基于農業災情數據的貴州省糧食單產災損估算模型

楊世瓊，左 晉，于 飛，譚 文

(貴州省山地環境氣候研究所，貴州 貴陽 550002)

0 引言

【研究意義】貴州省是全國唯一沒有平原支撐的省份，全省地貌屬于喀斯特高原山地，農業生產基礎薄弱[1-2]。受氣候、地形影響，貴州省氣象災害災種較多、災害頻繁、影響危害程度較嚴重[3]，其中以干旱、洪澇、冰雹、低溫等農業氣象災害為典型，成為制約農業經濟發展的重要因素之一。貴州省糧食作物播種面積約占農作物總面積的半數以上，因此抓好糧食生產，確保糧食安全是省委省政府高度重視的一項硬任務，也是全面推進鄉村振興、加快農業農村現代化的重點工作。近50年來，貴州省平均氣溫呈遞增趨勢，年際變化較大，降水量空間分布上極不均勻，南多北少，極端降水誘發地質災害及石漠化[4-7]。氣候變化背景下，極端氣候事件頻發，貴州省糧食安全面臨較大風險。2009—2010年貴州省發生罕見的夏秋連旱疊加冬春連旱，干旱日數達242 d。據統計，2010年貴州省農作物受旱面積127.1萬hm2，其中成災65.6萬hm2，絕收面積61.5萬hm2，造成直接經濟損失142.5億元[2，8-9]。2014年貴州省先后出現10余次極端強降水天氣，引發洪澇災害，農作物受災面積40.5萬hm2，其中成災面積34.1萬hm2，絕收面積6.4萬hm2，造成直接經濟損失177.0億元[10]。可見農作物受災面積、成災面積、絕收面積與產量之間存在一定關系。因此，探究糧食氣候減產量與災情的關系，構建基于災情的糧食單產災損估算，對科學預測糧食單產具有重要意義。【前人研究進展】目前，國內外關于災害與糧食產量關系研究的方法主要有氣象要素分析法[11-12]、自然災害風險理論法[13-15]、作物模型法[16-17]及基于災情數據分析法[18-23]等，其中災情統計分析法數據易于獲取，最能直接反應不同災種及災害程度對糧食生產的影響。王健等[19]基于農作物災情統計數據與糧食單產構建氣候減產量估算模型，并找到影響東北糧食減產的主要氣象災害；房世波等[20]通過災情數據分析我國農業氣象災害的時空分布特征；林志宇等[21]利用灰色關聯模型得到福建省不同農業氣象災種對糧食作物的影響；張軼等[24]利用多元線性回歸模型構建長江中下游地區7省市農作物災情與糧食減產量的回歸模型，并用主成分分析法分析主要災害。【研究切入點】前人使用的災情統計數據多以農作物為對象[19，23]，然而糧食作物在農作物中的占比有限，以貴州省為例，近年來糧食播種面積僅占農作物播種面積的50%左右，且產業結構調整下逐年占比波動較大。因此，為了更好地研究糧食因災受損情況，利用糧食災情數據與減產量構建產量災損估算模型。【擬解決的關鍵問題】通過灰色關聯法分析不同災種對具體糧食作物的影響，以期為貴州省防范化解農業氣象自然災害風險，提高及科學預測糧食單產提供決策依據。

1 資料與方法

1.1 數據來源

2010—2020年貴州省農業生產統計資料來自國家統計局貴州調查總隊。糧食作物的播種面積每年均在變化，為剔除播種面積對產量的影響，研究的糧食產量均以單位面積產量表示，簡稱單產。由于貴州省全年糧食包括水稻、玉米、馬鈴薯、小麥和小雜糧，而2010—2020年水稻、玉米和馬鈴薯3種主要糧食作物的播種面積占全年糧食播種總面積的68.66%～78.84%。因此，選擇研究的農業生產數據包括全年糧食、水稻、玉米和馬鈴薯的播種面積及單產。2010—2020年貴州省糧食災情統計資料來自貴州省農業農村廳農情信息調度系統，包括干旱、洪澇、低溫冷害、風雹的受災面積、成災面積和絕收面積。

1.2 研究方法

1.2.1 糧食作物災情統計 農業災情統計資料所定義的受災、成災、絕收面積分別為農作物因災減產1成及以上、3成及以上、8成及以上的面積。為明確評估不同程度農業氣象災害對糧食單產的影響，確定糧食作物的受災、成災和絕收面積為因災減產10%～29.9%、30%～79.9%和≥80%的面積。由于糧食作物的播種面積每年均在變化，為剔除由播種面積差異引起的波動，便于比較歷年糧食的受災情況，以受災面積、成災面積和絕收面積分別與當年播種面積的比值來表示糧食受災情況。

