中國洪澇災害農業(yè)致災性時空分布規(guī)律

管新建，劉 源，孟 鈺，臧亞文，呂 鴻

(鄭州大學水利科學與工程學院，河南 鄭州 450001)

中國是農業(yè)生產大國，創(chuàng)造了以不足世界9%的耕地養(yǎng)活世界近21%人口的奇跡，研究洪澇災害農業(yè)致災性時空變化規(guī)律是保障農業(yè)生產和社會穩(wěn)定的重要環(huán)節(jié)。洪澇災害具有多重屬性，對于其致災性研究是通過其自然屬性角度，即從洪澇災害的致災后果和致災因子來評價。洪澇通常會造成房屋倒塌、經濟損失、人員傷亡、農田淹沒等災害，而農業(yè)洪澇災害是由于洪澇過程中的大量積水使得農作物生長發(fā)育受限、減產等的氣象災害。對農業(yè)致災性影響研究從“凡有過度即為致災”角度考慮，具體體現為對農作物受災、成災面積的影響。目前，國內外學者們已經提出了一些較為成熟的農業(yè)洪澇災害研究方法，在時間尺度上常用方法包括累積距平百分率分析法、帕爾默干旱指數(Palmer drought severity index, PDSI)分析法、Mann-Kendall法、Z指數法、氣象洪澇指標法等[1-4]；在空間尺度上，研究多基于GIS分析技術對相關指標進行空間插值與展布,通過目視解譯或聚類尋找規(guī)律性特征[5-7]。無論是時間或空間規(guī)律分析，都是基于洪澇災害表征指標序列值的描述性分析[8-10]，因此如何深入挖掘災害指標聯系，對反映時空規(guī)律分析的準確性至關重要。

綜上，針對中國農業(yè)整體大空間范圍、長時間尺度相結合的時空序列分析較少，且目前研究多集中在歷史時間序列特征分析，對于災害未來趨勢預測的研究較少。本文利用歷史洪澇災情農業(yè)受災、成災面積數據，采用了九點二次平滑法、時間序列分析法和空間聚類對1950—2018年中國洪澇災害農業(yè)致災性時空分布進行研究，通過對洪澇災害農業(yè)致災性時空分布規(guī)律及其致災因子的分析，揭示國內洪澇災害對農業(yè)致災性的影響和發(fā)展規(guī)律，以期為提高農業(yè)水災害防治管理水平、保障國家糧食安全提供科學依據和決策參考。

1 研究區(qū)概況與數據來源

中國地處亞洲東部，東臨太平洋，地勢西高東低。中東部季風區(qū)土壤肥沃氣候適宜，科技水平高，農業(yè)耕地面積達全國60%以上的，其中北方熱量低積云少地勢開闊，以旱地為主，南方熱量高降水充沛多丘陵和山地，以水稻田為主。根據《中國水旱災害公報(2016)》的統(tǒng)計顯示，2016年中國農業(yè)用地面積為528萬km2，占全國土地面積的56.21%，占世界土地面積的10.85%。中國年降水充沛但時空分布極不均勻，加上城市化進程的加快、氣候驟變等原因使得洪澇災害頻發(fā)，對中國農業(yè)生產和發(fā)展造成嚴重影響。

本研究所用數據來源于《中國水旱災害公報》和洪澇災害統(tǒng)計資料。1950—2018年全國及各省(自治區(qū)、直轄市)農業(yè)洪澇災害受災、成災面積數據、農業(yè)洪澇災情資料來源于中國種植業(yè)信息網的災情數據庫。澳門、香港特別行政區(qū)及臺灣地區(qū)指標數據不完整，故沒有進行統(tǒng)計分析。

2 研究方法

選取農業(yè)洪澇災害受災、成災面積2個指標表征農業(yè)致災程度，受災面積指因洪澇造成在田農作物產量損失10%及以上的播種面積，成災面積指因洪澇造成在田農作物產量損失30%及以上的播種面積，兩者在農業(yè)致災變化研究中具有一定的代表性。在時間尺度上，采用九點二次平滑法進行受災情況的趨勢分析并建立ARIMA預測模型對農業(yè)洪澇災害受災、成災面積集成預測，提高預測結果的可靠性；在空間尺度上，根據目標函數下的聚類算法進行空間聚類分析，得到農業(yè)洪澇災害受災、成災面積的空間變化。

2.1 九點二次平滑法

九點二次平滑法基于最小二乘法原理，可以對時間序列進行趨勢分析。數據x的擬合公式為

(1)

