張愛英王煥炯戴君虎丁德平

1）（北京市氣象服務(wù)中心，北京100089）

2）（中國科學院地理科學與資源研究所，北京100101）3）（中國科學院大學，北京100049）

物候模型在北京觀賞植物開花期預測中的適用性

張愛英1）*王煥炯2）3）戴君虎2）丁德平1）

1）（北京市氣象服務(wù)中心，北京100089）

2）（中國科學院地理科學與資源研究所，北京100101）3）（中國科學院大學，北京100049）

以北京地區(qū)玉淵潭公園杭州早櫻（1998—2012年）、密云農(nóng)業(yè)氣象試驗站白玉蘭（1996—2012年）及頤和園公園山桃（1981—2012年）物候觀測資料和海淀、密云氣象站的1981—2012年逐日平均氣溫觀測資料為基礎(chǔ)，分別應(yīng)用國際通用的3種物候模型（SW模型、UniChill模型和統(tǒng)計模型）對以上植物的始花期和盛花期建模，并評估模型適用性。結(jié)果表明：SW模型在北京地區(qū)3種觀賞植物開花期預測中適用性最高，其交叉檢驗的均方根誤差僅為1.93～3.58 d，其次為 UniChill模型（均方根誤差為2.49～3.79 d），統(tǒng)計模型效果最差（均方根誤差為2.36～4.24 d）。因此，推薦在觀賞植物開花期預測業(yè)務(wù)中采用SW模型。

物候模型；開花期；預測；適用性

引 言

近年來，觀賞植物的開花期預測已經(jīng)成為倍受關(guān)注的焦點問題之一，準確預測觀賞植物開花期可為公眾出游安排提供必要的指導。

物候模型是預測觀賞植物開花期的有效方法。物候模型是基于植物對環(huán)境因子的響應(yīng)機理而建立的可模擬植物生長發(fā)育的數(shù)學模型［1-2］。國內(nèi)外許多學者建立了多種類型的物候模型［3-16］，這些模型被歸納為靜態(tài)模型（也稱統(tǒng)計模型［13］）和動態(tài)模型（也稱過程模型［13］）。動態(tài)模型是通過數(shù)學方法再現(xiàn)生物過程與環(huán)境的關(guān)系，試圖從機制上探討物候期發(fā)生條件的模型［15］。在動態(tài)模型中，較為通用的是基于積溫理論的春暖模型（Spring Warming Model，SW模型）或熱時模型（Thermal Time Model）［12］。SW模型是較為簡單的物候模型之一，被廣泛用于不同地域植物物候期的模擬研究；另一種更為復雜的動態(tài)物候模型由 Chuine［7］提出，稱為UniChill模型。截至目前，物候模型已被成功地用于重建過去氣候變化［13-14］、預測樹種分布范圍變化［16］、預測21世紀的物候變化［17］以及植物災害風險評估等方面［18］。與動態(tài)物候模型相比，靜態(tài)模型則是直接利用統(tǒng)計方法擬合物候期與氣候因子關(guān)系來建立的物候模型。

長期以來，物候模型較多應(yīng)用于農(nóng)業(yè)生產(chǎn)領(lǐng)域。李榮平等［19］檢驗了4種模型在作物發(fā)育期模擬中的效果，為作物發(fā)育期預報業(yè)務(wù)提供了理論依據(jù)；張谷豐等［20］將物候模型應(yīng)用在水稻縱卷葉螟發(fā)生期的預測中，取得了初步成效。在觀賞植物物候期預測方面，國內(nèi)學者多利用物候期與氣象因子的關(guān)系，建立靜態(tài)物候模型進行預測［21-26］。總體來看，動態(tài)物候模型在觀賞植物物候期預測方面的應(yīng)用還較少。

