2	湟中区多巴镇
城中区总寨镇*	22.9	18	19	城中区3.8	湟中区鲁沙尔
湟源县城关镇	11.9	9	1	湟源县0.28	-

注：此表为积雪深度大于5 cm的信息。带*地区降水量和雪深观测值使用最近测站的降水量和雪深值。

根据西宁市农业农村局调查，此次全市因降雪导致423栋温室棚架坍塌，其中湟中区130栋，大通县266栋，城北区大堡子镇8栋，城中区总寨镇19栋。共计经济损失729.18万元，其中湟中区经济损失为522.83万元。虽然大通县受灾温室数量较湟中区多，但计算日光温室损失率，湟中区损失率达到9.8%，大通县只有0.07%，并且湟中区积雪深度及经济损失都比较大。以此可证明以温室损失率来划分雪灾标准是科学的。

3 结论和讨论

对于各地而言，基于日光温室实际损失率作为因子确定雪灾强度等级指标，可客观、合理、科学、准确地反映日光温室雪灾的灾害程度，不受地域、温室类型、温室用途等限制，对不同地区不同类型的温室都可参考本研究方法来划分雪灾指标，便于实际业务操作。业务人员可根据雪深预报对应的不同雪灾预警等级，发布日光温室雪灾预警，生产者可采取相应防御措施，提高防灾减灾能力，减少经济损失。

因受日光温室灾情资料限制，本研究没有考虑日光温室的种类，结构特点，新旧程度，管理等因素，需要在今后有大量的灾情资料、气象站网密度增加、日光温室信息和生产管理水平完善的基础上进一步详细的分类研究，计算出不同种类和结构日光温室的雪灾指标，使得气象服务更加具体化和精细化。

研究结果可用于青海省日光温室雪灾预警，评估日光温室雪灾灾害的影响程度，客观评价日光温室雪灾事件的强度和等级，提升日光温室雪灾的评估质量和气象服务在设施农业领域中的作用，提高设施农业气象防灾减灾能力，对政府部门防灾救灾工作提供科学依据，具有广泛的社会效益和经济效益。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	王景红. 果树气象服务基础[M]. 北京: 气象出版社, 2010:109-110. 本文引用 [1]

[2]	张庆云, 卫捷, 陶诗言. 近50年华北干旱的年代际和年际变化及大气环流特征[J]. 气候与环境研究, 2003, 8(3):307-318. 本文引用 [1]

[3]	魏凤英. 华北地区干旱强度的表征形式及其气候变异[J]. 自然灾害学报, 2004, 13(2):32-38. 本文引用 [1]

[4]	马柱国, 华丽娟, 任小波. 中国近代北方极端干湿事件的演变规律[J]. 地理学报, 2003(S1):69-74. 本文引用 [2]

[5]	刘珂, 姜大膀. 中国夏季和冬季极端干旱年代际变化及成因分析[J]. 大气科学, 2014, 38(2):309-321. 本文引用 [1]

[6]	佘敦先, 夏军, 杜鸿, 等. 黄河流域极端干旱的时空演变特征及多变量统计模型研究[J]. 应用基础与工程科学学报, 2012, 20(S1):15-29. 本文引用 [1]

[7]	李伟光, 易雪, 侯美亭, 等. 基于标准化降水蒸散指数的中国干旱趋势研究[J]. 中国生态农业学报, 2012, 20(5):643-649. 本文引用 [1]

[8]

胡实, 莫兴国, 林忠辉. 未来气候背景下我国北方地区干旱时空变化趋势[J]. 干旱区地理, 2015, 38(2):239-248.

本文引用 [1] 摘要

干旱是我国北方地区最为突出的环境问题。根据WCRP耦合模式输出的未来气候变化逐月资料，基于降水-蒸发力标准化干旱指数（SPEI），分析了IPCC SRES A1B、A2和B1三种情景下，2011-2050年我国北方地区干旱状况的时空变化趋势。结果表明：中国北方地区未来40 a呈现干旱化倾向，其中轻度和中度季节性干旱发生频率降低，重度和极端季节性干旱发生频率增加，增温引起的地表蒸发增加是极端干旱频发的主要原因。A1B、B1和A2情景下，2040s整个北方地区极端干旱频率增加、强度增强、影响范围明显扩大。极端干旱的增加可能给农业生产带来风险，采取有效应对措施，将有利于区域农业的可持续发展。

[9]	李伟光, 侯美亭, 陈汇林, 等. 基于标准化降水蒸散指数的华南干旱趋势研究[J]. 自然灾害学报, 2012, 21(4):84-90. 本文引用 [1]

[10]	车少静, 李春强, 申双和. 基于SPI的近41年(1965—2005)河北省旱涝时空特征分析[J]. 中国农业气象, 2010, 31(1):137-143 本文引用 [1]

[11]	HULME M, MARSH R, JOONES P D. Global changes in a humidity index between 1931-60 and 1961-90[J]. Climate research, 1992, 2:1-22. 本文引用 [1]

[12]	郭佳香, 王景才, 周建康. 基于SPI和HI的淮河上中游流域气象干旱特征分析[J]. 人民珠江, 2017, 38(10):33-38. 本文引用 [1]

[13]	王兴梅, 张勃, 张凯, 等. 石羊河流域极端干旱事件的时空变化特征[J]. 地理科学进展, 2011, 30(3):299-305. 本文引用 [1]

[14]	刘文莉, 张明军, 王圣杰, 等. 近50年来华北平原极端干旱事件的时空变化特征[J]. 水土保持通报, 2013, 33(4):90-95. 本文引用 [2]

