本站小編為你精心準備了水稻低溫冷害風險評估參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《自然災害學報》2014年第二期

1資料與方法

1．1資料來源及處理東北三省共86個氣象臺站(黑龍江省31個站點，吉林省28個站點，遼寧省27個站點)的1961－2012年逐日平均氣溫數據和農氣觀測站1991－2012年水稻生長發育期資料由中國氣象數據共享網提供。單季稻實際總產及播種面積資料來自各省歷年統計年鑒。研究區范圍及氣象站點分布如圖1所示。

1．2東北水稻冷害指標及其辨別東北三省1961－2012年水稻冷害的辨別主要依據氣象行業標準《水稻、玉米冷害等級》(QX/T101－2009)。表1和表2分別列出東北水稻延遲型冷害和障礙型冷害等級指標。逐年逐站點將日平均氣溫按月份合成月平均氣溫，再累加成5－9月月平均氣溫總和∑T5－9。計算∑T5－9與距平基準年T5－9(1981－2010年∑T5－9平均值)之差，得到各站點1961－2012各年5－9月月平均氣溫總和距平ΔT5－9，并根據指標表判斷每個站點發生一般和嚴重延遲型冷害的年份，并統計各類延遲型冷害發生頻率。對農氣站觀測的水稻生長發育期資料進行統計，得出東北三省水稻普遍孕穗期范圍和普遍抽穗開花期范圍分別在儒略日(DOY)189－207(7月中旬至下旬)和DOY209－227(7月下旬至8月上中旬)。分生育期范圍按障礙型冷害指標，逐年逐站點地分析DOY189－207和DOY209－227間的日平均氣溫數據，判別每個站點水稻孕穗期、抽穗開花期輕度、中度及中度障礙型冷害發生的年份，并統計各類障礙型冷害發生頻率。

1．3產量分離作物產量的形成是自然環境因素和社會生產力綜合作用的結果。通常把長時序產量數據分解為趨勢產量、氣象產量及隨機“噪聲”3部分，一般情況下可假設忽略“噪聲”的影響。趨勢產量可由多種方法進行模擬和預報［13］，本文選擇不損失樣本且模擬效果較好的直線滑動平均法，設滑動步長為11，具體步驟參見文獻［14］。按QX/T101－2009行業標準，定義水稻減產率為實際產量與其趨勢產量的差值占趨勢產量的百分比(即相對氣象產量)的負值。

1．4綜合風險評估及區劃方法在GIS平臺下利用反距離權重插值法(inversedistanceweighting，IDW)對各單項評價指標進行空間化表達。采用熵值法(entropymethod，EM)和層次分析法(analytichierarchyprocess，AHP)相結合的綜合賦權法和加權綜合評分法(weightedcomprehensiveanalysis，WCA)構建水稻冷害風險綜合評估模型。對空間分布的單項風險要素評價指標疊加計算，并利用ArcGIS中自然斷點分類法NaturalBreaks(Jenks)對綜合風險評價指標進行區劃。熵值法和層次分析法原理及操作步驟可參見文獻［12］。

2東北三省水稻低溫冷害綜合評估指標的構建

2．1致災因子危險性評估指標致災因子危險性評估是以農業氣象災害的自然屬性為基本出發點，通過分析致災因子歷史活動的頻繁程度和強度，來確定致災因子的危險性大小及其發生的可能性。本文選擇從水稻生育期熱量條件變異系數、延遲型冷害氣候風險概率、障礙型冷害發生頻率及冷害氣候風險指數4方面來綜合體現致災因子危險性。

2．1．1∑T5－9的變異系數有研究表明5－9月的熱量條件與東北地區水稻產量呈顯著正相關［15］，且年際間熱量條件的穩定性直接關系到水稻低溫冷害發生的風險大小［3］。因此本文通過計算∑T5－9的變異系數CVh來表明各地水稻生長季內熱量條件穩定程度大小，即評估致災因子風險強度大小。

