基于矩陣等級法的杏扁花期和幼果期凍害風險區劃研究

李婷，孫玉龍，陳笑娟

(1. 河北省氣象災害防御中心，河北 石家莊 050021；2. 河北省氣象與生態環境重點實驗室，河北 石家莊 050021)

目前杏扁凍害研究主要集中于天氣系統分析、抗寒性試驗以及生產管理三個方面。段雯瑜等[4]分析張家口一次強降溫導致杏扁凍害過程的系統成因，并給出預報經驗指標；王海嬌等[5]研究了溫濕度對杏扁開花坐果的影響，指出背陰坡、溝底的光照時間短，日積溫低，會推遲花期。師占海等[6]分析了2016年5月河北省懷來縣果樹凍害的發生原因并提出災后補救措施及政策性建議。近些年，從風險角度出發對雪災[7]、雷電[8]和大風[9]等災害開展風險分析，已成為災害研究的新趨勢。基于災害風險分析理論[10,11]，自然災害風險是自然災害危險性和承災體易損性的非線性函數，可通過致災因子危險性、承災體暴露性、承災體易損性、防災減災能力等因子構建風險評價模型，進行風險分析[12,13]。同時，伴隨GIS技術的發展，區劃制圖能夠更加精細地把握災害風險空間分布格局，識別重點承災體受災高風險區，對于有效防御和規避災害損失、保障人民生命財產安全有重要意義。但目前針對河北省杏扁低溫凍害的風險研究未見報道。

2016年底，《國家綜合防災減災規劃(2016—2020年)》要求加強災害監測、預報預警與風險防范能力建設，開展以縣為單位的綜合風險與減災能力調查，加強災害風險評估。作為“中國仁用杏之鄉”和河北省最大的杏扁生產基地，杏扁已成為蔚縣的支柱產業之一，與廣大農戶的生產生活和縣域經濟息息相關[14]，對其進行低溫凍害風險區劃研究具有重要意義。本研究以蔚縣為研究對象開展杏扁花期和幼果期凍害風險區劃研究，分析低溫凍害發生的危險性，并結合承災體因素開展受災風險區劃，并輔以災情進行效果驗證，以期為整體把握杏扁種植規劃及制定預防減災措施提供參考。

1 數據來源與研究方法

1.1 數據來源

氣溫數據包括1974—2018年河北省蔚縣及周邊縣域(陽原、宣化、涿鹿、淶源、易縣)國家站的日最低氣溫和日平均氣溫，來自河北省氣象局；承災體數據為村莊級杏扁播種面積，來自蔚縣氣象局；災情數據包括1995—2018年蔚縣縣域內15起低溫凍害的發生時間、地點、受災面積和災情描述等字段，來自蔚縣氣象局；地理信息數據來自CGIAR-CSI SRTM 90 m數據庫的河北省90 m分辨率數字化高程模型(DEM)，以及河北省第三測繪院提供的行政區劃矢量數據(SHP)。

1.2 地形校正溫度方法

由于研究區域內海拔高度差較大，溫度垂直變化劇烈[15]，根據溫度垂直遞減規律，按照公式(1)將氣象站點的最低溫度要素歸結到海平面上；利用 ArcGIS 10.6對氣象站最低氣溫要素進行反距離權重(inverse distance weighted technique，IDW)[16]空間插值，得到海平面高度不同年份的日最低氣溫空間分布；結合DEM 數據，將海平面高度的最低溫度還原到實際海拔高度，得到不同年份最低溫度的空間真實值。溫度垂直遞減規律公式[15]如下：

T0=Ts+0.0065Hs；

(1)

Tc=Tc,0-0.0065Hd。

(2)

式中，Ts為某站點的實測溫度(℃)；T0為訂正到海平面的氣溫(℃)；Tc,0為空間插值后的海平面氣溫(℃)；Tc為將溫度值還原到相應高程面后的氣溫(℃)；Hs和Hd分別為該觀測站點和網格點上的海拔高度(m)。

1.3 致災危險性區劃方法

根據王迎春等[17]和李瑞平等[18]的研究，不同時期的杏扁抗寒性強弱為：花芽膨大期>花蕾期>始花期>盛花期>幼果期。以≥5℃積溫達到216.8℃時判斷為進入始花期，日平均氣溫穩定在9.5℃及以上的第10天判斷為盛花期[19]，一般花期7～10天。杏樹花期受凍的臨界溫度為始花期-3.9℃，盛花期-2.2℃，幼果期-0.6℃[19]。根據上述研究、專家指導及農業實際生產經驗，確定杏扁花期和幼果期的凍害指標，見表1。