[15]	黄小燕, 李耀辉, 冯建英, 等. 中国西北地区降水量及极端干旱气候变化特征[J]. 生态学报, 2015, 35(5):1359-1370. 本文引用 [1]

[16]	贺晋云, 张明军, 王鹏, 等. 近50年西南地区极端干旱气候变化特征[J]. 地理学报, 2011, 66(9):1179-1190. 本文引用 [1]

[17]	赵俊芳, 郭建平, 徐精文, 等. 基于湿润指数的中国干湿状况变化趋势[J]. 农业工程学报, 2010, 26(8):18-24 本文引用 [1]

[18]

韩艳凤. 辽宁中部农作物生长季干旱风险度研究[J]. 农学学报, 2023, 13(10):77-82.

https://doi.org/10.11923/j.issn.2095-4050.cjas2022-0162

本文引用 [1] 摘要

掌握辽宁中部农作物生长季降水量变化与干旱风险度，为辽宁中部农业产业结构调整、规避干旱风险和农业生产管理提供参考。利用沈阳区域气象中心1961—2020年的降水和气温数据，采用气候诊断分析方法，选用积分湿润指数及其干湿指数研究降水量对农作物生长季的满足程度、干旱变化特征及干旱风险程度。结果表明：1961—2020年辽宁中部农作物生长季降水量呈减少趋势，线性减少40.5 mm；降水满足度和干湿指数呈下降趋势，分别线性下降14.5%和0.13；干旱风险度呈显著上升趋势，最大干旱风险度上升17.3%，2000—2020年平均上升11.0个百分点。播种苗期中旱+大旱约3 a一次；旺长期中旱+大旱概率约20 a一次；成熟期中旱+大旱约4 a一次。研究结果为掌握降水变化状态，干旱变化特征，认知干旱的严重程度，规避干旱风险，为“三农”及粮食生产安全以及农业结构调整和防旱减灾提供参考。

[19]	薛昌颖, 张永涛, 刘伟昌. 1971-2016年河南省夏玉米生长季极端干旱时空特征[J]. 干旱地区农业研究, 2020, 32(2):258-266. 本文引用 [1]

[20]	薛昌颖, 马志红, 胡程达. 近40a黄淮海地区夏玉米生长季干旱时空特征分析[J]. 自然灾害学报, 2016, 25(2):1-14. 本文引用 [1]

[21]	颜玉倩, 何赵祥睿, 朱克云. 河南省冬小麦干旱指数特征分析及风险评估[J]. 农学学报, 2023, 13(10):77-82. 本文引用 [1]

[22]	李会群, 王文. 基于相对湿润度指数的山东省作物生长季干旱特征[J]. 干旱区资源与环境, 2015, 29(11):191-196. 本文引用 [1]

[23]	李春强, 李保国, 洪克勤. 河北省近35年农作物需水量变化趋势分析[J]. 中国生态农业学报, 2009, 17(2):359-363. 本文引用 [1]

[24]	康西言, 李春强, 杨荣芳. 河北省冬小麦生育期干旱特征及成因分析[J]. 干旱地区农业研究, 2018, 36(3):210-217. 本文引用 [1]

[25]	姚小英, 张强, 王劲松, 等. 近30 a陇东南旱作区特色林果水分适宜性变化特征[J]. 干旱区研究, 2015, 38(2):229-234. 本文引用 [1]

[26]	杨小利, 蒲金涌, 马鹏里, 等. 陇东地区苹果水分适宜性评估[J] .西北农林科技大学学报(自然科学版), 2009, 37(9):71-76. 本文引用 [1]

[27]	蒲金涌, 姚小英. 西北旱作区苹果水分适宜性——以天水为例[J]. 生态学杂志, 2010, 29(10):1957-1961. 本文引用 [1]

[28]	贾桂梅, 杨丽娜, 李春强, 等. 冀中南太行山东麓苹果需水特征和水分适宜性分析[J]. 气象与环境科学, 2020, 43(2):109-114. 本文引用 [1]

[29]	王景红, 梁轶, 柏秦凤, 等. 陕西主要果树气候适宜性与气象灾害风险区划图集[M]. 西安: 陕西科学技术出版社, 2012:85-87. 本文引用 [1]

[30]	王景红, 柏秦凤, 梁轶, 等. 陕西苹果干旱指数研究及基于县域单元的苹果干旱风险分布[J]. 气象科技, 2014, 42(3):516-523. 本文引用 [1]

[31]	温克刚. 中国气象灾害大典-河北卷[M]. 北京: 气象出版社, 2008:56-75. 本文引用 [2]

[32]	吴利华, 彭汐, 马月伟, 等. 1951—2016年昆明极端气温和降水时间的变化特征[J]. 云南大学学报(自然科学版), 2019, 41(1):91-104. 本文引用 [1]

[33]	贾桂梅, 李春强, 刘宏举, 等. 河北省苹果水分适宜性分析[J]. 气象与环境科学, 2021, 44(4):89-98. 本文引用 [1]

基金

河北省气象局科研项目“河北省红富士苹果气候品质评价技术研究”(20ky21)

中国气象局公共气象服务中心创新基金项目“旅游康养气候资源评价和发掘技术研究——以京津冀地区为例”(M2023008)

PDF(1685 KB)

Accesses

Citation

Detail

段落导航

Received	Revised	Published
2023-11-12	2024-06-13	2024-11-20
Issue Date
2024-11-19

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

关于期刊

在线期刊

作者中心

摘要