極端降水引起的大面積夏玉米減產(chǎn)方法研究——以2021年河南“7·20”強降水事件為例

劉海軍，唐曉培，楊麗

?專家評述?

極端降水引起的大面積夏玉米減產(chǎn)方法研究——以2021年河南“7·20”強降水事件為例

劉海軍，唐曉培，楊麗

（北京師范大學 水科學研究院 城市水循環(huán)與海綿城市技術(shù)北京市重點實驗室，北京 100875）

【目的】建立洪澇條件下夏玉米減產(chǎn)的快速評估方法，評估2021年河南省“7·20”強降水事件對夏玉米產(chǎn)量的影響?！痉椒ā扛鶕?jù)2021年6月18日—7月29日河南省逐日的歸一化植被指數(shù)（）遙感影像數(shù)據(jù)和DEM數(shù)據(jù)，利用像元統(tǒng)計法確定“7·20”強降水事件中河南省夏玉米連續(xù)被淹區(qū)域，依據(jù)夏玉米受淹時長與減產(chǎn)關(guān)系以及追肥對受淹夏玉米產(chǎn)量的補償關(guān)系評估“7·20”強降水事件對河南省夏玉米產(chǎn)量造成的影響。【結(jié)果】河南省“7·20”強降水事件造成的澇災區(qū)域主要分布在安陽、新鄉(xiāng)和鄭州，該次強降水事件造成夏玉米受淹面積共計261萬hm2；中等程度受淹面積（淹水3 d）為57萬hm2，嚴重受淹面積（淹水5 d）為13萬hm2，絕收面積（淹水≥7 d）為20萬hm2?！窘Y(jié)論】河南省“7·20”強降水事件造成的夏玉米產(chǎn)量損失為393萬～491萬t，占全省夏玉米總產(chǎn)量的17%～22%（以2019年夏玉米產(chǎn)量為基準），與調(diào)研數(shù)據(jù)基本一致。因此，本研究提出的極端降水事件下夏玉米受淹面積快速獲取方法和減產(chǎn)估算模式可為變化環(huán)境下的糧食估產(chǎn)和國家糧食安全研究提供技術(shù)支撐。

強降水；夏玉米；受淹面積；減產(chǎn)評估；糧食安全

0 引言

【研究意義】河南省是中國糧食主產(chǎn)區(qū)之一，糧食年平均產(chǎn)量約為6 800萬t，其中玉米產(chǎn)量為2 247萬t，占全國玉米總產(chǎn)量的8.6%[1]。保障河南省糧食產(chǎn)量對于維護國家糧食安全至關(guān)重要。在目前全球疫情暴發(fā)、各國都在縮減糧食出口的國際大背景下，準確評估河南省糧食產(chǎn)量，尤其是極端氣候事件（如強降水）條件下的糧食產(chǎn)量至關(guān)重要。