從培養基平板上刮取經活化的CEH-ST79菌落，用1%葡萄糖溶液制成菌懸液，制片，光學顯微鏡下觀察其形狀、大小、鞭毛和莢膜等形態學特征。

表1 杏扁花期和幼果期凍害等級及其氣象指標

通過Matlab統計1974—2018年間各站點的花期和幼果期日最低氣溫最小值及其低于受凍臨界溫度的日數，構建年極值序列，基于Gumbel、Weibull、Wakeby等多種分布函數[20,21]，通過最大似然法(maximum likelihood estimation，MLE)估計不同模型參數，運用 KS 檢驗(Kolmogorov-Smirnov)對各個分布函數擬合優度進行排序，確定最優分布函數，進行概率分布擬合得出各站點不同年遇水平下的花期和幼果期日最低氣溫和低溫凍害日數。

利用致災強度指數評估蔚縣杏扁低溫凍害致災因子危險性。將不同年遇水平的日最低氣溫和低溫凍害日數進行Z-score標準化處理。Z-score法是原始數值與該組數據平均值的差再除以該組數據標準差的過程。

z=(x-μ)/σ

(3)

式中，x為原始數據，μ為平均值，σ為標準差。z值的量代表著原始數值和母體平均值之間的距離，是以標準差為單位計算。

結合現有災情和專家經驗確定杏扁低溫凍害致災危險性指標的權重系數，建立杏扁低溫凍害致災強度指數[公式(4)]，進行致災危險性區劃。

I=0.6X1+0.4X2

(4)

式中，I為致災強度指數，X1、X2為標準化處理后的日最低氣溫和低溫凍害日數。

1.4 風險矩陣評估法

考慮到災情數據樣本量有限，本研究采用風險矩陣等級評估法。區域氣象災害風險等級是對研究區內相對強度不同的致災因子造成損失期望的定性評價[22,23]。公式如下：

RL=Hg×Vm×Em

(5)

式中，RL為承災體受損風險的相對等級(risk level)，Hg為致災因子的相對強度(hazard grade)，Vm為矩陣關系式(vulnerability matrix)，Em為承災體的暴露性(exposure magnitude)。

依據蔚縣低溫凍害致災因子的相對強度，將致災危險性通過自然斷點法進行分級，并賦值1、2、3、4、5；再依據承災體的暴露程度，將杏扁種植面積與村面積的比值作為脆弱性指標，重分類為四個水平后賦值1、2、3、4，無杏扁種植為0。通過致災因子的相對強度與承災體的脆弱性，建立二者等級之間的矩陣關系[7]，見圖1。將上述分級結果相乘，按照矩陣等級，對最終風險值進行分級。

圖1 風險矩陣

2 結果與分析

2.1 致災危險性區劃

考慮到極端天氣事件影響，本研究從不同年遇型(10、30、50年一遇)的致災強度分析蔚縣杏扁花期和幼果期的低溫凍害致災危險性，各縣站點數據的最優分布函數及擬合檢驗結果見表2，均通過了0.01顯著性檢驗。

表2 最優分布函數及KS檢驗結果

圖2為不同年遇型蔚縣杏扁花期和幼果期低溫凍害危險性分布。隨著重現期的增加，花期和幼果期的低溫凍害致災危險性呈現強度增加、影響范圍擴大的趨勢。從整體空間角度分析，蔚縣杏扁受凍害影響的致災高危區主要分布在3個區域：一是白草村鄉、楊莊窠鄉和涌泉莊鄉等西北部(高值A區)，二是北水泉鎮、吉家莊鎮和桃花鎮的東北邊緣(高值B區)，三是海拔高度在1 500 m以上的南部山區(高值C區)，其低溫凍害致災危險性較高。總之，由于地形懸殊，呈現立體特征，其中，小五臺山區危險性最高，南北山區次之。

以花期做分析(圖2 a、b、c)，10年一遇的蔚縣東北部地區和西部陽眷鎮凍害危險性較低，南部的高值C區危險性在中等及以上等級，其中小五臺區危險性最高，日最低氣溫在-4.5℃以下，一次低溫凍害過程即可能導致絕收。30年一遇致災強度下，除東北部外，大部分地區危險性可達中等及以上致災水平。50年一遇，高值A區北部、B區東北角和C區處于高危險和極高危險水平，日最低氣溫達到-5℃以下，極可能導致絕收。

