基于減產概率的遼寧水稻災害風險區劃

韓語軒,房世波,梁瀚月,周 莉,周廣勝

1 中國氣象科學研究院, 北京 100081 2 遼寧師范大學城市與環境學院, 大連 116000

基于減產概率的遼寧水稻災害風險區劃

韓語軒1,2,房世波1,*,梁瀚月1,周 莉1,周廣勝1

1 中國氣象科學研究院, 北京 100081 2 遼寧師范大學城市與環境學院, 大連 116000

關于災害風險評價的危險性研究多考慮某一種或者多種災害的出現概率,由于多數災害指標難以與作物產量直接相關,常常出現有災無害現象,難以正確評價災害風險；依據產量變異的風險研究多從產量變異出發,但對不同減產程度的風險評價研究較少。以遼寧水稻減產風險為例,分析了遼寧省水稻歉年減產率、災年減產率變異系數及5%和10%兩種減產率等級風險概率的空間分布特征。采用 K-平均聚類算法將遼寧省水稻產量災害風險劃分為高、較高、中、低4類風險區。結果顯示：水稻單產歉年減產率的分布總體呈中部、東部低,向東北西南增高的趨勢。水稻單產的災年減產率變異系數具有西北—東南方向條帶狀分布特點,中部、東部最小,整體上呈向西南、東北方向遞增的趨勢。減產率大于5%和10%的風險概率的低值區主要分布于遼寧中部,中值區主要分布于中部、北部、東南,高值區主要分布于東北、西部、南部,整體呈中間低,四周高的特點。遼寧省水稻產量災害的不同等級風險區域呈整體上分散,小面積連片的特點。遼寧西部、東北部為高風險區,中南部地區為較高風險區,而遼寧中部、東南部為中、低風險區。探討了各地區的地形氣候特征與水稻減產的關系,給出了針對不同區域水稻產量災損的防御措施。

水稻；風險評價指標；風險區劃；減產率

水稻是我國重要的糧食作物之一,種植面積占糧食作物總面積的30%,產量占糧食總產量的 40%以上[1]。遼寧省作為中國重要的水稻產區和商品水稻生產基地,水稻產量的豐歉與本區乃至中國糧食安全密切相關[2]。近年來,全球氣象災害發生的頻率和強度呈增加、增強趨勢,由不利氣象因素引起的農產品產量下降、品質降低的農業損失事件時有發生。1979—2008年期間中國主要作物的受災比例呈逐年增加趨勢[3],因氣象災害所造成的農業損失占國民生產總值的3%—6%[4-6]。因此,建立適合遼寧省的農業氣象災害風險評價體系與方法,開展遼寧地區水稻風險評估及其空間分布規律研究,在規避遼寧省水稻生產風險,為農業保險提供技術支撐方面具有重要的現實意義。

當前,關于風險研究大多根據農業氣象災害的危險性、敏感性以及抗災能力等進行綜合風險評價[7-13],由于方法不同或者3因素權重不同,得到的結果差異很大[14]。現有危險性研究多考慮某一種或者多種災害出現的風險概率[15- 19],由于多數災害的評價指標難以與作物產量有直接聯系,即常常出現有災無害的現象,像2008—2009年和2010—2011年連續2年的華北嚴重的冬春連旱并未導致當年小麥減產[20]；輕度寒害只使云南省香蕉的抽蕾期和掛果期后延,而并未對產量造成影響[21],而適度的低溫還會增強香蕉幼苗的抗冷性[22]。所以,單純依據災害指標難以準確反映減產風險。而依據產量變異的風險研究多從產量變異出發[23- 25],很少對不同減產程度下的風險進行評價[26]。本研究擬根據遼寧省47個縣(市)1980—2011年的水稻單產歉年、災年的平均減產率、減產率變異系數,并結合5%和10%兩種減產率等級下的風險概率,從水稻產量及不同減產程度的風險出現概率評價風險,并利用 K-平均聚類算法進行分類和風險區劃。

1 材料與方法

1.1 數據資料

遼寧省47個縣(市)1980—2011年水稻產量與播種面積資料,數據來自中國氣象局信息中心。

1.2 氣象產量分離

農作物的最終產量是在各種自然和非自然因素的綜合影響下形成的。根據影響因素的性質和時間尺度可以將影響作物最終產量因素劃分為農業技術措施、氣象條件和隨機“噪聲”三大類[26- 27],即：

