基于信息擴散和分形技術的玉米干旱特征分析

陳海濤，段春青，邱 林，陳曉楠，王文川

（1. 華北水利水電大學水利學院，鄭州 450045；2. 北京市郊區(qū)水務事務中心，北京 100195；3. 南水北調中線干線工程建設管理局，北京 100038）

0 引 言

旱災是全球最普遍和最嚴重的自然災害，全球每年因干旱造成經濟損失達80億美元，遠超其他氣象災害[1]。中國是農業(yè)大國，旱災對農業(yè)影響嚴重，據統計常年作物受旱面積達到0.20～0.27億hm2，每年糧食產量損失高達250～300億kg，約占各種自然災害引起的產量損失的60%[2-3]。

多年來，國內外學者對干旱進行了大量研究，也取得了豐富成果，但由于干旱機理復雜、影響因素多，對干旱定義和評估方法尚未形成統一的認識[4-5]，如世界氣象組織定義干旱為“在較大范圍內相對長期平均水平而言降水減少，從而導致自然生態(tài)系統和雨養(yǎng)農業(yè)生產力下降”；中華人民共和國水利行業(yè)標準《旱情等級標準》對干旱定義為“因降水減少或入境水量不足，造成工農業(yè)生產和城鄉(xiāng)居民生活以及生態(tài)環(huán)境正常用水需求得不到滿足的現象”[6-8]。干旱的分類及評價指標也存在多種，一般將干旱分為氣象干旱、水文干旱、農業(yè)干旱、社會經濟干旱以及生態(tài)干旱[9]。

對于農業(yè)干旱，不同的研究角度提出了多種定義，本文采用前期研究成果，定義為“在一定的自然、人為條件下，由于異常的水分虧缺而使農作物受損的現象”[10]。在農業(yè)干旱程度量化評估方面，目前也建立了眾多評估指標，如降水量距平百分率指標[11]、農作物水分指數[12]、帕爾默干旱指數[13]、作物生理指標[3]等。孫榮強根據農田水分平衡原理，動態(tài)計算土壤含水量，預測農業(yè)干旱[14]；王密俠等基于供水平衡分析建立起干旱評估指標[15]；邱林等基于干旱對作物產量造成的損失建立起農業(yè)干旱靜態(tài)和動態(tài)評估模型[16]；陳曉楠等采用兩層土壤計算模型來描述水分的運動，建立了反映產量損失的農業(yè)干旱風險評估模型[17]。此外，還有Z指數[18]、水分盈虧指標[19]、標準化降水指數（standardized precipitation index，SPI）[20]等指標描述農業(yè)旱澇情況，以及采用滑動平均[21]、Logistic函數[22]、多項式回歸[23]等方法模擬農作物趨勢產量。

綜合國內外相關研究，本文認為農業(yè)干旱的研究需深入分析以下方面：

1）干旱是“異常”水分虧缺現象，異常是對于特定區(qū)域長期情況下的較小概率事件，應針對給定研究區(qū)域，基于長期氣象、水文資料，分析與平均情況水分相對短缺的程度；2）農業(yè)干旱研究的最終目的是對作物產量情況進行估計，農業(yè)干旱評估應反映出作物產量影響的信息；3）相同氣象干旱條件下對作物的產量影響不同。在農業(yè)干旱評估中應分別對氣象干旱的規(guī)律和在當前技術水平下干旱對作物的影響進行分析；4）與供水總量相比，更為關鍵的是供水過程與作物需水過程的匹配程度，氣象對作物的影響評估應加以考慮；5）在實施干旱評估過程中，應考慮評價因子獲取的容易性。

為很好地實施農業(yè)干旱量化評估，需借助現代化數據處理技術。隨著混沌和分形理論的發(fā)展，分形分析方法已廣泛應用于眾多領域，大量研究表明，旱澇災害的發(fā)生在不同時間尺度上也具有自相似性[24]。此外，區(qū)域降水、氣溫等影響干旱因子的統計數據，以及作物單產數據等，一般只有幾十年的資料，樣本數量并不豐富，通過借助信息擴散技術，在樣本不完備條件下，可充分利用各樣本點位置信息，光滑樣本數據，能取得很好的挖掘數據規(guī)律效果[25]。