(2)

式中xi為第i個數據。

2.2 時間序列分析法

對于上述時間序列{xi}，建立ARIMA模型對樣本數據進行相對完整的描述與預測。以下為ARIMA模型具體的實現步驟：

步驟1提取趨勢信息。通過隨機時序方法[4]提取確定性信息，利用差分法提取趨勢信息：

?xt=xt-xt-1

(3)

式中：xt為t時刻的時間序列樣本；?xt為一階差分值。

步驟2差分計算。若xt有曲線趨勢，使用低階差分就能夠顯示出線性趨勢，計算中常采用的是步長為12周期的差分計算：

?x12?xt=?xt-?xt-12

(4)

步驟3白噪聲檢驗。若序列{Xt}滿足式(5)條件，則該序列為為白噪聲序列。

(5)

式中：T為時間序列；t、s為兩個任意時間；γ為協(xié)方差函數。

步驟4隨機性分析。使用Barlett定理構造檢驗統(tǒng)計量來檢驗序列的純隨機性。首先，給出原假設H0(式(6))與備擇假設H1(式(7))。

ρ1=ρ2=…=ρm=0 (?m≥1)

(6)

?ρk≠0 (?m≥1，k≤m)

(7)

式中：ρ為相關系數；m為指定延遲期數；k為延遲階數。其次，圍繞上述假設，使用LB統(tǒng)計量SLB判斷序列是否為隨機序列：

(8)

式中：n為樣本個數；χ2(m)為自由度為m的卡方分布。上式表明LB服從自由度為m的卡方分布,若SLB值小于準測值時，可拒絕原假設H0，認為序列非隨機。

步驟5根據自相關系數(autocorrelation coeffi-

cient， ACF)和偏自相關系數(partical autocorrelation coefficient，PACF)圖確定ARIMA模型取值范圍[11-13]，采用赤池信息量(Akaike information criterion，AIC)最小原則，進行最優(yōu)模型選擇：

(9)

Yt=??wlnXt

(10)

式中：w為步長；?為梯度算符。

2.3 空間聚類

在模糊聚類算法中，基于目標函數的均值聚類(fuzzy C-means，FCM)分析應用較為廣泛。FCM算法中，假設X=(x1,x2，…,xn)為目標整理數據，數據可劃分為h個區(qū)域，V=(v1,v2…,vh)和U=(uij)分別為聚類中心和隸屬度矩陣：

(11)

通過對樣本xi與每個聚類中心的距離用其隸屬度平方加權，求得目標函數J的最小值：

(12)

式中g為模糊指數。通過引入迭代優(yōu)化方法對式(9)求解，以拉格朗日乘數法為基礎，可得到：

(13)

(14)

當滿足設置的迭代條件后，數據聚類過程結束。

3 結果與分析

3.1 時間變化特征

圖1為中國1950—2018年洪澇災害農業(yè)受災、成災面積九點二次平滑結果。由圖1可見，20世紀50—90年代中末期農業(yè)受災、成災面積呈現持續(xù)上升狀態(tài)，有9個省份農作物受災面積超過了年度農作物播種面積的10%，是受災面積最小年份1966年的近10倍，是多年受災面積平均值的2.6倍；近7個省份成災面積超過農作物播種面積的15%，是多年成災面積平均值的2.3倍。20世紀90年代農業(yè)受災情況表現較為顯著增加，年均受災面積為1 086萬hm2，年均成災面積906萬hm2，受災、成災面積最大值均出現在1991年，20世紀90年代暴雨頻發(fā)，特別是1991年的江淮流域和1998年長江流域發(fā)生持續(xù)性特大暴雨，給中國農業(yè)帶來了嚴重影響[14-16]。進入21世紀后中國水利工程配套率隨經濟發(fā)展而逐步提高，防災的工程措施與災害保險、災害預報預警等非工程措施進一步結合，從圖1可以看出農業(yè)受災、成災嚴重程度呈現下降的趨勢。但隨著暴雨等極端天氣發(fā)生頻次趨多、強度趨強，洪災對農業(yè)的脅迫效應不容忽視，應加強災害預警和災害防治風險管理水平。

(a) 受災面積

3.2 洪澇災害趨勢分析

圖2為ARIMA模型運行結果，對數據進行差分處理直至通過平穩(wěn)性檢驗和白噪聲檢驗，通過從小滯后階數中進行嘗試，確定相關系數，對3組數據進行建模。經過比較AIC值，最終選定的模型分別為ARIMA(6,1,1)，ARIMA(7,1,1)。最后在此環(huán)境下安裝預測包，完成對農業(yè)致災危害性的預測。

