農(nóng)作物自然災(zāi)害暴露研究進展

王 然，江 耀，張安宇，高 原，王靜愛,3

(1.北京師范大學(xué) 地理科學(xué)學(xué)部，北京 100875;2.北京師范大學(xué) 地理學(xué)院區(qū)域地理實驗室，北京 100875；3.北京師范大學(xué) 環(huán)境演變與自然災(zāi)害教育部重點實驗室，北京 100875)

IPCC第五次報告中指出，在過去三十年里，每十年的地表溫度比人類有記錄以來的任何十年都高[1]。氣候變化將導(dǎo)致降水格局重新分配，極端氣候事件頻發(fā)，所造成的影響在農(nóng)業(yè)系統(tǒng)尤為突出[2-3]。據(jù)FAO統(tǒng)計，過去十年來全球因干旱、洪災(zāi)、風(fēng)暴等極端事件造成的農(nóng)業(yè)損失已占據(jù)全部損失的25%[4]，未來農(nóng)業(yè)生產(chǎn)與糧食安全將面臨嚴(yán)峻挑戰(zhàn)。

隨著災(zāi)害風(fēng)險理論研究的逐步完善，暴露在風(fēng)險評價中的重要地位得以凸顯。SREX報告指出，極端氣候影響嚴(yán)重性主要取決于承災(zāi)體的暴露和脆弱程度[5]，暴露的準(zhǔn)確評估對災(zāi)害風(fēng)險管理有著重要作用[6]，是區(qū)域防災(zāi)減災(zāi)工作的基礎(chǔ)[7]。而在現(xiàn)實情況中，自然災(zāi)害所帶來的影響時常呈現(xiàn)出“大災(zāi)小害”與“小災(zāi)大害”的局面，即嚴(yán)重災(zāi)害事件只帶來很小損失，而看似強度不大的災(zāi)害卻造成重大災(zāi)情，如2001年昆侖山口西8.1級地震，由于區(qū)域內(nèi)人煙稀少、人口暴露少，并未發(fā)生人員傷亡；如果強度小的地震發(fā)生在人口密集區(qū)，則后果不堪設(shè)想，如1999年7月22日孟加拉南部發(fā)生4.2級地震，傷亡206人[8]。由此可見，災(zāi)害影響區(qū)域內(nèi)人口、農(nóng)業(yè)系統(tǒng)、基礎(chǔ)設(shè)施與財產(chǎn)等暴露數(shù)量的多少，直接決定實際災(zāi)情的放大與縮小效應(yīng)，乃至風(fēng)險評估結(jié)果。

面對嚴(yán)峻的農(nóng)業(yè)災(zāi)害形勢，農(nóng)作物自然災(zāi)害暴露研究將是評估未來全球糧食損失風(fēng)險的前提與基礎(chǔ)，暴露的理解認(rèn)知、表達與計算是其中亟待歸納與探究的問題。本文將基于災(zāi)害系統(tǒng)理論，從認(rèn)知層面梳理農(nóng)作物暴露的內(nèi)涵，從表達層面總結(jié)現(xiàn)有刻畫暴露的指標(biāo)體系，并從應(yīng)用與方法層面，歸納綜述各類農(nóng)作物暴露指標(biāo)的計算方式與模型，以期為農(nóng)作物自然災(zāi)害暴露的準(zhǔn)確刻畫以及風(fēng)險定量評估提供科學(xué)參考。

1 農(nóng)作物暴露內(nèi)涵與組成

1.1 暴露定義

“暴露”一詞常常被用于各類科學(xué)領(lǐng)域。其中在醫(yī)學(xué)領(lǐng)域運用較多，其含義是指人體處于某種特殊狀態(tài)與環(huán)境(如病毒、細菌環(huán)境或遭受某種疾病等)[9]。在環(huán)境科學(xué)與化學(xué)領(lǐng)域內(nèi)，學(xué)者將暴露定義為個人與某種物理或化學(xué)物質(zhì)的接觸[10]，而且指出暴露具有時間性，將其分為急性暴露與慢性暴露[11]。而經(jīng)濟學(xué)家眼中的暴露是討論經(jīng)濟活動風(fēng)險與經(jīng)濟效益方面的影響關(guān)系[12]。各學(xué)科中暴露的理解雖然有所差異，但是從本質(zhì)上來說均是在討論事物A與事物B或環(huán)境C的接觸關(guān)系，即某種研究對象處于某類環(huán)境或事物的影響范圍(或者受某類環(huán)境或事物影響下的某種研究對象)，而該研究對象的定量表達就是暴露量。

