中國(guó)西南地區(qū)石漠化對(duì)玉米旱災(zāi)風(fēng)險(xiǎn)的影響

潘東華，賈慧聰，陳 方，賀原惠子

?

中國(guó)西南地區(qū)石漠化對(duì)玉米旱災(zāi)風(fēng)險(xiǎn)的影響

潘東華1，賈慧聰2※，陳 方2，賀原惠子2

（1. 民政部國(guó)家減災(zāi)中心，北京 100124；2. 中國(guó)科學(xué)院遙感與數(shù)字地球研究所中國(guó)科學(xué)院數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京 100094）

為做好喀斯特地區(qū)農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)防范，揭示石漠化程度對(duì)作物旱災(zāi)風(fēng)險(xiǎn)的影響機(jī)制。該文基于災(zāi)害系統(tǒng)理論，引入基于物理過(guò)程的農(nóng)作物模型EPIC（erosion productivity impact calculator），考慮西南喀斯特地貌背景，以水分脅迫累加值作為致災(zāi)因子，與玉米產(chǎn)量損失進(jìn)行脆弱性曲線模擬，基于此開(kāi)展不同石漠化程度區(qū)玉米旱災(zāi)產(chǎn)量的致災(zāi)和成災(zāi)損失風(fēng)險(xiǎn)評(píng)估。結(jié)果顯示，中國(guó)西南喀斯特地區(qū)玉米受旱減產(chǎn)的風(fēng)險(xiǎn)呈現(xiàn)從西北到東南增加的趨勢(shì)。在4種風(fēng)險(xiǎn)水平（2、5、10、20年一遇）下，面積占比最大的產(chǎn)量損失率主要集中分布在0.4～0.5區(qū)間內(nèi)，這主要由地形地勢(shì)、降水差異和承災(zāi)體的脆弱性所共同決定的；受石漠化影響，土層厚度為40 cm時(shí)，4種風(fēng)險(xiǎn)水平對(duì)應(yīng)的減產(chǎn)率分別為5.8%、6.1%、7.8%、8.2%；該研究可以為中國(guó)第三大玉米主產(chǎn)區(qū)-西南山地玉米區(qū)的農(nóng)業(yè)災(zāi)害預(yù)警和保障國(guó)家糧食安全提供重要的科學(xué)依據(jù)和技術(shù)支持。

干旱；遙感；災(zāi)害；石漠化；EPIC模型；玉米旱災(zāi)；西南喀斯特地區(qū)

0 引 言

全球喀斯特地貌集中連片分布于歐洲中南部、北美東部和中國(guó)西南地區(qū)[1]。中國(guó)西南喀斯特出露面積高達(dá)50多萬(wàn)km2，是世界三大喀斯特集中連片分布區(qū)中面積最大且?guī)r性發(fā)育最強(qiáng)烈、生態(tài)環(huán)境最脆弱的喀斯特連續(xù)地帶，也是三大喀斯特地區(qū)中石漠化災(zāi)害面積最大、災(zāi)害影響最深刻的區(qū)域[2]。20世紀(jì)90年代后期，中國(guó)西南石漠化災(zāi)害風(fēng)險(xiǎn)不斷擴(kuò)大，嚴(yán)重威脅區(qū)域社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展和2.2億人口賴以生存的空間，引起了學(xué)術(shù)界廣泛關(guān)注和各級(jí)政府的高度重視[3]。國(guó)內(nèi)外對(duì)喀斯特地區(qū)的研究重點(diǎn)從早期側(cè)重于地貌及水文過(guò)程轉(zhuǎn)變到對(duì)喀斯特生態(tài)系統(tǒng)脆弱性、人類(lèi)活動(dòng)影響、生態(tài)重建等方面[4-6]。

石漠化（rock desertification）概念最早是在20世紀(jì)90年代提出的[7]。由于受人為因素的影響，在亞熱帶濕潤(rùn)地區(qū)脆弱的巖溶生態(tài)環(huán)境背景下，石漠化是土地生產(chǎn)力下降，土層變薄，地表逐漸呈現(xiàn)類(lèi)似荒漠景觀的土地退化過(guò)程[8]。中國(guó)西南喀斯特地區(qū)由于基巖裸露、土體淺薄、水分下滲等因素，使得該地區(qū)水土流失嚴(yán)重，水資源調(diào)蓄能力大大降低，一旦遭遇降水不足，極易導(dǎo)致農(nóng)業(yè)旱災(zāi)發(fā)生[9]。

目前對(duì)喀斯特地區(qū)旱災(zāi)風(fēng)險(xiǎn)評(píng)估主要集中在氣象、水文等單要素或多指標(biāo)的干旱評(píng)估，沒(méi)有考慮地貌對(duì)旱災(zāi)成災(zāi)機(jī)理的研究，尤其是本地區(qū)石漠化程度對(duì)土層厚度影響，分區(qū)旱災(zāi)風(fēng)險(xiǎn)的評(píng)估研究還很薄弱。作物生長(zhǎng)模擬模型有利于定量揭示作物生育生長(zhǎng)的規(guī)律，為可持續(xù)農(nóng)業(yè)和精準(zhǔn)農(nóng)業(yè)的研究提供科學(xué)工具。作物模型對(duì)東北、華北地區(qū)進(jìn)行玉米產(chǎn)量模擬時(shí)，一般土層厚度都是遠(yuǎn)遠(yuǎn)大于玉米根系長(zhǎng)度，而在喀斯特地區(qū)，由于石漠化的影響，導(dǎo)致同一土壤類(lèi)型土層厚度在空間上存在明顯差異，且石漠化嚴(yán)重區(qū)土層厚度往往小于玉米主根系的長(zhǎng)度（40 cm），相同降水條件下，土壤能保持的田間持水量可供作物維持蒸騰的時(shí)間要短于東北、華北等地。因此，研究石漠化程度對(duì)玉米產(chǎn)量的影響機(jī)理是解決西南喀斯特地區(qū)玉米旱災(zāi)風(fēng)險(xiǎn)防范的關(guān)鍵。

