長江中下游地區(qū)雙季早稻冷害、熱害綜合風險評價

王春乙，姚蓬娟，張繼權(quán)，任義方

?

長江中下游地區(qū)雙季早稻冷害、熱害綜合風險評價

王春乙1，姚蓬娟1，張繼權(quán)2，任義方3

（1中國氣象科學研究院，北京 100081；2東北師范大學環(huán)境學院/自然災害研究所，長春130024；3江蘇省氣象局，南京210008）

【目的】針對長江中下游地區(qū)雙季早稻生長過程中的冷害、熱害發(fā)生情況，對種植區(qū)進行綜合風險評價和區(qū)劃，以期科學指導長江中下游地區(qū)雙季早稻生產(chǎn)?！痉椒ā坷瞄L江中下游雙季早稻種植區(qū)1961—2012年氣象資料、1981—2010年農(nóng)業(yè)氣象資料及氣象災害和社會統(tǒng)計資料，以發(fā)育期為時間尺度，為早稻生長季綜合災害發(fā)生情況構(gòu)建危險性評價模型，為承災體的脆弱性構(gòu)建脆弱性評價模型，為承災體的暴露性構(gòu)建暴露性評價模型，為社會防災減災能力構(gòu)建防災減災評價模型。依據(jù)災害風險形成機制，采用自然災害風險指數(shù)方法結(jié)合上述4要素構(gòu)建綜合災害風險評價模型并對種植區(qū)進行風險區(qū)劃?！窘Y(jié)果】用災害指標值、發(fā)育期權(quán)重系數(shù)、災種權(quán)重系數(shù)構(gòu)建各發(fā)育期危險性評價模型，結(jié)果表明湖南南部和江西東南部危險度很低，冷害和熱害都很少發(fā)生，是優(yōu)良的雙季早稻種植區(qū)。湖南、江西腹地危險度在0.3左右,是由于灌漿期熱害較強導致危險度略高。湖北地區(qū)危險度東高西低，種植條件略差，其中陽新和蘄春分別受分蘗期冷害和孕穗期冷害的嚴重影響，危險度較高。浙江除分蘗期危險度低之外，其他各發(fā)育期的危險度都比其他省高，特別是灌漿期高溫熱害嚴重影響早稻產(chǎn)量，是雙季早稻種植的高危險度區(qū)。以產(chǎn)量變異程度作為評價指標構(gòu)建脆弱性評價模型，結(jié)果表明浙江中東部、江西中南部、湖北種植區(qū)脆弱度較低，湖南寧鄉(xiāng)、茶陵等地脆弱度較高，江西北部脆弱度最高，災害性天氣發(fā)生的年份當?shù)禺a(chǎn)量波動較大。以植被覆蓋度為評價指標構(gòu)建暴露性評價模型，結(jié)果表明湖南中東部和江西地區(qū)暴露度最高，雙季早稻種植面積占耕地面積最高達85%，而浙江和湖北雙季早稻種植區(qū)暴露度較低。以農(nóng)業(yè)機械總動力、農(nóng)民人均純收入和化肥施用量作為指標構(gòu)建防災減災能力評價模型，結(jié)果表明浙江全省防災減災能力最高，湖南中部、湖北西部地區(qū)和江西南部防災減災能力較強，其他地區(qū)防災減災能力都偏低。以危險性、脆弱性、暴露性、防災減災能力4個要素作為風險評價因子共同構(gòu)建風險評價模型，結(jié)果表明浙江中西部、江西東北部、湖南中部、湖北東部基本為高風險區(qū)，湖南南部、江西東南部和浙江東部大致處于低風險區(qū)，其他地區(qū)為中等風險區(qū)?！窘Y(jié)論】長江中下游4省分別需采取不同措施降低雙季早稻種植風險：浙江中西部調(diào)整播期，江西加大資金投入，湖南調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，湖北改善種植條件。

長江中下游地區(qū)；雙季早稻；冷害；熱害；風險評價

0 引言

【研究意義】農(nóng)業(yè)氣象災害風險評價是實現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的重要研究內(nèi)容，是國家進行防災減災的基礎(chǔ)工作，對于農(nóng)業(yè)結(jié)構(gòu)調(diào)整、國土規(guī)劃和經(jīng)濟建設(shè)等具有指導意義，受到國內(nèi)外學術(shù)界廣泛關(guān)注。長江中下游地區(qū)是中國最大的水稻產(chǎn)區(qū)，是雙季早稻的主要種植區(qū)。在雙季早稻生長季主要受中高緯度大氣環(huán)流和西太平洋副熱帶高壓等天氣系統(tǒng)的控制，易受低溫冷害、高溫熱害等農(nóng)業(yè)氣象災害的影響。研究長江中下游地區(qū)雙季早稻生長季低溫冷害和高溫熱害的發(fā)生、影響并對其進行綜合風險評價，對提高防災減災能力，指導農(nóng)業(yè)生產(chǎn)，增強糧食安全等具有重要意義?！厩叭搜芯窟M展】目前農(nóng)業(yè)氣象災害風險研究并未形成完善的評估理論和方法體系，模型建立方法仍在探索中?；糁螄萚1]從農(nóng)作物及相應災害篩選出主要致災因子、致災等級、致災指標及減產(chǎn)率，對減產(chǎn)率序列進行理論概率分布函數(shù)擬合，進而得到不同減產(chǎn)率范圍出現(xiàn)的風險概率；Wu等[2]以標準化降水指數(shù)（SPI）和作物特異性干旱指數(shù)（CSDI）為Nebraska地區(qū)玉米和大豆建立干旱風險評價模型，實時分析特定作物在特定階段的農(nóng)業(yè)干旱風險；黃崇福[3]根據(jù)信息擴散原理，利用模糊數(shù)學的方法研究小樣本災害的風險，建立不完備信息樣本的自然災害風險評價理論體系；Zhang等[4]在分析農(nóng)業(yè)干旱風險、Zou等[5]在分析洪澇風險的時候都采用了模糊數(shù)學的方法；王春乙等[6]、張倩等[7]利用WOFOST模型對作物生長過程中災害發(fā)生的情景進行模擬研究，從而評估農(nóng)業(yè)氣象災害風險；Han等[8]采用層次分析方法，用氣象、地理、土壤和遙感數(shù)據(jù)，從干旱危險性、環(huán)境脆弱性、風險敏感性和暴露性以及防災減災能力4個方面構(gòu)建中國西南地區(qū)干旱風險評價模型?！颈狙芯壳腥朦c】研究對象大多是單一災害全生長季的風險分析，實際生產(chǎn)中農(nóng)作物在整個生長季中往往受到多種農(nóng)業(yè)氣象災害的綜合影響[9]，而且災害的發(fā)生具有季節(jié)特性，通常只對特定發(fā)育期產(chǎn)生影響[10]?！緮M解決的關(guān)鍵問題】筆者在前人研究的基礎(chǔ)上，依據(jù)災害風險形成機制，以發(fā)育期為研究尺度，對研究區(qū)雙季早稻低溫冷害和高溫熱害危險性、脆弱性、暴露性和防災減災能力建模并進行分析，采用熵權(quán)綜合評價法構(gòu)建綜合風險評價模型，借助GIS技術(shù)編制風險區(qū)劃圖。

