山東省玉米薊馬災(zāi)害風(fēng)險的評估與區(qū)劃

左亞男，季 民，楊久濤，靳奉祥

（1.山東科技大學(xué)，山東 青島 266000；2.山東省農(nóng)業(yè)技術(shù)推廣中心，山東 濟(jì)南 250014）

玉米薊馬（Corn thrips）屬纓翅目（Thysanoptera）薊馬科（Thripidae），是玉米苗期的主要害蟲之一，主要以成蟲或若蟲取食幼苗汁液為害，其分泌的黏液限制了心葉伸出，以致整株節(jié)間縮短、腫脹或彎曲，輕者雄穗無法抽出，重者則在苗期就生長停滯，嚴(yán)重影響玉米的產(chǎn)量及質(zhì)量。山東省為我國玉米主要種植區(qū)及產(chǎn)量區(qū)，每年都因玉米薊馬造成不同程度的損失。因此，有效評估玉米薊馬的發(fā)生風(fēng)險，對保障山東省玉米生產(chǎn)安全具有重要意義。

對不同地區(qū)的受災(zāi)風(fēng)險程度進(jìn)行區(qū)劃，將有利于各地區(qū)有針對性地開展預(yù)防工作，以達(dá)到保障生產(chǎn)、降低損失的目的。袁福香等[1]依據(jù)吉林省主要農(nóng)作物產(chǎn)量面積資料和相關(guān)病蟲害資料，通過計(jì)算防御指數(shù)，實(shí)現(xiàn)了吉林省主要農(nóng)作物病蟲害的風(fēng)險防御區(qū)劃。李陽等[2]利用彭陽縣的氣象、地形、土壤類型等數(shù)據(jù)，基于災(zāi)害風(fēng)險評估原理，對彭陽縣玉米的干旱災(zāi)害進(jìn)行風(fēng)險評估與區(qū)劃。Singh 等[3]通過多尺度及多指標(biāo)評估了印度農(nóng)業(yè)氣候區(qū)的抗災(zāi)能力。楊林菲[4]構(gòu)建了蘋果病蟲害發(fā)生程度的氣象觀測模型，結(jié)合氣象觀測資料對洛陽市蘋果病蟲害風(fēng)險進(jìn)行了區(qū)劃。劉小雪等[5]從產(chǎn)量災(zāi)損率的角度，構(gòu)建了夏玉米產(chǎn)量災(zāi)損風(fēng)險評估模型，對河南省夏玉米產(chǎn)量災(zāi)損進(jìn)行了風(fēng)險區(qū)劃。王復(fù)生等[6]利用蒙特卡羅輔助層次分析法確定指標(biāo)權(quán)重，對南水北調(diào)東線山東段的洪災(zāi)進(jìn)行了風(fēng)險區(qū)劃。還有大量關(guān)于農(nóng)作物受各類氣象災(zāi)害影響的風(fēng)險評估與區(qū)劃研究報(bào)道[7-25]，前人研究報(bào)道中指標(biāo)選取的多樣性為筆者建立評估體系提供了參考。

目前，國內(nèi)外主要針對氣象災(zāi)害及作物受氣象災(zāi)害影響的風(fēng)險區(qū)劃進(jìn)行研究，關(guān)于農(nóng)業(yè)病蟲害風(fēng)險區(qū)劃的研究較少。為了較為精準(zhǔn)地分析山東省農(nóng)業(yè)病蟲害的危害程度，筆者對山東省2013—2019 年病蟲害發(fā)生資料、玉米生產(chǎn)資料及社會經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行詳細(xì)匯總，以此為基礎(chǔ)建立了玉米薊馬風(fēng)險評估指標(biāo)體系，運(yùn)用自然災(zāi)害風(fēng)險指數(shù)法，對山東省玉米薊馬災(zāi)害的綜合風(fēng)險進(jìn)行評估與區(qū)劃，旨在為山東省農(nóng)業(yè)病蟲害防治提供參考依據(jù)。

