長沙市主要農業氣象災害風險區劃

邱麗靜 朱家亮 許海軍

摘要 ? ?本文采用長沙地區4個國家氣象站1981—2010年逐日氣象資料與長沙地區地形高程資料（DEM），對影響長沙的6種氣象災害進行風險等級區劃分析，以期為長沙市農業生產的氣象災害防御提供依據。結果表明，長沙市大部分地區為高溫熱害高風險區，干旱災害、倒春寒災害中等風險區，洪澇災害、五月低溫災害、寒露風災害低風險區;大圍山、連云山、偽山為洪澇災害、倒春寒災害、五月低溫災害、寒露風災害次高或高風險區，干旱災害、高溫熱害低風險區;連云山與大圍山之間的峽谷地帶為洪澇災害高風險區，長沙市區南部湘江河谷地帶為倒春寒災害高風險區;通過K-means聚類分析，長沙市農業氣象災害氣候風險可劃分為高溫熱害、干旱，較高的倒春寒的氣候風險區等6個區。

關鍵詞 ? ?農業氣象災害;分級;風險區劃;湖南長沙

中圖分類號 ? ?P429 ? ? ? ?文獻標識碼 ? ?A

文章編號 ? 1007-5739（2020）22-0158-04 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?開放科學（資源服務）標識碼（OSID）

Abstract ? ?This paper used daily meteorological data of four national meteorological stations in Changsha area from 1981 to 2010 and topographic elevation data （DEM） in Changsha area to analyze the risk grade division of six kinds of meteorological disasters affecting Changsha， so as to provide the basis for the meteorological disaster prevention of agricultural production in Changsha. The results showed that， most areas of Changsha was high-risk area of high temperature and heat damage， moderate risk area of drought disaster， cold disaster of fall spring， low risk area of flood disaster， low temperature disaster of May， cold dew wind disaster; Dawei Mountain， Lianyun Mountain and Wei Mountain were secondary high-risk or high-risk areas of flood and waterlogging disasters， cold in late spring disasters， low temperature disasters in May and cold dew wind disaster， low risk areas of drought disaster， high temperature and heat hazard disasters; the valley zone between Lianyun Mountain and Dawei Mountain were high-risk areas of flood disaster， and the Xiangjiang River Valley in the southern part of Changsha were high-risk areas of cold in late spring disaster. Through K-means cluster analysis， the climate risk of agrometeorological disaster in Changsha could be divided into six regions， such as high temperature heat hazard， drought and high climate risk area of cold in late spring， etc.

Keywords ? ?agrometeorological disaster; classification; risk zonation; Changsha Hunan

農業是氣候影響最敏感的領域之一。農業氣象災害已成為最主要的農業自然災害，由于其頻率高、強度大，每年均給農業生產帶來巨大的經濟損失，已成為各地政府決策者重點關注和研究的對象。在全球氣候變暖背景下，極端氣候事件頻發，氣象災害對農業的不利影響越來越受到社會的普遍關注。農業氣象災害風險區劃作為氣象災害防御規劃的依據，是構建防災減災體系的基礎，日益引起學者和政策制定者的關注。許多學者對氣象災害風險評估進行了深入的研究，在自然災害評估框架體系的建立[1-3]、洪水災害模型與區域水災的風險評估[4]、自然災害經濟損失函數[5]、臺風災害的風險評估[6]等方面取得了一些進展。在農業氣象災害風險評估方面，近年來有學者在農業生態地區法的基礎上建立了華南果樹生長風險分析模型[7]。

長沙屬亞熱帶季風氣候區，四季較分明，夏、冬兩季長，春、秋兩季短。春末夏初多雨，夏末秋季多旱;春溫多變，夏秋多晴，嚴冬期短，暑熱期長。在此氣候背景下，農業生產因氣象災害造成的損失嚴重。洪澇、干旱、高溫、倒春寒、五月低溫、寒露風是影響最大的6種氣象災害。為此，本文針對以上6種氣象災害的危險性進行風險等級區劃分析，為長沙市農業生產的氣象災害防御提供依據。

1 ? ?資料與方法

1.1 ? ?資料來源

采用長沙地區4個國家氣象站1981—2010年日降水量、日最高氣溫、日平均氣溫、日最低氣溫等逐日氣象資料及長沙地區地形高程資料（DEM）。

1.2 ? ?氣象災害分級方法

氣象災害等級根據2005年頒發的《湖南氣象災害述語和分級》地方標準劃分。

1.2.1 ? ?洪澇。輕度洪澇（1級），4—9月任意10 d內降水總量為200～250 mm;中度洪澇（2級），4—9月任意10 d內降水總量為251～300 mm;重度洪澇（3級），4—9月任意10 d內降水總量為301 mm以上。