1 材料與方法

1.1 研究區(qū)概況

長江中下游雙季早稻種植區(qū)位于24°—36°N，108°—123°E，包括湖北部分地區(qū)、湖南大部分地區(qū)、江西、浙江4?。▓D1）。區(qū)域地勢西高東低，平原和低山丘陵是該地區(qū)的主要地形特征。地處北亞熱帶季風氣候區(qū)，降水豐沛，雨熱同期。年平均氣溫14—18℃，最冷月均溫在0℃以上，最熱月均溫27—28℃，年降水量1 000—1 400 mm，無霜期約為210—270 d[11]。

圖1 區(qū)域及站點

1.2 研究資料

農(nóng)業(yè)氣象觀測資料：選用48個農(nóng)業(yè)氣象站1981—2010年雙季早稻的發(fā)育期資料（播種、出苗、三葉、移栽、返青、分蘗、拔節(jié)、孕穗、抽穗、乳熟、成熟期）和農(nóng)業(yè)氣象站所在縣平均產(chǎn)量資料。

氣象觀測資料：相同的48個氣象站1961—2012年逐日最高氣溫、最低氣溫和日平均氣溫觀測資料以及對應站點經(jīng)緯度資料。

統(tǒng)計資料：湖北、湖南、江西、浙江4省《中國氣象災害大典》[12-15]和四省2010年《統(tǒng)計年鑒》[16-19]資料。

1.3 數(shù)據(jù)處理

1.3.1 產(chǎn)量資料處理 一般農(nóng)作物實際產(chǎn)量可以分為3個部分：趨勢產(chǎn)量、氣象產(chǎn)量、隨機“噪聲”（一般忽略不計）。由H-P濾波法[20]計算趨勢產(chǎn)量，氣象產(chǎn)量與趨勢產(chǎn)量的比值為相對氣象產(chǎn)量，表達式為：

式中，為相對氣象產(chǎn)量，、分別為實際產(chǎn)量和趨勢產(chǎn)量，（-）為氣象產(chǎn)量，相對氣象產(chǎn)量的負值即減產(chǎn)率。

1.3.2 其他資料處理 （1）確定各站1980—2010年各發(fā)育普遍期的均值，作為該站點的平均發(fā)育期；（2）冷害、熱害強度等級采用Fisher最優(yōu)分割方法[21]確定；（3）為避免不同量綱指標對評價結(jié)果的影響，采用極差標準化方法處理；（4）風險四要素權(quán)重確定采用熵權(quán)綜合評價法，根據(jù)各指標的變異程度，計算出各指標的熵權(quán)，再通過熵權(quán)對各指標的權(quán)重進行修正，進而得到客觀的指標權(quán)重[22]；（5）風險評價采用自然斷點法將研究區(qū)劃分為高風險、中等風險和低風險3個等級。

1.4 指標確定

1.4.1 冷害、熱害溫度閾值 冷害、熱害溫度閾值并不是一個穩(wěn)定的值[23]，針對長江中下游雙季早稻種植特點，結(jié)合災害發(fā)生情況[12-15]以及國家標準[24-25]等，歸納了各發(fā)育期冷害、熱害溫度閾值（表1）。

表1 冷害、熱害溫度閾值

Tavg：日平均氣溫Daily average temperature value；Tmax：日最高氣溫Daily maximum temperature value

開花期低溫、開花期高溫、灌漿期高溫的判別指標是根據(jù)國標建立，而本研究將5月低溫更加細致的劃分為分蘗期低溫和孕穗期低溫，與國家標準有差異。從各省災害大典描述冷害的文字中篩選出發(fā)生分蘗期冷害、孕穗期冷害或者5月低溫的年份作為災害發(fā)生年，再分別用國標和本研究判別指標處理1961—2000年的氣象數(shù)據(jù)篩選出災害年，將篩選結(jié)果與災害發(fā)生年進行對比。從對比結(jié)果來看，用國標判斷湖南地區(qū)有4年未檢測出災害年，江西有2年未檢測出災害年；用本研究指標判斷湖南地區(qū)有2年未檢測出災害年，江西有1年未檢測出災害年。而且本研究指標可以精確判斷某發(fā)育期是否受災，對災害的判斷更加敏感細致。所以本研究制定的判別指標可能更合理。

1.4.2 冷害、熱害指標 選用災害發(fā)生過程中逐時溫度低于（高于）臨界溫度的累積值也就是有害積溫作為冷（熱）害量化指標值。

（1）熱害積溫的計算與等級劃分 某次熱害過程的熱害積溫是逐日熱害積溫的累加。但是由于許多臺站逐小時氣溫資料過短，故將氣溫的日變化簡化為圖2所示的模型，逐日熱害積溫就轉(zhuǎn)化為圖2中陰影部分的面積。某次熱害過程的危害積溫表示為：