1 材料與方法

1.1 研究區(qū)域與數(shù)據(jù)來源

1.1.1 研究區(qū)概況山東省位于中國東部沿海、黃河下游，地處東經(jīng)114°36′—112°43′、北緯34°25′—38°23′，東西最長700 km，南北最寬420 km，陸地總面積15.67 萬 km2，是玉米生產(chǎn)和消費(fèi)大省，玉米面價格和總產(chǎn)均居全國前列，常年種植面積在266.7 萬hm2左右。山東屬溫暖帶季風(fēng)氣候，降水集中，雨熱同季，年平均氣溫11～14℃，年平均降水量550～950 mm，且降雨集中于夏季，年均光照時數(shù)2 290～2 890 h，自然條件非常適合玉米生長。玉米薊馬成蟲高發(fā)期在6—7月，此時正值夏玉米苗期與春玉米心葉期，嚴(yán)重危害玉米的品質(zhì)和產(chǎn)量。

1.1.2 數(shù)據(jù)來源所用數(shù)據(jù)包括病蟲害發(fā)生資料、玉米生產(chǎn)資料及社會經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)，資料年限均為2013—2019 年。病蟲害資料來自山東省農(nóng)業(yè)農(nóng)村廳發(fā)布的全省植保情況，包括被害株率、蟲株率、百株蟲量、單株蟲量、卷葉率等指標(biāo)。玉米生產(chǎn)資料及社會經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)來自《山東省統(tǒng)計(jì)年鑒》，包括玉米產(chǎn)量、玉米播種面積及人均GDP。

1.2 數(shù)據(jù)預(yù)處理

1.2.1 發(fā)生程度分級標(biāo)準(zhǔn)根據(jù)山東省農(nóng)作物病蟲發(fā)生程度分級標(biāo)準(zhǔn)（DB 37/T232—1996），玉米薊馬以被害株率為分級指標(biāo)，將發(fā)生程度分為5 級，即輕發(fā)生（1級）、偏輕發(fā)生（2 級）、中等發(fā)生（3 級）、偏重發(fā)生（4 級）、大發(fā)生（5 級），被害株率分別為10%～20%、21%～40%、41%～60%、61%～80%、＞80%。

1.2.2 發(fā)生程度頻數(shù)將山東省農(nóng)業(yè)農(nóng)村廳發(fā)布的全省植保情況進(jìn)行數(shù)據(jù)提取與整理，并按照表1 進(jìn)行發(fā)生程度定級，以往研究[1-5,7-25]中以年為單位的時間跨度過長，不能準(zhǔn)確反映每個月玉米薊馬的發(fā)生情況。因此，該研究在定級工作完成后，分別以月為時間尺度統(tǒng)計(jì)各地市2013—2019 年6—7 月最高發(fā)生程度為輕發(fā)生（V1：0～1 級為輕發(fā)生）、中發(fā)生（V2：2～3級為中發(fā)生）、重發(fā)生（V3：4～5 級為重發(fā)生）的頻數(shù)，得到的玉米薊馬發(fā)生頻數(shù)如表1 所示。

1.3 研究方法

1.3.1 數(shù)據(jù)歸一化由于影響玉米薊馬災(zāi)害風(fēng)險的指標(biāo)之間存在量級和量綱上的差異，為了使不同的數(shù)據(jù)層能夠計(jì)算和比較，需要將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。采用極差化標(biāo)準(zhǔn)方法將指標(biāo)數(shù)據(jù)轉(zhuǎn)換至[0，1]范圍內(nèi)的值。設(shè)研究區(qū)域內(nèi)有m個評價指標(biāo)，有n個評價單元，則有原始評價矩陣：R=（Xij）m×n。

用極差標(biāo)準(zhǔn)化方法按公式（1）進(jìn)行換算。

式 中：i=1，2，…，m；j=1，2，…，n；Xij是第i個指標(biāo)第j個單元對應(yīng)的原始數(shù)據(jù)；max{Xij}和min{Xij}分別是第i個指標(biāo)下所有單元數(shù)據(jù)中的最大值和最小值；Xij

′是標(biāo)準(zhǔn)化的單元數(shù)據(jù)。

1.3.2 加權(quán)綜合評價法主要通過云模型確定相應(yīng)指標(biāo)的權(quán)重系數(shù)，然后與相應(yīng)的被評價對象各指標(biāo)的量化值相乘后再相加，表示為公式（2）。