綜上所述，本文選擇西安市為研究區(qū)，在對農業(yè)干旱概念和量化評估指標分析理解基礎上，借助信息擴散和分形分析技術，對西安市重要作物玉米的干旱特征和規(guī)律進行深入研究：根據易獲取的歷年降水、氣溫，以及作物單產等資料，研究西安市干旱發(fā)生時間分形規(guī)律，對干旱發(fā)生時間進行預測，對干旱程度進行預估，并結合玉米多年趨勢產量的計算，量化分析干旱對玉米產量影響，為當地抗旱減災提供科學依據。

1 材料與方法

1.1 研究區(qū)概況

西安市位于關中平原中部，北跨渭河，南依秦嶺，處于東經 107°40′～109°49′，北緯 33°39′～34°44′之間，總面積10 096.81 km2，現轄新城、碑林、蓮湖、雁塔、灞橋、未央、閻良、臨潼、長安、高陵、鄠邑11個區(qū)，藍田、周至2個縣，市區(qū)規(guī)劃面積865 km2，城市建成區(qū)面積565.75 km2，常住人口883萬人。西安市歷史悠久，是文化名城和旅游勝地，是中國重要的工業(yè)基地和科教基地，作為聯系東西部的紐帶，有國家級西安高新技術產業(yè)開發(fā)區(qū)、國家級西安經濟技術開發(fā)區(qū)，是陜西省政治、經濟、文化中心。西安市屬暖溫帶大陸性氣候，四季分明，夏季炎熱、冬季寒冷，降水和氣溫在年際和年內變化都很大。冬小麥和夏玉米是西安市重要的糧食作物，玉米種植面積目前超過15萬hm2，但由于地區(qū)降水不均，變化大，干旱是影響玉米產量的最大災害。

1.2 數據來源

對西安市玉米干旱研究的所需主要數據包括氣象數據和產量數據，其中西安市1951—2010年降水、氣溫數據來源于中國氣象數據網[26]；西安市1949—2015年玉米產量、種植面積、單產等數據來源于西安市統計年鑒和陜西省氣象局。西安市行政區(qū)劃信息見圖1。

圖1 西安市行政區(qū)劃簡圖Fig.1 Sketch of administration division in Xi’an

1.3 干旱程度評估指標

1.3.1 氣象干旱指標

氣溫和降水是氣候的主要因素，也是旱澇的直接表征量[27]，在 SPI基礎上增加考慮氣溫的降水溫度均一化指標[28]能很好地指示旱澇災害，且數據容易獲取。本文選擇降水、氣溫作為致災因子，在參考降水溫度均一化指標基礎上，考慮降水、氣溫的過程對作物需水過程匹配程度來定義氣象干旱的程度，將作物生育期各生育階段的水分敏感系數歸一化后作為權重，修正干旱的程度，具體按下式計算：

式中I為某年該作物的氣象干旱程度，當數值大于0認為干旱；m為該作物生育階段數；T為某年該作物第i個生育階段氣溫，℃；T’為該作物第i個生育階段多年平均氣溫，℃；R為某年該作物第 i個生育階段降水，mm；R′為該作物第i個生育階段多年平均降水，mm；σT為該作物第i個生育階段多年氣溫標準差；σR為該作物第i個生育階段多年降水標準差；wi為作物第i個生育階段權重，由下式計算：

式中λi為該作物第i個生育階段作物敏感系數。

上述公式中，作物生育期內各生育階段劃分可參考作物學、節(jié)水灌溉相關理論和標準，并結合研究區(qū)實際情況確定，如可參考全國《灌溉試驗規(guī)范》（SL13-2015）中標準劃分作物生育階段；對于各生育階段的作物敏感系數可參考目前國內大量的相關試驗成果確定[29]；本文建立的氣象干旱程度指標是在降水溫度均一化指標基礎上，根據對作物生長影響加權修正得到，仍可參考該指數的干旱劃分方法，將氣象干旱程度I分級[30]：

0＜I≤2為輕旱，2＜I≤3為中旱，I＞3為中旱。

本文對氣象干旱程度的描述首先基于氣溫、降水的差值比較，用溫度高低反映地面蒸發(fā)的多少，結合降水指標反映地面水分的收支，綜合反映對作物的干旱影響；其次，氣象因子與多年平均情況相比較，體現出干旱指標是描述“異?！比彼奶匦?；最后，根據作物對水分的敏感程度，對各階段干旱程度進行加權平均，反映缺水過程對作物生長的影響。

1.3.2 作物干旱指標

作物作為承災體，其產量損失是干旱影響的最終體現，作物干旱程度應反映出干旱對作物產量影響。農業(yè)產量豐歉受到作物品種、農業(yè)生產水平、供水工程條件等多種因素影響，一般根據作物歷年單產數據，采用統計方法，如滑動平均法，計算作物趨勢產量，將趨勢產量和實際產量的差值作為減產量。由于在平滑移動過程，滑動步長一般較短，本文采用信息擴散推理實現小數據量樣本回歸[25]。

