全 文 ：作物学报 ACTA AGRONOMICA SINICA 2011, 37(10): 1868−1878 http://www.chinacrops.org/zwxb/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由国家公益性行业(气象)科研专项(GYHY200906022), 中国气象科学研究院基本科研业务费专项(2009Y005)和国家科技支撑计
划项目(2006BAD04B02)资助。
* 通讯作者(Corresponding author): 马玉平, E-mail: mayp@cams.cma.gov.cn
Received(收稿日期): 2011-01-26; Accepted(接受日期): 2011-06-25; Published online(网络出版日期): 2011-07-28.
URL: http://www.cnki.net/kcms/detail/11.1809.S.20110728.1004.021.html
DOI: 10.3724/SP.J.1006.2011.01868
基于作物生长模型的东北玉米冷害监测预测
马玉平 1,2,* 王石立 1 李维京 3
1中国气象科学研究院, 北京 100081; 2南京信息工程大学, 江苏南京 210044; 3国家气候中心, 北京 100081
摘 要: 在全球气候变暖背景下, 东北地区的气温明显上升, 但由于存在玉米相对晚熟品种越区(北扩)种植现象, 区
域性和阶段性的玉米低温冷害仍时有发生。因此, 开展东北玉米低温冷害监测预测研究仍十分必要。本文首先利用
东北玉米生长模型(NEC_MaGM)构造冷害监测指标, 然后开展玉米冷害监测预测方法研究并进行个例分析。结果显
示, 从不利天气条件和玉米对低温响应两方面遴选的 8个单项指标中, 以指标 2 (DC_Tas9, 抽雄期到 9月底的累积热
量单位与同期多年平均值的差值百分率)和指标 1 (DN_Tas, 当年抽雄期与多年平均抽雄期的差值)对历史玉米冷害的
概括能力最强; 根据冷害致灾机理、单一指标的历史概括能力及其独立性等因素, 构建了由指标 1、2 以及指标 4
(DW_GrS, 水分适宜条件下模拟穗重与多年平均穗重的差值百分率)和指标 7 (DW_Fro, 初霜冻日时模拟穗重与模拟
成熟时穗重的差值百分率)组合而成的东北玉米低温冷害综合指标; 基于 NEC_MaGM 和冷害综合指标进行单点冷害
监测 , 确定了若 45%以上站点出现玉米冷害即为区域性冷害的标准 , 独立样本监测检验与实际情况一致 ; 利用
NEC_MaGM在网格尺度上的监测可以得到更详细的冷害空间分布状况, 有利于开展农业气象业务服务工作; 根据前
期天气实况加上区域气候模式预测的气象要素数据, 再结合预报时效之后的多年平均气候数据, 在格点尺度利用
NEC_MaGM可以实现对东北玉米低温冷害的预测。预测个例表明, 该方法能够反映冷害的形成过程和严重程度, 但
其准确性不仅与作物模型有关, 还依赖于区域气候模式的模拟能力。
关键词: 玉米冷害指标; 监测预测; 东北玉米生长模型
Monitoring and Predicting of Maize Chilling Damage Based on Crop Growth
Model in Northeast China
MA Yu-Ping1,2,*, WANG Shi-Li1, and LI Wei-Jing3
1 Chinese Academy of Meteorological Sciences, Beijing 100081, China; 2 Nanjing University of Information Science & Technology, Nanjing 210044,
China; 3 National Climate Center, Beijing 100081, China
Abstract: Although atmospheric temperature is obviously increased in northeast China with the global warming, regional maize
chilling damage still occurs due to North extension of cultivation region of relative late-maturing varieties. Therefore, the research
on monitoring and predicting maize chilling damage is still necessary. In this paper, we firstly constructed chilling damage indexes
based on northeast China maize growth model (NEC_MaGM), and then developed the methods of monitoring and predicting
maize chilling damage. The results are as follows: (1) In the eight individual chilling damage indicators selected from adverse
weather conditions and the response of maize growth to low temperature, the second one (DC_Tas9, reduction of heat units during
tasseling to September 31 compared with multi-year average) and the first one (DN_Tas, the difference of tasseling stage between
this year and multi-year average) had the best historical matching capability for chilling damage. The accuracy of chilling damage
simulation based on DN_Tas and DC_Tas9 was 93.0% and 81.4%, respectively. (2) Based on formation mechanism of chilling
damage, historical matching capability of every individual indicator and its independence, we constructed an integrated chilling
damage index, which included the first, the second, the forth (DW_GrS, the loss of WSO suffered by low temperature in growing
season compared with multi-year average) and the seventh individual indicators (DW_Fro, the loss of WSO suffered by first frost).
第 10期 马玉平等: 基于作物生长模型的东北玉米冷害监测预测 1869