2．1．2冷害氣候風險概率同冷害發生頻率相比，當統計樣本足夠大時，冷害概率值不隨統計年份的增加而改變，更具有客觀性和穩定性。計算概率前，需采用偏度－峰度檢驗法對氣候樣本序列進行正態分布檢驗，不滿足檢驗的序列需要進行偏態分布正態化處理［14］。經檢驗，東北地區所有站點∑T5－9和ΔT5－9歷年序列分布曲線均滿足正態性。因此，可以引入冷害氣候風險概率的概念，用正態分布密度函數揭示各地發生延遲型冷害的風險性大小。概率密度函數公式為:式中，一般冷害指標ΔT1和嚴重冷害指標ΔT2可參見表1。分別計算各站點的一般冷害和嚴重冷害的風險概率(F1和F2)，其值越大，表明發生延遲型冷害的風險性越大;反之，發生低溫冷害的風險越小。

2．1．3冷害氣候風險指數冷害氣候風險指數是冷害強度和冷害發生頻率的綜合指標［16］，能較客觀地反映冷害的風險程度。將每個臺站出現冷害的年份按一般冷害和嚴重冷害分為兩組，求出每組達到相應冷害等級的ΔT5－9的頻數Di和組中值Hi，再按式(5)計算冷害氣候風險指數RI，其中n為總年數:

2．1．4障礙型冷害頻率以上3類指標都只能反映延遲型冷害風險大小。但用于判斷障礙型冷害發生與否的數據序列是非連貫的，因此無法利用概率密度函數求解風險概率。由于本研究數據屬大樣本時序(超過30)，故可用歷史發生頻率反映障礙型冷害風險程度。分孕穗期和抽穗開花期分別統計不同等級障礙型冷害頻率，即發生相應冷害的年份總頻數占總年數的百分率(同時發生不同程度同種障礙型冷害時不重復統計)。孕穗期和抽穗開花期水稻障礙型冷害綜合頻率由相應的輕度、中度和重度障礙型冷害分別賦予0．2，0．3和0．5權重加權平均求和得到，分別記為scdf1和scdf2。

2．2承災體脆弱性評估指標某地區水稻對低溫冷害反應的脆弱性不僅取決于當地水稻生產布局，還與當地水稻生產水平占整個研究區水平的比例有關。因此本文的承災體脆弱性評估模型從承災體物理暴露性和區域抗災性能兩指標來構建。

2．2．1水稻物理暴露性(Ve)物理暴露性的評估指標可分數量型和價值量型兩種［8］。本文采用相對水稻面積作為承災體物理暴露性指標，定義相對水稻面積為各縣(市)水稻種植面積與其行政范圍國土面積之比。水稻種植密度越大，暴露性越大，一旦遭遇生育期的低溫，則水稻產量損失的可能性也就越大。

2．2．2抗災性能指數(Vd)抗災性能反映的是區域人類社會為保障承災體免受、少受某種災害威脅而采取的基礎的及專項的防備措施力度大小［8］。目前對抗災性能指數的定義多以產量為基礎，有的用實際單產與理論極大單產的比值(K)來表示，其中理論極大單產可用歷史最高單產或光溫產量替代［17－19］;有的是為作物歷年趨勢產量序列隨時間的一元線性回歸方程斜率，即生產趨勢指數(PT)［20］;有的為區域單產占全研究區單產總和的平均值所代表的區域農業水平指數(AL)［21］;還有利用歉年受災率與相對波動產量樣本序列的相關性來比較各地區間抗災性能的強弱［22］，其中受災率與受災面積與作物播種面積有關。由于單獨的水稻冷害受災面積資料相對缺乏，本文僅對比計算了K，PT和AL這3種指數與各地區多年平均單產的相關系數，結果分別為0．597，0．899和0．138。AL能代表某一地區相對于全區域的生產實力，當發生全域性嚴重氣象災害導致普遍減產時，區域農業水平越高表明當地防災抗災能力越強。因此本研究選擇AL作為區域抗災性能指數。

2．3承災體災損度評估指標

作物產量受到光、溫、水等氣象要素及其他生態環境影響。對于農業氣象風險損失度的評估方法，國內多以建立作物產量災損風險評估指標和模型為主。以前人研究為基礎，本文選擇歷年平均減產率、災年減產率變異系數、不同減產率范圍出現的概率和災損減產風險指數四方面指標綜合評估水稻災損度風險大小。