1）信息擴散推理

信息擴散推理是利用樣本擬合自變量和因變量之間的模糊關系。設l組樣本{(x1,y1),(x2,y2),…,(xl,yl)}，根據樣本的取值范圍，分別確定自變量 x，因變量 y離散論域U={u1,u2…,us}，V={v1,v2,…,vr}，利用下式將樣本(xi,yi)模糊化：

式中h為信息擴散系數，可根據樣本數量l，輸入、輸出樣本的最大、最小值確定，由下式計算：

式中a、b分別為樣本中數據的最小、最大值。

模糊關系由下式計算：

利用模糊關系對于給定的自變量值 x0，推求相應的因變量y0估計值，先利用信息擴散技術轉化為模糊集：

式中d為給定的區(qū)間長度，可取|u1-u2|。

由下式進行模糊推理：

設v′滿足下式：

則明確化后的估計值為 v′，對應的權重為 wi。對所有的樣本點按上述方法計算，并加權平均得出 y0最終估計值：

2）作物干旱程度

根據歷年作物單產數據，利用信息擴散近似推理，對給定計算階段的產量和時間序列進行非線性擬合，逐年向后滑動計算，并將各時間點對應的回歸數值進行平均，得出各年的趨勢產量。

設第i階段信息擴散回歸函數為yi(t)，i=1,2,…,n-k+1。n為樣本序列個數，k為滑動步長（計算階段所含時間點數量），t為時間序號。

當 i=1 時，t=1,2,3,…,k；

當i=2時，t=2,3,4,…,k+1；

當i=n-k+1時，t=n-k+1,n-k+2,n-k+3,…,n。

對于第t個時間點，共有q個回歸值，q與n，k有關：

當 k≤n/2 時，q=1,2,3,…,k,k,…,3,2,1；

當 k>n/2，q=1,2,3,…,n-k+1,n-k+1,…,3,2,1。

式中yt為第t年趨勢產量，kg/hm2。

作物減產率作為作物干旱程度，由下式計算：

式中Dt為第t年作物干旱程度，當數值大于0認為旱；y′t為第 t年實際產量，kg/hm2。

1.4 氣象干旱預測

1.4.1 氣象干旱發(fā)生預測

研究表明氣象干旱發(fā)生時間在時間軸的分布上具有自相似性，類似于分形幾何中的康托爾幾何。分形中重標極差方法，即R/S分析法，最早由英國水文專家Hurst在研究尼羅河多年水文資料時提出，后經不斷完善，把它發(fā)展成研究時間序列的分形理論[31]。本文利用此方法預測氣象干旱發(fā)生時間。

針對某作物，計算歷年氣象干旱程度，將可以獲得數據最早年份（本文為1951年）對應于序號1，依次順序編號。把計算得出的氣象干旱程度大于 0的年份挑選出，將其對應的序號組成序列{p1,p2,…,pnum}，則：

式中 α為待定參數，根據實際數據利用最小二乘法擬合得出；H為另一個待定參數，根據實際數據利用最小二乘法擬合得出，稱為Hurst指數；R(i)為極差；S(i)為標準差；稱R(i)/ S(i)為重標極差。

產后出血是孕婦分娩過程中較為嚴重的并發(fā)癥以及產婦死亡的常見原因之一,其主要影響因素為產科因素,例如產程延長、體力消耗過多以及妊娠合并癥等,自身原因,例如產婦精神過度緊張、恐懼等以及子宮元素[3]。

利用最小二乘法計算H、α，利用已知序列，由下列各式預測氣象干旱下次發(fā)生的時間：

令R(num+1)/S(num+1)=[α(num+1)]H=K，則得出

1.4.2 氣象干旱程度估計

1）干旱趨勢分析

根據歷年氣象干旱程度的樣本序列，利用信息擴散推理方法，建立氣象干旱和時間序列的回歸關系，平滑氣象干旱數據。

設處理后的氣象干旱序列為{I1,I2,…,Inum}，利用平均重標極差方法計算Hurst指數。以長度L把序列劃分成相鄰的子區(qū)間，每個區(qū)間包含L個數據，取L=2,…,n′。n′為num/2后取整數部分。對每L個取值，計算每個區(qū)間重標極差后，求得平均值。根據平均重標極差序列，利用最小二乘法求得Hurst指數H。

