基于主成分分析和層次分析法相結合的陜西省農業干旱風險評估

何斌，王全九，吳迪，蘇李君，單魚洋

（1.西安理工大學水利水電學院，西北旱區生態水利工程國家重點實驗室培育基地，陜西西安710048；2.中國灌溉排水發展中心，北京100044）

基于主成分分析和層次分析法相結合的陜西省農業干旱風險評估

何斌1，王全九1，吳迪2，蘇李君1，單魚洋1

（1.西安理工大學水利水電學院，西北旱區生態水利工程國家重點實驗室培育基地，陜西西安710048；2.中國灌溉排水發展中心，北京100044）

農業干旱災害發生機理復雜，評價指標眾多，為確定合理的干旱風險評價指標，以陜西省為研究對象，提出基于主成分分析和層次分析法（AHP）相結合的農業干旱風險評價指標體系和評估方法。運用主成分分析，結合陜西省干旱成因及特點，基于風險四要素（危險性、暴露性、脆弱性和抗旱能力）篩選并構建了農業干旱風險評價指標體系，采用AHP評估了陜西省農業干旱風險。結果表明，在考慮地區抗旱能力情況下，陜西省農業干旱風險從北向南，從東向西均呈現出遞減趨勢，北部榆林地區和東部渭南、商洛地區，農業干旱風險較高。通過主成分分析和AHP相結合的評價體系，可以合理選取評價指標，縮減指標個數；準確評估干旱風險，指出風險要素來源，為抗旱部門有效識別致災因子，提出相應的抗旱減災方法。

農業干旱；風險評估；主成分分析；層次分析法；陜西省

在所有自然災害中，干旱災害是全球最為常見的自然災害。政府間氣候變化專門委員會（IPCC）評估報告［1］指出，未來干旱風險有不斷增加趨勢。由于特殊的地理位置和氣候條件，我國局部性、區域性干旱災害連年發生，干旱受災和成災面積呈雙線性上升趨勢［2］。陜西省處于我國生態環境脆弱帶上，加上地形地貌復雜，氣候懸殊，干旱成為陜西最大的氣象災害［3］。劉璐［4］研究表明，1961—2006年陜西年受旱面積百分比平均為48.7%，2001年更是達到了91.9%，且總體呈上升趨勢。

為科學評估區域干旱時空變異特性，科研人員建立了許多不同形式的干旱指標，例如李莉等［5］在研究廣西秋旱災害風險時，選取降水量、少雨日數、地形高程、河網密度、人口密度、GDP等評價指標。賈建英等［6］在評價西南地區玉米干旱風險時，選取玉米產量和播種面積等指標。可見干旱風險評價指標之多且不具有同一性。張寶慶［7］、史曉楠［8］等認為，在干旱評價工作中，指標的選取往往是最重要的環節之一。而由于指標的選擇通常是不確定的，沒有完整的規范可參考，也沒有理論依據可尋，以往都是根據經驗和借鑒已有研究事例進行指標選擇。往往忽視了指標間的相關性或個別指標的重要性，而個別指標由于數據離差過大，對評價結果的影響程度更大。所以在評價之前需要對評價指標進行分析處理，選出準確代表研究區域干旱災害影響因素的評價指標。吳景社、康紹忠等［9］利用主成分分析對全國節水灌溉分區指標進行降維處理，簡化了計算。此外，當前我國農業干旱管理面臨著巨大的挑戰，急需發展基于機理過程的區域農業干旱風險評價方法［10］。分析旱災發生機理，可以找到致災因子，根據致災因子提出相應的減災辦法。秦越等［11］運用AHP評價了河北省承德市農業干旱災害風險，并識別了旱災主要影響因素。因此，建立一套基于主成分分析的指標選取和AHP相結合的農業干旱風險評價體系，對于區域內干旱災害評估具有重要意義。本文對27個農業干旱評價常用指標標準化后建立數據矩陣進行主成分分析，通過分析前4個主成分的特征向量，確定陜西省農業干旱指標。將通過主成分分析得出的指標按4個風險要素（致災因子的危險性，承災體的暴露性，環境的脆弱性和地區的抗旱能力）分組。采用層次分析法將每組指標建立判斷矩陣，得出干旱指標權重并對判斷矩陣進行一致性檢驗。另外，對每個指標進行歸一化處理。每個指標的權重與其對應歸一化處理后的值相乘得到4個風險要素的分項綜合指標。最終通過綜合4個風險組成要素，得到反映區域農業干旱風險的綜合指標。