1 研究區(qū)概況

中國(guó)西南喀斯特地區(qū)因存在巖石裸露率高、土層淺薄、“雙層”地質(zhì)結(jié)構(gòu)等特點(diǎn)而表現(xiàn)出地質(zhì)性干旱，即使降雨充分，土壤能保持的田間持水量?jī)H可供植物維持1～2周的蒸騰[10]，是全國(guó)生態(tài)區(qū)劃的旱性喀斯特生態(tài)系統(tǒng)區(qū)[11]。

以西南地區(qū)為主的中國(guó)南方地區(qū)是中國(guó)三大玉米主產(chǎn)區(qū)之一，種植面積和總產(chǎn)量分別占全國(guó)玉米總面積、總產(chǎn)量的30%左右[12]。而玉米又是該地區(qū)的第二大糧食作物，該區(qū)的許多山區(qū)迄今仍以玉米作為主食之一；同時(shí)該地區(qū)是中國(guó)生豬飼養(yǎng)、生豬出欄、飼料生產(chǎn)的最大地區(qū)，也是玉米調(diào)入的最大地區(qū)。干旱是影響中國(guó)西南山地玉米區(qū)玉米高產(chǎn)穩(wěn)產(chǎn)的第一非生物脅迫因素。

中國(guó)西南喀斯特地區(qū)主要分布在以貴州高原為中心的貴州、云南、廣西、四川、重慶、湖南、湖北及廣東8省市區(qū)（圖1），該區(qū)人口眾多，集“老、少、邊、窮”為一體，森林覆蓋率低，特別是黔滇渝川，僅為20%～35%，而且分布極為不均，海拔相對(duì)高差大（15～4 000 m）。云貴高原崇山峻嶺，人均耕地面積少（500～800 m2），耕地土層薄，旱地占70%～75%，且坡耕地占70%～85%。地表喀斯特出露面積達(dá)51萬(wàn)km2，土地石漠化面積10.51萬(wàn)km2，占喀斯特山區(qū)總面積的近20%（表1）；土地石漠化面積大于1 000 km2的縣份20個(gè)、大于500 km2的縣份有74個(gè)[13]。本文將已有的西南地區(qū)土地利用數(shù)據(jù)（2010年）中水澆地和旱地類(lèi)型作為玉米種植范圍分布。

圖1 中國(guó)西南地區(qū)石漠化等級(jí)圖[14]

表1 中國(guó)西南地區(qū)石漠化等級(jí)統(tǒng)計(jì)

2 數(shù)據(jù)和方法

2.1 EPIC(erosion productivity impact calculator)模型

侵蝕—生產(chǎn)力影響評(píng)估模型（EPIC）是1984年美國(guó)農(nóng)業(yè)部研制的水土資源管理和作物生產(chǎn)力評(píng)價(jià)模型。適合于模擬作物輪作、耕作實(shí)踐、種植日期、灌溉和施肥策略等[15]。經(jīng)過(guò)廣泛驗(yàn)證和多次完善，已經(jīng)在美國(guó)、法國(guó)、中國(guó)等多個(gè)國(guó)家成功地應(yīng)用到作物估產(chǎn)、氣候變化影響評(píng)價(jià)、精準(zhǔn)農(nóng)業(yè)、區(qū)域農(nóng)業(yè)規(guī)劃等多個(gè)領(lǐng)域。EPIC以日為時(shí)間步長(zhǎng)，可模擬從一個(gè)生長(zhǎng)季到上百年的農(nóng)田水土資源及作物生產(chǎn)力的動(dòng)態(tài)變化。作為一種多作物通用型作物生產(chǎn)系統(tǒng)模擬模型，EPIC模型能夠模擬上百種作物、牧草和樹(shù)木生長(zhǎng)，其特點(diǎn)是根據(jù)各種作物生理生態(tài)過(guò)程的共性來(lái)研制其主體框架，再結(jié)合作物的生長(zhǎng)參數(shù)和田間管理參數(shù)分別進(jìn)行各作物的生長(zhǎng)模擬[16]。

“丹玉十三”是中國(guó)西南地區(qū)累計(jì)推廣超過(guò)十年、推廣面積最大的玉米品種[17]，全生育期120～130 d，株高230～250 cm，穗位高100 cm，種植密度為3 000株[18-19]。由于數(shù)據(jù)限制，本文只選擇了數(shù)據(jù)序列較好的典型玉米品種“丹玉十三”這一個(gè)品種的作物遺傳參數(shù)作為中國(guó)西南喀斯特地區(qū)的玉米遺傳參數(shù)，在無(wú)灌溉的條件下，通過(guò)EPIC模型模擬研究區(qū)1966—2005年玉米的生長(zhǎng)過(guò)程。

2.2 數(shù)據(jù)準(zhǔn)備

2.2.1 氣象數(shù)據(jù)

本研究的氣象數(shù)據(jù)來(lái)源于國(guó)家氣象局信息中心提供的氣象站點(diǎn)數(shù)據(jù)。包括西南喀斯特地區(qū)209個(gè)站點(diǎn) 1961—2010年的日降水量、日最高氣溫、日最低氣溫、日照時(shí)數(shù)、日相對(duì)濕度和日平均風(fēng)速和日太陽(yáng)輻射數(shù)據(jù)，通過(guò)IDW（inverse distance weighted）空間插值方法構(gòu)建模型所需要的網(wǎng)格化氣象數(shù)據(jù)庫(kù)。由于缺少EPIC模型所需要的完整的太陽(yáng)輻射數(shù)據(jù)，利用日照時(shí)數(shù)和天文輻射量計(jì)算出了日太陽(yáng)輻射值。本文參照李克煌[20]給出的計(jì)算太陽(yáng)輻射的公式，具體形式如下：