【研究進展】作物產(chǎn)量預測常用的方法主要有作物模型法、線性回歸法、神經(jīng)網(wǎng)絡(luò)法和簡單估產(chǎn)法?；谶^程的作物模型，如DSSAT模型、EPIC模型、WOFOST模型和RZWQM模型，可以在日尺度上模擬作物生長和產(chǎn)量形成。劉維等[2]采用WOFOST模型模擬了2014年河南省干旱條件下的夏玉米產(chǎn)量。Liu等[3]利用RZWQM模型模擬了四平地區(qū)極端氣候條件下夏玉米的產(chǎn)量變化。然而，該類方法需要花費大量的時間和精力收集氣象、土壤、灌溉和農(nóng)藝性狀等參數(shù)，并且需要反復率定和驗證某些無法通過試驗獲取的作物品種和土壤特性參數(shù)。線性回歸和神經(jīng)網(wǎng)絡(luò)方法均為統(tǒng)計方法，這2種方法相比作物模型法更為簡單，但需要建立某些因子與產(chǎn)量之間的線性或非線性回歸關(guān)系，然后基于構(gòu)建的關(guān)系預測作物產(chǎn)量。Mathieu等[4]使用混合效應模型建立了農(nóng)業(yè)氣候指數(shù)和產(chǎn)量之間的線性關(guān)系，然后預測美國的玉米產(chǎn)量。Cao等[5]采用隨機森林法和長短期記憶神經(jīng)網(wǎng)絡(luò)法建立了多源數(shù)據(jù)（包括種植面積、植被指數(shù)以及環(huán)境變量等）與產(chǎn)量的關(guān)系，預測了中國各省的水稻產(chǎn)量?；谧魑锏拿娣e和單產(chǎn)來估算作物產(chǎn)量，是一種簡單且快速的方法，可適用于極端氣候事件對農(nóng)作物產(chǎn)量的影響評估。王奧楓等[6]基于該種方法評估了1978—2017年廣西旱災、水災、風雹災與低溫成災4種極端氣候事件中農(nóng)作物災損產(chǎn)量。馬天舒等[7]利用高分辨率遙感影像數(shù)據(jù)對比了災前、災后黑龍江省五常市示范區(qū)內(nèi)水稻的植被歸一化指數(shù)，然后預估了受災面積和作物減產(chǎn)程度。目前為止，對玉米的研究較少。同時，如何快速獲取受災面積是關(guān)鍵問題之一。【切入點】遙感數(shù)據(jù)可以實時記錄作物生長狀況，當區(qū)域發(fā)生自然災害時，可以根據(jù)每日影像中植被面積的變化情況來判斷作物的受災面積，然后結(jié)合作物單產(chǎn)預估受災損失產(chǎn)量?！緮M解決的關(guān)鍵問題】河南省2021年“7·20”強降水事件造成河南中北部農(nóng)田大面積受淹，對夏玉米的生長和產(chǎn)量造成了巨大影響。評估該次強降水對玉米產(chǎn)量的影響，可為國家糧食儲備和糧食貿(mào)易提供基礎(chǔ)數(shù)據(jù)，建立的受災面積快速診斷方法可為澇災評估提供技術(shù)支撐。

1 材料與方法

1.1 數(shù)據(jù)來源

河南省逐日的歸一化植被指數(shù)（）遙感影像數(shù)據(jù)以及DEM數(shù)據(jù)來源于美國NASA網(wǎng)站（https://earthdata.nasa.gov）；每日的降水量數(shù)據(jù)來自國家氣象科學數(shù)據(jù)中心（http://www.nmic.cn/）；玉米受淹時長與減產(chǎn)關(guān)系以及追肥對受淹玉米產(chǎn)量的補償關(guān)系均參考相關(guān)大田試驗資料。

1.2 圖像處理方法

利用ArcGIS軟件裁剪，確定河南省玉米種植區(qū)域（海拔小于200 m，并用中國統(tǒng)計年鑒河南玉米種植區(qū)域數(shù)據(jù)進行校正）?；?021年6月18日（玉米剛播種，指數(shù)趨近于0）（圖1（a））和2021年7月16日（暴雨前，有玉米且數(shù)值高）圖片（圖1（b）），采用像元統(tǒng)計法確定玉米實際種植區(qū)域的像元（圖1（c））。在該區(qū)域像元中，統(tǒng)計7月17—29日中沒有玉米植被的連續(xù)時間及對應像元數(shù)，即為玉米連續(xù)被淹時間及對應區(qū)域。由圖片中河南省像元數(shù)與實際面積之間的關(guān)系，計算單個像元對應的實際面積，然后估算實際玉米被淹面積。

1.3 受淹玉米減產(chǎn)比例確定

基于黃淮海區(qū)域內(nèi)周新國等[8]、劉祖貴等[9]、馬玉平等[10]、任佰朝等[11]、許海濤等[12]、余衛(wèi)東等[13]及Tian等[14]的大田試驗數(shù)據(jù)，確定了玉米受淹天數(shù)與產(chǎn)量之間的關(guān)系；依據(jù)丁大偉等[15]、周青云等[16]大田試驗結(jié)果，確定了受淹玉米追肥可緩解受淹影響，并提出優(yōu)化追肥量180 kg/hm2后的產(chǎn)量變化情況，詳見表1。

