基于信息扩散理论的山东省日光温室番茄低温冷害风险评估

李楠+陈辰+张继波

摘 要：基于1984年至2013年山东省设施农业生产季（每年10月至次年4月）自动气象观测站资料及2007年至2014年日光温室小气候自动观测站资料，结合日光温室内番茄低温冷害等级指标，利用80%保证率方法，统计分析得到了日光温室外番茄低温冷害等级指标；应用该指标，对近30年山东省日光温室番茄低温冷害进行统计分析，结果表明，低温冷害主要发生在12月、1月及2月；引入信息扩散理论，通过Matlab程序编写，计算得到了全省122个县站不同低温冷害等级下不同发生时间长度的风险概率值；利用ArcGIS绘制得到全省低温冷害发生风险概率分布图。

关键词：日光温室；低温冷害；风险评估；信息扩散；山东省

中图分类号：S641.205+.3文献标识号：A文章编号：1001-4942（2016）12-0124-05

Abstract Based on the data derived from the 122 auto-meteorological observation stations in Shandong Province in facility production season from 1984 to 2013 and the greenhouse auto-micro-climate observation stations in Linzi， Laiwu and Dongying from 2007 to 2014， the chilling injury grade indexes of tomato inside greenhouse were used to analyze the chilling injury grade indexes of tomato outside greenhouse by 80% guarantee rate method. Then the chilling injury grade indexes of tomato outside greenhouse were used to statistically analyze the change rules of the chilling injury of greenhouse tomato in Shandong Province in recent 30 years. The results showed that the chilling injury mainly happened in December， January and February. The risk probability values of 122 stations in Shandong under different chilling injury grades for different time lengths were calculated by the Matlab program based on the information diffusion theory. The risk probability distribution maps were drawn using ArcGIS platform for chilling injury in Shandong.

Keywords Greenhouse； Chilling injury； Risk assessment； Information diffusion； Shandong Province

低温冷害是影响我国农业生产的主要灾害之一，是指农作物生育期遭受低于其生长发育所需的环境温度，引起农作物生育期延迟，或生殖器官的生理机能受到损害，导致农业减产的灾害类型[1]。我国低温冷害多发，相关研究主要集中在东北地区及新疆等地的大宗作物[2-6]，一般采用灾害风险评估模型对其进行风险分析，而风险评估模型包括3类[7-16]：（1）描述灾害本身发生强度等级及其发生概率的灾害强度风险评估模型；（2）以灾损指标表示的描述灾害强度与承灾体直接和间接损失的灾损风险评估模型；（3）反映社会生产水平或承灾体本身抗灾能力的评估模型。然而，大多数风险系统具有模糊不确定性，基于此，黄崇福教授在《模糊信息优化处理技术及其应用》一书中系统提出了信息扩散理论，并将其引入风险评估中[17，18]。目前已有很多学者将信息扩散理论应用于灾害的风险分析[19-22]，如冯利华等[22]利用基于信息扩散理论的风险评估方法对地震灾害进行了风险分析；张丽娟等[20]依据信息扩散理论，提出了基于灾害发生标准直接估算低温冷害、干旱和洪涝风险的计算方法，是信息扩散理论在气象灾害风险评估方面充分应用的很好例子。

在大力推进现代农业发展的大环境下，设施农业成为主要的生产方式，对增加农民收入发挥了显著作用。然而设施作物与大田作物的生长环境存在显著差异，尤其我国北方冬季生产中所使用的大多为非加温型日光温室，其热量完全依靠太阳辐射，受外界气象条件影响极大[23，24]。番茄是山东省冬季日光温室生产的主要反季节蔬菜之一，其产量及品质直接影响农民收益。因此，本文利用常见的风险评估模型中的第一类，即描述灾害本身发生强度等级及其发生概率的灾害强度风险评估模型，引入信息扩散理论，通过Matlab程序编写计算不同程度低温冷害的风险概率值，对山东省日光温室番茄低温冷害的发生风险进行评估，并利用ArcGIS绘制其分布图，为实现设施生产防灾减灾提供数据支持。

1 数据来源与研究方法

1.1 数据来源

试验数据来源于1984年至2013年设施农业生产季内（当年10月至次年4月）山东省自动气象观测站（共122站，不含泰山站）逐日最低气温数据资料，2007年至2014年临淄、莱芜、东营三个日光温室小气候自动观测站逐小时最低气温数据资料。

1.2 数据处理

基于文献查阅得到的日光温室内番茄低温冷害等级指标，将日光温室内小气候逐日观测数据资料与相同地区的自动气象站观测数据资料进行匹配提取，利用80%保证率分别计算不同等级低温发生时温室内、外气象资料对应关系，最终确定低温冷害的外界气象等级指标。

将日光温室的种植季分为三季，即秋季（10-11月）、冬季（12月-翌年2月）、春季（3-5月）。根据日光温室番茄发生低温冷害的外界气象等级指标，统计1984-2013年10月至次年4月日光温室番茄发生不同等级低温冷害的日数，采用信息扩散理论方法，对30年日光温室番茄发生低温冷害的概率风险进行信息扩散计算，得到全省30年来各年代、各季节不同低温冷害发生等级的风险概率值，即灾害发生的致灾因子危险性判断值。

