巴中市油菜花期低溫連陰雨災(zāi)害損失評(píng)估

雍燕亓 趙曉丹 賈桂蘭

【摘? ?要】 本文利用巴中市1993—2016年4個(gè)國家基本氣象站逐日氣象資料和油菜產(chǎn)量資料，分析了低溫連陰雨天氣對(duì)油菜產(chǎn)量損失影響顯著的氣象因子，最終確定連陰雨日數(shù)、總降水量和日平均氣溫低于12℃日數(shù)3個(gè)主要致災(zāi)因子。將這3個(gè)因子通過統(tǒng)計(jì)學(xué)方法建立油菜花期低溫連陰雨災(zāi)害評(píng)估等級(jí)指標(biāo)和巴中市油菜低溫連陰雨損失定量評(píng)估統(tǒng)計(jì)模型，并進(jìn)行驗(yàn)證。

【關(guān)鍵詞】 巴中市;低溫;連陰雨;評(píng)估

Evaluation of damage caused by low temperature and continuous

rainfall at flowering stage of rape in Bazhong City

Yong Yanqi? ?Zhao Xiaodan? ?Jia Guilan

（Bazhong Meteorological Bureau? ?636000）

[Abstract] Based on the daily meteorological data of the four national basic meteorological stations in Bazhong City from 1993 to 2016 and the data of the yield of the rape， the meteorological factors which have a significant effect on the yield loss of the rape in the low temperature and the rainy days are analyzed， and the days of the continuous rainy days are finally determined. The three factors were used to establish a statistical model for quantitative assessment of low-temperature continuous rain disaster in oil-rape period and low-temperature continuous-negative rain loss in Bazhong City.

[Keywords] Bazhong city; low temperature; cloudy rain; evaluation

開花期是油菜產(chǎn)量形成的關(guān)鍵期，一般巴中油菜花期是從3月中旬開始，而這期間，常出現(xiàn)春季低溫、連陰雨天氣等天氣，降水多、日照少、氣溫低的天氣條件容易使油菜遭受不同程度的澇漬危害，從而造成產(chǎn)量受損。因此，研究油菜花期連陰雨災(zāi)害指標(biāo)，分析連陰雨災(zāi)害指標(biāo)與油菜產(chǎn)量間的定量關(guān)系，對(duì)開展油菜連陰雨災(zāi)損預(yù)報(bào)等業(yè)務(wù)工作，為油菜連陰雨防御提供科學(xué)依據(jù)具有重要意義。

1? 資料與方法

1.1? 資料

本文選取巴中4個(gè)基本國家站1993-2016年共24年逐日氣象要素進(jìn)行連陰雨特征量分析。

1.2? 產(chǎn)量數(shù)據(jù)處理

一般在研究中可將產(chǎn)量劃分為趨勢產(chǎn)量項(xiàng)和氣象產(chǎn)量項(xiàng)，本文以單產(chǎn)數(shù)據(jù)來分析作物產(chǎn)量，即：? Y=Yt+Yw。 Yt為趨勢產(chǎn)量項(xiàng)，利用直線滑動(dòng)平均法進(jìn)行確定，主要受當(dāng)?shù)剞r(nóng)技水平、政策、投入等影響;Yw為氣象產(chǎn)量項(xiàng)，反映當(dāng)?shù)貧庀髼l件波動(dòng)對(duì)產(chǎn)量的影響[1]。

為在不同農(nóng)業(yè)生產(chǎn)條件下得到的氣象產(chǎn)量具有可比性，這里引入災(zāi)損率（△Y）， 即：

[ΔY=（Yt-Y）Yt×100%]

ΔY為正，表示當(dāng)年減產(chǎn)，為負(fù)，表示增產(chǎn)。

1.3? 指標(biāo)構(gòu)建方法

根據(jù)巴中市氣候特征，定義當(dāng)某日氣象臺(tái)站出現(xiàn)日降水量≥0.1 mm且日照時(shí)數(shù)小于0.1 h，為一個(gè)雨日;若出現(xiàn)連續(xù) 3d 及以上的雨日記為一段連陰雨過程。結(jié)合巴中市油菜生長發(fā)育特點(diǎn)，確定每年的3月中旬-4月上旬是油菜開花期。

1.3.1? 確定主要致災(zāi)因子? ? 基于《農(nóng)業(yè)氣象觀測規(guī)范》，將各臺(tái)站減產(chǎn)年3月中旬-4月上旬的降水、氣溫等氣象要素與災(zāi)損率進(jìn)行相關(guān)分析，確定與油菜災(zāi)損率顯著相關(guān)的主要?dú)庀笠蜃樱嚎傟幱耆諗?shù)Ld、陰雨日累積降水量R、日平均氣溫小于12℃日數(shù)Td。

1.3.2? 臨界值判定? ? 給所確定的三個(gè)致災(zāi)因子設(shè)定連續(xù)的不同界限值，統(tǒng)計(jì)致災(zāi)因子大于界限值的災(zāi)害樣本，并分別與災(zāi)損率進(jìn)行相關(guān)性分析，選擇相關(guān)性維持較高水平時(shí)的界限值，為該致災(zāi)因子臨界值。