式中0代表天文輻射量，cal/(cm2·)，即每月15日的日總量；代表每天的日照時(shí)數(shù)；代表每月的平均日晝長(zhǎng)度。

2.2.2 土壤數(shù)據(jù)

EPIC模型需要大量的輸入數(shù)據(jù)來(lái)描述土壤屬性和質(zhì)地特性。本文采用的土壤空間數(shù)據(jù)來(lái)源于聯(lián)合國(guó)糧農(nóng)組織（FAO）編制的全球土壤類(lèi)型分布圖。土壤粒徑級(jí)配，即土壤機(jī)械組成數(shù)據(jù)，是土壤屬性數(shù)據(jù)中最重要的一類(lèi)數(shù)據(jù)。由于FAO的土壤屬性數(shù)據(jù)中缺乏飽和水導(dǎo)率、容重、可利用水含量等參數(shù)，因此需要基于土壤粒徑級(jí)配數(shù)據(jù)插值計(jì)算。本文運(yùn)用土壤水分特性軟件，將美國(guó)分級(jí)標(biāo)準(zhǔn)下的土壤粒徑級(jí)配數(shù)據(jù)和土壤有機(jī)質(zhì)含量等數(shù)據(jù)輸入，計(jì)算輸出EPIC模型中所需的飽和水導(dǎo)率（KS）、土壤容重（）、田間持水量（FC）、萎蔫系數(shù)（）等參數(shù)。實(shí)際土層厚度分布數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院南京土壤研究所中國(guó)土壤數(shù)據(jù)庫(kù)。

2.2.3 田間觀測(cè)數(shù)據(jù)

EPIC模型需要詳細(xì)的田間管理數(shù)據(jù)，這些數(shù)據(jù)必須具體到各個(gè)措施操作的時(shí)間，相應(yīng)的定量措施等，并且允許用戶模擬較復(fù)雜的作物輪作。EPIC模型中有2種灌溉和施肥措施可以選擇：手工設(shè)置和自動(dòng)設(shè)置。本文詳細(xì)的田間管理數(shù)據(jù)來(lái)自于農(nóng)作物田間觀測(cè)數(shù)據(jù)庫(kù)，資料來(lái)源于全國(guó)農(nóng)業(yè)氣象站點(diǎn)的年報(bào)表。錄入完成全國(guó)1980—2010年所有站點(diǎn)玉米生育狀況觀測(cè)記錄數(shù)據(jù)，共錄入680份作物生育狀況觀測(cè)記錄年報(bào)表，共計(jì)138多個(gè)農(nóng)業(yè)氣象觀測(cè)站點(diǎn)（圖2），其中西南地區(qū)23個(gè)站點(diǎn)。經(jīng)過(guò)對(duì)該數(shù)據(jù)的整理和校對(duì)，建立農(nóng)業(yè)氣象觀測(cè)站報(bào)表數(shù)據(jù)管理系統(tǒng)，為EPIC模型調(diào)整玉米作物參數(shù)提供了主要的數(shù)據(jù)。這些數(shù)據(jù)包括：播種期、種植密度、灌溉期、灌溉量、施肥期、施肥量、收獲期和收獲工具等。

圖2 玉米田間試驗(yàn)站點(diǎn)分布圖

2.3 EPIC模型的參數(shù)率定

具體調(diào)整玉米作物參數(shù)的方法是：按照模型需要的輸入數(shù)據(jù)，將試驗(yàn)站點(diǎn)貴州省貴陽(yáng)市國(guó)家基準(zhǔn)氣候站1986—1991年的日氣象數(shù)據(jù)、土壤數(shù)據(jù)和實(shí)際的田間管理數(shù)據(jù)（耕作日期、管理措施等）輸入到設(shè)置好的站點(diǎn)EPIC模型中，將輸出的作物產(chǎn)量和實(shí)際測(cè)得的作物產(chǎn)量進(jìn)行擬合（圖3），通過(guò)反復(fù)運(yùn)行模型，運(yùn)用試錯(cuò)法調(diào)整主要參數(shù)值，比較年際間產(chǎn)量變化趨勢(shì)和產(chǎn)量值是否一致，同時(shí)也參考了中國(guó)農(nóng)業(yè)科學(xué)院和美國(guó)Texas A&M大學(xué)的專(zhuān)家們對(duì)作物參數(shù)調(diào)整的有關(guān)文獻(xiàn)[21-23]，最終確定“丹玉十三”玉米品種的47個(gè)作物遺傳參數(shù)。其中9個(gè)高敏感性的玉米作物參數(shù)分別為：能量-生物量轉(zhuǎn)換因子、收獲指數(shù)、最適溫度、基點(diǎn)溫度、最大潛在葉面積指數(shù)、生長(zhǎng)季峰值點(diǎn)、葉面積生長(zhǎng)參數(shù)1、葉面積生長(zhǎng)參數(shù)2、葉面積指數(shù)下降率。

圖3 “丹玉十三”典型玉米品種模擬產(chǎn)量和實(shí)測(cè)產(chǎn)量的驗(yàn)證

2.4 玉米旱災(zāi)產(chǎn)量損失風(fēng)險(xiǎn)評(píng)估

關(guān)于本文風(fēng)險(xiǎn)評(píng)估流程中所用數(shù)據(jù)的時(shí)間尺度一致性問(wèn)題，首先致災(zāi)因子危險(xiǎn)性評(píng)價(jià)應(yīng)與氣象數(shù)據(jù)保持一致。1961—2010年的氣象數(shù)據(jù)是為了計(jì)算不同年遇型（2、5、10、20年一遇）干旱風(fēng)險(xiǎn)，氣象數(shù)據(jù)序列越長(zhǎng)，風(fēng)險(xiǎn)計(jì)算結(jié)果相對(duì)越準(zhǔn)確，是相對(duì)獨(dú)立的。受資料記錄限制，目前從中國(guó)氣象局資料室僅有權(quán)限查詢到1980—2010年的玉米生育狀況觀測(cè)記錄數(shù)據(jù)，且農(nóng)業(yè)氣象站點(diǎn)的玉米生育狀況觀測(cè)記錄數(shù)據(jù)作為模型參數(shù)率定之用，不需要所有年份的數(shù)據(jù)。通過(guò)導(dǎo)出EPIC模型的運(yùn)行結(jié)果，發(fā)現(xiàn)模型的運(yùn)行需要前5a的訓(xùn)練期，才能使得模型的參數(shù)更加穩(wěn)定，因此剔除了前5a的模型輸出結(jié)果，故從1966—2010年模擬的結(jié)果中提取每年整個(gè)生長(zhǎng)季的影響作物生長(zhǎng)的WS（water stress）值。