以幼果期做分析(圖2 d、e、f)，10年一遇南部山區的危險性在中等及以上水平，其他大部分河川和丘陵地區的危險性較低，日最低氣溫在-2.5℃以上。30年一遇中西部處于中等水平，日最低氣溫可達-3℃；高值A區百草村鄉北部和C區大部達到高和極高危險水平。50年一遇A區陽眷鎮達到高危險水平。30年和50年一遇致災強度下，花期受中度及以上危險等級的范圍大于幼果期，說明花期受極端低溫影響的危險性更高。

2.2 承災體暴露度和脆弱性分析

災害風險是致災因子危險性和承災體暴露度及脆弱性共同作用的結果[24]。暴露度是指暴露在災害影響范圍內的承災體(杏扁)的種植規模或者價值量及空間分布特征，是界定自然災害風險存在與否的必要條件之一。在相同致災強度下，承災體的暴露度越高，損失風險越大。圖3為蔚縣的杏扁種植面積分布，總體呈現南少北多的特征。南部的小五臺、柏樹鄉南部、南楊莊鄉和草溝堡鄉等海拔較高的山區幾乎沒有種植，其他大部分地區種植面積在100 hm2以下。北水泉鎮、黃梅鄉、柏樹鄉北部、宋家莊等鄉鎮的部分村莊種植面積在200～300 hm2之間，黃梅鄉的煙墩莊種植面積最大，為366.1 hm2，其次為北水泉鎮的楊莊，為346.9 hm2。

杏扁承災體脆弱性利用暴露程度來表征，脆弱性指標為種植面積與村面積的比值，分布特征與暴露度基本一致。南部各鄉鎮的脆弱性相對較低，北部的北水泉鎮、黃梅鄉、吉家莊鎮、南嶺莊鄉、陳家洼鄉、常寧鄉，以及柏樹鄉、白樂鎮局部村莊等密集種植區的脆弱性較高。

2.3 風險等級分析

將分級賦值后的致災因子相對強度與承災體脆弱性建立風險矩陣關系，得到相對期望損失等級即為風險等級。基于自然災害風險分級方法[25]，并根據實際需要對圖1的分級指標進行適當調整，將最終風險值分成五級：極高(15～20)、高(10～14)、中等(5～9)、低(3～4)、極低(1～2)，見表3。

表3 風險分級矩陣評估指數

通過矩陣等級法，得到蔚縣不同重現期下杏扁低溫凍害風險區劃圖，如圖 4 所示。從不同風險水平分析，隨著重現期的增加，杏扁受災風險呈現強度增加、影響范圍擴大的趨勢。從空間分布來看，風險高值區大多位于黃梅鄉、北水泉鎮、陳家洼鄉、南嶺莊鄉、常寧鄉等東北部地區，分布在杏扁種植較多的鄉鎮。

圖3 蔚縣杏扁種植面積空間分布

以花期做分析(圖4 a、b、c)，重現期為10年一遇時，杏扁低溫凍害中風險區零星分布在北水泉鎮、黃梅鄉、宋家莊鄉、下宮村鄉等的部分村莊，其他大部分地區為低風險或無風險。30年一遇時，北水泉鎮、黃梅鄉、陳家洼鄉南部、南嶺莊鄉等部分村莊出現高風險，而陽眷鎮西堡村、白草村鄉小羊圈村、柏樹鄉莊窼村、南嶺莊鄉東雙塔村、陳家洼鄉曲家莊、北水泉鎮趙家嘴村、黃梅鄉榆澗村北等出現極高風險，其他種植區處于中風險及以下。50年一遇，北水泉鎮、陳家洼鄉、南嶺莊鄉、黃梅鄉等種植面積在100 hm2以上的村莊呈現高風險，部分村莊處于極高風險。

以幼果期做分析(圖4 d、e、f)，10年一遇致災強度下，白草村鄉小羊圈村、南嶺莊鄉南嶺莊村處于極高風險，陳家洼鄉南部、南嶺莊鄉大部、宋家莊鄉西柳林和上蘇莊、下宮村鄉果莊子村和蘆家寨村東部等地處于中風險。30年一遇，南嶺莊鄉、陳家洼鄉、陽眷鎮、白草村鄉部分村莊處于極高風險，南嶺莊鄉、陳家洼鄉、北水泉鎮、黃梅鄉、常寧鄉等的部分村莊出現高風險。50年一遇，南嶺莊鄉、陳家洼鄉、涌泉莊鄉、白草村鄉、陽眷鎮等的部分村莊處于極高風險，而高風險主要分布在北水泉鄉、陳家洼鄉、南嶺莊鄉、宋家莊鄉、下宮村鄉等地的部分村莊。30年和50年一遇花期受凍害高風險區總體大于幼果期，這與花期低溫凍害致災因子危險性較高有關。

