基于模糊粗糙集模型的農(nóng)業(yè)旱災(zāi)風險評估
——以河套灌區(qū)為例

龔 娟，何柳月，王素芬

(中國農(nóng)業(yè)大學 水利與土木工程學院，北京 100083)

干旱災(zāi)害具有頻率高、時效長、范圍廣等特點，是我國人類歷史上造成國民經(jīng)濟損失最多的自然災(zāi)害之一[1]。在如今全球氣候變暖的影響下，我國南方濕潤地區(qū)的極端干旱事件明顯增加，一直處于干旱與半干旱區(qū)的北方地區(qū)旱情日益嚴重。在干旱災(zāi)害給社會經(jīng)濟造成的損失中農(nóng)業(yè)損失更為嚴重，大規(guī)模的農(nóng)業(yè)旱災(zāi)不僅會引起人類饑餓、土地荒蕪、河流干涸，甚至有可能造成社會動蕩[2]。因此，及時準確地評估區(qū)域農(nóng)業(yè)干旱災(zāi)害風險，既可以指導農(nóng)業(yè)生產(chǎn)實踐，還有利于提高區(qū)域抗旱減災(zāi)能力。

全球?qū)r(nóng)業(yè)干旱災(zāi)害的研究起源于19世紀末期，但關(guān)于農(nóng)業(yè)干旱災(zāi)害風險的研究卻是近50多年才興起的。迄今為止，農(nóng)業(yè)干旱災(zāi)害風險的研究理論及方法仍較為薄弱，且尚未形成完整統(tǒng)一的評估體系[3-4]。目前國內(nèi)外研究者對農(nóng)業(yè)干旱災(zāi)害風險的研究主要可分為以下4類[3-5]：①基于氣象要素和土壤水分要素等提出的干旱指數(shù)(如降水距平百分率(Pa)、Palmer干旱指數(shù)(Palmer drought severity index，PDSI)、相對濕潤度指數(shù)(Moisture index，MI)、標準化降水指數(shù)(Standardized precipitation index，SPI)和標準化降水蒸散指數(shù)(Standardized precipitation evapotranspiration index，SPEI)等)劃分農(nóng)業(yè)干旱災(zāi)害等級，監(jiān)測農(nóng)業(yè)旱災(zāi)時空變化情況[6-9]。此類研究已有成果較多，所需資料較易獲取，計算程序一般是開源的，但大多數(shù)指標只能反映干旱的自然屬性，沒有考慮到其社會經(jīng)濟屬性；②基于區(qū)域自然災(zāi)害理論，考慮致災(zāi)因子和孕災(zāi)環(huán)境危險性、承災(zāi)體暴露性、承災(zāi)體脆弱性和防災(zāi)減災(zāi)能力4個風險要素選取適宜的評價指標來評估區(qū)域農(nóng)業(yè)干旱災(zāi)害風險[10-12]。此類研究方法較成熟，但在篩選評價指標、確定指標權(quán)重和構(gòu)建評價模型等方面不可避免地受決策者主觀意識影響；③基于歷史災(zāi)情資料，利用旱災(zāi)損失率評估農(nóng)業(yè)干旱災(zāi)害損失風險[13]。此類研究客觀性強、方法簡單、評價結(jié)果形象直觀，但十分依賴歷史旱災(zāi)損失數(shù)據(jù)，且要求數(shù)據(jù)資料序列長、精度高；④基于農(nóng)業(yè)旱災(zāi)物理成因的情景模擬法，從農(nóng)業(yè)旱災(zāi)風險系統(tǒng)中各影響因素的相互作用和其造成損失的物理成因機制角度出發(fā)，評估不同時空尺度下區(qū)域農(nóng)業(yè)干旱災(zāi)害風險[14]。此類研究成果較少，干旱事件中的不確定性因素和變化特征難以描述，不同情景下的損失過程復(fù)雜且難以模擬，精度無法保證。但該方法能從農(nóng)業(yè)干旱災(zāi)害物理成因角度分析和比較不同時空尺度下旱災(zāi)風險的絕對大小，且在不同情景模式下能模擬出發(fā)生干旱到旱情發(fā)展的整個變化過程，是當前主要的發(fā)展方向?，F(xiàn)今，大多數(shù)研究只采用其中一類研究方法[13,15-16]，其中考慮農(nóng)業(yè)旱災(zāi)社會屬性的研究大多僅評估區(qū)域某一特定年份的風險，而將多種方法相結(jié)合分析區(qū)域農(nóng)業(yè)干旱災(zāi)害風險年際間變化特征的研究較少。