本文分別采用兩種動態(tài)物候模型（SW模型、UniChill模型）和一種靜態(tài)物候模型（統(tǒng)計模型），建立北京地區(qū)3種特色觀賞植物（玉淵潭公園杭州早櫻、密云農(nóng)業(yè)氣象試驗站的白玉蘭、頤和園公園的山桃）始花期和盛花期模擬模型。在此基礎(chǔ)上，對各模型的模擬和預測效果進行檢驗，評估3種模型在北京觀賞植物開花期預測中的準確性，并遴選出最為適用的模型。本研究結(jié)果可為北京春季觀賞植物開花期預測提供一種可行的方法。

1 資料及處理

1.1 物候資料

本文所用的物候資料為北京地區(qū)玉淵潭公園的杭州早櫻（Prunus discoidea）、密云農(nóng)業(yè)氣象試驗站的白玉蘭（Magnolia denudata）和頤和園公園的山桃（Amygdalus davidiana）始花期和盛花期長序列物候觀測資料。觀測資料起止時間和來源列于表1。根據(jù)中國物候觀測網(wǎng)的觀測標準：始花期定義為觀測植株上開始出現(xiàn)第1個完全開放的花朵的日期；盛花期定義為觀測的樹木上有一半以上的花蕾都展開花瓣的日期。

表1 本研究所采用觀賞植物及物候資料一覽表Table 1 Phenological data used in this study

1.2 氣象資料

本文所用氣象資料來源于北京市氣象信息中心，包括海淀和密云氣象站的1981—2012年逐日平均氣溫資料序列，所有資料均通過了嚴格的質(zhì)量控制。圖1給出3個物候觀測站點（玉淵潭公園、頤和園公園和密云農(nóng)業(yè)氣象試驗站）和2個氣象觀測站點在北京地區(qū)的位置圖。頤和園公園和海淀氣象站地理位置非?？拷?，密云農(nóng)業(yè)氣象試驗站和密云氣象觀測站為相同的地理位置。而玉淵潭公園雖與海淀氣象站有一定距離，但已是本文能獲得的最近處的氣象資料。因此，本文模擬玉淵潭公園杭州早櫻、頤和園公園山桃開花期所用的氣象資料為海淀氣象站資料，模擬密云白玉蘭開花期所用的氣象資料為密云站資料。

圖1 本研究所用物候觀測站和對應(yīng)的氣象站位置Fig.1 Location of phenological and meteorological stations

2 方 法

2.1 模型簡介

2.1.1 SW 模型

SW 模型基于積溫理論發(fā)展而來［8，11］，是 最簡單的物候模型之一，包括t0，Tb和G3個參數(shù)，如式（1）和式（2）所示：

其中，y是預測的植物物候期（日序），xt是第t日的日平均氣溫；D（xt）是高于某一界限溫度值的累積溫度，簡稱積溫，代表了植物的發(fā)育進程。Tb是界限溫度，祝廷成等［27］指出一般植物在0～35℃的溫度范圍內(nèi)，隨溫度上升，生長迅速，隨溫度降低，生長緩慢，即Tb一般在0～35℃之間。t0是積溫開始累積的時間，通常以日序來表示，例如，t0為28是指當年的1月28日。G指完成發(fā)育所需的積溫閾值。

2.1.2 UniChill模型

UniChill模型［7］考慮了植物芽發(fā)育過程的兩個階段，即休眠期和靜止期。休眠期是指即使在有利的外界條件下，植物的發(fā)育和細胞生長仍被內(nèi)在因子抑制的時期［24］。休眠期只有通過一定時間的低溫刺激才能到靜止期。靜止期是休眠期打破后，發(fā)育和生長受到外界因子（通常是氣溫）驅(qū)動的時期。其公式如下：

其中，t1為開始累積冷積單元的時間，設(shè)定為前一年的9月1日。該模型包括a，d，e，k，l，C和G7個參數(shù)。參數(shù)a，d和e確定了低溫促使休眠期打破的過程中，冷激速度對日平均氣溫的響應(yīng)函數(shù)Rc（xt）（也稱冷激單元，chilling units）。Sc是冷激單元的累積和，代表著芽目前的冷激進度。當Sc達到閾值C時的日期t2即為休眠期被打破的日期（式（3））。參數(shù)k，l確定了靜止期發(fā)育速度對日平均氣溫的響應(yīng)函數(shù)Rf（xt）（也稱驅(qū)動單元，forcing units）。Sf是驅(qū)動單元的累積和，代表當前的驅(qū)動進度。當Sf達到閾值G時的日期td就是始花期或盛花期（式（4））。

