基于信息擴(kuò)散理論的南方雙季早稻氣象災(zāi)害風(fēng)險(xiǎn)評估

王學(xué)林，黃琴琴，柳 軍

基于信息擴(kuò)散理論的南方雙季早稻氣象災(zāi)害風(fēng)險(xiǎn)評估

王學(xué)林1，黃琴琴2，柳 軍1

（1.安徽省合肥市氣象局，合肥 230000；2.南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評估協(xié)同創(chuàng)新中心，南京 210044）

小滿寒（GBC）和高溫?zé)岷Γ℉TD）是影響南方雙季早稻生長發(fā)育及產(chǎn)量形成最主要的農(nóng)業(yè)氣象災(zāi)害。為了提高雙季早稻氣象災(zāi)害的預(yù)測預(yù)報(bào)能力，利用雙季稻區(qū)142個(gè)站點(diǎn)1960?2012年常規(guī)氣象觀測數(shù)據(jù)，根據(jù)前人研究的關(guān)于小滿寒和高溫?zé)岷εR界氣象指標(biāo)，統(tǒng)計(jì)分析各站點(diǎn)歷年發(fā)生小滿寒和高溫?zé)岷Υ螖?shù)，運(yùn)用信息擴(kuò)散理論對雙季早稻種植區(qū)各站點(diǎn)進(jìn)行精細(xì)化風(fēng)險(xiǎn)評估。結(jié)果表明：（1）雙季早稻小滿寒及高溫?zé)岷δ昶骄l(fā)生次數(shù)空間分布差異顯著，小滿寒發(fā)生次數(shù)由南向北大致呈逐級遞增趨勢，呈明顯的帶狀分布，高溫?zé)岷︻l發(fā)區(qū)主要集中在湖南衡陽、雙峰、郴州一帶，江西大部分地區(qū)以及浙江金華、衢州、麗水附近，湖北甲魚、武漢、黃石以及安徽安慶部分地區(qū)。（2）小滿寒和高溫?zé)岷χ辽侔l(fā)生1次及以上的概率值空間分布特征較為相似，大部分地區(qū)均表現(xiàn)為明顯的高概率區(qū)，重現(xiàn)期較短，再現(xiàn)率較高；小滿寒及高溫?zé)岷Τ礁怕手档透怕蕝^(qū)隨著年發(fā)生次數(shù)的增加而逐漸減小。（3）隨著年發(fā)生次數(shù)的明顯增加，早稻小滿寒及高溫?zé)岷χ噩F(xiàn)期短的站點(diǎn)數(shù)減少，重現(xiàn)期長的站點(diǎn)數(shù)相應(yīng)增加。

早稻；小滿寒；高溫?zé)岷Γ伙L(fēng)險(xiǎn)評估；信息擴(kuò)散理論

水稻是中國的重要糧食作物，其播種面積約占全國糧食總面積的30%，稻谷產(chǎn)量約占糧食總產(chǎn)量的40%。據(jù)統(tǒng)計(jì)，僅2016年中國水稻種植面積為3016.24萬hm2，總產(chǎn)量達(dá)20693.4萬t，其安全穩(wěn)定生產(chǎn)直接關(guān)系農(nóng)民增收、農(nóng)業(yè)增產(chǎn)甚至糧食安全。中國水稻可簡單地劃分為雙季稻區(qū)和單季稻區(qū)，長江中下游地區(qū)（浙江、安徽、江西、湖北、湖南、廣東、廣西、海南、福建等）熱量資源充足，河網(wǎng)密布，水稻產(chǎn)量占全國的70%，是中國重要的雙季稻生產(chǎn)區(qū)。水稻在不同的發(fā)育階段對溫度要求較為嚴(yán)格，在雙季早稻（生長季一般在3?8月）生長期間，如在幼穗分化期遇低溫天氣過程，會直接影響水稻的正常營養(yǎng)生長，延長發(fā)育進(jìn)程，而抽穗灌漿期高溫脅迫會造成水稻穎花不育、灌漿受阻、千粒重下降。近年來全球氣候變化，極端高低溫天氣過程頻發(fā)，嚴(yán)重制約著南方雙季稻區(qū)早稻的安全穩(wěn)定生產(chǎn)過程。因此，開展雙季稻區(qū)早稻農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評估，有利于提高早稻氣象災(zāi)害防災(zāi)減災(zāi)能力，對優(yōu)化調(diào)整雙季早稻種植結(jié)構(gòu)有重要的指導(dǎo)意義。

風(fēng)險(xiǎn)評估是對未來農(nóng)作物遭受不同強(qiáng)度災(zāi)害的可能性及其可能產(chǎn)生后果的一種量化評估，是農(nóng)業(yè)氣象災(zāi)害應(yīng)急時(shí)的重要決策依據(jù)。前人在農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評估方面有著廣泛的研究，如Lou等[1]以歷年水稻洪澇災(zāi)情資料和水稻自身生理特性為主要依據(jù)，系統(tǒng)構(gòu)建了洪澇災(zāi)害發(fā)生時(shí)，水稻產(chǎn)量損失定量化評估模型。Hao等[2]構(gòu)建了干旱風(fēng)險(xiǎn)分析模型，并對中國農(nóng)業(yè)氣象旱災(zāi)進(jìn)行風(fēng)險(xiǎn)評估，Ishimaru等[3]設(shè)計(jì)大田試驗(yàn)系統(tǒng)研究了臺風(fēng)對水稻倒伏程度的影響，為水稻生產(chǎn)區(qū)域在臺風(fēng)影響期間的抗倒伏性提供了科學(xué)依據(jù)。Marletto等[4]運(yùn)用WOFOST作物生長模型定量評估了意大利北部地區(qū)小麥生產(chǎn)過程中氣象條件的作用。羅培[5]從干旱災(zāi)害孕災(zāi)環(huán)境、災(zāi)害危險(xiǎn)性、成災(zāi)體易損性等方面出發(fā)，運(yùn)用模糊綜合評價(jià)法對重慶干旱災(zāi)害進(jìn)行了風(fēng)險(xiǎn)評估及區(qū)劃。陳思寧等[6]選取茶樹越冬期凍害及夏季旱熱害致災(zāi)因子并進(jìn)行模糊綜合評價(jià)，系統(tǒng)分析了湖北省茶樹氣象災(zāi)害的分布特征。這些方法多側(cè)重于田間試驗(yàn)或傳統(tǒng)數(shù)據(jù)資料的統(tǒng)計(jì)分析，對大區(qū)域小樣本數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)評估存在大量的不確定性和模糊性。信息擴(kuò)散理論是對樣本值進(jìn)行集值化處理以彌補(bǔ)樣本不足導(dǎo)致風(fēng)險(xiǎn)評估不確定性的主要方法，主要適用于研究區(qū)域較大，而樣本數(shù)據(jù)較少的風(fēng)險(xiǎn)評估。