Y=Yt+Yw+ΔY

(1)

式中,Y為糧食單產,Yt是反映一定歷史時期社會生產力發展水平的趨勢產量,Yw為氣候產量,ΔY為隨機“噪聲”,它所占比例很少,在實際計算中常被忽略不計。因此,式(1)可簡化為：

Y=Yt+Yw

(2)

本研究采用直線滑動平均法對趨勢產量進行模擬[28]。設某階段的線性趨勢方程為：

Yi(t)=ai+bit

(3)

式中,方程個數i=n-K+1；n為樣本序列個數；K為時間步長,為了消除短周期波動的影響,滑動步長k取11；t為時間序號。計算每個方程在t點上的函數值Yi(t),這樣每個t點上分別有q個函數值,q的多少與n有關。當K≤n/2,則q=1,2,3,…,K,…,K,…,3,2,1；q連續為K的個數等于n-2(K-1)。當K>n/2,則q=1,2,3,…,n-K+1,…,n-K+1,…,3,2,1；q連續為n-K+1的個數等于2K-n。然后,再求出每個t點上q個函數的均值：

(4)

Yw=YYt

(5)

由(5)式進一步得到相對氣象產量：

x=Yw/Yt

(6)

1.3 氣象產量分布正態檢驗和正態化處理

因影響作物產量的氣象因子具有正態分布的特點,所以認為消除了生產力水平影響的相對氣象產量序列應符合正態分布。采用偏度-峰度檢驗法對所需研究資料進行正態檢驗[28]。理論上,正態分布的偏度：

(7)

正態分布的峰度：

(8)

經檢驗,研究區域有42個站點的減產率通過α=0.01 水平的正態性檢驗,占總研究站的89%,表明遼寧省水稻減產率基本服從正態分布。各研究站點峰度偏度值如表1所示,對于不符合正態分布的個別站點數據進行偏態分布正態化處理[29]。

1.4 風險評價指標

按歉年和災年兩種年型,選取減產率、減產率變異系數、不同減產風險的概率3種指標對遼寧水稻減產風險進行評價。并將歉年定義為相對氣象產量小于零的年份,即歉收年份；災年定義為相對氣象產量小于5%(減產率大于5%)的年份。

1.4.1 歉年減產率指標

相對氣象產量是一個相對值,表明實際糧食單產偏離趨勢產量的程度。當實際產量低于趨勢產量,即相對氣象產量為負值時為減產,實際單產低于趨勢產量的百分率稱為“減產率”[30]。對于某一相對氣象產量{xi},定義xi=0.0%為豐歉臨界值,xi<0.0%的年份為歉收年份；xi=5.0%為成災臨界值,xi<-5.0%的年份為成災年份[26],則平均減產率為：

(9)

式中,xi和n分別為不同年型對應的相對產量序列和年數。當n為歉收年份的年數時,得到歉年平均減產率,當n為成災年份時,得到災年平均減產率。本研究采用歉年平均減產率結合其他因子進行風險區劃。

表1 研究站點相對氣象產量正態性檢驗偏度-峰度值

注：**表示通過α=0.01 水平的正態檢驗

1.4.2 災年減產率變異系數

減產率變異系數是反映某地區水稻產量是否穩定的指標,用減產率的幅度偏離其平均值的程度來表示,其值越大代表產量的年際波動越大,產量越不穩定。本研究采用災年(減產率大于5%)減產率變異系數結合其他因子進行風險區劃。

(10)

1.4.3 不同減產風險的概率指標

風險概率指標是指根據分布函數曲線計算的糧食單產不同增產率和減產率出現的概率。本研究采用年減產率≥10%的風險概率結合其他因子進行風險區劃,風險概率正態分布函數為：

(11)

則隨機變量x在區間(x1,x2)內發生的概率為：

(12)

1.5 風險區劃方法

K-平均聚類算法是動態聚類方法的一種,其基礎是誤差平方和準則[31]。動態聚類方法通過選定某一距離量度作為樣本之間的相似度量度確定準則函數,然后給定某個初始分類,用迭代算法找出使準則函數取極值的最好聚類結果[32]。

本研究以遼寧省47個縣(市)為樣本集,每個樣本選取：歉年平均減產率、災年(減產率大于5%)減產率變異系數和年減產率≥10%的風險概率3個指標,作為評價水稻單產減產的風險要素,采用K-平均聚類算法將遼寧省分為低、中、較高、高四類水稻單產減產風險區[26]。

