库尔勒香梨树冬季冻害指数改进与预测*

张仕明，顾军明



库尔勒香梨树冬季冻害指数改进与预测*

张仕明，顾军明

（新疆巴州气象局，库尔勒 841000）

利用库尔勒气象站1981−2017年逐日气象观测资料和大气环流资料，采用主成分分析方法，将4个对梨树冬季冻害影响显著的气象因子，即冬季极端最低气温、日平均气温≤−10℃负积温、最低气温≤−15℃日数以及积雪深度≥5cm日数，合成综合冻害指数，并以该指数为预测对象，通过Pearson相关分析和逐步回归方法，筛选出与综合冻害指数显著相关的大气环流因子作为自变量，建立综合冻害指数预测模型，最后对模型效果进行检验。结果表明，综合冻害指数能够较好地反映历年库尔勒香梨树冻害情况，指数值越小，冻害程度越严重。结合历史灾情记录，定义综合冻害指数＞−0.42为无冻害，−0.91～−0.42为轻度冻害，−1.8～−0.92为中度冻害，综合冻害指数＜−1.8为重度冻害。对建立的综合冻害指数预测模型进行检验，1981−2015年回代拟合值与采用主成分分析方法计算得出的实际值相比较，正负同号率为85.7%；回代拟合值与历史灾情相比较，无冻害等级正确率为80%，重度冻害正确率为75%，中度冻害误差1个等级，轻度冻害拟合较差；2016、2017年延伸预报完全正确。

库尔勒香梨；主成分分析；冻害指数；环流特征量

库尔勒香梨香味浓郁独特，皮薄肉细，汁多味甜，酥脆爽口，是新疆知名度最高的特色林果品牌之一，在国际市场上被誉为“梨中珍品”，具有极高的经济价值[1]。2017年，库尔勒香梨凭借其独有的卓越品质入选“2017世界地理标志”。库尔勒香梨作为地域性极强的名优特优良品种，不仅是农民增收致富的支柱产业之一，也是推进脱贫攻坚的特色优势产业。近年，香梨种植规模不断扩大，种植面积由1981年0.04万hm2，增长到2015年2.73万hm2。然而，随着全球气候和新疆区域气候的变暖[2]，库尔勒地区冬季由于阶段性低温引起香梨果树冻害的极端气候事件时常发生。据库尔勒市农业部门调查统计[3]，21世纪以来，2002/2003年、2007/2008年、2010/2011年、2012/2013年冬季，库尔勒地区频繁发生了严重香梨果树越冬冻害，导致大幅减产甚至毁园。因此，冬季冻害是库尔勒香梨产业可持续发展的瓶颈问题之一，开展香梨果树冻害早期预报和预警工作是果农的迫切需求，在生产中具有十分重要的意义。

近年，很多学者对库尔勒香梨果树越冬冻害的气候成因进行了研究[4－6]，提出冻害发生的主要气候因子为冬季低温、低温持续时间、降雪及积雪等。在研究香梨果树冻害指标方面，李茂春等[7]分别提出有积雪和无积雪情况下香梨发生冻害的指标，张仕明等[8]针对冬季极端最低气温、负积温以及最低气温持续时间构造了香梨冻害综合指数，但未考虑降雪对梨树冻害的影响。要对梨树冻害作出长期预测，必须寻求引发冻害的早期背景场因子，而大气环流异常变化是造成天气、气候异常的直接原因，大气环流属于大尺度天气系统，对局地气候的影响存在滞后性，根据长期预测原理，存在可预报性[9]。目前基于大气环流特征量的农业气象指标长期预测方面研究较多，得出了水稻年景[10]、稻曲病指数[11]、冬小麦白粉病[12]、荔枝寒害[13]、香蕉寒害[14]等长期预测模型，并应用于业务服务工作中，取得了显著成效。本研究借鉴前人研究成果，对文献[8]提出的综合冻害指数进行改进，增加积雪因子，应用主成分分析法，构建库尔勒香梨果树综合冻害指数作为预报目标，根据中长期预报原理，以相关显著的前期大气环流指数作为预测因子建立预报模型，并对预测结果进行检验，以期为气象服务于农业和农业防灾减灾提供科学依据。

1 资料与方法

1.1 研究区概况

库尔勒市位于新疆中部、天山南麓、塔里木盆地东北边缘，北倚天山支脉，南临塔克拉玛干沙漠，地处85°14′10″E-86°34′21″E、41°10′48″N-42°21′36″N，属温带大陆性干旱气候，年平均气温12.0℃，年极端最低气温−24.4℃，年均降水量59.2㎜，蒸发量2669.8mm，相对湿度46%，无霜期215d，日照时数2802.6h。库尔勒市是“库尔勒香梨”的主产区，也因盛产香梨而被称为“梨城”。

