贵州省农业气象灾害致灾因子的风险区划

于 飞， 谷晓平， 袁淑杰

(1.贵州省山地环境气候研究所， 贵州 贵阳 550002； 2.贵州省山地气候与资源重点实验室， 贵州 贵阳 550002； 3.成都信息工程大学， 四川 成都 610225)

贵州省农业气象灾害致灾因子的风险区划

于 飞1，2， 谷晓平1，2， 袁淑杰2，3

(1.贵州省山地环境气候研究所， 贵州 贵阳 550002； 2.贵州省山地气候与资源重点实验室， 贵州 贵阳 550002； 3.成都信息工程大学， 四川 成都 610225)

为生产上作物布局的优化调整及气象灾害的预测与防治提供依据，在贵州主要农业气象灾害致灾因子风险评估的基础上，综合考虑贵州省农业气象灾害致灾因子和孕灾环境，采用局部薄盘光滑样条函数模型，将地理因子及孕灾环境作为变量和协变量，对贵州农业气象灾害致灾因子风险进行空间精细化区划。结果表明：贵州倒春寒的高风险区域主要分布在西北部的高海拔地区，秋风高风险区在西北部有成片分布；春旱呈从东到西逐渐加大的分布特点，相对高风险区域主要包括黔西南州、黔南州西南部、六盘水市、安顺市西南部和毕节地区西部；夏旱与春旱空间分布相反，呈从东向西逐渐减小的分布规律及水平地带的连续性和成片分布的特点，常年一般在贵州省东部地区出现成片的夏旱。该区划图(100 m×100 m栅格分辨率)相对于空间叠加法或传统空间插值方法具有更好的空间连续性和精确性。

农业气象灾害； 致灾因子； 风险区划； 贵州

农业气象灾害风险区划是在农业气象灾害风险分析与评估的基础上，对灾害风险进行的宏观定量分区，其是农业防灾减灾管理、规划和政策制定的基本依据，根据灾害风险的区域性和地带性规律，有助于决策者把握区域灾害风险的宏观格局，进行作物种植布局优化调整，减轻灾害对农业生产的危害，为进行农业防灾减灾决策、开展农业灾害保险提供定量的科学依据[1-3]。目前，有关农业气象灾害风险区划研究主要是根据灾害系统的构成因素，采用资料统计分析法、实验机理模拟法和数学模型法等[4-7]评估方法对其孕灾环境敏感性、致灾因子危险性、承灾体脆弱性以及防灾抗灾能力等要素分别进行风险评估，然后再借助专家打分法或层次分析法，结合GIS空间叠加，进行各要素图层叠加、斑块合并以及等级划分等操作，以及采用基于行政单元区划、地理信息空间区划或多风险值区划等方法[8-12]，实现灾害的风险评估及其区划，得到农业气象灾害风险区划图。然而，气象灾害风险的各种形成因素都是相互结合构成一个完整的系统，前期许多研究对于灾害风险各因素所选取的指标存在重复交叉问题，在区划上主要是基于行政区域进行区划。农业气象灾害风险系统分为自然属性和社会属性，其自然属性主要包括致灾因子和孕灾环境，社会属性主要包括承灾体和防灾减灾能力。充分研究农业气象灾害风险的自然属性是进行防灾减灾管理的基础。为此，笔者将重点综合考虑贵州农业气象灾害致灾因子和孕灾环境的风险，采用信息扩散法及局部薄盘光滑样条函数模型进行风险评估和区划研究，以期为生产上作物布局的优化调整及气象灾害的预测与防治提供科学依据。

1 资料与方法

1.1 资料来源与处理

贵州省气象台(站)建站至2010年常规气象要素观测资料，均来自贵州省气象局。包括气温(平均、最高、最低)、降水量、降水日数和相对湿度等要素。建模计算前对所使用的气候数据进行严格的数据审查，剔除数据缺测的台站，保证了数据的代表性、稳定性和可比性。

