蘇皖鄂地區一季稻產量災損的風險區劃

黃 維， 楊沈斌， 石春林， 于庚康， 高 蘋， 陳 德， 王萌萌

(1.南京信息工程大學氣象災害預報預警與評估協同創新中心/江蘇省農業氣象重點實驗室，江蘇南京 210044； 2.江蘇省農業科學院，江蘇南京 210014； 3.江蘇省氣象局，江蘇南京 210008； 4.柳州市農業氣象試驗站，廣西柳州 545003)

通信作者：楊沈斌，博士，副教授，研究方向為農業氣象。E-mail：jaasyang@163.com。

我國是水稻種植大國，水稻的安全生產關系到國民經濟的健康發展。然而，由于水稻生長期較長，容易遭受不同類型農業氣象災害的威脅，如高溫熱害、低溫寡照、洪澇和干旱等。這些水稻農業氣象災害具有發生頻率高、強度大、范圍廣的特點，受到氣象部門和農業部門的關注。據統計，我國農業氣象災害平均每年造成水稻、小麥等主要糧食作物產量損失在5×106～2×107t，重災年損失可達5×107t[1]。因此，農業氣象災害風險研究一直是自然災害風險研究的熱點。

從農業氣象災害的承災體出發，產量災損風險研究是一種基于氣象產量的綜合農業氣象災害風險研究，其區劃結果在一定程度上能反映多種農業氣象災害對承災體最終產量的影響。近年來，根據作物產量數據進行的產量災損風險區劃已有一定成果[2-5]。例如，劉少軍等利用海南島18個縣(市、區)天然橡膠的實際產量資料，以平均減產率、減產率變異系數、減產率風險指數和氣象災害綜合風險區域系數為指標，對海南島天然橡膠產量進行災損風險區劃，劃分了3個橡膠生產風險區[2]；蔡大鑫等在產量風險評價模型基礎上，結合地區間荔枝種植規模風險的差異，將海南島荔枝生產區劃分為5個風險等級[3]；劉小雪等以平均減產率、減產率變異系數、不同減產率風險概率和災損減產風險指數為災損指標，構建了適用于夏玉米產量災損風險評估模型，并將該評估模型應用于河南省夏玉米產量災損的風險區劃，其區劃結果在一定程度上反映了干旱和連陰雨天氣對夏玉米的減產情況[4]；薛昌穎等在災損風險評估模型的基礎上加入抗災系數，利用構建的評估模型對北方冬小麥產量災損風險類型的地理分布進行了分析，為當地開展農業保險和優化農業生產布局提供了科學依據[5]。

目前，關于水稻高溫熱害、低溫冷害等農業氣象災害的風險區劃研究已有一些報道[6-9]，但以縣(市、區)級水稻產量為數據源進行災損風險區劃的研究較少。本研究選擇長江中下游一季稻主產省份，即江蘇省、安徽省和湖北省為研究區，利用3省1970—2006年183個縣(市、區)一季稻統計產量，在統計分析平均減產率的年際變化和周期特征基礎上，嘗試以平均減產率、減產率變異系數、不同減產率風險概率、抗災系數為風險評價指標，通過構建產量災損綜合風險模型，對蘇皖鄂3省一季稻進行產量災損的風險區劃，以期為該地區一季稻生產的防災減災工作提供決策依據。

1 材料與方法

1.1 研究區概況

蘇皖鄂3省地處亞熱帶季風氣候區[10]。該地區水稻以一季稻生產為主，一般在4月下旬開始播種，8月上旬至8月下旬抽穗開花，開花后45 d左右成熟，平均生長期約為 150 d，平均產量能達到6 600 kg/hm2[11]。已有研究表明，影響長江中下游地區一季稻產量波動的農業氣象災害主要有夏季高溫熱害、秋季低溫寡照、澇害以及沿海地區風害等[12-13]。

1.2 產量資料處理

從研究區內183個縣(市、區)統計年鑒中獲取了一季稻統計產量數據，數據情況見表1。為了統一產量資料時序，根據數據缺失情況，選取1970—2006年一季稻統計產量數據作為本研究數據源。

表1 統計產量數據基本情況

對產量進行產量分類，即：

y=yt+yw+ε。

(1)

式中：y、yt、yw、ε分別為實際產量、趨勢產量、氣象產量和隨機產量，kg/hm2。

考慮到影響水稻生產的偶然因素并不是經常發生且影響有限，因此在實際產量分解計算中忽略ε的貢獻，則上式可以簡化為：

y=yt+yw。

(2)