2 結果與分析

2.1 水稻單產風險指標的分布規律

2.1.1 水稻單產歉年減產率的分布

根據統計得到遼寧省47個縣(市)水稻單產的歉年平均減產率的結果,按減產率的高低分為3個級別(表2,圖1)：低值區(4.6%—8.99%)、中值區(8.99%—13.12%)、高值區(13.12%—17.51%)。低值區的縣(市)有13個,中值區縣(市)有17個和高值區的縣(市)有17個。其中低值區主要分布于遼寧中部,中值區主要分布在遼寧中部、東北和東南地區,高值區主要分布于遼寧西部、東北部及南部,總體呈中部、東部低,向東北西南增高的趨勢。由于水稻單產災年減產率不是研究的風險區劃因子,故略去。

表2 水稻單產歉年平均減產率的分布

圖1 水稻單產歉年平均減產率的分布Fig.1 Distribution of average reduction rate of rice yield per unit in lean years

2.1.2 水稻單產災年減產率變異系數的分布

根據統計得到遼寧省47個縣(市)水稻單產的災年減產率變異系數的結果,按減產率變異系數的高低分為3個級別(表3,圖2)：低值區(0.251—0.471)、中值區(0.806—0.966)、高值區(0.603—0.965)。低值區的縣(市)有12個,中值區的縣(市)有16個、高值區的縣(市)有19個。其中低值區主要分布于遼寧中部、東部,中值區主要分布于遼寧中部、北部和東南部,高值區主要分布于西部、中南部和東北部。水稻單產的災年減產率變異系數具有西北—東南方向條帶狀分布特點,中部、東部變異系數最小,整體向西南、東北方向遞增的趨勢。此外,災年平均減產率和災年減產率變異系數的大小的分布并不一致甚至相反,例如丹東、桓仁、沈陽等地區的平均減產率較大而變異系數則較小,而康平、普蘭店、清原等地的平均減產率較小而變異系數較大。由于水稻單產歉年減產率變異系數不是研究的風險區劃因子,故略去。

表3 水稻單產災年減產率變異系數的分布

2.1.3水稻單產減產率≥5%的風險概率分布

根據統計得到遼寧省47個縣(市)水稻單產的減產率大于5%的風險概率結果,按風險概率的高低分為3個級別(表4,圖3)：低值區(22.2%—29.03%)、中值區(29.03%—35.86%)、高值區(35.86%—42.7%)。低值區的縣(市)有3個,中值區的縣(市)有19個、高值區的縣(市)有25個。其中低值區主要分布于遼寧中部,中值區主要分布于中部、北部、東南,高值區主要分布于東北、西部、南部,整體呈中間低,四周高的特點。從個級別的地區個數來看,遼寧絕大部分地區水稻單產減產率大于5%的風險概率都處于較高水平,且災年減產率大的地區發生減產的概率也大。

2.1.4水稻單產減產率≥10%的風險概率分布

根據統計得到遼寧省47個縣(市)水稻單產的減產率大于10%的風險概率結果,按風險概率的高低分為三個級別(表5,圖4)：低值區(5.4%—14.71%)、中值區(14.71%—24%)、高值區(24.11%—33.3%)。低值區的縣(市)有4個,中值區的縣(市)有21個、高值區的縣(市)有22個。其中低值區主要分布于遼寧中部及北部個別地區,中值區主要分布于西部以外的其他地區,高值區主要分布于東北、西部及南部等邊緣地區,總體分布情況與災年風險概率相似。

圖2 水稻單產災年減產率變異系數的分布Fig.2 Distribution of variation coefficient of rice yield per unit in disaster years

區號Partitionnumber級別Level風險概率/%Probability分布的地區個數Thenumberofdistributedareas地區名AreanameⅠ低值區22.2—29.033鞍山、大洼、遼陽Ⅱ中值區29.03—35.8619北鎮、本溪、本溪縣、丹東、燈塔、東港、撫順、撫順縣、開原、康平、寬甸、遼中、凌海、盤山、清原、沈陽、鐵嶺、彰武、莊河Ⅲ高值區35.86—42.725北票、昌圖、金州、大石橋、法庫、鳳城、阜新縣、蓋州、海城、黑山、桓仁、建平、遼陽縣、普蘭店、綏中、臺安、調兵山、鐵嶺縣、瓦房店、西豐、新賓、新民、興城、岫巖、營口

