中国是世界上最大的苹果生产和消费国，面积和产量分别占全球的43%和48%，种植品种主要以富士为主，占70%以上(李志霞等，2014)。受环境和品质等因素的影响，中国苹果鲜果出口占总产一直不足3%(国家统计局，2014)，国际竞争力亟待提高。除提升管理和产业化水平外，基于自然资源的比较优势开展区域化集中连片栽培是其他农业发达国家的基本经验(刘军弟等，2012)。农业气候资源是决定种植分布的重要基础，气候变化已经对全球的种植制度和结构产生了较大的影响，作物原有的气候适宜种植区发生了变化(周广胜等，1999；杨晓光等，2010)。应用新的观测资料和评价方法对苹果种植适宜区进行划分，对于气候变化背景下合理利用气候资源，促进中国苹果提质增效有重要的现实意义。

中国的苹果气候适宜性区划研究开始于20世纪80年代(陆秋农，1980；李世奎等，1985；王宇霖，1986)，其中，中国农业科学院果树研究所针对当时主栽的“国光”、“元帅”和“金冠”品种，首次提出基于7项气候指标的中国苹果种植区划(李世奎等，1985)，对指导当时苹果产业的发展布局发挥了重要作用，而此后再未面向全国范围开展过相应研究。针对部分重点种植区域，山东(刘健国等，1992)、陕西(朱琳等，2001)和辽宁(李倩等，2013)等苹果主产省基于统计方法和地理信息系统分别对当地的苹果气候适宜性进行过划分，但在气候因子的选择上存在较大差异。20世纪90年代开始，中国苹果种植面积迅速增大，栽培品种也发生了较大变化，晚熟的富士品种比例明显提高，同时对苹果品质提出了更高的要求，研究人员通过对部分种植基地县的苹果品质调查，针对富士苹果的品质指标及其与气象因子的关系进行了研究，并评价了不同产地的生长适 宜性(魏钦平等，2003；李保国等，2006)。随着气候和种植品种的变化，基于原有气候资料的研究成果已不能反映当前生产实际的需要，同时气候指标选择及权重确定大多依赖专家经验而导致结果的误差。

近年来，物种分布模型逐渐发展并成为研究气候变化背景下作物分布和气候关系的重要工具(许仲林等，2015)，其中由Phillips等(2006)和Elith等(2011)建立的最大熵模型(Maximum entropy model，MaxEnt)在模拟的精度方面优于其他生态位模型(Peterson et al，2007)，已在中国水稻(Duan et al，2013)、玉米(He et al，2012)、冬小麦(Sun et al，2012)和橡胶(刘少军等，2015)等作物的气候适宜性划分及评价中得到应用。本研究旨在基于中国1981—2010年2084个气象台站资料和203个富士苹果种植区分布的地理数据，利用最大熵模型和ArcGIS平台，揭示影响富士苹果产量和质量的主导气候因子，对富士苹果种植分布的气候适宜性进行区域划分和评价，以期为中国苹果产业化布局及区域品种调整提供参考。

研究使用的数据为中国区域的富士苹果地理分布数据和气候背景数据，地理分布数据主要来自于中国国家苹果产业数据库苹果种植基地县的资料，获取有苹果产量统计信息的25个省区约500个县级分布信息，鉴于苹果种植品种构成的复杂性，参考中国农村统计年鉴和文献资料，对年鉴分品种统计中苹果种植面积较少或富士品种种植比例低于10%的内蒙古、吉林、黑龙江、上海、福建、湖北、西藏等地分布资料予以剔除。并对种植面积较大但品种较为复杂的辽宁、新疆、河北、甘肃和四川省的分布资料进行了筛选甄别，依据是分县记载的资料或文献中明确有富士品种的种植信息，并以各县区政府所在地的地理信息为基准，提取了以富士为主栽品种的种植区分布数据203个。

气象数据来自中国国家气象信息中心，通过对数据的连续性及完整性检验，共提取2084个站点1981—2010年逐日气温、降水、相对湿度和日照资料，该数据集在制作中已进行了严格的质量控制，其中，气温、降水和相对湿度等要素均进行了均一化处理。站点密度基本能够体现气候的区域性差异，资料较为稀疏的区域基本在青藏高原地区。基于ArcGIS9.3和中国区域的数字高程模型(Digital Elevation Model，DEM)，分别对气温、日照时数采用多元回归插值，降水、相对湿度采用样条函数插值(李正泉等，2003；刘新安等，2004；范泽孟等，2011)，将气象要素插值到10 km×10 km网格作为背景数据。研究区域、气象台站及富士苹果的地理分布见图 1。