參照文獻[14]給出的計算趨勢產量方法，采用直線滑動平均分離趨勢產量。本研究將滑動步長設置為11年。還計算了相對氣象產量(yr)，公式如下：

(3)

1.3 災損風險評估指標計算

1.3.1 平均減產率 對于某站一定時間序列上的相對氣象產量{xi}，若xi<0，則定義對應的年份i為減產年，歷年平均減產率計算[15-16]如下：

(4)

1.3.2 減產率變異系數 變異系數(V)描述了負的相對氣象產量序列數值離散性，反映一個地區水稻產量受氣象因子及其他環境波動情況，系數越大，說明產量隨環境條件的波動越大，計算公式如下：

(5)

1.3.3 不同減產率范圍的風險概率 已有研究表明，一定時間尺度上的作物相對氣象產量序列一般具有正態分布特征[17]。采用Jarque-Bera檢驗法對各縣(市、區)的相對氣象產量序列進行正態性檢驗后發現，大多數站點的相對氣象產量序列符合正態分布，而對于少數不符合正態分布的相對氣象產量序列可以使用Box-Cox變換法進行正態性轉換，Box -Cox 變換可以針對不同的數據選擇最優的冪參數，所以對于某些無法應用對數變換的數據有較好的變換效果[18]。由于該變換只針對正數，因此采用擴展后的Box-Cox變換對相對氣象產量序列進行正態性轉換，公式如下：

(6)

式中：y(λ)為轉換后的相對氣象產量數據；λ為轉換冪參數；a為相對氣象產量序列的平移量，取值為1。

利用正態分布的性質，根據公式(7)，即可得到水稻不同增減產區間的風險概率。

(7)

式中：f(x)表示相對氣象產量的概率密度分布函數；x1和x2均表示減產率；μ和σ表示方程參數，可利用最大似然估計法對其進行估計[19]。本研究以減產率≥10%、≥20%、≥30%的風險概率作為風險評價指標。

1.3.4 抗災系數 抗災系數是反映一個地區農業生產抗災能力強弱的指標，常用實際產量與理論最大產量比值的均值來表示[20]，本研究采用各縣(市、區)在研究時段內最高產量代替理論上的最大產量，計算公式如下：

(8)

式中：yi表示某地某年實際產量，kg/hm2；ymax表示該地在研究時段內最高產量，kg/hm2。

1.3.5 產量災損綜合風險指數 水稻產量災損風險程度與歷年平均減產率、減產率發生概率、災年減產率變異系數成正比，但與抗災系數成反比[20]。在上述有關風險評估指標的基礎上，構建單季稻產量災損綜合風險指數(R)，計算公式如下：

(9)

1.4 小波分析

選擇Morlet復數小波分析研究區減產率的時序變化。該小波是Gauss包絡下的單頻率復正弦函數，在時域和頻域內具有較好的局部聚集性[21-22]。Morlet復數小波函數為：

ψ(t)=π-1/4eiω0te-t2/2。

(10)

式中：t為自變量；ωo為無量綱頻率，取值為6[22]。對于時間序列xb*(b*=0，1，2，…，N-1，N為時間序列的長度)，其小波變換為：

(11)

式中：Wb*(a，b)為小波變換系數；ψ*表示其共軛復函數；a為尺度因子；b為時間平移因子；δt為采樣時間間隔。同時，利用α=0.05紅噪聲標準譜作為背景譜對小波變換方差進行顯著性檢驗[23]。

2 結果與分析

2.1 平均減產率的時間變化特征

由圖1-a可以看出，全區一季稻平均減產率在研究時段內年際波動較大，但總體呈下降趨勢，減產率最大的3個年份分別為1980、1991、2003年，分別達到14.2%、12.4%、14.2%，最小的2個年份分別為1987、2004年，分別為4.34%、4.36%，最大與最小減產率相差3倍多。

由圖1-b可以看出，1980、2003年是區域內出現減產站點數最多的2個年份，減產站點數量占所有站數的90%以上，減產站點數量最少的為1984年，僅8.2%的站點發生減產。有12個年份減產范圍在50%以上，占研究時段總年份數的32.4%，其中有10個年份減產范圍在60%以上。