式中：C為評估指標(biāo)，Wi為第i個指標(biāo)的規(guī)范化值，Pi為第i個指標(biāo)因子的權(quán)重。

致災(zāi)因子危險性指標(biāo)采用加權(quán)綜合評價法建立。

1.3.3 自然災(zāi)害風(fēng)險指數(shù)法根據(jù)自然災(zāi)害風(fēng)險的形成機(jī)理，自然災(zāi)害風(fēng)險是危險性、敏感性、易損性和防災(zāi)減災(zāi)能力綜合作用的結(jié)果，通常采用自然災(zāi)害指數(shù)表征風(fēng)險程度，需要注意的是防災(zāi)減災(zāi)能力強(qiáng)的地區(qū)其災(zāi)害的發(fā)生風(fēng)險會降低，因此，其表達(dá)式為公式（3）。

式中：R為玉米薊馬綜合風(fēng)險指數(shù)；H為致災(zāi)因子危險性；E為孕災(zāi)環(huán)境敏感性；V為承載體易損性；D為防災(zāi)減災(zāi)能力；a、b、c、d為對應(yīng)各因子權(quán)重。

玉米薊馬綜合風(fēng)險的評估模型通過自然災(zāi)害風(fēng)險指數(shù)法建立。

1.3.4 云模型云模型（Cloud model）具有Ex、En、He3 個數(shù)字特征，通過它們可以反映所描述概念的模糊性與隨機(jī)性。它是一個用語言值表示某個定性概念與此概念的定量性表示之間轉(zhuǎn)換的模型，通過將定性概念與定量表示結(jié)合到一起，最終形成定性和定量間的映射關(guān)系。云模型法的基本步驟如下。

（1）根據(jù)病蟲害的自然特征和研究區(qū)域的典型性構(gòu)建一個遞階層次結(jié)構(gòu)，將復(fù)雜問題歸結(jié)為準(zhǔn)則層、指標(biāo)層相對于高層即目標(biāo)層的權(quán)重次序的總排序問題。

（2）利用云模型表示語言值，將每個語言變量對應(yīng)成為一朵云，利用黃金分割法計(jì)算云評價標(biāo)度。根據(jù)專家群體的評價將區(qū)間[0，10]對應(yīng)的期望值擬定為論域[Xmin，Xmax]，將超熵值He0確定為0.05，根據(jù)表2 的運(yùn)算規(guī)則來制定評價的標(biāo)度。

表2 黃金分割法計(jì)算云評價標(biāo)度

由此可計(jì)算得到云評價的標(biāo)度分別為：E2很重要（10，1.03，0.13），E1重要（6.91，0.64，0.08），E0一般（5，0.39，0.05），E-1不重要（3.09，0.64，0.08），E-2最不重要（0，1.03，0.13）。在云圖的設(shè)計(jì)中，通常將該評價值的確定度設(shè)置為坐標(biāo)軸系的縱坐標(biāo)，將評價值設(shè)置為坐標(biāo)系的橫坐標(biāo)。

（3）在正態(tài)云模型中，首先將云滴數(shù)n設(shè)置為1，接著使模型輸出云滴數(shù)為1 時該評價云通過正態(tài)模型轉(zhuǎn)化出的隨機(jī)定量值及與定量值相對應(yīng)的確定度，在此基礎(chǔ)上進(jìn)而計(jì)算風(fēng)險評價指標(biāo)之間的相對重要度。隨后在計(jì)算評價指標(biāo)的權(quán)重時，輸入云滴數(shù)并取n=10，將定性的評價轉(zhuǎn)化為定量數(shù)值。

（4）在正向云模型中把指標(biāo)評價標(biāo)度所對應(yīng)的3個特征值Ex、En、He依次輸入，然后使模型輸出一個云圖中確定的點(diǎn)（x，μ）。令評價指標(biāo)的個數(shù)為m，且設(shè)對指標(biāo)重要度進(jìn)行評價的專家人數(shù)為μ，由此可得針對單個評價指標(biāo)，能夠從μ個專家處獲得的自然語言評價個數(shù)為μ，也就是云滴數(shù)量為μ。每個評價指標(biāo)都通過云模型將其評價數(shù)值轉(zhuǎn)化為（xi，μi），i=1，…，m。