圖3 水稻單產減產率≥5%的風險概率Fig.3 The probability of more than 5% reduction rate of rice yield per unit

區號Partitionnumber級別Level風險概率/%Probability/%分布的地區個數Thenumberofdistributedareas地區名AreanameⅠ低值區5.4%—14.71%4鞍山、大洼、遼陽、鐵嶺Ⅱ中值區14.71%—24.11%21北鎮、本溪、本溪縣、丹東、燈塔、東港、撫順、撫順縣、開原、康平、寬甸、遼中、凌海、盤山、清原、沈陽、西豐、新民、岫巖、彰武、莊河Ⅲ高值區24.11%—33.3%22北票、昌圖、金州、大石橋、法庫、鳳城、阜新縣、蓋州、海城、黑山、桓仁、建平、遼陽縣、普蘭店、綏中、臺安、調兵山、鐵嶺縣、瓦房店、新賓、興城、營口

圖4 水稻單產減產率≥10%的風險概率Fig.4 The probability of more than 10% reduction rate of rice yield per unit

2.2 遼寧水稻產量的災害風險區劃

選取歉年平均減產率、災年減產率變異系數和年減產率≥10%的風險概率3個指標作為評價水稻單產減產的風險要素。采用K-平均聚類算法將遼寧省分為低、中、較高、高4類水稻單產減產風險區,每類風險區劃分標準及分布情況見表6和圖5。

表6 遼寧水稻單產減產風險分區指標

圖5 遼寧省水稻產量災害風險區劃Fig.5 Risk regionalization of rice yield in Liaoning

可以看出(圖5),遼寧省水稻單產減產風險區劃可以看出,遼寧省水稻單產減產風險區呈整體分散,小面積聚集連片的特點。遼寧省西部和東北地區為水稻減產高風險區,遼寧中南部地區為水稻減產較高風險區,而中、低風險區主要分布在遼寧中部、東南部。

3 討論

3.1 遼寧水稻產量風險區劃合理性分析

本研究表明,遼寧省水稻產量災害風險的高風險區主要集中在遼寧西部、東北部,較高風險區主要位于遼寧中南部地區,風險區劃結果與近期氣候變化、農業氣象災害分布的研究成果相吻合。

自建國以來,遼寧省平均每1.24年發生一次旱災,其中70%為春旱,尤其是遼西的錦州、朝陽、阜新等地素有“十春九旱”之說[33]。遼西地區處在北半球中緯度地帶,為溫帶大陸性季風氣候,屬于亞干旱氣候區,高空盛行西風。從西或西北方向來的干冷空氣占據該區上空,阻擋了南來的暖溫空氣,對降水產生的過程極為不利[34]。水稻播種的關鍵季節是四到五月,此期間遼西地區降水量少,30%—40%的年份不能滿足農作物出苗、育苗需要,春旱經常發生,抗春旱、保全苗是這一地區農業保產量,奪豐收的重點[35]。

屬于較高風險區的遼寧中南部地區,雖在干旱強度上不及遼西地區,卻是遼寧受東北地區降水量變化影響最為明顯的區域[36]。降水資源的減少和格局的變化不僅使該地區可利用的降水資源嚴重匱乏,還引起旱澇交替頻繁,極端降水事件頻發。如大連、錦州、營口等沿海地區已出現地下水采補失調,海水大面積倒灌,中南部地區旱澇交替的異常現象,都在不同程度增加了當地糧食生產的不穩定性和減產風險[37],使該地成為糧食生產風險較高區。近年來,遼中南地區經常發生伏旱,降水總量少,高溫持續時間長,受災面積大[33]。伏旱往往發生在該地區水稻的分蘗期、孕穗期、抽穗期,水分不足影響到水稻分蘗、穎花發育,造成水稻減產。

因此針對水稻生產區干旱,可以采取以下措施：(1)表層松土,提高土壤水的入滲能力和蓄水保水能力；(2)推廣節水灌溉,采取地膜、秸稈覆蓋技術,減少地面水分的蒸發；(3)使用干旱抑制劑或保水劑,提高土壤的保水保肥能力；(4)開源節流,提前蓄水。可以在適合的地方修建方塘,攔河截潛,合理蓄積雨水洪水,以備旱時使用；(5)在水稻品種的選擇上,應盡量選擇耐旱、生長期短的品種,對播種期進行調整。

