山東省冬小麥氣象災害風險評估及應對策略

徐 祎

（山東省泰安農業氣象試驗站，山東 泰安 271000）

0 引言

小麥作為我國人民的主要糧食來源之一，具有重要的農業價值和營養價值。同時，山東省也是我國最重要的小麥種植基地之一，山東省冬小麥產地具有豐富的自然資源以及肥沃的土地資源。但是，由于近年來山東冬小麥連年遭遇突發自然災害，這不但降低了小麥的產量和質量，還暴露了小麥生產中應對突發自然災害能力的問題。尤其是在耐凍性、耐旱性和耐干熱風的抗逆性等方面都需要提高。因此，通過深入研究山東冬小麥天氣自然災害風險評價模式，將有助于評價因天氣風險所帶來的作物減產的能力，對科學指導農作物生產、保護糧食安全有著重要意義。

目前，有關食品安全監督管理預警的理論、方法和指標體系方面的研究成果已有不少。如魏瑞江等［1］用模糊數學方法構建了河北冬小麥生長發育適宜性的隸屬度模型和氣象適宜度模型。劉揚等［2］則采用了面向對象編程技術和Java語言，構建了基于遙感與WebGIS技術的冬小麥估產體系。李香顏等［3］從風險分類與風險評價的視角，重點研究了小麥天氣適宜性模式、小麥天氣風險帶與小麥生產的預測。但由于區域氣候條件直接影響著小麥的產量，目前山東省內還不能對自然災害所導致的作物減產而開展定性分析模式研究。因此，筆者系統地分析了山東冬小麥的產量情況和氣象風險數據，并構建了山東冬小麥的氣象災害風險評價模式。

1 氣象災害風險的概念

氣象災害風險的含義是通過自然環境以及承擔災害的對象構建成的一個龐雜的信息系統，通過理論模型與風險因子而進行的氣象災害分析。引起氣象災害的原因通常是指能夠引起自然災害的天氣現象。而氣象災害原因分析則重點研究引起自然災害的天氣現象的強度、持續時間以及區域特點。在災害評估過程中，因自然因素引起的一般被稱為氣象風險。孕育災害的環境因素會提高災害的危險性，不過降低災害的危險性也是可行的。天氣災害的災變框架是指最可能被天氣災害所摧毀的目標。而承災體的易脆性范圍是指承災體最容易受天氣災害影響的程度。承災體的脆弱性水平也是影響災難風險程度的最基本因素之一［4］，如與風險源有關的災害脆弱性水平較低，則承災體發生損失的可能性就越小，災難危險性也越低。當引起災害的各種因素直接影響到災害載體時，所產生的損失則稱為災害。

農作物氣象災害體系主要由自然災害孕育環境、自然災害主體、災害因子、自然災害趨勢等子系統構成。由于農業生產有自然和經濟發展的特征，因而，它經常會遭受自然環境和社會經濟風險的威脅，它的脆弱性遠高于其他產業。對于選擇風險評估模型，不同研究者之間存在較大的爭議。通常的做法是假設輸出單元的變量系列對應于給定的活動，在設置風險模型時，數據序列的長度通常是有限的，會出現不確定性。而且，如果風險僅被理解為歷史損失的經驗，則很難考慮到區域災害風險的特征。農業氣象災害風險評估主要集中在單一災害作物上，通過建立多因素風險指數模型，計算小麥氣象災害風險［5］。對于冬小麥而言，冬小麥被損害的風險與各種氣象因素密切相關。

2 數據與方法

2.1 研究資料

山東的沖積平原主要是由河水的沖擊和沉積作用所造成的。地勢較淺而平緩，多數地區的平均海拔都低于60 m。雖然山東的土質大多為黃褐色和棕色土壤，但多數土壤早已經成熟，適宜農作物栽培。而山東省則屬于暖溫帶大陸性季風氣候區，受季風的影響，冬季嚴寒干旱，夏季酷熱多雨。整個區域的陽光充足，全年平均日照時數約為2800 h。氣溫條件適宜，無霜期為190～220 d，0 ℃以上的積溫為4500～5500 ℃·d。但受氣候變化的影響，該地區的年均氣溫上升速率約為0.21 ℃/10 a，遠超過全球上升速率，尤其以冬、春兩季上升顯著［6］。