本研究以南方雙季稻種植區(qū)基本氣象觀測站常規(guī)氣象觀測數(shù)據(jù)為依托，根據(jù)前人研究的雙季早稻“小滿寒”和“高溫?zé)岷Α敝聻?zāi)的臨界氣象指標(biāo)，并統(tǒng)計(jì)分析歷年各站點(diǎn)發(fā)生災(zāi)害次數(shù)序列值，在此基礎(chǔ)上，進(jìn)一步利用信息擴(kuò)散法對雙季早稻種植區(qū)進(jìn)行風(fēng)險(xiǎn)評估，建立早稻“小滿寒”、“高溫?zé)岷Α憋L(fēng)險(xiǎn)評估概率圖，旨在為南方地區(qū)早稻生產(chǎn)可持續(xù)發(fā)展提供科學(xué)依據(jù)。

1 資料與方法

1.1 氣象資料

氣象數(shù)據(jù)由國家氣象信息中心氣象資料室提供，包括南方雙季稻種植區(qū)（安徽、浙江、江西、湖北、湖南、福建、廣西、廣東、海南島等）142個(gè)臺站（圖1）1960?2012年日平均氣溫、日最低氣溫和日最高氣溫。選定5月10日?6月10日發(fā)生的低溫過程為早稻“小滿寒”，7月1日?8月31日發(fā)生的高溫天氣過程為早稻“高溫?zé)岷Α?，利用以上時(shí)段內(nèi)1960?2012年各站點(diǎn)的逐日氣象觀測資料，統(tǒng)計(jì)分析小滿寒及高溫?zé)岷δ臧l(fā)生次數(shù)序列值。首先對歷年各站點(diǎn)以上兩個(gè)時(shí)段內(nèi)的日最低氣溫、日平均氣溫及日最高氣溫進(jìn)行質(zhì)量控制，對缺測值大于5d的數(shù)據(jù)予以剔除，缺測值少于5d的站點(diǎn)數(shù)據(jù)予以插補(bǔ)，以保證站點(diǎn)數(shù)據(jù)記錄長度一致。各站點(diǎn)分布如圖1所示。

圖1 雙季稻種植區(qū)主要?dú)庀笥^測站點(diǎn)分布

1.2 小滿寒和高溫?zé)岷?/h3>

“小滿寒”指春末夏初的低溫冷害天氣現(xiàn)象，此時(shí)正值雙季早稻幼穗分化階段，“小滿寒”的出現(xiàn)會使水稻幼穗分化受阻，影響花粉粒的正常發(fā)育進(jìn)程，導(dǎo)致部分幼穗雄性不育，造成短穗、小穗或小粒，使產(chǎn)量降低，是危害早稻生長的一種氣象災(zāi)害[7?9]?！案邷?zé)岷Α敝饕霈F(xiàn)在盛夏時(shí)節(jié)，此時(shí)南方處于副熱帶高壓控制，持續(xù)的高溫天氣過程使處于灌漿乳熟階段的早稻籽粒灌漿減弱，影響干物質(zhì)積累，降低籽粒重[10?12]。以上兩種災(zāi)害是制約南方雙季稻區(qū)早稻生長的主要?dú)庀鬄?zāi)害。引用前人的研究結(jié)果[9,13?14]，提出“小滿寒”和“高溫?zé)岷Α钡呐R界氣象指標(biāo)分別為日平均氣溫≤22℃且日最低氣溫≤16℃連續(xù)2d及以上、日平均氣溫≥30℃且日最高氣溫≥35℃連續(xù)3d及以上。具體計(jì)算時(shí)按照“小滿寒”和“高溫?zé)岷Α卑l(fā)生過程進(jìn)行統(tǒng)計(jì)，即只要達(dá)到以上臨界氣象指標(biāo)就算作一次災(zāi)害過程，遇臨界日期時(shí)也按照實(shí)際情況連續(xù)統(tǒng)計(jì)。

1.3 災(zāi)害發(fā)生次數(shù)

運(yùn)用Matlab、Excel軟件統(tǒng)計(jì)南方早稻種植區(qū)142個(gè)站點(diǎn)歷年相應(yīng)時(shí)段內(nèi)發(fā)生災(zāi)害的次數(shù)，利用信息擴(kuò)散理論對發(fā)生次數(shù)序列值進(jìn)行風(fēng)險(xiǎn)評估，風(fēng)險(xiǎn)評估分布圖用ArcGIS 10.0軟件中的反距離權(quán)重插值法實(shí)現(xiàn)。

