貴州省農業氣象災害致災因子的風險區劃

于 飛， 谷曉平， 袁淑杰

(1.貴州省山地環境氣候研究所， 貴州 貴陽 550002； 2.貴州省山地氣候與資源重點實驗室， 貴州 貴陽 550002； 3.成都信息工程大學， 四川 成都 610225)

貴州省農業氣象災害致災因子的風險區劃

于 飛1，2， 谷曉平1，2， 袁淑杰2，3

(1.貴州省山地環境氣候研究所， 貴州 貴陽 550002； 2.貴州省山地氣候與資源重點實驗室， 貴州 貴陽 550002； 3.成都信息工程大學， 四川 成都 610225)

為生產上作物布局的優化調整及氣象災害的預測與防治提供依據，在貴州主要農業氣象災害致災因子風險評估的基礎上，綜合考慮貴州省農業氣象災害致災因子和孕災環境，采用局部薄盤光滑樣條函數模型，將地理因子及孕災環境作為變量和協變量，對貴州農業氣象災害致災因子風險進行空間精細化區劃。結果表明：貴州倒春寒的高風險區域主要分布在西北部的高海拔地區，秋風高風險區在西北部有成片分布；春旱呈從東到西逐漸加大的分布特點，相對高風險區域主要包括黔西南州、黔南州西南部、六盤水市、安順市西南部和畢節地區西部；夏旱與春旱空間分布相反，呈從東向西逐漸減小的分布規律及水平地帶的連續性和成片分布的特點，常年一般在貴州省東部地區出現成片的夏旱。該區劃圖(100 m×100 m柵格分辨率)相對于空間疊加法或傳統空間插值方法具有更好的空間連續性和精確性。

農業氣象災害； 致災因子； 風險區劃； 貴州

農業氣象災害風險區劃是在農業氣象災害風險分析與評估的基礎上，對災害風險進行的宏觀定量分區，其是農業防災減災管理、規劃和政策制定的基本依據，根據災害風險的區域性和地帶性規律，有助于決策者把握區域災害風險的宏觀格局，進行作物種植布局優化調整，減輕災害對農業生產的危害，為進行農業防災減災決策、開展農業災害保險提供定量的科學依據[1-3]。目前，有關農業氣象災害風險區劃研究主要是根據災害系統的構成因素，采用資料統計分析法、實驗機理模擬法和數學模型法等[4-7]評估方法對其孕災環境敏感性、致災因子危險性、承災體脆弱性以及防災抗災能力等要素分別進行風險評估，然后再借助專家打分法或層次分析法，結合GIS空間疊加，進行各要素圖層疊加、斑塊合并以及等級劃分等操作，以及采用基于行政單元區劃、地理信息空間區劃或多風險值區劃等方法[8-12]，實現災害的風險評估及其區劃，得到農業氣象災害風險區劃圖。然而，氣象災害風險的各種形成因素都是相互結合構成一個完整的系統，前期許多研究對于災害風險各因素所選取的指標存在重復交叉問題，在區劃上主要是基于行政區域進行區劃。農業氣象災害風險系統分為自然屬性和社會屬性，其自然屬性主要包括致災因子和孕災環境，社會屬性主要包括承災體和防災減災能力。充分研究農業氣象災害風險的自然屬性是進行防災減災管理的基礎。為此，筆者將重點綜合考慮貴州農業氣象災害致災因子和孕災環境的風險，采用信息擴散法及局部薄盤光滑樣條函數模型進行風險評估和區劃研究，以期為生產上作物布局的優化調整及氣象災害的預測與防治提供科學依據。

1 資料與方法

1.1 資料來源與處理

貴州省氣象臺(站)建站至2010年常規氣象要素觀測資料，均來自貴州省氣象局。包括氣溫(平均、最高、最低)、降水量、降水日數和相對濕度等要素。建模計算前對所使用的氣候數據進行嚴格的數據審查，剔除數據缺測的臺站，保證了數據的代表性、穩定性和可比性。