(3) Chilling damage was monitored for every site by using NEC_MaGM and indicators, and then regional maize chilling was
described by calculating the proportion of the site with chilling damage. On the base of integrated index, we defined that regional
chilling damage should have more than 45% of maize chilling site. Thus, the accuracy and the threat score of maize chilling dam-
age simulation were 93.6% and 84.2%, respectively. The result of independent samples test was consistent with actual situation. (4)
Monitoring of chilling damage in the grid scale could be described more detailed spatial distribution. With the constantly updated
live weather data, chilling dynamic monitoring could be achieved. The causes of chilling damage in the different regions were
explored by using every individual indicator. The severity and spatial distribution of chilling damage simulations in the grid scale
were fairly consistent with the literature. This method of monitoring chilling damage was favorable to business development of
agricultural meteorological services. (5) According to weather data measured and predicted by regional climate models, combined
with climate average data, regional maize chilling damage could be predicted by using NEC_MaGM. Case study showed that the
method reflected to some extent the development and severity of chilling damage, but its accuracy was not only related with crop
models, but also depended on simulation ability of regional climate model. The study could provide a scientific basis for the dis-
aster prevention and mitigation.
Keywords: Maize chilling damage index; Monitoring and predicting; NEC_MaGM
春玉米是东北地区主要的农作物之一。东北玉
米对我国粮食生产有举足轻重的影响。近些年来 ,
在全球气候变暖背景下 , 东北地区气温明显上升 ,
但由于存在玉米相对晚熟品种越区种植(北扩)现象,
区域性和阶段性玉米低温冷害仍时有发生。因此 ,
开展东北玉米低温冷害监测预测研究十分必要。早
期研究方法一般是利用田间和人工气候箱试验数据
或历史作物产量数据对照气象数据确定冷害指标 ,
然后根据实测或预报温度并对照指标进行冷害的历
史分析或未来预测。丁士晟[1]最早研究发现东北地
区 5月至 9月月平均气温之和与作物产量关系密切。
孙玉亭等[2]和王书裕等[3]进一步研究认为 5 月至 9
月月平均气温之和及其负距平两者的组合可以作为
粮食作物的冷害年指标。冯佩芝等[4]基于这一指标
并结合农业生产的实际情况, 分析了 1951—1980年
东北玉米冷害情况。近 20年来, 冷害指标研究进一
步发展。毛飞等[5]将纬度融入该指标分析了 1956—
1995年的冷害分布规律。郭建平等 [6-7]通过热量指
数来预报玉米发育期间的热量状况, 间接地反映了
发生冷害可能性。关于低温冷害的预报一般是通过
建立冷害指标与前期大气环流特征量的相关关系
来实现[8-9]。总的来说, 以上研究主要从温度或热量
的角度通过数理统计手段间接描述低温冷害对玉
米产量的影响。近年来, 随着面向生长过程机理性
较强的作物生长模型快速发展, 人们开始尝试将其
应用于作物低温冷害研究, 模拟低温对作物生长发
育和产量形成的影响[10-12]。但现有研究侧重于低温
诱发的玉米发育期延迟及其对生物量积累的影响 ,
而较少考虑玉米生长后期低温和霜冻对产量形成
的直接影响, 因而对冷害的历史概括能力受到一定
限制。
本文在校准检验NEC_MaGM (东北玉米生长模
型)[10-11]以及分析玉米生长后期致灾因子的基础上[13],
利用 NEC_MaGM 首先从不利天气条件和玉米对低
温响应两方面确定冷害指标, 并根据冷害致灾机理
和单一指标的历史概括能力构建玉米低温冷害综合
指标; 然后开展玉米冷害监测预测方法研究并进行
个例分析, 以期为防灾减灾提供科学依据。
1 研究数据与模型
1.1 研究数据及其处理
气象实测数据主要包括东北地区 72个气象观
测站近 49年(1961—2009)的逐日最高、最低、平均
温度, 以及降水量、日照时数、水汽压和风速等。
并根据前期改进的 IDW(距离权重反比)法[14]对站点
数据进行空间插值, 获得 0.25°×0.25°空间分辨率的
格点数值。这一方法除了经纬度外还考虑了海拔高
度的订正[14]。其中, 站点气象数据用于冷害指标及
站点冷害监测研究, 格点气象数据用于区域冷害监
测研究。
气象预测数据包括由国家气候中心区域气候模
式(RegCM_NCC)输出的 1969 年 6 月 1 日—9 月 29
日、2003 和 2004 年 4 月 1 日—5 月 30 日、6 月 1
日—8月 30日的逐日格点数据。要素和空间分辨率
与实测插值格点气象数据一致, 主要用于区域冷害
预测研究。
根据冯佩芝等[4]对 1951—1980 年、毛飞等[5]对
1956—1995 年东北地区玉米冷害分布的分析, 并结
合国家气候中心 1982—2006 年的气候影响评价公
报, 分析确认了东北地区 1961—2006年实际出现玉
米低温冷害的年份数据(表 1)。
1.2 作物生长模型简介
采用荷兰瓦赫宁根系列作物模型 WOFOST[15]、
SUCROS[16]等的基本框架修改重建的“东北玉米生
1870 作 物 学 报 第 37卷

长模型”(NEC_MaGM)[10-11]。该模型以日为时间步长,
由发育、生长(光合、呼吸、同化物分配及叶面积增
长)、根伸长、蒸散、土壤水分平衡等子模式组成。
其中, 发育子模式根据玉米发育速度与最高、最低
温度的定量关系采用热量单位(CHU)来模拟发育进
程, 并以发育指数(DVS)表示。出苗期、抽雄期和成
熟期的 DVS定义为 0、1和 2, 其他如吐丝期和乳熟
期的 DVS约为 1.1和 1.5。

表 1 东北地区实际出现玉米低温冷害的年份
Table 1 Maize chilling damage years in northeast China
冷害等级
Chilling grade
年份
Year
严重 Severe 1966, 1969, 1971, 1972, 1976, 1979, 1980, 1987, 1992, 1995
一般 Middle 1964, 1965, 1968, 1974, 1981, 1986, 1989