1.3 研究方法

信息扩散方法是为了弥补信息不足而优化利用样本模糊信息的一种对样本进行集值化的模糊数学处理方法。当样本点不多时，所有样本点提供给我们去认识风险的知识并不完善，具有模糊不确定性[17，18，25]，此时不应该把一个样本点的信息看作确切的观测值，而应该把它看作是样本点的代表，看作是一个集值，是一个模糊集观测样本点。基于信息扩散理论的评估模型可通过设定灾害指数论域、利用信息扩散函数将单值观测样本点进行信息扩散、对样本点进行归一化信息分布计算等最终得到样本点概率估计值[20]。

在信息扩散评估模型中，扩散函数与扩散系数是关键，直接关系到结果准确与否[4，11，23]。黄崇福教授对不同扩散函数进行了验证，结果表明，在样本容量不大的情况下，简单正态分布要优于指数分布和对数正态分布，故本文选用正态扩散函数（公式1）。

式中，h为扩散系数，可根据样本最大值b和最小值a及样本点个数来确定[4，20]。

2 结果与分析

2.1 日光温室外番茄低温冷害等级指标构建

日光温室番茄生长过程中，当气温低于6℃时，生长受到严重影响，10℃以下生长缓慢，15℃以上为最适生长温度，因此，将6、10、15℃作为划分日光温室番茄低温冷害等级的阈值。

将临淄、莱芜、东营三个日光温室小气候自动观测站数据与对应的三个地区自动气象观测站数据匹配提取，并按80%保证率方法求算，得到日光温室外番茄低温冷害气象等级指标（表1）。

2.2 日光温室番茄低温冷害风险发生时间变化

2.2.1 日光温室番茄低温冷害发生规律 利用1984至2013年日光温室番茄主要生长季内（每年10月至次年4月）全省122个自动气象监测站逐日最低气温观测资料，结合日光温室外番茄低温冷害等级指标进行统计，重度冷害平均发生天数为20.2天，中度冷害平均发生天数为16.4天，轻度冷害平均发生天数为57.7天。从近30年全省日光温室番茄苗期低温冷害累计发生天数逐年变化图（图1）中看出，以轻灾为主，发生天数明显高于重度和中度冷害；重度冷害与中度冷害多年平均发生天数接近。各月平均冷害发生天数从10月至次年4月分别为0.3、8、25、29、22、10天和0.5天（图2），表明日光温室番茄低温冷害主要发生在冬季3个月内。

2.2.2 日光温室番茄低温冷害风险时间变化 结合2.1中全省各县站生产季内不同月份内出现日光温室番茄低温冷害的日数，确定离散论域选取为：

通过上述分析可知，山东省日光温室番茄低温冷害主要发生在冬季，因此，利用信息扩散理论，确定离散论域，分别对12月、1月及2月的不同冷害等级发生概率进行计算。因全省站点过多，文中仅以鲁西北、鲁中、鲁南三个地区的代表站点，即东营、潍坊、临沂为例，给出不同低温冷害发生时间下的中度冷害发生概率变化（图3）。由图3可以看出，生长季内，各代表站点发生5天中度低温冷害的风险概率最大，其中东营接近80%，潍坊12月及2月的概率超过80%，临沂1月概率在90%左右；发生10天中度低温冷害的风险明显降低，东营、潍坊仅为20%左右，临沂1月较大，在50%左右，但12月和2月同样明显低于5天概率；发生15天及更长时间低温冷害的风险各代表站均极小，可忽略不计。

2.3 日光温室番茄低温冷害风险空间变化

利用ArcGIS9.3绘制山东省日光温室番茄低温冷害发生概率分布图，其中概率值过小的冷害发生时长不单独绘图，如12月内低温冷害发生时间分别为15、20、25、31天的概率值全省均约为0，不列出概率分布图，同理，若该月内某时间长度的灾害发生概率值全省差别不大，均不列出概率分布图。

从图4可以看出，山东省12月日光温室番茄，各地发生10天轻度低温冷害的概率均在84%以上，除鲁西北北部、鲁中东部、半岛南部及鲁西南局部地区在84%～96%之间，其他地区均在96%以上；中度低温冷害发生可能性较大的地区为鲁西北中东部及半岛内陆地区，概率值在20%～47%；重度低温冷害主要集中在鲁西北中部、鲁中东部等地，概率在55%～74%之间，鲁南大部、半岛北部及东部发生概率最小，仅在17%以下。

1月，发生10天轻度低温冷害的概率呈现中、北部较低，东、南部较高的趋势，其中，鲁西南地区概率最大，在89%以上；中度低温冷害发生概率较高的区域主要为鲁西北及半岛局部，范围小，且分布不均；重度低温冷害主要发生在山东中、北部地区，其中，鲁西北大部均在93%以上，表明发生10天重度低温冷害的可能性极大（图5）。