1 研究區概況與評價指標

1.1 研究區概況

陜西省地處我國內陸腹地，是連接我國東部和西部、西南的主要通道，歐亞大陸橋的紐帶，位于東經105°29′～115°15′，北緯31°42′～39°35′。地域南北跨度大，地貌類型復雜多樣，地勢總的特點是南北高中間低。全省山地面積（含黃土高原）占總面積的61.8%；平原盆地占18.8%；沙地荒漠占19.4%。水資源區域分布總趨勢是從南到北逐步遞減，陜南水資源相對豐富，關中和陜北的水資源貧乏，南北相差懸殊［12］。1950—1989年40年間，全省受旱面積累計為3 778萬hm2，約占耕地面積的25.1%；1990—2007年18年間，全省受旱面積累計為3 071萬hm2，約占耕地面積的45.1%，總體上看，農業旱情及旱災損失呈加劇趨勢。陜西省下轄十市一區，分別是榆林、延安、銅川、渭南、西安、咸陽、寶雞、商洛、漢中、安康和楊凌示范區。由于楊凌示范區常用耕地面積小，本文中不予考慮。研究區行政區劃及高程如圖1所示。

圖1 陜西省行政區劃及高程Fig.1 Administrative divisions and digital elevationmodel（DEM）of Shaanxi

1.2 評價指標與數據來源

農業干旱的發生有著十分復雜的機理，在受到自然因素如降水、蒸發、溫度、地形等影響的同時，也受到社會因素的影響［13］。因此，必然衍生出眾多分析評價農業干旱的指標，如降水距平百分率、干燥度指數、耕地面積、糧食作物播種面積、有效灌溉面積、生產總值等。在風險研究中，通常認為自然災害風險是由致災因子的危險性，承災體的暴露性和脆弱性3個要素以及由此導致的災情共同組成的宏觀結構［14－15］。此外，受災地區的抗旱能力也對災害損失程度產生影響，這個主觀性要素稱為地區的抗旱能力［16］。綜合考慮干旱災害發生的自然和社會影響因素，結合陜西省農業干旱特點，列出27個研究干旱風險評價常用指標，其中，氣象指標：干燥度指數、平均相對濕度、多年平均降水量、單位面積降水量、多年平均蒸散量、多年平均無降水天數、地下水資源量；土地指標：土地面積、耕地面積、耕地面積與土地面積比、總播種面積、糧食作物播種面積、糧食作物播種面積與土地面積比、人均耕地面積；作物管理指標：主要作物（冬小麥、玉米、棉花和水稻）需水量、農灌用水量占總用水量的比、有效灌溉面積比、雨養農業占耕地面積比、節水灌溉面積比；社會經濟指標：人口密度、生產總值、單位播種面積農業生產總值、人均生產總值、農民人均純收入、糧食作物單位面積產量、糧食總產在全省所占比重、普通中學在校人數占常住人口比。

1.2.1 危險性指標與數據來源危險性（H，hazard）是指干旱災害發生的強度和發生的頻率導致可能造成的危害劇烈程度。根據陜西省氣象局23個氣象站1953—2013年的逐日氣象資料，計算得出多年平均降水量、多年平均無降水天數、平均相對濕度和利用彭曼公式計算得出的多年平均蒸散量以及干燥度指數（蒸散量／降雨量）等危險性指標。這些指標均能影響水量平衡，是導致干旱發生的根本原因。其中多年平均降水量指標值越大，危險性越小，其他指標值越大，危險性越大。