第二類研究在確定評價指標權(quán)重方面，常采用主成分分析法、層次分析法(AHP)、加權(quán)綜合評價法、模糊綜合評價法、模糊集對評價法、人工神經(jīng)網(wǎng)絡(luò)法等[17-20]。這些研究方法具有較大的主觀性或多依賴于統(tǒng)計方法，使得計算過程復(fù)雜，研究結(jié)果不夠客觀，且沒有考慮到農(nóng)業(yè)干旱災(zāi)害風險的不確定性特征、所獲數(shù)據(jù)的不完整性和各因素導致災(zāi)害形成機理的模糊性。而粗糙集能充分考慮數(shù)據(jù)之間的不確定性關(guān)系，避免不完備信息帶來的影響，不需要提供原始數(shù)據(jù)以外的任何先驗知識，降低了人為主觀因素的影響。但其只適合處理離散型數(shù)據(jù)，在處理連續(xù)型數(shù)據(jù)時會造成部分連續(xù)型數(shù)據(jù)屬性信息缺失。故為保證歷史數(shù)據(jù)的連續(xù)性，考慮農(nóng)業(yè)干旱災(zāi)害風險評價等級的模糊性，將粗糙集中的經(jīng)典目標集合推廣到模糊集合，上下區(qū)間拓展到模糊區(qū)間，等價關(guān)系擴展為模糊關(guān)系，建立模糊粗糙集模型[21]。本文基于農(nóng)業(yè)干旱災(zāi)害風險的不確定性特征和評價等級的模糊性，運用模糊粗糙集模型，同時結(jié)合SPEI評估河套灌區(qū)2003-2017年間農(nóng)業(yè)干旱災(zāi)害風險的時空變化特征，通過與層次分析法得到的評價結(jié)果比較，并結(jié)合農(nóng)業(yè)生產(chǎn)實際討論了模糊粗糙集模型應(yīng)用于該領(lǐng)域的可行性。

1 研究區(qū)域

河套灌區(qū)位于黃河中游內(nèi)蒙古自治區(qū)西部的巴彥淖爾盟，包括磴口縣、臨河區(qū)、杭錦后旗、五原縣和烏拉特前旗五個區(qū)縣，是我國重要的商品糧油生產(chǎn)基地。在我國灌溉區(qū)中河套灌區(qū)設(shè)計灌溉面積最大，灌溉水引自黃河流域，灌溉面積達116.2萬公頃。灌區(qū)位于西北半干旱地區(qū)，屬于大陸性季風氣候，冬季漫長且干燥寒冷，夏季短而舒適。灌區(qū)多年平均降水量不足200 mm，多年平均蒸發(fā)量達1 500～2 000 mm，年際間降水變化幅度較大，年內(nèi)降水較為集中，7-9月份降水最充沛，約占全年降水量的70%。該地區(qū)農(nóng)業(yè)灌溉用水量占地區(qū)總利用水量的90%以上，農(nóng)業(yè)生產(chǎn)和農(nóng)業(yè)生態(tài)環(huán)境受引黃水量變化影響較大，是個缺少灌溉就沒有農(nóng)業(yè)的地區(qū)。

2 研究方法

2.1 農(nóng)業(yè)干旱災(zāi)害風險評價指標體系

區(qū)域自然災(zāi)害理論[22]認為自然災(zāi)害系統(tǒng)由致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體三者構(gòu)成，反映了農(nóng)業(yè)干旱災(zāi)害的產(chǎn)生原因、外部環(huán)境及作用客體。本文從致災(zāi)因子與孕災(zāi)環(huán)境危險性、承災(zāi)體暴露性、承災(zāi)體脆弱性以及防災(zāi)減災(zāi)能力四個角度構(gòu)建農(nóng)業(yè)干旱災(zāi)害風險評價指標體系[23]。

(1)危險性

危險性反映了區(qū)域發(fā)生干旱災(zāi)害的可能性大小，主要指自然環(huán)境因素。本文選擇干旱強度、土壤相對濕度和單位面積水資源量作為農(nóng)業(yè)干旱災(zāi)害危險性評價指標。標準化降水蒸散指數(shù)[24](SPEI)既能反映研究區(qū)的降水和蒸發(fā)蒸騰量，又能體現(xiàn)干旱發(fā)生的時間和大小，常被用來表征區(qū)域干旱強度，具體計算方法見文獻[9]。土壤相對濕度即土壤含水量與田間持水量之比，能綜合反映土壤含水情況及地表水文過程。單位面積水資源量能體現(xiàn)當?shù)厮Y源的豐富程度。