在災(zāi)害學(xué)領(lǐng)域中，學(xué)者們嘗試參考上述概念思想定義災(zāi)害暴露與暴露量。目前研究中其內(nèi)涵主要從兩個層面來界定：一是空間維層面。UNDP首先將暴露定義為處于致災(zāi)因子影響下的一系列人或物，將其視作脆弱性指標(biāo)之一，同時指出其與風(fēng)險之間的相互關(guān)系，即沒有暴露就沒有風(fēng)險[13]，而后其他相關(guān)組織與研究機構(gòu)也對其定義進行了不斷修改并逐步明確內(nèi)涵[14-17](圖1)。雖然不同研究機構(gòu)與學(xué)者對暴露的理解并不統(tǒng)一，但其內(nèi)涵均可歸納為致災(zāi)因子影響下的承災(zāi)體范圍，即兩者空間范圍內(nèi)的遭遇。暴露量則是致災(zāi)因子影響范圍內(nèi)承災(zāi)體的總量，其中包括人類及與其生產(chǎn)生活密切相關(guān)的基礎(chǔ)設(shè)施總量，財產(chǎn)價值(房屋、農(nóng)田、室內(nèi)財產(chǎn))和人口數(shù)量等[18-19]。

二是時間維層面。一些學(xué)者嘗試以人口與城市等社會因素的變化為基礎(chǔ)來刻畫暴露類型與其空間分布變化[20]。而就暴露本身而言，現(xiàn)有研究中少有時間維概念的界定，可嘗試借鑒化學(xué)領(lǐng)域的暴露定義思維，從災(zāi)害作用時間層面去理解暴露，采用短時性與持續(xù)性的災(zāi)害影響兩個角度去深層次挖掘并完善暴露內(nèi)涵。

1.2 農(nóng)作物暴露定義與指標(biāo)

農(nóng)作物暴露作為災(zāi)害暴露的一類，其空間維概念繼承了上述暴露的基本內(nèi)涵，但由于農(nóng)作物生長過程受到水熱等氣象要素的制約，面向農(nóng)作物暴露的致災(zāi)因子具有特定性，一般主要包括干旱、暴雨洪澇、高溫與低溫等持續(xù)性災(zāi)害。

農(nóng)作物暴露指標(biāo)的設(shè)定主要有兩種思路，一是基于致災(zāi)因子屬性，將致災(zāi)因子發(fā)生影響范圍視作暴露，采用農(nóng)作物種植區(qū)域內(nèi)致災(zāi)因子強度、持續(xù)時間、變化程度與頻率等物理量[21-23]，直接使用或構(gòu)建形成暴露指標(biāo)[24]。二是基于承災(zāi)體屬性，將農(nóng)作物承災(zāi)體空間分布范圍視作暴露，其中可細分為作物種植范圍(面積)，作物產(chǎn)量與作物經(jīng)濟價值[25]。

農(nóng)作物暴露時間維概念的界定需要綜合考慮致災(zāi)因子與農(nóng)作物本身的特殊性。其一，農(nóng)作物所面臨的自然災(zāi)害一般具有持續(xù)性作用的特點[26]，如旱災(zāi)與熱害等隨著影響時間增加會出現(xiàn)致災(zāi)強度的累積增強效應(yīng)。其二，農(nóng)作物本身生育期跨度較長，各生長階段所需的溫度與水分等條件存在差異，導(dǎo)致其不同階段面向各類災(zāi)害的敏感性不盡相同[27-28]。因此，農(nóng)作物時間維的暴露內(nèi)涵可以看做是致災(zāi)因子持續(xù)時間與農(nóng)作物生育期內(nèi)(面向該致災(zāi)因子)特殊敏感期的綜合作用結(jié)果，即兩者時間范圍內(nèi)的遭遇。