1.2 资料来源

气象资料来自库尔勒气象站1981−2017年冬季（12月−翌年2月）地面气象要素观测资料，包括逐日平均气温、日最低气温、积雪深度等。库尔勒国家基本气象站于2016年1月1日，由城郊（86°08′E、41°45′N）迁移至新址（85°49′E、41°44′N）。为保持资料连续，2016年1月1日以后的气温资料仍采用库尔勒气象站旧址的自动观测数据，积雪深度资料为搬迁后新站的人工观测资料。大气环流指数取国家气候中心重新整编计算的88项大气环流指数（http://cmdp.ncc.cma.gov.cn/Monitoring/cn_index_130.php百项气候系统指数集）月平均值，时间为1981年1月−2017年12月。香梨果树越冬冻害资料来自库尔勒市农业部门1981−2017年灾情统计数据。

1.3 主成分分析

主成分分析是将多个相关性显著的变量，通过线性变换，组合成少数几个相互独立的能充分反映总体信息的综合变量。计算步骤为：（1）进行样本数据的标准化，以消除指标变量的量纲或单位的影响，本研究采用Z标准化，即均值为0，方差为1；（2）求出相关系数矩阵R的所有非零特征根；（3）选择主成分个数；（4）求出相应于前s个特征根的特征向量并将特征向量进行单位化；（5）计算主成分变量的值。

采用SPSS24.0统计软件实现数据的主成分分析。

1.4 冻害预测模型建立思路

根据长期观测的历史资料，将影响库尔勒香梨果树冻害的各个相关性显著、信息重叠的单一气象指标，采用主成分方法构建一个综合的冻害气候指标，定义为综合冻害指数。然而，生产实践中，为了及时对香梨果树进行冻害防护，每年11月需要对果树越冬冻害情况进行预报。因此，根据区域气候变化对大气环流响应的滞后性，参考文献[9]的方法，以综合冻害指数为预报目标，将历年冻害指数与对应年份1−10月大气环流指数进行Pearson相关分析，提取相关显著的因子建立环流指数因子集，并利用逐步回归分析方法，筛选出关键影响因子，构建预测模型，并对模型进行历史回代及试报检验。采用SPSS24.0统计软件实现逐步回归方程建模。

2 结果与分析

2.1 香梨树综合冻害指数的改进

2.1.1 易造成果树冻害的气象因子分析

基于文献[8]的研究成果，选取与香梨果树冻害有关的主要气象因子，包括冬季极端最低气温、日平均气温≤−10℃的负积温、最低气温≤−15℃的低温日数。相关研究表明，梨树冻害与降雪有着密切的关系[4]。为使冻害指数能够更准确反映历年冻害情况，对文献[8]的研究成果进行改进，增加了积雪因子（地面积雪深度≥5cm的积雪日数）对梨树冻害的影响研究。极端最低气温反映冬季冷暖程度，只有冬季极端最低气温低于−20℃香梨果树才会出现冻害，因此，以冬季极端最低气温来反映低温对梨树冻害的影响，定义为x1；冬季负积温反映冬季严寒的累积效应，以低于−10℃的日平均气温统计，包含了白天最高气温与夜间最低气温的信息，因此，以日平均气温≤−10℃负积温来反映严寒累积效应对梨树冻害的影响，定义为x2；低温日数反映梨树经历一定限度低温的累积时间，树体处于较低温度环境的时间越长越容易受冻，因此，以最低气温≤−15℃的低温日数来反映最低气温累积时间对梨树冻害的影响，定义为x3；地表积雪是影响冬季气温异常的重要环境因子之一，雪面白天反射太阳热量，夜间辐射降温，加之融雪还要吸收热量，较厚且长时间的积雪环境容易引起气温剧烈下降，因此，以积雪深度≥5cm的日数来反映积雪对梨树冻害的影响，定义为x4。

由表1可知，极端最低气温、负积温、低温日数这3个表征冬季低温的因子之间呈极显著的相关关系（P＜0.01），积雪日数与极端最低气温、负积温分别呈显著和极显著的负相关关系，与低温日数呈显著的正相关关系。表明各因子之间存在很强的共线性，有信息重叠，可以进行因子的主成分分析，构建成一个综合的因子。

表1 1981−2017年冬季4种冻害因子的相关系数

注：x1为极端最低温度，x2为日平均气温≤−10℃的负积温，x3为最低气温≤−15℃的日数，x4为积雪深度≥5cm的日数。**表示P＜0.01，*表示P＜0.05。下同。

Note: x1is the extreme minimum temperature in winter, x2is the minus accumulative temperatures≤−10℃ of daily average temperature in winter,x3is the days with minimum temperature ≤−15℃,x4is the days with snow depth ≥5cm.**is P< 0.01，*is P< 0.05. The same as below.

