暴雨洪澇災害對農作物損失定量評估研究

摘要：利用1983—2018年河北省降水資料、農作物暴雨洪澇災情資料和社會經濟資料，首先，采用相關分析、主成分分析等方法建立了分月份的暴雨致災強度評價模型，確定了強度等級劃分標準，構建了河北省農作物暴雨洪澇災害損失個例庫。其次，采用歷史情景類比法，利用個例庫構建定量評估模型，實現河北省暴雨洪澇災害對農作物影響損失的定量損失評估。結果表明，農作物受災主要與1 h最大降水量、累積降水量、最大日降水量有關，暴雨致災強度指數能較好地評價某次暴雨過程對農作物造成損失的危險性;歷史情景類比法對農作物暴雨洪澇損失評估準確率在60%以上，且方法簡單、快速，可以應用于定量損失評估業務中。

關鍵詞：暴雨洪澇災情;農作物;暴雨強度;類比法

中圖分類號：P446 " " " " 文獻標識碼：A

文章編號：0439-8114（2022）03-0036-06

DOI：10.14088/j.cnki.issn0439-8114.2022.03.008 開放科學（資源服務）標識碼（OSID）：

Study on quantitative pre-assessment of crop rainstorm disaster loss

ZHAO Tie-song， ZHANG An-ningzhi， HU Hui-fang

（Hebei Meteorological Disaster Prevention Center， Shijiazhuang "050021，China）

Abstract：In this paper， the rainfall data， crop rainstorm and flood disaster data and socio-economic data of Hebei province from 1983 to 2018 were used. Firstly， correlation analysis， principal component analysis and other methods were used to establish the evaluation model of rainstorm disaster intensity in different months， determine the standard of intensity classification， and build a case database of crop rainstorm loss in Hebei province. Secondly， using the historical scenario analogy method， a quantitative prediction model was constructed by using a case database to realize the quantitative loss prediction of the impact of heavy rain and flood disasters on crops in Hebei province. The results showed that the disaster of crops was mainly related to the maximum precipitation in 1 hour， the accumulated precipitation and the maximum daily precipitation. The disaster intensity index of rainstorm can better evaluate the risk of crop loss caused by a certain rainstorm process， the historical scenario analogy method for crop rainstorm and flood loss assessment accuracy rate was more than 60%， and the method was simple and fast， which can be applied to the loss assessment business.

Key words： storm and flood disasters; crops; storm intensity; analogy

暴雨洪澇是河北省最主要的氣象災害之一，也是給河北省造成經濟損失和人員傷亡的最主要自然災害[1]。河北省是農業大省，暴雨洪澇對農業生產影響很大[2]。如 2016 年“16·7”特大暴雨洪澇災害造成河北省152個縣（市、區）89.03萬hm2農作物受災，農業經濟損失約 113.58 億元，占總損失的19.8%[3]。因此，如何科學準確地在災害發生前對暴雨洪澇造成的損失進行科學預估，是政府進行防災減災決策的重要參考，也是目前經濟社會發展的需求及研究熱點。

目前，對農業暴雨洪澇災害損失評估的研究成果如雨后春筍般涌現，大多集中在農業暴雨洪澇災害的致災因子與區域致災風險、農業災害監測、風險評估及預估等方面[4-8]。張順謙等[9]分別建立基于暴雨綜合強度指數和基于暴雨灰色關聯度的災害損失評估模型，分析了四川省不同重現期暴雨可能造成的經濟損失率。尹占娥等[10]從致災因子分析、脆弱性分析和暴露分析三方面入手，依據暴雨強度公式，結合實地調查得到的災害損失數據擬合出居民房屋和室內財產的災害損失曲線，創建了基于GIS柵格小尺度的城市暴雨內澇災害評估模型。史瑞琴等[11]探討了基于暴雨洪澇淹沒模型的暴雨洪澇災害損失評估技術。

