河北省冬小麦—夏玉米干旱灾害风险评估*

梅茹玉，毛克彪，杜宝裕，孟 飞

（1.山东建筑大学测绘地理信息学院，济南 250101；2.中国农业科学院农业资源与农业区划研究所，北京 100081）

0 引言

政府间气候变化专门委员会第5次评估报告指出，1951—2012年全球地表平均温度显著上升，升温速度达到0.12℃/10年[1]。全球变暖导致干旱发生频率和强度增加，预计未来干旱风险将呈现上升趋势，我国是干旱灾害频发和损失严重的地区之一，农作物干旱受灾面积和损失均为各类自然灾害之首[2]，近20年来，我国农作物干旱受灾面积占全国播种面积的9.0%以上，占全国自然灾害发生比例的50%以上[3]。近年来,我国风险管理的方式正逐步转变,以减灾为主要目的单纯的被动性、应急性的危机管理方式，向以防灾为主要目的主动的、制度化的风险管理理念转变[4]。农业干旱灾害风险评估不仅是农业旱灾风险管理的基础和前提，也是一种将被动抗灾变为主动避灾的一种防旱减灾措施。

关于农业干旱风险分析还没有较为完善的研究体系，目前已有的综合监测模型大多以气象指标为因变量[5-9]，这些气象干旱指标主要考虑降水量、潜在蒸散量和水分平衡量[10]。其中，联合国粮农组织(FAO)表明用来表征作物需水状况的作物水分亏缺指数（crop water deficit index,CWDI）能够较好地反映土壤、作物和气象三方面因素的综合影响[11]，张艳红等指出该指标能较好地反映主要生长季作物水分亏缺与农业干旱情况，对监测不同区域的农业干旱具有较好的适用性[12]。目前的自然灾害风险分析工作多数都是围绕黄崇福教授提出的自然灾害理论展开的，并指出模糊集方法是表达风险中各种不确定性的有效方法之一，对区域灾害风险的评估具有重要作用[13]。信息扩散理论是国内比较常用的模糊风险评估模型之一，它是以历史灾情资料为依据，将样本进行集值化的一类模糊数学方法，该模型适用于处理小样本，准确计算灾害风险[14]。但此模型不能综合的对灾害进行评估，只能分析风险源与风险载体，而无法分析防灾减灾措施[15]。信息扩散模型操作简便、数据量小且意义明确，自1988年王家鼎首次将信息扩散理论用于自然灾害风险评估研究中[16]，目前，信息扩散模型被广泛地应用于各种自然灾害风险评估中[17-21]。

文章依据自然灾害风险理论，针对作物在不同发育阶段抵御干旱能力的差异，综合考虑致灾因子危险性、承灾体暴露性、环境敏感性、防灾减灾能力等因素，对河北省冬小麦—夏玉米的作物干旱进行了风险分析和区划，有效的识别农业旱灾高风险区，服务于农业生产实践，并为制定科学的防灾减灾措施提供理论依据。总体技术路线如图1所示。

图1 技术路线

1 研究区及数据

1.1 研究区概况

研究区位于河北省冬小麦和夏玉米种植区，主要为平原地区，地形平坦，属于温带湿润半干旱大陆性季风气候区，大部分地区四季分明，雨量集中（图2）。年均温度由北向南逐渐升高，月平均气温在3℃以下，7月平均气温为18～27℃。

图2 研究区位置

1.2 气象数据

选取2000—2018年河北省冬小麦—夏玉米主产区的气象观测数据以及中国农作物生长发育和农田土壤湿度旬值数据集，数据来源于国家气象资源共享网（https://data.cma.cn/）。

1.3 统计数据

统计数据来源于河北省统计年鉴（2000—2018），包括农村人口数量、农村人均GDP、有效灌溉面积、农作物种植面积以及单产等。

1.4 遥感数据

遥感数据包括河网密度、SRTMDEM90m分辨率原始高程数据、250m分辨率的MODIS16d植被指数据，将遥感影像投影坐标系统一为Albers，地理坐标系统一为WGS—1984。其高程数据和植被指数数据来源于地理空间数据云（http://www.gscloud.cn/），河网密度数据来自世界自然基金会和USGS美国地质调查局合作开发的HydroSHEDS数据集（https://hydrosheds.org/downloads）。