2.1.2 库尔勒香梨树冬季综合冻害指数的计算

利用SPSS统计软件将上述4个因子进行主成分分析。各因子间KMO统计量值为0.751，说明以上4个冻害因子样本适合进行主成分分析，Bartlett球形检验Sig值为0.000，小于P=0.05显著水平，说明变量之间存在相关性，适合进行主成分分析。主成分分析结果见表2。由表可见，前2个主成分已经解释了总方差的95.6%，故可以选择前2个主成分进行主成分载荷分析，即主成分个数m=2。结果见表3。

表3中系数的绝对值越大说明该主成分与指标间的联系越紧密。从表3可以看出，前3个表征冬季温度的因子在第一主成分中的载荷较大，说明第一主成分基本反映了温度指标的信息；第4个因子在第二主成分上有较高的载荷，说明第二主成分基本反映了积雪的指标信息。所以提取2个主成分基本反映全部指标的信息，可以用2个新变量来代替原来的4个变量。

表2 冬季4种冻害因子主成分分析结果

表3 主成分因子载荷矩阵

通过主成分因子载荷矩阵和相应的特征值计算，得出对应的单位特征向量，将得到的特征向量与标准化后的原始因子数据相乘，即得出主成分函数计算式为

式中，Zi1、Zi2分别为第i年第1和第2主成分得分值，zXi为原始数据标准化后的数据。根据各主成分所分析的方差百分比计算出综合得分函数，即

式中，Zi为第i年综合主成分得分，定义为冬季综合冻害指数。

2.1.3 冬季综合冻害指数的验证

利用主成分分析方法计算得出1981−2017年冬季综合冻害指数，结合各年冻害调查资料分析，指数为正值表示冬季偏暖，无冻害发生，负值表示偏冷，可能发生冻害。37a中冬季综合冻害指数＜0的年份共计13a，其中7a发生了冻害，与农业部门灾情统计1981−2017年共计7次冻害的结果相一致。将综合冻害指数＜0的年份按升序排序并与该年冻害程度比较，从表4可见，中度以上冻害的年份综合冻害指数均＜−0.92，冻害指数越小，冻害程度越重，冻害指数＞−0.42的年份无冻害发生。通过对历史灾情记录与综合冻害指数进行统计分析，结合专家经验，定义香梨冻害分级指标，综合冻害指数＞−0.42为无冻害，−0.91～−0.42为轻度冻害，−1.8～−0.92为中度冻害，综合冻害指数＜−1.8为重度冻害。按本研究定义的冻害等级指标，将37a综合冻害指数分级，其中无冻害年份有26a，历史灾情记录显示均无灾情；中度冻害2a、重度冻害4a，与表4中实际发生冻害程度一一对应；轻度冻害5a，但灾情记录仅显示2014年发生了轻度冻害。分级指标对轻度冻害年份空报较多，主要原因是轻度冻害年份的气象条件与冻害临界指标差异不大，是否发生冻害还受果树冬前抗寒锻炼、生产管理水平等因素影响，还可能是由于轻度冻害灾情不明显，灾害损失小，历史灾情调查不全面等。

改进后的综合冻害指数与文献[8]的冻害指数相比，两者都能反映1984、2007、2002、2010年的明显冻害，改进后的综合冻害指数能够分级表示历史记录的全部冻害，而文献[8]未能识别出1995年的中度冻害，说明改进后的综合冻害指数能够更好地反映实际灾情。

2.2 果树综合冻害指数预报模型的构建

2.2.1 预报因子的选取

根据库尔勒香梨气象服务工作需求，为便于果农在入冬前开展香梨果树防冻工作，一般在11月提供香梨果树越冬冻害预测，因此选取预报因子的影响时段可截至10月。计算1－10月88项逐月环流指数与综合冻害指数的相关系数，为保证选择因子与因变量间的平稳性，选取相关系数显著的因子作为备选因子。经筛选后，得到17个兼具稳定性和独立性的大气环流影响因子，见表5。

表5 与冬季综合冻害指数显著相关的17个大气环流指数

注：H后的数字表示该指数在88项大气环流指数中的排序，“（）”内的数字表示月份。

Note：The number after “H” is the order of the index in the 88 atmospheric circulation indices. The figure in “（）” is the month.

