基于模糊粗糙集模型的農業旱災風險評估
——以河套灌區為例

龔 娟，何柳月，王素芬

(中國農業大學 水利與土木工程學院，北京 100083)

干旱災害具有頻率高、時效長、范圍廣等特點，是我國人類歷史上造成國民經濟損失最多的自然災害之一[1]。在如今全球氣候變暖的影響下，我國南方濕潤地區的極端干旱事件明顯增加，一直處于干旱與半干旱區的北方地區旱情日益嚴重。在干旱災害給社會經濟造成的損失中農業損失更為嚴重，大規模的農業旱災不僅會引起人類饑餓、土地荒蕪、河流干涸，甚至有可能造成社會動蕩[2]。因此，及時準確地評估區域農業干旱災害風險，既可以指導農業生產實踐，還有利于提高區域抗旱減災能力。

全球對農業干旱災害的研究起源于19世紀末期，但關于農業干旱災害風險的研究卻是近50多年才興起的。迄今為止，農業干旱災害風險的研究理論及方法仍較為薄弱，且尚未形成完整統一的評估體系[3-4]。目前國內外研究者對農業干旱災害風險的研究主要可分為以下4類[3-5]：①基于氣象要素和土壤水分要素等提出的干旱指數(如降水距平百分率(Pa)、Palmer干旱指數(Palmer drought severity index，PDSI)、相對濕潤度指數(Moisture index，MI)、標準化降水指數(Standardized precipitation index，SPI)和標準化降水蒸散指數(Standardized precipitation evapotranspiration index，SPEI)等)劃分農業干旱災害等級，監測農業旱災時空變化情況[6-9]。此類研究已有成果較多，所需資料較易獲取，計算程序一般是開源的，但大多數指標只能反映干旱的自然屬性，沒有考慮到其社會經濟屬性；②基于區域自然災害理論，考慮致災因子和孕災環境危險性、承災體暴露性、承災體脆弱性和防災減災能力4個風險要素選取適宜的評價指標來評估區域農業干旱災害風險[10-12]。此類研究方法較成熟，但在篩選評價指標、確定指標權重和構建評價模型等方面不可避免地受決策者主觀意識影響；③基于歷史災情資料，利用旱災損失率評估農業干旱災害損失風險[13]。此類研究客觀性強、方法簡單、評價結果形象直觀，但十分依賴歷史旱災損失數據，且要求數據資料序列長、精度高；④基于農業旱災物理成因的情景模擬法，從農業旱災風險系統中各影響因素的相互作用和其造成損失的物理成因機制角度出發，評估不同時空尺度下區域農業干旱災害風險[14]。此類研究成果較少，干旱事件中的不確定性因素和變化特征難以描述，不同情景下的損失過程復雜且難以模擬，精度無法保證。但該方法能從農業干旱災害物理成因角度分析和比較不同時空尺度下旱災風險的絕對大小，且在不同情景模式下能模擬出發生干旱到旱情發展的整個變化過程，是當前主要的發展方向。現今，大多數研究只采用其中一類研究方法[13,15-16]，其中考慮農業旱災社會屬性的研究大多僅評估區域某一特定年份的風險，而將多種方法相結合分析區域農業干旱災害風險年際間變化特征的研究較少。

第二類研究在確定評價指標權重方面，常采用主成分分析法、層次分析法(AHP)、加權綜合評價法、模糊綜合評價法、模糊集對評價法、人工神經網絡法等[17-20]。這些研究方法具有較大的主觀性或多依賴于統計方法，使得計算過程復雜，研究結果不夠客觀，且沒有考慮到農業干旱災害風險的不確定性特征、所獲數據的不完整性和各因素導致災害形成機理的模糊性。而粗糙集能充分考慮數據之間的不確定性關系，避免不完備信息帶來的影響，不需要提供原始數據以外的任何先驗知識，降低了人為主觀因素的影響。但其只適合處理離散型數據，在處理連續型數據時會造成部分連續型數據屬性信息缺失。故為保證歷史數據的連續性，考慮農業干旱災害風險評價等級的模糊性，將粗糙集中的經典目標集合推廣到模糊集合，上下區間拓展到模糊區間，等價關系擴展為模糊關系，建立模糊粗糙集模型[21]。本文基于農業干旱災害風險的不確定性特征和評價等級的模糊性，運用模糊粗糙集模型，同時結合SPEI評估河套灌區2003-2017年間農業干旱災害風險的時空變化特征，通過與層次分析法得到的評價結果比較，并結合農業生產實際討論了模糊粗糙集模型應用于該領域的可行性。