在氣候向暖干化發展的同時,夏季低溫冷害的影響仍不能忽視,水稻低溫冷害在今后相當長的時期內,仍然是遼寧地區主要農業氣象災害之一[38]。由于地處我國較高緯度地區,受地形地勢等因素的影響,遼寧東部山區的活動積溫明顯小于同緯度的平原地區,持續低溫指數在遼寧東北部最高,與水稻產量呈明顯的負相關關系,是該區水稻減產的主要原因[39]。其中延遲型冷害主要發生在遼寧省北部和東部山區,因其發生在水稻作物營養生長階段而引起水稻生育延遲,導致晚期不能正常成熟而歉收。而障礙型冷害多發生在遼寧西部山區,因其發生在水稻生殖生長階段,造成水稻不能健全發育,形成空殼秕粒而減產[40]。為了減輕水稻低溫冷害的影響,可以采取以下措施：(1)在水稻品種的選擇上,選取耐冷害品種,調整種植結構,減少偏晚熟品種的種植比例；(2)在耕作方面采用地膜覆蓋、煙熏等保暖措施,減輕低溫冷害對水稻的影響；(3)采取提前灌水,深水護胎灌溉,使穗分化部分免受低溫危害。

通過對各地區局地氣候和氣象災害的分析可以看出,遼寧省氣候變化明顯、氣象災害嚴重的區域與研究高風險區相吻合,氣候變化趨勢和局地氣候可以很好的解釋水稻的減產風險。而位于水稻產量災害風險中、低風險區的遼寧中部和東部地區,處于農業氣象災害的相對低發區,光熱條件適中,降雨充沛[41],與風險較高值的地區相比更有利于作物的生長,證實本研究風險區域的劃分與實際情況相符。本研究結果與已有相關研究結論基本相符的同時也存在一定程度上的差異。如李鳳新[42]、江和文等[43]對遼寧水稻災損的區劃研究將撫順、鐵嶺及錦州地區劃為高風險區,鞍山、營口、盤錦等地列為低風險區,這與本研究結果大體相同,但在各地區風險值大小的排序上存在差異。研究結果的差異主要與指標的選取和計算方法、選取的數據年代及研究范圍尺度的不同有關。此外,氣候變化具有年際間起伏、漸變和突變的特點,區域性和季節性變化明顯[44],因此對于分析地形等小氣候對產量的影響還需要進一步深入研究。

3.2 水稻產量風險區劃可為農業保險研究提供參考

農業災害保險是減災對策中對抗農業風險的極好方式,起到風險損失分攤的作用,使受災保戶具有對抗農業風險的能力[26]。研究農業保險首先要進行農業保險區劃,作為農業災害保險技術的重要內容和依據,保險區劃需要建立在作物減產頻率和危險程度的研究上[45]。在保險費率的制定上,運用歷史產量數據構建產量風險模型來計算保險費率是農業保險理論研究和業務應用中普遍采用的方法,即通過研究當地趨勢產量和實際產量的關系,對農業減產率進行分析來厘定了各分布假設下各農場的純費率[46]。由此可見,農業保險的發展需要大量農業產量災害風險研究作為支撐,兩者具有很高的關聯性。以本研究為例,通過分析全省各縣市水稻平均減產率及波動程度(變異系數)以及不同減產率下的風險概率,可以得到各地區不同分布假設下的保險費率。而水稻單產災害風險區劃的結果與氣候變化、農業氣象災害分布的相吻合,滿足農業保險區劃與產量形成的主要災害區域相似的原則,能夠為遼寧水稻災害保險區劃提供參考。

4 結論

本研究基于遼寧省47個縣(市)1980—2011年的水稻單產歉年、災年的平均減產率、減產率變異系數,并結合5%和10%兩種減產率等級下的風險概率,從水稻產量及不同減產程度的風險出現概率對水稻產量風險進行評價與區劃。主要結論有：

(1)歉年平均減產率的低值區主要分布于遼寧中部,中值區主要分布在遼寧中部、東北和東南地區,高值區主要分布于遼寧西部及周邊地區,整體上呈中間低、四周高的特點。

(2)水稻單產的災年減產率變異系數分布在低值和中值區有所差異,而高值區都分布于西部、中南部和東北部。且減產率變異系數與平均減產率分布并不一致,減產率變異系數高的地區多是平均減產率低的地區。

