長江中下游地區雙季早稻冷害、熱害綜合風險評價

王春乙，姚蓬娟，張繼權，任義方

?

長江中下游地區雙季早稻冷害、熱害綜合風險評價

王春乙1，姚蓬娟1，張繼權2，任義方3

（1中國氣象科學研究院，北京 100081；2東北師范大學環境學院/自然災害研究所，長春130024；3江蘇省氣象局，南京210008）

【目的】針對長江中下游地區雙季早稻生長過程中的冷害、熱害發生情況，對種植區進行綜合風險評價和區劃，以期科學指導長江中下游地區雙季早稻生產。【方法】利用長江中下游雙季早稻種植區1961—2012年氣象資料、1981—2010年農業氣象資料及氣象災害和社會統計資料，以發育期為時間尺度，為早稻生長季綜合災害發生情況構建危險性評價模型，為承災體的脆弱性構建脆弱性評價模型，為承災體的暴露性構建暴露性評價模型，為社會防災減災能力構建防災減災評價模型。依據災害風險形成機制，采用自然災害風險指數方法結合上述4要素構建綜合災害風險評價模型并對種植區進行風險區劃。【結果】用災害指標值、發育期權重系數、災種權重系數構建各發育期危險性評價模型，結果表明湖南南部和江西東南部危險度很低，冷害和熱害都很少發生，是優良的雙季早稻種植區。湖南、江西腹地危險度在0.3左右,是由于灌漿期熱害較強導致危險度略高。湖北地區危險度東高西低，種植條件略差，其中陽新和蘄春分別受分蘗期冷害和孕穗期冷害的嚴重影響，危險度較高。浙江除分蘗期危險度低之外，其他各發育期的危險度都比其他省高，特別是灌漿期高溫熱害嚴重影響早稻產量，是雙季早稻種植的高危險度區。以產量變異程度作為評價指標構建脆弱性評價模型，結果表明浙江中東部、江西中南部、湖北種植區脆弱度較低，湖南寧鄉、茶陵等地脆弱度較高，江西北部脆弱度最高，災害性天氣發生的年份當地產量波動較大。以植被覆蓋度為評價指標構建暴露性評價模型，結果表明湖南中東部和江西地區暴露度最高，雙季早稻種植面積占耕地面積最高達85%，而浙江和湖北雙季早稻種植區暴露度較低。以農業機械總動力、農民人均純收入和化肥施用量作為指標構建防災減災能力評價模型，結果表明浙江全省防災減災能力最高，湖南中部、湖北西部地區和江西南部防災減災能力較強，其他地區防災減災能力都偏低。以危險性、脆弱性、暴露性、防災減災能力4個要素作為風險評價因子共同構建風險評價模型，結果表明浙江中西部、江西東北部、湖南中部、湖北東部基本為高風險區，湖南南部、江西東南部和浙江東部大致處于低風險區，其他地區為中等風險區。【結論】長江中下游4省分別需采取不同措施降低雙季早稻種植風險：浙江中西部調整播期，江西加大資金投入，湖南調整產業結構，湖北改善種植條件。

長江中下游地區；雙季早稻；冷害；熱害；風險評價

0 引言

【研究意義】農業氣象災害風險評價是實現農業可持續發展的重要研究內容，是國家進行防災減災的基礎工作，對于農業結構調整、國土規劃和經濟建設等具有指導意義，受到國內外學術界廣泛關注。長江中下游地區是中國最大的水稻產區，是雙季早稻的主要種植區。在雙季早稻生長季主要受中高緯度大氣環流和西太平洋副熱帶高壓等天氣系統的控制，易受低溫冷害、高溫熱害等農業氣象災害的影響。研究長江中下游地區雙季早稻生長季低溫冷害和高溫熱害的發生、影響并對其進行綜合風險評價，對提高防災減災能力，指導農業生產，增強糧食安全等具有重要意義。【前人研究進展】目前農業氣象災害風險研究并未形成完善的評估理論和方法體系，模型建立方法仍在探索中。霍治國等[1]從農作物及相應災害篩選出主要致災因子、致災等級、致災指標及減產率，對減產率序列進行理論概率分布函數擬合，進而得到不同減產率范圍出現的風險概率；Wu等[2]以標準化降水指數（SPI）和作物特異性干旱指數（CSDI）為Nebraska地區玉米和大豆建立干旱風險評價模型，實時分析特定作物在特定階段的農業干旱風險；黃崇福[3]根據信息擴散原理，利用模糊數學的方法研究小樣本災害的風險，建立不完備信息樣本的自然災害風險評價理論體系；Zhang等[4]在分析農業干旱風險、Zou等[5]在分析洪澇風險的時候都采用了模糊數學的方法；王春乙等[6]、張倩等[7]利用WOFOST模型對作物生長過程中災害發生的情景進行模擬研究，從而評估農業氣象災害風險；Han等[8]采用層次分析方法，用氣象、地理、土壤和遙感數據，從干旱危險性、環境脆弱性、風險敏感性和暴露性以及防災減災能力4個方面構建中國西南地區干旱風險評價模型。【本研究切入點】研究對象大多是單一災害全生長季的風險分析，實際生產中農作物在整個生長季中往往受到多種農業氣象災害的綜合影響[9]，而且災害的發生具有季節特性，通常只對特定發育期產生影響[10]。【擬解決的關鍵問題】筆者在前人研究的基礎上，依據災害風險形成機制，以發育期為研究尺度，對研究區雙季早稻低溫冷害和高溫熱害危險性、脆弱性、暴露性和防災減災能力建模并進行分析，采用熵權綜合評價法構建綜合風險評價模型，借助GIS技術編制風險區劃圖。