當H=0.5，干旱時間序列為標準布朗運動，數據隨機游走；0.5

2）干旱程度預測

基于信息擴散技術對原始氣象干旱樣本進行非線性回歸，得出趨勢曲線。利用趨勢曲線峰、谷的變化規(guī)律和趨勢估計未來干旱程度變化的趨勢。

1.5 作物干旱預估

作物實際產量受多種因素影響，當生產水平提高，或灌溉水增加等都會提高地方的干旱能力，發(fā)生相似程度的氣象干旱時，對作物產量影響可能不相同。另一方面，即使發(fā)生減產也未必是氣象干旱引起，可能是耕作、灌溉不到位，甚至發(fā)生澇災等導致。而對于農業(yè)生產技術、地方灌溉工程建設等社會發(fā)展因素也難以根據歷史氣象、產量數據預測。一般歷年氣象干旱程度和作物干旱程度和發(fā)生時間不會完全一致，干旱減產分析十分復雜，準確預測干旱引起減產難度大，目前尚未有很好的方法。因此，本文探討基于當前技術水平，通過對比分析氣象干旱、作物干旱序列圖形規(guī)律，研究未來發(fā)生氣象干旱時，對作物產量的大致影響。

第一步：根據上述氣象干旱的計算分析，計算歷年氣象干旱序列，并預測未來發(fā)生氣象干旱的時間和程度；

第二步：利用上述作物干旱分析方法，計算作物的趨勢產量，和歷年作物干旱程度序列；

第三步：將上述數據經信息擴散技術處理后，繪制氣象干旱序列圖，以及繪制氣象干旱發(fā)生年份附近的作物干旱程度序列圖（發(fā)生氣象干旱年份未必恰好發(fā)生作物減產），對比兩圖，分析發(fā)生時間和程度的規(guī)律。

第四步：根據預測的氣象干旱程度，以及分析得出在當前技術水平、抗旱能力下，與作物干旱程度的關系，預估作物干旱程度，再根據當前的趨勢產量，估算干旱對作物產量可能造成的影響。

2 結果與分析

2.1 西安市歷年玉米干旱程度

將玉米生育期劃分為“播種-苗期”、“拔節(jié)-抽穗”、“抽穗-乳熟”、“乳熟-收獲”4個生育階段，對應的作物敏感系數分別取0.34，0.4，0.72，0.5。根據西安市1951—2010年降水、氣溫資料，以及玉米生育階段的時間和作物敏感系數等參數，利用公式（1）計算針對玉米的歷年氣溫降水均一化指標值，選取出指標值大于0的年份的數據，作為玉米氣象干旱序列，如表1所示。

表1 西安市玉米氣象干旱序列Table 1 Data of meteorological drought for corn in Xi’an

圖2 西安市玉米產量趨勢Fig.2 Production currency of corn in Xi’an city

根據西安市1949—2015年玉米單產數據，利用信息擴散滑動平均方法計算歷年玉米的趨勢產量。根據數據范圍，并經多次試算，本文取滑動步長為5 a，每次利用信息擴散方法擬合時，自變量和因變量的離散論域均取20等份。將歷年玉米單產數據處理后，得出的歷年趨勢產量序列比原序列平滑很多。如圖1所示。

趨勢產量反映出某階段的平均產量情況，代表在當時技術水平、環(huán)境條件下，氣候正常時的產量。從圖 1中可以看出，趨勢產量整體為明顯上升趨勢，由1949年的1 364 kg/hm2波動上升至2015年5 398 kg/hm2，但越向后期增長趨勢越緩慢，尤其當前基本處于平緩狀態(tài)。

根據歷年玉米實際單產和計算的趨勢產量，計算歷年玉米的減產率，把計算值大于 0的年份的數據挑選出作為作物干旱序列，結果見表2。

表2 西安市玉米作物干旱序列Table 2 Data of crop drought for corn in Xi’an

從上述表1、表2數據可以得出，同時發(fā)生氣象干旱和作物干旱的年份共計17a，占氣象干旱序列樣本數量的56.7%。發(fā)生氣象干旱的年份未必發(fā)生產量損失。為了研究發(fā)生氣象干旱時，作物干旱的情況，以氣象干旱程度為橫坐標，作物干旱程度為縱坐標，繪制出關系圖，兩者之間沒有明顯的相關關系，R2僅0.0166。但對于發(fā)生氣象干旱的年份其鄰近年份均有減產現象。如圖3所示。