(3)減產率大于5%和10%的風險概率其中低值區主要分布于遼寧中部,中值區主要分布于中部、北部、東南,高值區主要分布于東北、西部、南部,整體呈中間低,四周高的特點。

(4)遼寧省水稻產量災害風險區劃上將遼寧劃分為低、中、較高、高4個風險區,不同等級風險區域呈整體上分散,小面積連片的特點。遼寧西部、東北部為高風險區,中南部地區為較高風險區,而遼寧中部、東南部為中、低風險區。區劃結果與遼寧省氣候變化趨勢、氣象災害分布相吻合,可以很好的解釋水稻產量的減產風險。可為遼寧水稻災害保險研究提供參考。

[1] 王健. 東北地區粳稻低溫冷害風險評估[D]. 北京: 中國農業科學院, 2013.

[2] 王晾晾, 楊曉強, 李帥, 朱海霞, 王萍, 紀仰慧, 姜麗霞. 東北地區水稻霜凍災害風險評估與區劃. 氣象與環境學報, 2012, 28(5): 40- 45.

[3] 房世波, 陽晶晶, 周廣勝. 30年來我國農業氣象災害變化趨勢和分布特征. 自然災害學報, 2011, 20(5): 69- 73.

[4] 房世波, 韓國軍, 張新時, 周廣勝. 氣候變化對農業生產的影響及其適應. 氣象科技進展, 2011, 1(2): 15- 19.

[5] 翟盤茂, 王萃萃, 李威. 極端降水事件變化的觀測研究. 氣候變化研究進展, 2007, 3(3): 144- 148.

[6] 丁一匯, 張錦, 宋亞芳. 天氣和氣候極端事件的變化及其與全球變暖的聯系——紀念2002年世界氣象日“減低對天氣和氣候極端事件的脆弱性”. 氣象, 2002, 28(3): 3- 7.

[7] 張繼權, 嚴登華, 王春乙, 劉興朋, 佟志軍. 遼西北地區農業干旱災害風險評價與風險區劃研究. 防災減災工程學報, 2012, 32(3): 300- 306.

[8] 李帥, 王晾晾, 陳莉, 姜麗霞, 張洪杰, 覃雪. 黑龍江省玉米低溫冷害風險綜合評估模型研究. 自然資源學報, 2013, 28(4): 635- 645.

[9] 李曉, 何鵬, 林正雨, 杜興端, 蔡臣. 農業干旱災害風險評價與風險區劃研究——以川南地區為例. 農業技術經濟, 2014, (9): 116- 121.

[10] Zhang D, Wang G L, Zhou H C. Assessment on Agricultural Drought Risk Based on Variable Fuzzy Sets Model. Chinese Geographical Science, 2011, 21(2): 167- 175.

[11] 高曉容. 東北地區玉米主要氣象災害風險評估研究[D]. 南京: 南京信息工程大學, 2012.

[12] 蔡菁菁. 東北地區玉米干旱、冷害風險評價[D]. 北京: 中國氣象科學研究院, 2013.

[13] Adger WN. Vulnerability. Glob Environ Change, 2006, 16: 268- 281.

[14] 張星, 張春桂, 吳菊薪. 農業氣象災害綜合評價中權重確定方法的研究. 中國農學通報, 2008, 24(11): 448- 452.

[15] 陳懷亮, 鄧偉, 張雪芬, 鄒春輝. 河南小麥生產農業氣象災害風險分析及區劃. 自然災害學報, 2006, 15(1): 135- 143.

[16] 蔡菁菁, 王春乙, 張繼權. 東北地區玉米不同生長階段干旱冷害危險性評價. 氣象學報, 2013, 71(5): 976- 986.

[17] 林曉梅, 岳耀杰, 蘇筠. 我國冬小麥霜凍災害致災因子危險度評價——基于作物生育階段氣象指標. 災害學, 2009, 24(4): 45- 50.

[18] Sonmez F K, Komuscu A U, Erkan A, Turgu. An Analysis of Spatial and Temporal Dimension of Drought Vulnerability in Turkey Using the Standardized Precipitation Index. Natural Hazards,2005, 35(2):243- 264.