1 材料與方法

1.1 研究區概況

長江中下游雙季早稻種植區位于24°—36°N，108°—123°E，包括湖北部分地區、湖南大部分地區、江西、浙江4省（圖1）。區域地勢西高東低，平原和低山丘陵是該地區的主要地形特征。地處北亞熱帶季風氣候區，降水豐沛，雨熱同期。年平均氣溫14—18℃，最冷月均溫在0℃以上，最熱月均溫27—28℃，年降水量1 000—1 400 mm，無霜期約為210—270 d[11]。

圖1 區域及站點

1.2 研究資料

農業氣象觀測資料：選用48個農業氣象站1981—2010年雙季早稻的發育期資料（播種、出苗、三葉、移栽、返青、分蘗、拔節、孕穗、抽穗、乳熟、成熟期）和農業氣象站所在縣平均產量資料。

氣象觀測資料：相同的48個氣象站1961—2012年逐日最高氣溫、最低氣溫和日平均氣溫觀測資料以及對應站點經緯度資料。

統計資料：湖北、湖南、江西、浙江4省《中國氣象災害大典》[12-15]和四省2010年《統計年鑒》[16-19]資料。

1.3 數據處理

1.3.1 產量資料處理 一般農作物實際產量可以分為3個部分：趨勢產量、氣象產量、隨機“噪聲”（一般忽略不計）。由H-P濾波法[20]計算趨勢產量，氣象產量與趨勢產量的比值為相對氣象產量，表達式為：

式中，為相對氣象產量，、分別為實際產量和趨勢產量，（-）為氣象產量，相對氣象產量的負值即減產率。

1.3.2 其他資料處理 （1）確定各站1980—2010年各發育普遍期的均值，作為該站點的平均發育期；（2）冷害、熱害強度等級采用Fisher最優分割方法[21]確定；（3）為避免不同量綱指標對評價結果的影響，采用極差標準化方法處理；（4）風險四要素權重確定采用熵權綜合評價法，根據各指標的變異程度，計算出各指標的熵權，再通過熵權對各指標的權重進行修正，進而得到客觀的指標權重[22]；（5）風險評價采用自然斷點法將研究區劃分為高風險、中等風險和低風險3個等級。

1.4 指標確定

1.4.1 冷害、熱害溫度閾值 冷害、熱害溫度閾值并不是一個穩定的值[23]，針對長江中下游雙季早稻種植特點，結合災害發生情況[12-15]以及國家標準[24-25]等，歸納了各發育期冷害、熱害溫度閾值（表1）。

表1 冷害、熱害溫度閾值

Tavg：日平均氣溫Daily average temperature value；Tmax：日最高氣溫Daily maximum temperature value

開花期低溫、開花期高溫、灌漿期高溫的判別指標是根據國標建立，而本研究將5月低溫更加細致的劃分為分蘗期低溫和孕穗期低溫，與國家標準有差異。從各省災害大典描述冷害的文字中篩選出發生分蘗期冷害、孕穗期冷害或者5月低溫的年份作為災害發生年，再分別用國標和本研究判別指標處理1961—2000年的氣象數據篩選出災害年，將篩選結果與災害發生年進行對比。從對比結果來看，用國標判斷湖南地區有4年未檢測出災害年，江西有2年未檢測出災害年；用本研究指標判斷湖南地區有2年未檢測出災害年，江西有1年未檢測出災害年。而且本研究指標可以精確判斷某發育期是否受災，對災害的判斷更加敏感細致。所以本研究制定的判別指標可能更合理。

1.4.2 冷害、熱害指標 選用災害發生過程中逐時溫度低于（高于）臨界溫度的累積值也就是有害積溫作為冷（熱）害量化指標值。

（1）熱害積溫的計算與等級劃分 某次熱害過程的熱害積溫是逐日熱害積溫的累加。但是由于許多臺站逐小時氣溫資料過短，故將氣溫的日變化簡化為圖2所示的模型，逐日熱害積溫就轉化為圖2中陰影部分的面積。某次熱害過程的危害積溫表示為：

式中，H過程為過程熱積溫（℃），T為不同發育期高溫熱害臨界溫度（℃），maxj為熱害過程中第日最高溫度（℃），minj為熱害過程中第日最低溫度（℃），為熱害過程的持續天數（d），T(t)為熱害過程中第日高于臨界溫度的時刻溫度值。

某年熱害積溫表示為該年所有熱害過程的危害積溫累加之和。分別計算每年各站開花期熱害積溫和灌漿期熱害積溫，用Fisher最優分割法將熱害劃分為輕、中、重3級（表2）。