表1 玉米連續(xù)受淹后及受淹追肥后的產(chǎn)量變化情況

注 追肥后的增產(chǎn)比例是與受淹后同樣天數(shù)條件下未采用追肥措施進行的比對結(jié)果。

2 結(jié)果與分析

2.1 降水量分析

2021年，河南省“7·20”強降水事件的降水量主要集中在7月17—23日，各市累積降水量的分布情況如圖2所示。該次強降水事件的累積降水量呈由北向南的逐漸遞減趨勢。暴雨中心位置位于河南省北部的安陽、新鄉(xiāng)和鄭州地區(qū)，這些地區(qū)7 d內(nèi)的累積降水量均超過了500 mm。其中，鄭州的累積降水量最高，高達820 mm。降水量低于200 mm的區(qū)域主要分布在永城、商丘、固始、信陽、桐柏和西峽地區(qū)。

2.2 受淹面積分析

此次暴雨的河南省玉米受淹區(qū)域約為261萬hm2，占玉米播種面積的68%，各市均受到不同程度的災害影響。連續(xù)淹水1 d的區(qū)域有81萬hm2，占受災區(qū)域總面積的31%，主要分布在新鄉(xiāng)及其鄰近城市，此外還包括漯河、周口、駐馬店三地交界處（圖3（a））。連續(xù)淹水2 d的區(qū)域面積為56萬hm2，主要分布在濟源與焦作交界處、許昌與開封交界處以及商丘西北部（圖3（b））。連續(xù)淹水3 d的區(qū)域面積為57萬hm2，主要分布在平頂山中部、駐馬店中部、周口東南部、商丘西北部及開封境內(nèi)（圖3（c））。連續(xù)淹水4、5、6 d的區(qū)域相對減少，分別為25萬、13萬、9萬hm2。連續(xù)淹水4 d的區(qū)域主要分布在商丘境內(nèi)（圖3（d）），連續(xù)淹水5 d的區(qū)域主要分布在許昌、漯河、周口及商丘境內(nèi)（圖3（e）），連續(xù)淹水6 d的區(qū)域主要分布在安陽、鶴壁、新鄉(xiāng)及商丘境內(nèi)（圖3（f））。此外，淹水7 d及以上會造成玉米絕產(chǎn)，此區(qū)域面積約為20萬hm2，主要分布在河南北部的焦作、新鄉(xiāng)、鶴壁、安陽以及中東部的許昌、開封、周口、商丘境內(nèi)（圖4）。

圖2 2021年7月17—23日的河南省累積降水量分布

圖3 2021年7月17—29日河南省夏玉米連續(xù)受淹情況分布

圖4 “7·20”強降水造成河南夏玉米絕產(chǎn)的區(qū)域分布

2.3 減產(chǎn)分析

河南“7·20”強降水事件共造成玉米產(chǎn)量損失約491萬t（表2），約占河南省玉米總產(chǎn)量（以2019年數(shù)據(jù)為基礎(chǔ)）的22%，其中絕收區(qū)域造成的損失有116萬t，占玉米損失量的24%。若后期受淹區(qū)域的50%采取適當?shù)淖贩蚀胧?，可使產(chǎn)量增加98萬t，使河南省受災產(chǎn)量降低為393萬t。因此，此次暴雨使河南省玉米產(chǎn)量損失約393萬～491萬t，占全省產(chǎn)量的17%～22%。

表2 玉米連續(xù)受淹及受淹追肥后的產(chǎn)量變化情況

3 討論

河南省是我國玉米主產(chǎn)區(qū)之一，玉米產(chǎn)量占全國玉米總產(chǎn)量的8.6%[1]。由于地理位置和特殊的地形，河南省在歷史上曾多次發(fā)生洪澇災害，如1975年的“75·8”特大暴雨，河南省南部地區(qū)3 d內(nèi)降水量達1 605 mm[17]。2016年的“7·19”強降水事件，在河南省北部出現(xiàn)特大暴雨，最大降水量達732 mm[18]。因此，及時預測暴雨對作物產(chǎn)量的影響并提出相應的補救措施對保障河南省糧食安全至關(guān)重要。