(2)暴露性

暴露性著重體現(xiàn)了承災(zāi)體的社會屬性。農(nóng)業(yè)人口比例、耕地率和復(fù)種指數(shù)被選作暴露性評價指標。農(nóng)業(yè)人口比例反映了區(qū)域?qū)r(nóng)業(yè)生產(chǎn)的依賴程度。耕地率和復(fù)種指數(shù)(農(nóng)作物總播種面積與耕地總面積之比)體現(xiàn)區(qū)域農(nóng)作物耕種情況，反映了當?shù)剞r(nóng)業(yè)生產(chǎn)規(guī)模。

(3)脆弱性

脆弱性表征承災(zāi)體遭受干旱災(zāi)害破壞的性能，強調(diào)了農(nóng)業(yè)生產(chǎn)的自然屬性。本文選用農(nóng)業(yè)生產(chǎn)總值比例、單位面積糧食產(chǎn)量和萬元GDP用水量作為脆弱性評價指標。農(nóng)業(yè)生產(chǎn)總值比例(農(nóng)業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值的比例)和單位面積糧食產(chǎn)量體現(xiàn)了地區(qū)農(nóng)業(yè)生產(chǎn)水平。萬元GDP用水量能反映區(qū)域產(chǎn)業(yè)結(jié)構(gòu)用水效率是否合理。

(4)防災(zāi)減災(zāi)能力

防災(zāi)減災(zāi)能力表示人類活動對干旱災(zāi)害的預(yù)防和應(yīng)對能力。本文選用人均GDP、水資源開發(fā)利用率和有效灌溉率作為防災(zāi)減災(zāi)能力評價指標。人均GDP可反映當?shù)厝罕娛杖胨?。水資源開發(fā)利用率和有效灌溉率體現(xiàn)了當?shù)毓喔人胶退こ淘O(shè)備普及情況。

本文涉及的降水量、潛在蒸散量、土壤相對濕度數(shù)據(jù)來源于NASA數(shù)據(jù)平臺的饑荒預(yù)警系統(tǒng)網(wǎng)絡(luò)(FFWS NET)土地數(shù)據(jù)同化系統(tǒng)(FLDAS)，1990-2019年月尺度0.1°×0.1°的柵格數(shù)據(jù)集；社會經(jīng)濟等基礎(chǔ)數(shù)據(jù)均來源于2003-2017年《巴彥淖爾盟統(tǒng)計年鑒》，主要包括農(nóng)業(yè)人口數(shù)量、耕地面積、農(nóng)作物播種面積、農(nóng)業(yè)生產(chǎn)總值、地區(qū)生產(chǎn)總值、糧食產(chǎn)量、有效灌溉面積等。區(qū)域用水量、區(qū)域水資源總量來源于2003-2017年《巴彥淖爾盟水資源公報》。

2.2 模糊粗糙集模型

因農(nóng)業(yè)干旱災(zāi)害風險結(jié)果無法準確描述，即決策屬性未知。在評估農(nóng)業(yè)干旱災(zāi)害風險時，模糊粗糙集模型可以通過計算條件屬性(評價指標)對決策屬性(風險結(jié)果)的重要程度，從各條件屬性之間的相關(guān)關(guān)系出發(fā)解決權(quán)重分配問題。以2010年為例，各評價指標權(quán)重的具體計算步驟[25]如下：

(1)首先將所有評價指標值歸一化到[0.5-1]區(qū)間內(nèi)[26]，以消除各數(shù)據(jù)在范圍和量綱上引起的誤差，同時避免數(shù)據(jù)出現(xiàn)零值。然后通過ArcGIS將所有歸一化后的評價指標值轉(zhuǎn)換為空間分辨率為0.1°×0.1°的柵格圖層(共147個柵格)，各柵格對應(yīng)的評價指標值構(gòu)成農(nóng)業(yè)干旱災(zāi)害風險分類決策信息表(表1給出了部分柵格的決策信息)。決策信息表中的對象集X={x1,x2,…,xn}(n=147)，條件屬性ci(i=1,2,…,m)(m=12)，構(gòu)成原始數(shù)據(jù)矩陣A。

(1)

(2)按模糊集理論[27]對決策信息表中的條件屬性值進行分類，得出原始數(shù)據(jù)矩陣A的分類結(jié)果Y。

Y={Y1,Y2,…,YS}.