以1 km玉米分布網(wǎng)格為評(píng)價(jià)單元，玉米產(chǎn)量損失脆弱性曲線構(gòu)建：考慮石漠化程度分區(qū)，即同一土壤類(lèi)型不同石漠化程度區(qū)土層厚度不同，設(shè)定2種情景對(duì)模型進(jìn)行模擬，1情景為完全滿足玉米水分需求，2情景為完全雨養(yǎng)，其他參數(shù)都一致，2種情景下的玉米產(chǎn)量差異認(rèn)為是由水分脅迫導(dǎo)致的旱災(zāi)產(chǎn)量損失，以全生育期水分脅迫累加值作為干旱致災(zāi)指數(shù)（），與產(chǎn)量損失率值（）擬合構(gòu)建脆弱性曲線。其中干旱致災(zāi)指數(shù)、產(chǎn)量損失率分別由式（2）、式（3）計(jì)算得到。

1）干旱致災(zāi)指數(shù)的具體計(jì)算如下：

式中為玉米生長(zhǎng)季內(nèi)的干旱致災(zāi)指數(shù)，H為年網(wǎng)格的干旱致災(zāi)指數(shù)，WS為第天的水分脅迫值，為生長(zhǎng)季內(nèi)受水分脅迫影響的天數(shù)，max為模擬的所有網(wǎng)格所有年份內(nèi)的最大值，min為模擬的所有網(wǎng)格所有年份內(nèi)的最小值。

2）產(chǎn)量損失率的具體計(jì)算如下：

式中V為年網(wǎng)格旱災(zāi)的單位產(chǎn)量損失率，Y1和Y2分別為1和2兩種情景下的單位產(chǎn)量，max(Y1j)為網(wǎng) 格多年最大單位產(chǎn)量，max(Y1j)為網(wǎng)格多年最小單位產(chǎn)量。

3 結(jié)果與分析

3.1 旱災(zāi)致災(zāi)危險(xiǎn)性評(píng)價(jià)結(jié)果

基于網(wǎng)格統(tǒng)計(jì)單元的模擬信息，通過(guò)提取每年玉米生長(zhǎng)季內(nèi)受水分脅迫影響的水分脅迫因子值（WS），計(jì)算得到每年玉米整個(gè)生長(zhǎng)季的致災(zāi)強(qiáng)度指數(shù)。從1966—2010年模擬的結(jié)果中提取每年整個(gè)生長(zhǎng)季的影響作物生長(zhǎng)的WS值，根據(jù)致災(zāi)強(qiáng)度指數(shù)的計(jì)算公式，計(jì)算得出每個(gè)8 km網(wǎng)格單元上每年的玉米旱災(zāi)致災(zāi)強(qiáng)度指數(shù)值，繪制了西南喀斯特地區(qū)玉米致災(zāi)強(qiáng)度指數(shù)平均值的空間分布圖（圖4）。

總體來(lái)看，旱災(zāi)致災(zāi)指數(shù)均值空間分布呈西北—東南向遞減趨勢(shì)，其中，中度致災(zāi)干旱（0.4～0.5）區(qū)域分布面積最大，約占西南玉米分布區(qū)的55.78%；輕度致災(zāi)干旱（0.3～0.4）區(qū)域約占31.61%，主要分布在四川盆地東部、重慶西北部以及廣西、廣東的中部等區(qū)域；另外，重度致災(zāi)干旱（0.5～0.7）的2個(gè)高值區(qū)集中分布在湖北中東部和廣東南部，約占6.10%。這主要與降水系統(tǒng)的異常以及下墊面的地域差異即地形地貌條件有關(guān)。

圖4 中國(guó)西南喀斯特地區(qū)玉米旱災(zāi)致災(zāi)指數(shù)平均值分布

3.2 旱災(zāi)風(fēng)險(xiǎn)性評(píng)價(jià)結(jié)果

根據(jù)上述對(duì)中國(guó)西南喀斯特地區(qū)玉米旱災(zāi)致災(zāi)強(qiáng)度指數(shù)和自然脆弱性的分析，本文在無(wú)灌溉并保證養(yǎng)分充足的情景下，通過(guò)空間EPIC模型模擬了玉米種植區(qū)內(nèi) 8 km網(wǎng)格單元上玉米的生長(zhǎng)過(guò)程后，計(jì)算出每個(gè)生長(zhǎng)季的致災(zāi)強(qiáng)度指數(shù)，結(jié)合玉米“丹玉十三”品種的脆弱性，計(jì)算出西南喀斯特地區(qū)玉米受旱災(zāi)打擊的產(chǎn)量損失率。在此基礎(chǔ)上，繪制在西南地區(qū)不同致災(zāi)水平下的成災(zāi)風(fēng)險(xiǎn)系列圖，包括了4個(gè)風(fēng)險(xiǎn)水平：2年一遇、5年一遇、10年一遇和20年一遇（圖5）。