空間數據主要包括貴州省1∶25萬行政邊界數據，100 m×100 m ARC/INFO GRID格式的貴州省DEM數據以及全省氣象站點的地理信息數據，均來源于貴州省氣象局。其中，衍生的空間數據，包括貴州省坡度、坡向、經度和緯度等地理信息資料，均是通過ArcGis軟件計算所得。

農業氣象災害致災因子指標和資料主要根據貴州省短期氣候預測技術定義的貴州省農業氣象災害指數劃分標準[13]進行逐年計算。研究主要針對影響貴州省農業生產的“兩寒”(倒春寒、秋風)和“兩旱”(春旱、夏旱)災害進行。

1.2 農業氣象災害致災因子的風險評估

農業氣象災害致災因子風險評估是風險區劃的基礎。參照文獻[8]的方法采用信息擴散方法求取每種農業氣象災害對應災害風險因素指標論域的概率值p(un)及超越概率值p(un)。為了更充分利用信息擴散帶來的信息，令：

Tw=p(un)*UT

式中，Tw為農業氣象災害風險評估值，p(ui)是所要求的某種氣象災害的超越概率，U={u1,u2…un}為災害風險因素指標論域，UT表示矩陣U的轉置。

1.3 農業氣象災害孕災環境因子的選取

農業氣象災害孕災環境指孕育農業氣象災害的自然環境，如氣候因子、地形因子和植被因子等。孕災環境的區域差異決定致災因子時空分布特征的背景，特別是貴州省復雜的山地環境和獨特的氣候背景，對農業氣象災害致災因子的區域分布產生很大的影響。在對貴州省“兩寒”和“兩旱”災害致災因子進行空間精細化區劃過程中，主要引入的孕災環境背景因子：

1) 倒春寒考慮其孕災環境因子主要選取3—4月氣候的平均氣溫、最低氣溫；

2) 秋風主要考慮其孕災環境因子主要選取8—9月氣候的平均氣溫、最低氣溫、平均相對濕度和日照時數；

3) 春旱考慮其孕災環境因子主要選取3—5月氣候的平均降水量和≥10.0 mm降水日數；

4) 夏旱考慮其孕災環境因子主要選取6—8月氣候的平均降水量和≥10.0 mm降水日數。

1.4 農業氣象災害孕災環境因子的空間精細化區劃

孕災環境的區域差異決定了致災因子時空分布特征的背景，因此首先采用空間精細化方法對災害孕災環境進行區劃。氣溫、日照時數和降水量空間分布柵格資料由復雜地形下氣溫的分布式模型求得[14-16]。該分布式模型把各種地形因素考慮在內，包括海拔高度、坡向、坡度、地形遮蔽和坡地反射等及天氣過程，物理意義清晰，對于貴州省復雜山地氣候背景具有較好的模擬能力。因此，這些因子可以通過農業氣象災害致災因子風險區劃模型引入到致災因子災害風險區劃圖中，提升致災因子災害風險區劃的精細化。

1.5 農業氣象災害致災因子風險區劃模型的構建

采用局部薄盤光滑樣條函數模型作為農業氣象災害風險區劃模型，局部薄盤光滑樣條對薄盤光滑樣條原型進行的擴展，其除普通的樣條自變量外允許引入其他因子作為協變量處理。在對農業氣象災害風險進行空間區劃時，采用局部薄盤光滑樣條函數插值法，將農業氣象災害對應的主要孕災環境因子在同一模型中考慮，利用該模型模擬孕災環境因素與農業氣象災害風險的定量關系，進而推知無觀測地方的氣候狀況，實現農業氣象災害風險空間分布網格化，從而實現農業氣象災害風險區劃。

以ANUSPLIN軟件為平臺，通過其提供綜合統計分析、數據診斷和空間分布的標準誤實現最優化模型的自動選取。另外，其還提供了靈活的數據輸入和表面審查程序。最佳模型判斷標準有：GCV或GML最小，信噪比SNR(信號自由度與剩余自由度之比)最小，剩余自由度大于站點的1/2，模型成功率判斷中無“*”號指示[17-18]。