(a) 受災面積

由圖2可見，在20世紀80年代，中國農作物平均受災面積為0.688億hm2，平均成災面積498 萬hm2，90年代中國洪澇受災及成災面積數值出現了3次高峰值，結合當年資料和觀測數據發(fā)現全國出現較大范圍的暴雨天氣。特別是1998年受太陽黑子活動和超強厄爾尼諾現象影響，中國長江流域發(fā)生特大洪水，對下游城市居民和生態(tài)環(huán)境造成了巨大影響[17]。進入21世紀以來暴雨天氣頻次減少，水利工程相關設施更加完善，自2000年以來農業(yè)平均受災、成災面積為102萬hm2、54萬hm2，大幅度低于20世紀90年代。未來防災減災工作不僅要關注暴雨洪澇災害影響的區(qū)域差異和災害本身的發(fā)生特點，也要關注區(qū)域農業(yè)的工程配套設施、社會經濟發(fā)展水平及生態(tài)環(huán)境等方面的變化，因地制宜地制定防災減災對策。

3.3 空間變化特征

選取1988年、1998年、2008年、2018年作為典型年對各省份農業(yè)洪澇災害受災面積進行空間聚類。在聚類分析之前，計算霍普金斯統(tǒng)計量驗證數據可以分析聚類的合理性，1988年、1998年、2008年、2018年的計算結果分別為0.577 9、0.544 2、0.522 1和0.511 9，滿足聚類前提。在R語言中利用拐點法確定了聚類簇數為5類，代表不同典型年下獲取的空間受災面積程度的分類，結果見表1。

表1 典型年聚類結果

由表1可見，中國西部內陸地區(qū)青海、甘肅、寧夏、西藏、新疆和華北山西受洪澇脅迫影響較小，處于洪災低風險區(qū)；北方地區(qū)內蒙古、河北，東北地區(qū)吉林、遼寧，華南地區(qū)安徽、江西是洪災中風險區(qū)；瀕海地區(qū)如廣西、福建，華南地區(qū)及西南地區(qū)四川等因降雨多、人口密集等原因，受洪澇災害影響較大，是洪澇災害致災的高危風險區(qū)。農作物年均受災面積占到全國總受災面積10%以上的省份有黑龍江、江蘇、安徽、江西、山東、河南、福建、廣東8個省，受災面積總和接近全國50%。據統(tǒng)計，農作物受災、成災面積均達到50萬hm2的有黑龍江、湖北、湖南、廣東、廣西、四川及江淮地區(qū)；年均洪澇災害農作物受災、成災面積大于150萬hm2的省份主要有湖南、湖北兩省，這兩省年均受災成災面積接近種植面積的1/5。從農作物受災率(受災面積占耕種面積的比例)來看，黃河流域、松遼流域、西南地區(qū)，以及華北地區(qū)的北京、天津、河南和西北內流區(qū)甘肅、寧夏、青海等受災率小于5%。江淮地區(qū)長江中下游和兩廣沿海地區(qū)農作物洪澇災害受災面積、受災率偏高，如海南、浙江年均洪澇災害受災率均在15%以上。洪澇災害的防治與當地經濟發(fā)展水平及產業(yè)分布息息相關，高危地區(qū)應加強人為干預，建立洪澇災害預警響應機制，針對降雨多發(fā)區(qū)和多發(fā)季節(jié)，農業(yè)、交通業(yè)以及城市防洪辦應出臺多項預防及應對措施，以“洪水管理”理念取代傳統(tǒng)的“洪水控制”技術。

4 結 語

本文從中國洪澇災害農業(yè)受災、成災面積出發(fā)，運用ARIMA模型時間序列方法進行趨勢分析。在時間尺度上，20世紀60—80年代前期洪災對農業(yè)影響較小，變化幅度?。?0世紀80年代后期，指標年際變化劇烈且致災性影響較大，總的來說，1950—2018年洪澇對農業(yè)致災性影響整體呈增加的趨勢?？臻g聚類結果表明，洪澇災害對農業(yè)的致災性區(qū)域主要位于長江流域中下游、東北地區(qū)、華中華南地區(qū)等區(qū)域，地形和強暴雨天氣對洪澇農業(yè)致災性的強度和頻率影響較大，地區(qū)經濟發(fā)展水平高和水利工程設施較為完善的區(qū)域農業(yè)脆弱性低、抗災害脅迫能力強。