2.1.1 產量周期 小麥生產水平和氣象風險的數據來自山東省17個國家氣象觀測站和山東省統計局1980～2020年的歷史數據。通過DPS軟件的數據分析，結合氣象評估模型，核算其風險因子，公式為：

式（1）中，Y為小麥的單位產量（kg/hm2）；Yt為趨勢產量（kg/hm2），是反映歷史時期生產力發展的長期產量組成部分；Yw為天氣產量（kg/hm2），ε為隨機誤差，可以忽略不計，其中，作物產量受短期周期變化控制的時間通常為1年。

趨勢產量Yt采用線性移動平均模擬方法計算，因此氣象產量方程為：

式（2）中，Yw為天氣產量（kg/hm2），其相對變化進一步轉化為下列方程：

目前，氣象周期性轉變因素大部分都與播種時間、農作物種類的影響因子有關。周期產量也被稱之為比較氣象生產，這也從側面說明了山東省冬小麥的產量周期性變動與播種時間以及天氣因素的影響。因此，把握好冬小麥的產量周期性變化，對于穩定小麥生產具有重要意義。

2.1.2 氣象分區 山東省小麥種植具有豐富的歷史經驗。由于山東的地貌崎嶇、地理特征分布復雜，各個區域的地形各不相同。因此，根據不同的生態條件，在小麥栽培實踐過程中，通過自然與人工相結合的方式建立了幾種小麥品種的生態系統。之后，結合我國其他地區的生態環境現狀，并進一步分析了這些地區小麥的種植及其生長情況，從而推斷出有可能影響到山東省冬小麥產量的具體氣象因素。經觀察，其中的10種天氣因子具有很大差別：主要包括冬季的溫度變化、2月份的平均氣溫差異、小麥前期各階段的生長發育、冬季平均降水量和溫度變化［7］。本次氣候研究重點考慮了天氣風險因子的差異，即膠東丘陵冬性晚熟型區域、早春型、寒冬型等。山東省地形和小麥生態區如圖1所示。

圖1 山東省地勢與小麥生態區劃示意圖

2.2 研究方法

經驗正交函數法（EOF）廣泛用于氣象分析中。該方法沒有固定的功能，可在限定的時間范圍內迅速擴大，并匯聚所有不規則分布的站點。它把所有可變場信息都聚集到幾個模型中，并以特定的物理含義區分空間結構。本研究在由m個觀測站構成的n個可變場中，將原始可變場Xmn通過EOF衰減分解為正交空間函數Vmi與時間函數tin的輸出之和：Xmn=Vmi×tin。主分量按方差比排序，代表了元素場的一些基本分布，因此，可以使用幾個第一空間數據函數和相應時間函數的線性組合來估計和解釋原始場。

2.2.1 熵權法 數據熵可以用來衡量數據干擾的程度。熵越大，數據中斷的程度越高，數據的效益則越低。計算數據熵權的步驟如下：假設有n個圖和m個影響因素。

（1）對Xij進行標準化處理，得到Pij。

（2）熵值計算，公式為：

（3）計算偏差度，公式為：

（4）計算權重，公式為：

2.2.2 綜合評價法 綜合評價法即采用加權綜合評價法（WCA）構建評價指標和模型。根據指數影響的顯著性，為評估目標確定一個合理、等效的權重因子，并乘以指數的量化值和累計值。計算公式為：

