气象灾害对福建粮食产量影响的灰色关联分析*

林志宇，田贵良

（河海大学商学院，南京211100）



气象灾害对福建粮食产量影响的灰色关联分析*

林志宇，田贵良**

（河海大学商学院，南京211100）

摘要：根据1984-2013年福建省农业统计数据，分析全省粮食产量和气象灾害的变化特征；在划分气象灾害和粮食作物类型的基础上，分别从受灾范围和灾害强度角度，利用灰色关联模型分析1984-1993、1994-2003、2004-2013年3个阶段内气象灾害对粮食生产的影响。结果表明：（1）气象灾害对福建省粮食生产影响较大，研究期内受灾范围的影响不断降低，而灾害强度的影响不断增大，粮食作物对灾害强度的影响更敏感，因此防灾重点应从减少受灾范围逐步转移至降低高强度灾害所造成的损失；（2）风雹受灾范围对福建省粮食生产尤其对大豆和薯类产量具有重大影响。近年来，台风受灾范围对粮食生产的危害日益凸显，逐步成为关键影响因子；（3）水灾灾害强度对福建省粮食生产尤其对小麦和薯类产量具有重大影响。

关键词：粮食生产；气象灾害；作物类型；受灾范围；灾害强度

林志宇，田贵良.气象灾害对福建粮食产量影响的灰色关联分析[J].中国农业气象，2016，37（1）:77-83

由于人口增长[1]、粮食生产格局变化[2]、水资源短缺以及气候变化[3]，中国的粮食安全形势将面临巨大挑战。福建省作为传统缺粮大省，人多地少，自然灾害频发，粮食安全形势一直非常严峻[4]。2013年以*来，福建省农业多次受到寒冻、冰雹、热带风暴和台风等气象灾害的袭击，累计造成经济损失36.16亿元。可见，气象灾害是自然灾害中最为频繁而又严重的灾害，研究其对福建省粮食生产的影响具有重要意义。

目前，关于气象灾害对粮食生产的影响，相关研究利用因子分析、相关分析、灰色关联分析、面板数据模型、C-D生产函数等方法，分别从全球[5-7]、全国[8-10]、地区[11]、省域[12-13]、市域[14]、县域[15]等层面展开。虽然由于地域差异和研究方法的不同，得到的结果不尽一致，但均证实了气象灾害对粮食生产的负面影响，对各地域粮食生产具有重要的指导意义。然而，以往研究视角较单一，仅从受灾范围的角度进行分析，缺乏从灾害强度角度进行研究。同时，以往研究均停留在宏观层面，仅考虑地域内总体受灾情况对粮食生产的影响，缺乏对气象灾害和粮食作物的类型进行细分，进而探讨各种气象灾害对不同粮食作物产量的影响。此外，当前有关台风灾害影响粮食生产的定量研究报道还较少见。

鉴于此，本文根据1984-2013年福建省农业统计数据，分析粮食产量和气象灾害的变化特征，并在划分气象灾害和粮食作物类型的基础上，分别从受灾范围和灾害强度视角，对1984-1993、1994-2003、2004-2013年3个阶段内气象灾害与粮食单产的关联度进行计算排序，识别对特定粮食作物危害最大的关键气象灾害以及受其影响最大的粮食作物，以期为防灾减灾提供科学依据，促进全省粮食生产的可持续发展。

1 资料与方法

1.1 资料

分别以水稻、小麦、玉米、薯类、大豆的单产为参考序列，在与受灾范围的关联分析中，选取旱灾、水灾、风雹、霜冻和台风的受灾率为比较序列，而在与灾害强度的关联分析中，选取5种灾害的强度指数为比较序列。同时，由于气象灾害与粮食产量不断发生变化，本文将1984-2013年划分为1984-1993、1994-2003、2004-2013年3个阶段，以便于比较分析不同阶段气象灾害对粮食生产的影响。另外，福建省自1998年才将台风灾害的受灾数据列入统计年鉴，所以仅在2004-2013年这一阶段考虑台风灾害对粮食生产的影响。其中，福建省的粮食单产以及气象灾害的受灾面积、成灾面积等数据来源于《福建统计年鉴》、《中国农村统计年鉴》、《中国统计年鉴》和《新中国六十年统计资料汇编》。

受灾率为受灾面积占播种面积的百分比，灾害强度指数为成灾面积与受灾面积的百分比。

1.2 方法

灰色关联分析是一种多因素统计分析方法，用来揭示因素关系的强弱程度，其基本思想是根据序列曲线之间几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间关联度越大，反之则越小。与回归分析、方差分析、主成分分析等数理统计方法相比，灰色关联分析对样本量的多少和样本有无规律同样适用，且计算量小，不会出现量化结果与定性分析结果不符的情况[16]。考虑到本文所选取的各类变量数值波动较大，以及具有可比性的统计数据的时间序列不长，故认为选用灰色关联分析模型具有显著优势。