2．3．1平均減產率災年的水稻減產率可以反映某地區水稻受災導致的產量損失的平均水平。參照表1，定義減產率大于5%的年份為災年，減產率5%～15%的為一般減產年，減產率大于15%的為嚴重減產率。按式(6)－(7)計算研究區各縣(市)不同減產程度的平均減產率。

2．3．2災年減產率變異系數減產率變異系數大的地區說明水稻輕度減產或重度減產的年份均很多，生長環境相對脆弱，受到外界條件影響而減產的風險更大。本文定義減產率大于5%的年份為災年，按式(1)計算災年水稻減產率變異系數CVl，以描述災年中歷年水稻產量損失的波動程度。

2．3．3減產風險概率作物產量形成過程的不確定部分主要由氣候因素的波動所造成。由此推斷，分解得到的相對氣象產量(即減產率)序列也可能具有正態性分布的特點，因此可計算減產率風險概率。按式(2)，(8)－(9)求算東北三省各縣(市)減產率風險概率。

2．3．4災損風險指數與冷害氣候風險指數相似，災損風險指數也是減產幅度和減產頻率的綜合反映，因而可以較客觀全面的反映低溫冷害的災損風險程度。按式(5)對一般減產率和嚴重減產率出現頻率及組中值乘積求和，得到冷害災損風險指數RIl。

2．4東北水稻低溫冷害風險綜合評估模型

2．4．1冷害風險綜合評估模型建立綜合評估模型之前，需按式(10)對各單項評價指標進行標準化處理以消除量綱差異。其中xi和xi''''分別為標準化前后的評價指標值。

2．4．2指標權重的確定熵值法和層次分析法分別為應用較廣的客觀賦權和主觀賦權方法，兩者各有利弊。為融合兩者優點、避免其不足，本文采用基于這兩種方法的綜合賦權法確定各評價指標權重，使得權重的確定更加科學合理。熵值法得到的權重(wE)由指標數值直接通過數學模型得到，本文重點說明AHP確定權重(wA)的打分原則。在參考專家經驗［3，25］的基礎上，本文認為重要性致災因子危險性＞水稻脆弱性＞水稻災損度。因為致災因子危險性的低溫冷害針對性強，而水稻災損度無法實際指代低溫冷害這單一災種造成的損失。在對單項評價指標的重要性判定上基本保持等權重原則，但需要體現出嚴重冷害重要性大于一般冷害，障礙型冷害重要性大于延遲型冷害;風險指數(RIh和RIl)因綜合考慮了致災強度和頻率兩方面，故打分相對較高。賦權過程在AHP分析軟件yaahpV6．0中實現。經檢驗，Risk，Hazard，Vulnerability和Losses的判斷矩陣的隨機一致性比率分別為0．0088，0．0653，0．0000和0．0257，均滿足小于0．1的一致性要求，表明權重分配是合理的(風險評估判斷矩陣表略)。令綜合權重W=λwA+(1－λ)wE，其中λ為主觀偏好系數;1－λ為客觀偏好系數，且0≤λ≤1。本文確定λ=0．6。由此得到的評估指標熵值法權重、AHP權重及綜合權重值如表3所示。

3東北三省水稻低溫冷害綜合風險區劃

3．1基于不同冷害風險要素的風險區劃

對計算得到的致災因子危險性、承災體脆弱性及承災體災損度綜合評估指標值分別通過自然斷點法進行等級劃分，得到基于不同要素的冷害風險區劃圖(圖2(a)－(c))。從空間分布(圖2(a))來看，冷害致災因子危險性風險具有從東北向西南方向逐漸減弱的顯著趨勢。黑龍江省黑河、牡丹江和吉林省延邊州、通化地區的水稻生長季內熱量條件較少且穩定性較差，在氣候條件上具有較高的發生冷害風險的可能。除西南部地區以外，黑龍江省其他地區水稻也可能有中等程度遭受低溫冷害影響的風險。吉林省中西部地區及遼寧全省熱量條件充足，發生冷害的氣候風險概率很低。黑龍江省虎林、雙鴨山、寶清、佳木斯北部及哈爾濱中部地區，吉林省白城及吉林地區和遼寧省盤錦、沈陽和營口地區的水稻物理暴露性相對較大，而區域抗災性能由北致南大體逐漸加強(圖略)。綜合起來，如圖2(b)所示，水稻脆弱性較強風險區主要集中在水稻物理暴露性較大的東北平原地區。從圖2(c)可知，東北地區水稻災損度風險也存在明顯的地域性差異。黑龍江省東北及西部地區受災后水稻產量穩定性較差，減產風險概率較高。遼寧大部分地區及吉林省中部地區水稻災損度風險較低。東北西部部分地區的中等災損度風險可能來源于農業干旱的影響。