式中，H過程為過程熱積溫（℃），T為不同發(fā)育期高溫熱害臨界溫度（℃），maxj為熱害過程中第日最高溫度（℃），minj為熱害過程中第日最低溫度（℃），為熱害過程的持續(xù)天數(shù)（d），T(t)為熱害過程中第日高于臨界溫度的時刻溫度值。

某年熱害積溫表示為該年所有熱害過程的危害積溫累加之和。分別計算每年各站開花期熱害積溫和灌漿期熱害積溫，用Fisher最優(yōu)分割法將熱害劃分為輕、中、重3級（表2）。

圖2 熱害積溫計算模型

表2 熱害等級

（2）冷害積溫的計算與等級劃分 冷害判別指標采用的是臨界日平均溫度值，所以冷害過程的危害積溫表示為：

式中，C過程為過程冷積溫（℃），T為不同發(fā)育期低溫冷害臨界溫度（℃），T為受害過程中第天日平均氣溫（℃）。

得到過程冷害積溫之后再計算某年的各發(fā)育期冷害積溫。用Fisher最優(yōu)分割法將冷害劃分為一般冷害和嚴重冷害兩級（表3）。

表3 冷害等級

1.5 風險評價模型

1.5.1 風險評價模型 農(nóng)業(yè)氣象災害風險是潛在的災害，而災害是風險變成現(xiàn)實的結(jié)果[26]。災害由致災因子、承載體和孕災環(huán)境相互作用產(chǎn)生，從自然災害形成機制的角度，提出以危險性、脆弱性、暴露性、防災減災能力4個要素作為風險評價因子共同構(gòu)建風險評價模型，這種思路廣泛應用在干旱、洪澇、草原火災等領(lǐng)域，并取得了很好的效果[27-28]。

危險性是描述致災因子的自然變異程度，主要決定于災害發(fā)生的規(guī)模（強度）和頻次（概率）。脆弱性用來描述承災體敏感于或易于遭受災害威脅并造成損失的性質(zhì)和狀態(tài)，主要取決于承災體自身的特點。暴露性用來描述承災體暴露于孕災環(huán)境的情況，主要決定于承災體的暴露面積。防災減災能力用來表示受災地區(qū)人為活動促使農(nóng)作物從災害中恢復的能力，包括在災害防御、災中應急和災后管理中的人為措施，主要取決于地區(qū)的田間管理手段和經(jīng)濟投入等[29]。

從各要素的定義來看，危險性越高，脆弱性越高，暴露性越高，區(qū)域的災害風險就越高，所以危險性、脆弱性、暴露性為風險評價的正向因子；而防災減災能力越低風險越高，為風險評價的逆向因子。采用自然災害風險指數(shù)法定義風險模型為：

式中，為農(nóng)業(yè)氣象災害風險，、、、分別為危險性、脆弱性、暴露性和防災減災能力評價值，w、w、w、w分別為危險性、脆弱性、暴露性和防災減災能力在綜合風險評價中的權(quán)重系數(shù)。

1.5.2 危險性評價模型 對于全生育期單一災害的危險性而言，災害發(fā)生的強度越大，頻次越高，危險性就越高[30]，因此危險性大小可以由災害強度和頻次的乘積計算。但以發(fā)育期為時間尺度研究多災種危險性時，需要考慮不同災害發(fā)生在不同發(fā)育期對早稻產(chǎn)量的影響，這意味著發(fā)育期和災種是影響多災種動態(tài)危險性評價的另外兩個因子，因此在建模時引入權(quán)重的概念，構(gòu)建危險性模型為：

式中，表示危險性，表示災種（冷害和熱害），為該發(fā)育期災種數(shù)，表示災種發(fā)生的不同發(fā)育期，為災種發(fā)生的發(fā)育期數(shù)，X代表每年第種災害在第發(fā)育階段的危害積溫累積值；w代表第種災害在第發(fā)育階段的權(quán)重系數(shù)。

（1）權(quán)重確定 以災損率作為評價某發(fā)育期某災種對早稻危險性的貢獻指標，則將權(quán)重定義為災害發(fā)生頻次和災損率的函數(shù)。本研究分析的早稻重點發(fā)育期災害包括分蘗期冷害、孕穗期冷害、開花期冷害、開花期熱害和灌漿期熱害，同一種災害在不同的發(fā)育期有不同的影響，不同的災害在同一發(fā)育期的影響也不同。權(quán)重系數(shù)應當能夠表現(xiàn)出某災種在某階段對產(chǎn)量影響的相對大小。所以將權(quán)重系數(shù)分解為兩部分：一是單一災種在不同發(fā)育期的權(quán)重系數(shù)，用來表示單一災害發(fā)生在不同發(fā)育期對產(chǎn)量的影響程度；二是不同災種之間的權(quán)重系數(shù)，用來表示不同災害對產(chǎn)量的影響。

先確定只考慮單一災種的發(fā)育期權(quán)重系數(shù)。針對研究區(qū)各站點歷年資料，篩選出單獨于分蘗期、孕穗期、開花期發(fā)生一般冷害、嚴重冷害以及開花期、灌漿期發(fā)生輕度熱害、中度熱害、重度熱害導致減產(chǎn)（減產(chǎn)率≥5%）的年份，計算出各發(fā)育期各等級災害發(fā)生時的平均減產(chǎn)率以及發(fā)生次數(shù)。某個發(fā)育期的災損率以不同等級災害發(fā)生時造成的平均減產(chǎn)率與相應等級災害發(fā)生頻次乘積累計得到，模型為：

式中，Y為發(fā)育期災損率，為冷（熱）害等級，為該冷（熱）害等級數(shù)，f為該地區(qū)第發(fā)育期等級為的冷（熱）害發(fā)生頻次，y為研究區(qū)發(fā)育期等級為的冷（熱）害發(fā)生時的平均減產(chǎn)率。