图 1 研究区域、气象台站及富士苹果的地理分布 Fig. 1 The study area and the geographical distributions of weather stations and Fuji apple plantations in China

图选项

影响富士苹果种植的潜在气候影响因子主要分为两类，一类是基于物种分布机理的决定植物地理分布的气候因子(Woodward，1987)，主要包括其能够忍受的最低温度、完成正常生长所需的生长季长度和热量条件及用于维持自身生长的水分供应；另一类是保证其产量和品质形成的气候因子(魏钦平等，1999；李保国等，2006)，主要包括光照条件、气温日较差、果实膨大期的温湿度条件等。

通过对已有关于富士苹果及大苹果区划研究成果并结合自然植被区划，筛选出13个具有明确生物学意义、可能影响富士苹果种植分布和品质的潜在因子(表 1)。其中，年平均气温和年较差作为反映区域年总热量资源及其变幅，最冷月平均气温 反映果树是否能够正常越冬及休眠，降水作为维持果树生长和冠层平衡而需要纳入影响其生理存在的气候因子。生长季(4—10月)的平均气温、≥10℃积温及温量指数均反映主要生长季的长短即能否保证果实正常成熟，年日照时数、夏季的平均气温、最高气温、最低气温、气温日较差和空气相对湿度用来反映富士苹果品质形成的基本气象条件保证。计算中，最冷月平均气温采用1月平均气温，夏季气象要素按照6—8月计算，≥10℃积温采用五日滑动平均法计算(曲曼丽，1991)。其中，温量指数是表征月平均气温超过5℃的热量指标，5℃是温带大多木本植物地上部分生长的界限温度，一般认为，富士苹果要求的4—10月的温量指数超过85℃才能保证果实正常成熟(李倩等，2013)。温量指数计算采用4—10月各月平均气温减去5℃后之和。通过计算获取1981—2010年各潜在影响气候因子的年均值。

最大熵模型是基于有限的已知信息对未知分布进行无偏推断的一种数学方法。该理论认为在无外力作用下，事物总是在约束条件下争取最大的自由权，在已知条件下，熵最大的事物最可能接近其真实状态。最大熵统计建模就是从符合条件的分布中选择熵最大的分布作为最优分布。在物种潜在分布的相关研究中，一般将物种与其生长的背景环境视为一个系统，基于气候相似性原理，利用已有的地理分布数据和环境数据产生以生态位为基础的物种生态需求，探索已知物种分布区的环境特征与研究区域的非随机关系。最大熵模型对物种存在概率的估计可以通过贝叶斯决策理论观点进行解释(Phillips et al，2006)。

在最大熵估计中，研究对象的真实分布概率可以表示成研究区域内X个站点集上的概率分布π。对每一个站点x均有一个非负的概率π(x)，以研究对象分布点的数据作为限制因子对概率分布π进行建模，限制因子的表达形式为环境变量的简单函数f₁，f₂，…，f_n，f_i可称为特征函数。在模拟研究对象分布时，假设从站点集X中随机选取一个站点x。如果研究对象存在则记为1，不存在则记为0，并记存在与否为响应变量y，则有分布概率π(x)=p(x|y=1)，即已知该对象在研究区内的分布情况下，在站点x观察到研究对象存在的概率，由贝叶斯定理可知

点击浏览公式

点击浏览公式

点击浏览公式

点击浏览公式

文中采用的最大熵模型是Phillips等(2006)建立的模拟物种分布的MaxEnt模型，使用的版本为3.3.3k。该模型自2006年开发以来，在物种保护区规划、入侵物种的潜在分布预测以及物种的空间分布对气候变化的响应等研究方面被广泛应用(许仲林等，2015)。模型需输入物种现有分布的地理信息和预测区域的气候环境因子数据，通过建立物种潜在分布的最大熵模型，输出预测地区物种分布的概率。与其他生态位模型给出以布尔值(1表示潜在分布，0 表示无潜在分布)的表达结果不同，最大熵模型输出结果为0—1的存在概率，根据存在概率的大小及一定的阈值，可以判断在某个区域物种存在的可能性大小(Elith et al，2011)。