在大多數情況下，模型選擇以樣條次數為3次的局部薄盤光滑樣條函數模型為最佳[19-21]。根據貴州省以及不同氣候要素具體情況，試驗采用局部薄盤樣條函數的多個模型(變量、協變量和樣條次數多種組合)，以及數據轉換方式選取，通過統計參數比較，依據最佳模型判斷標準，經過模型的平均相對誤差檢驗，選出貴州省秋風、倒春寒、春旱和夏旱災害風險區劃的相對最優模型(表)。根據模型推算得到貴州省主要農業揚名災害風險區劃圖，柵格分辨率為100 m×100 m。

精度檢驗方法采用交叉驗證( cross-validation) 方法對插值結果進行對比分析。交叉驗證即首先假定每一站點的要素值未知，然后用周圍站點的值進行估算，這樣輪流改變未知站點，最后計算所有站點實測觀測值與估算值的誤差，以此評判估值方法的優劣。該研究對分布在貴州省境內的84個站點的插值結果進行全交叉驗證，并運用平均相對誤差(MRE)作為檢驗的標準，檢驗和反映誤差的相對大小。

表 貴州省秋風、倒春寒、春旱和夏旱災害風險的空間區劃模型

Table Spatial zoning model of Autumn wind, cold spell in later Spring, Spring drought and Summer drought disaster risk in Guizhou

農業氣象災害風險Agro?meteorologicaldisasterrisk獨立變量Independentvariable獨立協變量Independentconcomitantvariable樣條次數/次Samplenumber平均相對誤差/%MRE秋風Autumnwind經度、緯度8-9月氣候平均氣溫、最低氣溫、相對濕度、日照時數31．2倒春寒ColdspellinlaterSpring經度、緯度3-4月氣候平均氣溫、最低氣溫31．8春旱Springdrought經度、緯度3-5月氣候平均降水量和≥10．0mm降水日數23．2夏旱Summerdrought經度、緯度6-8月氣候平均降水量和≥10．0mm降水日數22．8

2 結果與分析

2.1 貴州省秋風和倒春寒風險區劃

由圖1可知：1) 倒春寒風險區劃。高風險區域主要分布在貴州省西北部的高海拔地區，包括畢節市大部及六盤水市北部，零散的分布在東北部和東部地區的大婁山、梵凈山及雷公山等高海拔區域，該區域出現輕度以上倒春寒的概率為80%以上；一般風險區域主要零散分布在貴州省中部一線以及東部的部分區域，該區域出現輕度以上倒春寒的概率為50%～80%；低風險區域主要分布在貴州省南部的南北盤江及北部赤水河流域，該區域出現輕度倒春寒的概率在50%以下。2) 秋風風險區劃。西北部有成片的秋風高風險區，包括畢節市和六盤水市大部分區域，黔北的習水、黔中部分地區、銅仁梵凈山和黔東南的雷公山一帶，為幾個分散的相對秋風高風險區，該區域出現輕度以上秋風的概率為80%以上；一般風險區主要分布在貴州省中部、黔西南西部及遵義北部地區，該區域出現輕度以上秋風的概率為50%～80%；低風險區主要分布在貴州省的東部、南部及東北部地區，該區域出現輕度秋風的概率在50%以下。

圖1 貴州省倒春寒和秋風的風險區劃

圖2 貴州省春旱和夏旱的風險區劃

2.2 貴州省春旱和夏旱風險區劃

貴州省的旱災有季節性和區域性的分布規律，季節性干旱分為春旱和夏旱。由圖2可知： 1) 春旱。貴州省春旱呈從東到西災害風險逐漸加大的分布特點，相對高風險區域主要包括黔西南州、黔南州西南部、六盤水市、安順市西南部和畢節地區西部，該區域出現輕度以上春旱的概率為80%以上；一般風險區主要包括畢節地區東部、安順市東北部、貴陽市西北部和黔南州大部，該區域出現輕度以上春旱的概率為50%～80%；較輕風險區主要包括遵義市大部、銅仁市西部、黔南州東部和黔西南州南部，出現概率在50%以下；輕度風險區主要包括銅仁市東部和黔東南州大部，該區域出現輕度春旱的概率在50%以下。2) 夏旱。貴州省夏旱風險與春旱風險空間分布相反，呈從東向西逐漸減小的分布規律及水平地帶的連續性和成片分布的特點，常年一般在貴州省東部地區出現成片的夏旱。夏旱相對高風險區域主要包括銅仁市、黔東南州和遵義市南部，該區域出現輕度以上夏旱的概率為80%以上；一般風險區主要包括遵義市南部、貴陽市大部、黔南北部和黔東南西部，出現概率在50%以下；較輕風險區主要包括畢節、安順、黔南州地區的大部，該區域出現輕度以上夏旱的概率為50%～80%；輕度風險區主要包括六盤水市、黔西南州、畢節地區西南部和安順市西南部，該區域出現輕度夏旱的概率在50%以下。

