水稻低温冷害风险评估范文

《自然灾害学报》2014年第二期

1资料与方法

1．1资料来源及处理东北三省共86个气象台站(黑龙江省31个站点，吉林省28个站点，辽宁省27个站点)的1961－2012年逐日平均气温数据和农气观测站1991－2012年水稻生长发育期资料由中国气象数据共享网提供。单季稻实际总产及播种面积资料来自各省历年统计年鉴。研究区范围及气象站点分布如图1所示。

1．2东北水稻冷害指标及其辨别东北三省1961－2012年水稻冷害的辨别主要依据气象行业标准《水稻、玉米冷害等级》(QX/T101－2009)。表1和表2分别列出东北水稻延迟型冷害和障碍型冷害等级指标。逐年逐站点将日平均气温按月份合成月平均气温，再累加成5－9月月平均气温总和∑T5－9。计算∑T5－9与距平基准年T5－9(1981－2010年∑T5－9平均值)之差，得到各站点1961－2012各年5－9月月平均气温总和距平ΔT5－9，并根据指标表判断每个站点发生一般和严重延迟型冷害的年份，并统计各类延迟型冷害发生频率。对农气站观测的水稻生长发育期资料进行统计，得出东北三省水稻普遍孕穗期范围和普遍抽穗开花期范围分别在儒略日(DOY)189－207(7月中旬至下旬)和DOY209－227(7月下旬至8月上中旬)。分生育期范围按障碍型冷害指标，逐年逐站点地分析DOY189－207和DOY209－227间的日平均气温数据，判别每个站点水稻孕穗期、抽穗开花期轻度、中度及中度障碍型冷害发生的年份，并统计各类障碍型冷害发生频率。

1．3产量分离作物产量的形成是自然环境因素和社会生产力综合作用的结果。通常把长时序产量数据分解为趋势产量、气象产量及随机“噪声”3部分，一般情况下可假设忽略“噪声”的影响。趋势产量可由多种方法进行模拟和预报［13］，本文选择不损失样本且模拟效果较好的直线滑动平均法，设滑动步长为11，具体步骤参见文献［14］。按QX/T101－2009行业标准，定义水稻减产率为实际产量与其趋势产量的差值占趋势产量的百分比(即相对气象产量)的负值。

1．4综合风险评估及区划方法在GIS平台下利用反距离权重插值法(inversedistanceweighting，IDW)对各单项评价指标进行空间化表达。采用熵值法(entropymethod，EM)和层次分析法(analytichierarchyprocess，AHP)相结合的综合赋权法和加权综合评分法(weightedcomprehensiveanalysis，WCA)构建水稻冷害风险综合评估模型。对空间分布的单项风险要素评价指标叠加计算，并利用ArcGIS中自然断点分类法NaturalBreaks(Jenks)对综合风险评价指标进行区划。熵值法和层次分析法原理及操作步骤可参见文献［12］。

2东北三省水稻低温冷害综合评估指标的构建

2．1致灾因子危险性评估指标致灾因子危险性评估是以农业气象灾害的自然属性为基本出发点，通过分析致灾因子历史活动的频繁程度和强度，来确定致灾因子的危险性大小及其发生的可能性。本文选择从水稻生育期热量条件变异系数、延迟型冷害气候风险概率、障碍型冷害发生频率及冷害气候风险指数4方面来综合体现致灾因子危险性。

2．1．1∑T5－9的变异系数有研究表明5－9月的热量条件与东北地区水稻产量呈显著正相关［15］，且年际间热量条件的稳定性直接关系到水稻低温冷害发生的风险大小［3］。因此本文通过计算∑T5－9的变异系数CVh来表明各地水稻生长季内热量条件稳定程度大小，即评估致灾因子风险强度大小。