灰色关联分析的步骤为

（1）求各序列的初值像

式中，X′i为序列i的初值像，Xi为序列i，xi（1）为序列i的第1个对象，xi′（k）为序列i的第k个对象的初值像，i＝0，1，2，…，m，k＝1，2，…，n，其中，序列0代表参考序列。

（2）求差序列Δi（k）

式中，x′0（k）为参考序列的初值像，xi′（k）为序列i的初值像。

（3）求两极最大差和最小差

式中，M为各序列初值像与参考序列初值像的最大差，m为各序列初值像与参考序列初值像的最小差。

（4）求关联系数

式中，r0i（k）为序列i与参考序列的第k个对象的关联系数，ε为分辨系数，取ε＝0.5。

（5）计算关联度

式中，r0i为序列i与参考序列的关联度，关联度越大，说明两者关系越密切；反之，则关系越不密切。本文将关联度强弱分为3类（表1）。

表1 关联度(r0i)的强弱划分Table 1 The division degree of correlation based on the grey correlation value (r0i)

2 结果与分析

2.1 福建省年粮食产量变化特征

由图1可见，1984-2013年，福建省粮食单产总体呈波动上升趋势，其中，第一阶段（1984-1993年）初期略下降，至1986年达到最小值3960.0kg·hm-2，后缓慢上升，第二阶段（1994-2003年）初期略上升后保持相对平稳，第三阶段（2004-2013年）初期缓慢上升，直至2013年达到最大值6002.3kg·hm-2，是1986年的1.52倍。研究期内全省粮食总产先波动上升后逐年降低，其中，第一阶段先下降至751.49万t后缓慢上升，第二阶段先缓慢上升，至1997年达到最大值961.78万t后急剧下降，第三阶段则缓慢降低，直至2013年达到最小值523.60万t，仅为1997年粮食总产的54%。

图1 福建省1984-2013年粮食单产和总产的年际变化Fig. 1 The annual change of grain unit yield and total grain output in Fujian from 1984 to 2013

2.2 福建省年气象灾害变化特征

统计部门和农业部将粮食减产10%以上称作受灾，减产30%以上称作成灾。本文以受灾率表征气象受灾范围的大小，以灾害强度指数表征气象灾害的强弱。分析结果表明，1984-2013年福建省平均受灾率和灾害强度指数分别为26.70%和47.77%，说明分析期全省气象灾害对粮食生产影响较大。3个研究阶段中，受灾率高于研究期平均值的年份分别占到50%、50%、30%，灾害强度指数高于研究期平均值的年份分别占到30%、50%、50%，说明研究期内气象灾害的受灾范围呈逐渐减少趋势，而灾害强度不断增大（图2）。

图2 福建省1984-2013年受灾率和灾害强度指数的年际变化Fig. 2 The annual change of the disaster-affected rate and disaster strength index in Fujian from 1984 to 2013

2.3 粮食产量与气象灾害的关联分析

2.3.1 粮食单产与受灾范围

分析表明，第一阶段（1984-1993年，表2）旱灾、风雹、水灾和霜冻4种灾害的受灾率与5种作物单产的关联性表现为，风雹、水灾、霜冻呈现强关联，旱灾为中等关联，说明从受灾范围看，风雹、水灾、霜冻对粮食生产危害较大，风雹是该阶段的关键气象灾害，而旱灾的危害最小。值得注意的是，风雹和水灾的受灾率与粮食单产的关联度高达0.99，可见该阶段风雹和水灾的受灾范围对粮食生产具有重大影响。

表2 福建省1984-1993年主要粮食单产与不同类型灾害受灾率的关联分析Table 2 The grey correlation analysis between unit yield and disaster-affected rate at the first period(1984-1993)

第二阶段（1994-2003年，表3）受灾率与5种作物单产的关联度最大的两种灾害依然是风雹和水灾，与第一阶段表现一致，但该阶段旱灾受灾率与5种作物单产的关联度超过霜冻，上升至第三位，呈现强关联，说明从受灾范围看，风雹仍然是该阶段的关键气象灾害，但粮食生产受旱灾的危害显著上升，而霜冻的危害有所下降。