2.1.3 統(tǒng)計模型

統(tǒng)計模型主要是利用物候事件發(fā)生的時間與氣候因子的相關(guān)性建立物候與氣象因子之間的對應(yīng)關(guān)系。這種模型較少考慮植物的生理生態(tài)過程，只進行物候期與每年不同時期氣溫的簡單回歸分析［17-18］。本文使用以下一元線性回歸方程模擬春季物候期：

其中，y是預測的植物物候期（日序），Tm是m月份的平均氣溫，h是回歸系數(shù)，z是截距。本文首先計算物候期與前5個月氣溫的相關(guān)系數(shù)，找出最相關(guān)的m月份。通過計算，發(fā)現(xiàn)3種觀賞植物的花期與3月平均氣溫最相關(guān)，故建立了3種觀賞植物花期與3月平均氣溫的統(tǒng)計模型。

2.2 物候模型參數(shù)估計

使用物候期序列中所有年的觀測數(shù)據(jù)進行模型參數(shù)值估計。3種模型的參數(shù)值估計均采用最小二乘法原則［5］，

其中，x代表參數(shù)空間，ri（x）＝di（x）－diobs，di（x）和diobs分別代表第i個樣本用參數(shù)空間x確定的模型預測日期和觀測日期。使f（x）最小的模型參數(shù)組合即為最優(yōu)的參數(shù)組合。對于統(tǒng)計模型，可直接導出最小二乘解析解。而對于SW模型和UniChill模型，該問題變成了一個非線性最小二乘問題，無法推導出解析解，所以本文選取模擬退火算法實現(xiàn)最優(yōu)參數(shù)的估計［5］。

2.3 物候模型檢驗

求出最優(yōu)模型參數(shù)后，利用氣象觀測資料模擬出逐年的花期。為了檢驗模型的準確性，采用內(nèi)部檢驗和交叉檢驗結(jié)合的方式進行［13，18］。先進行內(nèi)部檢驗，即用全部觀測年份擬合出的參數(shù)模擬出物候序列；再將觀測序列與模擬序列進行對比，計算方差解釋量（ES）和均方根誤差（ERMS）［13］。其次進行交叉檢驗（又稱外部檢驗［13］）。交叉檢驗采用逐個剔除法，即將某年份的觀測值剔除后，利用其他年份的數(shù)據(jù)擬合參數(shù)，模擬出被剔除年的物候期。將每一年份的觀測值逐一剔除一次后，即可得到用于交叉檢驗的序列。同樣將此序列與物候觀測序列作對比，計算ES和ERMS，交叉檢驗可以檢驗模型在獨立的情況下能否準確地模擬物候期。

3 結(jié)果分析

3.1 模型擬合及檢驗結(jié)果

由模擬效果圖（圖2～圖4）可以看出，SW模型對白玉蘭始花期模擬稍差（觀測值與模擬值散點圖偏離y＝x的基準線較多），但在杭州早櫻始花期和盛花期、白玉蘭盛花期、山桃始花期和盛花期模擬中，SW模型的模擬值與觀測值散點圖均接近于y＝x的基準線，表現(xiàn)出比UniChill模型和統(tǒng)計模型更優(yōu)的模擬效果。另外，從年際變化曲線看，SW模型模擬的花期序列和實際觀測序列也更為吻合（圖5）。這說明，SW模型比其他兩種模型相比能更好地預測觀賞植物開花期。