2．1．2冷害气候风险概率同冷害发生频率相比，当统计样本足够大时，冷害概率值不随统计年份的增加而改变，更具有客观性和稳定性。计算概率前，需采用偏度－峰度检验法对气候样本序列进行正态分布检验，不满足检验的序列需要进行偏态分布正态化处理［14］。经检验，东北地区所有站点∑T5－9和ΔT5－9历年序列分布曲线均满足正态性。因此，可以引入冷害气候风险概率的概念，用正态分布密度函数揭示各地发生延迟型冷害的风险性大小。概率密度函数公式为:式中，一般冷害指标ΔT1和严重冷害指标ΔT2可参见表1。分别计算各站点的一般冷害和严重冷害的风险概率(F1和F2)，其值越大，表明发生延迟型冷害的风险性越大;反之，发生低温冷害的风险越小。

2．1．3冷害气候风险指数冷害气候风险指数是冷害强度和冷害发生频率的综合指标［16］，能较客观地反映冷害的风险程度。将每个台站出现冷害的年份按一般冷害和严重冷害分为两组，求出每组达到相应冷害等级的ΔT5－9的频数Di和组中值Hi，再按式(5)计算冷害气候风险指数RI，其中n为总年数:

2．1．4障碍型冷害频率以上3类指标都只能反映延迟型冷害风险大小。但用于判断障碍型冷害发生与否的数据序列是非连贯的，因此无法利用概率密度函数求解风险概率。由于本研究数据属大样本时序(超过30)，故可用历史发生频率反映障碍型冷害风险程度。分孕穗期和抽穗开花期分别统计不同等级障碍型冷害频率，即发生相应冷害的年份总频数占总年数的百分率(同时发生不同程度同种障碍型冷害时不重复统计)。孕穗期和抽穗开花期水稻障碍型冷害综合频率由相应的轻度、中度和重度障碍型冷害分别赋予0．2，0．3和0．5权重加权平均求和得到，分别记为scdf1和scdf2。

2．2承灾体脆弱性评估指标某地区水稻对低温冷害反应的脆弱性不仅取决于当地水稻生产布局，还与当地水稻生产水平占整个研究区水平的比例有关。因此本文的承灾体脆弱性评估模型从承灾体物理暴露性和区域抗灾性能两指标来构建。

2．2．1水稻物理暴露性(Ve)物理暴露性的评估指标可分数量型和价值量型两种［8］。本文采用相对水稻面积作为承灾体物理暴露性指标，定义相对水稻面积为各县(市)水稻种植面积与其行政范围国土面积之比。水稻种植密度越大，暴露性越大，一旦遭遇生育期的低温，则水稻产量损失的可能性也就越大。

2．2．2抗灾性能指数(Vd)抗灾性能反映的是区域人类社会为保障承灾体免受、少受某种灾害威胁而采取的基础的及专项的防备措施力度大小［8］。目前对抗灾性能指数的定义多以产量为基础，有的用实际单产与理论极大单产的比值(K)来表示，其中理论极大单产可用历史最高单产或光温产量替代［17－19］;有的是为作物历年趋势产量序列随时间的一元线性回归方程斜率，即生产趋势指数(PT)［20］;有的为区域单产占全研究区单产总和的平均值所代表的区域农业水平指数(AL)［21］;还有利用歉年受灾率与相对波动产量样本序列的相关性来比较各地区间抗灾性能的强弱［22］，其中受灾率与受灾面积与作物播种面积有关。由于单独的水稻冷害受灾面积资料相对缺乏，本文仅对比计算了K，PT和AL这3种指数与各地区多年平均单产的相关系数，结果分别为0．597，0．899和0．138。AL能代表某一地区相对于全区域的生产实力，当发生全域性严重气象灾害导致普遍减产时，区域农业水平越高表明当地防灾抗灾能力越强。因此本研究选择AL作为区域抗灾性能指数。

2．3承灾体灾损度评估指标

作物产量受到光、温、水等气象要素及其他生态环境影响。对于农业气象风险损失度的评估方法，国内多以建立作物产量灾损风险评估指标和模型为主。以前人研究为基础，本文选择历年平均减产率、灾年减产率变异系数、不同减产率范围出现的概率和灾损减产风险指数四方面指标综合评估水稻灾损度风险大小。

2．3．1平均减产率灾年的水稻减产率可以反映某地区水稻受灾导致的产量损失的平均水平。参照表1，定义减产率大于5%的年份为灾年，减产率5%～15%的为一般减产年，减产率大于15%的为严重减产率。按式(6)－(7)计算研究区各县(市)不同减产程度的平均减产率。