2.2.2 预报模型的建立

设因变量为库尔勒香梨果树冬季综合冻害指数（yt），以上述筛选出的17个显著相关因子为自变量进行多元线性回归分析。将各因子进行标准化处理，以消除量纲的影响；然后进行逐步回归，最终入选出的7个贡献最大且通过0.05水平显著性检验的因子分别为：4月大西洋欧洲区极涡面积指数（x1t）、8月30hPa纬向风指数（x2t）、9月大西洋副高脊线位置指数（x3t）、4月欧亚纬向环流指数（x4t）、6月西太平洋副高西伸脊点指数（x5t）、10月亚洲区极涡强度指数（x6t）、9月北美副高北界位置指数（x7t）。以1981−2015年数据为样本（n=35）建立的预报模型方程为

yt=−0.109+0.293x1t+0.332x2t+0.456x3t+0.438x4t+

0.43x5t+0.323x6t−0.285x7t（4）

方程拟合优度R2＝0.919，说明模型效果好，调整后的R2=0.805，表示自变量可以解释因变量80%的变化，方程的方差分析F＝21.09，显著水平P＜0.01，Durbin-Warson统计量为2.054，说明方程的拟合效果较好。

2.2.3 预报模型的检验

依据预报模型方程，得到1981−2015年历史回代拟合和2016−2017年延伸预报的结果，与主成分分析计算出的综合冻害指数进行拟合检验，结果见图1。由图中可见，两者曲线重合度较高，特别是对明显冻害年有较好的模拟（1984、2002、2007年）。经统计，历史回代模拟值与实际值正负同号率为85.7%，两组数据相关系数为0.90，t检验值为0.318，显著性P值（0.753）≥0.05，说明模拟值与实际值两组数据间无显著差异。

按照冻害分级指标，历史回代拟合有无冻害的正确率，即拟合值的冻害等级与实际灾情比较完全正确的累计次数占总次数的百分比，为80%，无漏报，空报率为20%。重度冻害预报正确率为75%；中度冻害误差为1个等级，其中1995、2012年预报值为轻度冻害，实际灾情为中度冻害，2010年预报值为中度冻害，实际为重度冻害；轻度冻害拟合较差，漏报、空报较多。2016、2017年延伸预报值分别为0.52、−0.31，均定性为无冻害，2016、2017年实地调查发现库尔勒香梨果树越冬无冻害，预报完全正确，说明预报模型可行。

图1 综合冻害指数的模型回代摸拟值、预测值与主成分法计算的实际值对比（1981−2017年）

3 结论与讨论

3.1 结论

（1）对文献[8]基于极端最低气温、负积温、低温日数因子建立的库尔勒香梨综合冻害指数进行改进，增加了积雪因子，从而使采用主成分分析方法计算得到的综合冻害指数概括的信息更完善，改进后的综合冻害指数能够分级表示历史记录的全部冻害，预报结果得到优化。

（2）通过对计算得出的历年综合冻害指数与历史灾情统计分析，定义无冻害、轻度、中度、重度冻害四级指标的临界值，将历年综合冻害指数进行分级并用历史灾情记录检验，重度冻害、中度冻害及无冻害年份均与历史灾情记录相符，仅轻度冻害空报较多。

（3）以4月大西洋欧洲区极涡面积指数、8月30hPa纬向风指数、9月大西洋副高脊线位置指数、4月欧亚纬向环流指数、6月西太平洋副高西伸脊点指数、10月亚洲区极涡强度指数和9月北美副高北界位置指数为自变量，以综合年冻害指数为因变量，建立预测模型。历史回代检验表明，1981−2015年回代拟合值与采用主成分分析方法计算得出的实际值正负同号率为85.7%；回代拟合值与历史灾情相比较，有或无冻害的预报正确率为80%，重度冻害正确率为75%，中、轻度冻害拟合较差，漏报、空报较多。2016、2017年延伸预报完全正确，说明预报模型可行，研究成果能够满足气象服务工作需求。