圖2 熱害積溫計算模型

表2 熱害等級

（2）冷害積溫的計算與等級劃分 冷害判別指標采用的是臨界日平均溫度值，所以冷害過程的危害積溫表示為：

式中，C過程為過程冷積溫（℃），T為不同發育期低溫冷害臨界溫度（℃），T為受害過程中第天日平均氣溫（℃）。

得到過程冷害積溫之后再計算某年的各發育期冷害積溫。用Fisher最優分割法將冷害劃分為一般冷害和嚴重冷害兩級（表3）。

表3 冷害等級

1.5 風險評價模型

1.5.1 風險評價模型 農業氣象災害風險是潛在的災害，而災害是風險變成現實的結果[26]。災害由致災因子、承載體和孕災環境相互作用產生，從自然災害形成機制的角度，提出以危險性、脆弱性、暴露性、防災減災能力4個要素作為風險評價因子共同構建風險評價模型，這種思路廣泛應用在干旱、洪澇、草原火災等領域，并取得了很好的效果[27-28]。

危險性是描述致災因子的自然變異程度，主要決定于災害發生的規模（強度）和頻次（概率）。脆弱性用來描述承災體敏感于或易于遭受災害威脅并造成損失的性質和狀態，主要取決于承災體自身的特點。暴露性用來描述承災體暴露于孕災環境的情況，主要決定于承災體的暴露面積。防災減災能力用來表示受災地區人為活動促使農作物從災害中恢復的能力，包括在災害防御、災中應急和災后管理中的人為措施，主要取決于地區的田間管理手段和經濟投入等[29]。

從各要素的定義來看，危險性越高，脆弱性越高，暴露性越高，區域的災害風險就越高，所以危險性、脆弱性、暴露性為風險評價的正向因子；而防災減災能力越低風險越高，為風險評價的逆向因子。采用自然災害風險指數法定義風險模型為：

式中，為農業氣象災害風險，、、、分別為危險性、脆弱性、暴露性和防災減災能力評價值，w、w、w、w分別為危險性、脆弱性、暴露性和防災減災能力在綜合風險評價中的權重系數。

1.5.2 危險性評價模型 對于全生育期單一災害的危險性而言，災害發生的強度越大，頻次越高，危險性就越高[30]，因此危險性大小可以由災害強度和頻次的乘積計算。但以發育期為時間尺度研究多災種危險性時，需要考慮不同災害發生在不同發育期對早稻產量的影響，這意味著發育期和災種是影響多災種動態危險性評價的另外兩個因子，因此在建模時引入權重的概念，構建危險性模型為：

式中，表示危險性，表示災種（冷害和熱害），為該發育期災種數，表示災種發生的不同發育期，為災種發生的發育期數，X代表每年第種災害在第發育階段的危害積溫累積值；w代表第種災害在第發育階段的權重系數。

（1）權重確定 以災損率作為評價某發育期某災種對早稻危險性的貢獻指標，則將權重定義為災害發生頻次和災損率的函數。本研究分析的早稻重點發育期災害包括分蘗期冷害、孕穗期冷害、開花期冷害、開花期熱害和灌漿期熱害，同一種災害在不同的發育期有不同的影響，不同的災害在同一發育期的影響也不同。權重系數應當能夠表現出某災種在某階段對產量影響的相對大小。所以將權重系數分解為兩部分：一是單一災種在不同發育期的權重系數，用來表示單一災害發生在不同發育期對產量的影響程度；二是不同災種之間的權重系數，用來表示不同災害對產量的影響。

先確定只考慮單一災種的發育期權重系數。針對研究區各站點歷年資料，篩選出單獨于分蘗期、孕穗期、開花期發生一般冷害、嚴重冷害以及開花期、灌漿期發生輕度熱害、中度熱害、重度熱害導致減產（減產率≥5%）的年份，計算出各發育期各等級災害發生時的平均減產率以及發生次數。某個發育期的災損率以不同等級災害發生時造成的平均減產率與相應等級災害發生頻次乘積累計得到，模型為：

式中，Y為發育期災損率，為冷（熱）害等級，為該冷（熱）害等級數，f為該地區第發育期等級為的冷（熱）害發生頻次，y為研究區發育期等級為的冷（熱）害發生時的平均減產率。

用某發育期災損率與該災害在生長季內總災損率的比重表示該地區單災種發育期權重w，模型為：

再考慮不同災種的權重系數。篩選出研究區中只發生冷（熱）害的年份，計算出研究區冷（熱）害的平均減產率和各站冷（熱）害發生頻次，二者乘積即為冷（熱）害對該站造成的減產。單災種減產與兩災種總減產的比值即為此災種的權重。