(2)

Ys表示s類別中條件屬性值的等價集。部分條件屬性值的分類結(jié)果見表2。

表2 部分條件屬性值的分類結(jié)果Table 2 The classification results of partial conditional attributes

(3)刪除某條件屬性ci(i=1,2,…,m)后，剩余條件屬性值構(gòu)成新的數(shù)據(jù)矩陣，同(2)對該矩陣進行分類，得到各剩余條件屬性的分類結(jié)果Ei。依次刪除條件屬性ci(i=1,2,…,m)，得到分類集E。

E={E1,E2,…,Em}.

(3)

(4)利用模糊粗糙集模型的相關(guān)定義，求解各條件屬性ci對決策屬性D的重要程度。首先求取決策屬性等價集的下近似集的并集：

(4)

式中，1≤s≤S，且由條件屬性C-{ci}確定的分類等價集為Ei。

再計算屬性C-{ci}對D的依賴程度γ(C-{ci},D)，然后得到條件屬性ci的重要程度SGF(ci,C,D)。

(5)

SGF(ci,C,D)=γ(C,D)-γ(C-{ci},D).

(6)

(7)

(5)根據(jù)各條件屬性ci對決策屬性D的重要程度，采用歸一化處理方法(公式7)得到各評價指標的分配權(quán)重，各風險要素的權(quán)重為其所包含的各個評價指標權(quán)重之和。表3給出了各評價指標的重要程度和權(quán)重結(jié)果。

表3 農(nóng)業(yè)干旱災(zāi)害風險評價指標的重要程度和權(quán)重(模糊粗糙集模型)Table3 Importance and weights of agricultural drought risk assessment index by fuzzy rough set model

2.3 層次分析法

層次分析法[28](Analytic Hierarchy Process，AHP)以決策者主觀思維判斷為主構(gòu)造判斷矩陣求取指標權(quán)重?？紤]到各評價指標相對于不同風險要素的重要程度判斷規(guī)則不同，先計算單個風險要素評價指標的權(quán)重，再得到各評價指標相對于目標層(農(nóng)業(yè)干旱災(zāi)害風險)的最終權(quán)重值。以危險性指標權(quán)重計算為例，具體實施步驟如下：

(1)建立層次結(jié)構(gòu)模型。根據(jù)農(nóng)業(yè)干旱災(zāi)害風險評價指標體系中各指標間的相互影響關(guān)系，建立一個由目標層(農(nóng)業(yè)干旱災(zāi)害風險)、準則層(危險性)和指標層(危險性評價指標)構(gòu)成的遞階層次模型。

(2)構(gòu)造判斷矩陣。參考專家意見和相關(guān)文獻成果[1,19,23,29-30]，采用1-9標度為危險性評價指標兩兩對比打分，構(gòu)成判斷矩陣B，如表4所示。

表4 危險性(H)指標判斷矩陣Table 4 Judgment matrix of hazard (H) indicator

(3)層次單排序。根據(jù)公式(8)計算判斷矩陣B的最大特征值λmax和特征向量ω，得到指標層與上一層相對重要程度的量化數(shù)值排列，從而獲得最優(yōu)的決策方案。

Bω=λmax.

(8)

(4)一致性檢驗。計算判斷矩陣B的一致性比率CR，若CR<0.1，則認為判斷矩陣B具有較滿意的一致性。否則需要重新構(gòu)造判斷矩陣，直到其一致性滿足要求為止。

(9)

(10)

(11)

表5 危險性(H)分項指標權(quán)重Table 5 Weights of hazard (H) sub-indicators

(5)由公式(12)得到各評價指標相對于目標層的最終權(quán)重值ωqi。同理，由步驟(1)-(4)計算4個風險要素所對應(yīng)的權(quán)重，最后得到農(nóng)業(yè)干旱災(zāi)害風險評價指標的權(quán)重結(jié)果見表6。

(12)

2.4 旱災(zāi)風險評估模型的構(gòu)建

根據(jù)聯(lián)合國人道主義事務(wù)部給出的風險定義[31]，采用農(nóng)業(yè)干旱災(zāi)害風險指數(shù)(Agricultural Drought Risk Index，ADRI)來量化農(nóng)業(yè)旱災(zāi)風險，評估模型如下：

(13)