表2為模擬不同觀賞植物花期的SW模型參數(shù)。結(jié)果表明，3種植物開花的界限溫度為0～3℃。研究［27］指出，一般植物在0～35℃的溫度范圍內(nèi)，隨溫度上升生長迅速。因此，本文得到的界限溫度在此范圍內(nèi)。基于上述界限溫度，3種植物開花所需積溫G各不相同，介于124～181℃·d之間。檢驗結(jié)果表明，SW模型內(nèi)部檢驗的ES為0.84～0.94（達到0.001的顯著性水平），ERMS為1.60～3.05 d（表2）。UniChill模型具有較多的參數(shù)，因此其內(nèi)部檢驗準確度極為突出，ES為0.85～0.93（達到0.001的顯著性水平）；ERMS為 1.69～2.74 d （表3）；從統(tǒng)計模型的表現(xiàn)來看，內(nèi)部檢驗的ES為0.67～0.86（達到0.001的顯著性水平），ERMS為2.15～3.62 d（表4）。

圖2 SW模型、UniChill模型和統(tǒng)計模型模擬的杭州早櫻始花期和盛花期Fig.2 Effectiveness of SW Model，UniChill Model and Statistical Model for simulating the flowering date and the full flowering date ofPrunus discoidea

表2 SW模型模擬3種植物始花期和盛花期的模型參數(shù)及其檢驗結(jié)果Table 2 Model parameters and test results of SW Model for simulating the first flowering date and the full flowering date of three plants

然而，內(nèi)部檢驗并不能表示物候模型的模擬效果，模型的適用性要通過外部檢驗結(jié)果來評估。從交叉檢驗的結(jié)果來看，SW 模型的ES為0.74～0.91（達到0.001的顯著性水平），ERMS為1.93～3.58 d；UniChill模型的ES為0.68～0.88，ERMS為2.49～3.79 d；統(tǒng)計模型的ES為0.56～0.83，ERMS為2.36～4.24 d。將3種模型交叉檢驗的ES和ERMS列于表5，進行效果比對。結(jié)果表明，SW模型適用性最高，UniChill模型次之，統(tǒng)計模型最差。

圖3 SW模型、UniChill模型和統(tǒng)計模型模擬的白玉蘭始花期和盛花期Fig.3 Effectiveness of SW Model，UniChill Model and Statistical Model for simulating the flowering date and the full flowering date ofMagnolia denudata

表3 UniChill模型模擬3種植物始花期和盛花期的模型參數(shù)及其檢驗結(jié)果Table 3 Model parameters and test results of UniChill Model for simulating the first flowering date and the full flowering date of three plants

圖4 SW模型、UniChill模型和統(tǒng)計模型模擬的山桃始花期和盛花期Fig.4 Effectiveness of SW Model，UniChill Model and Statistical Model for simulating the first flowering date and the full flowering date ofAmygdalus davidiana

表4 統(tǒng)計模型模擬3種植物始花期和盛花期的模型參數(shù)及其檢驗結(jié)果Table 4 Model parameters and test results of Statistic Model for simulating the first flowering date and the full flowering date of three plants

圖5 1982—2012年觀測與模擬的山桃始花期和盛花期序列Fig.5 The observed and simulated the first flowering date and the full flowering date ofAmygdalus davidianafrom 1982 to 2012

表5 SW模型、UniChill模型和統(tǒng)計模型的交叉檢驗結(jié)果對比Table 5 Cross-validation results of SW Model，UniChill Model and Statistic Model

3.2 開花期預測準確率

為了直觀對比3種模型在北京地區(qū)觀賞植物開花期預測中的適用性，將實際觀測序列與逐一剔除法得到的模擬序列作對比，如果兩者之差絕對值小于3 d（定義誤差在3 d之內(nèi)為準確），則認為預測正確，記錄為“1”，否則認為預測錯誤，記錄為“0”。然后統(tǒng)計“1”的數(shù)量占相應(yīng)序列總年數(shù)的百分比，即為預測準確率。結(jié)果表明（表6），SW模型在模擬杭州早櫻始花期和盛花期、白玉蘭盛花期、山桃始花期和盛花期方面，其預測準確率均最高，只在白玉蘭始花期模擬方面，預測準確率低于UniChill模型，但仍然高于統(tǒng)計模型。該結(jié)果進一步證明SW模型在北京地區(qū)3種植物開花期預測中的適用性最高。