1 研究區域

河套灌區位于黃河中游內蒙古自治區西部的巴彥淖爾盟，包括磴口縣、臨河區、杭錦后旗、五原縣和烏拉特前旗五個區縣，是我國重要的商品糧油生產基地。在我國灌溉區中河套灌區設計灌溉面積最大，灌溉水引自黃河流域，灌溉面積達116.2萬公頃。灌區位于西北半干旱地區，屬于大陸性季風氣候，冬季漫長且干燥寒冷，夏季短而舒適。灌區多年平均降水量不足200 mm，多年平均蒸發量達1 500～2 000 mm，年際間降水變化幅度較大，年內降水較為集中，7-9月份降水最充沛，約占全年降水量的70%。該地區農業灌溉用水量占地區總利用水量的90%以上，農業生產和農業生態環境受引黃水量變化影響較大，是個缺少灌溉就沒有農業的地區。

2 研究方法

2.1 農業干旱災害風險評價指標體系

區域自然災害理論[22]認為自然災害系統由致災因子、孕災環境和承災體三者構成，反映了農業干旱災害的產生原因、外部環境及作用客體。本文從致災因子與孕災環境危險性、承災體暴露性、承災體脆弱性以及防災減災能力四個角度構建農業干旱災害風險評價指標體系[23]。

(1)危險性

危險性反映了區域發生干旱災害的可能性大小，主要指自然環境因素。本文選擇干旱強度、土壤相對濕度和單位面積水資源量作為農業干旱災害危險性評價指標。標準化降水蒸散指數[24](SPEI)既能反映研究區的降水和蒸發蒸騰量，又能體現干旱發生的時間和大小，常被用來表征區域干旱強度，具體計算方法見文獻[9]。土壤相對濕度即土壤含水量與田間持水量之比，能綜合反映土壤含水情況及地表水文過程。單位面積水資源量能體現當地水資源的豐富程度。

(2)暴露性

暴露性著重體現了承災體的社會屬性。農業人口比例、耕地率和復種指數被選作暴露性評價指標。農業人口比例反映了區域對農業生產的依賴程度。耕地率和復種指數(農作物總播種面積與耕地總面積之比)體現區域農作物耕種情況，反映了當地農業生產規模。

(3)脆弱性

脆弱性表征承災體遭受干旱災害破壞的性能，強調了農業生產的自然屬性。本文選用農業生產總值比例、單位面積糧食產量和萬元GDP用水量作為脆弱性評價指標。農業生產總值比例(農業生產總值占地區生產總值的比例)和單位面積糧食產量體現了地區農業生產水平。萬元GDP用水量能反映區域產業結構用水效率是否合理。

(4)防災減災能力

防災減災能力表示人類活動對干旱災害的預防和應對能力。本文選用人均GDP、水資源開發利用率和有效灌溉率作為防災減災能力評價指標。人均GDP可反映當地群眾收入水平。水資源開發利用率和有效灌溉率體現了當地灌溉水平和水利工程設備普及情況。

本文涉及的降水量、潛在蒸散量、土壤相對濕度數據來源于NASA數據平臺的饑荒預警系統網絡(FFWS NET)土地數據同化系統(FLDAS)，1990-2019年月尺度0.1°×0.1°的柵格數據集；社會經濟等基礎數據均來源于2003-2017年《巴彥淖爾盟統計年鑒》，主要包括農業人口數量、耕地面積、農作物播種面積、農業生產總值、地區生產總值、糧食產量、有效灌溉面積等。區域用水量、區域水資源總量來源于2003-2017年《巴彥淖爾盟水資源公報》。

2.2 模糊粗糙集模型

因農業干旱災害風險結果無法準確描述，即決策屬性未知。在評估農業干旱災害風險時，模糊粗糙集模型可以通過計算條件屬性(評價指標)對決策屬性(風險結果)的重要程度，從各條件屬性之間的相關關系出發解決權重分配問題。以2010年為例，各評價指標權重的具體計算步驟[25]如下：

(1)首先將所有評價指標值歸一化到[0.5-1]區間內[26]，以消除各數據在范圍和量綱上引起的誤差，同時避免數據出現零值。然后通過ArcGIS將所有歸一化后的評價指標值轉換為空間分辨率為0.1°×0.1°的柵格圖層(共147個柵格)，各柵格對應的評價指標值構成農業干旱災害風險分類決策信息表(表1給出了部分柵格的決策信息)。決策信息表中的對象集X={x1,x2,…,xn}(n=147)，條件屬性ci(i=1,2,…,m)(m=12)，構成原始數據矩陣A。

(1)

(2)按模糊集理論[27]對決策信息表中的條件屬性值進行分類，得出原始數據矩陣A的分類結果Y。

Y={Y1,Y2,…,YS}.