利用东北玉米实测数据进行模型的校准和检验
表明, 模拟玉米抽雄期的均方根差为 0.16 d, 成熟
期的均方根差为 0.26 d, 贮存器官干重的均方根差
在 756.8 kg hm−2以内[13]。在作物和土壤参数分区以
及气象驱动变量插值的基础上 , 实现了 NEC_
MaGM的区域格点化运行[10-11]。
本文定义利用实况气象数据驱动 NEC_MaGM
模拟温度对玉米生长发育的影响为冷害监测, 利用
实况加气候预测数据驱动 NEC_MaGM 的模拟为冷
害预测。
2 东北玉米综合冷害指标构建
温度对作物生长发育的影响比较复杂, 东北玉
米低温冷害的致灾因素也较多, 不同年份、不同地
点以及不同发育阶段的致灾原因和条件均不尽相
同。因此, 有必要结合玉米生长发育过程, 从反映致
灾因子的气象条件和作物对冷害的响应两个方面遴
选单项冷害指标, 进一步构建多因素综合指标体系,
为冷害监测和预警提供依据。另外, 东北地区近年
来气候变暖趋势明显, 多项研究表明在 1988年左右
发生突变[17-21]。故本研究以 1988年为界, 针对前后
两个时段分别建立低温冷害指标。
2.1 单项冷害指标确定
2.1.1 单项冷害指标要素确定 本文共选择 8 个
冷害指标要素[10-11,13]。
指标 1为 DN_Tas, 即当年抽雄期与多年平均抽
雄期的差值。延迟性冷害主要是营养生长阶段温度
偏低引起的, 常造成抽雄期延迟、初霜冻前不能正
常成熟、产量下降。
指标 2 为 DC_Tas9, 即抽雄期到 9 月底的累积
热量单位(CHU)与同期多年平均值的差值百分率。
抽雄至成熟期平均温度的高低有可能加速或延迟玉
米发育进程。
指标 3 为 DN_TasMat, 即抽雄至成熟期的天数
与多年平均天数的差值。
指标 4 为 DW_GrS, 即水分适宜条件下模拟穗
重(WSO)与多年平均穗重的差值百分率。之所以选
择水分适宜条件, 主要是为了剔除水分胁迫对WSO
的不利影响, 可反映冷害的严重程度。
指标 5为DW_Fil, 指发育指数DVS<1.9且连续
5 d (或以上)出现日均温<临界温度(16℃)时的模拟
穗重(WSO)与模拟成熟期穗重的差值百分率。
指标 6为 DN_Fil, 指 DVS<1.9时, 连续 5 d出
现日均温<16℃的天数。该强度的低温出现越早, 冷
害越严重。
指标 7为 DW_Fro, 指初霜冻日时模拟WSO与
模拟成熟时(仅根据发育参数)WSO 的差值百分率。
过早的霜冻使玉米生长发育停止, 直接影响产量。
指标 8为 DN_Fro, 初霜冻提前于模拟成熟期的
天数。初霜冻出现越早, 对产量的影响越大。
其中指标 1、3、4、5、7是玉米对低温的响应,
指标 2、6、8属不利天气条件。指标 6、8反映玉米
生长后期的不利气象条件。 8 个指标要素值均为
NEC_MaGM的模拟结果。
2.1.2 单项冷害指标分级 利用 NEC_MaGM 对
研究区域 43 个站点逐年(1961—2007)模拟的结果 ,
以 1988年为界, 分别确定其前后 2个时段各指标要
素的分级阈值。其中, 第一时段利用 1961—1985年
的模拟结果确定分级阈值, 1986、1987 年进行外推
检验; 第二时段利用 1988—2005年的模拟结果确定
分级阈值, 2006、2007年进行外推检验。
鉴于文献对冷害年份的记载仅为定性描述, 难
以正确辨别冷害发生的时段, 故根据冷害不同等级
(特重、严重、一般、无)的发生频率, 对照各指标要
素模拟值序列, 确定各单项指标要素不同冷害等级
的阈值。例如, 1961—1985年的 25年中, 有 7年出
现严重冷害(28%), 12 年出现一般性冷害 (48%);
1988—2005 年的 18 年中出现严重冷害 2 次(11%),
一般性冷害 3次(17%)。因此, 前段分别以出现频率
28%和 48%为严重冷害与一般冷害的划分标准, 后
段以 11%、17%为严重、一般冷害的划分标准。进
一步将出现严重冷害的 1/3 年份定义为特重冷害,
第 10期 马玉平等: 基于作物生长模型的东北玉米冷害监测预测 1871


即前段以出现频率 9%为特重冷害, 后段以 4%为特
重冷害。在此基础上, 利用 NEC_MaGM模拟得到各
单项指标要素值历年序列, 结合以上各种冷害出现
频率, 确定指标要素值的分级阈值(表 2)。

表 2 单项冷害指标的分级阈值
Table 2 Classification threshold of individual chilling damage indices
阈值 Threshold 时段
Period
冷害等级
Chilling
grade
赋值
Value DN_Tas DC_Tas9 DN_TasMat DW_GrS DW_Fil DN_Fil DW_Fro DN_Fro
特重 Heavy 3 3.5 5.0 4.5 15.5 18.0 8.0 0 0
严重 Severe 2 1.5 2.0 1.5 6.0 0 0 — —
一般 Middle 1 0 0 0 0 — — — —
1988
之前
Before
1988
无 Non 0