2月，发生10天轻度低温冷害的概率分布无明显规律，全省发生概率均在80%以上，各地局部均在98%出现可能性；发生10天中度低温冷害的概率分布特点与发生5天的相似，仍为东部地区大，西部地区小，其中，半岛地区发生概率最大，在12%～28%之间；全省大部地区重度低温冷害发生概率在29%以下，其中，鲁南大部地区仅在8%以下，鲁西北、鲁中及半岛内陆局部地区发生风险较大，概率在42%～66%，为需要关注的地区（图6）。

3 讨论与结论

（1）利用日光温室内、外气象观测数据，基于80%保证率方法，统计得到日光温室外番茄低温冷害气象等级指标，该指标为开展低温冷害风险区划的基础。

（2）利用1984-2013年日光温室番茄主要生长季内自动气象监测站逐日最低气温观测资料，结合低温冷害气象等级指标，统计得到全省122个自动气象站30年平均重度冷害发生天数为20.2天，中度冷害发生天数16.4天，轻度冷害发生天数57.7天，且主要发生在冬季。

（3）利用信息扩散理论，分别计算山东省各月内不同时间长度、不同灾害等级的发生概率，并利用ArcGIS分析制图，得到日光温室番茄发生低温冷害的概率分布，为开展精细化服务提供了依据。

（4）信息扩散理论已被应用于多种自然灾害的风险分析，理论方法成熟，可以利用该理论方法对山东省设施农业不同灾害类型进行分析，进而更好地为设施生产提供指导性服务。

参 考 文 献：

[1] 王书裕. 农作物冷害的研究[M]. 北京：气象出版社，1995.

[2] 杜鹏，李世奎. 农业气象灾害风险评估模型及应用[J]. 气象学报，1997，55（1）： 95-102.

[3] 霍治国，李世奎，王素艳，等. 主要农业气象灾害风险评估技术及其应用研究[J]. 自然资源学报，2003，18（6）：692-703.

[4] 陈红. 基于信息扩散理论的黑龙江省主要气象灾害风险评估研究[D]. 哈尔滨：哈尔滨师范大学，2011.

[5] 李文亮，张冬有，张丽娟. 黑龙江省气象灾害风险评估与区划[J]. 干旱区地理，2009，32（5）： 756-758.

[6] 谭宗琨. 广西农业气象灾害风险评价及灾害风险区划[J]. 广西气象，1997，18（1）： 44-50.

[7] 王春乙，张继权，霍治国，等. 农业气象灾害风险评估研究进展与展望[J]. 气象学报，2015，73（1）： 1-19.

[8] 李世奎，霍治国，王素艳，等. 农业气象风险评估体系及模型研究[J]. 自然灾害学报，2004，13（1）： 77-86.

[9] 张继权，李宁. 主要气象灾害风险评价与管理的数量化方法及其应用[M]. 北京：北京师范大学出版社，2007.

[10]薛晓萍，李楠，杨再强. 日光温室低温冷害风险评估技术研究[J]. 灾害学，2013，28（3）： 61-65.

[11]黄崇福，白海玲. 模糊直方图的概念及其在自然灾害风险分析中的应用[J]. 工程数学学报，2000，17（2）：71-76.

[12]赵静，张继权，严登华，等. 基于格网GIS的豫北地区干旱灾害风险区划[J]. 灾害学，2012，27（1）：55-58.

[13]史培军. 灾害研究的理论与实践[J]. 南京大学学报（自然科学版），1991：37-42.

[14]史培军. 再论灾害研究的理论与实践[J]. 自然灾害学报，1996，5（4）：6-17.

[15]史培军. 三论灾害研究的理论与实践[J]. 自然灾害学报，2002，11（3）：1-9.

[16]罗培. 区域气象灾害风险评估[D]. 重庆：西南师范大学，2005.

[17]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.

[18]白海玲，黄崇福. 自然灾害的模糊风险[J]. 自然灾害学报，2000，9（1）：47-53.

[19]刘引鸽，缪启龙，高庆九. 基于信息扩散理论的气象灾害风险评价方法[J]. 气象科学，2005，25（1）：84-89.

[20]张丽娟，李文亮，张冬有. 基于信息扩散理论的气象灾害风险评估方法[J]. 地理科学，2009，29（2）：250-254.

[21]冯利华. 基于信息扩散理论的气象要素风险分析[J]. 气象科技，2000，28（1）：27-29.

[22]冯利华，称归燕. 基于信息扩散理论的地震风险评估[J]. 地震学刊，2000，20（1）：19-21.

[23]李楠，薛晓萍，张继波，等. 日光温室黄瓜低温冷害预警模型构建技术研究[J]. 山东农业科学，2015，47（9）：106-111.

[24]陈思宁，黎贞发，刘淑梅. 设施农业气象灾害研究综述及研究方法展望[J]. 中国农学通报 2014，30（20）：302-307.

[25]丁燕，史培军. 台风灾害的模糊风险评估模型[J]. 自然灾害学报，2002，11（1）：34-43.