1.4 信息擴(kuò)散理論

信息擴(kuò)散理論[15?16]是為了彌補(bǔ)信息不足而考慮優(yōu)化利用樣本模糊信息的一種對樣本進(jìn)行集值化的模糊數(shù)學(xué)處理方法?？梢詫⒁粋€(gè)分明值的樣本點(diǎn)，變成一個(gè)模糊集。即把單值樣本點(diǎn)擴(kuò)散成集值樣本點(diǎn)。假設(shè)研究的早稻小滿寒及高溫?zé)岷χ笜?biāo)論域?yàn)閁={u1, u2, u3, …, un}，其中ui為災(zāi)害指標(biāo)論域的取值，n為論域取值個(gè)數(shù)，設(shè)災(zāi)害指標(biāo)的一個(gè)單值觀測樣本為yj（j=1, 2, 3, …, m），m為樣本個(gè)數(shù)，本研究中災(zāi)害指標(biāo)論域ui為某站點(diǎn)53a災(zāi)害發(fā)生次數(shù)序列值，論域選擇不重復(fù)，發(fā)生相同次數(shù)災(zāi)害算作一次，n為本站點(diǎn)災(zāi)害發(fā)生次數(shù)序列值的最大值。m取集合[0，n]中的每個(gè)整數(shù)值，n取值主要決定于站點(diǎn)災(zāi)害發(fā)生次數(shù)序列值，而m取值隨n動態(tài)變化，則函數(shù)fj(ui)為將樣本觀測值攜帶的信息擴(kuò)散給論域U上的每一個(gè)取值ui，即

（i=1, 2, …, n; j=1, 2, …, m） （1）

式中，fj(ui)表示觀測樣本值yj擴(kuò)散到點(diǎn)ui上的信息量，ui為信息吸收點(diǎn)。h為擴(kuò)散窗寬，表示信息擴(kuò)散的控制范圍，其值與樣本容量有關(guān)。

其中

對擴(kuò)散后的信息進(jìn)行歸一化處理，則歸一化后的函數(shù)gj為

對所有的單值觀測樣本均進(jìn)行以上處理，可獲得一個(gè)m×n的矩陣，進(jìn)一步獲得指標(biāo)值為ui的樣本個(gè)數(shù)q(ui)，即

q(ui)的物理意義是：由觀測樣本集合U = {u1, u2, u3, …, un}經(jīng)信息擴(kuò)散推斷出，如果早稻小滿寒及高溫?zé)岷τ^測值只能取u1, u2, u3, …, un中的一個(gè)，則在將ui均看作是樣本代表時(shí)，觀測值為ui的樣本個(gè)數(shù)為q(ui)個(gè)。顯然q(ui)通常不是一個(gè)正整數(shù)，但一定是一個(gè)不小于零的數(shù)值。再令

則p(ui)就是樣本落在ui處的頻率值，即概率的估計(jì)值。對于災(zāi)害指標(biāo)X={x1, x2, x3,…, xn}，將xi取論域u中的一個(gè)元素ui，則超越ui的概率為

式中，p(u≥ui)就是所要求的風(fēng)險(xiǎn)評估值。

2 結(jié)果與分析

2.1 早稻生育期小滿寒和高溫?zé)岷Πl(fā)生次數(shù)的空間分布

由圖2a可見，1960?2012年，研究區(qū)內(nèi)早稻小滿寒災(zāi)害年平均發(fā)生次數(shù)總體上表現(xiàn)為北部多于南部，湖北巴東、房縣、老河口以北，安徽壽縣、蚌埠、滁州以北，浙江杭州、嵊縣以東地區(qū)年平均發(fā)生次數(shù)最多，達(dá)4次以上，其次為湖南通道、武岡、邵陽、安化、石門沿線以北，湖北宜昌、荊州、天門、武漢、黃石以北，安徽淮河以南地區(qū)，浙江中西部以及福建東北部沿線一帶，平均每年發(fā)生2～3次以上小滿寒災(zāi)害。南部地區(qū)大多每年平均發(fā)生＜1次，小滿寒災(zāi)害對這些地區(qū)早稻生長影響較小。由圖2b可見，早稻高溫?zé)岷︻l發(fā)區(qū)主要分布在湖南衡陽、雙峰、郴州一帶，江西大部分地區(qū)以及浙江金華、衢州、麗水附近，湖北甲魚、武漢、黃石以及安徽安慶部分地區(qū)，平均每年發(fā)生4～7次早稻高溫?zé)岷μ鞖膺^程，安徽大部分地區(qū)，湖北中北部，湖南中東部地區(qū)次之，低值區(qū)主要分布在海南、廣西中西部廣大區(qū)域以及廣東南部邊緣地帶。