圖2顯示了研究區平均減產率的Morlet小波系數實部時頻分布和小波變換方差。由圖2-a可以看出，平均減產率存在多時間尺度特征。總的來說，平均減產率存在5、7年左右的年際和20年左右、35年以上年代的4類尺度的周期振蕩特征。5年左右小尺度周期信號出現在1985年前后，在2002年后消失，7年左右尺度周期的振蕩尺度隨時間增加，到1980年時振蕩尺度穩定在8年，但能量逐漸減弱，2000年后又與20年左右尺度融合，振蕩能量有所加強；1970年后，存在20年左右和35年以上的大尺度的周期振蕩能量較強，具有全域性。由圖2-b可以看出，35年左右的振蕩周期并沒有通過顯著性檢驗，最大峰值為20年尺度的周期振蕩，在全時域上的平均振蕩能量最強，為平均減產率變化的第一主周期，8年時間尺度對應第二峰值，為平均減產率變化的第二主周期。

2.2 歷年平均減產率空間分布

由圖3可以看出，平均減產率有明顯的空間差異，在整個研究區內總體呈北高南低，中部高、東西低的趨勢。全區平均減產率變化在3.5%～23.8%之間，最小值出現在江蘇泰州地區，最大值出現在安徽界首、臨泉地區。根據平均減產率值的變化，將研究區劃分為低值區(<10%)、中值區([10%，15%])和高值區(>15%)，則結果表明，研究區大部分地區均處于低值區，中值區分布在湖北西部的竹溪、利川和中部的孝感、東南部小部分地區，安徽中南部的桐城、西北部，以及江蘇東南部的呂四等地，高值區主要分布在安徽界首、臨泉地區。

2.3 減產率變異系數

由圖4可以看出，變異系數的范圍為0.50～1.77，呈現出較大的空間差異。變異系數大于1.00的高值區主要集中在湖北中部、安徽東南部和江蘇北部、南部的小部分地區，其他大部分地區的變異系數小于1.00。變異系數大于1.50的地區有湖北省的鐘祥、云夢、通山，其中云夢的變異系數最大，為1.77。變異系數小于0.60的地區有湖北省的損縣、興山、大冶，安徽省的蒙城、宿州以及江蘇省的溧陽，其中以湖北省的損縣變異系數最小，為0.50。歷年減產率變異系數的大小能在一定程度上反映水稻產量受氣象因子及其他環境影響的波動程度，系數越大說明這個地區的水稻生產對環境的敏感性越強，產量波動越大，水稻生產受環境影響較大。

2.4 減產風險概率

由圖5-a可以看出，風險概率值范圍為1.7%～35.9%。風險概率>20%區域主要分布在湖北的西南部、安徽西北部和江蘇東部的小部分地區，其中以安徽界首風險概率最大，達到35.9%。風險概率<10%的區域主要分布在湖北省的中部、安徽省的南部和江蘇省的中南部，江蘇省減產率風險概率<10%的區域最大，占整個江蘇省面積的50%以上，風險概率最小值出現在江蘇省的泰州地區，為1.7%。

由圖5-b可以看出，風險概率值范圍為0.0%～23.5%。以風險概率5%作為劃分界限，結果表明，研究區大部分地區的風險概率均<5%，占所有站點的76%，多地的風險概率接近0%，表明減產率≥20%的災害情況在研究時段內未發生過。風險概率>5%的地區除了湖北省的竹溪和江蘇省的啟東等小部分區域外，絕大部分集中在安徽省的西北部，安徽界首的風險概率最高，達到23.5%。

由圖5-c可以看出，風險概率值范圍為0.0%～13.9%。與減產率≥10%、≥20%的風險概率相比，減產率≥30%的風險概率明顯較小，大部分地區的風險概率均小于1%，占所有站點的74%。風險概率>5%的僅6個站點，分別為安徽省的臨泉、界首、渦陽、阜南、定遠和江蘇省的啟東，其中以安徽省界首地區的風險概率最大，達到13.9%。

2.5 抗災系數

由圖6可以看出，抗災系數的范圍為0.48～0.86，空間分布差異大，且總體呈現出北低南高的趨勢。高值區主要分布在江蘇省東南部、安徽省東南部以及湖北省南部，抗災系數>0.7 的站點有105個，占所有站點的57.3%，>0.8的站點有14個，占所有站點7.7%，江蘇揚州地區的抗災系數最大，達到0.86。抗災系數的低值區主要分布在湖北省西南部、北部和安徽省西北部以及安徽省東北部延伸至江蘇省的小部分地區。抗災系數最小的出現在安徽省的泗縣，約為0.48。抗災系數在一定程度上反映一個地區的農業生產力水平和防災減災能力，與當地的農業投入密切相關[20]。