1.5 数据预处理

气象观测数据常存在缺测情况，日均气温可采用前后2d的均值代替，降水量数据记为无雨日，即降雨量为0mm。由于气象条件及耕作制度的影响，各地发育期日期稍有不同，因此采用多年同一发育期的平均值来反映当地的一般日期，将研究区按区域划分冀东（唐山市、秦皇岛市）、冀中（廊坊市、沧州市、保定市）、冀南（邯郸市、衡水市、石家庄市、邢台市），表1、2为冬小麦和夏玉米根据发育的关键时期划分的不同阶段以及生育日期。

表1 研究区冬小麦平均生育日期

2 研究方法

2.1 层次分析法

采用层次分析法(analytic hierarchy process，AHP)确定各因素和指标的权重值。它将多种指标进行相对重要性排序，通过比较判断矩阵得出指标权重，从而计算出综合性的定量指标，可在一定程度上将定性问题定量化[22]，具体的计算方法参照文献[23]。对于旱灾风险评估模型具体指标及其权重信息如表3。

表2 研究区夏玉米平均生育日期

表3 干旱风险综合评估模型指标

2.2 信息扩散模型

信息扩散是一种处理不完备信息的模糊方法，它认为一定存在着一个适当的扩散函数，可以将传统的观测样本点集值化，以弥补资料不足带来的缺陷，达到提高精度的目的[24]。模型具体为：

设X是研究区内在过去n年的风险评估指标的实际观测值的样本集合为：

式（1）中，xi为观测样本，这里xi是指2000—2018年不同发育阶段的冬小麦和夏玉米的水分亏缺指数CWDI，n为观测样本总数，n=19。

U为样本集合X中实际样本的扩散范围集合为：

式（2）中，uj是位于区间[u1，um]内固定间隔离散得到的任意离散实数值，m是离散点总数。一个单值观测样本点xi按照式（3）将所携带的信息扩散给U中所有点为：

式（3）中，h为扩散系数，由样本集合X={x1，x2，x3，...，xn}中的最大值b、最小值a和样本点个数n确定。

假设对第i个样本点xi按式（3）进行信息扩散，在进行风险评估时，为了使每一个集值样本点的地位相同，令：

得到任意样本xi的归一化信息分布为：

这样就将单值样本点xi变成了一个以uxi(uj)为隶属函数的模糊子集。对uxi(uj)进行处理，便可得到一种效果较好的风险评估结果，令：

其物理意义是由{x1，x2，x3，...，xn}经信息扩散推断出，如果灾害观测值只能取{u1，u2，u3，...，um}中的一个，在将xi均看作是样本点代表时（包括部分的代表在随机实验中没有出现的样本点），观测值为uj的样本点个数为q(uj)。再令：

Q事实上就是各uj点上样本点数的总和，从理论上讲，应有Q=n，但由于计算过程中四舍五入的误差，它们之间通常略有差别。则：

就是样本点落在uj处的频率值，可作为概率的估计值。那么超越uj的概率值为：

式（10）中即p(u≥uj)是超越概率风险估计值。如果所论指标是灾害损失值,则为旱灾损失风险值。

2.3 作物水分亏缺指数（CWDI）

干旱致灾因子危险性分析是对干旱进行识别，并对其强度、频度、持续时间及空间范围进行分析[25]。该文选择能够准确地反映作物不同发育阶段的供需水状况的CWDI判断干旱的发生，计算干旱发生的频率。按照中华人民共和国气象行业标准（QX/T81—2007）中的计算方法，公式为：

式（11）中，CWDI为作物水分亏缺指数，W为生育期内的自然降水量（mm）；E为生育期内需水量（mm），作物需水量是参考作物蒸散量ET0（mm）和作物系数Kc之积，参考作物蒸散量采用FAO推荐的Penman—Monteith计算[26]。

土壤水分具有一定的“记忆性”，当自然降水不能满足冬小麦需水量时，土壤贮水就如地下水库不断输送水分满足冬小麦生长所需[27]。因此，该文考虑了冬小麦休闲期土壤贮水及生育期水分盈亏量，对作物水分亏缺指数进行改进。参考罗俊杰以及任义方等[28,29]研究，将冬小麦种植前3个月（7月、8月和9月）作为底墒的形成期，贡献率为20%，CWDI和土壤含水量贡献率分别为40%，40%。改进的作物水分亏缺指数CWDIaw，计算公式为：