2.2 早稻小滿寒及高溫?zé)岷Πl(fā)生的風(fēng)險(xiǎn)概率

限于站點(diǎn)資料有限，采用信息擴(kuò)散理論對已知站點(diǎn)歷年小滿寒及高溫?zé)岷Πl(fā)生次數(shù)進(jìn)行集值化處理，以便對雙季早稻主要農(nóng)業(yè)氣象災(zāi)害進(jìn)行精細(xì)化風(fēng)險(xiǎn)評估。以各站點(diǎn)歷年發(fā)生小滿寒及高溫?zé)岷Υ螖?shù)序列值為研究對象，考慮到不同站點(diǎn)不同災(zāi)害發(fā)生次數(shù)序列值范圍存在差異及計(jì)算精度要求，選取一維實(shí)數(shù)空間上的集合[0，k+4]作為小滿寒及高溫?zé)岷χ笜?biāo)論域，其中k表示某站點(diǎn)發(fā)生小滿寒和高溫?zé)岷Υ螖?shù)的最大值，其控制點(diǎn)離散論域間隔選為1，各站點(diǎn)指標(biāo)論域隨k值動態(tài)變化。應(yīng)用Matlab軟件根據(jù)式（1）?（7）進(jìn)行編程，計(jì)算可得雙季稻種植區(qū)各站點(diǎn)發(fā)生相應(yīng)次數(shù)的風(fēng)險(xiǎn)估計(jì)值（超越概率），限于篇幅，僅給出江西景德鎮(zhèn)站點(diǎn)計(jì)算結(jié)果。根據(jù)1960?2012年景德鎮(zhèn)站的統(tǒng)計(jì)結(jié)果，其小滿寒發(fā)生次數(shù)的最大值n=5，最小值為0，因此，其控制點(diǎn)論域[0, n+4]設(shè)置為X={X1, X2, X3,…Xn}={0, 1, 2, …, 9}，此時(shí)，樣本個(gè)數(shù)m=53，利用式（3）計(jì)算得到相應(yīng)的擴(kuò)算窗寬h=0.2582，最終計(jì)算得到該站發(fā)生相應(yīng)次數(shù)小滿寒的風(fēng)險(xiǎn)概率值，并作小滿寒的概率密度曲線（PDC）和超越概率密度曲線（TPDC），結(jié)果見圖3a。根據(jù)相應(yīng)的統(tǒng)計(jì)結(jié)果，同理可得該站發(fā)生相應(yīng)次數(shù)高溫?zé)岷Φ娘L(fēng)險(xiǎn)概率計(jì)算結(jié)果如圖3b。

圖2 早稻發(fā)生小滿寒（a）及高溫?zé)岷Γ╞）年平均次數(shù)的空間分布（1960?2012年）

注：小滿寒指5月10日?6月10日日平均氣溫≤22℃且日最低氣溫≤16℃連續(xù)2d及以上；高溫?zé)岷χ?月1日?8月31日日平均氣溫≥30℃且日最高氣溫≥35℃連續(xù)3d及以上。

sNote：Grain buds cold is daily average temperature≤22℃ and daily minimum temperature≤16℃for 2 consecutive days and above in May 10th to June 10th；high temperature damage is daily average temperature ≥30℃ and daily maximum temperature ≥35℃ for 3 consecutive days and above in July 1st-August 31st.

由圖3a可以看出，在早稻生長發(fā)育過程中，江西景德鎮(zhèn)站點(diǎn)53a來小滿寒發(fā)生次數(shù)序列值在1～9次之間，發(fā)生相應(yīng)次數(shù)的概率值均低于0.2，但隨著年發(fā)生次數(shù)的增加，風(fēng)險(xiǎn)概率值逐漸降低，年發(fā)生6次及以上的概率僅為0.1左右，早稻小滿寒災(zāi)害發(fā)生次數(shù)序列值具有較強(qiáng)的不確定性。從早稻小滿寒年發(fā)生次數(shù)的超越概率密度曲線可以看出，隨著年發(fā)生次數(shù)的增加，其風(fēng)險(xiǎn)概率值呈近似直線型下降趨勢，年發(fā)生3次及以下的概率值約在0.5以上。從圖3b可知，此站點(diǎn)早稻高溫?zé)岷Ω怕拭芏惹€呈現(xiàn)先增加后減小的趨勢，年發(fā)生5次高溫?zé)岷Φ母怕首畲?，約為18%，總的來說，高溫?zé)岷κ転?zāi)可能性相對較小，但曲線的論域范圍較大，不確定性較為明顯。從高溫?zé)岷Πl(fā)生的超越概率密度曲線可知，超越概率呈一個(gè)反“S”型分布，曲線有一個(gè)從凸到凹的過程，表明對應(yīng)的概率密度曲線有一個(gè)極大值，符合相應(yīng)的概率密度曲線所反映的情況，此曲線陡度相對平緩，表明南方雙季稻種植區(qū)早稻高溫?zé)岷Πl(fā)生的情況離散性較強(qiáng)，具有較高的不確定性。

2.3 雙季早稻小滿寒風(fēng)險(xiǎn)評估

由圖4a可見，研究區(qū)內(nèi)發(fā)生1次及以上早稻小滿寒災(zāi)害的概率自南向北呈明顯減少的帶狀分布特征，風(fēng)險(xiǎn)概率較低的地區(qū)主要分布在海南島及廣東西部地區(qū)，其概率值低于0.33，即3a才能遇見一次及以上小滿寒災(zāi)害。廣西百色、靖西、東興、欽州、玉林、梧州一帶，廣東高要、增城沿線附近年發(fā)生一次及以上小滿寒的概率次之，1.5～3a一遇。年發(fā)生1次及以上小滿寒災(zāi)害高概率區(qū)分布范圍較廣，基本集中在0.68～1.00之間，重現(xiàn)期為1～1.5a，發(fā)生風(fēng)險(xiǎn)的周期短、再現(xiàn)率高。年發(fā)生2次及以上的概率分布特征（圖4b）與發(fā)生1次及以上較為相似，但發(fā)生概率較高的區(qū)域面積有所縮小，超越概率值在0.67～1之間波動，基本上集中在柳州、蒙山、賀縣、連縣、韶關(guān)、連平、梅縣、漳州以北地區(qū)，概率相對較低的區(qū)域面積進(jìn)一步擴(kuò)大到廣西西南部、廣東中部廣大區(qū)域，而低概率區(qū)域面積相對保持穩(wěn)定。從年發(fā)生3次及以上的超越概率分布圖（圖4c）可見，除房縣、岳陽、寧國、南平等局部地區(qū)外，大部分區(qū)域發(fā)生3次及以上的概率都低于0.66，即每1.5～3a會發(fā)生3次及以上的小滿寒天氣過程，其中低概率區(qū)與圖4b低概率區(qū)略為相似。除低概率區(qū)面積略有擴(kuò)大外，年發(fā)生4次及以上的超越概率分布圖（圖4d）與年發(fā)生3次及以上的超越概率分布格局大致相同。由年發(fā)生5次及以上的超越概率分布圖（圖4e）可見，早稻小滿寒災(zāi)害低概率區(qū)主要集中在海南、廣東、廣西、贛南、湖南東南部、福建西南部、浙南、鄂北局部地區(qū)以及湖北與安徽的交界處，大致為3a以上遭遇一次5次及以上的小滿寒天氣過程。由圖4f?圖4h可見，對于年發(fā)生6次及以上，整個(gè)研究區(qū)基本呈現(xiàn)為低概率區(qū)，超越概率值集中在0～0.33，3a以上才會遇見一次年發(fā)生6次及以上的小滿寒災(zāi)害天氣過程。