[19] Hao L, Zhang X Y, Liu S D. Risk assessment to China′s agricultural drought disaster in county unit. Nat Hazards, 2012, 61(2):785-801.

[20] 房世波, 齊月, 韓國軍, 周廣勝, Cammarano D. 1961—2010年中國主要麥區冬春氣象干旱趨勢及其可能影響. 中國農業科學, 2014, 47(9): 1754- 1763.

[21] 林貴美, 李小泉, 江文, 李賢高, 張進忠. 2011年云南省香蕉寒害調查. 中國熱帶農業, 2011, (6): 50- 52.

[22] 林善枝, 陳曉敏, 蔡世英, 周倩蘋. 低溫鍛煉對香蕉幼苗能量代謝和抗冷性效應的研究. 熱帶作物學報, 2001, 22(2): 17- 22.

[23] 何秀麗, 張平宇, 劉文新. 東北地區糧食單產的時序變化及影響因素分析. 農業現代化研究, 2006, 27(5): 360- 363.

[24] 王雨, 楊修. 黑龍江省水稻氣象災害損失評估. 中國農業氣象, 2007, 28(4): 457- 459.

[25] 曹杰, 周兆基, 崔海榮. 徐州市農業氣象災害風險評估及區劃//中國環境科學學會. 中國環境科學學會2012學術年會論文集. 北京: 中國環境科學學會, 2012: 924- 930.

[26] 李世奎. 中國農業災害風險評價與對策. 北京: 氣象出版社, 1999.

[27] 房世波. 分離趨勢產量和氣候產量的方法探討. 自然災害學報, 2011, 20(6): 13- 18.

[28] 薛昌穎, 霍治國, 李世奎, 葉彩玲. 華北北部冬小麥干旱和產量災損的風險評估. 自然災害學報, 2003, 12(1): 131- 139.

[29] 秦建侯, 鄧勃, 王小芹. 分析測試數據統計處理中計算機的應用. 北京: 化學工業出版社, 1990.

[30] 王素艷, 霍治國, 李世奎, 盧志光, 薛昌穎. 北方冬小麥干旱災損風險區劃. 作物學報, 2005, 31(3): 267- 274.

[31] 陳平生. K-means和ISODATA聚類算法的比較研究. 江西理工大學學報, 2012, 33(1): 78- 82.

[32] 邊肇祺, 張學工. 模式識別(第二版). 北京: 清華大學出版社, 2000.

[33] 蔣偉. 全球變化背景下遼寧省自然災害發展趨勢[D]. 大連: 遼寧師范大學, 2007.

[34] 王洪巖, 宗英飛, 張國林. 遼寧朝陽干旱成因及防御措施. 安徽農業科學, 2006, 34(10): 2230- 2232.

[35] 黃玉貞, 張玉龍, 王芳. 阜新地區干旱發生規律研究. 氣象與環境學報, 2010, 26(2): 45- 49.

[36] 趙秀蘭. 近50年中國東北地區氣候變化對農業的影響. 東北農業大學學報, 2010, 41(9): 144- 149.

[37] 吳海燕, 孫甜田, 范作偉, 趙蘭坡. 東北地區主要糧食作物對氣候變化的響應及其產量效應. 農業資源與環境學報, 2014, 31(4): 299- 307.

[38] 馬樹慶, 王琪, 王春乙, 霍治國. 東北地區水稻冷害氣候風險度和經濟脆弱度及其分區研究. 地理研究, 2011, 30(5): 931- 938.

[39] 王艷華, 任傳友, 韓亞東, 張菁, 張文忠, 黃瑞冬. 東北地區活動積溫和極端持續低溫的時空分布特征及其對糧食產量的影響. 農業環境科學學報, 2011, 30(9): 1742- 1748.

[40] 張鑫. 遼寧省自然災害的第四紀環境背景研究[D]. 大連: 遼寧師范大學, 2005.

[41] 孫鳳華, 楊素英, 陳鵬獅. 東北地區近44年的氣候暖干化趨勢分析及可能影響. 生態學雜志, 2005, 24(7): 751- 755, 762- 762.

[42] 李鳳新. 遼寧省水稻產量災損風險評估及對策. 沈陽師范大學學報: 自然科學版, 2012, 30(3): 414- 418.