特重 Heavy 3 7.5 7.0 7.5 23.5 19.5 13.0 0 2
严重 Severe 2 4.5 5.0 4.5 15.0 15.0 7.0 — 0
一般 Middle 1 3.0 4.0 3.0 11.5 10.0 4.0 — —
1988
之后
After
1988
无 Non 0
DN_Tas为当年抽雄期与多年平均抽雄期的差值, DC_Tas9为抽雄期到 9月底的累积热量单位(CHU)与同期多年平均值的差值百
分率; DN_TasMat为抽雄至成熟期的天数与多年平均天数的差值, DW_GrS为水分适宜条件下模拟穗重(WSO)与多年平均穗重的差值
百分率, DW_Fil为发育指数DVS<1.9且连续 5 d (或以上)出现日均温<临界温度(16 )℃ 时的模拟穗重(WSO)与模拟成熟期穗重的差值百
分率, DN_Fil为 DVS<1.9时, 连续 5 d出现日均温<16℃的天数, DW_Fro为初霜冻日时模拟 WSO与模拟成熟时 WSO的差值百分率,
DN_Fro为初霜冻提前于模拟成熟期的天数。
DN_Tas is the difference of tasseling stage between this year and multi-year average. DC_Tas9 and DN_TasMat are reduction of heat
units and extension days, respectively, during tasseling to September 31 compared with multi-year average. DW_GrS is the loss of WSO
suffered by low temperature in growing season compared with multi-year average. DW_Fil is the loss of WSO suffered by low temperature in
filling stage. DN_Fil is the number of days in advance than DVS = 1.9 for the continuous low temperature. DW_Fro is the loss of WSO suf-
fered by first frost. DN_Fro is the number of days in advance than simulated maturity for the first frost.

2.1.3 单项冷害指标的历史概括能力 运行
NEC_MaGM, 结合单项冷害指标取值 , 进行
1961—2007年的历史冷害模拟。其中, 1986、1987、
2006、2007年为外推年份。表 3为仅判断东北地区
是否出现冷害的回代模拟检验。其中, 依据各指标
进行冷害监测的准确率(PC)均在 62.8%以上, 技巧
评分(TS)在 23.8%~81.3%之间, 空报率在 40%以下,
指标 1~4 的漏报率在 40%以下, 而指标 5~8 的漏报
率较高, 达 66.7%。另外, 各单项指标的冷害外推验
证结果显示, 指标 1预报全部准确, 指标 2、3、4、
7和 8各漏报 1年, 而指标 5和 6各漏报两年。总体
来看, 指标 1、2、3 和 4 的概括能力较强, 指标 5
和 6次之, 指标 7和 8较差。
2.2 综合冷害指标的构建
构建综合冷害指标时, 依据冷害概括能力、因
子间的独立性以及致灾机理 , 从 8个单项冷害指标

表 3 根据单项冷害指标对历史冷害年的回代模拟检验
Table 3 Simulation test for chilling damage by individual chilling damage indices (%)
项目
Item
DN_Tas CHU_ TasLate
DN_Tas
Mat
WSO_
Kill
DW_GrS_
LTMF
D_190_
LTMF
DW_GrS_
Frost
D_200_
Frost
准确率(PC) 1) Accuracy1) 81.4 93.0 74.4 74.4 76.7 79.1 62.8 62.8
技巧评分(TS) Threat score 57.9 81.3 45.0 45.0 33.3 40.0 23.8 23.8
空报率 Vacancy rate 26.7 6.7 33.3 33.3 0 0 40.0 40.0
漏报率 Missing rate 26.7 13.3 40.0 40.0 66.7 60.0 66.7 66.7
前两项平均 Average 69.6 87.1 59.7 59.7 55.0 59.5 43.3 43.3
1) 参照中国气象局气发[2005]109号文件“关于中短期天气预报质量检验标准”。预报准确率 PC=(NA+ND)/(NA+NB+NC+ND)×100
预报技巧评分 TS=NA/(NA+NB+NC)×100。其中, NA为有冷害预报正确站(次)数, NB为空报站(次)数, NC为漏报站(次)数, ND为无冷
害预报正确站(次)数。各项指标所代表的含义同表 2。
1) Based on documentation No. 109, criterion of quality test for middle and short range weather forecasts, published by China Meteoro-
logical Administration in 2005. Forecast accuracy PC=(NA+ND)/(NA+NB+NC+ND)×100. Threat score TS=NA/(NA+NB+NC)×100. Here,
NA is correct forecast points (times) number with chilling damage. NB is vacancy forecast points (times) number, NC is missed forecast
points (times) number. ND is correct forecast points (times) number with no chilling damage. Abbreviations for individual chilling damage
indices are the same as in Table 2.