圖3 景德鎮(zhèn)站點(diǎn)早稻小滿寒（a）及高溫?zé)岷Γ╞）的概率密度曲線（PDC）及超越概率密度曲線（TPDC）

分別統(tǒng)計(jì)不同風(fēng)險(xiǎn)水平下，重現(xiàn)期為1～2a、2～5a、5～10a和＞10a所影響的站點(diǎn)數(shù)，由表1可知，研究區(qū)有22個(gè)站點(diǎn)歷年從未發(fā)生過1次及以上或2次及以上小滿寒災(zāi)害天氣過程，整個(gè)南方雙季早稻小滿寒重現(xiàn)期全部集中在1～2a，即1～2a遭遇一次或兩次小滿寒天氣過程；有97個(gè)站點(diǎn)年發(fā)生3次及以上的重現(xiàn)期在1～2a，而其它24個(gè)站點(diǎn)遭遇3次以上小滿寒的重現(xiàn)期為2～5a一次；僅12個(gè)站點(diǎn)年發(fā)生4次及以上的重現(xiàn)期在1～2a，大多數(shù)站點(diǎn)在2～5a，其中一個(gè)站點(diǎn)重現(xiàn)期達(dá)到10a以上；僅6個(gè)站點(diǎn)年發(fā)生5次及以上的重現(xiàn)期為1～2a，即以上6個(gè)站點(diǎn)發(fā)生5次以上小滿寒災(zāi)害的再現(xiàn)周期為1～2a，而2～5a、5～10a的再現(xiàn)周期分別驟增到90、24個(gè)站點(diǎn)；當(dāng)年發(fā)生6次及以上?8次及以上時(shí)，1～2a重現(xiàn)期的站點(diǎn)個(gè)數(shù)相對較為穩(wěn)定，2～5a重現(xiàn)期的站點(diǎn)數(shù)逐漸減少，5～10a再現(xiàn)期的站點(diǎn)數(shù)先增加后減少，而＞10a的站點(diǎn)數(shù)逐漸增加，至少發(fā)生8次及以上的站點(diǎn)數(shù)已達(dá)到132個(gè)，各站點(diǎn)發(fā)生8次以上的小滿寒至少10a才出現(xiàn)一次。

圖4 各地雙季早稻發(fā)生不同次數(shù)（X）小滿寒災(zāi)害的概率

表1 不同發(fā)生次數(shù)下各重現(xiàn)期小滿寒影響的站點(diǎn)數(shù)目

2.4 雙季早稻高溫?zé)岷︼L(fēng)險(xiǎn)評估

南方雙季早稻高溫?zé)岷Σ煌L(fēng)險(xiǎn)水平下的風(fēng)險(xiǎn)概率分布如圖5所示。圖5a表明，高溫天氣對南方雙季早稻影響較大，在早稻生長發(fā)育過程中，幾乎每個(gè)省份均有可能遭受不同程度的高溫?zé)岷Γ蟛糠值貐^(qū)的超越風(fēng)險(xiǎn)概率值集中于0.68～1之間，1～1.47a一遇，廣西北部地區(qū)，廣東及福建東南部等地次之，為1.47～2.97a一遇，岳陽、寧國、波陽等局部地區(qū)是雙季早稻高溫?zé)岷ι侔l(fā)區(qū)，約3a以上發(fā)生一次高溫?zé)岷μ鞖膺^程。年發(fā)生2次及以上高溫?zé)岷Τ礁怕史植记闆r（圖5b）與發(fā)生2次及以上較為相似，但高概率區(qū)域面積顯著減小，主要集中在湖南東南部、江西西南部、江西與浙江交界處的玉山、金華一帶以及湖北巴東、宜昌、荊州附近，低概率區(qū)域面積變化不大。從年發(fā)生3次及以上高溫?zé)岷Τ礁怕史植迹▓D5c）可以看出，高溫?zé)岷Ω吒怕蕝^(qū)多集中在衡陽、遂川、吉安、樟樹一帶，雙季早稻大部分區(qū)域發(fā)生3次及以上的概率均低于0.66，為1.47～2.97a一遇，其中低概率區(qū)較圖5b下的低概率區(qū)面積有所增加。從圖5d可以看出，發(fā)生次數(shù)≥4次時(shí)，早稻高溫?zé)岷Πl(fā)生概率普遍較低，大部分地區(qū)概率值低于0.63。由圖5e可見，早稻高溫?zé)岷Φ透怕蕝^(qū)面積進(jìn)一步擴(kuò)大，發(fā)生5次及以上的高溫?zé)岷^程表現(xiàn)為中間概率高，四周概率低的特征。從圖5f?圖5h可見，整個(gè)研究區(qū)高溫?zé)岷Τ礁怕史植蓟鞠嗨?，高概率區(qū)主要分布在湖南東部、江西中部地區(qū)以及浙江西部一帶。