式（12）中，Pa′为土壤底墒，用降水距平百分率来表示，假设不同月份的降水距平对土壤底墒的形成的贡献率不同，分别为30%、30%、40%；SMa为土壤含水量距平百分率。其中，土壤底墒的计算公式为：

式（14）中，Pa为降水距平百分率，P为当月降水量（mm），P为全年的平均降水量（mm）；Pa7、Pa8、Pa9分别为7、8、9月份的降水距平百分率。土壤含水量距平百分率公式为：

式（15）中，SMa为土壤含水量距平百分率，SM为当月10～40cm土壤含水量（kg/m2），为全年的平均土壤含水量（kg/m2）。

对于夏玉米来说，不需要考虑到土壤底墒对不同生育阶段干旱的影响，只需要考虑土壤含水量和作物水分亏缺指数的影响，并且假设两者的贡献率相同，分别为50%、50%，夏玉米作物水分亏缺指数CWDIam，公式为：

2.4 减产率

干旱致灾阈值和等级是衡量干旱是否发生以及发生程度的关键，目前主要是通过构建减产率与干旱指标的关系来确定[30-32]。农作物产量的形成受到各种自然因素和非自然因素的综合影响，Nicholls[33]指出，同一地区、同一种作物的最终产量主要是受生产力发展水平决定的趋势产量和气候因子决定的气候产量共同决定，最终的减产率，可以表示为：

式（17）中，R为减产率；yt为趋势单产，主要反映农业生产技术水平的提高对产量的贡献；yw为气象产量，主要受气象因子年际变化的影响并具有短期波动性。该文选择研究区内冬小麦和夏玉米实际单产的时间序列，采用多项式模拟趋势产量，得到各县区趋势产量。对于不同生育期的作物减产率表示为：

式（18）中，R′为不同生育期的作物减产率；kwi为不同生育期水分敏感系数，依据相关研究成果[34,35]确定，如表4、5所示。

表4 河北省冬小麦不同生育阶段水分敏感系数

表5 河北省夏玉米不同生育阶段水分敏感系数

根据农业上划分减产率的标准，确定相对减产率R′≤5%的年份正常年，减产率在5%～10%、10%～20%、20%～30%分别为轻度、中度、重度减产年，＞30%为严重减产年，最终得到不同生育期的作物减产率划分标准。将减产率和CWDI指数做回归分析，建立关系式，根据减产率的干旱等级划分标准，反推出CWDI的划分标准，具体可参照表6、7。

表6 河北省冬小麦不同生育阶段CWDI划分标准

表7 河北省夏玉米不同生育阶段CWDI划分标准

3 结果与分析

3.1 基于信息扩散理论的干旱危险性分析

该文选择2000—2018年研究区内各气象站点冬小麦和夏玉米不同生育阶段的CWDIa作为实际观测样本。根据各气象站点样本的变化范围，确定干旱指数论域和选取的步长，计算不同发育阶段发生干旱的风险估计值,得到各气象站点冬小麦和夏玉米在不同发育阶段的干旱危险估计值，依据CWDI干旱等级划分，得出不同等级干旱的概率值，如表8、9所示。

图3和表8为近19年以作物水分亏缺指数为样本计算出的危险性估计值，可以较好地反映河北省冬小麦和夏玉米的干旱状况。从冬小麦和夏玉米主产区11个台站旱灾危险性估计值以及不同生育阶段的干旱等级的对比发现可知：全年农作物发生轻度和中度干旱的危险性较大，发生严重干旱的可能性极低，冬小麦产区在不同生育阶段发生干旱的平均估计值在0.25～0.60左右，说明冬小麦产区大约2～4年就会发生一次干旱，在分蘖期停止生长期以及返青期—拔节期发生干旱的可能性更大，并且返青期—拔节期只发生轻度和中度干旱，播种期—分蘖期以及分蘖期—停止生长期很有可能发生重度或者严重干旱；夏玉米在危险性上表现得比冬小麦低，并且在各站点的危险性差异较大，除播种期—三叶期危险性为0.45外，其余的生育阶段都比较低，平均值在0.18～0.29左右，夏玉米产区为3～6年发生一次干旱，拔节期—抽穗期发生干旱的危险性最低，容易发生重度干旱和严重干旱是播种期—三叶期以及乳熟期—成熟期，因为夏玉米为雨养条件下生长，所以干旱的程度可能与这一时期的降水有关。