(2)

Ys表示s類別中條件屬性值的等價集。部分條件屬性值的分類結果見表2。

表2 部分條件屬性值的分類結果Table 2 The classification results of partial conditional attributes

(3)刪除某條件屬性ci(i=1,2,…,m)后，剩余條件屬性值構成新的數據矩陣，同(2)對該矩陣進行分類，得到各剩余條件屬性的分類結果Ei。依次刪除條件屬性ci(i=1,2,…,m)，得到分類集E。

E={E1,E2,…,Em}.

(3)

(4)利用模糊粗糙集模型的相關定義，求解各條件屬性ci對決策屬性D的重要程度。首先求取決策屬性等價集的下近似集的并集：

(4)

式中，1≤s≤S，且由條件屬性C-{ci}確定的分類等價集為Ei。

再計算屬性C-{ci}對D的依賴程度γ(C-{ci},D)，然后得到條件屬性ci的重要程度SGF(ci,C,D)。

(5)

SGF(ci,C,D)=γ(C,D)-γ(C-{ci},D).

(6)

(7)

(5)根據各條件屬性ci對決策屬性D的重要程度，采用歸一化處理方法(公式7)得到各評價指標的分配權重，各風險要素的權重為其所包含的各個評價指標權重之和。表3給出了各評價指標的重要程度和權重結果。

表3 農業干旱災害風險評價指標的重要程度和權重(模糊粗糙集模型)Table3 Importance and weights of agricultural drought risk assessment index by fuzzy rough set model

2.3 層次分析法

層次分析法[28](Analytic Hierarchy Process，AHP)以決策者主觀思維判斷為主構造判斷矩陣求取指標權重。考慮到各評價指標相對于不同風險要素的重要程度判斷規則不同，先計算單個風險要素評價指標的權重，再得到各評價指標相對于目標層(農業干旱災害風險)的最終權重值。以危險性指標權重計算為例，具體實施步驟如下：

(1)建立層次結構模型。根據農業干旱災害風險評價指標體系中各指標間的相互影響關系，建立一個由目標層(農業干旱災害風險)、準則層(危險性)和指標層(危險性評價指標)構成的遞階層次模型。

(2)構造判斷矩陣。參考專家意見和相關文獻成果[1,19,23,29-30]，采用1-9標度為危險性評價指標兩兩對比打分，構成判斷矩陣B，如表4所示。

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

(3)層次單排序。根據公式(8)計算判斷矩陣B的最大特征值λmax和特征向量ω，得到指標層與上一層相對重要程度的量化數值排列，從而獲得最優的決策方案。

Bω=λmax.

(8)

(4)一致性檢驗。計算判斷矩陣B的一致性比率CR，若CR<0.1，則認為判斷矩陣B具有較滿意的一致性。否則需要重新構造判斷矩陣，直到其一致性滿足要求為止。

(9)

(10)

(11)

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

(5)由公式(12)得到各評價指標相對于目標層的最終權重值ωqi。同理，由步驟(1)-(4)計算4個風險要素所對應的權重，最后得到農業干旱災害風險評價指標的權重結果見表6。

(12)

2.4 旱災風險評估模型的構建

根據聯合國人道主義事務部給出的風險定義[31]，采用農業干旱災害風險指數(Agricultural Drought Risk Index，ADRI)來量化農業旱災風險，評估模型如下：

(13)

式中，PH,PE,PV,PR分別指農業干旱災害危險性、暴露性、脆弱性和防災減災能力四個子系統量化值；wH、wE、wV、wR分別指4個系統各自對應的權重系數。

(14)