2.6 產量災損綜合風險指數

根據風險指數值的變化區間，將研究區劃分成3個風險區：低風險區(R≤0.1)、中風險(0.10.3)。由圖7可以看出，研究區大部分地區處于低風險區，低風險區的站點占所有站點的86.9%。中風險區主要分布在湖北省的鐘祥、利川、孝感、漢川、浠水、陽新，安徽省的靈璧、泗縣、阜陽、霍邱、壽縣、長豐、鳳陽、全椒、來安、樅陽、安慶，江蘇省的泗洪。高風險區主要分布在安徽省西北部的臨泉、界首、渦陽、阜南、定遠和江蘇省東部的啟東。

3 討論

產量災損區劃結果與陳平等基于單季稻統計產量的水稻生產風險分析結果[24-26]大體一致，都認為鄂西南山地、安徽北部、西北部和江蘇東部的啟東地區一季稻生產風險較高，但具體不同風險區域存在一定差異，其原因主要在于選取的研究區范圍和使用統計產量的時段有差異。其次，大部分研究在產量災損評估模型中都未能考慮水稻的抗災性能。根據段居琦等對我國單季稻種植區的氣候適宜性區劃結論，研究區除安徽北部、南部的小部分區域處于單季稻次適宜區外，其他地區都處于中適宜區，較適合單季稻種植[27]，本研究的產量災損區劃結果與其有相似之處，都認為除了安徽東北部的單季稻生產風險較大外，其他較適合單季稻種植，俞芬等對淮河流域單季稻氣候適宜性分析后也有類似結論[28]。

長江中下游地區一季稻產量波動除了受氣候因子影響外，還受多種農業氣象災害綜合影響，主要有夏季高溫熱害、秋季低溫寡照、澇害以及沿海地區風害等[12-13]。根據沙修竹等研究，湖北省中南部及東北部、安徽省中西部是高溫熱害的高風險區[8]，但本研究在上述高溫熱害高風險區域中僅有小部分區域屬于產量災損的中風險區，大部分地區都處于產量災損的低風險區，這可能與各地水稻品種及高溫熱害期間的田間管理措施有關。相比高溫熱害等農業氣象災害，洪澇災害對研究區水稻生產危害更大[29]。楊尚英等使用灰色關聯分析發現，與江蘇省、湖北省相比，洪澇災害對安徽省農業生產影響較大，且集中表現在淮河流域一帶[30]。據統計，淮河流域1991年洪澇災害造成當地一季稻減產6.3%，2003年洪澇造成當地一季稻減產14.3%[31]，21世紀以來安徽西北部洪澇指數還呈現出明顯增加趨勢[32]，洪澇災害已成為該地區的主要農業氣象災害。安徽省產量災損的中、高風險區與該省洪澇災害的空間分布及變化趨勢較為吻合。

在數據轉換方法上，使用Box-Cox轉換法對非正態分布進行正態轉換，這與大多數研究使用的偏態數據正態化方法[33]相比，易操作的同時對于某些無法應用對數變換的數據也有較好的變換效果[34]。在確定參數過程中，使用了極大似然估計法估計正態分布密度函數的μ和σ參數，這比直接使用樣本期望和方差作為相應參數更為準確[19]。然而，最后構建的產量災損綜合風險指數R是一個相對值，僅能用于研究區比較。此外，本研究只是從承災體的角度考慮風險，未對致災因子作定量分析，因此，在今后的研究中須針對各地典型的致災因子和主要氣候因子進行分析，找出減產率與各農業氣象災害、氣候因子的定量關系。

4 結論

根據風險評估理論，以平均減產率、減產率變異系數、不同減產率風險概率、抗災系數為風險評價指標，構建適用于研究區一季稻的產量災損綜合風險指數模型。根據區劃結果，研究區大部分地區處于產量災損的低風險區，而高風險區主要分布在安徽省的西北部。結合研究區相關的農業氣象災害和氣候適宜性區劃研究，產量災損區劃結果在一定程度上能宏觀反映主要農業氣象災害和氣候因子對一季稻產量的綜合作用，這可為一季稻的防災減災工作和種植布局優化提供科學參考。

參考文獻：

[1]呂厚荃. 中國主要農區重大農業氣象災害演變及其影響評估[M]. 北京：氣象出版社，2011.

[2]劉少軍，張京紅，蔡大鑫，等. 海南島天然橡膠產量災損風險區劃[J]. 自然災害學報，2015，24(2)：235-241.

[3]蔡大鑫，張京紅，劉少軍. 海南荔枝產量的寒害風險分析與區劃[J]. 中國農業氣象，2013，34(5)：595-601.

[4]劉小雪，申雙和，劉榮花. 河南夏玉米產量災損的風險區劃[J]. 中國農業氣象，2013，34(5)：582-587.