表6 SW模型、UniChill模型和統(tǒng)計模型預測觀賞植物開花期準確率（單位：%）Table 6 Predicting accuracy of SW Model，UniChill Model and Statistical Model for simulating the flowering date of three plants（unit：%）

4 結(jié)論與討論

本文以北京地區(qū)玉淵潭公園杭州早櫻、密云農(nóng)業(yè)氣象試驗站白玉蘭、頤和園公園山桃多年物候觀測資料和海淀氣象站、密云氣象站1981—2012年逐日平均氣溫觀測資料序列為基礎(chǔ)，分別對3種物候模型（SW模型、UniChill模型和統(tǒng)計模型）在北京地區(qū)觀賞植物開花期預測方面的適用性進行分析，得到以下結(jié)論：

1）SW模型交叉檢驗的方差解釋量最高（0.74～0.91），均方根誤差最?。?.93～3.58 d），其次為UniChill模型，統(tǒng)計模型具有最低的方差解釋量和最大的均方根誤差。因此，SW模型在模擬觀賞植物花期方面有最低的誤差。

2）在預測準確率方面，SW模型模擬結(jié)果的誤差在3 d之內(nèi)的年份占總年份的85%以上（白玉蘭始花期除外），同樣在3種模型中表現(xiàn)最好。因此，SW模型在北京地區(qū)3種植物開花期預測中適用性最高。

最為復雜的UniChill模型在模擬獨立數(shù)據(jù)方面弱于更為簡單的SW模型，其主要原因可能是這3個物種均主要分布于我國北方溫帶地區(qū)，冬季冷激需求一般均能滿足，因此決定性因素還是春季溫暖積溫。SW模型只針對這一積溫時段模擬，因此模擬效果更好。

本研究中統(tǒng)計模型是簡單的數(shù)理統(tǒng)計方法，且只考慮了植物開花期與前期月平均溫度的關(guān)系，未使用日或候平均溫度作為自變量，也未考慮溫度以外其他氣象要素（如光照和水分等）的影響，因此模擬效果最差，統(tǒng)計模型仍有很大的提升和改進空間。徐琳等［28］指出刺槐開花日期還可能受到其他氣象因子如光周期、降水量等的影響，韓小梅等［29］同樣指出植物物候還在較大程度上受到水分和光照等氣象因素的影響，因此，如果統(tǒng)計模型在日平均氣溫的基礎(chǔ)上，再考慮光照和水分的綜合影響以及植物生理過程［30］，或?qū)@得更好的效果。此外，在氣候變化［31-32］和北京市熱島效應(yīng)不斷增強［33-38］的情況下，采用SW模型對城鄉(xiāng)不同地點和未來不同時期植物花期的預測上可能存在適用性問題，需要根據(jù)新的觀測資料改進模型或訂正預測結(jié)果。

［1］ 李榮平，周廣勝，閻巧玲.植物物候模型研究.中國農(nóng)業(yè)氣象，2005，26（4）：210-214.

［2］ 裴順祥，郭泉水，辛學兵，等.國外植物物候?qū)夂蜃兓憫?yīng)的研究進展.世界林業(yè)研究，2009，22（6）：31-37.

［3］ Sarvas R.Investigation on the annual cycle of development of forest trees：Autumn dormancy and winter dormancy.Commun Inst For Fenn，1974，84：10.

［4］ Cannell M G R，Smith R I.Thermal time，chill days and prediction of budburst in Picea sitchensis.J Appl Ecol，1983，20（1）：951-963.

［5］ Chuine I，Cour P，Rousseau D D.Fitting models predicting dates of flowering of temperate-zone trees using simulated annealing.Plant，Cell&Environment，1998，21（5）：455-466.

［6］ Chuin Cour P，Rousseau D D.Selecting models to predict the timing of flowering of temperature trees implications for tree phenology modellintg.Plant，Cell&Environment，1999，22（1）：1-13.

［7］ Chuine I.A unified model for budburst of trees.Journal of Theoretical Biology，2000，207（3）：337-347.