式中，Pj代表第j子系統的量化值，j為系統H、E、V、R；xij為j子系統中n個評價指標中i指標的歸一化屬性值，wij為該評價指標的權重值。

3 結果分析

3.1 時間變化特征

基于區域自然災害理論和模糊粗糙集模型評估河套灌區農業干旱災害風險，得到2003-2017年間內蒙古河套灌區5個區縣的4個風險要素的變化情況，分別如圖1(a)，1(b)，1(c)和1(d)所示。由圖1(a)可知，烏拉特前旗和磴口縣由于單位面積水資源量最少造成兩地的危險性遠高于臨河區、五原縣和杭錦后旗。研究區的整體危險性水平在2003-2017年間稍有下降，但烏拉特前旗和磴口縣的危險性水平年際間波動幅度較大，臨河區、五原縣和杭錦后旗相對平穩。

圖1(b)顯示，2003-2008年間，各區縣暴露性變化較為平穩，五原縣和杭錦后旗的暴露性明顯高于烏拉特前旗和臨河區，遠高于磴口縣。2009-2011年間，各區縣暴露性波動明顯，磴口縣由于農業人口比例大幅增加以及復種指數的上升導致暴露性急劇增加，臨河區的暴露性也因為復種指數的增加而增加。2011-2014年間，各區縣的暴露性較穩定，杭錦后旗由于農業人口比例、耕地率和復種指數都最高導致暴露性指數遠高于其他4個區縣。總的來說，在研究年限內，各區縣暴露性波動較大，暴露性原本最低的磴口縣增加明顯，臨河區和烏拉特前旗略有增加，五原縣和杭錦后旗增加不明顯。除此以外，各區縣的暴露性水平之間的差距也隨著時間的變化逐漸縮小。

圖1(c)表明，2003-2007年間，磴口縣和五原縣的脆弱性明顯高于另外3個區縣，五原縣的脆弱性水平波動較大。2007-2011年間，磴口縣的脆弱性依然最高，五原縣脆弱性略有下降。臨河區、烏拉特前旗和杭錦后旗因農業生產總值比例減小以及萬元GDP用水量增加導致脆弱性水平明顯提升。2012-2017年間，各區縣之間的脆弱性波動顯著，后期均呈下降趨勢，且差距也隨時間的變化逐漸縮小。杭錦后旗和五原縣的脆弱性先大幅上升并于2015年超過磴口縣后逐漸降低。烏拉特前旗的脆弱性水平起初驟降后略有回升但仍低于前期水平。

從圖1(d)可看出，在研究期間，各區縣前期的防災減災能力變化較為平穩，差距較小。磴口縣和五原縣后期防災減災能力劇烈波動，因有效灌溉率下降導致防災減災能力大幅降低，并分別于2011年和2012年達到最低水平，此后明顯回升。總的來說，臨河區和杭錦后旗的防災減災能力一直很高，烏拉特前旗變化較為平穩，磴口縣和五原縣防災減災能力波動最大，灌區整體防災減災能力呈下降趨勢。

圖1 農業干旱災害風險要素時間變化圖Fig.1 Time variation diagram of agricultural drought risk factors

綜合危險性、暴露性、脆弱性和防災減災能力四個風險要素，由公式(13)得到河套灌區農業干旱災害風險如圖1(e)所示。由圖可知，在研究年限內，臨河區和杭錦后旗的農業干旱災害風險變化較為平穩，兩條風險時間變化曲線的相關系數為0.887，表明兩地風險值相近，變化趨勢大致相同。磴口縣和五原縣的風險前期無明顯波動，中期由于暴露性增加，防災減災能力減弱，分別于2011和2012年達到峰值，后期風險水平也相對較高。烏拉特前旗風險值標準差為0.144，低于其余各區縣，說明其風險變化幅度最小。河套灌區整體危險性與脆弱性變化趨勢相反，但防災減災能力卻持續降低，導致農業干旱災害風險呈上升趨勢。

3.2 空間變化特征

根據風險圖制作要求[32]和自然斷點分級法[26]，本文將河套灌區2003-2017年的農業干旱災害風險指數平均值劃分為高、中、低3個等級，得到農業干旱災害風險空間分布圖。如圖2所示，臨河區和杭錦后旗處于低風險區，磴口縣和烏拉特前旗處于中風險區，五原縣風險等級最高。

圖2 農業干旱災害風險空間分布特征Fig.2 Spatial distribution characteristics of agricultural drought risk