雙季早稻高溫?zé)岷Σ煌L(fēng)險(xiǎn)下各重現(xiàn)期所影響的站點(diǎn)數(shù)如表2所示。由表可見，除30個(gè)站點(diǎn)歷年均未發(fā)生1次及以上高溫?zé)岷μ鞖膺^程外，其它站點(diǎn)的再現(xiàn)周期均在1～2a之間，即1～2a發(fā)生一次；有16個(gè)站點(diǎn)年發(fā)生2次及以上高溫?zé)岷μ鞖?，重現(xiàn)周期變長，為2～5a；32個(gè)站點(diǎn)年發(fā)生3次及以上高溫?zé)岷μ鞖膺^程，重現(xiàn)期為1～2a，2～5a的重現(xiàn)期迅速增加到80個(gè)站點(diǎn)，其中一個(gè)站點(diǎn)的重現(xiàn)期超過10a；當(dāng)年發(fā)生4次及以上高溫?zé)岷μ鞖膺^程時(shí)，1～2a、2～5a、5～10a、＞10a所影響的站點(diǎn)數(shù)分別為17、75、18、33個(gè)；從表中X≥5至X≥8次的站點(diǎn)數(shù)據(jù)可以看出，低重現(xiàn)期的站點(diǎn)數(shù)逐漸減小，相應(yīng)的高重現(xiàn)期站點(diǎn)數(shù)逐漸增加，當(dāng)風(fēng)險(xiǎn)概率為8時(shí)，僅有一個(gè)站點(diǎn)年發(fā)生8次及以上的高溫?zé)岷?，重現(xiàn)期為1～2a，而＞10a的重現(xiàn)期近126個(gè)站點(diǎn)，多數(shù)站點(diǎn)發(fā)生8次及以上高溫?zé)岷赡苄约s10a以上一遇。

圖5 各地雙季早稻發(fā)生不同次數(shù)（X）高溫?zé)岷Φ母怕?/p>

表2 不同發(fā)生次數(shù)下各重現(xiàn)期高溫?zé)岷τ绊懙恼军c(diǎn)數(shù)目

（續(xù)表）

3 結(jié)論與討論

3.1 結(jié)論

（1）南方雙季稻種植區(qū)（安徽、浙江、江西、湖北、湖南、福建、廣西、廣東、海南島等地）1960?2012年早稻小滿寒和高溫?zé)岷δ昶骄l(fā)生次數(shù)空間分布差異較大，小滿寒災(zāi)害從南到北大致呈現(xiàn)明顯遞減的帶狀分布特征，其中以湖北巴東、房縣、老河口以北，安徽壽縣、蚌埠、滁州以北，浙江杭州、嵊縣以東地區(qū)年平均發(fā)生次數(shù)最多，而南部地區(qū)大多每年平均發(fā)生＜1次。早稻高溫?zé)岷δ昶骄l(fā)生次數(shù)呈現(xiàn)由長江中下游中部向四周逐漸減少的趨勢，高值區(qū)主要分布在湖南衡陽、雙峰、郴州一帶，江西大部分地區(qū)以及浙江金華、衢州、麗水附近，湖北甲魚、武漢、黃石以及安徽安慶部分地區(qū)，低值區(qū)主要位于海南、廣西中西部廣大區(qū)域以及廣東南部一帶。

（2）南方早稻種植區(qū)發(fā)生小滿寒災(zāi)害1次及以上的概率總體上南部地區(qū)小于北部，而概率值在0.68～1.00之間的高概率區(qū)分布范圍最廣，重現(xiàn)期為1～1.5a，發(fā)生風(fēng)險(xiǎn)的周期較短，再現(xiàn)率相對較高。隨著年發(fā)生次數(shù)的逐漸增加，高發(fā)生概率區(qū)所影響的范圍逐漸減小，低概率區(qū)所占面積相應(yīng)擴(kuò)大。風(fēng)險(xiǎn)概率水平越高，低重現(xiàn)期影響的站點(diǎn)數(shù)越少，受高重現(xiàn)期影響的站點(diǎn)數(shù)越多。

（3）在南方雙季早稻生長發(fā)育過程中，發(fā)生1次及以上高溫?zé)岷Ω吒怕蕝^(qū)影響范圍廣，幾乎每個(gè)省份均有可能遭受不同程度的高溫?zé)岷μ鞖膺^程，廣西北部地區(qū)，廣東及福建東南部等地1.47～2.97a發(fā)生一次高溫?zé)岷μ鞖膺^程，而岳陽、寧國、波陽等地持續(xù)3a以上才發(fā)生一次高溫?zé)岷μ鞖膺^程。隨著年發(fā)生次數(shù)的逐漸增加，其高概率區(qū)所影響的范圍呈減小的趨勢，低概率區(qū)受影響的面積逐步擴(kuò)大，發(fā)生8次及以上全研究區(qū)表現(xiàn)為發(fā)生概率較低。

3.2 討論

江西水稻小滿寒災(zāi)害年平均發(fā)生0～4次，高值區(qū)主要分布在江西東北部和西北部局部地區(qū)，本研究結(jié)果與白光志等[13]得出的結(jié)論較為一致，但高溫?zé)岷臻g分布存在一定的差異，這可能是由于本研究以高溫?zé)岷Πl(fā)生過程為單位統(tǒng)計(jì)導(dǎo)致的。從雙季早稻高溫?zé)岷δ昶骄l(fā)生次數(shù)分布圖可以看出，南方高溫?zé)岷Πl(fā)生總體呈現(xiàn)中間高四周低的特點(diǎn)，高值區(qū)主要分布在江西、浙江西部、皖南南部、湖北和湖南東部地區(qū)，這與郭建茂等[17]對兩湖地區(qū)高溫?zé)岷Ψ植嫉难芯拷Y(jié)果較為相似，主要是由于這些地區(qū)在7?8月長期受副熱帶高壓控制而出現(xiàn)持續(xù)高溫天氣過程，而這段時(shí)間剛好處于江西及周邊附近各省雙季早稻抽穗開花期。因此，在雙季早稻實(shí)際生產(chǎn)中，可以將本研究結(jié)果作為參考，適當(dāng)優(yōu)化雙季稻種植布局，調(diào)整最佳播期，加強(qiáng)熟性搭配[18]，改善稻田微氣象條件[19]，以抵御高溫?zé)岷﹄p季早稻產(chǎn)量品質(zhì)造成的影響。