玉米受淹后由于排澇等措施導致氮素淋失，玉米植株長期缺氧后降低了植株對營養(yǎng)物質(zhì)吸收的能力[15]。因此，玉米受淹后，會導致玉米缺氮。增施氮肥可以改善作物的生理特征，彌補澇漬災害導致的減產(chǎn)，這種彌補效果與玉米的生長階段和受淹天數(shù)有關(guān)。周青云等[16]研究表明，玉米拔節(jié)期淹水后增施氮肥可以提高葉片的氧化物歧化酶、過氧化物酶和過氧化氫酶的活性，增加葉片的光合速率、蒸騰速率和氣孔導度，最終使產(chǎn)量提高20%～57%。丁大偉等[15]研究表明，受淹玉米在排水后，追施氮肥對生長和產(chǎn)量具有顯著的恢復效應；與大喇叭口期淹水深度5 cm時長32 h未追肥的處理相比，追肥可使玉米生物量提高39%～50%，產(chǎn)量提高5%～22%。本研究中，“7·20”強降水造成河南省玉米產(chǎn)量損失491萬t，若增施純氮180 kg/hm2進行補救，可使產(chǎn)量損失減少98萬t。洪水或高濕條件導致的玉米主要代謝和生理變化可能會影響植物抵御生物攻擊的能力，導致玉米受淹后受到病蟲害影響的可能性增加[19-20]，玉米在受淹后易產(chǎn)生莖腐病、葉斑病、玉米螟和黏蟲等病蟲害[21-23]，因此受淹后對病蟲害的防治至關(guān)重要。

與2019年的玉米產(chǎn)量相比，受淹區(qū)域造成的減產(chǎn)達17%～22%。在2021年10月也對受淹區(qū)域的玉米產(chǎn)量進行了調(diào)研，結(jié)果見表3。大部分受淹區(qū)域的玉米減產(chǎn)比例在20%～50%之間，嚴重區(qū)域減產(chǎn)達70%以上，甚至絕收。在沒有減產(chǎn)的區(qū)域，一般地勢較高，排水比較通暢。因此對比調(diào)研結(jié)果和本文結(jié)論可以看出，本文提出的方法計算得到的河南“7·20”強降水下造成的玉米減產(chǎn)數(shù)據(jù)是可信的。

表3 河南省“7·20”強降水受災區(qū)夏玉米產(chǎn)量調(diào)研

2019年我國玉米總進口量為479萬t，2020年上半年玉米進口總量為457萬t?？梢?，我國對玉米的需求量持續(xù)增加。2021年強降水造成的河南省玉米產(chǎn)量損失量高達390萬～490萬t，進一步增加了我國玉米進口的壓力，也對國家糧食安全和經(jīng)濟發(fā)展造成影響?？紤]到玉米受災損失和國際進口壓力，建議對受淹玉米管理采取的措施主要有：①灌漿中后期要及時防治病蟲害；②收獲期要盡量顆粒歸倉；③做好玉米的征收和倉儲工作，提高糧食儲備；④進一步評估玉米減產(chǎn)可能造成的國際糧價變化，構(gòu)建我國玉米糧食安全的保障機制和對策。

4 結(jié)論

“7·20”強降水事件造成夏玉米受淹面積共計261萬hm2。其中，中等受淹面積（淹水3 d）為57萬hm2，嚴重受淹面積（淹水5 d）為13萬hm2，絕收面積（淹水≥7 d）為20萬hm2，估算夏玉米產(chǎn)量的損失量為393萬～491萬t，占河南省玉米總產(chǎn)量的17%～22%。本研究獲得的玉米產(chǎn)量變化與調(diào)研數(shù)據(jù)一致，說明構(gòu)建的玉米受淹面積確定方法和產(chǎn)量計算模式可信。

[1] 中華人民共和國國家統(tǒng)計局. 中國統(tǒng)計年鑒[M]. 北京: 中國統(tǒng)計出版社, 2021.