1.3.3? 災(zāi)害等級(jí)劃分? ? 利用SPSS軟件中的K一均值聚類分析方法對(duì)1993-2009年的災(zāi)損樣本進(jìn)行處理，得出災(zāi)損率和致災(zāi)因子的聚類中心，將相鄰聚類中心的平均值作為界限，確定連陰雨災(zāi)害評(píng)估等級(jí)指標(biāo)。再將各災(zāi)害年樣本進(jìn)行回代檢驗(yàn)，以確定指標(biāo)的準(zhǔn)確性。

2? 結(jié)果與分析

2.1 主要致災(zāi)因子的確定

如表1所示，將總陰雨日數(shù)Ld、陰雨日累積降水量R、日平均氣溫小于12℃日數(shù)Td分別與災(zāi)損率時(shí)間序列做相關(guān)性分析，得到Ld、R、Td三個(gè)因子與ΔY的相關(guān)系數(shù)分別為0.471、0.553、0.452，均通過了0.05水平的顯著性檢驗(yàn)。即總陰雨日數(shù)、陰雨日累積降水量、日平均氣溫小于12℃日數(shù)共同影響著油菜的產(chǎn)量。

2.2 災(zāi)害等級(jí)劃分

2.2.1? 致災(zāi)因子臨界值確定? ? 本文中Ld起始值設(shè)為3d，以1d為間隔，最大值8d。陰雨日累積降水量R起始值為5mm，以5mm為間隔，最大值30mm。花期平均氣溫小于12℃日數(shù)Td起始值為3d，以1d為間隔，最大值8d。通過將不同界限值時(shí)的災(zāi)害樣本分別與災(zāi)損率做相關(guān)性分析，最終確定將Ld=3d、R=5mm、T12=3d作為等級(jí)劃分的最小臨界值。

2.2.2? 油菜花期連陰雨等級(jí)指標(biāo)及檢驗(yàn)? ? 利用SPSS軟件對(duì)災(zāi)害樣本中Ld、R、T12和△Y進(jìn)行K-均值聚類分析，按照聚類最優(yōu)原則，得到災(zāi)損率和致災(zāi)因子的2個(gè)聚類中心，以將相鄰聚類中心的平均值作為界限，將油菜開花期連陰雨災(zāi)害等級(jí)劃分為輕度、中度、重度（如表2）。

將1993-2009年間的災(zāi)損樣本進(jìn)行回代檢驗(yàn)，如表3所示，樣本等級(jí)差≤1的準(zhǔn)確率均在80%以上，其中中度樣本檢驗(yàn)準(zhǔn)確率為100%;等級(jí)差=0的準(zhǔn)確率則在50%左右（見表3）。

利用連陰雨災(zāi)害評(píng)估指標(biāo)對(duì)2010-2016年間的共10個(gè)災(zāi)害樣本進(jìn)行評(píng)估，結(jié)果與實(shí)際情況相對(duì)比發(fā)現(xiàn)， 等級(jí)差=0準(zhǔn)確率為40%，等級(jí)差≤1的準(zhǔn)確率為90%。由于2010-2016年油菜產(chǎn)量災(zāi)害損失程度多以中度為主，因此，輕度和重度災(zāi)害評(píng)估指標(biāo)未得到有效驗(yàn)證。

2.3? 油菜花期連陰雨災(zāi)害損失評(píng)估模型

將總陰雨日數(shù)Ld、陰雨日累積降水量R、日平均氣溫小于12℃日數(shù)Td與災(zāi)損率ΔY進(jìn)行建立逐步回歸模型，油菜花期連陰雨災(zāi)害損失評(píng)估模型：

ΔY = -0.01+0.308Ld+0.131R+0.359T12

再進(jìn)行樣本回代檢驗(yàn)，得到平均災(zāi)損率為6.9%，與實(shí)際平均災(zāi)損率13.2%相差較大;從等級(jí)差來看，模擬值與實(shí)際值相同的樣本占比41%，相差1個(gè)以下的等級(jí)占比數(shù)81%。說明此評(píng)估模型的模擬效果不理想，有待進(jìn)一步修正。

3? 存在的問題

（1） 作物災(zāi)害損失是以單產(chǎn)來計(jì)算的，數(shù)據(jù)來源于農(nóng)業(yè)局、統(tǒng)計(jì)局，只能粗略反映出產(chǎn)量年度變化趨勢，數(shù)據(jù)準(zhǔn)確性、客觀性較差，對(duì)研究結(jié)果有一定影響。

（2） 由于農(nóng)業(yè)生產(chǎn)資料、災(zāi)害資料缺乏，只能大致分析某一時(shí)期某種氣象災(zāi)害的影響，難以精確到一次過程的損失評(píng)估。

（3） 應(yīng)用的方法評(píng)估災(zāi)害損失，是以作物歷史產(chǎn)量為目標(biāo)，而災(zāi)害對(duì)農(nóng)作物造成的影響不僅表現(xiàn)為產(chǎn)量還表現(xiàn)在品質(zhì)上，同時(shí)影響作物產(chǎn)量和品質(zhì)的生態(tài)因子很多，連陰雨只是其中的一個(gè)不利因子，所以對(duì)災(zāi)害損失進(jìn)行評(píng)估，存在一定的誤差，有待進(jìn)一步探討。

參考文獻(xiàn)：

[1] 楊繼武.農(nóng)業(yè)氣象預(yù)報(bào)和情報(bào)[M].氣象出版社，1994.

[2] 房世波.分離趨勢產(chǎn)量和氣候產(chǎn)量的方法探討[J].自然災(zāi)害學(xué)報(bào)，2011，20（6）：13-18.