用某發(fā)育期災損率與該災害在生長季內(nèi)總災損率的比重表示該地區(qū)單災種發(fā)育期權(quán)重w，模型為：

再考慮不同災種的權(quán)重系數(shù)。篩選出研究區(qū)中只發(fā)生冷（熱）害的年份，計算出研究區(qū)冷（熱）害的平均減產(chǎn)率和各站冷（熱）害發(fā)生頻次，二者乘積即為冷（熱）害對該站造成的減產(chǎn)。單災種減產(chǎn)與兩災種總減產(chǎn)的比值即為此災種的權(quán)重。

冷害權(quán)重（8）

熱害權(quán)重（9）

式中，w、w分別為某站冷害、熱害權(quán)重，f、f分別為冷害和熱害發(fā)生頻次，y、y分別為發(fā)生冷害和熱害時的平均減產(chǎn)率。具體危險性權(quán)重系數(shù)見表4。

表4 危險性權(quán)重系數(shù)表

（2）各發(fā)育期、各災種危險性模型

各發(fā)育期危險性模型表示為：

分蘗期危險性=X·w·w（10）

孕穗期危險性=X·w·w（11）

開花期危險性=X·w·w+ X·w·w（12）

灌漿期危險性（13）

各災種危險性模型表示為：

冷害危險性（14）

熱害危險性（15）

生長季危險性模型表示為：

其中，為危險度，表示發(fā)育期，w為冷害權(quán)重系數(shù)，w為熱害權(quán)重系數(shù)，X為每年發(fā)育期冷害積溫累積值，X為每年發(fā)育期熱害積溫累積值。

1.5.3 脆弱性評價模型 承災體的脆弱性越高，則在一定災變條件下造成的損失或傷害的程度越重，風險越高。選用產(chǎn)量變異程度作為脆弱性評價指標能夠從作物敏感性的角度反映出災年產(chǎn)量損失嚴重的地區(qū)脆弱度高的特點。將產(chǎn)量變異程度用多年單產(chǎn)的標準差與多年單產(chǎn)最大值的比值來表示，模型表示為：

式中，為脆弱度，Y為某縣第年單產(chǎn)，max為該縣多年單產(chǎn)最大值，為單產(chǎn)資料總年份數(shù)。

1.5.4 暴露性評價模型 承災體暴露于孕災環(huán)境的部分越大，災害損失的可能性越大，風險也就越高。暴露性依據(jù)研究的側(cè)重點不同選取不同的指標，本研究以植被覆蓋度為評價指標，從各省市統(tǒng)計年鑒中篩選出各縣的播種面積及耕地面積，用耕地面積與播種面積構(gòu)建暴露性模型為：

式中，為暴露度，S是縣域雙季早稻播種面積，S是該縣的耕地面積。

1.5.5 防災減災能力評價模型 防災減災能力主要從社會和人文的角度考慮，從統(tǒng)計年鑒中選取農(nóng)業(yè)機械總動力（the unit area of total powers of agriculture machine）、農(nóng)民人均純收入（net income per capita）和化肥施用量（the unit area of chemical fertilizers (net)）作為指標進行研究。農(nóng)業(yè)機械總動力能夠反映出在冷害、熱害發(fā)生時各個地區(qū)以水調(diào)溫減災的能力，化肥施用量能夠反映人們以施肥壯苗的方法減災的能力，農(nóng)民人均純收入可以反映出減災的經(jīng)濟投入能力。

利用上述3個指標構(gòu)建防災減災能力評價模型為：

=·w+·w+·w（19）

式中，為防災減災能力，、、分別為單位種植面積農(nóng)業(yè)機械總動力、農(nóng)民人均純收入、單位種植面積農(nóng)用化肥施用量標準化處理后的指標值，w、w、w分別為3個指標在防災減災能力評價中的權(quán)重系數(shù)。

2 結(jié)果

2.1 危險性分析

分蘗期危險度高值區(qū)主要分布在湖南和江西中北部以及湖北東南部，其中資興最高，達到0.26，高值區(qū)與山脈地形相關(guān)，地勢高的地區(qū)春季回溫慢，在早稻營養(yǎng)生長過程中很可能由于不能提供充足的熱量而影響水稻生長。孕穗期危險度整體較低，相對而言，湖北東部江漢平原與江西北部鄱陽湖平原地區(qū)最重，其次是浙江中南部沿海地區(qū)，這兩處都是靠近大面積的水域，可能因水域附近4、5月份升溫比陸地慢而在孕穗期不能提供充足的熱量對早稻產(chǎn)量造成威脅。開花期危險度的空間分布圖顯示研究區(qū)中部危險度最低，其次是西部湖南地區(qū)，浙江地區(qū)最為嚴重。灌漿期是區(qū)域雙季早稻危險度最高的發(fā)育期，高值區(qū)主要分布在湖北東部、湖南與江西腹部、浙江中西部和江西東北部3個區(qū)域，其中浙江省最嚴重地區(qū)，危險度達到0.5以上。從區(qū)域整體危險性來看，湖南南部和江西東南部危險度最低，種植條件最好；湖北東部和浙江中西部地區(qū)雙季早稻危險度最高（圖3）。

圖3 各發(fā)育期及全生長季危險性空間分布

2.2 脆弱性分析

脆弱度高值區(qū)出現(xiàn)在江西北部以及湖南寧鄉(xiāng)、韶山、耒陽、藍山等地。這些地區(qū)產(chǎn)量變異程度高，產(chǎn)量對災害的發(fā)生更為敏感。脆弱度較低的地區(qū)主要分布在江西中南部、浙江的中東部地區(qū)，湖北東部，這些地區(qū)的早稻在災害性天氣條件下產(chǎn)量受影響較?。▓D4）。