National Bureau of Statistics of the PRC. China Statistical Yearbook[M]. Beijing: China Statistics Press, 2021.

[2] 劉維, 侯英雨, 吳門新. 基于WOFOST模型的2014年河南省干旱對夏玉米產(chǎn)量的預估[J]. 中國農(nóng)學通報, 2016, 32(36): 146-151.

LIU Wei, HOU Yingyu, WU Menxin. Estimate of drought effect on summer maize yield based on WOFOST model in Henan province in 2014[J].Chinese Agricultural Science Bulletin, 2016, 32(36): 146-151.

[3] LIU Haijun, LIU Yu, ZHANG Liwei. Quantifying extreme climatic conditions for maize production using RZWQM in Siping, Northeast China[J]. International Journal of Agricultural and Biological Engineering, 2019, 12(2): 111-122.

[4] MATHIEU Jordane, AIRES Filipe. Assessment of the agro-climatic indices to improve crop yield forecasting[J]. Agricultural and Forest Meteorology, 2018, 253-254: 15-30.

[5] CAO Juan, ZHANG Zhao, TAO Fulu, et al. Integrating multi-source data for rice yield prediction across China using machine learning and deep learning approaches[J]. Agricultural and Forest Meteorology, 2021, 297: 108 275.

[6] 王奧楓, 陳世恒, 唐湘玲. 極端氣候事件對1978—2017年廣西農(nóng)作物的災損影響[J]. 中國農(nóng)學通報, 2021, 37(14): 106-115.

WANG Aofeng, CHEN Shiheng, TANG Xiangling. The effects of extreme weather events on crops in Guangxi from 1978 to 2017[J]. Chinese Agricultural Science Bulletin, 2021, 37(14): 106-115.

[7] 馬天舒, 邵靖凈, 郭翠翠, 等. 高分辨率遙感在農(nóng)作物災害損失評估中的應用：以黑龍江省五常市水稻災害損失評估為例[J]. 衛(wèi)星應用, 2020(9): 14-19.

MA Tianshu, SHAO Jingjing, GUO Cuicui, et al. Application of high-resolution remote sensing in crop disaster loss assessment: A case study of rice disaster loss assessment in Wuchang City, Heilongjiang Province[J]. Satellite Application, 2020(9): 14-19.

[8] 周新國, 韓會玲, 李彩霞, 等. 拔節(jié)期淹水玉米的生理性狀和產(chǎn)量形成[J]. 農(nóng)業(yè)工程學報, 2014, 30(9): 119-125.

ZHOU Xinguo, HAN Huiling, LI Caixia, et al. Physiological characters and yield formation of corn (L.) under waterlogging stress in jointing stage[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(9): 119-125.

[9] 劉祖貴, 劉戰(zhàn)東, 肖俊夫, 等. 苗期與拔節(jié)期淹澇抑制夏玉米生長發(fā)育、降低產(chǎn)量[J]. 農(nóng)業(yè)工程學報, 2013, 29(5): 44-52.

LIU Zugui, LIU Zhandong, XIAO Junfu, et al. Waterlogging at seedling and jointing stages inhibits growth and development, reduces yield in summer maize[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(5): 44-52.

[10] 馬玉平, 孫琳麗, 馬曉群. 黃淮海地區(qū)夏玉米對干旱和澇漬的生理生態(tài)反應[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2016, 34(4): 85-93.

MA Yuping, SUN Linli, MA Xiaoqun. Ecophysiological responses of summer maize to drought and waterlogging in Huang-Huai-Hai plain[J]. Agricultural Research in the Arid Areas, 2016, 34(4): 85-93.

[11] 任佰朝, 張吉旺, 董樹亭, 等. 生育前期淹水對夏玉米冠層結(jié)構(gòu)和光合特性的影響[J]. 中國農(nóng)業(yè)科學, 2017, 50(11): 2 093-2 103.