图3 农作物干旱风险评估结果对比

表8 冬小麦不同类型干旱灾害危险性估计值

基于上述得到的数据，按照生育阶段的前后顺序依次赋予0.2、0.2、0.3、0.2、0.1的权重得到全生育期的风险评估值。利用反距离加权内插法和自然断点法，绘制出研究区内冬小麦和夏玉米在不同生育阶段致灾危险性区划图，将整个研究区划分为冀东、冀中和冀南3部分进行分析，并将其按低、中低、中度、中高和高危险5个等级划分，结果如图4、5所示。

图4 冬小麦致灾因子危险性风险区划

表9 夏玉米不同类型干旱灾害危险性估计值

图5 夏玉米致灾因子危险性风险区划

冬小麦种植期间：

①播种期—分蘖期干旱危险性由高到低依次为：冀南、冀东、冀中；

②分蘖期—停止生长期干旱危险性由高到低依次为：冀中、冀东、冀南；

③返青期—拔节期，大部分地区发生干旱的危险性均较高；

④拔节期—乳熟期，冀南和冀东危险水平均较高；

⑤乳熟期—成熟期冀中地区干旱危险性最高；

⑥综合而言，发生干旱可能性由高到低依次为：冀中、冀南和冀东。

夏玉米种植期间：

①播种期—三叶期发生干旱的危险性由冀南向冀东依次递减；

②三叶期—拔节期在大部分区域处于中低、中度风险区，冀东干旱的危险性最低；

③拔节期—抽穗期发生干旱的危险性由高到低依次为：冀南、冀中、冀东；

④抽穗期—乳熟期，除小部分地区外，研究区发生干旱的危险性均较高；

⑤乳熟期—成熟期，冀中发生干旱的危险性最高，向两侧呈现递减趋势；

⑥综合而言，发生干旱可能性由高到低依次为：冀南、冀中和冀东。

3.2 环境敏感性分析

对于干旱灾害而言，环境敏感性是指干旱灾害在外界干扰下容易受到破坏的可能性、程度或状态[36]，主要指干旱危险区的气候背景、植被状况、地理条件、土壤性质和水文环境。根据研究区的实际状况，选择温度、植被指数、高程以及河网密度来表征干旱环境敏感性，并利用自然断点法进行区划。由图6、7可知，冬小麦和夏玉米的环境敏感性空间分布相似并且各个生育阶段也表现的极为相似，呈现出冀东位于较低敏感区，冀中和冀南都有高敏感区的零星分布。

图6 研究区冬小麦环境敏感性区划

3.3 承灾体暴露性分析

暴露性是指承灾体暴露于环境下,受灾地区的人民、基础设施和其他环境资源的经济状况[37]。根据统计年鉴数据，选择该县耕地面积以及农业人口数的多年平均值表征承灾体暴露性。由图8可知，图中空白区域为非种植区，除此之外大部分地区的暴露程度位于中等水平以上，高暴露区和低暴露区在研究区内都呈零星点状分布。

3.4 防灾减灾能力分析

防灾能力指作物能够从干旱灾害中恢复生产能力的大小，是作物自身抗逆性和人为参与防灾共同作用的结果[27]，防灾减灾能力和经济密不可分，该文以人均GDP、有效灌溉面积和旱涝保收面积在该县多年平均值作为防灾减灾的指标。由图9可知，研究区的防灾减灾能力全位于中低水平以上，空间分布与承灾体暴露性区划相似，高防灾减灾能力区呈零星点状分布，秦皇岛市全市位于中低防灾减灾能力区。