1872 作 物 学 报 第 37卷

中选择。表 3中概括能力较强的指标 1、2首先被选
中。进一步对 43 个站点 47 年的各单项冷害指标要
素的模拟值进行了相关分析发现, 指标 2、3之间, 4、
5 之间, 5、6 之间, 4、6 之间, 7、8 之间以及 1、4
之间有较高的相关性。因此再根据独立性选择指标
7。另外, 由于指标 4反映低温冷害对作物产量的影
响, 因此也被入选。最终确定利用单项指标 1、2、4、
7构建综合冷害指标。
以表 3 中 4 个单项指标的冷害历史拟合能力作
为权重系数, 各单项指标要素历年对应冷害等级赋
值的加权和即为综合指标。再根据前面所述实际冷
害的出现频率确定综合冷害指标的等级取值范围。
1961—1985年, 1988—2005年共 43年中 15年有冷
害(35%), 其中 9年严重冷害(21%)。因此, 以出现频
率 7% (严重冷害的 1/3)、21%、35%分别为特重、严
重、一般冷害。综合指标的冷害分级阈值见表 4。

表 4 综合冷害指标的分级阈值
Table 4 Classification threshold of integrated chilling damage
indices
冷害等级
Chilling grade
特重
Heavy
严重
Severe
一般
Middle
无
Non
赋值 Value 3 2 1 0
阈值 Threshold (x) x ≥1.65 x ≥0.97 x ≥0.64 x ≥ 0

3 东北玉米低温冷害监测
利用实测气象数据驱动 NEC_MaGM 模型, 并
结合综合冷害指标, 可以进行东北区域历史玉米冷
害的监测 , 包括基于站点和基于网格点的区域监
测。
3.1 基于站点的冷害监测
本方法依据冷害发生站点占所有站点的比例在
区域尺度上对冷害进行监测。利用 NEC_MaGM 结
合综合冷害指标, 对 1961—1985年以及 1988—2005
年 2 个时段冷害的历史回代模拟表明, 以 45%以上
的站点有冷害发生为指标, 检测东北地区冷害发生
的准确率和技巧评分最高 , 分别达到 93.6%和
84.2%。其中空报 2 年, 漏报 1 年(图 1)。按此指标
对 1986、1987、2006、2007各年外推检验表明, 1986、
1987年为东北地区冷害发生年, 2006、2007年为非
冷害发生年, 均与实况一致。
表 5 给出了利用 NEC_MaGM 结合各项冷害指
标分别对 1971、1972、1974年进行冷害监测的个例。
可以看出, 1971 年发生的玉米冷害主要是多数站点
(95.3%)抽雄后热量不足, 导致玉米最终无法完全成
熟引起的 , 但产量损失较大的站点并不多 (9.3%);
1972 年玉米抽雄前后热量条件均不足, 特别是灌浆
期遇到持续低温, 导致多数站点(65.1%)减产, 冷害
分布范围最大; 1974年前期热量不足 , 造成大多数
站点 (95.3%)抽雄延迟 , 最终使减产的站点较多
(67.4%), 但后期热量条件较好, 灌浆期没有遭受低
温, 冷害范围较其他两年小。综合指标的监测结果
与这几年东北地区玉米单产损失一致(表 5)。
利用代表站点也可以进行单点冷害动态监测。
监测发布日之前的气象要素采用实况值, 发布日之
后直到玉米成熟均采用逐日的多年平均(假设气象
条件正常), 据此进行玉米全生育期的生长发育模
拟。随着监测日期的不断往前滚动, 便可实现利用
实时数据的冷害动态监测。图 2是对 1971年东北地
区一些站点玉米冷害动态监测的结果。可以看出 ,
黑龙江省佳木斯市在 8 月上旬出现一般冷害后随即
迅速发展, 至 9 月上旬构成特重冷害; 牡丹江市的
冷害发生稍迟(8月中旬), 但随后同样发展为特重冷
害; 吉林省双阳市 8月上旬发生一般冷害, 至 9月份

图 1 利用 NEC_MaGM结合冷害综合指标对东北地区 1961–2007年冷害进行监测的结果
Fig. 1 Chilling damage monitored by NEC_MaGM combined with integrated chilling damage indices during 1961–2007
有 45%以上的站点发生冷害的年份为东北地区冷害年。
The chilling damage year in northeast is defined that more than 45% of the 43 meteorological stations occurred chilling damage.
第 10期 马玉平等: 基于作物生长模型的东北玉米冷害监测预测 1873


表 5 东北玉米生长模型(NEC_MaGM)对 1971、1972和 1974年的冷害监测结果
Table 5 Chilling damages monitored by NEC_MaGM in 1971, 1972, and 1974
不同年份出现冷害站点数占全部站点数的比例
Ratio of number of sites with chilling damage to the numbers of total sites in different years (%) 冷害指标
Chilling damage index 1971 1972 1974
DN_Tas 46.5 93.0 95.3
DC_Tas9 95.3 95.3 14.0
DN_TasMat 86.0 93.0 7.0
DW_GrS 9.3 65.1 67.4
DW_Fil 18.6 62.8 25.6
DN_Fil 18.6 62.8 25.6
DW_Fro 9.3 2.3 0.0
DN_Fro 9.3 2.3 0.0
综合指标 Integrated chilling damage index 74.4 95.3 62.8
玉米单产 Maize yields (kg hm−2) 2332.9 1989.6 2722.5
各项指标所代表的含义同表 2。
Abbreviations for individual chilling damage indices are the same as in Table 2.