本研究根據(jù)雙季早稻生長過程中的主要?dú)庀鬄?zāi)害，利用前人的研究結(jié)果直接計(jì)算各站點(diǎn)災(zāi)害發(fā)生次數(shù)序列值，采用信息擴(kuò)散理論對小樣本站點(diǎn)數(shù)據(jù)資料進(jìn)行風(fēng)險(xiǎn)評估，避免了樣本數(shù)據(jù)資料有限造成的誤差，在早稻實(shí)際防災(zāi)減災(zāi)工作中有一定的參考價(jià)值和應(yīng)用價(jià)值，也為農(nóng)作物氣象災(zāi)害風(fēng)險(xiǎn)評估提供了新方法和新思路。但是，由于本研究是應(yīng)用前人研究的小滿寒及高溫?zé)岷εR界氣象指標(biāo)，對于具體的早稻品種，其抗寒、抗高溫差異較大，因此，今后應(yīng)進(jìn)一步進(jìn)行人工控制實(shí)驗(yàn)，針對特定品種，系統(tǒng)研究早稻小滿寒及高溫?zé)岷χ聻?zāi)機(jī)理，找出致災(zāi)臨界氣象指標(biāo)。同時(shí)，由于氣象觀測站點(diǎn)與雙季早稻種植區(qū)有一定距離，對研究結(jié)果也會造成一定偏差，以后的研究中還需進(jìn)一步完善。

[1]Lou W P,Wu L H,Chen H Y,et al.Assessment of rice yield loss due to torrential rain:a case study of Yuhang County, Zhejiang Province,China[J].Natural Hazards,2012,60:311-320.

[2]Hao L,Zhang X,Liu S.Risk assessment to China’s agricultural drought disaster in county unit[J].Nat Hazards,2012,61: 785-801.

[3]Ishimaru K,Togawa E,Ookawa T.New target for rice lodging resistance and its effect in a typhoon[J].Planta,2008,227(3): 601-609.

[4]Marletto V,Ventura F,Fontana G,et al.Wheat growth simulation and yield prediction with seasonal forecasts and a numerical model[J].Agricultural and Forest Meteorology, 2007,147(1-2):71-79.

[5]羅培.基于GIS的重慶市干旱災(zāi)害風(fēng)險(xiǎn)評估與區(qū)劃[J].中國農(nóng)業(yè)氣象,2007,28(1):100-104.

Luo P.Risk assessment and division of drought hazard based on GIS in Chongqing city[J].Chinese Journal of Agrometeorology, 2007,28(1):100-104.(in Chinese)

[6]陳思寧,申雙和,劉敏,等.湖北省茶樹氣象災(zāi)害模糊綜合評價(jià)及區(qū)劃[J].農(nóng)業(yè)工程學(xué)報(bào),2010,26(12):298-303.

Chen S N,Shen S H,Liu M,et al.Fuzzy synthetical evaluation of meteorological disasters to(L.O.Ktze) and its regionalization in Hubei Province[J].Transactions of the CSAE,2010,26(12):298-303.(in Chinese)

[7]耿立清,王嘉宇,陳溫福.孕穗-灌漿期低溫對水稻穗部性狀的影響[J].華北農(nóng)學(xué)報(bào),2009,24(3):107-111.

Geng L Q,Wang J Y,Chen W F.Effect of low temperature on panicle characters of rice during booting and grain filling period[J].Acta Agriculturae Boreali-Sinica,2009,24(3):107-111. (in Chinese)

[8]孫擎,楊再強(qiáng),高麗娜,等.低溫對早稻幼穗分化期葉片生理特性的影響及其與產(chǎn)量的關(guān)系[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào),2014, 22(11):1326-1333.

Sun Q,Yang Z Q,Gao L N,et al.Effect of low temperature stress on physiological characteristics of flag leaf and its relationship with grain yield during panicle primordium differentiation stage of early rice[J].Chinese Journal of Eco-Agriculture,2014,22(11):1326-1333.

[9]魏麗.“高溫逼熟”和“小滿寒”對江西省早稻產(chǎn)量的影響[J].氣象,1991,17(10):47-49.

Wei L.Influences of high-temperature forced maturity and grain buds cold on yield of early rice in Jiangxi province [J].Meteorological Monthly,1991,17(10):47-49.(in Chinese)

[10]曾凱,居為民,周玉,等.高溫逼熟等級對早稻品質(zhì)與產(chǎn)量特征的影響[J].中國農(nóng)學(xué)通報(bào),2011,27(30):120-125.

Zeng K,Ju W M,Zhou Y,et al.Influences of high temperature induced maturity on the quality and yield characteristics of early rice[J].Chinese Agricultural Science Bulletin,2011, 27(30):120-125.(in Chinese)

[11]李靜,王術(shù),王伯倫,等.不同水稻品種灌漿特性研究[J].農(nóng)業(yè)現(xiàn)代化研究,2008,29(4):490-493.

Li J,Wang S,Wang B L,et al.On grain filling properties of different rice cultivars[J].Research of Agricultural Modernization, 2008,29(4):490-493.(in Chinese)

[12]楊曉春,林瑞坤,吳振海.水稻高溫?zé)岷Φ难芯窟M(jìn)展[J].福建農(nóng)業(yè)科技,2006,(2):68-69.