危險性方面，考慮河套灌區西南高而東北低的地形特征，土壤鹽分從高地向低地運移，導致五原縣和烏拉特前旗土壤蒸發量大、鹽分累積量高、持水能力差，且烏拉特前旗和磴口縣的單位面積水資源量最少，使危險性呈現東西兩邊高、中間低的分布情況。暴露性方面，五原縣和杭錦后旗的農業人口比例和耕地率均為全區最高，使兩地暴露性水平偏高，且磴口縣暴露性水平最低。脆弱性方面，五原縣和磴口縣的脆弱性偏高，這是由于五原縣耕地率和農業人口比例最大但單位面積糧食產量最低，磴口縣用水效率低且農業生產總值比例最小。防災減災能力方面，杭錦后旗和臨河區水利工程化水平、水資源利用效率和人均GDP均較高，抗旱能力也相應較強，五原縣人民經濟發展水平低，抗旱能力也最弱。綜上所述，五原縣暴露性和脆弱性高，抗旱能力不足，導致其風險最高；臨河區和杭錦后旗危險性最低、抗旱能力最強，故風險等級最低；磴口縣危險性和脆弱性高，但其暴露性最低且抗旱能力中等，烏拉特前旗危險性最高，其余三項風險要素均處于中等水平，故這兩地處于中風險區。

3.3 模型驗證

為驗證模型可靠性，基于前文層次分析法求得的農業干旱災害風險評價指標權重，由公式(13)得出該方法的風險評價結果，如圖3、圖4所示。結果顯示，兩種方法得到的各區縣風險時間變化曲線相關系數均超過0.6，年際間變化趨勢基本一致。磴口縣和五原縣分別于2011、2012年達到研究期風險最大值，與模糊粗糙集模型得到的結果相同。由圖4可看出，運用層次分析法得到的河套灌區農業干旱災害風險分布與模糊粗糙集模型得到的空間分布相同，呈現五原縣最高，烏拉特前旗和磴口縣次之，杭錦后旗和臨河區最低。因此，認為模糊粗糙集模型能夠評估農業干旱災害風險。由于模糊粗糙集模型考慮了所獲資料的不完整性以及農業干旱災害風險的不確定性和模糊性特征，且無需提供任何原始數據以外的先驗信息，故其結果比層次分析法更具優越性。因此，該旱災風險評價模型可以被應用在其他類似地區的研究，模糊粗糙集模型也可以被推廣到其他自然災害的評估中。

圖3 層次分析法所得的農業干旱災害風險時間變化圖Fig.3 Time variation diagram of agricultural drought disaster risk obtained by AHP

圖4 層次分析法所得農業干旱災害風險空間分布圖Fig.4 Spatial distribution of agricultural drought risk obtained by AHP

4 討論

標準化降水蒸散指數(SPEI)作為干旱強度評價指標，可反映區域氣象干旱情況，常被應用在其他諸多類似研究中[9,15,35]。根據沈國強[9]，張煦庭[34]等的干旱等級劃分方法(特旱(SPEI≤-2.0)；重旱(-2.0～-1.5]；中旱(-1.5～-1.0]；輕旱(-1.0～-0.5]；正常(SPEI> -0.5))，得到了河套灌區各區縣2003-2017年間的干旱強度在-1.883～1.989之間波動，如圖5所示。干旱強度的變化趨勢與馬愛華、曲學斌、張煦庭等人研究的內蒙古地區氣象干旱變化情況基本一致[33-35]。2010年，李晶等[36]根據降雨量距平百分比計算得到各地區氣象干旱情況為磴口縣重旱且易旱頻率最高，其余地區均中旱但烏拉特前旗易旱頻率最低。

圖5 干旱強度年際間變化情況Fig.5 Interannual variation of drought intensity

由圖還可看出，2005年和2009年臨河區和磴口縣氣象干旱等級分別為重旱和輕旱，但臨河區的危險性值最低，磴口縣較高。同樣，2015年磴口縣氣象干旱等級最低，但危險性值卻較高。這表明氣象干旱強度并不是主要的致災因子。根據模糊粗糙集模型得到的權重結果顯示，單位面積水資源量的權重系數高于干旱強度。這是由于河套灌區降雨量少而蒸散發量大，當地農業發展需依靠區域可利用的水資源量進行灌溉，因此單位面積水資源量對農業干旱災害危險性的影響比干旱強度更顯著。這也說明發生氣象干旱并不一定會導致農業干旱災害。