图 2 利用综合指标对 1971年东北部分站点玉米冷害的动态监
测结果
Fig. 2 Dynamic monitoring maize chilling damage in some
sites based on integrated chilling damage index in northeast
China in 1971

温度仍偏低, 最终发展为严重冷害; 辽宁省建昌县
前期热量条件一直较好 , 但玉米成熟前(9月19日)
的一次较强霜冻酿成了严重冷害。
3.2 基于网格点的区域冷害监测
利用格点气象数据驱动 NEC_MaGM, 结合综
合冷害指标, 可以进行大尺度上的冷害监测。对东
北全区发生的严重冷害年份 1969、1972、1976、1979
年在格点尺度上进行了历史模拟, 各年冷害程度及
空间分布与文献记载相当一致(图 3)。对历史上一些
区域性冷害年份如 1971年黑龙江、吉林发生的冷害,
1995年辽宁中北部、吉林东南部、黑龙江部分地区
发生的延迟性冷害进行了监测, 结果(图 3)与文献记
载的延迟性冷害发生地区及程度也比较吻合。
监测日之前的气象要素采用实况值, 之后直到
玉米成熟采用逐日的多年平均值, 利用 NEC_MaGM
进行基于网格尺度的冷害动态监测。从图 4 可以看
出, 1971年至 7月 1日, 东北地区仅吉林省中部出现
一般性冷害; 至 8月 1日, 吉林省中部冷害加重, 黑
龙江省东部也出现严重冷害; 至 9月 1日, 上述两处
冷害已经连片且强度继续加重; 至 10 月 1 日, 黑龙
江省和吉林省大部、辽宁省部分地区均发生冷害 ,
其中黑龙江省东部大片地区已发展为特重冷害。以
上冷害发展过程与文献记载的“黑龙江、吉林省有冷
害”基本一致。
特别值得一提的是, 相对于单项指标, 综合指
标考虑了多个致灾因子和玉米生长前、后期热量条
件的变化, 监测效果得到一定改善。同时, 在网格水
平上分析多个单一指标和综合指标的监测结果, 也
有助于查明不同区域冷害发生的原因。如 1974年依
据抽雄期延迟(指标 1, DN_Tas)进行监测的结果显示
东北全区有特重冷害, 而根据抽雄后热量单位减少
百分率(指标 2, DC_Tas9)监测的结果显示东北无冷
害, 再用全生育期温度对穗重的影响(指标 4, DW_
GrS)进行监测, 表明除黑龙江东部地区外, 其余地
区冷害程度均较指标 1 的检测结果为轻, 特别是吉
林省东部更轻。相比之下, 采用综合指标可兼顾后
期热量条件转好等因素对前期的补偿作用, 监测结
果较单一指标有明显改善(图 5)。
4 东北玉米低温冷害预测
图 6 是预测玉米冷害的流程图。简言之, 以前
期天气实况加上预报时段基于区域气候模式
RegCM的预测值, 再结合预报时段之后的多年平均
1874 作 物 学 报 第 37卷


图 3 4个典型年份东北地区玉米冷害监测结果
Fig. 3 Monitoring maize chilling damage for four typical years in northeast China

气候数据, 就构成玉米全生育期的气象数据序列。
在格点尺度上以此气象数据驱动 NEC_MaGM, 即
可模拟玉米抽雄期、抽雄后热量单位、贮存器官干重
(WSO)以及初霜冻对 WSO 的影响, 最后利用综合冷
害指标进行冷害发生与否及其程度和范围的预测。实
际制作玉米冷害预测时, 可随着作物发育进程, 不断
更新实况值和预测值, 以期实现冷害的动态预测。
利用国家气候中心改进的区域气候模式(RegCM_
NCC)对研究区域 1969 年、2003 年和 2005 年 5~8
月的逐日气象数据进行试预测表明, 对 1969年 6月
1 日试预测的结果基本符合当年东北全区的冷害发
生情况, 但强度较实况监测弱(图 7)。对 2003 年 4
月 1日和 6月 1日以及 2005年 4月 1日的试预测均
表明研究区域基本无冷害发生 , 完全符合实际情
况。对 2005年 6月 1日试预测的结果表明, 全区有
严重冷害发生, 主要依据是玉米生长后期温度偏低,
特别是灌浆期连续低温导致 WSO 积累提前终止 ,
但实况监测表明此次预测为误判。可见本方法对玉
米冷害预测的准确性还依赖于 RegCM_NCC的模拟
能力。
5 讨论
本文构建的东北玉米低温冷害综合指标不仅考
虑了低温对玉米发育的影响, 还考虑了生长后期热
量条件以及低温或霜冻对最终贮存器官干重的影响,
具有明确的生物学意义。在 NEC_MaGM 模拟过程
中, 随着实况气象数据不断更新, 对冷害的诊断和
监测已由前期研究只考虑指标 1 (抽雄期延迟日数)
和指标 4 (全生育期低温对穗重的影响)[10], 逐渐增
加了指标 2 (抽雄后热量单位是否减少)[11]和指标 7
(初霜冻对穗重的影响), 从而使冷害研究臻于合理、
全面和动态化。在实际应用中, 还可以通过比较所
选 8个单项指标要素和综合指标监测的结果, 进一
步深入分析冷害致灾的原因。
第 10期 马玉平等: 基于作物生长模型的东北玉米冷害监测预测 1875



图 4 1971年东北地区玉米冷害的动态监测结果
Fig. 4 Dynamic monitoring maize chilling damage in northeast China in 1971