［8］ Hunter A F，Lechowicz M J.Predicting the timing of budburst in temperate trees.J Appl Ecol，1992，29（3）：597-604.

［9］ Landsberg J J.Apple fruit bud development and growth：A-nalysis and empirical model.Ann Bot，1974，38：1013-1023.

［10］ Murray M B，Cannell M G R，Smith R I.Date of budburst of fifteen treespecies in Britain following climatic warming.J Appl Ecol，1989，26：693-700.

［11］ Cannell M G，Smith R I.Thermaltime，chilling days and prediction of budburst in Picea sitchensis.J Appl Ecol，1983，20（3）：951-963.

［12］ Hunter A F，Lechowicz M J.Predicting the timing of budburst in temperate trees.J Appl Ecol，1992，2：597-604.

［13］ 王煥炯，戴君虎，葛全勝.1952—2007年中國白蠟樹春季物候時空變化分析.中國科學：地球科學，2012，42（5）：701-710.

［14］ Chuine I，Yiou P，Viovy N，et al.Historical phenology：Grape ripening as a past climate indicator.Nature，2004，432：289.

［15］ 宋富強，張一平.動態(tài)物候模型發(fā)展及其在全球變化研究中的應(yīng)用，生態(tài)學雜志，2007，26（1）：115-120.

［16］ Morin X，Viner D，Chuine I.Tree species range shifts at a continental scale：New predictive insights from a process-based model.J Ecol，2008，96：784-794.

［17］ Spieksma F T M，Emberlin J C，Hjelmroos M，et al.Atmospheric birch（Betula）pollen in Europe：Trends and fluctuations in annual quantities and the starting dates of the seasons.Grana，1995，34（1）：51-57.

［18］ 戴君虎，王煥炯，葛全勝.近50年中國溫帶季風區(qū)植物花期霜凍風險變化.地理學報，2013，68（5）：593-601.

［19］ 李榮平，周廣勝，王笑影，等.不同物候模型對東北地區(qū)作物發(fā)育期模擬對比分析.氣象與環(huán)境學報，2012，28（3）：25-30.

［20］ 張谷豐，孫雪梅，張志春，等.物候模型預測稻縱卷葉螟發(fā)生期的應(yīng)用研究.福建農(nóng)業(yè)學報，2013，28（2）：148-153.

［21］ 張福春.北京春季的樹木物候與氣象因子的統(tǒng)計學分析.地理研究，1983，2（2）：55-64.

［22］ 郝日明，張璐，張明娟，等.影響南京桂花秋季開花期變化的關(guān)鍵氣候因子研究.植物資源與環(huán)境學報，2006，15（3）：31-34.

［23］ 劉流，甘一忠.桃花遲早年型的冬季氣候特點及花期預測.氣象，2006，32（1）：113-116.

［24］ 韓亞東，于長文，劉雪峰.京桃春季物候期與氣溫之間的關(guān)系.安徽農(nóng)業(yè)科學，2007，35（15）：4517-4518.

［25］ 陳正洪，肖玫，陳璇.櫻花花期變化特征及其與冬季氣溫變化的關(guān)系.生態(tài)學報，2008，28（11）：5209-5217.

［26］ 張菲，邢小霞，李仁杰.利用地溫構(gòu)建菏澤牡丹花期預測模型.中國農(nóng)業(yè)氣象，2008，29（1）：87-89.

［27］ 祝廷成，鐘章成，李建東.植物生態(tài)學.北京：高等教育出版社，1988.

［28］ 徐琳，陳效逑，杜星.中國東部暖溫帶刺槐花期空間格局的模擬與預測.生態(tài)學報，2013，33（12）：3584-3593.

［29］ 韓小梅，申雙和.物候模型研究進展.生態(tài)學雜志，2008，27（1）：89-95.

［30］ 譚美，王四清.觀賞植物生長模擬模型研究進展.園藝學報，2010，37（9）：1523-1530.