（5）計(jì)算每個專家評價所對應(yīng)的相對權(quán)重：

1.4 玉米薊馬病蟲害風(fēng)險區(qū)劃模型

玉米薊馬病蟲害風(fēng)險區(qū)劃模型由風(fēng)險區(qū)劃指標(biāo)及其對應(yīng)的指標(biāo)權(quán)重組成。

1.4.1 指標(biāo)體系及選取玉米薊馬災(zāi)害的形成受環(huán)境、氣候等多種因素的影響，具有自然因素和人類活動因素雙重屬性。在以往農(nóng)作物病蟲害風(fēng)險區(qū)劃研究中，大多從致災(zāi)因子、孕災(zāi)環(huán)境因子、承載體因子3方面建立風(fēng)險評估指標(biāo)體系[10-12]，該研究依據(jù)自然災(zāi)害風(fēng)險分析的理論，在前人研究的基礎(chǔ)上，考慮了影響病蟲害發(fā)生和發(fā)展的經(jīng)濟(jì)社會因素，選取人均GDP作為防災(zāi)減災(zāi)能力的影響指標(biāo)，完善了病蟲害風(fēng)險評估體系。下面從這4 個方面闡述其對災(zāi)害的影響，選擇具有代表性且可以量化的影響因子作為風(fēng)險區(qū)劃指標(biāo)。

（1）致災(zāi)因子危險性。致災(zāi)因子是指造成糧食作物損失的各種病蟲害，是重要的風(fēng)險評估指標(biāo)。選用玉米薊馬2013—2019 年不同危害程度（輕發(fā)生、中發(fā)生、重發(fā)生）的發(fā)生頻數(shù)（表1）作為致災(zāi)因子的影響指標(biāo)。

（2）孕災(zāi)環(huán)境敏感性。孕災(zāi)環(huán)境是指影響各種病蟲害生長、繁殖的外界環(huán)境條件。該研究所考慮的影響指標(biāo)包括作物的種植面積以及導(dǎo)致病蟲害發(fā)生的氣象條件、地形地貌。由于氣象條件與地形地貌的適宜與否會直接影響病蟲害的發(fā)生程度，這2 個指標(biāo)已經(jīng)在致災(zāi)因子的影響中有所反映，不再重復(fù)計(jì)算。因此，在孕災(zāi)環(huán)境敏感性中氣象條件與地形地貌所賦權(quán)重為0。

（3）承載體易損性。承載體因子是指當(dāng)病蟲害發(fā)生時農(nóng)作物受病蟲害影響的因素，是致災(zāi)因子作用的實(shí)體。該研究中，受玉米薊馬災(zāi)害影響的承載體是玉米產(chǎn)量。

（4）防災(zāi)減災(zāi)能力。防災(zāi)減災(zāi)能力也是制約和影響病蟲害風(fēng)險的經(jīng)濟(jì)社會因素。選用人均GDP 作為防災(zāi)減災(zāi)能力的影響指標(biāo)。

由上述4 個方面建立的風(fēng)險評估指標(biāo)體系見圖1。

圖1 病蟲害風(fēng)險評估指標(biāo)體系

1.4.2 指標(biāo)權(quán)重分析根據(jù)云模型法的步驟，首先構(gòu)建一個包括目標(biāo)層、準(zhǔn)則層和指標(biāo)層的遞階層次結(jié)構(gòu)，如表3 所示。

表3 遞階層次結(jié)構(gòu)

根據(jù)黃金分割法計(jì)算的云評價標(biāo)度，由10 位專家組成的專家群對評價指標(biāo)重要度進(jìn)行云語言評價，云語言設(shè)定為5 個等級：不重要（0，1.03，0.13）、一般（3.09，0.64，0.08）、較重要（5，0.39，0.05）、重要（6.91，0.64，0.08）、很重要（10，1.03，0.13）。云評價結(jié)果如表4 所示。