圖3 西安市氣象干旱程度與作物干旱程度相關圖Fig.3 Figure of correlation between meteorological drought and crop drought in Xi’an

2.2 西安市玉米氣象干旱預測

1）玉米氣象干旱發(fā)生時間預測

根據表1中的60組樣本，發(fā)生氣象干旱年份有30組，平均2a發(fā)生一次。根據2001—2010年數據，發(fā)生頻次為80%，約1.25a發(fā)生1次。采用重標極差方法分析玉米氣象干旱發(fā)生的分形特征：將1951年作為第1年，得出發(fā)生氣象干旱年份的序號數列：（1，5，9，11，13，16，17，18，19，21，22，23，24，25，27，28，29，35，36，44，45，47，51，52，54，55，56，58，59，60）。當利用全部30組數據計算時，計算出Hurst指數為0.187 6，雙對數坐標下的圖形整體線性不明顯，R2僅0.770 7，圖4中明顯看出數據趨勢分成上升、下降兩段。

圖4 30組樣本數據重標極差回歸圖Fig.4 Figure of R/S regression by 30 samples

根據序列計算待定參數Hurst指數，經試算發(fā)現計算效果與樣本數量有關，并非樣本數量越大越優(yōu)。本文經過大量試算發(fā)現當計算樣本約14時，能取得較好的計算效果，計算出Hurst指數為0.247 3，雙對數坐標下的圖形整體線性明顯，線性回歸方程為y=0.247 3x+0.597 1，R2為0.956 8。此外，可同時計算得出α為11.063 3，利用式（18）～（20）預測下次發(fā)生氣象干旱的年份序號，計算結果為27.18，即推測第27年（1977年）發(fā)生干旱。經檢驗，氣象干旱年份的序號數列第15項值為27。

再以第16至29組氣象干旱發(fā)生年份的序號數列進行計算，利用最小二乘法計算得出Hurst指數為0.2048，α為17.416 6，R2為0.904 6，利用式（18）～（20）預測下次發(fā)生氣象干旱的年份序號，計算結果為60.81，即推測第60年或61年（2010或2011年）發(fā)生干旱。經檢驗，氣象干旱年份的序號數列第30項的值為60。綜上，可以看出西安市玉米的氣象干旱發(fā)生時間具有分形的特征。

2）玉米氣象干旱程度估計

根據表 1中玉米氣象干旱程度數據，利用信息擴散技術將前25組數據平滑處理，后5組數據用于驗證。結果如表3所示。

基于 25組經過信息擴散技術處理后的數據進行分析，發(fā)現處理后數據序列更加平滑，趨勢和規(guī)律更明顯，能很好反映氣象干旱程度趨勢的變化規(guī)律，如圖5所示。

由圖5可以看出，信息擴散處理后的數據趨勢明顯，玉米氣象干旱程度的趨勢變化呈現峰、谷交替，變化非常平緩，相應的線性方程y=0.012 5x+0.722 9。當前的趨勢為由峰向谷正逐步遞減。利用上一個波峰變化至波谷的數據（第11組至15組數據）均值0.494 8和線性增長趨勢估計未來第30個干旱年的氣象干旱程度：根據線性趨勢方程易得出第30組干旱程度與第13組（11組至15組的中間點）干旱程度的比值為 1.24，預測第 30個干旱年氣象干旱趨勢程度為0.4948× 1 .24 = 0 .6136，而第26至30組的5 a平均氣象干旱程度為0.620 3，預測效果較好。

表3 信息擴散后玉米氣象干旱序列Table 3 Meteorological drought for corn by information diffusion

圖5 信息擴散氣象干旱程度序列Fig.5 Data of drought extent by information diffusion

計算氣象干旱程度的平均重標極差，并推求序列的Hurst指數。分別基于前 25組原氣象干旱程度數據和經過信息擴散處理后的序列進行計算，結果分別為0.700 7，0.930 7，均大于0.5，表明序列有很強的持續(xù)性，維持當前趨勢，而經過信息處理后Hurst指數非常接近1，趨勢更顯著，干旱程度整體呈緩慢增長趨勢。根據信息擴散處理后的25組干旱數據的線性增長趨勢方程，估計第40個干旱年（按1.25 a發(fā)生1次干旱，大約2023年），玉米氣象干旱程度趨勢在1.2左右。