第三阶段（2004-2013年，表4）与第二阶段相比，受灾率与5种粮食单产的关联度，除霜冻大幅上升外，其余灾害均有所下降，水灾和旱灾降至中等关联，说明从受灾范围看，该阶段的关键气象灾害为台风，除霜冻的危害程度大幅上升至第三位外，其余灾害对粮食生产的危害程度均有所下降，水灾的危害最小。

表3 福建省1994-2003年主要粮食单产与不同类型灾害受灾率的关联分析Table 3 The grey correlation analysis between unit yield and disaster-affected rate at the second period(1994-2003)

表4 福建省2004-2013年主要粮食单产与不同类型灾害受灾率的关联分析Table 4 The grey correlation analysis between unit yield and disaster-affected rate at the third period(2004-2013)

综合上述分析可知，虽然对特定粮食作物而言，5种灾害受灾范围的影响程度有差异，但对于5种粮食作物而言，特定灾害受灾范围的影响程度，与其它灾害具有相对一致性。同时，对比3个阶段的关联分析发现，受灾范围对粮食产量的影响不断发生变化。总体而言，第一阶段的关联度最大，第二阶段略下降，第三阶段则显著降低，说明研究期内气象灾害受灾范围对粮食生产的危害正不断下降。就不同灾害受灾范围而言，前两阶段的关键气象灾害为风雹，第三阶段为台风，总体上，除旱灾的影响程度呈波动变化外，水灾、风雹、霜冻的影响程度均不断减小。

2.3.2 粮食单产与灾害强度

分析表明，第一阶段（1984-1993年，表5），4种灾害强度指数与水稻单产的关联性表现为，水灾、风雹呈现强关联，霜冻、旱灾为中等关联，说明从灾害强度看，粮食生产受水灾、风雹的危害较大，水灾是该阶段的关键气象灾害，而旱灾的危害最小，其关联度低于0.5。此外，4种气象灾害对小麦、玉米、大豆的影响与水稻基本一致，不再赘述，仅薯类较特殊，其受旱灾的危害大于霜冻。

第二阶段（1994-2003年，表6）与第一阶段相比，霜冻强度指数与水稻单产的关联度显著上升至强关联，位居第一，仅旱灾为中等关联，说明从灾害强度看，水稻生产受霜冻的危害大幅上升，成为该阶段的关键影响因子，水灾、风雹的影响仍然较大，而旱灾的影响最弱。此外，小麦和薯类，除受风雹的危害等级降至中等，受其余灾害的影响与水稻基本一致，在此不再赘述。但是，玉米、大豆则与水稻不同，其单产与水灾的关联大于霜冻，可见，对于玉米和大豆，水灾的危害最大，是该阶段的关键气象灾害，另外，大豆与玉米相比，其受风雹的危害大于旱灾。

第三阶段（2004-2013年，表7）与第二阶段相比，灾害强度指数与水稻单产的关联度上升的有水灾和旱灾，其中水灾上升至第一位，而霜冻由第一位降至第三位，台风的关联度最小，低于0.5，说明从灾害强度看，水灾成为该阶段的关键气象灾害，旱灾的危害显著上升，而台风对水稻单产的危害程度最低。此外，除小麦受霜冻的危害大于旱灾外，其余作物受5种灾害强度的影响与水稻基本一致。

表5 福建省1984-1993年主要粮食单产与不同类型灾害强度指数的关联分析Table 5 The grey correlation analysis between unit yield and disaster strength index at the first period(1984-1993)

表6 福建省1994-2003年主要粮食单产与不同类型灾害强度指数的关联分析Table 6 The grey correlation analysis between unit yield and disaster strength index at the second period(1994-2003)

表7 福建省2004-2013年主要粮食单产与不同类型灾害强度指数的关联分析Table 7 The grey correlation analysis between unit yield and disaster strength index at the third period(2004-2013)

综合上述分析结果可知，对于特定粮食作物，5种灾害强度的影响程度存在差异，而且对于5种粮食作物，特定灾害强度的影响程度，与其它灾害也不一致。同时，对比3个阶段的关联分析发现，研究期内气象灾害强度对粮食生产的影响不断发生变化。总体而言，第一阶段的灾害强度指数最小，第二阶段大幅上升，第三阶段略上升，说明气象灾害强度对粮食生产的影响程度在不断增大。就不同灾害强度而言，研究期内对于水稻、小麦和薯类，关键气象灾害由水灾变成霜冻后又变成水灾，而对于玉米和大豆，水灾则一直是其关键气象灾害，总体上，研究期内旱灾、水灾的危害程度不断增加，风雹缓慢降低，而霜冻则呈波动上升。