空间数据主要包括贵州省1∶25万行政边界数据，100 m×100 m ARC/INFO GRID格式的贵州省DEM数据以及全省气象站点的地理信息数据，均来源于贵州省气象局。其中，衍生的空间数据，包括贵州省坡度、坡向、经度和纬度等地理信息资料，均是通过ArcGis软件计算所得。

农业气象灾害致灾因子指标和资料主要根据贵州省短期气候预测技术定义的贵州省农业气象灾害指数划分标准[13]进行逐年计算。研究主要针对影响贵州省农业生产的“两寒”(倒春寒、秋风)和“两旱”(春旱、夏旱)灾害进行。

1.2 农业气象灾害致灾因子的风险评估

农业气象灾害致灾因子风险评估是风险区划的基础。参照文献[8]的方法采用信息扩散方法求取每种农业气象灾害对应灾害风险因素指标论域的概率值p(un)及超越概率值p(un)。为了更充分利用信息扩散带来的信息，令：

Tw=p(un)*UT

式中，Tw为农业气象灾害风险评估值，p(ui)是所要求的某种气象灾害的超越概率，U={u1,u2…un}为灾害风险因素指标论域，UT表示矩阵U的转置。

1.3 农业气象灾害孕灾环境因子的选取

农业气象灾害孕灾环境指孕育农业气象灾害的自然环境，如气候因子、地形因子和植被因子等。孕灾环境的区域差异决定致灾因子时空分布特征的背景，特别是贵州省复杂的山地环境和独特的气候背景，对农业气象灾害致灾因子的区域分布产生很大的影响。在对贵州省“两寒”和“两旱”灾害致灾因子进行空间精细化区划过程中，主要引入的孕灾环境背景因子：

1) 倒春寒考虑其孕灾环境因子主要选取3—4月气候的平均气温、最低气温；

2) 秋风主要考虑其孕灾环境因子主要选取8—9月气候的平均气温、最低气温、平均相对湿度和日照时数；

3) 春旱考虑其孕灾环境因子主要选取3—5月气候的平均降水量和≥10.0 mm降水日数；

4) 夏旱考虑其孕灾环境因子主要选取6—8月气候的平均降水量和≥10.0 mm降水日数。

1.4 农业气象灾害孕灾环境因子的空间精细化区划

孕灾环境的区域差异决定了致灾因子时空分布特征的背景，因此首先采用空间精细化方法对灾害孕灾环境进行区划。气温、日照时数和降水量空间分布栅格资料由复杂地形下气温的分布式模型求得[14-16]。该分布式模型把各种地形因素考虑在内，包括海拔高度、坡向、坡度、地形遮蔽和坡地反射等及天气过程，物理意义清晰，对于贵州省复杂山地气候背景具有较好的模拟能力。因此，这些因子可以通过农业气象灾害致灾因子风险区划模型引入到致灾因子灾害风险区划图中，提升致灾因子灾害风险区划的精细化。

1.5 农业气象灾害致灾因子风险区划模型的构建

采用局部薄盘光滑样条函数模型作为农业气象灾害风险区划模型，局部薄盘光滑样条对薄盘光滑样条原型进行的扩展，其除普通的样条自变量外允许引入其他因子作为协变量处理。在对农业气象灾害风险进行空间区划时，采用局部薄盘光滑样条函数插值法，将农业气象灾害对应的主要孕灾环境因子在同一模型中考虑，利用该模型模拟孕灾环境因素与农业气象灾害风险的定量关系，进而推知无观测地方的气候状况，实现农业气象灾害风险空间分布网格化，从而实现农业气象灾害风险区划。

以ANUSPLIN软件为平台，通过其提供综合统计分析、数据诊断和空间分布的标准误实现最优化模型的自动选取。另外，其还提供了灵活的数据输入和表面审查程序。最佳模型判断标准有：GCV或GML最小，信噪比SNR(信号自由度与剩余自由度之比)最小，剩余自由度大于站点的1/2，模型成功率判断中无“*”号指示[17-18]。