已有研究大多基于統計分析或淹沒模型開展，統計分析方法不能很好地刻畫致災機理，基于淹沒模型在大范圍開展氣象災害損失定量評估存在明顯局限性。而對河北省來說，由于南北地形差異大、區域發展不平衡、灌溉工程以及作物品種不同，暴雨洪澇對不同地區的農作物造成的損失不同，不能用單一的統計模型或淹沒模型進行定量評估。類比法是根據兩個對象的已知相似性， 把一個對象已知的屬性或規律推介到另一個對象上， 從而獲得對另一個對象新認識的方法[12]，簡便易行，在很多領域應用廣泛。但類比法也存在一定局限性，就是不易找到滿足要求的、足夠數量的相似個例，目前的解決辦法為拉長時間序列，得到足夠數量個例，于是產生第二個問題，在長的歷史時期內，承災體的易損性發生了很大變化，災害個例與現在差別很大，首先要進行經濟發展和物價指數訂正，如黃治勇等[13]就將類比法應用于暴雨災害損失定量評估中，對歷史災情進行訂正后，預估暴雨災害經濟損失和受災人口。如果歷史序列過長，還要考慮防災減災能力等問題，因此，類比法在災害風險評估方面的應用并不多。但章國材[14]明確提出，對統計資料連續完備，且防御能力年代間差異較小的農作物損失評估方面，采用歷史情景類比法進行災害損失定量評估是一種可行的技術方法。在現有研究的基礎上，利用歷史情景類比法在災害損失評估中的應用理論，針對河北省農作物暴雨洪澇災害損失定量評估進行實踐，利用氣象數據、農作物暴雨洪澇災害損失數據以及社會經濟數據，利用SPSS數據統計軟件進行相關分析、主成分分析等，構建暴雨致災強度評價模型，建立分暴雨致災強度等級的河北省農作物暴雨洪澇災害損失個例庫，在此基礎上，采用歷史情景類比法，構建定量評估模型，實現河北省暴雨洪澇災害對農作物損失的定量評估，以期為政府防災減災提供參考。

1 數據來源與研究方法

1.1 資料來源

所用災情數據為1983—2018年5—9月河北省農作物暴雨洪澇損失數據，來自于民政部門、災情直報、災害普查等渠道，主要包括受災地區、災害起止時間、農作物受災面積及農作物經濟損失等。氣象資料為142個國家氣象站1983—2018年降水觀測數據，包括小時降水量和日降水量，來源于河北省氣象局。農作物相關數據主要來源于歷史文獻資料，其中包括河北省各市2018年經濟統計年鑒、2018年河北農村統計年鑒，主要包括逐年農業產值、農業種植面積等。

1.2 研究方法

本研究的流程如圖1所示，將災情信息與對應的降水信息匹配，通過相關統計分析方法確定致災因子，構建暴雨致災強度評價模型，建立分暴雨強度等級的農作物暴雨洪澇災害損失個例庫，在此基礎上采用歷史情景類比法確定相似個例，按照一定規則賦予權重系數，計算得到農作物暴雨洪澇損失評估結果。研究重點主要為2個方面，一是暴雨致災強度評價模型構建，以及在此基礎上建立農作物暴雨洪澇災害損失個例庫，二是基于農作物暴雨洪澇災害損失個例庫，利用歷史情景類比法對農作物暴雨洪澇災害損失進行定量評估并檢驗。

基于農作物暴雨洪澇災害損失個例庫，應用農作物暴雨洪澇災害損失定量評估模型進行評估的流程為：讀取待評估過程降水預報數據，基于暴雨強度評價模型計算暴雨強度，依據暴雨強度等級、暴雨發生地點、時間，按照相關原則，遍歷農作物暴雨洪澇災害損失個例庫，挑選相似個例，再基于暴雨洪澇農作物損失定量評估模型，計算待評估過程的農作物暴雨洪澇損失。

1.2.1 暴雨致災強度評價模型構建

1）暴雨致災強度評價模型。將各降水因子與農作物暴雨洪澇經濟損失做相關分析，確定農作物暴雨洪澇災害影響因子，通過主成分分析等方法確定權重系數，進而構建河北省暴雨致災強度評價模型。

暴雨致災強度評價模型為：

D = a1x1+a2x2+…+ajxj "（1）

式中，D為暴雨致災強度指數，x1到xj分別為1 h最大降水量（mm）、累積降水量（mm）、最大日降水量（mm）、3 h最大降水量（mm）、6 h最大降水量（mm）、12 h最大降水量（mm）等降水因子;a1到aj為各降水因子對應的權重系數。

2）min-max標準化法（Min-max normalization）。采用min-max標準化法將降水因子進行無量綱處理，將原始數據（[xi]）進行線性變換，使結果（[x′i]）映射到[0，1]區間，轉換函數如下。

[x′i=xi-xminxmax-xmin] " " " " "（2）

式中，[xmax ， xmin]為各降水因子的最大值和最小值。

3）相關分析法。相關分析是研究隨機變量之間相關關系的一種統計方法，被廣泛應用于包括氣象在內的大數據挖掘、分析應用領域[15]。應用相關分析確定農作物暴雨洪澇災害影響因子。