模型模拟结果的精度可以用输出的受试者工作特征曲线(Receiver Operating characteristic Curve，ROC)下的面积(Area Under Curve，简记为AUC)来评价。AUC的取值范围为[0，1]，其评估标准为：0.50—0.60(失败，fail)、0.60—0.70(较差，poor)、0.70—0.80(一般，fair)、0.80—0.90(好，good)、0.90—1.0(非常好，excellent)。

为避免输入模型的气候变量之间存在的自相关在预测中引入冗余信息，在建模前对变量分类进行相关分析，在反映同类需要的气候因子中将相关较高的因子分为一组，其中年平均气温、4—10月平均气温与温量指数为一组，年平均气温日较差与夏季气温日较差为一组，夏季平均气温、最高温度和最低温度为一组，将这3组因子组成18种组合，再分别与年日照时数、年降水量、≥10℃积温、最冷月平均气温和夏季平均相对湿度等5个气候因子构成环境变量层输入模型进行计算，通过随机取样设置总数据集的75%作为训练子集用于训练模型，25%作为验证子集，构建富士苹果种植分布与气候因子关系模型。选择18种因子组合中AUC值最大的组合作为潜在气候因子的最佳组合参与模型构建并提取主导气候因子。

通过模型提供的Jackknife模块可以对初始模型输出的各潜在气候因子对模拟精度的影响进行分析，并分别对各气候因子对富士苹果种植分布的贡献率、累积贡献率及置换重要性进行分析，按照贡献率大小提取影响富士苹果潜在分布的主导气候因子，再将主导气候因子组合重建最大熵模型，计算富士苹果潜在分布的概率。

利用ArcGIS平台提供的Conversion Tools将输出的分布概率文件转为 Raster格式，将预测概率(p)按照分级标准在Reclassify功能下进行分区。分区参考政府间气候变化专门委员会((IPCC)报告中关于评估可能性的划分标准(IPCC，2007)。在IPCC报告中，基于研究者们使用的观测数据、模拟结果和已被验证的理论所得到的集合判断，确定对预估信度的判断性估计标准。种植区及气候适宜性的等级划分标准为：p＜0.05 为不适宜区，0.05≤p＜0.33为次适宜区，0.33≤p＜0.66为适宜区，p≥0.66 为高适宜区。再利用模型输出的灵敏特性曲线量化分析各气候因子在不同适宜区的阈值范围，对不同富士苹果种植分区的气候特征进行评价。

3.1 影响中国富士苹果种植分布的主导气候因子

通过由13个潜在因子组成的18种气候因子组合分别与富士苹果种植地理分布构建最大熵模型，对比确定各模型AUC值最大的潜在气候因子组合为年日照时数、年降水量、夏季平均气温日较差、年平均气温、最冷月平均气温、≥10℃积温、夏季平均空气相对湿度和夏季平均气温。最大熵建模的训练样本和测试样本的AUC值分别为0.960和0.930，模拟结果的精度均达到了“非常好”的程度，同时，上述8个因子对富士苹果潜在种植分布的累积贡献率达到99.9%，表明利用上述8个气候因子所建模型可以用于中国富士苹果种植的气候潜在分布模拟。因此，确定上述因子为影响中国富士苹果种植分布的主导气候因子组合。

利用Jackknife模块对各气候因子及不同因子组合对模拟精度的影响进行了分析(图 2)，可见单因子中年日照时数和年平均气温对AUC值的影响最大，而夏季相对湿度和夏季平均气温对AUC影响相对较小，表明年尺度的光热资源条件对分布模拟精度影响较大。通过气候因子对富士苹果种植潜在分布的贡献百分率和置换重要性来评价各气候因子对种植分布影响的贡献(表 2)，可以看出，影响中国富士苹果种植分布的各气候因子按贡献率排序依次为年日照时数、年降水量、夏季平均气温日较差、年平均气温、≥10℃积温、最冷月平均气温、夏季平均气温和夏季平均相对湿度。其中，对中国富士苹果种植分布影响最大的气候因子为年日照时数，最小的是夏季平均空气相对湿度。而年降水和最冷月平均气温的置换重要性最高，分别达到56%和8.9%，表明这两个因子包含了其他因子不可替代的信息，是富士苹果种植分布的重要限制因子。