圖5 中國(guó)西南喀斯特地區(qū)玉米旱災(zāi)成災(zāi)風(fēng)險(xiǎn)圖

整體來(lái)看，中國(guó)西南喀斯特地區(qū)玉米受旱減產(chǎn)的風(fēng)險(xiǎn)高發(fā)區(qū)呈現(xiàn)從西北到東南擴(kuò)散的趨勢(shì)。在4種風(fēng)險(xiǎn)水平下，面積占比最大的產(chǎn)量損失率主要集中分布在0.4～0.5區(qū)間內(nèi)。在2年一遇、5年一遇、10年一遇、20年一遇的風(fēng)險(xiǎn)水平下產(chǎn)量損失率等級(jí)（0.4～0.5）的玉米產(chǎn)區(qū)占西南玉米總產(chǎn)區(qū)的比例分別為55.89%、54.17%、48.99%、44.33%；其次，產(chǎn)量損失率等級(jí)（0.3～0.4）的玉米產(chǎn)區(qū)占西南玉米總產(chǎn)區(qū)的比例分別為32.18%、26.38%、23.46%、20.87%。

無(wú)論在哪個(gè)風(fēng)險(xiǎn)水平下，湖北中東部和廣東南部地區(qū)的減產(chǎn)損失率都是最高，達(dá)到0.5以上減產(chǎn)率等級(jí)。經(jīng)統(tǒng)計(jì)，隨著年遇型的增加，極端減產(chǎn)風(fēng)險(xiǎn)等級(jí)（0.6～1）所占玉米總分布區(qū)的比例是逐漸增加的，從2年一遇的5.02%、5年一遇的14.39%、10年一遇的23.37%上升至20年一遇的31.33%。而同樣隨年遇型的增加，微度減產(chǎn)率等級(jí)以下的區(qū)域（0.1～0.2）所占玉米總分布區(qū)的比例從2年一遇的1.06%、5年一遇的0.68%、10年一遇的0.60%，下降至20年一遇的0.54%。

對(duì)比圖4和圖5，玉米干旱致災(zāi)和成災(zāi)風(fēng)險(xiǎn)的格局大體相似，但前者的分布規(guī)模大于后者，前者主要表明的是致災(zāi)風(fēng)險(xiǎn)，后者則是致災(zāi)與成災(zāi)風(fēng)險(xiǎn)的綜合反映；也就是說(shuō)，發(fā)生干旱的區(qū)域不一定都成災(zāi)，承災(zāi)體對(duì)旱災(zāi)脆弱的區(qū)域，成災(zāi)的可能性越大。從減產(chǎn)風(fēng)險(xiǎn)高值區(qū)的動(dòng)態(tài)分布來(lái)看，2年一遇水平下的減產(chǎn)風(fēng)險(xiǎn)高值區(qū)主要集中在湖北中部和廣東南部附近。這與其致災(zāi)風(fēng)險(xiǎn)水平高是一致的。隨年遇型的增加，到了20年一遇水平，減產(chǎn)風(fēng)險(xiǎn)高值區(qū)也逐漸向東向南擴(kuò)展，四川東部、湖北中東部、貴州北部、廣西中南部、廣東南部位于重度減產(chǎn)風(fēng)險(xiǎn)等級(jí)（>0.5）之上。這反映了中國(guó)石漠化生態(tài)系統(tǒng)的承災(zāi)閾值彈性小，農(nóng)業(yè)產(chǎn)值高同時(shí)具有旱災(zāi)風(fēng)險(xiǎn)高的特點(diǎn)，同時(shí)承災(zāi)體的抗旱能力（如灌溉能力）決定了干旱成災(zāi)的機(jī)率和旱災(zāi)災(zāi)情大小。

3.3 不同石漠化程度對(duì)玉米旱災(zāi)產(chǎn)量損失的影響

已有相關(guān)研究表明，土壤是作物生長(zhǎng)的主要限定因子，中國(guó)西南喀斯特地區(qū)種植玉米的旱坡地土壤瘠薄，保水保肥能力差，是制約玉米產(chǎn)量提高的重要因素[24-28]。玉米全生育期能從土壤中吸取的水量，除取決于降雨量和降雨分布外，關(guān)鍵還取決于土壤的土層厚度。以土壤有效水含量（容積）20%計(jì)算，土層20～40 cm的土壤，土壤供水能力僅為40～80 mm，而土層超過(guò)80 cm的，土壤供水能力達(dá)160 mm以上。同時(shí)，在玉米全生育期中，由于土層厚度不同，土壤對(duì)降雨蓄積能力存在明顯差異，土層厚度<40cm時(shí)，壤中流損失達(dá)74～247 mm，土層厚度>100 cm時(shí)，壤中流損失僅為33～143 mm，兩者平均值相差73 mm，土層厚度直接影響玉米對(duì)同期降雨的利用[29-30]。

統(tǒng)計(jì)顯示，中國(guó)西南玉米種植區(qū)土層厚度80cm的面積約占63%，其中土層厚度20～40 cm的面積約占23%（圖6），而這些地區(qū)也是玉米旱災(zāi)頻發(fā)的地區(qū)。通過(guò)分析不同致災(zāi)風(fēng)險(xiǎn)水平下的減產(chǎn)損失率（計(jì)算網(wǎng)格的均值）與土層厚度的關(guān)系，結(jié)果顯示，不同致災(zāi)風(fēng)險(xiǎn)水平下，土層厚度對(duì)玉米的減產(chǎn)率差別較大，2年、5年、10年和20年一遇致災(zāi)水平下，土層厚度為40cm時(shí)，對(duì)應(yīng)的減產(chǎn)率分別為5.8%、6.1%、7.8%、8.2%；土層厚度為80 cm時(shí)，對(duì)應(yīng)的減產(chǎn)率分別為3.8%、4.5%、5.5%、6.0%（圖7）；總體而言，玉米減產(chǎn)率與土層厚度呈明顯的負(fù)相關(guān)，即隨著土層厚度的增加玉米減產(chǎn)率逐漸減小，且當(dāng)土層厚度大于150 cm時(shí)，減產(chǎn)率趨于穩(wěn)定，且一般小2%。因此，加快推進(jìn)西南喀斯特石漠化的綜合治理，不僅能夠減輕作物旱災(zāi)損失，更重要的是它對(duì)構(gòu)筑長(zhǎng)江、珠江兩大流域上游的生態(tài)屏障和實(shí)現(xiàn)本地區(qū)持續(xù)發(fā)展具有重要的現(xiàn)實(shí)意義。