3 結論與討論

1) 孕災環境的區域差異決定致災因子時空分布特征的背景，特別是貴州省復雜的山地環境和獨特的氣候背景，對農業氣象災害致災因子的區域分布產生了很大的影響。本研究在農業氣象災害致災因子風險評估和農業氣象災害孕災環境因子空間精細化區劃的基礎上，綜合考慮貴州省“兩寒”和“兩旱”農業氣象災害致災因子和孕災環境，基于局部薄盤光滑樣條函數模型，將地理因子及孕災環境作為變量和協變量，實現貴州省農業氣象災害致災因子風險空間精細化區劃。

2) 本研究得到貴州省100 m×100 m柵格分辨率的倒春寒、秋風、夏旱和春旱致災因子氣象災害風險精細化空間區劃圖，其綜合考慮了貴州省復雜地形下地理因子和孕災環境因子，直接或間接引入了更多的地理環境因子以及氣候環境的影響。該區劃圖相對于傳統只考慮經度、緯度與海拔高程的小網格推算法所得到的區劃圖更為細致，可為包括鄉(鎮)一級在內的各級管理部門提供農業氣象災害風險分析與管理指導，該風險空間區劃模型相對于專家賦值空間疊加法更具有空間連續性與客觀性，同時該模型易于推廣應用于農業氣象災害監測與影響評估。

3) 本研究僅考慮貴州省“兩寒”和“兩旱”農業氣象災害風險的自然屬性，即致災因子和孕災環境，對于災害風險的社會屬性，即承災體如水稻、玉米或是特色作物等種植面積，防災減災能力如灌溉面積和減災投入等，需要在農業氣象災害風險自然屬性研究的基礎上，結合社會科學的研究方法進行進一步的探討，綜合農業氣象災害風險自然屬性和社會屬性，針對不同的風險等級制定防災減災措施。

[1] 王春乙，王石立，霍治國，等.近10年來中國主要農業氣象災害監測預警與評估技術研究進展[J].氣象學報，2005,63(5):659-671.

[2] 黃崇福，張俊香，陳志芬.自然災害風險區劃圖的一個潛在發展方向[J].自然災害學報，2004,13(2):9-15.

[3] 羅 培.基于GIS的重慶市干旱災害風險評估與區劃[J].中國農業氣象，2007,28(1):100-104.

[4] 趙 霞，王 平，龔亞麗，等.基于GIS的內蒙古中部區域洪水災害風險評價[J].北京師范大學學報：自然科學版，2007,43(6):666-669.

[5] 張繼權，范久波，劉興朋，等.內蒙古呼倫貝爾市草原火災危害度評價及預測[J].災害學，2010,25(1):35-38.

[6] 楊再強，朱 凱，趙 翔，等.中國南方塑料大棚農業氣象災害風險區劃[J].自然災害學報，2012,21(5):213-221.

[7] 董晨娥，王孝卿，肖清華，等.基于GIS的農業氣象災害評估系統的研究與應用[J].自然災害學報，2010,19(6):107-111.

[8] 黃崇福.自然災害風險評價理論與實踐[M].北京:科學出版社，2005.

[9] 王麗媛，于 飛.農業氣象災害風險分析及區劃研究進展[J].貴州省農業科學，2011,39(11):84-88.