[43] 江和文, 張錄軍, 曹士民, 郭婷婷, 廖晶晶, 張麗敏. 遼寧省主要糧食作物產量災損風險評估. 干旱地區農業研究, 2011, 29(4): 238- 244.

[44] 王紹武, 葉瑾琳, 龔道溢, 朱錦紅, 姚檀棟. 近百年中國年氣溫序列的建立. 應用氣象學報, 1998, 9(4): 392- 401.

[45] 任義方. 農業氣象指數保險方法研究——以河南冬小麥干旱為例[D]. 北京: 中國氣象科學研究, 2011.

[46] 李思佳. 基于災害風險分析的農業氣象指數保險研究[D]. 南京: 南京信息工程大學, 2013.

DisasterriskregionalizationofricebasedonitsreductionprobabilityinLiaoningProvince

HAN Yuxuan1,2,FANG Shibo1,*, LIANG Hanyue1, ZHOU Li1, ZHOU Guangsheng1

1InstituteofEco-environmentandAgro-meteorology,ChineseAcademyofMeteorologicalSciences,Beijing100081,China2SchoolofUrbanandenvironment,LiaoningNormalUniversity,Dalian116000,China

Normally, research concerning disaster risk evaluation is based on the occurrence probability of one or more disasters. There is little direct association between most disaster risk evaluation indexes and crop production. It is a common phenomenon for disaster to occur with little harm to crops, and this makes it difficult to evaluate disaster risk. Most research on the risk of production variation is simply from the perspective of production variables. Rarely is research conducted that evaluates the risk of different degrees of production reduction. Using the risk of rice yield reduction in Liaoning Province as an example, we adopt a linear sliding average method to calculate meteorological yield. Through the discrimination of normal distribution and the normalization of skewed distributions, this method provides the reduction rate in lean years, a variation coefficient in disaster years, and the spatial distribution law of risk probability in Liaoning Province at 5% and 10% reduction rate. Integrating risk evaluation indexes, we also processed the regionalization of rice yield disaster risk in Liaoning Province using K-Means, which divided Liaoning Province into low, moderate, less high, and high risk areas. The results showed that the reduction rate of rice yield per unit in lean years was between 4.6% and 17.51%. Overall, this was lower in the central and eastern areas and higher in the northeast and southwest. The variation coefficient for rice yield per unit in disaster years was between 0.251 and 0.965. There was a zonal distribution along the northwest to southeast direction, being least in the central and eastern areas, and increasing in the southwest and northeast. The regionalization of rice yield disaster risk was similar when the reduction rate was greater than 5% or 10%. One of the probability ranges was between 22.2% and 42.7% and the other was between 5.4% and 33.3%. These values were low in the central area, and higher in other areas. The different risk areas were scattered overall and only contiguous in a small area. There were 13 areas with high risk, which were distributed in the west and northeast of Liaoning Province. The number of areas with less high risk was 15, and these areas were mainly in south central Liaoning Province. There were 15 and four moderate and low risk areas, respectively, which were mainly distributed in central and southeastern Liaoning Province. Finally, we analyzed the relationships between rice yield reduction and climatic characteristics in all regions in Liaoning Province, and discussed solutions in terms of disaster prevention and reduction. For drought disasters, we could adopt methods to reduce losses, such as loosing fill in the surface soil, promoting water saving irrigation, applying mulch and straw covering techniques, using drought inhibitors or water retaining agents, increasing income and reducing expenditures, impounding in advance, and choosing drought-tolerant species. For rice chilling damage, possible solutions are choosing cold-tolerant species, using warmth-retaining measures such as mulching and smudging, irrigating in advance, and applying deep-water irrigation.

rice; risk evaluation index; risk regionalization; yield reduction rate

國家公益性行業(氣象)科研專項(GYHY201506019);國家自然科學基金項目(41375117,61661136005)

2016- 10- 18; < class="emphasis_bold">網絡出版日期

日期:2017- 08- 14

*通訊作者Corresponding author.E-mail: sbfang0110@163.com

10.5846/stxb201610182120

韓語軒,房世波,梁瀚月,周莉,周廣勝.基于減產概率的遼寧水稻災害風險區劃.生態學報,2017,37(23):8077- 8088.

Han Y X, Fang S B,Liang H Y, Zhou L, Zhou G S.Disaster risk regionalization of rice based on its reduction probability in Liaoning Province.Acta Ecologica Sinica,2017,37(23):8077- 8088.