[5]薛昌穎，霍治國，李世奎，等. 北方冬小麥產量災損風險類型的地理分布[J]. 應用生態學報，2005，16(4)：620-625.

[6]李友信. 長江中下游地區水稻高溫熱害分布規律研究[D]. 武漢：華中農業大學，2015.

[7]孟 林，王春乙，任義方，等. 長江中下游一季稻高溫熱害危險性特征及其對氣候變化的響應[J]. 自然災害學報，2015，24(6)：80-89.

[8]沙修竹，申雙和，陶蘇林. 長江中下游地區一季稻高溫熱害風險評估與區劃[J]. 江蘇農業學報，2015，31(5)：1053-1059.

[9]Cheng Y X，Huang J F，Han Z L，et al. Cold damage risk assessment of double cropping rice in Hunan，China[J]. Journal of Integrative Agriculture，2013，12(2)：352-363.

[10]程純樞. 中國的氣候與農業[M]. 北京：氣象出版社，1991：37-53.

[11]中華人民共和國農業部.新中國農業60年統計資料[M]. 北京：中國農業出版社，2009.

[12]霍治國，王石立. 農業與生物氣象災害[M]. 北京：氣象出版社，2009.

[13]劉 玲，沙奕卓，白月明. 中國主要農業氣象災害區域分布與減災對策[J]. 自然災害學報，2003，12(2)：92-97.

[14]霍治國，劉榮花，姜 燕，等. 小麥干旱災害等級：QX/T 81—2007[S]. 北京：氣象出版社，2007.

[15]吳洪顏，高 蘋，徐為根，等. 江蘇省冬小麥濕漬害的風險區劃[J]. 生態學報，2012，32(6)：1871-1879.

[16]鄧 國，王昂生，周玉淑，等. 中國省級糧食產量的風險區劃研究[J]. 南京氣象學院學報，2002，25(3)：373-379.

[17]李世奎. 中國農業災害風險評價與對策[M]. 北京：氣象出版社，1999：40-41.

[18]Box G E P，Cox D R. An analysis of transformations[J]. Journal of the Royal Statistical Society，1964，26(2)：211-252.

[19]王 靜. 分組數據情形下對數正態分布參數的最大似然估計[J]. 應用數學學報，2003，26(4)：737-744.

[20]李世奎，霍治國，王素艷，等. 農業氣象災害風險評估體系及模型研究[J]. 自然災害學報，2004，13(1)：77-87.

[21]Torrence C，Compo G P. A practical guide to wavelet analysis[J]. Bulletin of the American Meteorological Society，1998(79)：61-78.

[22]沈陳華. 氣象因子對江蘇省水稻單產的影響[J]. 生態學報，2015，35(12)：4155-4167.

[23]陳 斐，楊沈斌，申雙和，等. 長江中下游雙季稻區春季低溫冷害的時空分布[J]. 江蘇農業學報，2013，29(3)：540-547.

[24]陳 平，陶建平，趙 瑋. 基于風險區劃的農作物區域產量保險費率厘定研究——以湖北中稻縣級區域產量保險為例[J]. 自然災害學報，2013，22(2)：51-60.

[25]俞 芬. 基于生態適宜度理論的淮河流域單季水稻氣候風險評估[D]. 廣州：廣州大學，2008.

[26]邵立瑛，申雙和，高 磊，等. 江蘇省水稻生產的綜合氣象災害風險評估[J]. 科學技術與工程，2015，15(32)：232-239.

[27]段居琦，周廣勝. 我國單季稻種植區的氣候適宜性[J]. 應用生態學報，2012，23(2)：426-432.

[28]俞 芬，千懷遂，段海來. 淮河流域水稻的氣候適宜度及其變化趨勢分析[J]. 地理科學，2008，28(4)：537-542.

氣象災害動態及其影響分析[J]. 氣候變化研究進展，2015，11(2)：123-130.

[30]楊尚英，張梅梅，楊玉玲. 近10年來我國農業氣象災害分析[J]. 江西農業學報，2007，19(7)：106-108.

[31]王春乙，婁秀榮，王建林. 中國農業氣象災害對作物產量的影響[J]. 自然災害學報，2007，16(5)：37-43.

[32]張桂香，霍治國，吳 立，等. 1961—2010年長江中下游地區農業洪澇災害時空變化[J]. 地理研究，2015，34(6)：1097-1108.

[33]鄧 勃. 分析測試數據的統計處理方法[M]. 北京：清華大學出版社，1995：96-97.

[34]陳學君，蘇仲岳，李仲龍，等. 年降水量數據的正態變換方法對比分析[J]. 干旱氣象，2012，30(3)：459-464.