在大多数情况下，模型选择以样条次数为3次的局部薄盘光滑样条函数模型为最佳[19-21]。根据贵州省以及不同气候要素具体情况，试验采用局部薄盘样条函数的多个模型(变量、协变量和样条次数多种组合)，以及数据转换方式选取，通过统计参数比较，依据最佳模型判断标准，经过模型的平均相对误差检验，选出贵州省秋风、倒春寒、春旱和夏旱灾害风险区划的相对最优模型(表)。根据模型推算得到贵州省主要农业扬名灾害风险区划图，栅格分辨率为100 m×100 m。

精度检验方法采用交叉验证( cross-validation) 方法对插值结果进行对比分析。交叉验证即首先假定每一站点的要素值未知，然后用周围站点的值进行估算，这样轮流改变未知站点，最后计算所有站点实测观测值与估算值的误差，以此评判估值方法的优劣。该研究对分布在贵州省境内的84个站点的插值结果进行全交叉验证，并运用平均相对误差(MRE)作为检验的标准，检验和反映误差的相对大小。

表 贵州省秋风、倒春寒、春旱和夏旱灾害风险的空间区划模型

Table Spatial zoning model of Autumn wind, cold spell in later Spring, Spring drought and Summer drought disaster risk in Guizhou

农业气象灾害风险Agro⁃meteorologicaldisasterrisk独立变量Independentvariable独立协变量Independentconcomitantvariable样条次数/次Samplenumber平均相对误差/%MRE秋风Autumnwind经度、纬度8-9月气候平均气温、最低气温、相对湿度、日照时数31．2倒春寒ColdspellinlaterSpring经度、纬度3-4月气候平均气温、最低气温31．8春旱Springdrought经度、纬度3-5月气候平均降水量和≥10．0mm降水日数23．2夏旱Summerdrought经度、纬度6-8月气候平均降水量和≥10．0mm降水日数22．8

2 结果与分析

2.1 贵州省秋风和倒春寒风险区划

由图1可知：1) 倒春寒风险区划。高风险区域主要分布在贵州省西北部的高海拔地区，包括毕节市大部及六盘水市北部，零散的分布在东北部和东部地区的大娄山、梵净山及雷公山等高海拔区域，该区域出现轻度以上倒春寒的概率为80%以上；一般风险区域主要零散分布在贵州省中部一线以及东部的部分区域，该区域出现轻度以上倒春寒的概率为50%～80%；低风险区域主要分布在贵州省南部的南北盘江及北部赤水河流域，该区域出现轻度倒春寒的概率在50%以下。2) 秋风风险区划。西北部有成片的秋风高风险区，包括毕节市和六盘水市大部分区域，黔北的习水、黔中部分地区、铜仁梵净山和黔东南的雷公山一带，为几个分散的相对秋风高风险区，该区域出现轻度以上秋风的概率为80%以上；一般风险区主要分布在贵州省中部、黔西南西部及遵义北部地区，该区域出现轻度以上秋风的概率为50%～80%；低风险区主要分布在贵州省的东部、南部及东北部地区，该区域出现轻度秋风的概率在50%以下。

图1 贵州省倒春寒和秋风的风险区划

图2 贵州省春旱和夏旱的风险区划

2.2 贵州省春旱和夏旱风险区划

贵州省的旱灾有季节性和区域性的分布规律，季节性干旱分为春旱和夏旱。由图2可知： 1) 春旱。贵州省春旱呈从东到西灾害风险逐渐加大的分布特点，相对高风险区域主要包括黔西南州、黔南州西南部、六盘水市、安顺市西南部和毕节地区西部，该区域出现轻度以上春旱的概率为80%以上；一般风险区主要包括毕节地区东部、安顺市东北部、贵阳市西北部和黔南州大部，该区域出现轻度以上春旱的概率为50%～80%；较轻风险区主要包括遵义市大部、铜仁市西部、黔南州东部和黔西南州南部，出现概率在50%以下；轻度风险区主要包括铜仁市东部和黔东南州大部，该区域出现轻度春旱的概率在50%以下。2) 夏旱。贵州省夏旱风险与春旱风险空间分布相反，呈从东向西逐渐减小的分布规律及水平地带的连续性和成片分布的特点，常年一般在贵州省东部地区出现成片的夏旱。夏旱相对高风险区域主要包括铜仁市、黔东南州和遵义市南部，该区域出现轻度以上夏旱的概率为80%以上；一般风险区主要包括遵义市南部、贵阳市大部、黔南北部和黔东南西部，出现概率在50%以下；较轻风险区主要包括毕节、安顺、黔南州地区的大部，该区域出现轻度以上夏旱的概率为50%～80%；轻度风险区主要包括六盘水市、黔西南州、毕节地区西南部和安顺市西南部，该区域出现轻度夏旱的概率在50%以下。