1.2.2 暴露性指標與數據來源暴露性（E，exposure）是指在干旱災害發生過程中承災體與致災因子的接觸程度。農業干旱方面主要反映在農作物的播種面積和干旱災害對經濟的影響上。土地面積、耕地面積、總播種面積、糧食作物播種面積來源于1994—2013年陜西統計年鑒［17］，單位播種面積農業生產總值、耕地面積比、人均耕地面積、糧食作物單位面積產量等指標由以上數據計算得到。此外，根據王［18］2012年對陜西關中地區糧食生產狀況的研究結果，列出了糧食總產在全省所占比重指標。這些指標反映了農作物播種面積和地區農業經濟基本狀況信息，代表承災體與致災因子的接觸程度，指標值越大，地區的暴露性越大。

1.2.3 脆弱性指標與數據來源脆弱性（V，vulnerability）是指承災體抵御干旱災害能力的大小。地下水資源量來源于陜西省水資源公報［19］；農灌用水量占總用水量的比、有效灌溉面積比、節水灌溉面積比、雨養農業占耕地面積比、人口密度等指標由1994—2013年陜西統計年鑒［17］中數據計算得到。其中雨養農業占耕地面積比越高，承災體抵御干旱能力越差，干旱風險越高。人口密度是單位面積土地上居住的人口數，它反映了某一地區人口密集程度，人口密度與干旱脆弱性成正相關，人口密度大對資源環境的壓力大，直接影響生態環境質量與安全。其余指標值越大，抵御干旱災害能力越強，脆弱性越小。

1.2.4 抗旱能力指標與數據來源抗旱能力（RE，resistance）是指受災區通過抗旱行動減少災害損失的能力。一般認為抗旱能力與某一地區的經濟水平有關，經濟水平越高，抗旱能力越強。普通中學在校人數占常住人口比、生產總值、人均生產總值、農民人均純收入指標由1994—2013年陜西統計年鑒［17］中數據計算得到。其中普通中學在校人數占常住人口比，它是反映某一地區平均文化素質的高低，而文化素質高低可以反映經濟水平和科學技術水平以及農民的抗旱技術和抗旱意識，直接與本地區的抗旱能力相關。所有指標值越大，抗旱能力越強。

2 研究方法

總體思路：首先運用主成分分析篩選所列出的27個干旱風險評價常用指標，并結合陜西農業干旱成因和特點選取陜西省農業干旱風險評價指標；將篩選的指標按風險4個要素（危險性、暴露性、脆弱性和抗旱能力）分組，構建陜西省農業干旱風險評價指標體系；采用層次分析法得出指標權重，最后通過計算指標權重與歸一化后的指標值相乘相加得到4個要素的分項綜合指標和農業干旱風險綜合指標。

2.1 指標篩選方法

主成分這個概念由Karl Pearson在1901年提出［20］。主成分分析是通過找出幾個綜合因子（主成分）來代表原先眾多的變量，這些綜合因子能攜帶大部分原先變量的信息，并且這些綜合因子彼此不相關，從而達到降維的目的。

對于農業干旱風險評價，假設某次旱災強度用p個指標來反映，收集到n個不同地區的指標數據，每個地區p個指標的值分別為x1，x2，x3，…，xp。新指標（主成分）用y1，y2，y3，…，ym（m≤p）表示。則可將x＝（x1，x2，x3，…，xp）的p個指標綜合成m個新指標，新的指標可以由原來的指標x1，x2，x3，…，xp線性表示，即：