2.3 西安市玉米干旱產量預測

根據前述計算的西安市氣象干旱序列和作物干旱序列，對比分析兩者規(guī)律。由于作物干旱基于趨勢產量定義，發(fā)生氣象干旱的年份未必發(fā)生作物干旱，因此，以前25組氣象干旱數據為基礎，選擇其相同或鄰近年份的作物干旱程度序列進行計算，并利用信息擴散技術平滑樣本序列，得出對應于各氣象干旱年份的玉米作物干旱序列，如表4所示。

由于玉米作物干旱程度與氣象干旱程度整體數值相差較大數量級，為了便于比較，將玉米作物干旱數據均放大10倍，繪制兩序列的對比圖。

表4 信息擴散后玉米作物干旱序列Table 4 Crop drought for corn by information diffusion

圖6 西安市氣象干旱與作物干旱對比Fig.6 Comparison between meteorological drought and crop drought in Xi’an

相應的作物干旱程度和氣象干旱程度線性方程分別為y=-0.025 2x+1.145 3，y=0.012 5x+0.722 9。從圖6可以明顯看出以下規(guī)律：一是西安市歷年玉米氣象干旱程度呈現很緩慢遞增趨勢，而玉米作物干旱程度呈緩慢下降趨勢，這說明該區(qū)域農業(yè)生產水平、抗旱能力逐步提升；二是2個趨勢序列都呈現在維持整體趨勢的同時，波峰、波谷交替變化，兩序列變化時間規(guī)律基本吻合，反映氣象干旱對作物減產的影響。

利用圖6中兩序列的線性趨勢方程計算出第30組數據，得出此時氣象干旱程度與作物干旱趨勢程度（擴大10倍后）的比值為2.820 2，根據前述第30個干旱年預測干旱程度 0.6136，計算預估屆時作物干旱程度，即減產率為0.6136 ÷ 2 .820 2÷ 1 0 = 0 .0218。而根據表2中相應年份（2006、2007、2008、2011年）實際作物干旱程度數據，計算平均值為0.020 9，預測效果較好。

同理，利用兩線性趨勢方程計算第40組數據，得出此時氣象干旱程度與作物干旱程度（擴大10倍后）的比值為8.9068，根據前述預測未來第40個干旱年（大約2023年）氣象干旱程度為1.2，預測相應作物干旱程度，即減產率為1.2 ÷ 8 .9068÷ 1 0 = 0 .0135。將2011—2015年趨勢產量平均值5 468 kg/hm2作為當前技術水平和抗旱能力下的標準值，則得出相應的減產量約74 kg/hm2，預估玉米單產約5 394 kg/hm2。

3 結 論

根據西安市 1951—2010年的氣象資料，以及 1949—2015年玉米單產數據，基于信息擴散和分形技術系統分析了西安市玉米干旱特征，得出主要結論如下：

1）西安市玉米氣象干旱發(fā)生時間具有分形的特征，且氣象干旱程度呈緩慢上漲趨勢，Hurst指數達到0.930 7，表明正向持續(xù)性很強，未來有干旱程度加劇的趨勢。

2）西安市玉米趨勢產量整體遞增。1949年趨勢產量1 364 kg/hm2波動上升至2015年5 398 kg/hm2，上升的趨勢逐漸平緩，目前基本處于平穩(wěn)狀態(tài)。

3）預測西安市 2023年左右，發(fā)生玉米氣象干旱程度為1.2。根據當前的技術水平和抗旱能力，估算玉米作物減產率約1.35%，估算單產約5 394 kg/hm2。

[1] 秦大河，丁一匯，王紹武，等. 中國西部生態(tài)環(huán)境變化與對策建議[J]. 地球科學進展，2002，17(3)：317－319.Qin Dahe, Ding Yihui, Wang Shaowu, et al. Ecological and environment change in west China and its response strategy[J]. Advance in Earth Sciences, 2002, 17(3): 317-319.(in Chinese with English abstract)

[2] 袁文平，周廣勝. 干旱指標的理論分析與研究展望[J]. 地球科學進展，2004，19(6)：982－991.Yuan Wenping, Zhou Guangsheng. Theoretical study and research prospect on drought indices[J]. Advances in Earth Science, 2004, 19(6): 982－991. (in Chinese with English abstract)

[3] 王勁松，郭江勇，周躍武，等. 干旱指標研究的進展與展望[J]. 干旱區(qū)地理，2007，30(1)：60－65.Wang Jinsong, Guo Jiangyong, Zhou Yuewu, et al. Progress and prospect on drought indices research[J]. Arid Land Geography, 2007, 30(1): 60－65.(in Chinese with English abstract)