受災率(Ks)=Ss/S×100%

成災率(Kc)=Sc/S×100%

絕收率(Kj)=Sj/S×100%

總受災率K=Ks+Kc+Kj

式中，Ss、Sc、Sj分別為受災面積、成災面積及絕收面積；S為糧食播種面積。

1.2.2 糧食氣候減產量計算 通過糧食實際單產、趨勢單產、氣候單產及期望單產等指標，計算糧食氣候減產量。

Y=Yt+Yw+O

式中，Y為糧食實際單產；Yt為趨勢單產，通常由時間序列分析方法等數學方法對其進行擬合(本研究中以3 a滑動平均法分離的氣候單產與農業災情統計資料的擬合程度最高)，表示除氣象條件外，由品種特性、土壤肥力、農業科技水平、管理水平等因子影響下的趨勢單產；Yw為氣候單產，通常根據其與氣象因子的關系，建立數學模型求得；O為隨機噪音(kg/hm2)，通常可忽略不計。

為合理解釋貴州省糧食單產受農業氣象災害影響，以研究時段內最優氣候條件下的糧食單產為期望單產。

Yd=Yt+Ywmax

式中，Yd為期望單產，Yt為趨勢單產，Ywmax為研究時段內氣候單產最大值。假定研究時段內實際單產未達到歷史最優氣候條件單產的年份為氣候減產年，為區別于氣候單產，并反映貴州省每年均有不同類型農業氣象災害發生的情況，定義糧食氣候減產量為期望單產與糧食實際單產的差值。

ΔYw=Yd-Y

式中，ΔYw為糧食氣候減產量，Yd為期望單產，Y為糧食實際單產。

1.2.3 農業氣象災害影響的灰色關聯分析 采用灰色關聯法評價干旱、洪澇、低溫和風雹4種氣象災害在受災率、成災率及絕收率水平上對貴州省全年糧食、水稻、玉米、馬鈴薯氣候單產的影響程度。構建各作物2010—2020年氣候單產的原始序列Yt= {Yt(n)，n= 1，2，…，11}，以4種農業氣象災害的受災率、成災率和絕收率為評價指標，構建比較序列Kij= {Kij(n)，n= 1，2，…，11}，其中i=1，2，3，4分別表示干旱、洪澇、低溫和風雹，j=1，2，3分別表示受災率、成災率及絕收率，建立灰色關聯模型。

1.2.4 糧食單產災損估算模型構建 貴州省農業災情分為干旱、洪澇、低溫和風雹4種農業氣象災害，而糧食減產實際是由多種災害共同影響造成，因此，研究以糧食氣候減產量與4種災害的總受災率、總成災率和總絕收率建立多元回歸模型，以估算糧食的氣候減產量。

ΔYw= a1Kts+a2Ktc+a3Ktj+b

式中，ΔYw為糧食氣候減產量；Kts、Ktc、Ktj分別為總受災率、成災率和絕收率；a1、a2、a3分別為受災率、成災率及絕收率的回歸系數，b為殘差項。

1.2.5 基于災損的糧食單產估算模型構建 在糧食氣候減產量估算基礎上，得到糧食實際單產與糧食氣候減產量的關系，構建區域糧食單產估算模型。

2 結果與分析

2.1 貴州省糧食作物的農業氣象災害變化特征

從圖1可看出，2010—2020年貴州省糧食作物在干旱、洪澇、風雹和低溫等農業氣象災害的變化特征。

2.1.1 干旱 糧食干旱總受災率在2010年、2011年及2013年發生比率較大，尤其是2011年達45.62%，為歷史重災年份[24]；2014開始，干旱總受災率的變化幅度趨于平穩，且均低于5%，其中2014年總受災率最小，為0.16%。近年來貴州省糧食作物干旱總發生率呈大幅下降趨勢，逐年的受災、成災比率相當，絕收比率較小。

2.1.2 洪澇 近年來貴州省糧食作物洪澇災害的總發生率變化幅度較大，尤其是2010—2015年波動較大，其中最大值出現在2014年，為7.22%，最小值為2018年的0.92%。從整體趨勢看，洪澇災害呈略減趨勢，逐年受災率>成災率>絕收率。

2.1.3 風雹 近年來風雹的總發生率在2012—2013年波動較大，最大值出現在2013年，為2.19%；最小值為2011年的0.41%，逐年受災率>成災率>絕收率。

2.1.4 低溫 低溫災害在2011年出現異常高值，發生達4.59%，其余年份均小于1.5%，最小值為2010年的0.07%，較其他災種而言，風雹的逐年絕收面積明顯小于受災及成災面積。