3 结论与讨论

1) 孕灾环境的区域差异决定致灾因子时空分布特征的背景，特别是贵州省复杂的山地环境和独特的气候背景，对农业气象灾害致灾因子的区域分布产生了很大的影响。本研究在农业气象灾害致灾因子风险评估和农业气象灾害孕灾环境因子空间精细化区划的基础上，综合考虑贵州省“两寒”和“两旱”农业气象灾害致灾因子和孕灾环境，基于局部薄盘光滑样条函数模型，将地理因子及孕灾环境作为变量和协变量，实现贵州省农业气象灾害致灾因子风险空间精细化区划。

2) 本研究得到贵州省100 m×100 m栅格分辨率的倒春寒、秋风、夏旱和春旱致灾因子气象灾害风险精细化空间区划图，其综合考虑了贵州省复杂地形下地理因子和孕灾环境因子，直接或间接引入了更多的地理环境因子以及气候环境的影响。该区划图相对于传统只考虑经度、纬度与海拔高程的小网格推算法所得到的区划图更为细致，可为包括乡(镇)一级在内的各级管理部门提供农业气象灾害风险分析与管理指导，该风险空间区划模型相对于专家赋值空间叠加法更具有空间连续性与客观性，同时该模型易于推广应用于农业气象灾害监测与影响评估。

3) 本研究仅考虑贵州省“两寒”和“两旱”农业气象灾害风险的自然属性，即致灾因子和孕灾环境，对于灾害风险的社会属性，即承灾体如水稻、玉米或是特色作物等种植面积，防灾减灾能力如灌溉面积和减灾投入等，需要在农业气象灾害风险自然属性研究的基础上，结合社会科学的研究方法进行进一步的探讨，综合农业气象灾害风险自然属性和社会属性，针对不同的风险等级制定防灾减灾措施。

[1] 王春乙，王石立，霍治国，等.近10年来中国主要农业气象灾害监测预警与评估技术研究进展[J].气象学报，2005,63(5):659-671.

[2] 黄崇福，张俊香，陈志芬.自然灾害风险区划图的一个潜在发展方向[J].自然灾害学报，2004,13(2):9-15.

[3] 罗 培.基于GIS的重庆市干旱灾害风险评估与区划[J].中国农业气象，2007,28(1):100-104.

[4] 赵 霞，王 平，龚亚丽，等.基于GIS的内蒙古中部区域洪水灾害风险评价[J].北京师范大学学报：自然科学版，2007,43(6):666-669.

[5] 张继权，范久波，刘兴朋，等.内蒙古呼伦贝尔市草原火灾危害度评价及预测[J].灾害学，2010,25(1):35-38.

[6] 杨再强，朱 凯，赵 翔，等.中国南方塑料大棚农业气象灾害风险区划[J].自然灾害学报，2012,21(5):213-221.

[7] 董晨娥，王孝卿，肖清华，等.基于GIS的农业气象灾害评估系统的研究与应用[J].自然灾害学报，2010,19(6):107-111.

[8] 黄崇福.自然灾害风险评价理论与实践[M].北京:科学出版社，2005.

[9] 王丽媛，于 飞.农业气象灾害风险分析及区划研究进展[J].贵州省农业科学，2011,39(11):84-88.