3.2 讨论

库尔勒香梨果树冻害的气象原因较为复杂，相同的综合冻害指数在不同的年份梨树可能有不一样的表现，例如，同样的冬季极端最低温度或降雪量，出现在前冬或后冬对梨树的影响是不相同的；同样强度的低温，是急剧降温还是逐步降温其结果也不相同；另外冬前对梨树采取不同的生产管理措施，树体对冻害的抵抗能力也不同，因此，用研究得出的综合冻害指数进行冻害分级与实际灾情有差异。虽然本研究建立的冻害预测模型对有或无冻害的定性预报正确率高，但是对中度、轻度冻害的定量预报还有待提高。今后要考虑进一步研究综合冻害指数的计算方法，参考前人在积寒等[15]方面研究成果，考虑冬季气温变化的剧烈程度、冬前的抗寒性锻炼等方面因素，使综合冻害指数更符合实际灾情；在完善预测模型方面，可以参考基于海温[16]进行长期预测的方法，采取多种预测方法集成技术，从而提高梨树冻害预测的准确性。

[1] 张倩,李新建,吉春容,等.基于逐步回归的库尔勒香梨始花期预测模型[J].沙漠与绿洲气象,2013,7(2):43-46.

Zhang Q,Li X J,Ji C R,et al.Prediction model for beginning date of Korla pear flowering period based on stepwise regression[J].Desert and Oasis Meteorology,2013,7(2):43-46. (in Chinese)

[2] 赵勇军,吴新国.库尔勒1961-2010年气候变化特征[J].沙漠与绿洲气象,2013,7(1):47-52.

Zhao Y J,Wu X G.Characteristics of climate change in Korla during 1961-2010[J].Desert and Oasis Meteorology,2013, 7(1):47-52.(in Chinese)

[3] 于强,匡玉疆.巴州果树冻害调查分析与对策[J].塔里木大学学报,2008,20(3): 81-85.

Yu Q,Kuang Y J.The investigation and countermeasure of fruit trees freeze injury in Korlar[J].Journal of Tarim University,2008,20(3):81-85.(in Chinese)

[4] 位杰,蒋媛,王刚,等.库尔勒香梨抗寒性研究进展[J].植物生理学报,2017,53(6):949-959.

Wei J,Jiang Y,Wang G,et al.Research progress of cold resistance in Korla fragrant pear[J].Plant Physiology Journal,2017,53(6):949-959.(in Chinese)

[5] 尹忠岭,李晓川.巴州果树冻害的成因分析[J].沙漠与绿洲气象,2009,(3):55-58.

Yin Z L,Li X C.Analysis of fruit tree freeze injury in Bazhou area[J].Desert and Oasis Meteorology,2009,(3):55-58.(in Chinese)

[6] 李海燕,杨诗芳,巴哈古力·买买提.2000年以来库尔勒市果树冻害气象条件综合分析[J].沙漠与绿洲气象,2011,(4): 55-59.

Li H Y,Yang S F,Bahaguli M M T.Synthetical analysis on weather conditions of the two freezing injury to fruit trees in Kuerle city since 2000[J].Desert and OasisMeteorology,2011, (4):55-59.(in Chinese)

[7] 李茂春,刘海荣.库尔勒香梨冻害的农业气象因素分析[J].中国果树,2012,(1):27-29.

Li M C,Liu H R.Analysis on agricultural meteorological factors of freezing injury of Korla fragrant pear[J].China Fruits,2012,(1):27-29.(in Chinese)

[8] 张仕明,吴钧,史玉辉,等.库尔勒香梨树冬季冻害指数及其变化特征分析[J].中国农业气象,2012,33(3):462-467.

Zhang S M,Wu J,Shi Y H,et al.Winter freezing damage index and its effect to fragrant pear trees in Korla area[J].Chinese Journal of Agrometeorology,2012,33(3):462-467.(in Chinese)

[9] 徐敏,吴洪颜,张佩,等.基于气候适宜度的江苏水稻气候年景预测方法[J].气象,2018,44(9):1200-1207.

Xu M,Wu H Y,Zhang P,et al.Long-Term prediction method of rice annual agricultural climate status in Jiangsu province based on climatic suitability[J].Meteor Mon,2018,44(9):1200- 1207.(in Chinese)

[10] 胡春丽,李荣平,王婷,等.辽宁水稻年景预报模型研究[J].干旱气象,2018,36(3):501-506.

Hu C L,Li R P,Wang T,et al.Forecast model of rice harvest in Liaoning province[J].Journal of Arid Meteorology,2018, 36(3):501-506.(in Chinese)

[11] 刘文菁,徐敏,徐经纬,等.基于环流和海温的稻曲病指数长期预报模型研究[J].气象科学,2018,(5):659-665.