2．3．2灾年减产率变异系数减产率变异系数大的地区说明水稻轻度减产或重度减产的年份均很多，生长环境相对脆弱，受到外界条件影响而减产的风险更大。本文定义减产率大于5%的年份为灾年，按式(1)计算灾年水稻减产率变异系数CVl，以描述灾年中历年水稻产量损失的波动程度。

2．3．3减产风险概率作物产量形成过程的不确定部分主要由气候因素的波动所造成。由此推断，分解得到的相对气象产量(即减产率)序列也可能具有正态性分布的特点，因此可计算减产率风险概率。按式(2)，(8)－(9)求算东北三省各县(市)减产率风险概率。

2．3．4灾损风险指数与冷害气候风险指数相似，灾损风险指数也是减产幅度和减产频率的综合反映，因而可以较客观全面的反映低温冷害的灾损风险程度。按式(5)对一般减产率和严重减产率出现频率及组中值乘积求和，得到冷害灾损风险指数RIl。

2．4东北水稻低温冷害风险综合评估模型

2．4．1冷害风险综合评估模型建立综合评估模型之前，需按式(10)对各单项评价指标进行标准化处理以消除量纲差异。其中xi和xi''''分别为标准化前后的评价指标值。

2．4．2指标权重的确定熵值法和层次分析法分别为应用较广的客观赋权和主观赋权方法，两者各有利弊。为融合两者优点、避免其不足，本文采用基于这两种方法的综合赋权法确定各评价指标权重，使得权重的确定更加科学合理。熵值法得到的权重(wE)由指标数值直接通过数学模型得到，本文重点说明AHP确定权重(wA)的打分原则。在参考专家经验［3，25］的基础上，本文认为重要性致灾因子危险性＞水稻脆弱性＞水稻灾损度。因为致灾因子危险性的低温冷害针对性强，而水稻灾损度无法实际指代低温冷害这单一灾种造成的损失。在对单项评价指标的重要性判定上基本保持等权重原则，但需要体现出严重冷害重要性大于一般冷害，障碍型冷害重要性大于延迟型冷害;风险指数(RIh和RIl)因综合考虑了致灾强度和频率两方面，故打分相对较高。赋权过程在AHP分析软件yaahpV6．0中实现。经检验，Risk，Hazard，Vulnerability和Losses的判断矩阵的随机一致性比率分别为0．0088，0．0653，0．0000和0．0257，均满足小于0．1的一致性要求，表明权重分配是合理的(风险评估判断矩阵表略)。令综合权重W=λwA+(1－λ)wE，其中λ为主观偏好系数;1－λ为客观偏好系数，且0≤λ≤1。本文确定λ=0．6。由此得到的评估指标熵值法权重、AHP权重及综合权重值如表3所示。

3东北三省水稻低温冷害综合风险区划

3．1基于不同冷害风险要素的风险区划

对计算得到的致灾因子危险性、承灾体脆弱性及承灾体灾损度综合评估指标值分别通过自然断点法进行等级划分，得到基于不同要素的冷害风险区划图(图2(a)－(c))。从空间分布(图2(a))来看，冷害致灾因子危险性风险具有从东北向西南方向逐渐减弱的显著趋势。黑龙江省黑河、牡丹江和吉林省延边州、通化地区的水稻生长季内热量条件较少且稳定性较差，在气候条件上具有较高的发生冷害风险的可能。除西南部地区以外，黑龙江省其他地区水稻也可能有中等程度遭受低温冷害影响的风险。吉林省中西部地区及辽宁全省热量条件充足，发生冷害的气候风险概率很低。黑龙江省虎林、双鸭山、宝清、佳木斯北部及哈尔滨中部地区，吉林省白城及吉林地区和辽宁省盘锦、沈阳和营口地区的水稻物理暴露性相对较大，而区域抗灾性能由北致南大体逐渐加强(图略)。综合起来，如图2(b)所示，水稻脆弱性较强风险区主要集中在水稻物理暴露性较大的东北平原地区。从图2(c)可知，东北地区水稻灾损度风险也存在明显的地域性差异。黑龙江省东北及西部地区受灾后水稻产量稳定性较差，减产风险概率较高。辽宁大部分地区及吉林省中部地区水稻灾损度风险较低。东北西部部分地区的中等灾损度风险可能来源于农业干旱的影响。