此外，对于5种粮食作物，与其它灾害相比，特定灾害的受灾范围的影响程度相对一致，而特定灾害强度的影响程度则存在差异，说明特定粮食作物受到不同灾害强度的影响比受灾范围更敏感。

3 结论与讨论

3.1 结论

（1）气象灾害对福建省粮食生产具有较大影响。现阶段受灾范围的影响程度明显大于灾害强度，但1984-2013年受灾范围的影响正不断降低，而灾害强度的影响则不断增大，可能与近年来受灾范围逐渐减小，灾害强度不断增大，以及基础设施建设投入的加大和良种培育、播种灌溉技术进步等大幅提升了粮食作物抵御灾害的能力，致使受灾范围不断减少有关。因此，现阶段的防灾减灾重点仍然是减少受灾范围，但今后应将重点从减小受灾范围逐步转移至降低高强度气象灾害所造成的损失。

（2）从受灾范围看，风雹对福建省粮食生产尤其对大豆和薯类产量具有重大影响。因此，应有针对性地采取防灾减灾措施，降低风雹受灾范围的危害。近年来，台风对粮食生产的危害日益凸显，逐步成为关键影响因子，也应引起高度重视。

（3）从灾害强度看，水灾对福建省粮食生产尤其对小麦和薯类产量具有重大影响。因此，应积极运用兴修水利、治理河流、加强暴雨预报研究等手段减少水灾灾害强度对粮食生产，特别是对小麦和薯类产量的影响。此外，近年来，旱灾、水灾、霜冻的危害均不断增大，重点减少高强度水灾所造成损失的同时，也应加大对旱灾和霜冻的重视。

（4）与受灾范围相比，粮食作物对灾害强度的影响更敏感。因此，在应对高强度气象灾害时，要更加注意针对不同粮食作物制定相应的防灾减灾措施，重点防范对其危害较大的气象灾害。

3.2 讨论

本文在划分灾害和作物类型的基础上，分析气象灾害对粮食生产的影响，能识别不同阶段的关键气象灾害以及受其危害较大的粮食作物种类，进而有利于针对性地采取防灾减灾措施，克服了以往研究仅考虑地域内总体受灾情况对粮食生产影响的不足。庄道元等[10]通过31个省市的面板数据模型发现自然灾害对中国粮食产量的负面影响较显著，但无法识别影响最大的关键气象灾害以及受其危害较大的粮食作物。本文在以往研究[11]仅从受灾范围分析气象灾害对粮食生产影响的基础上，增加了灾害强度视角，克服了以往研究视角单一的现状，但由于数据获取难度较大，本文未对气象灾害在全省的空间分布进行研究，也无法从月份、季度等更细的时间维度进行分析。另外，水利建设、品种改良、灌溉技术进步等因素对粮食生产的影响并未考虑，均有待今后进一步研究。

参考文献References

[1]Lutz W，Sanderson W，Scherbov S.The end of world population growth[J].Nature，2001， 412（6846）:543-545.

[2]Liu J，Savenije H H G.Food consumption patterns and their effect on water requirement in China[J].Hydrology ＆ Earth System Sciences，2008，5（1）:27-50.

[3]Marris E.Water:more crop per drop[J].Nature，2008，452（7185）: 273-277.

[4]张星，陈惠，吴菊薪.气象灾害影响福建粮食生产安全的机理分析[J].自然灾害学报，2008，17（2）:150-155. Zhang X，Chen H，Wu J X.Cause analysis of meteorological disaster effect on safety in production of grain in Fujian Province[J].Journal of Natural Disasters，2008，17（2）:150-155. （in Chinese）

[5]Dlugolecki A F.Climate change and the insurance industry[J]. The Geneva Papers on Risk and Insurance-Issues and Practice，2000，25（20）:582-601.

[6]Munich Re.Topics Geo:annual review，natural catastrophes 2003[M].Munich，Germany:Geoscience Research，2004:56.

[7]Höppe P.Scientific and economic rationale for weather risk insurance for agriculture[A].Sivakumar M V K，Motha R P.Managing weather and climate risks in agriculture[C]. Heidelberg:Springer Berlin，2007:367-375.