[4] 姚玉璧，張存杰，鄭振鏞，等. 氣象、農業(yè)干旱指標綜述[J]. 干旱地區(qū)農業(yè)研究，2007，25(1)：185－189.Yao Yubi, Zhang Cunjie, Zhen Zhenyong, et al. Overview of meteorological and agricultural drought indices[J].Agricultural research in the arid areas, 2007, 25(1): 185－189.(in Chinese with English abstract)

[5] 李茂松，李森，李育慧. 中國近50年旱災災情分析[J]. 中國農業(yè)氣象，2003，24(1)：8－11.Li Maosong, Li Sen, Li Yuhui. Studies on drought in the past 50 years in China[J]. Agricultural Meteorology, 2003, 24(1):8－11. (in Chinese with English abstract)

[6] 劉曉英，郝衛(wèi)平，張健. 農田尺度下干旱指標及應用[J]. 中國農業(yè)氣象，2005，26(2)：99－105.Liu Xiaoying, Hao Weiping, Zhang Jian. Drought indicators and their applications in field scale[J]. Agricultural Meteorology, 2005, 26(2): 99－105. (in Chinese with English abstract)

[7] 李柏貞，周廣勝. 干旱指標研究進展[J]. 生態(tài)學報，2014，34(5)：1043－1052.Li Baizhen, Zhou Guangsheng. Advance in the study on drought index[J]. Acta Ecological Sinica, 2014, 34(1): 1043－1052. (in Chinese with English abstract)

[8] 何斌，王全九，吳迪，等. 基于主成分分析和層次分析法相結合的陜西省農業(yè)干旱風險評估[J]. 干旱地區(qū)農業(yè)研究，2017，35(1)：219－227.He Bin, Wang Qiujiu, Wu Di, et al. Agricultural drought risk assessment in Shaanxi province using principal component analysis and AHP[J]. Agricultural Research in the Arid Areas,2017，35(1)：219－227. (in Chinese with English abstract)

[9] 張強，潘學標，王得軍，等. 干旱[M]. 北京：氣象出版社，2009：6－7.

[10] 陳曉楠. 農業(yè)干旱災害風險管理理論與技術[D]. 西安：西安理工大學，2008.Chen xiaonan. Theory and Technology of Risk Management for Agricultural Drought Disaster[D]. Xi’an: Xi’an University of Technology, 2008. (in Chinese with English abstract)

[11] 鞠笑生，楊賢為，陳麗娟，等. 我國單站旱澇指標確定和區(qū)域旱澇級別劃分研究[J]. 應用氣象學報，1997， 8(1)：26－33.Ju Xiasheng, Yang Xianwei, Chen Lijuan, et al. Research on determination of station indices and division of regional flood/drought grades in China[J]. Journal of Applied Meteorology, 1997, 8(1): 26－33. (in Chinese with English abstract)

[12] Moran M S, Clarke T R, Inoue Y, et al. Estimating crop water deficit using the relation between surface-air temperatature and spectral vegetation index[J]. Remote Sensing of Environment, 1994, 49: 246－263.

[13] 周玉良，劉立，周平，等. 基于帕爾默旱度模式的干旱識別及其特征值頻率分析[J]. 農業(yè)工程學報，2014，30(23)：174－184.Zhou Yuliang, Liu Li, Zhou Ping, et al. Identification of drought and frequency analysis of drought characteristics based on palmer drought severity index model[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(23): 174－184. (in Chinese with English abstract)

[14] 孫榮強. 旱情評定與災情指標之探討[J]. 自然災害學報，1994，3(3)：49－55.Sun Rongqiang. Drought evaluation and disaster index[J].Journal of Natural Disasters, 1994, 3(3): 49－55. (in Chinese with English abstract)

[15] 王密俠，馬成軍，蔡煥杰. 農業(yè)干旱指標研究與進展[J]. 干旱地區(qū)農業(yè)研究，1998，16(3)：119－124.Wang Mixia, Ma Chengjun, Cai Huanjie. Research progress in agricultural drought index[J]. Agricultural Research in Arid Area，1998，16(3)：119－124. (in Chinese with English abstract)

[16] 邱林，陳曉楠，段春青，等. 農業(yè)干旱程度評估指標的量化分析[J]. 灌溉排水學報，2004，23(3)：34－37.Qiu Lin, Chen Xiaonan, Duan Chunqing, et al. Qualitative analysis of drought extent for agricultural[J]. Journal of Irrigation and Drainage, 2004, 23(3): 34－37. (in Chinese with English abstract)

[17] 陳曉楠，段春青，劉昌明，等. 基于兩層土壤計算模式的農業(yè)干旱風險評估模型[J]. 農業(yè)工程學報，2009，25(9)：51－55.Chen Xiaonan, Duan Chunqing, Liu Changming, et al. Model of risk assessment for agricultural drought based on two-layer soil computing model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2009, 25(9): 51－55. (in Chinese with English abstract)

[18] Wu H, Hayes M J, Weiss A, et al. An evaluation of the standardize precipitation index, the China-Z index and the statistical Z-Score[J]. International Journal of Climatology,2001, 21(6): 745－758.