將評價指標(biāo)的數(shù)據(jù)帶入模型，通過云發(fā)生器將評價指標(biāo)定量化。采用公式（4）～（6）計(jì)算評估指標(biāo)間的相對重要度，根據(jù)相對重要度所求得的風(fēng)險評估指標(biāo)權(quán)重和綜合權(quán)重結(jié)果如表5 所示。

2 結(jié)果與分析

2.1 危險性區(qū)劃

根據(jù)2013—2019 年山東省玉米薊馬為害資料，以各地市每月的最高發(fā)生程度統(tǒng)計(jì)發(fā)生程度頻數(shù)（表1），基于歷史發(fā)生程度的頻數(shù)利用云模型法確定的指標(biāo)權(quán)重根據(jù)公式（2）求出玉米薊馬的風(fēng)險指數(shù)，以風(fēng)險指數(shù)代表各地市的危險性進(jìn)行風(fēng)險區(qū)劃，根據(jù)自然斷點(diǎn)分級法得到研究區(qū)域內(nèi)玉米薊馬歷年發(fā)生風(fēng)險的空間分布情況。從圖2 可以看出，菏澤市玉米薊馬的歷年發(fā)生頻率及危害程度最高，其次是濟(jì)南市、威海市。

圖2 山東省玉米薊馬災(zāi)害危險性區(qū)劃圖

2.2 敏感性區(qū)劃

播種面積是孕災(zāi)環(huán)境敏感性的主要影響指標(biāo)，播種面積大，病蟲害越容易傳播和流行，則受害風(fēng)險性大。播種面積的計(jì)算公式為各市播種面積占全省總播種面積的比重，所用播種面積為2013—2019 年平均值。計(jì)算所得播種面積影響因子即為各地市孕災(zāi)環(huán)境敏感性指數(shù)，根據(jù)敏感性指數(shù)得到敏感性區(qū)劃圖（圖3）。從圖3 可以看出，山東省玉米主要種植區(qū)分布在省中西部地區(qū)，其中高敏感區(qū)位于德州市、菏澤市、聊城市及濰坊市；濟(jì)寧市、臨沂市、濱州市、濟(jì)南市及青島市為較高敏感區(qū)。

圖3 山東省玉米薊馬災(zāi)害敏感性區(qū)劃圖

2.3 易損性區(qū)劃

玉米薊馬發(fā)生區(qū)域產(chǎn)量越高，損失越大，則易損性強(qiáng)，玉米薊馬發(fā)生風(fēng)險越大。產(chǎn)量影響因子的取值為各市產(chǎn)量占全省總產(chǎn)量的比重，產(chǎn)量值為所研究時段的平均值。具體區(qū)劃方法與敏感性區(qū)劃相同，不再重復(fù)贅述，所得易損性區(qū)劃如圖4。從圖4 可以看出，山東省西部地區(qū)及濰坊市為玉米高產(chǎn)區(qū)，也是玉米薊馬發(fā)生的高風(fēng)險地區(qū)，其中德州市、菏澤市、聊城市和濰坊市產(chǎn)量較高；其次為濟(jì)寧市、青島市、濱州市及臨沂市。

圖4 山東省玉米薊馬災(zāi)害易損性區(qū)劃圖

2.4 防災(zāi)減災(zāi)能力

防災(zāi)減災(zāi)能力的強(qiáng)弱也會對病蟲害的發(fā)生造成影響，人均GDP 高的地區(qū)受人為因素影響較大，則發(fā)生病蟲害的概率會降低。人均GDP 的取值為2013—2019 年各市平均值。從圖5 可以看出，人均GDP 最高的為東營市、濟(jì)南市，其次是青島市、威海市、煙臺市、淄博市。