图9 研究区防灾减灾能力分布

3.5 干旱灾害综合风险分析

该研究基于自然灾害风险理论，认为旱灾风险=危险性×敏感性×暴露性×防灾减灾能力。因此，分别对农业旱灾的致灾危险性、环境敏感性、承灾体暴露性以及防灾减灾能力进行了分析，计算了河北省冬小麦和夏玉米在不同生育阶段的旱灾综合风险指数并利用自然断点法进行区划。

从图1 0中可知，河北省冬小麦在高风险区和中高风险区在各阶段分布范围均较为广泛。冀南地区除在分蘖期—停止生长期阶段风险较低外，其余生育阶段的风险性均处于较高状态，该地区冬小麦在分蘖期—停止生长期之外干旱危险性也比较高，大部分处于中高和高危险区，且暴露性和环境敏感性也处于较高状态，因此干旱可能成为制约冀南地区冬小麦生产的关键因素，而在分蘖期—停止生长期，由于灌溉原因大大减弱了干旱的而影响作用；冀中地区风险性变化较大，保定市在全生育期均处于中低和中度风险区，而廊坊则一直位于高风险中心，沧州市位于中度至中高风险区，主要由与自身干旱危险性有关；冀东地区表现为由东北向西南递减的趋势，秦皇岛在播种期至乳熟期阶段一直处于高风险状态，这与它的干旱危险性表现正好相反，主要是由于该区的种植面积比例少，而且防灾减灾能力较弱，一旦发生干旱，产生危害可能会很大。

图10 冬小麦旱灾综合风险区划

从图11可知，对于河北省夏玉米来说，冀南地区在播种期至乳熟期风险较大，并且该区在这些生育阶段的干旱危险性也比较高，大部分处于中高和高危险区，且暴露性和环境敏感性也处于较高状态，与冬小麦类似，干旱也可能成为制约冀南地区夏玉米生产的关键因素；对于冀中地区来说，在播种期—三叶期阶段旱灾风险性位于中低和中度水平，其他生育阶段风险性变化较大，主要与敏感性和暴露性比例有关；虽然整个冀东地区的危险性、暴露性、敏感性均处于较低水平，但以旱灾的综合分析结果来看，冀东地区风险性由东北向西南呈现递减趋势，说明防灾减灾能力对于冀东地区的影响很大。

图11 夏玉米旱灾综合风险区划

4 结论

该研究选用水分亏缺指数CWDI作为干旱指数识别干旱事件，并在传统CWDI的基础上进行了改进，综合考虑了前期土壤底墒以及土壤含水量对作物的影响，通过减产率与CWDI的相关性分析，确定冬小麦和夏玉米在不同生育阶段的干旱致灾阈值和等级从而更好判别干旱事件的发生程度。此外，该文应用信息扩散理论对2000—2018年河北省的CWDI进行了干旱的致灾风险分析，用有限的信息对干旱风险进行了定量化分析。但是基于信息扩散理论只考虑气象等因素，因此，结合自然灾害理论，选用承灾体暴露性、环境敏感性以及防灾减灾能力进行综合分析，有效地识别农业旱灾高风险区，服务于农业生产实践，并为制定科学的防灾减灾措施提供理论依据。

依据自然灾害风险理论，以风险评价指标体系和模型建立为重点，对河北省冬小麦、夏玉米不同生育阶段旱灾风险评价结论如下。

（1）河北省夏玉米与冬小麦在各生育阶段的发生严重干旱的可能性较小；

（2）冀南地区的冬小麦和夏玉米的风险均处于较高水平，干旱可能成为制约冀南地区农作物生长的关键因素；

（3）冀中地区风险性变化空间分布不均，但大部分阶段和地区位于中高和高风险区；

（4）冀东地区风险性由东北向西南呈现递减趋势，秦皇岛市的综合风险高于唐山市。

事实上，对于冀中和冀南综合风险的比较高的区域，干旱危险性也是最为严重的地区，且这些地区暴露性比例高，环境也较为敏感，防灾减灾能力在一定程度上缓解了旱灾对该区的影响力度，而对于冀东地区来说，干旱危险性小，环境敏感性较弱，但承灾体的暴露性以及防灾减灾能力空间分布呈现由东北向西南递增的趋势，所以在冀东地区也存在高风险区；这也说明该研究采用的分析模型可以有效地反映干旱对河北省冬小麦和夏玉米在不同生育阶段所造成的影响。