綜上所述，農(nóng)作物暴露內(nèi)涵需要將原有二維理論提升為三維表達，可將其定義為致災(zāi)因子與承災(zāi)體在空間與時間維度上的綜合作用(圖2)，即時空范圍內(nèi)的遭遇?？臻g維度為在自然致災(zāi)因子影響區(qū)域內(nèi)的農(nóng)作物種植范圍(面積)、產(chǎn)量與經(jīng)濟價值；時間維度為在自然致災(zāi)因子影響時間內(nèi)的農(nóng)作物所處的敏感生育期。其中種植范圍(面積)、作物產(chǎn)量、經(jīng)濟價值以及敏感生育期的定量表達可作為農(nóng)作物暴露的指標(biāo)體系。

2 農(nóng)作物暴露指標(biāo)定量研究方法

2.1 種植范圍計算方法

實際和未來農(nóng)作物種植范圍的確定方法存在差異。其中實際種植范圍的界定主要有兩種方法：利用農(nóng)業(yè)統(tǒng)計數(shù)據(jù)或衛(wèi)星遙感數(shù)據(jù)計算，而綜合多種遙感衛(wèi)星數(shù)據(jù)的方法可有效提高農(nóng)作物種植范圍的計算精度[29]。

未來種植范圍(面積)的預(yù)估方法主要采用以下兩種方式。

物種分布模型(Special Distribution Models， SDMs)：目前被廣泛使用的方法，常見模型包括ENFA、GARP、Maxent等[30]，其中Maxent模型擁有較好的性能表現(xiàn)：模擬精度更高，具備區(qū)域與物種的普遍適用性[31-32]，同時該模型通過熵值最大概率分布可得到模擬結(jié)果的最優(yōu)概率，用于種植分布范圍可能性的定量表達。

圖層約束法：采用GIS圖層疊加分析方式，將物種分布的各類環(huán)境影響因素視為圖層，通過多重判據(jù)疊加約束得到物種適宜分布區(qū)[33]。同時設(shè)置環(huán)境信息和物種環(huán)境條件的精度，可獲得不同適宜度等級的預(yù)估結(jié)果[34-35]。

上述兩種方法均需要合理選擇變量參數(shù)來保證模擬結(jié)果準(zhǔn)確性。其中主要變量參數(shù)側(cè)重于自然因素，由于社會經(jīng)濟因素變化(如土地占用、技術(shù)革新、飲食習(xí)慣改變、人口增長等)同樣制約著實際種植范圍與面積，導(dǎo)致“氣候適宜區(qū)不種植或非適宜區(qū)域可種植”的現(xiàn)象。為了提升預(yù)估結(jié)果的客觀性，一些學(xué)者嘗試加入城市擴張、人口變化、市場調(diào)控等社會經(jīng)濟發(fā)展指標(biāo)，采用數(shù)學(xué)模型(如農(nóng)業(yè)經(jīng)濟貿(mào)易模型(BLS)等)或構(gòu)建指數(shù)(如人均等效耕地面積指數(shù)等)等方式進行模擬[36-38]，可作為綜合計算農(nóng)作物種植范圍或面積變化的重要參考。

2.2 作物產(chǎn)量計算方法

作物產(chǎn)量計算主要有四種方法：文獻綜述法、統(tǒng)計模型、作物模型與多模型綜合法。

(1)文獻綜述法：對于使用數(shù)據(jù)完整性、準(zhǔn)確性與可獲取性要求較高，通常適用于小區(qū)、省(州)區(qū)以及國家等較小尺度區(qū)域研究[39]。

圖1 災(zāi)害學(xué)領(lǐng)域暴露概念發(fā)展過程

圖2 農(nóng)作物暴露的時空維度概念模型

(2)統(tǒng)計模型：通過多重線性回歸分析可用于未來作物產(chǎn)量預(yù)測[40]。該方法可操作性較強，適用于國家以上的較大尺度區(qū)域，但模型校正與驗證需長時間序列的氣候數(shù)據(jù)和作物產(chǎn)量數(shù)據(jù)，同時存在數(shù)據(jù)統(tǒng)計精度[41]與尺度匹配等問題。