3．2综合风险区划

由综合风险评估指标等级区划图(图4)可知，东北水稻冷害高风险区位于黑龙江黑河北部、佳木斯北部、牡丹江东南部以及吉林延边州东部地区。黑龙江北部及吉林东部大范围地区都因冷凉的气候具有较高的水稻冷害风险。吉林省西部及辽宁省大部分地区热量条件充足且稳定，冷害风险较低，仅在水稻暴露性较高的大洼和营口地区可能存在一定冷害风险。3．3冷害综合风险评估及区划验证根据先前对研究区1961－2012年各地不同程度延迟性冷害和障碍性冷害的辨识结果，选择1964，1965，1966，1969，1972，1976，1977，1981，1986，1987，1989，1995，2002，2003及2009年作为典型冷害年，统计各地冷害年平均减产率，并对各县(市)灾年平均减产率与冷害综合风险指数Risk平均值的相关性进行分析，以验证冷害综合风险指数的数值科学性。由图3可知，冷害综合风险指数与典型冷害年水稻单产平均减产率的回归关系显著，决定系数R2为0．483，达0．01极显著相关水平(n=133)。因此，由致灾因子危险性、承灾体脆弱性和灾损度构建的冷害综合风险评估模型在数值上可靠，可一定程度反映冷害造成的水稻减产程度。除此以外，本文还利用灾害频率分布法对冷害综合风险区划进行空间分布的合理性验证。统计1961－2012年辨识有任意类型冷害发生的地点和年份。如同年某一地区同时发生不同程度或不同生育期障碍型冷害，或发生混合型冷害(延迟型和障碍型冷害并发)，均记为一次任意冷害。求算研究区各地任意冷害频次占总年份的百分比，利用IDW插值法得到1961－2012年水稻任意冷害年发生频率分布(图5)。对比图4和图5可知，任意冷害发生频率超过60%的区域与冷害综合风险区划中较高以上风险区域基本一致，从空间尺度证明了本文冷害综合风险评估模型的准确性，体现了其应用价值。

4结论与讨论

依据自然灾害风险评估理论，本文从致灾因子危险性、承灾体脆弱性及承灾体损失度3个风险要素方面，热量条件变异系数、延迟性冷害风险概率、障碍性冷害频率、气候风险指数、水稻物理暴露性、抗灾性能指数、灾年减产率变异系数、平均减产率、减产风险概率及减产风险指数等14个单项评估指标，构建了东北地区水稻低温冷害风险综合评估模型。并结合GIS技术对风险综合指标进行区划，将研究区划分为低、较低、中等、较高和高风险五个水稻冷害风险区域。全球气候变化以来，东北地区大范围延迟型冷害频率有所降低的同时，障碍型冷害的发生却更加频繁，影响力更广。根据这一事实，本文在危险性风险评估模型中增加了障碍型冷害频率指标，并在指标赋权上加大了障碍型冷害权重比例以强调障碍型水稻冷害在今后东北水稻冷害风险评估的重要性。为了克服以往风险评估研究中加权综合分析法采用单一赋权法容易造成偏倚的局限，本文采用了基于熵值法和层次分析法的综合赋权法确定各指标权重，提高了风险分析中评价指标赋权的合理性和科学性。本文构建的冷害综合风险评估指标与典型冷害年平均减产率具有0．01极显著水平相关，可以利用综合风险评估指标对冷害可能造成的减产进行评估和预测。目前冷害风险评估体系尚未形成统一的指标量化方法，不同研究对冷害风险要素评价指标的定义还比较混乱，评估指标的选取方法还需要深入研究和进一步比较。

作者：张丽文王秀珍李秀芬单位：浙江大学农业遥感与信息技术应用研究所杭州师范大学遥感与地球科学研究院黑龙江省气象科学研究所