4）主成分分析法。也稱為主分量法，是一種統計學算法，主成分分析法能將高維信息降為低維信息，簡化數據結構，被廣泛應用于影響因子及權重的確定[16]。本研究利用主成分分析法計算5—9月農作物暴雨洪澇災害各影響因子的權重（a1，a2，…，aj）。

5）均值—標準差法。是利用暴雨致災強度均值（μ）和不同標準差（std）倍數的組合來劃分等級[17]，將暴雨致災強度劃分為5個等級，具體的劃分標準為高致災強度（μ+2.5std≤Dlt;1）、較高致災強度（μ+1.5std≤Dlt;μ+2.5std）、中致災強度（μ+0.5std≤Dlt;μ+1.5std）、較低致災強度（μ-0.5std≤Dlt;μ+0.5std）、低致災強度（0≤Dlt;μ-0.5std）。

1.2.2 農作物暴雨洪澇災害損失定量評估模型構建

1）歷史情景類比法。該方法的主要思路是在歷史資料庫中找出與待評估的災害過程強度和范圍相似的若干個例，根據相似程度分別給予各個例一定的權重，最后對各相似個例訂正后的災損進行加權求和便得到災損評估結果[13]。就農作物暴雨洪澇災害損失評估而言，在致災因子的強度和地理上的分布相似，產生的災損才有可能相似[13]，再綜合考慮災害發生時間，優先挑選距待評估過程時間最近的足夠數量個例，能在一定程度上表征待評估過程[14]，因此，在暴雨致災強度相同的情況下，采用類比法定量評估暴雨洪澇對農作物造成損失是可行的。

本研究基于1983—2014年的災害個例采用歷史情景類比法構建農作物暴雨洪澇災害損失定量評估的模型，利用2015—2018年災害個例進行檢驗。由于農作物暴雨洪澇歷史災情數據時間序列較長，而近40年來，農業生產技術、防御能力及農業經濟有了很大的提高，用80年代的災害損失來評估當前損失是不適宜的，為了消除由于社會發展、生產力進步所造成的影響，采用逐年農業生產總值對個例庫中的農作物損失進行了物價水平訂正，公式如下。

L=[PiP2018×Li] " （3）

式中，L為訂正后農業經濟損失（萬元），Li為災情記錄的i年農業經濟損失（萬元），Pi為災情記錄i年的農業產值（萬元）， P2018為2018年農業產值（萬元），且逐年農業產值按可比價格計算。

農作物暴雨洪澇災害損失定量評估模型分為兩部分，一是以縣為單元計算每個縣的農作物損失，二是將所有縣的農作物損失相加得到總損失。

本研究以縣為基本單元進行農作物損失定量評估，以[Lmj]（萬元）表示某次待評估降水過程對第j個縣造成的農業經濟損失，[Lareaj]（hm2）為對第j個縣造成的農作物受災面積，則：

[Lmij=i=1，j=1n，kaijLmij] nbsp; " （4）

[Lareaj=i=1，j=1n，kaijLareaij] " " （5）

式中，[Lmij]為第i個相似個例第j個縣訂正后的農業經濟損失（萬元），[aij]為各相似個例各縣對應災害損失的權重系數，[Lareaij]為第i個相似個例第j個縣的農作物受災面積（hm2），i=1，2，3，…，n，為歷史相似個例的個數，j=1，2，3，…，k，為河北省待評估受災縣數。

而某次待評估過程造成的總農業經濟損失[Lm]（萬元）和總農作物受災面積[Larea]（hm2）分別為各縣的農業經濟損失、農作物受災面積之和。

[Lm=j=1kLmj] " " " " （6）

[Larea=j=1kLareaj] " " （7）

2）權重系數[aij]的確定。權重系數[aij]是評估模型中最關鍵的參數，本質上就是相似個例與待評估暴雨過程的相似度。本研究中有4個影響相似度的要素，分別為年份、月份、地區和暴雨致災強度等級，不同月份農作物物候期不同，脆弱性差異大，暴雨致災強度等級不同，致災能力不同，因此要求挑選個例時月份與暴雨強度等級必須相同，與[aij]值相關因素為年份和災害發生地區的相似度。

①當在距待評估暴雨過程5年以內，并在相同縣內找到3條及以上相似個例的，即不再挑選更遠年份的相似個例，且[aij]為1/n（n為相似個例數）。

②當相似個例年份不在5年以內則按以下規則計算：經濟損失包含物價變化、經濟增長率等諸多原因，雖然已對個例進行相關訂正，但農作物種植結構、農作物品種抗性、防御能力等隨著時間的推移仍存在一定差異，認為相似度與距待評估過程時間長度成反比[13]，因此，經專家評定，80年代取相似度為0.6，90年代取相似度為0.75，2000—2010年取相似度為0.85，2010—2018年取相似度為1。[aij]即為各個例所在年代相似度歸一化的值，也是各相似個例所占權重。