冷害權重（8）

熱害權重（9）

式中，w、w分別為某站冷害、熱害權重，f、f分別為冷害和熱害發生頻次，y、y分別為發生冷害和熱害時的平均減產率。具體危險性權重系數見表4。

表4 危險性權重系數表

（2）各發育期、各災種危險性模型

各發育期危險性模型表示為：

分蘗期危險性=X·w·w（10）

孕穗期危險性=X·w·w（11）

開花期危險性=X·w·w+ X·w·w（12）

灌漿期危險性（13）

各災種危險性模型表示為：

冷害危險性（14）

熱害危險性（15）

生長季危險性模型表示為：

其中，為危險度，表示發育期，w為冷害權重系數，w為熱害權重系數，X為每年發育期冷害積溫累積值，X為每年發育期熱害積溫累積值。

1.5.3 脆弱性評價模型 承災體的脆弱性越高，則在一定災變條件下造成的損失或傷害的程度越重，風險越高。選用產量變異程度作為脆弱性評價指標能夠從作物敏感性的角度反映出災年產量損失嚴重的地區脆弱度高的特點。將產量變異程度用多年單產的標準差與多年單產最大值的比值來表示，模型表示為：

式中，為脆弱度，Y為某縣第年單產，max為該縣多年單產最大值，為單產資料總年份數。

1.5.4 暴露性評價模型 承災體暴露于孕災環境的部分越大，災害損失的可能性越大，風險也就越高。暴露性依據研究的側重點不同選取不同的指標，本研究以植被覆蓋度為評價指標，從各省市統計年鑒中篩選出各縣的播種面積及耕地面積，用耕地面積與播種面積構建暴露性模型為：

式中，為暴露度，S是縣域雙季早稻播種面積，S是該縣的耕地面積。

1.5.5 防災減災能力評價模型 防災減災能力主要從社會和人文的角度考慮，從統計年鑒中選取農業機械總動力（the unit area of total powers of agriculture machine）、農民人均純收入（net income per capita）和化肥施用量（the unit area of chemical fertilizers (net)）作為指標進行研究。農業機械總動力能夠反映出在冷害、熱害發生時各個地區以水調溫減災的能力，化肥施用量能夠反映人們以施肥壯苗的方法減災的能力，農民人均純收入可以反映出減災的經濟投入能力。

利用上述3個指標構建防災減災能力評價模型為：

=·w+·w+·w（19）

式中，為防災減災能力，、、分別為單位種植面積農業機械總動力、農民人均純收入、單位種植面積農用化肥施用量標準化處理后的指標值，w、w、w分別為3個指標在防災減災能力評價中的權重系數。

2 結果

2.1 危險性分析

分蘗期危險度高值區主要分布在湖南和江西中北部以及湖北東南部，其中資興最高，達到0.26，高值區與山脈地形相關，地勢高的地區春季回溫慢，在早稻營養生長過程中很可能由于不能提供充足的熱量而影響水稻生長。孕穗期危險度整體較低，相對而言，湖北東部江漢平原與江西北部鄱陽湖平原地區最重，其次是浙江中南部沿海地區，這兩處都是靠近大面積的水域，可能因水域附近4、5月份升溫比陸地慢而在孕穗期不能提供充足的熱量對早稻產量造成威脅。開花期危險度的空間分布圖顯示研究區中部危險度最低，其次是西部湖南地區，浙江地區最為嚴重。灌漿期是區域雙季早稻危險度最高的發育期，高值區主要分布在湖北東部、湖南與江西腹部、浙江中西部和江西東北部3個區域，其中浙江省最嚴重地區，危險度達到0.5以上。從區域整體危險性來看，湖南南部和江西東南部危險度最低，種植條件最好；湖北東部和浙江中西部地區雙季早稻危險度最高（圖3）。

圖3 各發育期及全生長季危險性空間分布

2.2 脆弱性分析

脆弱度高值區出現在江西北部以及湖南寧鄉、韶山、耒陽、藍山等地。這些地區產量變異程度高，產量對災害的發生更為敏感。脆弱度較低的地區主要分布在江西中南部、浙江的中東部地區，湖北東部，這些地區的早稻在災害性天氣條件下產量受影響較小（圖4）。

圖4 脆弱性空間分布

2.3 暴露性分析

湖南和江西是長江中下游地區雙季早稻暴露度高值區，湖南和江西暴露度基本在0.45以上，特別是廣豐、衡山、臨湘、余江、安遠等地暴露度高達0.75以上。農業在一定程度上是靠天吃飯的產業，當嚴重冷害或熱害發生時，過高的暴露度會引起產量嚴重下降，影響區域經濟穩定性。湖北和浙江地區早稻暴露度相對偏低，基本在0.3以下，暴露于孕災環境下的早稻比重較輕，生產受影響較小（圖5）。

圖5 暴露性空間分布

2.4 防災減災能力分析

采用熵權綜合評價法處理單位農業機械總動力、農民人均純收入和單位化肥施用量3個評價指標得到各指標的權重系數分別為0.334、0.331和0.335，代入式19中構建防災減災能力評價模型，并進行分析評價。

從防災3個指標和防災減災能力評價分析圖6可以看出，浙江省的防災減災能力最高，基本在0.38以上，結合防災3個指標來看，單位農業機械總動力、農民人均純收入、單位化肥施用量3個指標值在浙江均較高，冷害和熱害發生時能夠有充足的資金投入抗災，能及時采取灌水、施肥等農業管理措施治理災害。而湖北、湖南、江西3省的防災能力都基本處于中等偏低水平，災害防治能力較弱3省中桃江、湘潭、黃陂、武昌、崇義、尋烏、南豐地區防災減災能力相對較強。