總體看，干旱為貴州省2010—2013年主要的農業氣象災害，2014年開始，農業氣象災害逐步由旱轉澇，而低溫及風雹對糧食作物影響相對較小。

圖1 2010—2020年貴州省糧食作物氣象災害特征Fig.1 Meteorological disaster characteristics of cereal crops in Guizhou from 2010 to 2020

2.2 貴州省糧食作物氣候單產與災情的灰色關聯性

由表1看出，全年糧食氣候單產與干旱、洪澇、風雹和低溫4種災害類別的受災率和成災率的關聯度分別為0.744 1和0.747 7、0.697 1和0.700 3、0.708 4和0.701 5、0.727 9和0.719 1，受災及成災水平均表現為干旱>低溫>風雹>洪澇；與絕收率的關聯度分別為0.740 7、0.687 1、0.698 5和0.696 4，絕收水平表現為干旱>風雹>低溫>洪澇。水稻氣候單產與4種災害的受災率的關聯度分別為0.722 3、0.701 1、0.710 2和0.734 0，受災水平為低溫>干旱>風雹>洪澇；與成災率的關聯度分別為0.723 3、0.703 2、0.703 5和0.719 7，成災水平表現為干旱>低溫>風雹>洪澇；與絕收率的關聯度分別為0.719 0、0.690 0、0.703 7、0.693 3，絕收水平表現為干旱>風雹>低溫>洪澇。玉米氣候單產與4種災害的受災率和成災度的關聯度分別為0.630 9和0.635 7、0.581 2和0.578 6、0.600 3和0.596 7、0.608 1和0.611 4，受災與成災水平均表現為干旱>低溫>風雹>洪澇；與絕收率的關聯度分別為0.637 7、0.582 6、0.597 6和0.581 3，絕收水平表現為干旱>風雹>洪澇>低溫。馬鈴薯氣候單產與4種災害的受災率的關聯度分別為0.710 8、0.590 0、0.600 3和0.653 2，受災水平表現為干旱>低溫>風雹>洪澇；與成災率的關聯度分別為0.740 1、0.587 9、0.582 2和0.635 3，成災水平表現為干旱>低溫>洪澇>風雹；與絕收率的關聯度分別為0.762 4、0.571 1、0.582 3和0.581 2，絕收水平表現為干旱>風雹>低溫>洪澇。

將同一災種的3個評價指標的關聯序相加并對比排序，可綜合表征同一氣象災害對不同作物氣候單產的影響，干旱影響程度排序為全年糧食=玉米=馬鈴薯>水稻，洪澇為馬鈴薯>全年糧食>水稻>玉米，風雹為水稻=玉米>全年糧食>馬鈴薯，低溫為水稻>玉米>全年糧食=馬鈴薯。

表1 貴州省糧食作物氣候單產與4種災害的灰色關聯度和關聯序Table 1 Gray relational degree and order between climate yield per unit area of grain crops and four disaster types in Guizhou

2.3 貴州省糧食氣候減產量估算模型的建立與驗證

2.3.1 糧食氣候減產量估算模型 利用氣候減產量(ΔYw)與農業災情統計資料(總受災率Kts、總成災率Ktc和總絕收率Ktj)建立多元回歸模型：ΔYw= 189.2Kts+ 4 490.6Ktc+50.0Ktj+85.2(R2=0.760)，回歸模型決定系數通過0.01水平的顯著性檢驗，且模型的總受災率、總成災率和總絕收率系數均為正值，表明總受災率、總成災率和總絕收率與氣候減產量呈正相關關系，即受災率、成災率及絕收率越高，氣候減產量越大，糧食因災損失量也越大。

圖2 貴州省糧食實際單產與模擬單產比較Fig.2 Comparison between actual and simulated yield per unit area of grain crops in Guizhou

資料對區域糧食災損量和糧食單產具有較強的指示作用，能為糧食單產估算和農業氣象災害評價提供可靠依據。

2.3.3 模型應用 以糧食作物災情統計資料構建的貴州省糧食單產估算模型具有良好的模擬精度。從貴州省糧食實際單產與模擬單產的相對誤差(圖 3)可知，2010—2020年貴州省糧食實際單產與模擬單產的誤差絕對值均低于10%，其中低于5%的比率達 81.8%，相對誤差的平均值為-0.18%，誤差范圍相對合理。但是，由于不同產量水平的作物在相同的受災、成災、絕收面積下，其實際減產量存在一定差異，而本研究是以平均單產作為主要研究對象，并未考慮水稻、玉米、馬鈴薯3種糧食作物因種植結構變化而引起區域產量的水平波動，這也是模型誤差的主要因素之一。