圖5 山東省玉米薊馬災(zāi)害防災(zāi)減災(zāi)能力區(qū)劃圖

2.5 山東省玉米薊馬危害綜合風(fēng)險區(qū)劃

根據(jù)災(zāi)害風(fēng)險評估原理，將危險性指數(shù)、敏感性指數(shù)、易損性指數(shù)和防災(zāi)減災(zāi)能力指數(shù)根據(jù)公式（1）進(jìn)行標(biāo)準(zhǔn)化處理，利用云模型法確定的指標(biāo)權(quán)重，根據(jù)自然災(zāi)害風(fēng)險指數(shù)法，使其乘以各自的權(quán)重值后相加得到研究區(qū)域內(nèi)的綜合風(fēng)險指數(shù)，根據(jù)綜合風(fēng)險指數(shù)得到山東省玉米薊馬的綜合風(fēng)險區(qū)劃結(jié)果如圖6 。由圖6 可知，綜合風(fēng)險指數(shù)最大發(fā)生在菏澤市，為0.926，該地歷年玉米薊馬發(fā)生頻率最高，尤其是中、重發(fā)生的頻數(shù)高，則越冬基數(shù)增大，且產(chǎn)量高，種植面積大，玉米秸稈為越冬幼蟲的存活提供了有利條件，而該地人均GDP 低，防災(zāi)減災(zāi)能力較弱。因此，此處是玉米薊馬為害造成損失的高風(fēng)險區(qū)，應(yīng)作為山東省玉米薊馬的重點(diǎn)防御地區(qū)；綜合風(fēng)險指數(shù)最小出現(xiàn)在東營市，該地玉米薊馬發(fā)生頻率低，種植面積小，產(chǎn)量低，且人均GDP 最高，玉米薊馬的為害最輕，是玉米薊馬發(fā)生的低風(fēng)險區(qū)；其次聊城市、德州市、濟(jì)南市、濰坊市為較高風(fēng)險區(qū)，主要集中在山東省中西部主要產(chǎn)量區(qū)，應(yīng)提前做好預(yù)防工作；濟(jì)寧市、臨沂市、青島市、濱州市、泰安市、威海市為玉米薊馬發(fā)生中風(fēng)險區(qū)，條件適宜就容易發(fā)生玉米薊馬為害，或有局部暴發(fā)玉米薊馬的危險；其他地區(qū)是玉米薊馬發(fā)生的較低風(fēng)險區(qū)，比較不容易發(fā)生玉米薊馬為害。

圖6 山東省玉米薊馬綜合風(fēng)險區(qū)劃圖

3 結(jié) 論

（1）在以月為單位對山東省玉米薊馬歷年發(fā)生程度的頻數(shù)進(jìn)行統(tǒng)計(jì)的基礎(chǔ)上，將玉米薊馬發(fā)生頻數(shù)、玉米播種面積、玉米產(chǎn)量、人均GDP 分別作為致災(zāi)因子危險性、孕災(zāi)環(huán)境敏感性、承載體易損性、防災(zāi)減災(zāi)能力的影響指標(biāo)，計(jì)算權(quán)重系數(shù)后將各指數(shù)相乘后相加，定量分析玉米薊馬災(zāi)害的發(fā)生風(fēng)險，為山東省玉米薊馬的預(yù)測及防治提供科學(xué)依據(jù)。

（2）傳統(tǒng)層次分析法雖然簡單實(shí)用，但是受決策者的主觀認(rèn)知限制，具有一定的不確定性，往往會使權(quán)重計(jì)算出現(xiàn)偏差，對結(jié)果產(chǎn)生重大影響，該研究引入云模型可以有效降低權(quán)重計(jì)算的不確定性，提高病蟲害風(fēng)險指標(biāo)權(quán)重計(jì)算的準(zhǔn)確性，使風(fēng)險區(qū)劃結(jié)果更客觀合理，更具參考價值。

（3）風(fēng)險區(qū)劃結(jié)果表明，山東省玉米薊馬發(fā)生的重點(diǎn)風(fēng)險區(qū)集中在山東省中西部地區(qū)，中西部地區(qū)為玉米主要種植區(qū)及高產(chǎn)區(qū)，同時也是玉米薊馬災(zāi)害高發(fā)區(qū)，其中菏澤市為玉米薊馬發(fā)生的高風(fēng)險區(qū)，聊城市、德州市、濟(jì)南市、濰坊市為較高風(fēng)險區(qū)。這些地市應(yīng)作為玉米薊馬發(fā)生的重點(diǎn)防御區(qū)，在玉米的生長過程中應(yīng)提早進(jìn)行防治。