圖6 防災3個指標及防災減災能力空間分布

2.5 早稻冷害、熱害綜合風險區劃

2.5.1區劃指標和等級劃分 依據危險性、脆弱性、暴露性和防災減災能力的評價結果，對各要素指標值做標準化處理，用熵權綜合評價法確定四要素在風險評價模型中的權重系數，采用自然災害風險指數法構建綜合風險評價模型，分析風險。

4個要素在風險建模中的權重系數見表5。危險性權重系數最高，表明冷害與熱害的發生情況嚴重影響產量，致災因子的影響居風險首位；暴露性權重略低于危險性，表明作物暴露在災害性天氣條件下的情景對風險的影響很大；脆弱性次之，表明承災體自身對災害的敏感度在風險評價中也相對重要；防災減災能力權重系數相對較低，表明社會因素和人類活動只能從一定程度上降低風險。

表5 風險評價因子權重系數

按風險評價模型算得的 217個縣風險度大小與其多年平均減產量進行相關分析（圖7），結果表明綜合風險評價結果與多年平均減產率之間存在著極顯著相關關系。因此采用本研究構建的風險評價模型研究長江中下游地區雙季早稻冷害、熱害動態風險貼合實際生產實際情況，可以用于指導農業生產。

圖7 風險值與多年平均減產率的關系

用自然斷點法（natural breaks）將研究區風險度劃分為低風險、中等風險和高風險3個等級，各等級對應的風險度閾值見表6。

表6 風險等級

2.5.2 風險區劃 將風險區劃結果展示于地圖上（圖8）。湖北東南部風險高于中部地區，主要由于分蘗期冷害、孕穗期冷害和灌漿期熱害發生較多，危險度很高且暴露度也偏高造成。湖南南部危險度、暴露度和脆弱度都很低，是研究區域內的低風險區，而湖南中部為高風險區，主要是危險度、脆弱度和暴露度偏高且防災減災能力偏低造成的，冷害和熱害易影響中部地區早稻生產，較高的暴露性使早稻避之不及，再加上防災減災能力較差，風險較大。江西東北部地區脆弱度和暴露度很高，危險度較高且防災減災能力偏低，為江西主要高風險區；江西東南部冷害和熱害綜合危險度很低、脆弱度不高，早稻生長風險很小；江西中部處于中等風險區，危險度較高且暴露度也偏高，主要受到分蘗期冷害和灌漿期熱害的威脅。浙江中西部地區綜合風險很高，主要由于該地區開花期冷害、開花期熱害和灌漿期熱害經常發生，導致這里危險度非常高；而浙江東北部地區危險度不高，脆弱度偏低且暴露度也不高，是風險低值區。

從研究區整體來看，高風險區主要分布在江西東北部、浙江中東部和湖南中東部地區；低風險區主要分布在湖南南部、江西東南部和浙江東北部地區；其他區域為中等風險區。

圖8 風險空間分布

3 討論

前人對長江中下游地區水稻的研究多集中在熱害的研究[7,31-32]，而本研究表4顯示湖北孝感、陽新和湖南武岡、赫山、資興、湘鄉、婁底、邵東的冷害權重占0.3以上，所以冷害對雙季早稻種植區的影響不應忽視。從低溫冷害危險性來看，分蘗期危險度高的地區多位于山區，孕穗期危險度高的地區多靠近大型水系。這不僅可以從熱力學的角度得到合理解釋，與現有湖北[33]、湖南[34]、江西[35]地區的研究結果趨同一致。高溫熱害危險度的分布與高素華等[11]研究結果有較高相關度。脆弱性、暴露性和防災減災能力采用各地區統計年鑒數據研究分析，反映種植區脆弱性、暴露性和防災減災能力的空間分布特征。

風險區劃綜合4要素的影響將種植區劃分為高、中、低風險區。浙江中西部是高風險區，因該地區開花期、灌漿期危險度高，不適合種植早稻；浙江東北部是低風險區，危險度不高，脆弱度偏低且暴露度也偏低。江西東北部地區脆弱度和暴露度高，危險度較高，再加上防災減災能力偏低，是高風險區；江西中部基本處于中等風險區，危險度較高，較易受到分蘗期冷害和灌漿期熱害的威脅，而且暴露度也偏高；江西東南部是早稻種植低風險主要地區。湖南省南部危險度、暴露度和脆弱度都很低，是低風險區；湖南中部為高風險區，主要是危險度、脆弱度和暴露度偏高且防災減災能力偏低，冷害和熱害容易影響到湖南地區的早稻生產，而且較高的暴露性使早稻避之不及，再加上防災減災能力較差，風險較大。湖北省東南部風險高于中部地區，主要由于東南部危險度高，而且暴露度也偏高所致。