式中，系數μij是主成分荷載（i＝1，2，…，m；j＝1，2，…，p），即分別為x1，x2，x3，…，xp的相關矩陣的m個較大的特征值所對應的特征向量。

為了求得相關矩陣的特征值和特征向量，建立相關矩陣R：

在上式中，rij（i，j＝1，2，3，…，p）為原來指標值xi和xj的相關系數，其計算公式為：

特征值被看成是主成分影響力度的指標，特征向量即各主成分的荷載，它的分量值越大，說明主成分更多地反映了對應的指標信息。

主成分的方差貢獻率表示主成分的方差在總樣本方差中的比重。這個值越大，表明主成分攜帶的原始變量的信息量越多，其計算公式為：

累計貢獻率的大小表示前m個主成分累計提取了多少原始信息，其計算公式為：，其中λ表示相關矩陣的特征值。

一般來說，如果該指標達到85%，表明這些主成分包含了全部測量指標所具有的主要信息，這樣既減少了變量的個數，又便于對實際問題的分析和研究。

求解（2）式相關矩陣，可得p個非負的特征值λ1＞λ2＞…＞λp≥0，及對應的特征向量μi（i＝1，2，…，p）。

通過主成分分析，把所選取的指標按4個風險要素（危險性、暴露性、脆弱性和抗旱能力）分組，用層次分析法計算每個指標在對應的4個風險要素中的權重。

2.2 風險評價方法

美國運籌學家Saaty T L于20世紀70年代提出［21］層次分析法（The analytic hierarchy process，AHP），是一種定性與定量相結合的決策分析方法。AHP法首先把問題層次化，然后構造比較判斷矩陣，最后計算各指標權重并檢驗矩陣的一致性。

為了使判斷矩陣定量化，對比兩兩指標間的重要性，采用1～9標度打分，對不同情況的評比給出如表1的數量標度。

表1 不同情況評比的數量標度Table 1 The number of different situations appraisal scale

依據專家意見為兩兩指標對比打分后建立四項風險要素判斷矩陣。使用Excel軟件求解指標權重和檢驗矩陣一致性步驟如下：首先將判斷矩陣的每一行元素相乘，即，其中ɑij是兩兩指標相比的重要度。然后，對Mi開n次方得。其次，將向量W＝（w1，w2，…，wn）－1用公式：歸一化處理，得到各指標的權重。再次，計算判斷矩陣最大特征值，其中。最后，檢驗矩陣一致性。

為了檢驗矩陣一致性，需要計算判斷矩陣的綜合一致性指標（CI）［22］和一致性比例（CR），

以上各式中，i，j分別為判斷矩陣第i行，第j列，n為指標的個數，RI為隨機一致性指標，表2給出了1～10階矩陣與RI的對應關系。當CR＜0.1時，認為判斷矩陣一致性滿足要求。

2.3 指標歸一化

由于風險要素指標間的量綱不同，為了使評價具有統一性和可比性，需要對各指標進行歸一化處理［23］。

當指標xi增大時，該指標反映的風險要素也增大，稱為正向指標，例如多年平均蒸散量等指標。用下式歸一化處理：

式中，xmin，xmax分別為指標xi理論上的最小值和最大值，在計算前確定。

當指標xi增大時，該指標反映的風險要素減小，稱為負向指標，例如有效灌溉面積比等指標。用下式歸一化處理：

表2 隨機一致性指標（RI）Table 2 Value of RIindex

2.4 區域干旱風險評價方法

通過判斷矩陣可以得到指標的權重ωi，將各指標歸一化處理后的值yi與權重ωi相乘相加，得到分項綜合指標X。

式中，X為4個風險要素（危險性、暴露性、脆弱性和抗旱能力）的分項綜合指標。

根據旱災發生機理，農業干旱風險由四項要素構成，其中致災因子的危險性、承災體的暴露性和環境的脆弱性加強了旱災風險，而地區的抗旱能力對旱災發生的機理與前三項要素相反，即降低了旱災風險。于是得出考慮抗旱能力干旱風險綜合指標Y和不考慮抗旱能力干旱風險綜合指標Y*兩種情形。同時在此基礎上乘以100，使綜合指標介于0～100之間。