图 2 基于Jackknife的气候因子对模型模拟精度的影响 Fig. 2 Impacts of climatic factors on AUC of maximum entropy model based on Jackknife

图选项

提取的主导因子中，与气温相关的因子有5个，表明富士苹果的生长及品质形成对气温有较高的要求，这与已有研究关于富士苹果较金冠、国光等其他主栽品种对气温 更为敏感的结论一致(王宇霖，1986)，在年尺度上无论生长季或者休眠期的气温都会对落叶果树产生影响。也有研究认为，日照不是限制中国苹果生长分布的条件(张光伦，1987)，但本研究提取的因子中日照时数贡献较大，一方面与选择的研究区域及品种有关，此外，也可能与近年来中国区域日照时数的迅速减少有关，观测表明，1961—2010年中国年日照时数明显下降，达到-45 h/(10 a)(矫梅燕等，2014)。就全中国尺度和富士品种而言，日照时数除影响果树的花芽分化和枝叶生长外，也是苹果着色及糖度累积的重要保证，对品质影响显著。苹果对空气湿度要求较低，尤其是在花芽分化期和果实成熟期，湿度过大会对果实的膨大及果实硬度有较为明显的影响。置换重要性较高的两个气候因子中最冷月平均气温至关重要，过高会导致果树不能正常休眠，过低则不能安全越冬，直接影响其生理存在，但降水因子的限制特别是偏少时则可通过人工灌溉等手段而提高其适宜低限。

根据8个主导气候因子与富士苹果种植地理分布信息构建的最大熵模型模拟结果，结合气候适宜性等级划分标准，给出中国富士苹果种植的气候适宜性分布(图 3)。中国富士苹果种植地理分布各气候适宜区的划分及具体气候条件为：

图 3 中国富士苹果种植的气候适宜区分布 Fig. 3 Distribution of climate suitability for growing Fuji apple in China

图选项

(1) 气候高适宜区：主要集中在黄土高原，包括关中西部(宝鸡市)、渭北黄土高原(咸阳、铜川、渭南及延安市)、陇东(庆阳、平凉和天水市)和晋西南(运城、临汾)，此外，还包括山东半岛(青岛、烟台和日照)、豫西北(三门峡)、河北太行山区域及江苏和安徽交界的小部分地区，面积1.3×10⁵km²。7个苹果主产省除辽宁外，其余6个省均有富士苹果的高适宜区，尤其以陕西、山西、甘肃3省面积最大。辽宁受到热量资源及越冬条件的影响，限制了对温度敏感的富士苹果高适宜区的分布，在7个主产省中辽宁富士品种的种植比例也最低。其他6个气候高适宜区的海拔均较高、日照充足、生长季长，越冬期温度条件能够很好保证苹果安全越冬又不会影响休眠，夏季日较差大且空气较为干燥，气候条件有利于苹果高产和品质形成。图 4为各主导气候因子分别对分布概率分布的影响，按照对不同适宜度分布概率的划分标准，确定不同适宜度下各因子对应的阈值范围。主要气候因子的高适宜性理论阈值范围分别为年日照时数2200—2400 h、年平均气温12—13℃、≥10℃积温4000—4200℃·d、最冷月平均气温-4—0℃、夏季气温平均日较差9—11℃、年降水量500—700 mm、夏季平均气温23—25℃、夏季平均空气相对湿度68%—75%。影响气候高适宜区富士苹果生产最主要的气候因子是有效降水量，降水与生长季节需水不匹配可能会影响果树的正常生长进而降低产量。该区域种植品种目前也基本以富士为主，种植面积的增加已无较大空间，通过改善灌溉条件提升单产和品质是该区果业发展的方向。

图 4 富士苹果种植分布概率与各气候因子的关系 Fig. 4 Relationships between probability of Fuji apple distribution and climate factors