4 結論

4.1 風險評價結果表明，浙江中西部、江西東北部、湖南中部、湖北東部基本為高風險區，湖南南部、江西東南部和浙江東部大致處于低風險區，其他地區為中等風險區。

4.2 從防災減災的角度來看，浙江早稻主要遭受開花期冷害、熱害和灌漿期熱害造成危險度較高，所以降低風險需要選育抗災品種，或者通過調整播期、改種一季稻來實現；江西早稻種植暴露度高且防災減災能力偏低，因此政府加大對農業生產的投資力度，采取措施扶持當地農業生產能夠很大程度降低風險；湖南早稻生產的主要問題在于中東部地區種植面積較大，暴露度高，所以調整產業結構，適當縮減中東部早稻種植面積更有利于早稻穩產、高產；湖北早稻種植區主要在全省東部，這里靠近兩湖地區，分蘗期冷害和孕穗期冷害常常發生導致穗小粒少，需要采用科學灌水、壯苗壯秧等農技措施改善種植條件。

References：

[1] 霍治國, 李世奎, 王素艷,劉錦鑾, 薛昌穎. 主要農業氣象災害風險評估技術及其應用研究. 自然資源學報, 2003, 18(6): 692-703.

Huo Z G, Li S K, Wang S Y, LIU J L, XUE C Y. Study on the risk evaluation technologies of main agrometeorological disasters and their application., 2003, 18(6): 692-703. (in Chinese)

[2] WU H, HUBBARD K G, WILHITE D A. An agricultural drought risk-assessment model for corn and soybeans., 2004, 24(6): 723-741.

[3] 黃崇福. 自然災害風險分析與管理. 北京: 科學出版社, 2012.

Huang C F.. Beijing: Science Press, 2012. (in Chinese)

[4] Zhang D, WANG G L, Zhou H C. Assessment on agricultural drought risk based on variable fuzzy sets model., 2011, 21(2): 167-175.

[5] Zou Q, Zhou J, Zhou C, SONG L, GUO J. Comprehensive flood risk assessment based on set pair analysis-variable fuzzy sets model and fuzzy AHP., 2013, 27(2): 525-546.

[6] 王春乙,張雪芬，趙艷霞. 農業氣象災害影響評估與風險評價. 北京: 氣象出版社, 2010.

Wang C Y, Zhang X F, Zhao Y X.. Beijing: China Meteorological Press, 2010. (in Chinese)

[7] 張倩, 趙艷霞, 王春乙. 長江中下游地區高溫熱害對水稻的影響評估. 災害學, 2011, 26(4): 57-62.

Zhang Q, ZHAO Y X, WANG C Y. Study on the impact of high temperature damage to rice in the lower and milddle reaches of the Yangtze River., 2011, 26(4): 57-62. (in Chinese)

[8] Han L, Zhang Q, Ma P L, Jia J Y, Wang J S. The spatial distribution characteristics of a comprehensive drought risk index in southwestern China and underlying causes., 2016, 124: 517-528.

[9] 王春乙, 蔡菁菁, 張繼權. 基于自然災害風險理論的東北地區玉米干旱、冷害風險評價. 農業工程學報, 2015, 31(6): 238-245.

Wang C Y, Cai J J, Zhang J Q. Risk assessment of drought and chilling injury of maize in Northeast China., 2015, 31(6): 238-245. (in Chinese)

[10] SHIMONO H, KANNO H. Risk map for cool injury inducing spikelet sterility by low temperature at booting stage in rice with taking into account for growth stage and temperature before the booting stage in Tohoku region, Japan., 2012, 12(2): 6-11.

[11] 高素華, 王培娟. 長江中下游高溫熱害及對水稻的影響. 北京: 氣象出版社, 2009.

Gao S H, Wang P J.. Beijing: China Meteorological Press, 2009. (in Chinese)

[12] 中國氣象災害大典編委會. 中國氣象災害大典: 江西卷. 北京: 氣象出版社, 2007.

Editorial Board of.:. Beijing: China Meteorological Press, 2007. (in Chinese)

[13] 中國氣象災害大典編委會. 中國氣象災害大典: 湖南卷. 北京: 氣象出版社, 2007.

Editorial Board of.:. Beijing: China Meteorological Press, 2007. (in Chinese)

[14] 中國氣象災害大典編委會. 中國氣象災害大典: 湖北卷. 北京: 氣象出版社, 2007.

Editorial Board of.:. Beijing: China Meteorological Press, 2007. (in Chinese)

[15] 中國氣象災害大典編委會. 中國氣象災害大典: 浙江卷. 北京: 氣象出版社, 2007.

Editorial Board of.:. Beijing: China Meteorological Press, 2007. (in Chinese)

[16] 湖北省統計局. 湖北統計年鑒. 北京: 中國統計出版社, 2010.

Statistics Bureau of Hubei Province.. Beijing: China Statistics Press, 2010. (in Chinese)

[17] 湖南省統計局. 湖南統計年鑒. 北京: 中國統計出版社, 2010.

Statistics Bureau of Hunan Province.. Beijing: China Statistics Press, 2010. (in Chinese)

[18] 江西省統計局. 江西統計年鑒. 北京: 中國統計出版社, 2010.