圖4 脆弱性空間分布

2.3 暴露性分析

湖南和江西是長江中下游地區(qū)雙季早稻暴露度高值區(qū)，湖南和江西暴露度基本在0.45以上，特別是廣豐、衡山、臨湘、余江、安遠等地暴露度高達0.75以上。農(nóng)業(yè)在一定程度上是靠天吃飯的產(chǎn)業(yè)，當嚴重冷害或熱害發(fā)生時，過高的暴露度會引起產(chǎn)量嚴重下降，影響區(qū)域經(jīng)濟穩(wěn)定性。湖北和浙江地區(qū)早稻暴露度相對偏低，基本在0.3以下，暴露于孕災環(huán)境下的早稻比重較輕，生產(chǎn)受影響較?。▓D5）。

圖5 暴露性空間分布

2.4 防災減災能力分析

采用熵權(quán)綜合評價法處理單位農(nóng)業(yè)機械總動力、農(nóng)民人均純收入和單位化肥施用量3個評價指標得到各指標的權(quán)重系數(shù)分別為0.334、0.331和0.335，代入式19中構(gòu)建防災減災能力評價模型，并進行分析評價。

從防災3個指標和防災減災能力評價分析圖6可以看出，浙江省的防災減災能力最高，基本在0.38以上，結(jié)合防災3個指標來看，單位農(nóng)業(yè)機械總動力、農(nóng)民人均純收入、單位化肥施用量3個指標值在浙江均較高，冷害和熱害發(fā)生時能夠有充足的資金投入抗災，能及時采取灌水、施肥等農(nóng)業(yè)管理措施治理災害。而湖北、湖南、江西3省的防災能力都基本處于中等偏低水平，災害防治能力較弱3省中桃江、湘潭、黃陂、武昌、崇義、尋烏、南豐地區(qū)防災減災能力相對較強。

圖6 防災3個指標及防災減災能力空間分布

2.5 早稻冷害、熱害綜合風險區(qū)劃

2.5.1區(qū)劃指標和等級劃分 依據(jù)危險性、脆弱性、暴露性和防災減災能力的評價結(jié)果，對各要素指標值做標準化處理，用熵權(quán)綜合評價法確定四要素在風險評價模型中的權(quán)重系數(shù)，采用自然災害風險指數(shù)法構(gòu)建綜合風險評價模型，分析風險。

4個要素在風險建模中的權(quán)重系數(shù)見表5。危險性權(quán)重系數(shù)最高，表明冷害與熱害的發(fā)生情況嚴重影響產(chǎn)量，致災因子的影響居風險首位；暴露性權(quán)重略低于危險性，表明作物暴露在災害性天氣條件下的情景對風險的影響很大；脆弱性次之，表明承災體自身對災害的敏感度在風險評價中也相對重要；防災減災能力權(quán)重系數(shù)相對較低，表明社會因素和人類活動只能從一定程度上降低風險。

表5 風險評價因子權(quán)重系數(shù)

按風險評價模型算得的 217個縣風險度大小與其多年平均減產(chǎn)量進行相關(guān)分析（圖7），結(jié)果表明綜合風險評價結(jié)果與多年平均減產(chǎn)率之間存在著極顯著相關(guān)關(guān)系。因此采用本研究構(gòu)建的風險評價模型研究長江中下游地區(qū)雙季早稻冷害、熱害動態(tài)風險貼合實際生產(chǎn)實際情況，可以用于指導農(nóng)業(yè)生產(chǎn)。

圖7 風險值與多年平均減產(chǎn)率的關(guān)系

用自然斷點法（natural breaks）將研究區(qū)風險度劃分為低風險、中等風險和高風險3個等級，各等級對應的風險度閾值見表6。

表6 風險等級

2.5.2 風險區(qū)劃 將風險區(qū)劃結(jié)果展示于地圖上（圖8）。湖北東南部風險高于中部地區(qū)，主要由于分蘗期冷害、孕穗期冷害和灌漿期熱害發(fā)生較多，危險度很高且暴露度也偏高造成。湖南南部危險度、暴露度和脆弱度都很低，是研究區(qū)域內(nèi)的低風險區(qū)，而湖南中部為高風險區(qū)，主要是危險度、脆弱度和暴露度偏高且防災減災能力偏低造成的，冷害和熱害易影響中部地區(qū)早稻生產(chǎn)，較高的暴露性使早稻避之不及，再加上防災減災能力較差，風險較大。江西東北部地區(qū)脆弱度和暴露度很高，危險度較高且防災減災能力偏低，為江西主要高風險區(qū)；江西東南部冷害和熱害綜合危險度很低、脆弱度不高，早稻生長風險很?。唤髦胁刻幱谥械蕊L險區(qū)，危險度較高且暴露度也偏高，主要受到分蘗期冷害和灌漿期熱害的威脅。浙江中西部地區(qū)綜合風險很高，主要由于該地區(qū)開花期冷害、開花期熱害和灌漿期熱害經(jīng)常發(fā)生，導致這里危險度非常高；而浙江東北部地區(qū)危險度不高，脆弱度偏低且暴露度也不高，是風險低值區(qū)。

從研究區(qū)整體來看，高風險區(qū)主要分布在江西東北部、浙江中東部和湖南中東部地區(qū)；低風險區(qū)主要分布在湖南南部、江西東南部和浙江東北部地區(qū)；其他區(qū)域為中等風險區(qū)。

圖8 風險空間分布

3 討論

前人對長江中下游地區(qū)水稻的研究多集中在熱害的研究[7,31-32]，而本研究表4顯示湖北孝感、陽新和湖南武岡、赫山、資興、湘鄉(xiāng)、婁底、邵東的冷害權(quán)重占0.3以上，所以冷害對雙季早稻種植區(qū)的影響不應忽視。從低溫冷害危險性來看，分蘗期危險度高的地區(qū)多位于山區(qū)，孕穗期危險度高的地區(qū)多靠近大型水系。這不僅可以從熱力學的角度得到合理解釋，與現(xiàn)有湖北[33]、湖南[34]、江西[35]地區(qū)的研究結(jié)果趨同一致。高溫熱害危險度的分布與高素華等[11]研究結(jié)果有較高相關(guān)度。脆弱性、暴露性和防災減災能力采用各地區(qū)統(tǒng)計年鑒數(shù)據(jù)研究分析，反映種植區(qū)脆弱性、暴露性和防災減災能力的空間分布特征。