本文分别探讨了利用站点和网格方式进行东北
玉米大范围区域冷害监测的方法。在站点尺度上确
定若 45%以上站点出现玉米冷害即为区域冷害。这
一方法的准确性与站点选择有关。由于东北地区幅
员辽阔, 南北气候差异很大, 若仅以冷害出现站数
的多寡为标准, 监测结果仍显粗糙。在网格尺度上
监测冷害可以较直观详细地描述其空间分布状况 ,
有利于开展气象服务工作。但是, 气象要素空间插
值方法的改进对提高冷害监测水平非常重要。为了
使 NEC_MaGM和 RegCM_NCC的空间尺度相匹配,
目前采用 0.25° × 0.25°分辨率。未来可视作物、土壤、
天气等变量的特征进一步提高, 当然还应进一步开
展作物模型的升尺度研究。
指标 4 (DW_GrS)为水分适宜条件下模拟穗重
与多年平均穗重的差值百分率。其中已经剔除了对
玉米生长发育和产量形成影响较大、且年际变化也
很大的水分因子的影响。对于指标中包含的太阳辐
射, 由于在东北地区不是限制性因子, 且与温度的
效应比较一致。同时, 也有研究定义低温冷害为作
物生育期间 0℃以上的低温, 或者同时出现低温寡
照, 影响作物的生长发育并引起减产的自然灾害[4]。
因此, DW_GrS仍可作为监测冷害的重要指标之一。
与前人“5 月至 9 月平均气温负距平”[1-5]等数理
统计手段监测东北作物冷害的方法相比, 本文基于
作物生长模型的东北玉米冷害监测方法的机理性较
强, 生物学意义更明显。冷害指标注重不利天气条
件和玉米生长的响应, 冷害监测的区域分布和致灾
原因更明确, 而且便于实现监测动态化。另外, 下一
步还可用该方法制作东北地区历年玉米低温冷害的
空间分布图备查。
本文将天气 /气候动力学模式与玉米生长模型
这两种机理性较强的数学模型相连接并据此开展低
温冷害预报 , 是确切意义上的农业气象灾害预报 ,
代表了农业气象灾害预测今后的发展方向。但这种
1876 作 物 学 报 第 37卷


图 5 利用不同冷害指标对 1974年东北玉米冷害的监测结果
Fig. 5 Maize chilling damage monitored by using different indicators in northeast China in 1974
缩写含义同表 2。Abbreviations are the same as given in Table 2.

图 6 基于东北玉米生长模型(NEC_MaGM)的冷害预测流程
Fig. 6 Chart of predicting chilling damage based on NEC_MaGM
第 10期 马玉平等: 基于作物生长模型的东北玉米冷害监测预测 1877



图 7 1969年东北地区玉米冷害预测和监测结果
Fig. 7 Maize chilling damages monitored and predicted in northeast China in 1969

预报技术的准确率也受制于数值天气预报的准确
性。而作为玉米生长模型输入的区域气候模式, 其
预报准确率的提高更需要一个逐渐完善的过程。此
外, 天气发生器也不失为一种选择, 但要提高其生
成气候情景的可靠性, 尚需进一步改进、完善天气
发生器模式对于气候要素统计学特征的描述方法及
模式的参数化方案。除了上述方法外, 在获取未来
气象要素, 进行冷害预报方面还可以进行其他多种
方式的尝试, 如根据前期环流形势和气候的特点分
析相似气候年份或假定不同气候年景等做出冷害概
率预报, 可在下一步研究中继续尝试。
6 结论
从不利天气条件和玉米对低温响应两方面共遴
选了 8 个冷害指标要素。其中, 指标 2 (DN_Tas)和
指标 1 (DC_Tas9)的历史冷害概括能力最强, 拟合准
确率和技巧评分的平均值分别为 87.1%和 69.6%。指
标 3 (DN_TasMat)、指标 4 (DW_GrS)、指标 5
(DW_Fil)和指标 6 (DN_Fil)的概括能力次之, 拟合
准确率和技巧评分的平均值在 55.0%~59.7%之间。
指标 7 (DW_Fro)和指标 8 (DN_Fro)稍差。
根据冷害致灾机理、单一指标的历史概括能力
及其独立性等因素, 构建了由指标 1、2、4 和 7 组
合而成的东北玉米低温冷害综合指标。据此确定了
若 45%以上站点出现玉米冷害即为区域冷害的标
准。由此对东北地区玉米冷害历史拟合的准确率达
到 93.6%, 技巧评分为 84.2%, 且独立样本监测检验
与实际情况一致。
利用 NEC_MaGM 在网格尺度上的监测能够得
到冷害详细的空间分布状况。随着气象实况数据的
不断更新, 可以进行冷害动态监测。结合针对各单
项指标的监测结果, 有助于探讨不同区域冷害发生
的原因。网格尺度上模拟典型冷害年冷害程度及空
间分布与文献记载相当一致。这一方法有利于开展
农业气象业务服务工作。
根据前期天气实况加上区域气候模式预测的气
象要素数据, 再结合预报时效之后的多年平均气候
数据, 在格点尺度利用 NEC_MaGM 可以实现东北
玉米低温冷害的预测。预测个例表明, 该方法可反
映冷害的形成过程和严重程度, 但其准确性不仅与
作物模型的好坏有关, 还依赖于区域气候模式的模
拟能力。
References
[1] Ding S-C(丁士晟). The climatic analysis if low temperature in
summer over the northeast China and influence for agricultural
product. Acta Meteorol Sin (气象学报), 1980, 38(3): 234−242 (in
Chinese with English abstract)
[2] Sun Y-T(孙玉亭), Wang S-Y(王书裕), Yang Y-Q(杨永岐).
Studies on cool summer and crop yield in northeast China. Acta
Meteorol Sin (气象学报), 1983, 41(3): 313−321 (in Chinese with
English abstract)
[3] Wang S-Y(王书裕). Studies on Crop Chilling Disaster (农作物
冷害的研究). Beijing: China Meteorology Press, 1995. pp 1−246
(in Chinese)
[4] Feng P-Z(冯佩芝), Li C-J(李翠金), Li X-Q(李小泉). Analysis of
China’s Major Meteorological Disasters during 1951−1980 (中国
主要气象灾害分析 1951—1980). Beijing: China Meteorology
1878 作 物 学 报 第 37卷