[10] 阳园燕，盖长松，罗孳孳，等.重庆市粮食产量灾害风险水平分布规律及评估[J].西南农业学报，2010,23(6):2054-2058.

[11] 张茂松，张加云，吉文娟，等.基于GIS的水稻低温冷害精细化风险区划[J].西南农业学报，2014,27(4):1723-1728.

[12] 敖 芹，谷晓平，左 晋，等.基于GIS的贵州省刺梨干旱灾害风险区划[J].贵州省农业科学，2015,43(3):133-137.

[13] 李玉柱，许柄南.贵州省短期气候预测技术[M].北京:气象出版社，2001.

[14] 袁淑杰，谷晓平，缪启龙，等.基于GIS的起伏地形下天文辐射分布式模型——以贵州省高原为例[J].山地学报，2007,25(5):577-583.

[15] 袁淑杰，缪启龙，邱新法，等.贵州省高原起伏地形下日照时间的时空分布[J].应用气象学报，2008,19(2):233-237.

[16] 袁淑杰.基于GIS的贵州省热量资源研究[D].南京:南京信息工程大学，2007.

[17] 阎 洪.气候时空数据的样条插值与应用[J].地理与地理信息科学，2003,19(5):27-31.

[18] 阎 洪.薄板光顺样条插值与中国气候空间模拟[J].地理科学，2004,24(2):163-169.

[19] 刘志红，LiL T，TimR M V，等.专用气候数据空间插值软件ANUSPLIN及其应用[J].气象，2008,34(2):92-100.

[20] 刘志红，TimR M V，Li L T，等.基于ANUSPLIN的时间序列气象要素空间插值[J].西北农林科技大学学报：自然科学版，2008,36(10):227-233.

[21] 刘志红，TimR M V，Li L T，等.基于5变量局部薄盘光滑样条函数的蒸发空间插值[J].中国水土保持科学，2006,4(6):23-30.

(责任编辑： 王 海)

Risk Zoning of Inducing Agro-meteorological Disaster Factors in Guizhou

YU Fei1,2, GU Xiaoping1,2, YUAN Shujie2,3

(1.GuizhouInstituteofMountainousEnvironmentClimate,Guiyang,Guizhou550002; 2.GuizhoukeyLaboratoryofMountainousClimateandResource,Guiyang,Guizhou550002; 3.ChengduUniversityofInformationTechnology,Chengdu,Sichuan610225,China)

In order to provide reference for optimization adjustment of crop distribution in agriculture, and forecast and prevention of meteorological disaster, hazard of meteorological disaster to agricultural production in Guizhou was relieved, according to inducing agro-meteorological disaster factors and disaster-pregnant environment on the basis of risk assessment of main inducing agro-meteorological disaster factors to optimize crops distribution in production. Results: Cold spell in later Spring of high risk areas are mainly distributed in the northwest of high altitude. Autumn wind of high risk areas is in the northwest with a film distribution. Distribution in spring increased gradually from east to west, relatively high risk area mainly consists of Western Guizhou, southwest of Qiannan state, Liupanshui City, Anshun in the southwestern part of the city and Bijie Prefecture. Drought in summer and drought spatial distribution on the contrary, is decreasing gradually from the east to the west and the regularities of distribution of the horizontal strip of continuity and a film distribution characteristic, year round general in the eastern area of Guizhou Province appear piece of drought in summer. The map (100 m × 100 m resolution) with respect to the spatial superposition method or traditional spatial interpolation method has better spatial continuity and accuracy.

agro-meteorological hazard; disaster-inducing factor; risk division; Guizhou

2016-01-11； 2016-04-09修回

国家科技支撑计划项目“贵州突发性灾害防控技术研究与集成示范”(2012BAD20B06)；贵州省重大科技专项“贵州‘两高’沿线特色农业气候精细化区划与气象灾害防控” [黔科合重大专项字(2011)6003]

于 飞(1983-)，男，工程师，硕士，从事生态环境与农业气象灾害研究。E-mail:hn_yufei@qq.com

1001-3601(2016)04-0179-0138-04

S162.2

A