風險區(qū)劃綜合4要素的影響將種植區(qū)劃分為高、中、低風險區(qū)。浙江中西部是高風險區(qū)，因該地區(qū)開花期、灌漿期危險度高，不適合種植早稻；浙江東北部是低風險區(qū)，危險度不高，脆弱度偏低且暴露度也偏低。江西東北部地區(qū)脆弱度和暴露度高，危險度較高，再加上防災減災能力偏低，是高風險區(qū)；江西中部基本處于中等風險區(qū)，危險度較高，較易受到分蘗期冷害和灌漿期熱害的威脅，而且暴露度也偏高；江西東南部是早稻種植低風險主要地區(qū)。湖南省南部危險度、暴露度和脆弱度都很低，是低風險區(qū)；湖南中部為高風險區(qū)，主要是危險度、脆弱度和暴露度偏高且防災減災能力偏低，冷害和熱害容易影響到湖南地區(qū)的早稻生產(chǎn)，而且較高的暴露性使早稻避之不及，再加上防災減災能力較差，風險較大。湖北省東南部風險高于中部地區(qū)，主要由于東南部危險度高，而且暴露度也偏高所致。

4 結(jié)論

4.1 風險評價結(jié)果表明，浙江中西部、江西東北部、湖南中部、湖北東部基本為高風險區(qū)，湖南南部、江西東南部和浙江東部大致處于低風險區(qū)，其他地區(qū)為中等風險區(qū)。

4.2 從防災減災的角度來看，浙江早稻主要遭受開花期冷害、熱害和灌漿期熱害造成危險度較高，所以降低風險需要選育抗災品種，或者通過調(diào)整播期、改種一季稻來實現(xiàn)；江西早稻種植暴露度高且防災減災能力偏低，因此政府加大對農(nóng)業(yè)生產(chǎn)的投資力度，采取措施扶持當?shù)剞r(nóng)業(yè)生產(chǎn)能夠很大程度降低風險；湖南早稻生產(chǎn)的主要問題在于中東部地區(qū)種植面積較大，暴露度高，所以調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，適當縮減中東部早稻種植面積更有利于早稻穩(wěn)產(chǎn)、高產(chǎn)；湖北早稻種植區(qū)主要在全省東部，這里靠近兩湖地區(qū)，分蘗期冷害和孕穗期冷害常常發(fā)生導致穗小粒少，需要采用科學灌水、壯苗壯秧等農(nóng)技措施改善種植條件。

References：

[1] 霍治國, 李世奎, 王素艷,劉錦鑾, 薛昌穎. 主要農(nóng)業(yè)氣象災害風險評估技術(shù)及其應用研究. 自然資源學報, 2003, 18(6): 692-703.

Huo Z G, Li S K, Wang S Y, LIU J L, XUE C Y. Study on the risk evaluation technologies of main agrometeorological disasters and their application., 2003, 18(6): 692-703. (in Chinese)

[2] WU H, HUBBARD K G, WILHITE D A. An agricultural drought risk-assessment model for corn and soybeans., 2004, 24(6): 723-741.

[3] 黃崇福. 自然災害風險分析與管理. 北京: 科學出版社, 2012.

Huang C F.. Beijing: Science Press, 2012. (in Chinese)

[4] Zhang D, WANG G L, Zhou H C. Assessment on agricultural drought risk based on variable fuzzy sets model., 2011, 21(2): 167-175.

[5] Zou Q, Zhou J, Zhou C, SONG L, GUO J. Comprehensive flood risk assessment based on set pair analysis-variable fuzzy sets model and fuzzy AHP., 2013, 27(2): 525-546.

[6] 王春乙,張雪芬，趙艷霞. 農(nóng)業(yè)氣象災害影響評估與風險評價. 北京: 氣象出版社, 2010.

Wang C Y, Zhang X F, Zhao Y X.. Beijing: China Meteorological Press, 2010. (in Chinese)

[7] 張倩, 趙艷霞, 王春乙. 長江中下游地區(qū)高溫熱害對水稻的影響評估. 災害學, 2011, 26(4): 57-62.

Zhang Q, ZHAO Y X, WANG C Y. Study on the impact of high temperature damage to rice in the lower and milddle reaches of the Yangtze River., 2011, 26(4): 57-62. (in Chinese)

[8] Han L, Zhang Q, Ma P L, Jia J Y, Wang J S. The spatial distribution characteristics of a comprehensive drought risk index in southwestern China and underlying causes., 2016, 124: 517-528.

[9] 王春乙, 蔡菁菁, 張繼權(quán). 基于自然災害風險理論的東北地區(qū)玉米干旱、冷害風險評價. 農(nóng)業(yè)工程學報, 2015, 31(6): 238-245.

Wang C Y, Cai J J, Zhang J Q. Risk assessment of drought and chilling injury of maize in Northeast China., 2015, 31(6): 238-245. (in Chinese)

[10] SHIMONO H, KANNO H. Risk map for cool injury inducing spikelet sterility by low temperature at booting stage in rice with taking into account for growth stage and temperature before the booting stage in Tohoku region, Japan., 2012, 12(2): 6-11.

[11] 高素華, 王培娟. 長江中下游高溫熱害及對水稻的影響. 北京: 氣象出版社, 2009.

Gao S H, Wang P J.. Beijing: China Meteorological Press, 2009. (in Chinese)

[12] 中國氣象災害大典編委會. 中國氣象災害大典: 江西卷. 北京: 氣象出版社, 2007.