Yang X C,Lin R K,Wu Z H.The research progress of rice hot disaster of high temperature[J].Fujian Agricultural Science and Technology,2006,(2):68-69.(in Chinese)

[13]白光志,孔萍,余焰文,等.江西省雙季稻氣象災(zāi)害風(fēng)險(xiǎn)評估研究[J].氣象與減災(zāi)研究,2014,37(4):50-55.

Bai G Z,Kong P,Yu Y W,et al.Study on the meteorological risk assessment of double cropping rice in Jiangxi province [J].Meteorology and Disaster Reduction Research,2014,37 (4):50-55.(in Chinese)

[14]金志鳳,楊太明,李仁忠,等.浙江省高溫?zé)岷Πl(fā)生規(guī)律及其對早稻產(chǎn)量的影響[J].中國農(nóng)業(yè)氣象,2009,30(4):628-631.

Jin Z F,Yang T M,Li R Z,et al.High temperature induced heat damage and its impacts on early rice yields in Zhejiang province[J].Chinese Journal of Agrometeorology,2009, 30(4):628-631.(in Chinese)

[15]黃崇福.自然災(zāi)害風(fēng)險(xiǎn)評價(jià)理論與實(shí)踐[M].北京:科學(xué)出報(bào)社,2005.

Huang C F.Theory and practice of natural disaster risk assessment [M].Beijing:Science Press,2005.(in Chinese)

[16]Hao L,Zhang X,Shu Z.Risk assessment model to natural disaster in county unit based on information diffusion technology [J].Adv Mat Res,2010,225-226:839-842.

[17]郭建茂,白瑪仁增,梁衛(wèi)敏,等.兩湖地區(qū)水稻抽穗開花期高溫?zé)岷r(shí)空分布[J].中國農(nóng)業(yè)氣象,2019,40(1):51-61.

Guo J M,Pema R Z,Liang W M,et al.Temporal and spatial distribution of heat damage during heading and flowering stage of rice in Hubei and Hunan province [J].Chinese Journal of Agrometeorology,2019,40(1):51-61.(in Chinese)

[18]杜堯東,沈平,王華,等.氣候變化對廣東省雙季稻種植氣候區(qū)劃的影響[J].應(yīng)用生態(tài)學(xué)報(bào),2018,29(12):4013-4021.

Du Y D,Sheng P,Wang H,et al.Impacts of climate change on climatic division for double cropping rice in Guangdong Province[J].Chinese Journal of Applied Ecology,2018,29 (12):4013-4021.(in Chinese)

[19]江曉東,華夢飛,胡凝,等.不同水源灌溉對水稻高溫?zé)岷τ绊懙奈庀髮W(xué)分析[J].中國農(nóng)業(yè)氣象,2019,40(4):260-268.

Jiang X D,Hua M F,Hu N,et al.Micrometeorological analysis of the effects of different irrigation water sources on the heat stress of rice[J].Chinese Journal of Agrometeorology,2019, 40(4):260-268.(in Chinese)

Risk Assessment for Meteorological Disasters of Early Rice in the Southern Double- Season Region Based on Information Diffusion Theory

WANG Xue-lin1, HUANG Qin-qin2, LIU Jun1

(1.Hefei Meteorology Bureau of Anhui Province, Hefei 230000, China; 2.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044)

Grain buds cold and hightemperaturedamage are the most important agro-meteorological disasters affecting growth-development and yield formation of early rice in southern China.In order to improve the forecasting ability of double-season early rice meteorological disasters, in this paper, based on critical meteorological indicators related to grain buds cold and high temperature damage of previous studies, conventional meteorological observation data was used coming from 142 basic stations of double-season rice regions from 1960 to 2012, the occurrence for grain buds cold and high temperature damage was analyzed. Using information diffusion theory, conducted a refined risk assessment for different stations of early rice planting area. The results showed that, (1)annual mean numbers for early rice grain buds cold and high temperature damage distributed significant difference, and annual mean numbers for early rice grain buds cold basically showed progressively increasing from south to north, showing obvious zonal distribution. However, prone areas of high temperature damage mainly located in Hengyang, Shuangfeng, Binzhou areas of Hunan Province, and most parts in Jiangxi of Province areas, and Jinhua, Quzhou, Lishui of Zhejiang Province, and Jiayu, Wuhan, Huangshi Hubei Province, and some areas of Anqing in Anhui Province.(2)The spatial distribution characteristics of transcend probability value occurred in least one time and above for grain buds cold and high temperature damage were similar, and most areas showed significant high probability areas, as well as shorter return period and higher reproduction rate. The low probability zone of transcend probability value for grain buds cold and high temperature damage decreased as the number of years of occurrence increases.(3)With the significant increase in the number of occurrences, the station numbers of short return period for grain buds cold and high temperature damage of early rice reduced and station numbers of longer return period corresponding increased.

Early rice；Grain buds cold；High temperature damage；Risk assessment; Information diffusion theory

10.3969/j.issn.1000-6362.2019.11.005

王學(xué)林,黃琴琴,柳軍.基于信息擴(kuò)散理論的南方雙季早稻氣象災(zāi)害風(fēng)險(xiǎn)評估[J].中國農(nóng)業(yè)氣象,2019,40(11):712-722

2019?03?13

安徽省氣象局碩博士工作啟動經(jīng)費(fèi)項(xiàng)目“巢湖流域水稻澇害風(fēng)險(xiǎn)評估”（RC201707）

王學(xué)林（1987?），碩士，工程師，主要從事農(nóng)業(yè)氣象災(zāi)害研究。E-mail：912856253@qq.com