图选项

(2) 气候适宜区：主要集中在环渤海湾、黄河古道和黄土高原部分地区。包括山东全境，河北中南部，辽宁和天津环渤海湾地区，北京中南部，河南许昌以北，山西东南部，陕西秦岭北麓、关中平原及黄土高原西北部，甘肃庆阳东部，宁夏西北部，四川阿坝，云南昭通和丽江局地，新疆伊犁部分地区。适宜区以山东、辽宁、陕西、山西和河南等5省面积最大，是目前中国苹果的主要产区，面积7.1×10⁵ km²。其中，渤海湾产区夏季空气湿度较大，秋季干燥，果品含糖量高、硬度大、耐贮运，是中国最早的晚熟苹果集中栽培区。主要气候因子适宜理 论范围为年日照时数2000—2500 h、年平均气温7—14℃、≥10℃积温3000—4800℃·d、最冷月平均气温-7—0℃、夏季气温平均日较差8—12℃、年降水量400—800 mm、 夏季平均气温20—26℃、夏季平均空气相对湿度60%—78%。但其中部分气候因子的指标高于或低于高适宜区的指标数值范围，以示与高适宜区有所区别。与高适宜区相比，适宜区北部部分地方特别是辽宁环渤海湾区域、宁夏西北部和新疆伊犁等地霜冻来临较早，对晚熟品种的富士成熟采收及正常落叶可能有影响。黄土高原西北部、山西东南部及甘肃等地的春季花期霜冻可能会影响果树的开花授粉。同时，宁夏、新疆和黄土高原西北部的降水不足也是影响该区发展的重要限制。

(3) 气候次适宜区：主要分布范围包括辽宁长白山脉以西沈阳以东、山西中北部、陕西和内蒙古长城沿线、宁夏中南部、甘肃中部、陕南、河南中南部、江苏和安徽北部、云南北部并含云贵川三省交界地区、北疆和西藏局地。中国苹果种植省份中除黑龙江和吉林外，都有富士苹果的次适宜区存在，面积约9.5×10⁵ km²。该区的北部地区主要是1月平均气温偏低，可能会导致果树越冬期遭遇冻害的风险，同时夏季气温偏低可能会导致果实糖酸比下降而影响口味。而江苏、安徽、陕南及河南中南部地区由于夏季气温偏高影响果实的硬度，对耐储性造成不利影响，同时降水过多、果园湿度较大影响了果实膨大，品质和产量不佳。按照优势区域发展的思路，该区域主要以调整品种和种植结构为主。

(4) 气候不适宜区：主要分布在43°N以北及33°N以南地区，包括黑龙江、吉林、青藏高原、新疆大部分地区、中国长江以南的大部分地区。上述地区中东北、内蒙古、青藏高原及新疆大部分地区主要受限于气温条件，越冬期气温过低富士苹果不能安全越冬，≥10℃的积温不足，生长季节短，不能保证果实正常成熟。长江以南地区则主要是越冬期气温过高果树不能正常休眠，夏季高温高湿、日照时数不足等严重影响果树的生长及产量形成。黑龙江、吉林及新疆部分地区应以小苹果品种种植为主，或调整为当地其他优势作物。

气候因子的选择是进行农业气候适宜性分析的前提，其中，不仅需要考虑栽培植物能否生存，还要考虑栽培植物的质量。现有研究对于气候因子的选择差异较大，有的选择安全越冬保证率或主要的气象灾害指标等限制因子(李世奎等，1985)，有的以品质形成的气候条件作为潜在影响因子(魏钦平等，1998；王静等，2014)，也有运用统计方法综合考虑品质及灾害指标，且大多研究选择的气候因子影响时段及阈值范围主要基于对广义的大苹果的认识(陆秋农，1980；李世奎等，1985；王宇霖，1986)，然而不同苹果品种的气候适宜性差异较大(Caprio et al，1999)。同时，基于多个限制因子进行逐步区划的方式不能体现各因子对栽培植物分布的综合影响，通过专家打分等方式赋予因子权重进行综合区划则会导致人为误差。最大熵模型通过对不同潜在因子组合的模拟效果进行检验，利用AUC检验预测模拟的精度以提取主导气候因子，并能够确定不同影响因子的贡献率及在不同适宜度下的因子阈值，为确定影响富士苹果种植的主要气候因子及其适宜范围提供了量化的标准，研究结果中主导气候因子适宜的阈值范围均在已有研究的基础范围之内，且更加严格，体现了富士苹果区别于其他品种对气象条件的差异性需求，同时也进一步证实了此研究方法的可行性。通过对富士苹果种植分布的模拟结果与收集的苹果主产区的地理分布、年鉴统计的中国大苹果主产区域分省区富士苹果产量布局的结果进行对比，模拟分析的结果是合理和可信的。