(3)作物模型：該方法的使用最為廣泛，常見模型有CERES，WOFOST，APSIM和EPIC等[42]。而大部分模型為站點模型，不適用于全球尺度，通常采用的辦法是結(jié)合地學(xué)統(tǒng)計方法處理空間變異信息，通過GIS空間分析技術(shù)將各單元模擬結(jié)果進行空間化綜合表達。而面向災(zāi)害風(fēng)險評價應(yīng)用，EPIC相較于其他模型在土壤水分、養(yǎng)分循環(huán)和土壤侵蝕等方面模擬更加準(zhǔn)確，在環(huán)境變化模擬方面具有先天優(yōu)勢，可以用于不同氣候情景下作物產(chǎn)量與水分、溫度脅迫模擬研究。

(4)多模型綜合法：主要是采用多種作物模型計算產(chǎn)量，并將模擬結(jié)果進行綜合處理與表達。單一模型在預(yù)測氣候變化影響方面存在結(jié)果不確定性，其原因有三方面：①模型結(jié)構(gòu)設(shè)計的不確定性，針對不同應(yīng)用目的，模型所考慮的影響因素存在差異，一般均加入水分、溫度、光照等關(guān)鍵因子參與模擬，但對于其它因素(如病蟲害、雜草等)的選取會有所側(cè)重[43]。②模型參數(shù)取值的不確定性，模擬過程中所采用的田間管理方法與措施、作物屬性和土壤等參數(shù)存在差異[44]。③模型結(jié)果具有時效性，可能無法合理表達現(xiàn)代作物品種改良以及田間管理改善的影響[45]。多模型綜合方法能夠在一定程度上保證參數(shù)選取的全面性，提高模擬精度[46]，兼?zhèn)渥魑锲贩N的普適性。

作物產(chǎn)量計算方法已開始由單模型向多模型綜合方向轉(zhuǎn)變，能夠有效降低作物模型產(chǎn)量預(yù)估的不確定性，并且采用跨學(xué)科思想可提供綜合考慮自然和社會經(jīng)濟因素條件的理論框架，提升作物產(chǎn)量模擬的精度水平。但各模型的機理、結(jié)構(gòu)、參數(shù)以及輸入變量存在差異，需在實際應(yīng)用時著重注意與解決。

2.3 經(jīng)濟價值計算方法

農(nóng)作物經(jīng)濟價值的主要研究方法包含兩個層面：第一層面是農(nóng)作物經(jīng)濟價值本身，通過作物單產(chǎn)、收獲面積與市場價格等指標(biāo)計算得到。這種簡單換算的目的是增加農(nóng)作物暴露與其他承災(zāi)體暴露可比性，本質(zhì)還是自然條件下的農(nóng)作物暴露，無法體現(xiàn)出社會經(jīng)濟因素影響。第二層面是研究經(jīng)濟價值對農(nóng)作物生產(chǎn)活動的影響。以Ricardian analysis方法最為常見[47]，該方法利用氣象、土壤以及人口、社會經(jīng)濟等數(shù)據(jù)，通過回歸分析構(gòu)建最優(yōu)效用曲線方程(式1)，用以刻畫不同環(huán)境條件下農(nóng)作物種植的經(jīng)濟效益[48]，可作為區(qū)域農(nóng)業(yè)種植品種選擇的參考指標(biāo)之一。

(1)

式中：i為商品類型；Pi為市場價格；Qi為產(chǎn)量；Ki為生產(chǎn)過程中所有購買投入；E為外部環(huán)境變量，如氣候因素(溫度、降水等)、土壤類型和經(jīng)濟因素(市場準(zhǔn)入等)；Li為生產(chǎn)商品的土地；Ci為所有購買投入(除土地)的成本函數(shù)；w為所有因素投入價格；PL為未來每公頃凈收益；V為未來凈生產(chǎn)力的現(xiàn)有價值。