式（7）中，P是待評估因子的總定量值；Ai是指數i的定量值（0≤Ai≤1）；Wi是指數i對應的權重因子（Wi＞0）；n是評估中涉及的指標數量。

3 山東省冬小麥的氣候特征分析

3.1 近10年平均降水量與平均溫度的變化趨勢

山東省的年平均氣溫對全球變暖有明顯的反應，其線性變暖率明顯高于北半球。山東省的降雨分布不均和降雨量變異性大，很容易加劇某些地區的旱澇災害。通過對山東省近10年的平均降水量和平均氣溫的M-K檢驗，可以得出：2015～2016年，山東省的年均降水量基本呈現穩定減少的趨勢，但由于這一趨勢還沒有經過95%的可靠性檢驗，因此，實際降水量的減少并不明顯。從2017年開始，山東省的年均氣溫出現了明顯的回暖趨勢，到2019年這個回暖趨勢通過了95.6%的可靠性檢驗，甚至在后期達到了98%的可信水平，說明山東省年均氣溫的上升勢頭已經十分明顯。2018年，全國平均溫度UF曲線明顯偏離了UB曲線，可看作氣溫突變剛開始的時間，氣溫上升則會增大土壤地表的蒸散量，而降水減少則會增大土壤含水量與蒸散量之間的差距，這2個相互作用的因素都加重了山東省缺水的程度。山東省SPEI指數在過去10年中的變化顯示了干旱的總體趨勢。2019年初，SPEI指數為正值，華北平原出現了近10年來最潮濕的時期。2018年底主要是干旱。2012～2017年，除個別年份外，山東省大部分年份的氣候相對濕潤。2015年，SPEI指數呈現正、負2種變化。2014年之后，特別是2017年山東省的平均氣溫突變后，由于氣溫明顯上升，SPEI指數為負值的年份顯著增加，這表明山東省旱象的頻發。2014～2020年，SPEI指數的時間序列能很好地反映這一點，這也從側面反映了SPEI指數對分析山東旱澇趨勢具有良好的適用性。

3.2 山東省冬小麥氣象災害風險評估特征

寒冷季節的小麥在山東省氣象評估過程中影響因素很多。山東省的糧食生產通常采取雙重耕作模式。采用冬小麥種植區農業氣象災害風險評估模型，分析了山東省的時間和區域特征。2012～2021年山東省的干旱覆蓋率逐漸擴大，且呈顯著增加趨勢。可能是因為近年來山東省氣候逐漸變暖、年降雨量不足導致的。根據線性趨勢可知，干旱覆蓋面積將增加64%。山東省大陸氣候受冬季風的影響，覆蓋了整個山東省50%的臺站。干熱風強的地區也占山東省的近1/4。此外，除2013年外，山東省每年都會出現干熱風。特別是在2015和2016年，輕度干熱空氣的出現率接近90%，而在2012、2014和2015年，重度干熱空氣的出現概率接近70%。輕度干熱空氣的總趨勢呈波浪形，即在初始階段減少，在中間階段逐漸增加，而在后期又開始下降，前期、中期和后期分別對應于20世紀20年代中期的2013、2017和2019年。嚴重晚霜的面積大于輕度晚霜的面積，自2013年以來，輕度晚霜的變化趨勢相對溫和，發生災害的次數逐漸減少并趨于穩定；2017年以來，輕度晚霜的發生范圍逐漸擴大；2015～2018年，嚴重的晚霜天氣十分普遍。

4 山東省冬小麥氣象災害風險評估模型

4.1 災害風險評估方法

本研究主要采用4種方法對災害風險進行評估：產量數據處理法、移動平均法、綜合估算法和GIS模式數據分析方法。然后進行熵權分析，計算出小麥的氣象災害影響因子，從而對小麥產量進行綜合性評價。冬小麥產量通常由天氣產量、趨勢產量和隨機誤差3個部分組成。相對天氣收益率是氣象產量與趨勢產量之比，公式為：

式（8）中，y代表相對氣象輸出；Yt和Y代表趨勢產量和實際產量。減產率是相對天氣產量的負值。M-K檢驗通常用于非參數統計檢驗，其意義是異常數據不易被干擾。在突變趨勢檢測中有很強的應用效果。假設X時間序列的樣本量為n，以形成單秩序列，公式為：