［31］ 趙平，南素蘭.氣候和氣候變化領(lǐng)域的研究進展.應(yīng)用氣象學報，2006，17（6）：725-735.

［32］ 任玉玉，任國玉，周江興.我國大陸大尺度氣候觀測網(wǎng)的理想密度和分布.應(yīng)用氣象學報，2012，23（2）：205-213.

［33］ 曲紹厚，宋錫銘，李玉英.北京城區(qū)的氣象效應(yīng).地球物理學報，1981，24（2）：229-237.

［34］ 鄭祚芳，劉偉東，王迎春.北京地區(qū)城市熱島時空分布特征.南京氣象學院學報，2006，29（5）：694-699.

［35］ 張光智，徐祥德，王繼志，等.北京及周邊地區(qū)城市尺度熱島特征及其演變.應(yīng)用氣象學報，2002，13（特刊）：43-50.

［36］ 楊玉華，徐祥德，翁永輝.北京城市邊界層熱島的日變化周期模擬.應(yīng)用氣象學報，2003，14（1）：61-68.

［37］ 鄭祚芳，范水勇，王迎春.城市熱島效應(yīng)對北京夏季高溫的影響.應(yīng)用氣象學報，2006，17（增刊Ⅰ）：48-53.

［38］ 石英，高學杰，吳佳.華北地區(qū)未來氣候變化的高分辨率數(shù)值模擬.應(yīng)用氣象學報，2010，21（5）：580-589.

Applicability Analysis of Phenological Models in the Flowering Time Prediction of Ornamental Plants in Beijing Area

Zhang Aiying1）Wang Huanjiong2）3）Dai Junhu2）Ding Deping1）

1）（Beijing Meteorological Service Center，Beijing100089）
2）（Institute of Geographic Science and Natural Resources，CAS，Beijing100101）
3）（University of Chinese Academy of Sciences，CAS，Beijing100049）

In recent years，with the tourism booming and the increasing demands for flower-appreciation，the prediction of flowering date of ornamentals plants becomes more and more important.For a long time，phenological models are widely used in agriculture field，but rarely applied in predicting flowering time of ornamental plants.

Based on phenological data of three ornamentals plants（Prunus discoidea，Magnolia denudataandAmygdalus davidiana）in Beijing Area，corresponding meteorological data during the period of 1981－2012 at Haidian and Miyun meteorological stations，three phenological models（SW Model，UniChill Model and Statistical Model）for simulating the first flowering date and the full flowering date of the above three plants are developed.In the experimental process，the least square fitting is introduced in computing parameters，including linear least square fitting in Statistical Model and nonlinear least square fitting in SW Model and UniChill Model.Moreover，the simulating annealing approach is used to obtain the analytic solutions for SW Model and UniChill Model.Results show that SW Model performs well in simulating the first flowering date and the full flowering date ofPrunus discoidea，the full flowering date ofMagnolia denudata，and the first flowering date and the full flowering date ofAmygdalus davidiana.Besides，SW Model is the most applicable model with the root mean square error（RMSE）of external verification between 1.93－3.58 days.UniChill Model ranks the second with the RMSE of 2.49－3.89 days，and Statistical Model has the largest uncertainty with the RMSE of 2.37－4.24 days.As far as prediction accuracy is concerned，SW Model also ranks the first，and for more than 85%of years，the prediction error is within 3 days.

Above all，SW Model is recommended for predicting the flowering dates of the ornamental plants inBeijing Area.But Statistical Model based on daily average temperature，considering the comprehensive effect of light and moisture and plant physiological processes，may perform better.With the increasing urban heat island effect in Beijing Area，the deviation caused by urban heat island effect should be removed during the application of SW Model.

phenological models；flowers blooming；prediction；applicability

張愛英，王煥炯，戴君虎，等.物候模型在北京觀賞植物開花期預測中的適用性.應(yīng)用氣象學報，2014，25（4）：483-492.

2014-01-11收到，2014-05-05收到再改稿。

北京市自然科學基金項目（8112028），國家自然科學基金項目（41030101）

*email：bjzhangay＠bjmb.gov.cn