[19] 高曉容，王春乙，張繼權，等. 近50年東北玉米生育階段需水量及旱澇時空變化[J]. 農業(yè)工程學報，2012，28(12)：101－109.Gao Xiaorong, Wang Chunyi, Zhang Jiquan, et al. Crop water requirement and temporal-spatial variation of drought and flood disaster during growth stages for maize in Northeast during past 50 years[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(12): 101－109. (in Chinese with English abstract)

[20] Vicenteserrano S M, Begueria S, Lopezmoreno J I. A multiscalar drought index sensitive to global warming: The standardized precipitation evapotranspiration index[J].Journal of Climate, 2010, 23(7): 1696－1718.

[21] 史印山，王玉珍，池俊成，等. 河北平原氣候變化對冬小麥產量的影響[J]. 中國生態(tài)農業(yè)學報，2008，16(6)：1444－1447.Shi Yinshang, Wang Yuzhen, Chi Juncheng, et al. Impact of climate change on winter wheat production in the Hebei Plain[J]. Chinese Journal of Eco-Agriculture, 2008, 16(6):1444－1447. (in Chinese with English abstract)

[22] 郝立生，吳雁，王榮英. 海河低平原春季氣候變化對冬小麥產量的影響[J]. 氣象與減災研究，2007，30(4)：20－24.Hao Lisheng, Wu Yan, Wang Rongying. Impact of spring climate change on wheat yield in Lower Haihe Plain[J].Meteorology and Disaster Reduction Research, 2007, 30(4):20－24. (in Chinese with English abstract)

[23] 譚方穎，王建林，鄭昌玲，等. 華北冬小麥干旱產量損失評估方法[J]. 中國農業(yè)氣象，2013，34(6)：696－702.Tan Fangying, Wang Jianlin, Zheng Changlin, et al.Evaluation method for winter wheat yield loss of drought disaster in North China[J]. Chinese Journal of Agrometeorology 2013, 34(6): 696－702. (in Chinese with English abstract)

[24] 丁賢法，李巧媛，胡國賢. 云南省近500年旱澇災害時間序列的分形研究[J]. 災害學，2010，25(2)：76－80.Ding Xianfa, Li Qiaoyuan, Hu Guoxian. Fractal study on time series of drought and flood disasters of the recent 500 years in Yunnan province[J]. Journal of Catastrophology,2010, 25(2): 76－80. (in Chinese with English abstract)

[25] 黃崇福. 自然災害風險分析[M]. 北京：北京師范大學出版社，2001：66－67.

[26] 中國氣象數據網[EB/OL]. http://data.cma.gov.cn,2017,5,25.

[27] 趙興凱，李增堯，朱清科. 基于SPI和SPEI陜北黃土區(qū)土壤水分對氣候特征的響應[J]. 農業(yè)機械學報，2016，47(8)：155－163.Zhao Xingkai, Li Zengyao, Zhu Qingke. Response of soil moisture on climate characteristics based on SPI and SPEI in loess region of northern Shaanxi[J]. Transactions of the Chinese Society of Agricultural Machinery, 2016, 47(8): 155－163. (in Chinese with English abstract)

[28] Du J, Fang J, Xu W, et al. Analysis of dry/wet conditions using the standardize precipitation index and its potential usefulness for drought/flood monitoring in Hunan Province,China[J]. Stoch Environ Res Risk Assess, 2013, 27(2): 377－387.

[29] 李遠華. 節(jié)水灌溉理論與技術[M]. 武漢：武漢水利電力大學出版社，1998：87－88.

[30] Koleva E, Alexandrov V. Drought in the Bulgarian low regions during the 20thcentury[J]. Theoretical Applied Climatology, 2008, 92(1): 113－120.

[31] 付強. 數據處理方法及其農業(yè)應用[M]. 北京：科學出版社，2006：418－427.