Editorial Board of.:. Beijing: China Meteorological Press, 2007. (in Chinese)

[13] 中國氣象災害大典編委會. 中國氣象災害大典: 湖南卷. 北京: 氣象出版社, 2007.

Editorial Board of.:. Beijing: China Meteorological Press, 2007. (in Chinese)

[14] 中國氣象災害大典編委會. 中國氣象災害大典: 湖北卷. 北京: 氣象出版社, 2007.

Editorial Board of.:. Beijing: China Meteorological Press, 2007. (in Chinese)

[15] 中國氣象災害大典編委會. 中國氣象災害大典: 浙江卷. 北京: 氣象出版社, 2007.

Editorial Board of.:. Beijing: China Meteorological Press, 2007. (in Chinese)

[16] 湖北省統(tǒng)計局. 湖北統(tǒng)計年鑒. 北京: 中國統(tǒng)計出版社, 2010.

Statistics Bureau of Hubei Province.. Beijing: China Statistics Press, 2010. (in Chinese)

[17] 湖南省統(tǒng)計局. 湖南統(tǒng)計年鑒. 北京: 中國統(tǒng)計出版社, 2010.

Statistics Bureau of Hunan Province.. Beijing: China Statistics Press, 2010. (in Chinese)

[18] 江西省統(tǒng)計局. 江西統(tǒng)計年鑒. 北京: 中國統(tǒng)計出版社, 2010.

Statistics Bureau of Jiangxi Province.. Beijing: China Statistics Press, 2010. (in Chinese)

[19] 浙江省統(tǒng)計局. 浙江統(tǒng)計年鑒. 北京: 中國統(tǒng)計出版社, 2010.

Statistics Bureau of Zhejiang Province.. Beijing: China Statistics Press, 2010. (in Chinese)

[20] 王桂芝, 陸金帥, 陳克垚, 吳先華. 基于HP濾波的氣候產(chǎn)量分離方法探討. 中國農(nóng)業(yè)氣象, 2014, 35(2): 195-199.

Wang G Z, Lu J S, Chen K Y, Wu X H. Exploration of method in separating climatic output based on HP filter., 2014, 35(2): 195-199. (in Chinese)

[21] 高峰, 劉江, 楊新剛, 李艷, 楊艷. 基于Fisher最優(yōu)分割法的機床熱關(guān)鍵點優(yōu)化研究. 儀器儀表學報, 2013, 34(5): 1070-1075.

Gao F, Liu J, Yang X G, Li Y, Yang Y. Study on optimization of thermal key points for machine tools based on Fisher optimal segmentation method., 2013, 34(5): 1070-1075. (in Chinese)

[22] 楊國華, 崔彬. 熵權(quán)法在水資源可持續(xù)利用評價中的應用. 數(shù)學的實踐與認識, 2011, 41(19): 8-12.

Yang G H, Cui B. The application of Entropy weight method to evaluation of the sustainable utilization of water resources., 2011, 41(19): 8-12. (in Chinese)

[23] 李民政. 汕優(yōu)6號秋季低溫冷害指標問題的研究. 浙江農(nóng)業(yè)科學, 1982(4): 177-180.

Li M Z. Study on autumn chilling damage index of Shanyou 6.s, 1982(4): 177-180. (in Chinese)

[24] 中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局. 主要農(nóng)作物高溫危害溫度指標: GB/T 21985-2008[S]. 北京: 中國標準出版社, 2008.

General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China. Temperature index of high temperature harm for main crops: GB/T 21985-2008[S]. Beijing: Standards Press of China, 2008. (in Chinese)

[25] 中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局. 南方水稻、油菜和柑桔低溫災害: GB/T 27959-2011[S]. 北京: 中國標準出版社, 2011.

General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China. Low temperature disaster of southern rice, rapeseed and orange: GB/T 27959-201[S]. Beijing: Standards Press of China, 2011. (in Chinese)

[26] 王春乙, 張繼權(quán), 霍治國, 蔡菁菁, 劉興朋, 張琪. 農(nóng)業(yè)氣象災害風險評估研究進展與展望. 氣象學報, 2015, 73(1): 1-19.

Wang C Y, Zhang J Q, Huo Z G, Cai J J, Liu X P, Zhang Q. Prospects and progresses in the research of risk assessment of agro-meteorological disasters., 2015, 73(1): 1-19. (in Chinese)

[27] Sun Z Y, Zhang J Q, Yan D H, WU L, GUO E L. The impact of irrigation water supply rate on agricultural drought disaster risk: a case about maize based on EPIC in Baicheng City, China., 2015, 78: 23-40.

[28] Liu X, Zhang J, Cai W, TONG Z. Information diffusion-based spatio-temporal risk analysis of grassland fire disaster in northern China., 2010, 23(1): 53-60.

[29] 趙靜, 張繼權(quán), 嚴登華, 佟志軍, 劉興朋. 基于格網(wǎng)GIS的豫北地區(qū)干旱災害風險區(qū)劃. 災害學, 2012, 27(1): 55-58.

Zhao J, Zhang J Q, Yan D H, Tong Z J, Liu X P. Drought disaster risk zoning in the Northern Henan Province based on gridding GIS., 2012, 27(1): 55-58. (in Chinese)

[30] 張繼權(quán), 李寧. 主要氣象災害風險評價與管理的數(shù)量化方法及其應用. 北京: 北京師范大學出版社, 2007.

Zhang J Q, Li N.. Beijing: Beijing Normal University Press, 2007. (in Chinese)

[31] 江敏, 金之慶, 石春林, 葛道闊, 朱大威. 長江中下游地區(qū)水稻孕穗開花期高溫發(fā)生規(guī)律及其對產(chǎn)量的影響. 生態(tài)學雜志, 2010, 29(4): 649-656.