考慮抗旱能力干旱風險綜合指標：

不考慮抗旱能力干旱風險綜合指標：

式中，H為致災因子的危險性；E為承災體的暴露性；V為環境的脆弱性；RE為地區的抗旱能力。因此可以通過比較不同地區綜合指標的大小，來評價本地區農業干旱風險的高低。

3 結果與分析

3.1 陜西省干旱風險評價指標的確定

3.1.1 主成分分析27個常用指標通過主成分分析得出五大主成分，每個主成分對應的特征值、方差貢獻率和累計貢獻率如表3所示。

表3 主成分特征值及貢獻率Table 3 Principal component characteristic value and contribution

特征值被看成是主成分影響力度的指標，代表引入該主成分后可以解釋平均多少個原始變量的信息。從表3可以看出，第一主成分的特征值是10.418，代表引入第一主成分后可以解釋平均至少10個指標的信息。同理，第二、第三和第四主成分分別可以解釋平均至少7個、4個和2個指標的信息。前四個主成分累計貢獻率為91.80%（大于85%），表明前四個主成分包含了全部測量指標所具有的主要信息。

3.1.2 主成分的特征向量指標在主成分中的特征向量分量值越大，說明主成分更多地反映了該指標的信息，史曉楠［8］在研究新疆節水灌溉分區時，運行主成分分析篩選指標，認為當特征向量分量值大于0.1時能夠較全面地反映指標信息。根據對前四個主成分的特征向量分析，選取特征向量分量值大于0.2的指標。得到反映4個主成分的指標有：耕地面積、總播種面積、糧食作物播種面積、糧食總產在全省所占比重、單位播種面積農業生產總值、耕地面積與土地面積比、糧食作物播種面積與土地面積比、有效灌溉面積比、節水灌溉面積比、普通中學在校人數占常住人口比、糧食作物單位面積產量、多年平均蒸散量、生產總值、人均生產總值、農民人均純收入、地下水資源量、人口密度、干旱指數和多年平均無降水天數。

從主成分分析得出的指標可以看出，該方法過多地采集了耕地面積和播種面積等指標信息，這是由于主成分分析雖然從量上可以完全概括指標的信息，但它是依據數據結構的變差系數大小采集的信息，并不要求各主成分都具有實際意義。有研究表明［9］，空氣中的水分狀況，也影響農作物的光合速率，于是把主成分分析中得出的耕地面積、總播種面積和糧食作物播種面積與土地面積比三個反映土地面積的指標剔除，加入平均相對濕度指標，最終構成陜西省農業干旱風險評價指標體系。

3.2 陜西省農業干旱風險評價

3.2.1 農業干旱風險指標體系把主成分分析得到的結果，根據不同指標歸屬的風險要素，建立陜西省農業干旱風險評價指標體系，詳見圖2。

圖2 陜西省農業干旱風險評價指標體系Fig.2 Evaluation index system of agricultural drought risk in Shannxi

3.2.2 判斷矩陣與一致性檢驗為定量描述陜西省10個地市的農業干旱風險，依據專家意見為兩兩指標對比打分，分別建立4個干旱風險要素的判斷矩陣并檢驗它的一致性。如危險性指標中，干燥度指數是作物潛在蒸散量與降水量的比值，它同時考慮了作物耗水和自然降水兩大因素，所以在危險性風險要素中最重要；而陜西省的關中和陜北屬于干旱半干旱地區，多年平均相對濕度介于65%～75%之間，相差不大，所以在危險性風險要素中最不重要；多年平均蒸散量和多年平均無降水天數的重要性介于最重要和最不重要之間，考慮多年平均蒸散量直接反映農作物需水情況，因此重要性比多年平均無降水天數稍微重要。由這4個指標兩兩相比的重要性，依據表1的數量標度，得出危險性（H）指標判斷矩陣（如表4所示）。

使用云天化葡萄套餐肥的示范田與對照田比較，前期長勢一般，根系發育較好，中后期長勢葡萄裂口基本沒有、受病害影響比較輕。

表4 危險性（H）指標判斷矩陣Table 4 Judgmentmatrix of hazard（H）indicator

為檢驗矩陣一致性，采用（4）式計算一致性比例CR，當CR＜0.1時，認為判斷矩陣一致性滿足要求。危險性指標判斷矩陣一致性比例CR＝0.0253＜0.1，滿足要求。經計算其他三項風險要素判斷矩陣一致性比例CR分別是0.09、0.017和0.0355，均滿足要求，故依據判斷矩陣求得的指標權重結果有效。