1.2.2 ? ?干旱。選擇4—9月降水量距平百分率指標Pa作為氣象干旱指標。輕度氣象干旱（1級），-30%

1.2.3 ? ?高溫熱害。輕度高溫熱害（1級），日最高氣溫≥35 ℃連續5～10 d;中等高溫熱害（2級），日最高氣溫≥35 ℃連續11～15 d;重度高溫熱害（3級），日最高氣溫 ≥35 ℃連續16 d或以上。

1.2.4 ? ?倒春寒。3月中旬至4月下旬任意10 d平均氣溫低于歷史同期平均值2 ℃或以上，并低于前10 d平均氣溫，則該10 d為倒春寒。輕度倒春寒（1級），ΔTi> -3.5 ℃;中度倒春寒（2級），-5.0 ℃<ΔTi≤-3.5 ℃;重度倒春寒（3級），ΔTi>-5.0 ℃或多段（含2段）出現倒春寒。

1.2.5 ? ?五月低溫。5月連續3 d或以上日平均氣溫≤20 ℃達到五月低溫標準。輕度五月低溫（1級），日平均氣溫為18～20 ℃連續5～6 d;中度五月低溫（2級），日平均氣溫18～20 ℃連續7～9 d或日平均氣溫為15.6～17.9 ℃連續7～8 d;重度五月低溫（3級），日平均氣溫18～20 ℃連續10 d或以上或日平均氣溫≤15 ℃連續5 d或以上。

1.2.6 ? ?寒露風。9月日平均氣溫≤20 ℃連續3 d或以上達到寒露風標準。輕度寒露風（1級），日平均氣溫為18.5～20.0 ℃連續3～5 d;中等寒露風（2級），日平均氣溫17.0～18.4 ℃連續3～5 d;重度寒露風（3級），日平均氣溫≤17 ℃連續3 d或以上或日平均氣溫≤20 ℃連續6 d或以上。

1.3 ? ?農業氣象災害氣候風險指數

農業氣象災害氣候風險指數是根據低溫冷害、高溫熱害等主要農業氣象災害指標及氣象干旱、洪澇災害指標，分別統計各災害強度及其發生頻率，以災害氣候風險指數I（某種災害的不同強度指數S及其相應出現頻率P的函數）作為災害區劃指標，其表達式為：

式（1）中，i為災害強度（i=1為輕度災害，i=2為中度災害，i=3為重度災害）;Si為災害強度指數;P為災害發生頻次;j為災害類別。

在歷史數據的基礎上，根據專家評分法給定式（1）中各個等級的P值，則可得：

洪澇氣候風險指數=（1級頻次×1/6+2級頻次×2/6+3級頻次×3/6）×100/年份;

干旱氣候風險指數=（1級頻次×1/10+2級頻次×2/10+3級頻次×3/10+4級頻次×4/10）×100/年份;

高溫熱害氣候風險指數=（1級頻次×1/6+2級頻次×2/6+3級頻次×3/6）×100/年份;

五月低溫氣候風險指數=（1級頻次×1/6+2級頻次×2/6+3級頻次×3/6）×100/年份;

倒春寒氣候風險指數=（1級頻次×1/6+2級頻次×2/6+3級頻次×3/6）×100/年份;

寒露風氣候風險指數=（1級頻次×1/6+2級頻次×2/6+3級頻次×3/6）×100/年份。

1.4 ? ?K-means分析方法

K-means法又稱快速聚類法，是由Mac Queen于1967年提出的，它將數據看成K維空間上的點，以距離作為度量個體“親疏程度”的指標。一般地，K-means法易于產生指定類別數的聚類結果，而類數的確定離不開實踐經驗的積累。聚類分析算法的基本步驟[8]如下：①指定聚類數目K;②確定K個初始的聚類中心;③根據最近原則進行聚類，分別計算每個樣本到各個聚類中心的距離，將對象分配到距離最近的聚類中心所代表的類中;④所有對象分配完成后，重新計算K個聚類的中心;⑤與前一次計算得到的K個聚類中心比較，如果聚類中心發生變化，轉③，否則轉⑥;⑥重復上述過程，當質心不發生變化時停止并輸出聚類結果。

一般地，針對連續屬性數據，使用誤差平方和SSE作為度量聚類質量的目標函數，對于2種不同的聚類結果，選擇誤差平方和較小的作為分類結果。記Ei表示第i類樣本集合，ei表示第i類樣本中心，連續屬性的SSE計算公式為：

2 ? ?結果與分析

2.1 ? ?洪澇