[8]马九杰，崔卫杰，朱信凯.农业自然灾害风险对粮食综合生产能力的影响分析[J].农业经济问题，2005，（4）:14-17. Ma J J，Cui W J，Zhu X K.Impacts of natural disasters oncomprehensive capacity of grain production in China: an analysis[J].Issues in Agricultural Economy，2005， （4）:14-17.（in Chinese）

[9]梁子谦，李小军.影响中国粮食生产的因子分析[J].农业经济问题，2006，（11）:19-22. Liang Z Q，Li X J.Factors affecting grain production in China[J].Issues in Agricultural Economy，2006，（11）:19-22.（in Chinese）

[10]庄道元，陈超，赵建东.不同阶段自然灾害对我国粮食产量影响的分析:基于31个省市的面板数据[J].软科学，2010，24（9）:39-42. Zhuang D Y，Chen C，Zhao J D.Analysis of impact of natural disasters on grain yield in different stages in China:based on panel data of 31 provinces[J].Soft Science，2010，24（9）:39-42. （in Chinese）

[11]马建勇，许吟隆，潘婕.东北地区农业气象灾害的趋势变化及其对粮食产量的影响[J].中国农业气象，2012，33（2）:283-288. Ma J Y，Xu Y L，Pan J.Analysis of agro-meteorological disasters tendency variation and the impacts on grain yield over Northeast China[J].Chinese Journal of Agrometeorology，2012，33（2）:283-288.（in Chinese）

[12]张星.主要气象灾害对福建粮食生产影响的灰色关联分析[J].中国农业气象，2007，28（1）:105-107. Zhang X.Grey correlation analysis of main meteorological disasters affecting grain production in Fujian Province[J]. Chinese Journal of Agrometeorology，2007，28（1）:105-107.（in Chinese）

[13]龙方，杨重玉，彭澧丽.粮食生产波动影响因素的实证分析:以湖南省为例[J].农业技术经济，2010，（9）:97-104. Long F，Yang Z Y，Peng L L.Empirical analysis on the impact factors of fluctuations in grain production:case of Hunan[J]. 联Journal of Agrotechnical Economics，2010，（9）:97-104.（in Chinese）

[14]姚晓红，许彦平，王润元，等.天水市农业气象灾害对主要粮食作物产量的影响[J].中国农业气象，2008，29（2）:221-223. Yao X H，Xu Y P，Wang R Y，et al.Influence of agrometeorological disasters on yield of main food grain crops in Tianshui[J].Chinese Journal of Agrometeorology，2008， 29（2）: 221-223.（in Chinese）

[15]林佳，陈欢，阳园燕，等.基于面板数据模型的渝西地区县域气象灾害累积天数对粮食产量的影响[J].中国农业气象，2013，34（2）:210-214. Lin J，Chen H，Yang Y Y，et al.Impact of cumulative meteorological disasters days on crop yields in counties of western Chongqing based on panel data model[J].Chinese Journal of Agrometeorology，2013，34（2）:210-214.（in Chinese）

[16]刘思峰，谢乃明.灰色系统理论及其应用（第6版）[M].北京:科学出版社，2013:48-56. Liu S F，Xie N M.Grey systems:theory and application（6th edition）[M].Beijing:Science Press，2013:48-56.（in Chinese）

Grey Correlation Analysis of Meteorological Disasters Affecting Grain Yields in Fujian Province

LIN Zhi-yu, TIAN Gui-liang
（Business School， Hohai University， Nanjing 211100， China）

Abstract：Based on the statistics of agriculture from 1984 to 2013 in Fujian province， the change features of grain outputs and meteorological disasters were analyzed. Based on dividing the types of meteorological disasters and grains， grey correlation model is aimed to analyze the effects of meteorological disasters on food production from the angles of scope and intensity of meteorological disasters in the years of 1984-1993， 1994-2003 and 2004-2013 respectively. The results showed that: （1）Meteorological disasters had great impacts on grain production in Fujian province. The impact of disaster-affected range was decreasing， while increasing in the intensity of disasters; Grain outputs were more sensitive to the effects of disaster intensity. Thus， the focus of disaster prevention should be shifted from reducing disaster-affected range to decline the losses caused by the disasters of high intensity.（2）The scope of wind-hail had great impacts on food production in Fujian Province， especially for soybean and potato. Recently， typhoon had come to become the key factor endangering the food production. （3）The intensity of flood had great impacts on food production in Fujian Province， especially for wheat and potato.

Key words：Food production; Meteorological disasters; Grain types; Disaster-affected range; Disaster intensity

作者简介：林志宇（1991-），硕士生，主要从事资源与环境经济学、水资源管理等研究。E-mail：hhulinzhiyu@163.com

基金项目：国家自然科学基金项目“基于粮食安全的虚拟水贸易对气候变化动态响应与调整”（41471456）；国家自然科学基金项目“区域经济系统虚拟水（VW）测算的可计算非线性动态水资源I-O模型研究”（41001377）

* 收稿日期：2015-06-10**通讯作者。E-mail：tianguiliang@hhu.edu.cn

doi:10.3969/j.issn.1000-6362.2016.01.010