3 討論

對照致災危險性區劃和承災體暴露度及脆弱性區劃，杏扁受災高風險區主要出現在種植相對集中、暴露度高且致災強度處于中等及以上等級的地區，這種空間格局是致災危險性和承災體脆弱性共同作用的結果。應盡量避免在海拔高于1 500 m的地方種植杏扁，同時，需要注意的是杏扁低溫凍害大多發生在地勢較低的溝谷，該區域氣溫變率較緩[2]，冷空氣存留時間較長，所以受前期氣溫偏高和小氣候的影響，果樹前期生長過快，組織生長不充實[6,26]，抗凍能力弱。因此，對于山谷地區，建議主栽耐寒性較強的品種，或采取措施加強耐凍鍛煉。

為檢驗上述風險區劃效果，進一步梳理1995—2018年蔚縣15起杏扁低溫凍害災情信息。統計各鄉鎮低溫凍害災情發生頻次，將風險等級的高值區和部分鄉鎮的災情發生頻次(3次及以上)進行對比分析，發現(表4)災情頻次較多的鄉鎮均處于風險區劃高風險和極高風險區，包括常寧鄉、黃梅鄉北部、北水泉鎮中部、南嶺莊鄉北部和陳家洼鄉南部等，該地區需加強果農的防災減災意識和技術。

表4 部分鄉鎮低溫凍害發生頻次(3次及以上)

對于花期而言，受中等及以上危險等級的范圍大于幼果期，因為相比幼果期，花期氣溫偏低，出現降溫天氣的頻率更高，所以其致災危險性較高，受極端低溫凍害的風險也相對較高，因此這一時期更需要密切關注天氣降溫情況，同時提高低溫過程預報與預警的精確度，對于“倒春寒”現象能夠盡早預報，及早采取預防措施，緩解凍害對杏扁產量的影響。

4 結論

4.1 蔚縣杏扁受低溫凍害影響的致災危險性呈現立體特征，高危區主要分布在東北部邊界地區、西北部邊界和南部山區。10年一遇，南部山區處于中等及以上危險水平，小五臺區危險性最高；30年一遇，大部分地區達中等及以上；50年一遇，西北部和南部山區達高和極高危險水平。30年和50年一遇較幼果期而言，花期受極端低溫影響的危險性較高。

圖4 蔚縣杏扁花期(a、b、c)和幼果期(d、e、f)低溫凍害風險區劃

4.2 隨重現期的增加，杏扁受低溫凍害影響的風險呈現強度增加、影響范圍擴大的趨勢。相同致災水平的花期和幼果期凍害風險分布特征大體一致，黃梅鄉、北水泉鎮、陳家洼鄉、南嶺莊鄉、常寧鄉等北部地區風險較高，多為杏扁種植密集區。

4.3 蔚縣杏扁暴露度與脆弱性分布特征基本一致，總體呈現北高南低，受災高風險區主要分布在暴露度高且致災強度處于中等及以上等級的地區，大多在黃梅鄉、北水泉鎮、陳家洼鄉、南嶺莊鄉、常寧鄉等鄉鎮。

本研究對于整體把握杏扁種植風險以及防御決策具有一定的參考價值。但是，由于災情信息數量受限，通過風險矩陣對杏扁種植區進行風險等級的定性評價，尚處于對杏扁低溫凍害風險研究的探索階段，結果精度還需提高。今后將考慮搜集更大空間尺度的多源災情數據，進而對災情信息進行深入挖掘，嘗試構建“致災強度-承災體損失”的脆弱性曲線[27]，研究不同凍害等級的閾值，與氣溫預報相結合，來實現對杏扁低溫凍害損失風險的定量評估，并基于GIS技術，對結果實現格點化，為預防措施的制定與實施提供有力支撐。此外，對于致災強度的危險性指標，考慮加入低溫持續時間和發生時刻等更為精細的因子，合理優化評價指標，對評估模型進一步完善。