3.2.3 指標權重由層次分析法計算得到4個干旱風險要素分項指標權重，表5列出了危險性（H）分項指標權重，可以看出干燥度指數指標權重最大，這是因為干燥度指數結合了降水量和參考作物潛在蒸散量的影響因素，直接反映了作物水分虧缺狀況。

表5 危險性（H）分項指標權重Table 5 Weights of hazard（H）sub-indicators

3.3 指標歸一化

為了使評價具有可比性，將風險要素分項指標進行歸一化處理，危險性（H）分項指標處理結果如表6所示。

表6 陜西省下轄十市農業干旱風險危險性（H）分項指標處理Table 6 Sub-indicators calculation of hazard（H）of agriculture drought risk in the ten cities of Shaanxi

3.4 綜合指標

先將單項指標與其對應權重相乘相加，得到四項風險要素分項綜合指標，再將這四項分項綜合指標按照考慮抗旱能力和不考慮抗旱能力兩種情形，分別用式（8）和式（9）計算得到陜西省農業干旱風險綜合指標，結果如表7所示。

表7 陜西省各市農業干旱風險綜合指標Table 7 Comprehensive indicator of agriculture drought disaster risk in Shaanxi

根據旱災發生機理，四項風險要素中，危險性、暴露性和脆弱性與旱災風險呈正相關，而與抗旱能力呈負相關。分析四項風險要素，可以識別陜西省旱災主要影響因素，從表7可以看出，不同地市，風險要素高低不同。危險性風險要素榆林市最高，漢中市最低；暴露性風險要素渭南市最高，銅川市最低；脆弱性風險要素延安市最高，西安市最低；抗旱能力風險要素西安市最低，商洛市和安康市最高。

為更加直觀地分析陜西省農業干旱風險，采用ArcGIS10.1將表7中干旱風險綜合指標按自然斷點法繪制成圖，得到陜西省農業干旱風險綜合指標區劃圖（圖3和圖4）。

圖3 陜西省農業干旱風險區劃圖（考慮抗旱能力）Fig.3 Distribution of agriculture drought risk indicators in Shaanxi（resistance considered）

當考慮地區的抗旱能力時（圖3），陜西省農業干旱風險從北向南，從東向西呈現遞減趨勢，北部榆林地區和東部渭南、商洛地區農業干旱風險較高，這與劉小艷［24］對陜西省干旱災害風險評估的結果基本一致。結合表7可以發現，榆林市干旱風險較高的原因是危險性風險要素高，這是由于榆林市地處陜西省北部，多年平均降水量低（1956—2000年多年平均降水量為393.9 mm），而蒸發量高（為1 000～1 400mm）；渭南市干旱風險較高，是因為暴露性風險要素高，主要是因為渭南是陜西省糧食主產區之一，糧食播種面積在50萬hm2以上，耕地面積比為0.395，致使承災體與致災因子接觸大，導致暴露性風險要素高。關中中部的咸陽市干旱風險要素也較高，原因是咸陽市的多年平均降水量相對較低（1956—2000年多年平均降水量為574 mm），耕地面積比較大（為0.348），近年來，咸陽市果園面積達到了277 322 hm2，占土地面積的27.07%，成為陜西省果園面積最大的地市。導致了危險性和暴露性風險要素均較高。

圖4 陜西省農業干旱風險區劃圖（不考慮抗旱能力）Fig.4 Distribution of agriculture drought risk indicators in Shaanxi（resistance not considered）

當不考慮地區的抗旱能力時（圖4），陜西省農業干旱風險從北向南亦呈現遞減趨勢。對比圖3和圖4可以看出，商洛市的干旱風險有所降低，這是由于干旱風險和抗旱能力呈負相關關系，說明商洛市的抗旱能力不足，主要是因為商洛市位于陜西省南部，陜南秦巴山區，耕地面積少，人均收入較低，經濟相對較為弱后。