REN Baizhao, ZHANG Jiwang, DONG Shuting, et al. Effect of waterlogging at early period on canopy structure and photosynthetic characteristics of summer maize[J]. Scientia Agricultura Sinica, 2017, 50(11): 2 093-2 103.

[12] 許海濤, 王友華, 許波, 等. 水澇漬害對夏玉米生理特性和主要產(chǎn)量性狀指標的影響[J]. 大麥與谷類科學, 2018, 35(6): 7-11, 29.

XU Haitao, WANG Youhua, XU Bo, et al. Impact of waterlogging on the physiological parameters and main yield traits of summer maize[J]. Barley and Cereal Sciences, 2018, 35(6): 7-11, 29.

[13] 余衛(wèi)東, 馮利平, 盛紹學, 等. 黃淮地區(qū)澇漬脅迫影響夏玉米生長及產(chǎn)量[J]. 農(nóng)業(yè)工程學報, 2014, 30(13): 127-136.

YU Weidong, FENG Liping, SHENG Shaoxue, et al. Effect of waterlogging at jointing and tasseling stages on growth and yield of summer maize[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(13): 127-136.

[14] TIAN Lixin, LI Jing, BI Wenshuang, et al. Effects of waterlogging stress at different growth stages on the photosynthetic characteristics and grain yield of spring maize (L.) Under field conditions[J]. Agric Water Manage, 2019, 218: 250-258.

[15] 丁大偉, 雍蓓蓓, 陳金平. 追肥對受淹玉米生長和產(chǎn)量的恢復效應[J]. 灌溉排水學報, 2019, 38(12): 37-43.

DING Dawei, YONG Beibei, CHEN Jinping. Restoration effect of fertilizers topdressing on growth and yield of flooded maize[J]. Journal of Irrigation and Drainage, 2019, 38(12): 37-43.

[16] 周青云, 李夢初, 漆棟良, 等. 拔節(jié)期淹水條件下施氮量對春玉米生理特性的影響[J]. 灌溉排水學報, 2020, 39(S2): 40-44.

ZHOU Qingyun, LI Mengchu, QI Dongliang, et al. Effects of nitrogen rate on physiological characteristics of spring maize under waterlogging at jointing stage[J]. Journal of Irrigation and Drainage, 2020, 39(S2): 40-44.

[17] 丁一匯. 論河南“75.8”特大暴雨的研究: 回顧與評述[J]. 氣象學報, 2015, 73(3): 411-424.

DING Yihui.On the study of the unprecedented heavy rainfall in Henan Province during 4-8 August 1975: Review and assessmen[J]. Acta Meteorologica Sinica, 2015, 73(3): 411-424.

[18] 栗晗, 王新敏, 張霞, 等. 河南“7·19”豫北罕見特大暴雨降水特征及極端性分析[J]. 氣象, 2018, 44(9): 1 136-1 147.

LI Han, WANG Xinmin, ZHANG Xia, et al.Analysis on extremity and characteristics of the 19 July 2016 severe torrential rain in the North of Henan Province[J]. Meteorological Monthly, 2018, 44(9): 1 136-1 147.

[19] BLOCK Anna, HUNTER Charles, SATTLER Scott, et al. Fighting on two fronts: Elevated insect resistance in flooded maize[J]. Plant, Cell & Environment, 2020, 43(1): 223-234.

[20] 佘奎軍, 劉永進, 賀奇, 等. 2001—2015年寧夏玉米病蟲害發(fā)生特征與損失分析[J]. 環(huán)境昆蟲學報, 2017, 39(5): 1 071-1 080.

SHE Kuijun, LIU Yongjin, HE Qi, et al. Characteristic of occurrence and loss from diseases and insect pests in Maize production in Ningxia from 2001 to 2015[J]. Journal of Environmental Entomology, 2017, 39(5): 1 071-1 080.

[21] 霍治國, 范雨嫻, 楊建瑩, 等. 中國農(nóng)業(yè)洪澇災害研究進展[J]. 應用氣象學報, 2017, 28(6): 641-653.

HUO Zhiguo, FAN Yuxian, YANG Jianying, et al.Review on agricultural flood disaster in China[J]. Journal of Applied Meteorological Science, 2017, 28(6): 641-653.