式中，PH,PE,PV,PR分別指農(nóng)業(yè)干旱災(zāi)害危險性、暴露性、脆弱性和防災(zāi)減災(zāi)能力四個子系統(tǒng)量化值；wH、wE、wV、wR分別指4個系統(tǒng)各自對應(yīng)的權(quán)重系數(shù)。

(14)

式中，Pj代表第j子系統(tǒng)的量化值，j為系統(tǒng)H、E、V、R；xij為j子系統(tǒng)中n個評價指標中i指標的歸一化屬性值，wij為該評價指標的權(quán)重值。

3 結(jié)果分析

3.1 時間變化特征

基于區(qū)域自然災(zāi)害理論和模糊粗糙集模型評估河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風險，得到2003-2017年間內(nèi)蒙古河套灌區(qū)5個區(qū)縣的4個風險要素的變化情況，分別如圖1(a)，1(b)，1(c)和1(d)所示。由圖1(a)可知，烏拉特前旗和磴口縣由于單位面積水資源量最少造成兩地的危險性遠高于臨河區(qū)、五原縣和杭錦后旗。研究區(qū)的整體危險性水平在2003-2017年間稍有下降，但烏拉特前旗和磴口縣的危險性水平年際間波動幅度較大，臨河區(qū)、五原縣和杭錦后旗相對平穩(wěn)。

圖1(b)顯示，2003-2008年間，各區(qū)縣暴露性變化較為平穩(wěn)，五原縣和杭錦后旗的暴露性明顯高于烏拉特前旗和臨河區(qū)，遠高于磴口縣。2009-2011年間，各區(qū)縣暴露性波動明顯，磴口縣由于農(nóng)業(yè)人口比例大幅增加以及復(fù)種指數(shù)的上升導致暴露性急劇增加，臨河區(qū)的暴露性也因為復(fù)種指數(shù)的增加而增加。2011-2014年間，各區(qū)縣的暴露性較穩(wěn)定，杭錦后旗由于農(nóng)業(yè)人口比例、耕地率和復(fù)種指數(shù)都最高導致暴露性指數(shù)遠高于其他4個區(qū)縣?？偟膩碚f，在研究年限內(nèi)，各區(qū)縣暴露性波動較大，暴露性原本最低的磴口縣增加明顯，臨河區(qū)和烏拉特前旗略有增加，五原縣和杭錦后旗增加不明顯。除此以外，各區(qū)縣的暴露性水平之間的差距也隨著時間的變化逐漸縮小。

圖1(c)表明，2003-2007年間，磴口縣和五原縣的脆弱性明顯高于另外3個區(qū)縣，五原縣的脆弱性水平波動較大。2007-2011年間，磴口縣的脆弱性依然最高，五原縣脆弱性略有下降。臨河區(qū)、烏拉特前旗和杭錦后旗因農(nóng)業(yè)生產(chǎn)總值比例減小以及萬元GDP用水量增加導致脆弱性水平明顯提升。2012-2017年間，各區(qū)縣之間的脆弱性波動顯著，后期均呈下降趨勢，且差距也隨時間的變化逐漸縮小。杭錦后旗和五原縣的脆弱性先大幅上升并于2015年超過磴口縣后逐漸降低。烏拉特前旗的脆弱性水平起初驟降后略有回升但仍低于前期水平。

從圖1(d)可看出，在研究期間，各區(qū)縣前期的防災(zāi)減災(zāi)能力變化較為平穩(wěn)，差距較小。磴口縣和五原縣后期防災(zāi)減災(zāi)能力劇烈波動，因有效灌溉率下降導致防災(zāi)減災(zāi)能力大幅降低，并分別于2011年和2012年達到最低水平，此后明顯回升?？偟膩碚f，臨河區(qū)和杭錦后旗的防災(zāi)減災(zāi)能力一直很高，烏拉特前旗變化較為平穩(wěn)，磴口縣和五原縣防災(zāi)減災(zāi)能力波動最大，灌區(qū)整體防災(zāi)減災(zāi)能力呈下降趨勢。

圖1 農(nóng)業(yè)干旱災(zāi)害風險要素時間變化圖Fig.1 Time variation diagram of agricultural drought risk factors