4 討論與結論

4.1 討論

本文運用主成分分析篩選27個干旱評價常用指標，并將篩選出的指標用來評價陜西省農業干旱風險，得出的評價結果與劉小艷［22］對陜西省干旱災害風險評估的結果基本一致；說明通過主成分分析篩選出的指標可以準確評價農業干旱風險，并且大大縮減了評價指標的個數。然而，從主成分分析得出的指標結果可以看出，該方法出現過多的采集相似指標的信息，例如在本文研究中，出現過多采集了耕地面積和播種面積指標的信息。這是由于主成分分析雖然從量上可以完全概括指標的信息，但它是依據數據結構的變差系數大小采集的信息，并不要求各主成分都具有實際意義。因此，在運用此法選取評價指標時，需將主成分分析結果與評價區域實際干旱情況結合考慮。

另外，農業干旱風險評價體系最終結果用干旱綜合指數和分項綜合指數體現，綜合指數大小直接反映了不同地區農業干旱風險的高低；分項綜合指數大小揭示了發生干旱災害的主要影響因素，從機理上解釋了干旱災害的產生，對抗旱減災具有指導作用。例如榆林市的危險性風險要素較高，是因為多年平均降水量小，蒸發量大的原因，那么可以加強氣象水文預報工作，做好旱災前期風險評估。商洛市的暴露性風險要素較高，是因為糧食播種面積相對大，干旱災害可能造成的經濟損失較大，那么需要重視大面積作物的灌溉，保證作物需水量。然而，評價體系中，層次分析法的結果受人為因素影響，使得此方法在使用中受到了限制。因此，在使用過程中，應結合專家對指標重要性的評比和實地考察后，確定指標的權重。

4.2 結論

本文構建了基于主成分分析和AHP相結合的農業干旱風險評價體系，運用主成分分析選取了評價指標；計算了陜西省下轄十市的農業干旱風險綜合指數，得出以下結論：①主成分分析可以合理地選取評價指標，縮減指標個數。②此方法評價陜西省農業干旱風險結果表明，在考慮抗旱能力情況下，陜西省農業干旱風險從北向南，從東向西呈現遞減趨勢，北部榆林地區和東部渭南、商洛地區，農業干旱風險較高。③應用此評價方法，抗旱部門可以識別致災因子，提出相應的抗旱減災方法。

［1］Solomon S，Qin D，Manning M，et al.Contribution ofWGⅠto the IPCCAR4［C］／／IPCC.Climate Change 2007：The Physical Science Basis.Cambridge，United Kingdom and New York，NY，USA：Cambridge University Press，2007.

［2］全國抗旱規劃編制工作組.全國抗旱規劃［R］.北京：中華人民共和國水利部，2010.

［3］雷治平.陜西省農業干旱災害評估及影響因子分析研究［D］.楊凌：西北農林科技大學，2005.

［4］劉璐.陜西省干旱氣象災害易損性分析與區劃［D］.蘭州：蘭州大學，2009.

［5］李莉，匡昭敏，莫建飛，等.基于AHP和GIS的廣西秋旱災害風險等級評估［J］.農業工程學報，2013，29（19）：193-201.

［6］賈建英，賀楠，韓蘭英，等.基于自然災害風險理論和ArcGIS的西南地區玉米干旱風險分析［J］.農業工程學報，2015，31（4）：152-159.

［7］張寶慶.黃土高原干旱時空變異及雨水資源潛力研究［D］.楊凌：西北農林科技大學，2014.

［8］史曉楠.新疆節水灌溉分區與工程優化設計［D］.西安：西安理工大學，2006.

［9］吳景社，康紹忠，王景雷，等.基于主成分分析和模糊聚類方法的全國節水灌溉分區研究［J］.農業工程學報，2004，20（4）：64-68.

［10］何斌，武建軍，呂愛鋒.農業干旱風險研究進展［J］.地理科學進展，2010，29（5）：557-564.