圖3 2010—2020年貴州省糧食實際單產與模擬單產的相對誤差Fig.3 The relative error between actual and simulated yield per unit area of grain crops in Guizhou from 2010 to 2020

3 討論

利用近11 年(2010—2020年)貴州省糧食作物主要農業氣象災情(干旱、洪澇、風雹、低溫)數據分析發現，貴州省4種災害的平均總受災率由高到低依次為干旱(10.44%)、洪澇(3.47%)、風雹(0.90%)、低溫(0.86%)，表明，干旱災害發生頻率高、范圍廣、影響力大，仍是影響貴州省糧食產業發展的主要氣象災害，與姚清仿等[25-26]的研究結果一致。貴州省4種農業氣象災害總受災率均呈遞減趨勢，尤其是干旱及洪澇災害下降趨勢明顯，其中干旱及洪澇分別從2014年及2015年開始大幅度減小。2010—2013年貴州省農業氣象災情以干旱為主，從2014年開始，農業氣象災害發生逐步由旱轉澇，而低溫及風雹對糧食作物影響相對較小。

干旱、洪澇、低溫和風雹4種災害與糧食氣候單產的關聯度表明，干旱在全年糧食、水稻、玉米、馬鈴薯的綜合關聯度排位第一，不同災害程度以成災率最高，說明近年來干旱是以發生程度中等、范圍較廣的特點成為影響貴州省糧食因災減產的主要農業氣象災害，與前人的研究結論[27-29]一致。低溫綜合關聯度排第二，是除干旱外主要的農業氣象災害，其絕收率明顯大于受災率及成災率，因此低溫災害的發生以程度重、山地環境下局地性強為特點，主要以貴州常見的倒春寒和水稻秋風災害為典型，在作物關鍵生育期發生突發性的低溫災害往往會遭到不可恢復的損失。而洪澇和風雹不是全省糧食生產的首要農業氣象災害。隨著氣候變化日趨明顯和對糧食產量需求增加，貴州省應不斷擴大高產、耐旱、耐寒糧食作物的種植范圍，注意區域農業水資源綜合利用開發，控制農業干旱風險的增加，因地制宜，合理規劃調整種植制度，確保糧食安全。對近年來貴州省糧食氣候減產量(ΔYw)與總受災率(Kts)、總成災率(Ktc)、總絕收率(Ktj)進行回歸分析，構建災損評估模型：ΔYw= 189.2Kts+ 4 490.6Ktc+50.0Ktj+85.2(R2=0.760，P<0.01)。總受災率、總成災率和總絕收率與氣候減產量呈極顯著正相關關系，即災害程度越高，氣候減產量越大，糧食因災損失也越大，與生產實際相符。對由災損模型計算得到糧食單產模擬值與實際值進行相關性分析，相關性極顯著(P<0.01)，說明利用當年糧食受災統計數據在一定程度上可作為估算糧食單產的有效參考。研究構建的基于災情數據的災損估計模型與作物模型法、氣象要素分析法等方法相比，數據量小、輸入參數較少、可實現動態分析，可用于多種主要氣象災害的綜合災損評估，尤其對于容易獲取農業災情動態數據的部門估算區域糧食單產非常適用。研究使用糧食災情數據取代前人多用的農作物災情數據，可有效避免每年因種植結構調整引起的區域產量水平波動，從而更精確地估算糧食氣候減產量，最終達到降低模擬誤差的效果。但研究的災損模型受限于糧食災情數據統計序列較短，未細分至作物種類、產量水平等因素，因此該模型還有待于后期進一步完善以降低估算誤差。

4 結論

對近11 年(2010—2020年)貴州省糧食作物主要農業氣象災情(干旱、洪澇、風雹、低溫)數據進行統計分析，研究貴州省糧食氣候減產量與災情的關系，構建基于災情的糧食單產災損估算模型。結果表明，從發生頻率看，干旱為貴州省2010—2013年主要的農業氣象災害，2014年起逐步由旱轉澇；發生程度中等、范圍較廣的干旱及程度較重、局地性強的低溫災害是造成貴州省糧食作物減產的主要災害。

構建了糧食氣候減產量(ΔYw)與總受災率(Kts)、總成災率(Ktc)、總絕收率(Ktj)的災損評估模型：ΔYw= 189.2Kts+ 4 490.6Ktc+50.0Ktj+85.2(R2=0.760，P<0.01)，氣候減產量與農業災情統計數據存在呈極顯著正相關關系，即災害程度越高，氣候減產量越大，糧食因災損失也越大。通過模型估算得到的模擬單產與實際單產的相關性顯著(P<0.01)，且誤差在合理范圍內，一定程度上可作為估算糧食單產的有效參考。