Liu W J,Xu M,Xu J W,et al.Long-term prediction models based on atmospheric circulation and SST factors for the rice false smut index in Jiangsu rice area[J].Journal of the Meteorological Sciences,2018,(5):659-665.(in Chinese)

[12] 尚志云,姚树然,王锡平,等.基于大气环流特征量的河北省冬小麦白粉病预报模型[J].中国农业气象,2014,35(6): 669-674.

Shang Z Y,Yao S R,Wang X P,et al.Prediction of winter wheat powdery mildew in Hebei province based on atmospheric irculation characteristics[J].Chinese Journal of Agrometeorology,2014,35(6):669-674.(in Chinese)

[13]李楠,叶彩华,廖树华,等.利用协击方法建立广州荔枝寒害预报模型[J].中国农业气象,2008,29(4):502-506.

Li N,Ye C H,Liao S H,et al.Developing of chilling damage prediction model for litchi in Guangzhou based on Xieji method[J].Chinese Journal of Agrometeorology,2008,29(4): 502-506.(in Chinese)

[14]翟志宏,廖树华,姜会飞,等.基于关键区海温的华南香蕉寒害长期预报模型探讨[J].灾害学,2009,24(4):51-57.

Zhai Z H,Liso S H,Jiang H F,et al.Study on seasonal forecast of banana chilling injury in South China based on sea surface temperature of key areas[J].Journal of Catastrophology,2009,24(4):51-57.(in Chinese)

[15] 刘少军,周广胜,房世波.1961-2010年中国橡胶寒害的时空分布特征[J].生态学杂志,2015,34(5):1282-1288.

Liu S J,Zhou G S,Fang S B.Spatial-temporal characteristics of rubber chilling injury in China during 1961-2010 [J].Chinese Journal of Ecology,2015,34(5):1282-1288.(in Chinese)

[16] 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.

Wu Y,Jin Z Y,Ye J G.Teleconnection analysis between spring frost damage on tea in Zhejiang province and sea surface temperature in pacific[J].Chinese Journal of Agrometeorology, 2014,35(4):434-439.(in Chinese)

Improvement and Prediction of Cold Freezing Injury Index of Korla Fragrant Pear Trees in Winter

ZHANG Shi-ming，GU Jun-ming

(Bazhou Meteorological Bureau, Korla, Xinjiang 841000,China)

Using the daily weather observation data and atmospheric circulation data from Korla weather station from 1981 to 2017, four meteorological factors（including extreme minimum temperature in winter, negative accumulated temperature of daily average temperature ≤−10℃, the minimum temperature days ≤−15℃, number of days with snow depth ≥5cm）with significant effects on winter freezing injury of pear trees were synthesized into a comprehensive freezing injury index by Principal Component Analysis（PCA）. Then, using the index as the prediction object, the Pearson correlation analysis and stepwise regression method were used to select the atmospheric circulation factor which was significantly correlated with the comprehensive frost damage index as the independent variable, and the comprehensive frost damage index prediction model was established. Finally, the model effect was tested by using data from 1981 to 2017. The results showed that the comprehensive freezing injury index reflected the freezing injury of Korla pear trees over these years, and the smaller the index value, the more serious the degree of freezing injury. Combined with historical disaster records, definition of comprehensive freezing injury index > −0.42 was no freezing injury, −0.91 to −0.42 was slight freezing injury, −1.8 to −0.92 was moderate freezing injury, and comprehensive freezing injury index <−1.8 was severe freezing injury. The established prediction model of the comprehensive freezing injury of the fragrant pear was tested, the 1981−2015 retrograde fitting value was compared with the actual value calculated by the principal component analysis method, and the positive and negative equivalence rate was 85.7%. Compared with the historical disaster situation, the correct value of no-freezing injury was 80%, and the correct rate of severe freezing damage was 75%, moderate freezing damage error 1 grade, slight freezing damage was not good enough. Extended forecasts for 2016 and 2017 were absolutely correct.

Korla fragrant pear; Principal component analysis; Freezing injury index; Circulation characteristic quantity

10.3969/j.issn.1000-6362.2019.07.006

2018−12−15

2016年新疆气象局面上项目（MS201611）

张仕明（1975−），高级工程师，从事农业气象服务工作。E-mail：zsm911@163.com

张仕明,顾军明.库尔勒香梨树冬季冻害指数改进与预测[J].中国农业气象,2019,40(7):467-473