圖6 中國(guó)西南喀斯特地區(qū)土層厚度圖

圖7 不同致災(zāi)風(fēng)險(xiǎn)水平下的減產(chǎn)損失率與土層厚度的關(guān)系

4 結(jié) 論

1）在已經(jīng)實(shí)現(xiàn)的空間作物模型計(jì)算機(jī)產(chǎn)量模擬的基礎(chǔ)上，考慮西南喀斯特地貌背景，利用典型玉米品種模型結(jié)構(gòu)參數(shù)，開(kāi)展不同石漠化程度區(qū)玉米旱災(zāi)產(chǎn)量的致災(zāi)和成災(zāi)損失風(fēng)險(xiǎn)評(píng)估。結(jié)果顯示，在4種風(fēng)險(xiǎn)水平（2、5、10、20年一遇）下，面積占比最大的產(chǎn)量損失率主要集中分布在0.4～0.5區(qū)間內(nèi)。隨著年遇型的增加，極端減產(chǎn)風(fēng)險(xiǎn)等級(jí)（0.6～1）所占玉米總分布區(qū)的比例是逐漸增加的，從2年一遇的5.02%、5年一遇的14.39%、10年一遇的23.37%上升至20年一遇的31.33%。四川東部、湖北中東部、貴州北部、廣西中南部、廣東南部位于重度減產(chǎn)風(fēng)險(xiǎn)等級(jí)（>0.5）之上。這主要是地形地勢(shì)、降水差異和承災(zāi)體的脆弱性共同作用的結(jié)果。

2）作物模型對(duì)東北、華北地區(qū)進(jìn)行玉米產(chǎn)量模擬時(shí)，一般土層厚度都是遠(yuǎn)遠(yuǎn)大于玉米根系長(zhǎng)度，而在喀斯特地區(qū)，由于石漠化的影響，導(dǎo)致同一土壤類(lèi)型土層厚度在空間上存在明顯差異，且石漠化嚴(yán)重區(qū)土層厚度往往小于玉米主根系的長(zhǎng)度（40 cm），相同降水條件下，土壤能保持的田間持水量可供作物維持蒸騰的時(shí)間要短于東北、華北等地。研究結(jié)果顯示，不同致災(zāi)風(fēng)險(xiǎn)水平下，土層厚度對(duì)玉米的減產(chǎn)率差別較大，2年、5年、10年和20年一遇致災(zāi)水平下，土層厚度為40cm時(shí)，對(duì)應(yīng)的減產(chǎn)率分別為5.8%、6.1%、7.8%、8.2%；土層厚度為80 cm時(shí)，對(duì)應(yīng)的減產(chǎn)率分別為3.8%、4.5%、5.5%、6.0%。因此，研究不同土層厚度對(duì)玉米產(chǎn)量的影響機(jī)理是做好喀斯特地區(qū)玉米旱災(zāi)風(fēng)險(xiǎn)防范的關(guān)鍵。

[1] John G, Smith D. Human impact on the Cuilcagh Karst areas[M]. Italy: Universita Dipadova, 1991: 23－28.

[2] 黃秋昊，蔡運(yùn)龍. 基于RBFN模型的貴州省石漠化危險(xiǎn)度評(píng)價(jià)[J]. 地理學(xué)報(bào)，2005，(5)：771－778. Huang Qiuhao, Cai Yunlong. Hazardous assessment of Karst Rocky desertification in Guizhou Province: An application of the RBFN model[J]. Acta Geographica Sinica, 2005, (5): 771－778. (in Chinese with English abstract)

[3] 黃曉云，常晟，王靜愛(ài)，等. 中國(guó)喀斯特脆弱生態(tài)環(huán)境石漠化風(fēng)險(xiǎn)評(píng)價(jià)方法[J]. 世界林業(yè)研究，2013，(6)：45－51. Huang Xiaoyun, Chang Sheng, Wang Jingai, et al. Rockification risk evaluation method for fragile ecological environment in China’s Karst Region[J]. World Forestry Research, 2013, (6): 45－51. (in Chinese with English abstract)

[4] Cruse R, Gelder B, Flanagan D, et al. Daily estimates of rainfall, water runoff, and soil erosion in Iowa[J]. Journal of Soil and Water Conservation, 2006, 61(4): 191－199.

[5] Marques M J, Bienes R, Perez-Rodriguez R, et al. Soil degradation in Central Spain due to sheet water erosion by low-intensity rainfall events[J]. Earth Surface Processes and Landforms, 2008, 33(3): 414－423

[6] 蔡雄飛，王濟(jì)，雷麗，等. 不同雨強(qiáng)對(duì)中國(guó)西南喀斯特山區(qū)土壤侵蝕影響的模擬研究[J]. 水土保持學(xué)報(bào)，2009，23(6)：5－13. Cai Xiongfei, Wang Ji, Lei Li, et al. Laboratorial simulation of different rainfall intensity influence on soil erosion in Southwest Karst Area, China[J]. Journal of Soil and Water Conservation, 2009, 23(6): 5－13. (in Chinese with English abstract)

[7] 王德?tīng)t，朱守謙，黃寶龍. 石漠化的概念及其內(nèi)涵[J]. 南京林業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，(6)：87－90. Wang Delu, Zhu Shouqian, Huang Baolong. Discussion on the conception and connotation of rocky desertification [J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2004, (6): 87－90. (in Chinese with English abstract)

[8] Tu Y L. The analysis on reason and present situation of land rock desertification, Guizhou province. In: Li Jing, Development and Harness in Carbonate Rock Area[M]. Guizhou People’s Publishing House, Guiyang, China: 58－70.