但在實際應(yīng)用中學(xué)者們不斷發(fā)現(xiàn)該方法存在一定缺陷：一是模型中將農(nóng)作物市場價格視為常量，忽略價格變化帶來的效益波動[49]。針對這一問題，有學(xué)者提出未來農(nóng)業(yè)資源模型(Future Agricultural Resources Model， FARM)[50-51]，進行市場供需關(guān)系模擬得到價格變化預(yù)估。二是忽略國家地區(qū)政策或飲食習(xí)慣等社會經(jīng)濟因素對區(qū)域農(nóng)作物選擇的影響。針對這一問題，有學(xué)者采用SPAM模型并根據(jù)當(dāng)?shù)仫嬍沉?xí)慣，將作物分為自留和出售兩部分，對出售部分采用完全競爭市場選擇方法處理，為解決該問題提供思路借鑒[52]。

今后研究中經(jīng)濟效益將成為農(nóng)作物種植范圍與面積預(yù)估的重要指標(biāo)，以經(jīng)濟效益作為主導(dǎo)進行農(nóng)戶種植決策更加符合實際規(guī)律。如Wu等通過構(gòu)建作物決策模型實現(xiàn)主要糧食作物未來播種面積預(yù)測[53]，但如何在單元區(qū)域內(nèi)根據(jù)效益優(yōu)先度進行種植比例規(guī)劃還是一個難點，尚需深入研究。

2.4 暴露時間維定量表達

根據(jù)前文暴露內(nèi)涵的理解，時間維暴露指標(biāo)應(yīng)包括致災(zāi)因子持續(xù)時間與農(nóng)作物敏感生育期兩個層面。現(xiàn)有研究在各類農(nóng)業(yè)致災(zāi)因子的刻畫方面已經(jīng)相對完善，通過水熱因素指標(biāo)即可確定致災(zāi)因子持續(xù)時間，如面向高溫可采用連續(xù)日最高氣溫超過某一閾值的累積日數(shù)[54-56]，同時根據(jù)致災(zāi)強度能夠分級定義不同程度的持續(xù)時間。而農(nóng)作物各生長階段面向不同災(zāi)害會呈現(xiàn)出不同的敏感特性，研究中需劃分出具體敏感期分時段討論，如水稻面對熱害的敏感期是開花期與灌漿期[57-58]。同時各個敏感生育期中所需的水熱因子也存在差異，需要根據(jù)具體適宜條件來確定致災(zāi)持續(xù)時間。目前對于溫度條件的研究較為全面，學(xué)者通過田間實驗獲得主要糧食作物關(guān)鍵生育期的四類溫度閾值[59](圖3)，其中包括致死低溫、絕收低溫、絕收高溫與致死高溫。這類指標(biāo)可以作為劃定不同生長階段高溫與低溫災(zāi)害的理論參考，有助于災(zāi)害危險性計算與農(nóng)作物敏感期脆弱性刻畫。

3 結(jié)論與展望

3.1 結(jié)論

(1)農(nóng)作物暴露內(nèi)涵可歸納為在致災(zāi)因子影響范圍與持續(xù)時間內(nèi)農(nóng)作物屬性的時空維度綜合表達。原有研究將暴露限定在空間層面，不足以體現(xiàn)暴露時間對風(fēng)險或災(zāi)情的影響：一方面災(zāi)害作用時間能夠影響災(zāi)情，另一方面農(nóng)作物的災(zāi)害敏感生育期同樣決定災(zāi)情。因此，農(nóng)作物暴露的理解需要由空間單維度向時空雙維度轉(zhuǎn)變，時間維的加入能夠更加全面地反映災(zāi)害持續(xù)時間的累積效應(yīng)，以及農(nóng)作物特殊敏感期對災(zāi)害風(fēng)險與災(zāi)情的放大或縮小作用。

(2)農(nóng)作物空間維暴露指標(biāo)一般采用種植范圍(面積)、產(chǎn)量與經(jīng)濟價值。種植范圍計算的主要方法包括作物分布模型與圖層約束兩類，前者較為成熟并能夠得到預(yù)估結(jié)果的精度評定，后者操作較為便捷。作物產(chǎn)量計算中使用作物生長模型更為常見，其中EPIC模型在災(zāi)害風(fēng)險研究中擁有更好適用性。經(jīng)濟價值方面則更傾向于利用經(jīng)濟效益作為農(nóng)戶種植決策的依據(jù)，進而成為預(yù)測未來農(nóng)作物種植范圍(面積)乃至種植比例的主要參考因素。