Jiang M, Jin Z Q, Shi C L, GE D K, ZHU D W. Occurrence patterns of high temperature at booting and flowering stages of rice in the middle and lower reaches of Yangtze River and their impacts on rice yield., 2010, 29(4): 649-656. (in Chinese)

[32] 謝曉金, 李秉柏, 王琳, 戴秦如, 申雙和. 長江中下游地區(qū)高溫時空分布及水稻花期的避害對策. 中國農(nóng)業(yè)氣象, 2010, 31(1): 144-150.

Xie X J, Li B B, Wang L, DAI Q R, SHEN S H. Spatial and temporal distribution of high temperature and strategies to rice florescence harm in the lower-middle reaches of Yangtze River., 2010, 31(1): 144-150. (in Chinese)

[33] 楊愛萍, 馮明, 劉安國. 湖北水稻對盛夏低溫冷害的敏感性分析. 中國農(nóng)業(yè)氣象, 2009, 30(增刊2): 324-327.

Yang A P, Feng M, Liu A G. Research on sensitivity of rice to chilling injury in summer in Hubei Province., 2009, 30(Suppl.2): 324-327. (in Chinese)

[34] Cheng Y X, Huang J F, Han Z L, GUO J P, ZHAO Y X, WANG X Z, GUO R F. Cold damage risk assessment of double cropping rice in Hunan, China., 2013, 12(2): 352-363.

[35] 白光志, 孔萍, 余焰文, 劉壽東, 楊再強. 江西省雙季稻氣象災害風險評估研究. 氣象與減災研究, 2014, 37(4): 50-55.

Bai G Z, Kong P, Yu Y W, LIU S D, YANG Z Q. Study on the meteorological risk assessment of double cropping rice in the Jiangxi Province., 2014, 37(4): 50-55. (in Chinese)

（責任編輯 楊鑫浩，岳梅）

Risk Assessment of Cold and Hot Damages for Double-Cropping Early Rice (DCER) in Lower-Middle Reaches of the Yangtze River Basin

WANG Chun-yi1, YAO Peng-juan1, ZHANG Ji-quan2, REN Yi-fang3

(1Chinese Academy of Meteorological Sciences, Beijing 100081;2School of Environment/Natural Disaster Research Institute, Northeast Normal University, Changchun 130024;3Jiangsu meteorologic bureau, Nanjing 210008)

【Objective】Agricultural meteorological disasters are the important factors which threaten the national food security. Risk assessment on agro-meteorological disasters is the main research direction of guaranteeing agricultural production. There is the largest double-cropping early rice (DCER) planting area in Yangtze River basin in China, the DCER output in this area accounts for more than half of the country’s total production. This region is located in central China, where the hydrothermal resources are relatively abundant, but the seasonal distribution is uneven. Temperature swings in spring and hot days emerge frequently in summer, causing DCER’s cold and hot damages and affecting final yield. Therefore, it is emergency to carry out risk assessment of cold and hot damages of DCER. 【Method】The research was based on the meteorological data during 1961-2012, agricultural meteorological data during 1981-2010 and social statistics data of DCER growing region in lower-middle reaches of the Yangtze River Basin. First and foremost, four assessment models were built to evaluate cold and hot damage hazard, environmental vulnerability, exposure, disaster prevention and mitigation capacity. For laying a foundation for the formation mechanism of natural disaster risk, a risk evaluation model was developed in terms of hazard which is fine depicted in development phrase, vulnerability, exposure and disaster prevention and mitigation capacity. Weight coefficients of the four factors are calculated by entropy weight evaluation method. The results of the multi-risk assessment model is valuable for decision making to release disaster risks.【Result】 The hazard assessment model was constructed based on disaster intensities at various developmental stages, the weight coefficient of the development stage and the weight coefficient of cold and hot damages. The assessment results show that the planting area in southern Hunan and southeastern Jiangxi is suitable for DCER, where cold and hot damages are rarely happened. Hazard in center of Hunan and Jiangxi is 0.3, slightly higher due to hot damage at filling stage, while the higher hazard in eastern Hubei is caused by cold damage. Zhejiang is reduced to absolute inferior planting area for its higher hazard during the whole growing season except tillering stage, especially the serious hot damage at filling stage. Vulnerability assessment model was constructed of index of yield variation. The assessment results show that mid-east Zhejiang, mid-south Jiangxi and Hubei planting areas are the lowest vulnerable areas. Vulnerability in northeastern of Jiangxi is quite high, followed by Ningxiang and Chaling of Hunan province, where yield is quite sensible to weather condition. The exposure assessment model was constructed based on the index of vegetation coverage. The assessment results show that DcER planting area ratio is up to 85% in the eastern of Hunan and northeastern of Jiangxi, which means high exposure to the rice production. The exposure is lower in Zhejiang and Hubei, and it won’t have high impacts on DSER yield. The disaster prevention and mitigation capacity assessment model was constructed based on the total powers of agriculture machine, net income per capita and chemical fertilizers. The assessment results show that disaster prevention and mitigation capacity is highest in Zhejiang province. It is relatively higher in central Hunan, western Hubei and southern Jiangxi. Disaster prevention and mitigation capacity is lower in the other areas. The risk evaluation model was constructed based on hazard, vulnerability, exposure, disaster prevention and mitigation capacity. Mid-west of Zhejiang, northeast of Jiangxi, central Hunan and east of Hubei are divided into high-risk areas. Southern Hunan, southeastern Jiangxi, eastern Hubei and eastern Zhejiang are roughly divided into the low-risk and the other areas are divided into medium risk areas. 【Conclusion】Diverse measures should be adopted to lesson the risk of DCER planting in each province in Yangtze River basin: in mid-west of Zhejiang, it is useful to adjust the sowing period. For northeastern Jiangxi, increasing the investment of local agriculture is needed. It is necessary to adjust the planting structure in Hunan. Science and technical inputs in Hubei should be increased to reduce the risk.

the Yangtze River Basin; early rice; cold damage; hot damage; risk assessment

2015-12-23；接受日期：2016-03-21

國家“十二五”科技支撐計劃（2011BAD32B00）

王春乙，E-mail：wcy@cms1924.org