[9] Jiang Z C, Lian Y Q, Qin X Q. Rocky desertification in Southwest China: Impacts, causes, and restoration[J]. Earth- Science Reviews, 2014, 132: 1－12.

[10] 李安定，盧永飛，韋小麗，等. 花江喀斯特峽谷地區(qū)不同小生境土壤水分的動(dòng)態(tài)研究[J]. 中國(guó)巖溶，2008，(1)： 56－62. Li Anding, Lu Yongfei, Wei Xiaoli, et al. Studies on the regime of soil moisture under different microhabitats in Huajiang karst valley[J]. Carsologica Sinica, 2008, (1): 56－62. (in Chinese with English abstract)

[11] 王世杰，李陽(yáng)兵. 喀斯特石漠化研究存在的問(wèn)題與發(fā)展趨勢(shì)[J]. 地球科學(xué)進(jìn)展，2007，22(6)：573－582. Wang Shijie, Li Yangbing. Problems and development trends about researches on Karst Rocky desertification[J]. Advances In Earth Science, 2007, 22(6): 573－582. (in Chinese with English abstract)

[12] 李高科，潘光堂. 西南玉米區(qū)種質(zhì)利用現(xiàn)狀及研究進(jìn)展[J]. 玉米科學(xué)，2005，(2)：3－7. Li Gaoke, Pan Guangtang. The utilization present situation and study advances of the germplasm in Southwest Maize Zone[J]. Journal of Maize Sciences, 2005, (2): 3－7. (in Chinese with English abstract)

[13] 潘東華，袁藝，賈慧聰，等. 我國(guó)典型區(qū)因旱飲水困難人口快速評(píng)估模型研究[J]. 災(zāi)害學(xué)，2014，29(3)：34－39. Pan Donghua, Yuan Yi, Jia Huicong, et al. Rapid assessment model of population in drinking water access difficulties because of drought in different regions of China[J]. Journal of Catastrophology, 2014, 29(3): 34－39. (in Chinese with English abstract)

[14] 王靜愛(ài)，左偉. 中國(guó)地理圖集[M]. 北京：中國(guó)地圖出版社，2009.

[15] Cabelguenne M, Debaeke P H, Puech J, et al. Real time irrigation management using the EPIC-PHASE model and weather forecasts[J]. Agricultural Water Management, 1997, 32: 227－238.

[16] 賈慧聰，潘東華，王靜愛(ài)，等. 基于EPIC 模型的黃淮海夏播玉米旱災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)[J]. 地理學(xué)報(bào)，2011，66(5)： 643－652. Jia Huicong, Pan Donghua, Wang Jingai, et al. Maize drought disaster risk assessment based on EPIC Model: A case study of maize region in Northern China[J]. Acta Geographica Sinica, 2011, 66(5): 643－652. (in Chinese with English abstract)

[17] 張景蓮. 1982年以來(lái)我國(guó)玉米品種演變規(guī)律及未來(lái)育種對(duì)策研究[D]. 鄭州：河南農(nóng)業(yè)大學(xué)，2007. Zhang Jinglian. Study on Maize (L) Varieties Evolvement Regularity Since 1982 and Future Breeding Strategy in China[D]. Zhengzhou: Henan Agricultural University, 2007. (in Chinese with English abstract)

[18] 王懿波，王振華，王永普，等. 中國(guó)玉米主要種質(zhì)雜交優(yōu)勢(shì)利用模式研究[J]. 中國(guó)農(nóng)業(yè)科學(xué)，1997，30(4)：16－24. Wang Yibo, Wang Zhenhua, Wang Yongpu, et al. Studies on the heterosis utilizing models of main maize germplasms in China[J]. Scientia Agricultura Sinica, 1997, 30 (4): 16－24. (in Chinese with English abstract)

[19] 黎裕，王天宇. 我國(guó)玉米育種種質(zhì)基礎(chǔ)與骨干親本的形成[J]. 玉米科學(xué)，2010，18(5)：1－8. Li Yu, Wang Tianyu. Germplasm base of maize breeding in China and formation of foundation parents[J]. Journal of Maize Sciences, 2010, 18(5): 1－8. (in Chinese with English abstract)

[20] 李克煌. 氣候資源學(xué)[M]. 北京：氣象出版社，1995.

[21] 余福水. EPIC模型應(yīng)用于黃淮海平原冬小麥估產(chǎn)的研究：以欒城為例[D]. 北京：中國(guó)農(nóng)業(yè)科學(xué)院，2007. Yu Fushui. Yield Estimation of Winter Wheat with EPIC Model in Huang-huai-hai Plain- A Case Study in Luancheng, Hebei[D]. Beijing: Chinese Academy of Agricultural Sciences, 2007. (in Chinese with English abstract)

[22] Chung S W, Gassman P W, Huggins D R, et al. EPIC tile flow and nitrate loss predictions for three minnesota cropping systems[J]. Journal of Environmental Quality, 2001, 30 (3): 822－830.

[23] Jonghan Ko, Giovanni Piccinni, Evelyn Steglich. Using EPIC model to manage irrigated cotton and maize[J]. Agricultural Water Management, 2009, 96(9): 1323－1331.

[24] Rong T Z, Li W C, Yang K C, et al. Maize Breeding of Southwest Ecological Regions in China[M]. Beijing: China Agriculture Press, 2003.

[25] Zhou Z F. Application of remote sensing and GIS technology for land desertification in Guizhou Karst region[J]. Bulletin of Soil and Water Conservation, 2001, 21(3): 52－63.