綜合危險性、暴露性、脆弱性和防災(zāi)減災(zāi)能力四個風險要素，由公式(13)得到河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風險如圖1(e)所示。由圖可知，在研究年限內(nèi)，臨河區(qū)和杭錦后旗的農(nóng)業(yè)干旱災(zāi)害風險變化較為平穩(wěn)，兩條風險時間變化曲線的相關(guān)系數(shù)為0.887，表明兩地風險值相近，變化趨勢大致相同。磴口縣和五原縣的風險前期無明顯波動，中期由于暴露性增加，防災(zāi)減災(zāi)能力減弱，分別于2011和2012年達到峰值，后期風險水平也相對較高。烏拉特前旗風險值標準差為0.144，低于其余各區(qū)縣，說明其風險變化幅度最小。河套灌區(qū)整體危險性與脆弱性變化趨勢相反，但防災(zāi)減災(zāi)能力卻持續(xù)降低，導致農(nóng)業(yè)干旱災(zāi)害風險呈上升趨勢。

3.2 空間變化特征

根據(jù)風險圖制作要求[32]和自然斷點分級法[26]，本文將河套灌區(qū)2003-2017年的農(nóng)業(yè)干旱災(zāi)害風險指數(shù)平均值劃分為高、中、低3個等級，得到農(nóng)業(yè)干旱災(zāi)害風險空間分布圖。如圖2所示，臨河區(qū)和杭錦后旗處于低風險區(qū)，磴口縣和烏拉特前旗處于中風險區(qū)，五原縣風險等級最高。

圖2 農(nóng)業(yè)干旱災(zāi)害風險空間分布特征Fig.2 Spatial distribution characteristics of agricultural drought risk

危險性方面，考慮河套灌區(qū)西南高而東北低的地形特征，土壤鹽分從高地向低地運移，導致五原縣和烏拉特前旗土壤蒸發(fā)量大、鹽分累積量高、持水能力差，且烏拉特前旗和磴口縣的單位面積水資源量最少，使危險性呈現(xiàn)東西兩邊高、中間低的分布情況。暴露性方面，五原縣和杭錦后旗的農(nóng)業(yè)人口比例和耕地率均為全區(qū)最高，使兩地暴露性水平偏高，且磴口縣暴露性水平最低。脆弱性方面，五原縣和磴口縣的脆弱性偏高，這是由于五原縣耕地率和農(nóng)業(yè)人口比例最大但單位面積糧食產(chǎn)量最低，磴口縣用水效率低且農(nóng)業(yè)生產(chǎn)總值比例最小。防災(zāi)減災(zāi)能力方面，杭錦后旗和臨河區(qū)水利工程化水平、水資源利用效率和人均GDP均較高，抗旱能力也相應(yīng)較強，五原縣人民經(jīng)濟發(fā)展水平低，抗旱能力也最弱。綜上所述，五原縣暴露性和脆弱性高，抗旱能力不足，導致其風險最高；臨河區(qū)和杭錦后旗危險性最低、抗旱能力最強，故風險等級最低；磴口縣危險性和脆弱性高，但其暴露性最低且抗旱能力中等，烏拉特前旗危險性最高，其余三項風險要素均處于中等水平，故這兩地處于中風險區(qū)。

3.3 模型驗證

為驗證模型可靠性，基于前文層次分析法求得的農(nóng)業(yè)干旱災(zāi)害風險評價指標權(quán)重，由公式(13)得出該方法的風險評價結(jié)果，如圖3、圖4所示。結(jié)果顯示，兩種方法得到的各區(qū)縣風險時間變化曲線相關(guān)系數(shù)均超過0.6，年際間變化趨勢基本一致。磴口縣和五原縣分別于2011、2012年達到研究期風險最大值，與模糊粗糙集模型得到的結(jié)果相同。由圖4可看出，運用層次分析法得到的河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風險分布與模糊粗糙集模型得到的空間分布相同，呈現(xiàn)五原縣最高，烏拉特前旗和磴口縣次之，杭錦后旗和臨河區(qū)最低。因此，認為模糊粗糙集模型能夠評估農(nóng)業(yè)干旱災(zāi)害風險。由于模糊粗糙集模型考慮了所獲資料的不完整性以及農(nóng)業(yè)干旱災(zāi)害風險的不確定性和模糊性特征，且無需提供任何原始數(shù)據(jù)以外的先驗信息，故其結(jié)果比層次分析法更具優(yōu)越性。因此，該旱災(zāi)風險評價模型可以被應(yīng)用在其他類似地區(qū)的研究，模糊粗糙集模型也可以被推廣到其他自然災(zāi)害的評估中。

圖3 層次分析法所得的農(nóng)業(yè)干旱災(zāi)害風險時間變化圖Fig.3 Time variation diagram of agricultural drought disaster risk obtained by AHP