Press, 1985 (in Chinese)
[5] Mao F(毛飞), Gao S-H(高素华), Wang C-Y(王春乙). Studies on
energy resources and chilling disaster in Northeast China. Acta
Meteorol Sin (气象学报), 2000, 58(suppl): 871−880 (in Chinese
with English abstract)
[6] Guo J-P(郭建平), Tian Z-H(田志会), Zhang J-J(张涓涓). Fore-
casting models of heat index for corn in Northeast China. Quart J
Appl Meteorol (应用气象学报), 2003, 14(5): 626−633 (in Chi-
nese with English abstract)
[7] Guo J-P(郭建平), Zhuang L-W(庄立伟), Chen Y-Y( 玥熤陈 ).
Study on forecasting methods of corn heat index in Northeastern
China (I)—Heat index and corn yield. J Catastrophol (灾害学),
2009, 24(4): 6−10 (in Chinese with English abstract)
[8] Wang X-Q(汪秀清), Ma S-Q(马树庆), Xi Z-X(袭祝香), Wang
S-L(王石立). Method study on long-term forecast of summer
freezing damage in Northeast China. J Catastrophol (灾害学),
2005, 20(1): 36−39 (in Chinese with English abstract)
[9] Li Y-J( 祎李 君), Wang C-Y(王春乙). An integrated maize chill-
ing damage forecast model based on the multi-prediction model.
J Catastropholog (灾害学), 2006, 21(4): 1−7 (in Chinese with
English abstract)
[10] Liu B-C(刘布春), Wang S-L(王石立), Zhuang L-W(庄立伟), Lu
Z-G(卢志光), Shi X-L(史学丽), Sun Y-J(宋永佳). Study of low
temperature damage prediction applications in EN, China based on
a scaling-up maize dynamic model. J Appl Meteorol (应用气象学
报), 2003, 14(5): 616−625 (in Chinese with English abstract)
[11] Wang S-L(王石立), Ma Y-P(马玉平), Zhuang L-W(庄立伟).
Improvement study on prediction and assessment model for
chilling damage of maize in northeast China. J Nat Disasters (自
然灾害学报), 2008, 17(4): 12−18 (in Chinese with English ab-
stract)
[12] Ma S-Q(马树庆), Liu Y-Y(刘玉英), Wang Q(王琪). Dynamic
prediction and evaluation method of maize chilling damage. Chin
J Appl Ecol (应用生态学报), 2006, 17(10): 1905−1910 (in Chi-
nese with English abstract)
[13] Ma Y-P(马玉平), Wang S-L(王石立), Li W-J(李维京). Study on
chilling damage factors of maize in northeast China based on
crop growth model. Acta Agron Sin (作物学报), 2011, 37(9):
1642−1649 (in Chinese with English abstract)
[14] Zhuang L-W(庄立伟), Wang S-L(王石立). Spatial interpolation
methods of daily weather data in northeast China. J Appl Meteo-
rol (应用气象学报), 2003, 14(5): 605−615 (in Chinese with Eng-
lish abstract)
[15] Van Diepen C A, Wolf J, Van Keulen H, Rappoldt C. WOFOST:
a simulation model of crop production. Soil Use Manage, 1989, 5:
16−24
[16] Van Keulen H, Penning de Vries F W T, Drees E M. A summary
model for crop growth. In: Penning de Vries F W T, van Laar H
H, eds. Simulation of Plant Growth and Crop Production. Simu-
lation Monographs, PUDOC, Wageningen, Netherlands, 1982. pp
87−98
[17] Jiang X-Y(姜晓艳), Liu S-H(刘树华), Ma M-M(马明敏), Zhang
J(张菁). A wavelet analysis of the temperature time series in
northeast China during the last 100 years. Adv Climate Change
Res (气候变化研究进展), 2008, 4(2): 122−125 (in Chinese with
English abstract)
[18] Shi X-H(施晓晖), Xu X-D(徐祥德). Regional interdecadal turn-
ing characteristic of winter and summer climate in China. Chin
Sci Bull (科学通报), 2006, 51(17): 2075−2084 (in Chinese)
[19] Sun J-Q(孙建奇), Wang H-J(王会军). Regional difference of
summer air temperature anomalies in northeast China and its re-
lationship to atmospheric general circulation and sea surface
temperature. Chin J Geophysics (地球物理学报), 2006, 49(3):
662−671 (in Chinese with English abstract)
[20] Guo Z-M(郭志梅), Miao Q-L(缪启龙), Li X(李雄). Variation
characteristics of temperature over northern China in recent 50
years. Sci Geograph Sin (地理科学), 2005, 25(4): 448−454 (in
Chinese with English abstract)
[21] Sun F-H(孙凤华), Yang S-Y(杨素英), Chen P-S(陈鹏狮). Cli-
matic warming-drying trend in northeastern China during the last
44 years and its effects. Chin J Ecol (生态学杂志), 2005, 24(7):
751−755 (in Chinese with English abstract)