[26] Zhang J H, Yang W Y, Zhao X J. Cause of drought and countermeasures in hilly area of central Sichuan Basin[J]. Tillage and cultivation, 1998, 3: 63－65.

[27] Swan J B, Shaffer M J, Paulson W H, et al. Simulating the effects of soil depth and climatic factors on corn yield[J]. Soil Science Society of America Journal, 1987, 51(4): 1025－1032.

[28] 郭慶法，王慶成，汪黎明. 中國(guó)玉米栽培學(xué)[M]. 上海：上海科學(xué)技術(shù)出版社，2004.

[29] Christensen L A, David E M. Toward a general method of estimating productivity-soil depth response relationships[J]. Journal of Soil and Water Conservation, 1988, 43(2): 199－202.

[30] Pagoulatos A. The probability of precipitation and the crop-yield, soil–depth function[J]. Journal of Soil and Water Conservation, 1989, 44(4): 349－351.

潘東華，賈慧聰，陳 方，賀原惠子. 中國(guó)西南地區(qū)石漠化對(duì)玉米旱災(zāi)風(fēng)險(xiǎn)的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(23)：172－178. doi：10.11975/j.issn.1002-6819.2017.23.022 http://www.tcsae.org

Pan Donghua, Jia Huicong, Chen Fang, He Yuanhuizi. Impacts of rocky desertification on maize drought risk in Southwest China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(23): 172－178. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.23.022 http://www.tcsae.org

Impacts of rocky desertification on maize drought risk in Southwest China

Pan Donghua1, Jia Huicong2※, Chen Fang2, He Yuanhuizi2

(1.100124,; 2.100094,)

Frequent drought stress was one of the major factors limiting the crop growth and distribution in the Karst region of Southwest China. In order to prevent the risk of agricultural drought in Karst region and reveal the impact mechanism of rocky desertification degree on the crop drought risk, based on the disaster system theory and the EPIC (erosion productivity impact calculator) crop model, the risk assessment of hazard-inducing factors and disaster loss of maize drought in different areas of rocky desertification was carried out. Taking 1 km grid as the evaluation unit, 2 scenarios were set up in simulation during the period of 1966-2010. The Scenario S1was completely satisfied with the moisture requirement of maize, the Scenario S2was completely rain fed, and the other parameters were the same. The difference in maize yield between the 2 scenarios was considered to be the drought loss due to water stress. Considering the Karst topography in Southwest China, taking the accumulated value of water stress during the whole growth period as the hazard-inducing factor, the physical vulnerability curve was simulated with the maize yield loss. The results showed that, in 4 risk levels (once in 2, 5, 10 and 20 years), the yield loss rate with the largest distribution area in Southwest China was mainly distributed in the 0.4-0.5 range.With the increase of annual occurrence rate, the proportion of extreme yield loss risk grade (0.6-1) area accounting for the total maize distribution area was gradually increasing, which was 5.02%, 14.39%, 23.37% and 23.37% at the level of once in 2, 5, 10, and 20 years. Eastern Sichuan, central-eastern Hubei,northern Guizhou, central-southern Guangxi and southern Guangdong reached the loss risk grade higher than 0.5, which was mainly decided by the terrain, precipitation differences and vulnerability of hazard-affected body. Generally when simulating maize production in the Northeast and North China by the crop model, the soil thickness was much larger than the root length of maize. In the Karst area, due to the influence of rocky desertification, the thickness of soil layers of the same soil type was significantly different in space, and the thickness of the soil layer in the serious rocky desertification area was often less than the main root length of maize (40 cm). Under the same rainfall conditions, the time to maintain transpiration for the crops from the field water-holding capacity that the soil can maintain in Karst areas was shorter than the Northeast, North China and other places. The results showed that under different levels of disaster risk, the maize yield loss rate due to soil thickness was quite different. When the soil thickness was 40 cm, the corresponding yield loss rates were 5.8%, 6.1%, 7.8% and 8.2% respectively at the level of once in 2, 5, 10 and 20 years.When the soil thickness was 80 cm, the corresponding yield loss rates were 3.8%, 4.5%, 5.5%, and 6.0%, respectively. Therefore, studying the mechanism of maize yield affected by different soil layer thicknesses was the key to prevent maize drought risk in Karst areas. This research can provide important scientific basis and technical support for agricultural drought disaster reduction and food security of maize regions in Southwest China.

drought; remote sensing; disasters; rocky desertification; EPIC crop model; maize drought; Southwest Karst regions

10.11975/j.issn.1002-6819.2017.23.022

X43

B

1002-6819(2017)-23-0172-07

2017-05-23

2017-09-19

國(guó)家自然科學(xué)基金項(xiàng)目“極端氣候事件對(duì)我國(guó)旱災(zāi)適應(yīng)性的影響機(jī)制研究”（41471428）；國(guó)家自然科學(xué)基金項(xiàng)目“我國(guó)華北地區(qū)土壤水效用對(duì)玉米旱災(zāi)風(fēng)險(xiǎn)的影響機(jī)制研究”（41671505）；國(guó)家重點(diǎn)研發(fā)計(jì)劃“中高緯度濕地系統(tǒng)對(duì)氣候變化的響應(yīng)研究”（2016YFA0602302，2016YFB0502502）；中國(guó)氣象局蘭州干旱氣象研究所資助項(xiàng)目“基于信息圖譜的因旱需救助人口動(dòng)態(tài)估算研究”（IAM201609）

潘東華，江蘇丹陽(yáng)人，博士，副研究員，主要研究方向?yàn)楦珊禐?zāi)害評(píng)估與風(fēng)險(xiǎn)防范研究與管理研究。Email：pandonghua@ndrcc.gov.cn

賈慧聰，山東聊城人，博士，副研究員，主要研究方向?yàn)镚IS&RS在自然災(zāi)害風(fēng)險(xiǎn)分析中的應(yīng)用研究。Email：jiahc@radi.ac.cn