圖4 層次分析法所得農(nóng)業(yè)干旱災(zāi)害風險空間分布圖Fig.4 Spatial distribution of agricultural drought risk obtained by AHP

4 討論

標準化降水蒸散指數(shù)(SPEI)作為干旱強度評價指標，可反映區(qū)域氣象干旱情況，常被應(yīng)用在其他諸多類似研究中[9,15,35]。根據(jù)沈國強[9]，張煦庭[34]等的干旱等級劃分方法(特旱(SPEI≤-2.0)；重旱(-2.0～-1.5]；中旱(-1.5～-1.0]；輕旱(-1.0～-0.5]；正常(SPEI> -0.5))，得到了河套灌區(qū)各區(qū)縣2003-2017年間的干旱強度在-1.883～1.989之間波動，如圖5所示。干旱強度的變化趨勢與馬愛華、曲學斌、張煦庭等人研究的內(nèi)蒙古地區(qū)氣象干旱變化情況基本一致[33-35]。2010年，李晶等[36]根據(jù)降雨量距平百分比計算得到各地區(qū)氣象干旱情況為磴口縣重旱且易旱頻率最高，其余地區(qū)均中旱但烏拉特前旗易旱頻率最低。

圖5 干旱強度年際間變化情況Fig.5 Interannual variation of drought intensity

由圖還可看出，2005年和2009年臨河區(qū)和磴口縣氣象干旱等級分別為重旱和輕旱，但臨河區(qū)的危險性值最低，磴口縣較高。同樣，2015年磴口縣氣象干旱等級最低，但危險性值卻較高。這表明氣象干旱強度并不是主要的致災(zāi)因子。根據(jù)模糊粗糙集模型得到的權(quán)重結(jié)果顯示，單位面積水資源量的權(quán)重系數(shù)高于干旱強度。這是由于河套灌區(qū)降雨量少而蒸散發(fā)量大，當?shù)剞r(nóng)業(yè)發(fā)展需依靠區(qū)域可利用的水資源量進行灌溉，因此單位面積水資源量對農(nóng)業(yè)干旱災(zāi)害危險性的影響比干旱強度更顯著。這也說明發(fā)生氣象干旱并不一定會導致農(nóng)業(yè)干旱災(zāi)害。

2011-2016年間各區(qū)縣危險性值較低，然而農(nóng)業(yè)干旱災(zāi)害風險指數(shù)均有不同程度地升高，五原縣和磴口縣尤其明顯。這表明危險性并不是影響河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風險的主要要素。同年各區(qū)縣的暴露性均有增加，防災(zāi)減災(zāi)能力大幅降低，并且暴露性和防災(zāi)減災(zāi)能力的權(quán)重系數(shù)比其他風險要素高，證明暴露性和防災(zāi)減災(zāi)能力是影響河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風險的關(guān)鍵要素。何斌等[12]基于自然災(zāi)害理論運用層次分析法評估陜西省農(nóng)業(yè)干旱災(zāi)害風險，研究結(jié)果顯示危險性是最主要的風險要素，能夠直接影響農(nóng)業(yè)干旱災(zāi)害風險的等級大小和空間分布。這與本文得到的關(guān)鍵風險要素不同，主要原因在于區(qū)域氣候特征和農(nóng)業(yè)生產(chǎn)方式的不同，影響陜西省農(nóng)業(yè)發(fā)展的重要因素是降水，而影響河套農(nóng)業(yè)生產(chǎn)的關(guān)鍵因素是耕地面積和灌溉水量。2010年，金阿麗等[37]利用主成分分析法對內(nèi)蒙古各區(qū)縣的旱災(zāi)災(zāi)情進行評價和分區(qū)，也得到2003-2006年間磴口縣的危險度最高，五原縣和磴口縣對旱災(zāi)的敏感度最高。

研究結(jié)果顯示，五原縣和磴口縣在2011年和2012年的農(nóng)業(yè)旱災(zāi)風險水平遠高于其他年份及其他地區(qū)。兩地區(qū)在這兩年內(nèi)的平均水資源總量分別為10.212億m3和8.258億m3，均低于15年來該地區(qū)的平均水資源總量11.178億m3和8.272億m3。結(jié)合實際的農(nóng)業(yè)生產(chǎn)情況，五原縣和磴口縣在2011-2012兩年內(nèi)的農(nóng)業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值的比例分別為47.99%和27.27%，相比較于兩地區(qū)的多年平均情況52.94%和28.87%而言分別減少了9.36%和5.52%。此外，五原縣和磴口縣在2011-2012年內(nèi)的平均糧食產(chǎn)量分別為50.31萬噸和18.07萬噸，比同時期其他地區(qū)的平均產(chǎn)量58.27萬噸減少了13.67%和68.99%。