3．2綜合風險區劃

由綜合風險評估指標等級區劃圖(圖4)可知，東北水稻冷害高風險區位于黑龍江黑河北部、佳木斯北部、牡丹江東南部以及吉林延邊州東部地區。黑龍江北部及吉林東部大范圍地區都因冷涼的氣候具有較高的水稻冷害風險。吉林省西部及遼寧省大部分地區熱量條件充足且穩定，冷害風險較低，僅在水稻暴露性較高的大洼和營口地區可能存在一定冷害風險。3．3冷害綜合風險評估及區劃驗證根據先前對研究區1961－2012年各地不同程度延遲性冷害和障礙性冷害的辨識結果，選擇1964，1965，1966，1969，1972，1976，1977，1981，1986，1987，1989，1995，2002，2003及2009年作為典型冷害年，統計各地冷害年平均減產率，并對各縣(市)災年平均減產率與冷害綜合風險指數Risk平均值的相關性進行分析，以驗證冷害綜合風險指數的數值科學性。由圖3可知，冷害綜合風險指數與典型冷害年水稻單產平均減產率的回歸關系顯著，決定系數R2為0．483，達0．01極顯著相關水平(n=133)。因此，由致災因子危險性、承災體脆弱性和災損度構建的冷害綜合風險評估模型在數值上可靠，可一定程度反映冷害造成的水稻減產程度。除此以外，本文還利用災害頻率分布法對冷害綜合風險區劃進行空間分布的合理性驗證。統計1961－2012年辨識有任意類型冷害發生的地點和年份。如同年某一地區同時發生不同程度或不同生育期障礙型冷害，或發生混合型冷害(延遲型和障礙型冷害并發)，均記為一次任意冷害。求算研究區各地任意冷害頻次占總年份的百分比，利用IDW插值法得到1961－2012年水稻任意冷害年發生頻率分布(圖5)。對比圖4和圖5可知，任意冷害發生頻率超過60%的區域與冷害綜合風險區劃中較高以上風險區域基本一致，從空間尺度證明了本文冷害綜合風險評估模型的準確性，體現了其應用價值。

4結論與討論

依據自然災害風險評估理論，本文從致災因子危險性、承災體脆弱性及承災體損失度3個風險要素方面，熱量條件變異系數、延遲性冷害風險概率、障礙性冷害頻率、氣候風險指數、水稻物理暴露性、抗災性能指數、災年減產率變異系數、平均減產率、減產風險概率及減產風險指數等14個單項評估指標，構建了東北地區水稻低溫冷害風險綜合評估模型。并結合GIS技術對風險綜合指標進行區劃，將研究區劃分為低、較低、中等、較高和高風險五個水稻冷害風險區域。全球氣候變化以來，東北地區大范圍延遲型冷害頻率有所降低的同時，障礙型冷害的發生卻更加頻繁，影響力更廣。根據這一事實，本文在危險性風險評估模型中增加了障礙型冷害頻率指標，并在指標賦權上加大了障礙型冷害權重比例以強調障礙型水稻冷害在今后東北水稻冷害風險評估的重要性。為了克服以往風險評估研究中加權綜合分析法采用單一賦權法容易造成偏倚的局限，本文采用了基于熵值法和層次分析法的綜合賦權法確定各指標權重，提高了風險分析中評價指標賦權的合理性和科學性。本文構建的冷害綜合風險評估指標與典型冷害年平均減產率具有0．01極顯著水平相關，可以利用綜合風險評估指標對冷害可能造成的減產進行評估和預測。目前冷害風險評估體系尚未形成統一的指標量化方法，不同研究對冷害風險要素評價指標的定義還比較混亂，評估指標的選取方法還需要深入研究和進一步比較。

作者：張麗文王秀珍李秀芬單位：浙江大學農業遙感與信息技術應用研究所杭州師范大學遙感與地球科學研究院黑龍江省氣象科學研究所