[22] 李新梅, 宗勇偉, 張立莊, 等. 玉米細菌性莖腐病的發(fā)生規(guī)律與防治對策[J]. 安徽農(nóng)學通報, 2008(2): 56-57.

LI Xinmei, ZONG Yongwei, ZHANG Lizhuang, et al. Occurrence law and prevention method of bacterial stem rot of maize[J]. Anhui Agricultural Science Bulletin, 2008(2): 56-57.

[23] 張鑫, 楊普云, 任彬元, 等. 2008—2019年東北三省玉米病蟲草害發(fā)生為害和防治情況分析[J]. 中國植保導刊, 2021, 41(10): 83-90, 50.

ZHANG Xin, YANG Puyun, REN Binyuan, et al.Statistical analysis of the occurrence,damage,and control of corn pests in the Northeast of China from 2008 to 2019[J]. China Plant Protection, 2021, 41(10): 83-90, 50.

Approach for Evaluating Summer Maize Yield Losses under Extreme Rainfall Events：A Case Study in “7·20” Heavy Rain Event in Henan Province

LIU Haijun, TANG Xiaopei, YANG Li

(Beijing Key Laboratory of Urban Hydrological Cycle and Sponge City Technology, College of Water Sciences, Beijing Normal University, Beijing 100875, China)

【Objective】Flooding and waterlogging is a common abiotic stress facing agricultural production. Understanding its impact on crop yield is essential to evaluating food supply and security. The objective of this paper is to present a rapid and accurate method for assessing the impact of extreme rainfall events on crops. The method was then applied to evaluate effect of the flooding on 20 July (20/7), 2021 on yield of summer maize in Henan province.【Method】We used daily normalized vegetation index () acquired from remote sensing imageries and DEMdata from 18 June to 29 July to estimate the flooded summer maize areas across the province after the 20/7 flooding, using pixel statistic method. The yield loss was estimated based on the relationship between flooding duration and maize yield reduction, as well as the compensatory effect of the topdressing afterwards.【Result】The flooded areas were mainly located in the north, including Anyang, Xinxiang, and Zhengzhou, affecting 39.09 million ‘mu’ of summer maize, in which 8.51 million ‘mu’ was moderately flooded (continuously flooding 3 days), 1.95 million ‘mu’ was severely flooded (continuously flooding 5 days), and 2.96 million ‘mu’ lost harvest (continuously flooding 7 days). This flooding resulted in a direct loss of 3.93～4.91 million tons of summer maize, accounting for 17%～22% of maize production in the province (based on maize production in 2019). This is consistent with field survey results. The proposed method is thus accurate and reliable, quickly determining flooded cropped areas and estimating their yield losses.【Conclusion】A method based on remote sensing imageries is developed to evaluate flooding severity, its associated areas and crop yield losses. Comparing with ground-truth data obtained in the 20/7 flooding shows that the method is accurate and reliable.

heavy rain; summer maize; flooding area; yield loss assessment; food security

劉海軍, 唐曉培, 楊麗. 極端降水引起的大面積夏玉米減產(chǎn)方法研究：以2021年河南“7·20”強降水事件為例[J]. 灌溉排水學報, 2023, 42(3): 1-6.

LIU Haijun, TANG Xiaopei, YANG Li. Approach for Evaluating Summer Maize Yield Losses under Extreme Rainfall Events: A Case Study in “7·20” Heavy Rain Event in Henan Province[J]. Journal of Irrigation and Drainage, 2023, 42(3): 1-6.

2022-07-15

國家自然科學基金項目（51939005）；111引智基地項目（B18006）

劉海軍（1975-），男。教授，博士生導師，主要從事農(nóng)業(yè)水文過程及現(xiàn)代節(jié)水灌溉理論和技術(shù)研究。E-mail: shanxilhj@bnu.edu.cn

S161.4

A

10.13522/j.cnki.ggps.2022395

1672 - 3317（2023）03 - 0001 - 06

責任編輯：韓 洋