Statistics Bureau of Jiangxi Province.. Beijing: China Statistics Press, 2010. (in Chinese)

[19] 浙江省統計局. 浙江統計年鑒. 北京: 中國統計出版社, 2010.

Statistics Bureau of Zhejiang Province.. Beijing: China Statistics Press, 2010. (in Chinese)

[20] 王桂芝, 陸金帥, 陳克垚, 吳先華. 基于HP濾波的氣候產量分離方法探討. 中國農業氣象, 2014, 35(2): 195-199.

Wang G Z, Lu J S, Chen K Y, Wu X H. Exploration of method in separating climatic output based on HP filter., 2014, 35(2): 195-199. (in Chinese)

[21] 高峰, 劉江, 楊新剛, 李艷, 楊艷. 基于Fisher最優分割法的機床熱關鍵點優化研究. 儀器儀表學報, 2013, 34(5): 1070-1075.

Gao F, Liu J, Yang X G, Li Y, Yang Y. Study on optimization of thermal key points for machine tools based on Fisher optimal segmentation method., 2013, 34(5): 1070-1075. (in Chinese)

[22] 楊國華, 崔彬. 熵權法在水資源可持續利用評價中的應用. 數學的實踐與認識, 2011, 41(19): 8-12.

Yang G H, Cui B. The application of Entropy weight method to evaluation of the sustainable utilization of water resources., 2011, 41(19): 8-12. (in Chinese)

[23] 李民政. 汕優6號秋季低溫冷害指標問題的研究. 浙江農業科學, 1982(4): 177-180.

Li M Z. Study on autumn chilling damage index of Shanyou 6.s, 1982(4): 177-180. (in Chinese)

[24] 中華人民共和國國家質量監督檢驗檢疫總局. 主要農作物高溫危害溫度指標: GB/T 21985-2008[S]. 北京: 中國標準出版社, 2008.

General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China. Temperature index of high temperature harm for main crops: GB/T 21985-2008[S]. Beijing: Standards Press of China, 2008. (in Chinese)

[25] 中華人民共和國國家質量監督檢驗檢疫總局. 南方水稻、油菜和柑桔低溫災害: GB/T 27959-2011[S]. 北京: 中國標準出版社, 2011.

General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China. Low temperature disaster of southern rice, rapeseed and orange: GB/T 27959-201[S]. Beijing: Standards Press of China, 2011. (in Chinese)

[26] 王春乙, 張繼權, 霍治國, 蔡菁菁, 劉興朋, 張琪. 農業氣象災害風險評估研究進展與展望. 氣象學報, 2015, 73(1): 1-19.

Wang C Y, Zhang J Q, Huo Z G, Cai J J, Liu X P, Zhang Q. Prospects and progresses in the research of risk assessment of agro-meteorological disasters., 2015, 73(1): 1-19. (in Chinese)

[27] Sun Z Y, Zhang J Q, Yan D H, WU L, GUO E L. The impact of irrigation water supply rate on agricultural drought disaster risk: a case about maize based on EPIC in Baicheng City, China., 2015, 78: 23-40.

[28] Liu X, Zhang J, Cai W, TONG Z. Information diffusion-based spatio-temporal risk analysis of grassland fire disaster in northern China., 2010, 23(1): 53-60.

[29] 趙靜, 張繼權, 嚴登華, 佟志軍, 劉興朋. 基于格網GIS的豫北地區干旱災害風險區劃. 災害學, 2012, 27(1): 55-58.

Zhao J, Zhang J Q, Yan D H, Tong Z J, Liu X P. Drought disaster risk zoning in the Northern Henan Province based on gridding GIS., 2012, 27(1): 55-58. (in Chinese)

[30] 張繼權, 李寧. 主要氣象災害風險評價與管理的數量化方法及其應用. 北京: 北京師范大學出版社, 2007.

Zhang J Q, Li N.. Beijing: Beijing Normal University Press, 2007. (in Chinese)

[31] 江敏, 金之慶, 石春林, 葛道闊, 朱大威. 長江中下游地區水稻孕穗開花期高溫發生規律及其對產量的影響. 生態學雜志, 2010, 29(4): 649-656.

Jiang M, Jin Z Q, Shi C L, GE D K, ZHU D W. Occurrence patterns of high temperature at booting and flowering stages of rice in the middle and lower reaches of Yangtze River and their impacts on rice yield., 2010, 29(4): 649-656. (in Chinese)

[32] 謝曉金, 李秉柏, 王琳, 戴秦如, 申雙和. 長江中下游地區高溫時空分布及水稻花期的避害對策. 中國農業氣象, 2010, 31(1): 144-150.

Xie X J, Li B B, Wang L, DAI Q R, SHEN S H. Spatial and temporal distribution of high temperature and strategies to rice florescence harm in the lower-middle reaches of Yangtze River., 2010, 31(1): 144-150. (in Chinese)

[33] 楊愛萍, 馮明, 劉安國. 湖北水稻對盛夏低溫冷害的敏感性分析. 中國農業氣象, 2009, 30(增刊2): 324-327.