[aij=Xii=1nXi] " " " （8）

式中，[Xi]為第i個歷史個例對待評估暴雨過程的相似度。

3）區域劃分。在對農作物暴雨洪澇災害損失評估時，發現并不是每一個縣都有足夠多的相似災害過程，為了擴大相似個例的數量，增加評估方法的可用性，本研究根據地形的相似程度和農作物暴雨洪澇脆弱性特點[18]將河北省分為4個部分（圖2）。（a）西北部高原;（b）太行山區;（c）燕山山區;（d）平原地區。當某個縣的相似個例數小于3時，默認在相同分區內挑選臨近縣相似個例，找到3個即止，在最大程度上保證災害個例間的相似程度。

2 結果與分析

2.1 暴雨致災強度評估

河北省多短時強降水，持續降水過程較少[19]，因此，選擇1 h最大降水量、3 h最大降水量、6 h最大降水量、12 h最大降水量、最大日降水量、累積降水量為備選降水因子。將各備選降水因子與農作物暴雨洪澇經濟損失進行相關分析，確定對農作物受災影響較大的主要致災因子（表1）。其中，1 h最大降水量、累積降水量和最大日降水量與災損相關性較好，且通過0.01檢驗。因此，選擇1 h最大降水量、累積降水量、最大日降水量作為描述暴雨致災強度的影響因子，通過對各因子權重系數的分配來控制各因子對暴雨致災強度的影響程度。

利用SPSS數據統計軟件對標準化的各降水因子進行主成分分析，得到5—9月各降水因子的權重（表2）。根據公式（1）得到5—9月暴雨致災強度計算公式如下。

D5=0.19x1+0.40x2+0.41x3 " （9）

D6-7=0.31x1+0.34x2+0.35x3 " " （10）

D8=0.30x1+0.34x2+0.36x3 " " （11）

D9=0.31x1+0.35x2+0.34x3 （12）

式中，D5為5月暴雨致災強度指數，D6-7為6—7月暴雨致災強度指數，D8為8月暴雨致災強度指數，D9為9月暴雨致災強度指數，x1為1 h最大降水量（mm）、x2為累積降水量（mm）、x3為最大日降水量（mm）。

計算得到1983—2018年各次暴雨洪澇災害過程的致災強度指數后，采用均值-標準差法確定暴雨致災強度指數等級劃分標準，因已對各降水因子進行標準化處理，因此D值在[0，1]區間內（表3）。其中，8月份暴雨致災強度指數閾值最小，表明農作物更容易受災，這與8月份農作物處于灌漿、成熟期對暴雨更為敏感有關[20]。

2.2 河北省農作物暴雨洪澇災害損失個例庫構建

整理1983—2018年農作物災情數據，根據災情發生地點、時間匹配氣象數據，對災害損失數據進行標準年份訂正，共篩選出592條農作物暴雨洪澇災害個例。基于暴雨致災強度評價模型，計算592條歷史個例的暴雨致災強度，以表3為依據劃分暴雨致災強度等級，建立河北省農作物暴雨洪澇災害損失個例庫，個例庫主要包括災害發生地點（具體到縣）、所屬地氣象臺站、經緯度、災害發生時間、降水情況（1 h最大降水量、累積降水量、最大日降水量）、農作物受災面積、農業經濟損失、暴雨致災強度指數、暴雨致災強度等級等內容（表4）。此個例庫是后續利用歷史情景類比法進行農作物暴雨洪澇災害損失評估的基礎，其中，最關鍵的指標為災害發生地點、災害發生時間、暴雨致災強度等級和農作物受災面積、農業經濟損失5項，前3項為確定歷史相似個例的依據，后2項為農作物暴雨洪澇災害損失定量評估模型評估損失的依據。

2.3 效果檢驗

在預留的2015—2018年歷史個例中隨機挑選3次暴雨過程，按照上述農作物暴雨洪澇災害損失定量評估模型中規定的相似個例確定原則和權重計算方法，分別進行損失評估，評估結果與實際災害損失見表5。農作物受災面積和農業經濟損失評估誤差為10%～40%，絕大多數正確率在60%～70%，評估效果較好，說明該方法可以對河北省農作物暴雨洪澇災害損失進行評估。實際應用中，在已知1 h最大降水量、累積降水量和最大日降水量預報的情況下可以簡單、快速地對農作物暴雨洪澇損失進行評估，為氣象災害防御提供了有效的決策參考。