另外，本文雖然能夠描述農(nóng)業(yè)干旱災(zāi)害風險的不確定性和模糊性特征，卻不能反映農(nóng)業(yè)干旱災(zāi)害的物理成因機制，也不能體現(xiàn)不同作物在生育期內(nèi)對旱災(zāi)的響應(yīng)。為順應(yīng)情景模擬在風險評估中發(fā)展的大趨勢，后續(xù)可考慮結(jié)合氣候模式和作物生長模型探討區(qū)域農(nóng)業(yè)干旱災(zāi)害發(fā)生的物理機制，同時動態(tài)評估并預(yù)測不同干旱情景下作物對旱災(zāi)的減產(chǎn)損失風險。

為降低未來河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風險，基于本文評價結(jié)果，建議各地區(qū)應(yīng)因地制宜地采取一些旱災(zāi)防治措施。五原縣可適當減少農(nóng)作物種植面積，優(yōu)化城市產(chǎn)業(yè)結(jié)構(gòu)，發(fā)展經(jīng)濟建設(shè)，提高區(qū)域經(jīng)濟收入水平，大力開展防災(zāi)減災(zāi)工作。磴口縣應(yīng)優(yōu)化作物種植結(jié)構(gòu)，改進生產(chǎn)技術(shù)，提高作物產(chǎn)量，優(yōu)化產(chǎn)業(yè)用水結(jié)構(gòu)，加強抗旱政策和設(shè)施投入。烏拉特前旗可盡量加強水利工程基礎(chǔ)設(shè)施建設(shè)，提高抗旱能力。臨河區(qū)和杭錦后旗可大力推廣節(jié)水灌溉技術(shù)，優(yōu)化灌溉溝渠排布。結(jié)合該防治舉措和本文的研究成果，以期能為當?shù)乜购禍p災(zāi)部門提供理論依據(jù)。

5 結(jié)論

(1)本文從農(nóng)業(yè)干旱災(zāi)害危險性、暴露性、脆弱性和防災(zāi)減災(zāi)能力四個方面出發(fā)，構(gòu)建農(nóng)業(yè)旱災(zāi)評價指標體系。充分考慮農(nóng)業(yè)干旱災(zāi)害風險因素的不確定性特征和評價等級的模糊性，采用模糊粗糙集模型評估河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風險時空變化特征，并與層次分析法所得的結(jié)果相比較。對比結(jié)果顯示，兩者風險評估結(jié)果時空變化趨勢基本相同。表明模糊粗糙集模型可應(yīng)用于該領(lǐng)域，且不需要任何先驗知識，不受決策者主觀判斷約束。因此本文提出的農(nóng)業(yè)干旱災(zāi)害評價模型更具優(yōu)越性，可擴展到評估其他地區(qū)及其他自然災(zāi)害的風險中。

(2)河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風險時間變化特征表現(xiàn)為：磴口縣和五原縣在2003-2010年間農(nóng)業(yè)干旱災(zāi)害風險變化較為平緩，后期因防災(zāi)減災(zāi)能力減弱引起風險驟增，分別于2011年和2012年達到峰值，此后一直處于較高水平。臨河區(qū)和杭錦后旗因危險性和脆弱性水平偏低，防災(zāi)減災(zāi)能力較強，風險最小，兩者風險指數(shù)相近且變化趨勢大致相同。烏拉特前旗15年來風險指數(shù)標準差為0.144，風險變化幅度最小。

(3)空間變化特征表明：五原縣因從事農(nóng)業(yè)生產(chǎn)人口最多，耕地面積最大，但農(nóng)業(yè)生產(chǎn)總值比例最小且抗旱能力不足，常年處于農(nóng)業(yè)旱災(zāi)高風險區(qū)。磴口縣因脆弱性高且防災(zāi)減災(zāi)能力較弱屬于中風險區(qū)；烏拉特前旗因危險性高且防災(zāi)減災(zāi)能力較低一直穩(wěn)居于中風險區(qū)。臨河區(qū)和杭錦后旗地理位置相鄰、氣候環(huán)境條件相近、水利工程化水平高，風險等級最低。