[10] 陽園燕，蓋長松，羅孳孳，等.重慶市糧食產量災害風險水平分布規律及評估[J].西南農業學報，2010,23(6):2054-2058.

[11] 張茂松，張加云，吉文娟，等.基于GIS的水稻低溫冷害精細化風險區劃[J].西南農業學報，2014,27(4):1723-1728.

[12] 敖 芹，谷曉平，左 晉，等.基于GIS的貴州省刺梨干旱災害風險區劃[J].貴州省農業科學，2015,43(3):133-137.

[13] 李玉柱，許柄南.貴州省短期氣候預測技術[M].北京:氣象出版社，2001.

[14] 袁淑杰，谷曉平，繆啟龍，等.基于GIS的起伏地形下天文輻射分布式模型——以貴州省高原為例[J].山地學報，2007,25(5):577-583.

[15] 袁淑杰，繆啟龍，邱新法，等.貴州省高原起伏地形下日照時間的時空分布[J].應用氣象學報，2008,19(2):233-237.

[16] 袁淑杰.基于GIS的貴州省熱量資源研究[D].南京:南京信息工程大學，2007.

[17] 閻 洪.氣候時空數據的樣條插值與應用[J].地理與地理信息科學，2003,19(5):27-31.

[18] 閻 洪.薄板光順樣條插值與中國氣候空間模擬[J].地理科學，2004,24(2):163-169.

[19] 劉志紅，LiL T，TimR M V，等.專用氣候數據空間插值軟件ANUSPLIN及其應用[J].氣象，2008,34(2):92-100.

[20] 劉志紅，TimR M V，Li L T，等.基于ANUSPLIN的時間序列氣象要素空間插值[J].西北農林科技大學學報：自然科學版，2008,36(10):227-233.

[21] 劉志紅，TimR M V，Li L T，等.基于5變量局部薄盤光滑樣條函數的蒸發空間插值[J].中國水土保持科學，2006,4(6):23-30.

(責任編輯： 王 海)

Risk Zoning of Inducing Agro-meteorological Disaster Factors in Guizhou

YU Fei1,2, GU Xiaoping1,2, YUAN Shujie2,3

(1.GuizhouInstituteofMountainousEnvironmentClimate,Guiyang,Guizhou550002; 2.GuizhoukeyLaboratoryofMountainousClimateandResource,Guiyang,Guizhou550002; 3.ChengduUniversityofInformationTechnology,Chengdu,Sichuan610225,China)

In order to provide reference for optimization adjustment of crop distribution in agriculture, and forecast and prevention of meteorological disaster, hazard of meteorological disaster to agricultural production in Guizhou was relieved, according to inducing agro-meteorological disaster factors and disaster-pregnant environment on the basis of risk assessment of main inducing agro-meteorological disaster factors to optimize crops distribution in production. Results: Cold spell in later Spring of high risk areas are mainly distributed in the northwest of high altitude. Autumn wind of high risk areas is in the northwest with a film distribution. Distribution in spring increased gradually from east to west, relatively high risk area mainly consists of Western Guizhou, southwest of Qiannan state, Liupanshui City, Anshun in the southwestern part of the city and Bijie Prefecture. Drought in summer and drought spatial distribution on the contrary, is decreasing gradually from the east to the west and the regularities of distribution of the horizontal strip of continuity and a film distribution characteristic, year round general in the eastern area of Guizhou Province appear piece of drought in summer. The map (100 m × 100 m resolution) with respect to the spatial superposition method or traditional spatial interpolation method has better spatial continuity and accuracy.

agro-meteorological hazard; disaster-inducing factor; risk division; Guizhou

2016-01-11； 2016-04-09修回

國家科技支撐計劃項目“貴州突發性災害防控技術研究與集成示范”(2012BAD20B06)；貴州省重大科技專項“貴州‘兩高’沿線特色農業氣候精細化區劃與氣象災害防控” [黔科合重大專項字(2011)6003]

于 飛(1983-)，男，工程師，碩士，從事生態環境與農業氣象災害研究。E-mail:hn_yufei@qq.com

1001-3601(2016)04-0179-0138-04

S162.2

A