式（9）中，Sk表示i、j時刻數值個數的累加值，此外，需要滿足式（3）。ri={0，xi＜xj+1，xi≥xj，（j=1, 2, …，i）}，假設每個時間序列都具有隨機獨立性，并使用公式（7）中的模型定義統計數據。回 歸 模 型 主 要 有n～P+1方 程，即1～P，2～P+1，3～P+2，…，n～P+1～n。因此，t時的變量數是P，因此，2022年的趨勢輸出是以yt(P)表示的變量的平均值。

式（10）中，P是偶數，在式（11）中，P表示奇數。綜合評估方法使用加權平均法評估多分量災害。每個因素對整體評估結果都有不同的影響。因此，有必要確定相應的權重指數、量化系數和累積系數。公式（12）給出了相應的計算模型：

式（12）中，H代表評估因子的總定量值；Xi代表i指標的數量值；Wi代表i指標的權重系數；n代表評價指標的數量。

4.2 氣候災害指標的確定

為了準確評估農業氣象災害的風險，有必要結合冬小麥和天氣的特點，選擇科學、客觀的災害指標。在建立災害評估指標體系的基礎上，由于天氣指數法的計算過程簡單，時間要求寬松，因此，本研究采用天氣指數法分析了農業氣象災害的時間和地點特征。此外，干旱、干熱風和晚霜3個指標也是評估農業氣象災害的重要指標［8］。由于小麥的含水量可以反映環境的干燥程度，因此有必要計算小麥的含水量指數。水分虧缺的計算應從小麥初始發育的第1天開始計算，即生長季的前50 d，測量周期為10 d。公式中給出了小麥水分虧缺的計算方法。

根據以上災害評估指標，建立發育階段的危險性和防災減災能力模型H，并相應地確定權重系數WH，計算公式為：

式中，H為危險性指數，Xij表示第j個發育階段第i種致災因子的指標值，Wij為第i種致災因子在第j階段危險性中所占的權重。其中，j=0表示底墑形成期，j=1表示生長前期，j=2表示生長中期，j=3表示生長后期。據此方法，分別建立了干旱、干熱風危險性評價模型。R為綜合災害風險指數，WH為綜合致災危險指數權重，WV為綜合脆弱性指數權重；V為脆弱性指數。

根據以上的計算方法，可得到底墑形成期，以及冬小麥各發育階段不同氣象災害危險性在總危險性中所占的權重系數。計算公式為：

4.3 山東省冬小麥氣象災害風險評估中存在的問題

4.3.1 風險評估的指標問題 根據危險性評價模型，當前的農業天氣自然災害風險評價一般通過熵權法分析風險機制，但該風險評價存在一定的局限性，特別是在嚴重旱災的情況下。而且一般情況下有關干旱自然災害風險評價的研究數據均以負降雨偏差為主要評價指標，存在一定的缺陷和不足之處。負降雨偏差僅適用于長時間干旱的地區進行旱災風險評價，短時旱災風險評價不夠準確［9］。總體而言，由于現有風險評價指標體系的適應性和實用價值不高，還需深入研究和改進氣象災害風險評估的方法及其指標體系。

4.3.2 風險評估的區劃問題 國內外對農業氣象災害的風險評估主要集中在全國、大面積或某一冬小麥的風險評估上，但對某一小區域的作物或氣象災害的評估很少，這導致了風險評估和農業氣象災害規劃研究得不完整、不深入。對此應進行系統、詳細的農業氣象災害研究。

4.3.3 風險評估發展方向的問題 農業氣象災害風險評估與規劃的主要目的是為農業生產提供服務。因此，在土地利用規劃評價中應更加重視農業生產效率，并不斷完善研究工作。不僅要進行大面積風險評估的研究，還要對特定的農業氣象災害和某一冬小麥進行研究，對研究的關鍵因素進行全方位的分析，使研究成果真正為農業生產服務。