(3)農(nóng)作物時間維的暴露指標(biāo)一般采用不同等級致災(zāi)因子強度的持續(xù)時間與農(nóng)作物對應(yīng)敏感生育期的綜合表達方式。致災(zāi)因子持續(xù)時間可根據(jù)農(nóng)作物面向災(zāi)害的具體適宜水熱條件來確定。而在敏感生育期方面，現(xiàn)有研究已對主要糧食作物作了深入實驗與分析，一般認(rèn)為抽穗開花期與灌漿期是作物敏感時期。

(4)農(nóng)作物各類暴露指標(biāo)計算均有較為成熟方法，但在種植范圍(面積)與產(chǎn)量等方面存在適用尺度、結(jié)果精度與參考因素的局限性。對于種植范圍(面積)而言，自然與社會經(jīng)濟因素相結(jié)合才能更加客觀地反映現(xiàn)有與未來的農(nóng)作物分布情況。對于作物產(chǎn)量而言，多模型綜合方法能夠解決單一方法中常見的尺度與精度缺陷。因此，多因素考量與多模型綜合的方式是提高暴露預(yù)估結(jié)果準(zhǔn)確性與客觀性的有效途徑。

3.2 展望

隨著災(zāi)害風(fēng)險學(xué)科的不斷發(fā)展，現(xiàn)有農(nóng)作物風(fēng)險評價理論思路與框架已較為成熟[60-62]，但在風(fēng)險結(jié)果準(zhǔn)確性、客觀性與細致化的要求下仍存在一定不足與局限。在相關(guān)研究工作中，引入暴露新概念并優(yōu)化解決暴露定量表達存在的問題，有助于完善理論框架，今后可考慮從以下兩個方向進行改進(圖4)。

圖3 主要糧食作物生長關(guān)鍵期溫度閾值

圖4 農(nóng)作物災(zāi)害風(fēng)險評價框架的改進思路

①常量向變量轉(zhuǎn)變，單自然因素向自然-社會經(jīng)濟多因素綜合轉(zhuǎn)變：在進行未來風(fēng)險評估時，需要考慮種植范圍與面積等因素的變化，不應(yīng)將暴露指標(biāo)視作常量。同時計算過程中應(yīng)綜合考量多種影響因素，溫度、降水等自然因素只是決定研究區(qū)域內(nèi)農(nóng)作物是否適宜種植，而人口、城市、市場、飲食習(xí)慣等社會因素的變化往往影響農(nóng)作物價格、需求與栽種意愿，進而制約種植范圍、種植面積(比例)、產(chǎn)量與經(jīng)濟價值。因此，為了使風(fēng)險評估結(jié)果更加符合客觀規(guī)律，多因素綜合方式進行暴露計算勢在必行。另外，社會經(jīng)濟因素中災(zāi)害設(shè)防水平也容易被忽視，其水平提高能夠極大減少暴露程度，應(yīng)在今后研究中作為重要因素加以描述。如面對暴雨洪澇災(zāi)害時，河流沿岸修筑堤壩，洪水來臨時轉(zhuǎn)移安置群眾并加固堤壩，可以有效減少人口、農(nóng)田與財產(chǎn)的暴露與損失[63-64]。

②空間維向時空維轉(zhuǎn)變：災(zāi)害風(fēng)險研究框架中應(yīng)融入暴露時間維的新理解，使得風(fēng)險評估結(jié)果更加細致化，從而揭示深層次規(guī)律。研究過程中將單一空間維暴露延展至?xí)r空維，而不是拘泥于其空間分布變化的探討。評價結(jié)果也不應(yīng)局限于農(nóng)作物整個生長期的總風(fēng)險，可根據(jù)生育期特性細分階段，進行各個敏感時期的風(fēng)險計算，實現(xiàn)衡量風(fēng)險貢獻率的目的，同時也可進行區(qū)域風(fēng)險差異比較。由于全球氣候變化普遍導(dǎo)致農(nóng)作物適宜生長期延長與適宜種植范圍擴大，分階段的風(fēng)險呈現(xiàn)有助于決策者抓住關(guān)鍵時期，因地(時)制宜地調(diào)整播種日期與種植區(qū)域以減少暴露，控制潛在災(zāi)害損失，有效進行風(fēng)險防范與管理。