3 結論

本研究利用降水數據、農作物暴雨洪澇災害損失數據以及社會經濟數據，建立了分月份的暴雨致災強度評價模型，確定了強度等級劃分標準，在此基礎上，建立了分暴雨致災強度等級的河北省農作物暴雨洪澇損失個例庫，采用歷史情景類比法，構建定量評估模型，實現了河北省暴雨洪澇災害對農作物影響損失的定量評估。

河北省暴雨洪澇災害對農作物受災影響較大的降水因子分別為1 h最大降水量、累積降水量和最大日降水量;3個降水因子與農作物損失相關性較高，能夠比較客觀地反映暴雨致災強度和產生災害的危險性。

采用主成分分析法計算各暴雨因子的權重，構建了暴雨致災強度模型和分級標準，建立了分暴雨致災強度等級的河北省農作物暴雨洪澇災害損失個例庫，共計592條。

利用歷史情景類比法構建定量評估模型，制定相似個例判定規則，以年份、月份、暴雨致災強度、區域等為條件確定相似災情，賦予相應權重，對河北省農作物暴雨洪澇災害損失進行評估，經檢驗評估準確率達60%，且方法簡單、快速，說明類比法可以在暴雨洪澇災害損失評估中進行應用。

參考文獻：

[1] 孫 霞，俞海洋，孫 斌，等.河北省主要氣象災害時空變化的統計分析[J].干旱氣象，2014，32（3）：388-392.

[2] 霍治國，范雨嫻，楊建瑩，等.中國農業洪澇災害研究進展[J].應用氣象學報，2017，28（6）：641-653.

[3] 陳小雷，王麗榮，趙鐵松，等.河北省暴雨洪澇災害評估—2016年7月19日-21日特大暴雨過程[M].北京：氣象出版社，2018.26.

[4] 霍治國，李世奎，王素艷，等.主要農業氣象災害風險評估技術及其應用研究[J].自然資源學報，2003，18（6）：692-703.

[5] 張桂香，霍治國，楊建瑩，等.江淮地區夏玉米澇漬災害時空分布特征和風險分析[J].生態學雜志，2017，36（3）：747-756.

[6] 王秀榮，呂終亮，王麗萍，等.一種簡化的暴雨災害風險及影響評估方法和應用研究——以京津冀“7·21”暴雨事件為例[J].氣象，2016，42（2）：213-220.

[7] 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.

[8] 焦圓圓，謝志高.深圳市暴雨洪澇災害風險評估與區劃[J].中國農村水利水電，2014（1）：77-81.

[9] 張順謙，王春學，陳文秀，等.四川省暴雨過程強度及損失評估方法研究[J].暴雨災害，2019，38（1）：79-85.

[10] 尹占娥，許世遠，殷 杰，等.基于小尺度的城市暴雨內澇災害情景模擬與風險評估[J].地理學報，2010，65（5）：553-562.

[11] 史瑞琴，劉 寧，李 蘭，等.暴雨洪澇淹沒模型在洪災損失評估中的應用[J].暴雨災害，2013，32（4）：379-384.

[12] 葉 影.類比法在物理教學中的應用[J].中國科技信息，2008（15）：246-248.

[13] 黃治勇，尤利民，邵末蘭，等.類比法在暴雨災害損失定量預估中的應用[J].大氣科學學報，2011，34（2）：247-250.

[14] 章國才.暴雨洪澇預報與風險評估[M].北京：氣象出版社，2012.41-42.

[15] 梁吉業，馮晨嬌，宋 鵬.大數據相關分析綜述[J].計算機學報， 2016，39（1）：1-18.

[16] 蘇 鍵，陳 軍，何 潔.主成分分析法及其應用[J].輕工科技，2012（9）：12-13，16.

[17] 陳松林，王天星.等間距法和均值-標準差法界定城市熱島的對比研究[J].地理信息科學學報，2009，11（2）：145-150.

[18] 張安凝知，趙鐵松，陳 霞，等.河北省農作物暴雨洪澇災害的脆弱性評價[J]. 貴州農業科學， 2018，46（5）：143-146.

[19] 黃 鶴，楊 超，于 雷，等.1958-2012年河北省汛期暴雨氣候變化特征分析[J].氣象與環境學報，2015，31（2）：44-50.

[20] 李元華.河北省近50年氣候變化及對農業的影響[D].南京：南京信息工程大學，2013.