Yang A P, Feng M, Liu A G. Research on sensitivity of rice to chilling injury in summer in Hubei Province., 2009, 30(Suppl.2): 324-327. (in Chinese)

[34] Cheng Y X, Huang J F, Han Z L, GUO J P, ZHAO Y X, WANG X Z, GUO R F. Cold damage risk assessment of double cropping rice in Hunan, China., 2013, 12(2): 352-363.

[35] 白光志, 孔萍, 余焰文, 劉壽東, 楊再強. 江西省雙季稻氣象災害風險評估研究. 氣象與減災研究, 2014, 37(4): 50-55.

Bai G Z, Kong P, Yu Y W, LIU S D, YANG Z Q. Study on the meteorological risk assessment of double cropping rice in the Jiangxi Province., 2014, 37(4): 50-55. (in Chinese)

（責任編輯 楊鑫浩，岳梅）

Risk Assessment of Cold and Hot Damages for Double-Cropping Early Rice (DCER) in Lower-Middle Reaches of the Yangtze River Basin

WANG Chun-yi1, YAO Peng-juan1, ZHANG Ji-quan2, REN Yi-fang3

(1Chinese Academy of Meteorological Sciences, Beijing 100081;2School of Environment/Natural Disaster Research Institute, Northeast Normal University, Changchun 130024;3Jiangsu meteorologic bureau, Nanjing 210008)

【Objective】Agricultural meteorological disasters are the important factors which threaten the national food security. Risk assessment on agro-meteorological disasters is the main research direction of guaranteeing agricultural production. There is the largest double-cropping early rice (DCER) planting area in Yangtze River basin in China, the DCER output in this area accounts for more than half of the country’s total production. This region is located in central China, where the hydrothermal resources are relatively abundant, but the seasonal distribution is uneven. Temperature swings in spring and hot days emerge frequently in summer, causing DCER’s cold and hot damages and affecting final yield. Therefore, it is emergency to carry out risk assessment of cold and hot damages of DCER. 【Method】The research was based on the meteorological data during 1961-2012, agricultural meteorological data during 1981-2010 and social statistics data of DCER growing region in lower-middle reaches of the Yangtze River Basin. First and foremost, four assessment models were built to evaluate cold and hot damage hazard, environmental vulnerability, exposure, disaster prevention and mitigation capacity. For laying a foundation for the formation mechanism of natural disaster risk, a risk evaluation model was developed in terms of hazard which is fine depicted in development phrase, vulnerability, exposure and disaster prevention and mitigation capacity. Weight coefficients of the four factors are calculated by entropy weight evaluation method. The results of the multi-risk assessment model is valuable for decision making to release disaster risks.【Result】 The hazard assessment model was constructed based on disaster intensities at various developmental stages, the weight coefficient of the development stage and the weight coefficient of cold and hot damages. The assessment results show that the planting area in southern Hunan and southeastern Jiangxi is suitable for DCER, where cold and hot damages are rarely happened. Hazard in center of Hunan and Jiangxi is 0.3, slightly higher due to hot damage at filling stage, while the higher hazard in eastern Hubei is caused by cold damage. Zhejiang is reduced to absolute inferior planting area for its higher hazard during the whole growing season except tillering stage, especially the serious hot damage at filling stage. Vulnerability assessment model was constructed of index of yield variation. The assessment results show that mid-east Zhejiang, mid-south Jiangxi and Hubei planting areas are the lowest vulnerable areas. Vulnerability in northeastern of Jiangxi is quite high, followed by Ningxiang and Chaling of Hunan province, where yield is quite sensible to weather condition. The exposure assessment model was constructed based on the index of vegetation coverage. The assessment results show that DcER planting area ratio is up to 85% in the eastern of Hunan and northeastern of Jiangxi, which means high exposure to the rice production. The exposure is lower in Zhejiang and Hubei, and it won’t have high impacts on DSER yield. The disaster prevention and mitigation capacity assessment model was constructed based on the total powers of agriculture machine, net income per capita and chemical fertilizers. The assessment results show that disaster prevention and mitigation capacity is highest in Zhejiang province. It is relatively higher in central Hunan, western Hubei and southern Jiangxi. Disaster prevention and mitigation capacity is lower in the other areas. The risk evaluation model was constructed based on hazard, vulnerability, exposure, disaster prevention and mitigation capacity. Mid-west of Zhejiang, northeast of Jiangxi, central Hunan and east of Hubei are divided into high-risk areas. Southern Hunan, southeastern Jiangxi, eastern Hubei and eastern Zhejiang are roughly divided into the low-risk and the other areas are divided into medium risk areas. 【Conclusion】Diverse measures should be adopted to lesson the risk of DCER planting in each province in Yangtze River basin: in mid-west of Zhejiang, it is useful to adjust the sowing period. For northeastern Jiangxi, increasing the investment of local agriculture is needed. It is necessary to adjust the planting structure in Hunan. Science and technical inputs in Hubei should be increased to reduce the risk.

the Yangtze River Basin; early rice; cold damage; hot damage; risk assessment

2015-12-23；接受日期：2016-03-21

國家“十二五”科技支撐計劃（2011BAD32B00）

王春乙，E-mail：wcy@cms1924.org