5 山東省冬小麥氣象災害應對措施

5.1 提高防范意識

為了最大限度地減少天氣災害對冬小麥的不利影響，人們應該提高自身的災害風險防范意識。一般來說，在緊急情況下很難采取有效的措施應對天氣災害，因此，農業工作者必須采取嚴格的預防措施。根據不同地區冬小麥生長的實際情況，對氣象災害進行綜合分析，制定相應的預防措施，以期能有效提高防護效果［10］。農民還必須提高認識水平，了解氣象災害防控的重要性，并在日常工作中采取相應的措施加以落實，減少氣象災害的負面影響，以提高冬小麥的生長速度。

5.2 優化監測系統和提高監測技術水平

積極建立農業自動氣象站，并建立完善的農業特色氣象站和農產品特色監測點。另外，應用衛星遙感技術，開展對農產品生產的前期準備、耕作和種植等服務工作，并對農作物的生長發育、采收等各階段實施監控。要實時監控冬小麥生產中的各種氣象災害、生長發育與產量等信息，并逐步完善農業天氣災害防控系統，以達到良好的防災減災效果。

5.3 開展綜合風險評價

開展農作物氣象災害綜合風險評價工作，對農作物氣象災害的綜合評價以及對農作物自然災害的高效防控具有重要意義，同時也是其內涵所在，必須予以高度重視。農作物生產場地的生產過程往往包含一個或多個天氣自然災害。在現階段的農作物氣象自然災害風險評價中，對單個自然災害風險進行評價已產生了明顯的成效，如對低溫、洪澇和干旱等災害的評估［11］。然而，同時對幾種可能發生的農業氣象災害進行評估的研究相對較少。

5.4 提高預防氣象災害的能力

近年來，政府和公眾對氣象防災減災工作的重視程度越來越高。因此，氣象部門應將做好氣象評估、氣象災害預警工作，不斷完善天氣預報服務體系，精細及時做好農業氣象預報預警服務。加強信息技術的建設，運用網絡與通信技術提高預測水平，從而提高預防災害的能力。近年來，由于世界氣候變化的加劇，我國預防災害的能力也在不斷提高，我國的農業產量，例如山東冬小麥受到自然災害的影響也越來越小。因此，政府各部門間需加強協作，提高氣象預報的準確率，尤其是對一些極端天氣現象的預報與預警，進而保障農業健康、穩定的發展，降低氣象災害引起的不良影響。

5.5 優化防災體系

為保障冬小麥健壯的生長和發育，應構建完善的抗災系統。針對冬小麥的生長規律和生長要求，應全面優化防控系統。鑒于各地方麥區實際狀況的不同，尤其是地理條件、溫度和天氣，有必要制定和不斷改進有針對性的保護措施，逐步引入現代信息技術，形成一個相對獨立的報警體系，隨時監控外界氣候環境［12］。一旦預見未來可能發生更重大的自然災害，則可及時發布預警信息，以便農業生產技術人員及時采取科學的應對措施，保障冬小麥的正常生產，從而降低冬小麥的經濟損失。

6 結語

近年來，隨著農業氣象災害風險評價的理論內涵與評價技術的進一步發展，研究涉及定量要素、災害影響識別及其各種影響間的關聯等。在評價技術手段方面，可在傳統自然災害評價模式的基礎上，科學、合理地采用建模、仿真處理、數值統計分析等更高級的評價方式。這樣既能增強農業氣象預報的精確度和常態化，也可以增強對實際災害風險評估的能力，為農業生產活動提供基本保障。而且，動態風險評估也有助于增強不同氣象災害應對措施的及時性和可靠性。因此，該領域的研究成果應在早期評價與建模的基礎上，加強對社會、自然環境與宏觀經濟影響的分析，并爭取形成一種更加全面的動態評價機制，為相應的自然災害危險性評價提供更為詳盡的信息。因此，模擬近年來的一個場景可以及時預警各類氣象災情，并在多種方案中選取最優方案。當出現氣象災害時，利用評估模型，積極采取相應對策以降低災情的損失，從而增強山東省冬小麥的市場競爭力，保證冬小麥安全生產。