2011-2016年間各區縣危險性值較低，然而農業干旱災害風險指數均有不同程度地升高，五原縣和磴口縣尤其明顯。這表明危險性并不是影響河套灌區農業干旱災害風險的主要要素。同年各區縣的暴露性均有增加，防災減災能力大幅降低，并且暴露性和防災減災能力的權重系數比其他風險要素高，證明暴露性和防災減災能力是影響河套灌區農業干旱災害風險的關鍵要素。何斌等[12]基于自然災害理論運用層次分析法評估陜西省農業干旱災害風險，研究結果顯示危險性是最主要的風險要素，能夠直接影響農業干旱災害風險的等級大小和空間分布。這與本文得到的關鍵風險要素不同，主要原因在于區域氣候特征和農業生產方式的不同，影響陜西省農業發展的重要因素是降水，而影響河套農業生產的關鍵因素是耕地面積和灌溉水量。2010年，金阿麗等[37]利用主成分分析法對內蒙古各區縣的旱災災情進行評價和分區，也得到2003-2006年間磴口縣的危險度最高，五原縣和磴口縣對旱災的敏感度最高。

研究結果顯示，五原縣和磴口縣在2011年和2012年的農業旱災風險水平遠高于其他年份及其他地區。兩地區在這兩年內的平均水資源總量分別為10.212億m3和8.258億m3，均低于15年來該地區的平均水資源總量11.178億m3和8.272億m3。結合實際的農業生產情況，五原縣和磴口縣在2011-2012兩年內的農業生產總值占地區生產總值的比例分別為47.99%和27.27%，相比較于兩地區的多年平均情況52.94%和28.87%而言分別減少了9.36%和5.52%。此外，五原縣和磴口縣在2011-2012年內的平均糧食產量分別為50.31萬噸和18.07萬噸，比同時期其他地區的平均產量58.27萬噸減少了13.67%和68.99%。

另外，本文雖然能夠描述農業干旱災害風險的不確定性和模糊性特征，卻不能反映農業干旱災害的物理成因機制，也不能體現不同作物在生育期內對旱災的響應。為順應情景模擬在風險評估中發展的大趨勢，后續可考慮結合氣候模式和作物生長模型探討區域農業干旱災害發生的物理機制，同時動態評估并預測不同干旱情景下作物對旱災的減產損失風險。

為降低未來河套灌區農業干旱災害風險，基于本文評價結果，建議各地區應因地制宜地采取一些旱災防治措施。五原縣可適當減少農作物種植面積，優化城市產業結構，發展經濟建設，提高區域經濟收入水平，大力開展防災減災工作。磴口縣應優化作物種植結構，改進生產技術，提高作物產量，優化產業用水結構，加強抗旱政策和設施投入。烏拉特前旗可盡量加強水利工程基礎設施建設，提高抗旱能力。臨河區和杭錦后旗可大力推廣節水灌溉技術，優化灌溉溝渠排布。結合該防治舉措和本文的研究成果，以期能為當地抗旱減災部門提供理論依據。

5 結論

(1)本文從農業干旱災害危險性、暴露性、脆弱性和防災減災能力四個方面出發，構建農業旱災評價指標體系。充分考慮農業干旱災害風險因素的不確定性特征和評價等級的模糊性，采用模糊粗糙集模型評估河套灌區農業干旱災害風險時空變化特征，并與層次分析法所得的結果相比較。對比結果顯示，兩者風險評估結果時空變化趨勢基本相同。表明模糊粗糙集模型可應用于該領域，且不需要任何先驗知識，不受決策者主觀判斷約束。因此本文提出的農業干旱災害評價模型更具優越性，可擴展到評估其他地區及其他自然災害的風險中。

(2)河套灌區農業干旱災害風險時間變化特征表現為：磴口縣和五原縣在2003-2010年間農業干旱災害風險變化較為平緩，后期因防災減災能力減弱引起風險驟增，分別于2011年和2012年達到峰值，此后一直處于較高水平。臨河區和杭錦后旗因危險性和脆弱性水平偏低，防災減災能力較強，風險最小，兩者風險指數相近且變化趨勢大致相同。烏拉特前旗15年來風險指數標準差為0.144，風險變化幅度最小。

(3)空間變化特征表明：五原縣因從事農業生產人口最多，耕地面積最大，但農業生產總值比例最小且抗旱能力不足，常年處于農業旱災高風險區。磴口縣因脆弱性高且防災減災能力較弱屬于中風險區；烏拉特前旗因危險性高且防災減災能力較低一直穩居于中風險區。臨河區和杭錦后旗地理位置相鄰、氣候環境條件相近、水利工程化水平高，風險等級最低。