在利用生态位模型进行物种分布及冬小麦、夏玉米等农作物的适宜性分布预测时，潜在因子一般定位在生理存在的概率预测上，但苹果作为一种商品种植的栽培植物，品质和产量是种植规划中必须要考虑的因素，因此，本研究在潜在因子的选择上除基于大苹果的因子外，还选取了影响富士品种品质和产量形成的气候因子，模拟分布结果更贴近生产实际。同时，在气候环境背景资料的应用上，利用了中国国家气象信息中心最新研发的“中国国家级地面气象站基本气象要素日值数据集”中2084个气象站点的数据，较前期研究采用的752个站点资料更能体现气候背景的区域性差异。

苹果属多年生作物，品种和种植结构调整的成本较大(韩明玉等，2011)，区域化种植前应谨慎选择，富士苹果因质优耐储的优势迅速取代“金冠”、“国光”、“元帅”，成为中国种植的第一大品种，但相关研究和实践均证明该品种对光、温、水等气候条件较为敏感，规划种植前应综合考虑气候适宜性的划分。研究结果显示，富士苹果在中国的气候适宜区主要分布在黄土高原、环渤海湾和黄河古道，适宜级以上面积较大的省份(表 3)依次为山东、陕西、河北、山西、河南、辽宁和甘肃，特别是黄土高原区的陕西、山西和甘肃气候高适宜区面积最大，应该是今后富士苹果鲜果出口产业化发展的重点区域，限制该区苹果种植的主要气候因子是降水匹配。有关对黄土沟壑区苹果生长的生态适宜度综合量化评价的研究也认为，降水是该区域优质苹果生产最重要的限制因子(张义等，2011)。因此，应该对该区灌溉条件进行改善，同时提高空中水资源的利用率以提升单产。近年来，中国苹果种植分布从原来的环渤海湾逐渐向黄土高原转移，但根据研究结果中气候适宜区的占比与目前现有的种植规模占比分析，山东和河北两省的富士苹果种植仍有较大发展空间，而被确定为次适宜的区域应在规模化种植前注意潜在的气候风险。

最大熵模型模拟的结果依赖于现有地理分布的合理性，作为经济作物种植的苹果，其现有分布是在气候背景和人类社会选择的共同基础上产生的。同时，研究仅从气候影响的角度对富士苹果在中国区域的种植进行了分析和评估，其中光谱的构成对苹果品质也有一定的影响，除气温、降水、日照、气温日较差等因素外，海拔1000 m上下的太阳光谱构成也起到了一定作用，但由于数据不足，未能展开研究。此外，在实际生产应用中还需要考虑所在区域的地形、土壤类型、交通及经济性等因素，且气候资源的适宜程度并不代表气象灾害风险的大小(王春乙等，2015；张强等，2015)。研究表明，随着气候变化的加剧，高温热害、低温冷害、越冬期冻害等极端天气气候事件明显增加(王晓娟等，2013；郭建平，2015)，在以后的研究中还应专门针对不同区域的气象灾害风险进行评估。

本研究针对富士苹果种植及其品质的需求，基于中国区域1981—2010年2084个气象台站资料和203个富士苹果种植区分布的地理数据，利用最大熵(MaxEnt)模型和ArcGIS平台，研究了中国富士苹果的气候适宜性。结果表明，最大熵模型可以较好地模拟富士苹果在中国的潜在种植分布，模型模拟的准确性达到“非常好”的标准。影响富士苹果在中国分布的主导气候因子有8个，即年日照时数、年平均气温、≥10℃积温、最冷月平均气温、夏季平均气温日较差、年降水量、夏季平均气温和平均空气相对湿度。中国富士苹果的气候适宜区主要分布在黄土高原、环渤海湾和黄河古道，适宜以上区域面积为8.3×10⁵ km²，其中黄土高原气候适宜度最高。陕西、山西和甘肃气候高适宜区面积最大，而山东和河北两省的富士苹果种植尚有较大发展潜力。