［11］秦越，徐翔宇，許凱，等.農業干旱災害風險模糊評價體系及其應用［J］.農業工程學報，2013，29（10）：83-91.

［12］關帥朋，趙先貴，梁娜.陜西省農業水資源安全閾值研究［J］.干旱地區農業研究，2008，26（6）：241-245.

［13］吳迪.基于多情景分層疊加的黃河流域農業干旱風險評估與區劃研究［D］.北京：中國水利水電科學研究院，2013.

［14］Undro.Mitigating natural disasters，phenomena，effectsand options.A manual for policymakers and planners［M］.New York，UNDRO，1991.

［15］Meckler R.Natural Disaster Risk Managementand Financing Disaster Losses in Developing Countries［M］.Karlsruhe：Verlag Versicherungswirtschaft GmbH，2004.

［16］孫仲益，張繼權，王春乙，等.基于網格GIS的安徽省旱澇組合風險區劃［J］.災害學，2013，28（1）：74-87.

［17］陜西省統計局，國家統計局陜西調查總隊.陜西統計年鑒［M］.北京：中國統計出版社，1994—2013.

［19］陜西省水利廳.2013年水資源公報［EB／OL］.（2014－12－15）［2015－08－24］.http：／／www.sxm－wr.gov.cn／fw－zxfw－szyb－1－160－175

［20］張文彤，董偉.spss統計分析高級教程［M］.（第二版）北京：高等教育出版社，2012：213-215.

［21］Saaty T L.The Analytic Hierachy Process［M］.New York：McGraw Hill，1980.

［22］彭錕，強茂山.模糊層次分析法在Duber Khwar項目風險評價和投標決策中的應用研究［J］.水力發電學報，2004，23（3）：44-50.

［23］邵薇薇，楊大文.水貧乏指數的概念及其在中國主要流域的初步應用［J］.水利學報，2007，38（7）：866-872.

［24］劉小艷.陜西省干旱災害風險評估及區劃［D］.西安：陜西師范大學，2010.

Agricultural drought risk assessment in Shaanxi province using principal component analysis and AHP

HE Bin1，WANGQuan-jiu1，WU Di2，SU Li-jun1，SHAN Yu-yang1
（1.Institute ofWɑter Resourcesɑnd Hydro-electric Engineering，Stɑte Key Lɑborɑtory Bɑse of Eco-hydrɑulic Engineering in Arid Areɑ，Xi’ɑn University of Technology，Xi’ɑn，Shɑɑnxi 710048，Chinɑ；2.ChinɑIrrigɑtionɑnd Drɑinɑge Development Center，Beijing 100044，Chinɑ）

Agricultural drought disastermechanism is complex，and its evaluation index is numerous.With the aim of developing reasonable evaluation index and evaluation of drought risk，this study took Shaanxiprovince as the research object，based on principal component analysis and AHPwith the combination of agricultural drought risk assessment index system and evaluationmethod.The results showed that under the condition of considering regional drought resistance ability，drought risk showed a decreasing trend from north to south and from east towest of Shaanxi.For Yulin region of northern and easternWeinan，Shangluo prefecture，agricultural drought risk ishigher.By combining principal component analysis and AHP evaluation system，we can select evaluation index，reduce index number，and accurately assess the drought risk.

agricultural drought；risk assessment；principal componentanalysis；analytic hierarchy process（AHP）；Shaanxi province

S423

：A

1000-7601（2017）01-0219-09

10.7606／j.issn.1000-7601.2017.01.33

2016-01-11

國家自然科學基金（51239009；51409212；51409213）；陜西省水利科技計劃項目“陜西省農業干旱風險評估與區劃研究”（2014slkj－1010）

何斌（1990—），男，江西撫州人，碩士研究生，主要從事農業干旱風險評估與區劃研究。E-mail：415001193＠qq.com。

王全九（1964—），男，內蒙古豐鎮人，教授，博士生導師，主要研究方向為土壤物理與溶質運移。E-mail：wquanjiu＠163.com。