发布时间：2024-01-02 14:55:31
绪论：一篇引人入胜的气象灾害定义，需要建立在充分的资料搜集和文献研究之上。搜杂志网为您汇编了三篇范文，供您参考和学习。
0引言
在国内农业气象灾害风险评估方面，一般有干旱风险评估、涝洪风险评估、冻害风险评估等。李世奎等【1】探讨了农业自然灾害分析的理论、概念、方法和模型。邓国等[2]提出用解析概率密度曲线法估计粮食产量序列的风险概率，对中国粮食产量不同风险类型进行了分区研究。薛昌颖等[3]利用河北及京津地区冬小麦实际产量资料，选取历年减产率的变异系数、历年平均减产率和减产率风险概率作为评价指标，估算了干旱气候条件下历年冬小麦产量灾损的风险水平。黄崇福等[4]针对湖南省各县市的灾情资料时间序列短、数量少的情况，引入模糊数学方法，对干旱进行了风险估算。朱自玺等[5]、王素艳[6]研究了冬小麦干旱风险评估技术和方法。
国外学者在风险分析研究方面多侧重于经济领域，对具体的某一种农业灾害风险分析的研究还不多见论文服务。【7,8,9,10】
目前，在风险评估方面陕西，农业气象灾害风险评价标准还缺乏统一的认识和实践检验，实用性和可操作性强的风险评价模型甚少。总体而言，风险评估的内容大多集中在较大的方面，如对中国的粮食产量风险进行评估和区划，对总的农业气象灾害风险进行估算等。这些风险评估的对象都是针对整体农作物，单一的对某一种农业气象灾害，或某一种农作物的农业气象灾害，或某一种果树的气象灾害进行系统化风险评估和区划的成果较少【11】。刘璐【12】、李美荣【13】等人分别应用基于模糊数学和信息扩散理论、风险灾损模式分析了苹果开花期冻害在陕西省苹果产区发生的时间、空间风险分布。在风险评估方法中，主要用风险评估指标进行分析，但由于气象要素（或其相对值，如降水负距平）受前期天气气候影响明显，存在一定的局限性。
2009年，全省苹果面积和产量为847.4万亩和805.2万吨,占全国苹果总产的1/3和世界总产量的1/8。8月下旬-10月中旬的连阴雨对苹果着色及采收带来严重影响，本文在定义陕西苹果产区连阴雨气象灾害指数的基础上，探索了一种新的气象灾害风险评估方法——气象灾害指数方法来进行连阴雨风险分析，计算了陕西果区各地苹果着色期连阴雨气象灾害指数，据此将苹果产区连阴雨发生情况分为轻度、中度、重度三级，结果表明，有13个县连阴雨气象灾害指数为轻度陕西，有27个县连阴雨气象灾害指数为中度，有8个县连阴雨气象灾害指数为重。
1资料与方法
1.1资料来源
气象资料来自陕西省气象局档案馆。所用资料为位于陕西省关中地区、陕北地区48个苹果生产县（区）建站-2006年的8月下旬-10月中旬逐日降水量。资料起始时间：合阳自1962年，耀县自1963年，靖边自1965年，佳县自1969年，安塞、甘泉、米脂、吴堡、延川5县自1970年，子洲自1971年，陈仓自1973年，其余县区自1961年开始。
1.2 数据处理和研究方法
连阴雨气象灾害指数（）定义为：
（1）
公式（1）中为8月中旬～10月中旬雨日（R≥0.1）连续3天以上的日数，该日数越多，连阴雨危害越重；
公式（1）中为8月中旬～10月中旬无降水日数，该日数越多，连阴雨危害越轻。
2结果与分析
2.1 连阴雨气象灾害指数
用进行分析仅用到连续3天以上的降雨日数和无降水日数，未使用降雨的具体数量，可减少各地由于观测仪器不同带来的差异。且该指数物理意义明晰，是运用多年气象资料进行计算的，具有稳定性。本文以连阴雨气象灾害指数数值做为连阴雨风险分析数值来进行风险分析。计算结果见表1论文服务。
2.2分级结果：
以≤0.3为轻度， 0.3<≤0.5为中度，>0.5为重度对各地连阴雨气象灾害指数进行分级。有13个县为轻度陕西，有27个县为中度，有8个县为重度，此分级结果即为风险分布（表1，图1）
表1 陕西苹果产区连阴雨气象灾害指数及风险分布
地点
分级
地点
分级
地点
分级
子长
0.29
轻
志丹
0.41
中
澄城
0.33
中
靖边
0.22
轻
延长
0.36
中
合阳
0.31
中
定边
0.20
轻
延安
0.34
中
韩城
0.31
中
神木
0.21
轻
富县
0.44
中
蒲城
0.34
中
米脂
0.25
轻
宜川
0.37
中
富平
0.36
中
绥德
0.24
轻
洛川
0.40
中
扶风
0.47
中
吴堡
0.20
轻
黄龙
0.47
中
乾县
0.42
中
府谷
0.19
轻
宜君
0.49
中
礼泉
0.40
中
子洲
0.24
轻
铜川
0.45
中
澄城
0.33
中
佳县
0.20
轻
耀县
0.40
中
合阳
0.31
中
横山
0.19
轻
旬邑
0.48
中
韩城
0.31
中
榆林
0.19
轻
长武
0.47
中
千阳
0.59
重
延川
0.28
轻
彬县
0.44
中
凤翔
0.57
重
子长
0.29
轻
志丹
0.41
中
岐山
0.54
重
靖边
0.22
轻
延长
0.36
中
宝鸡县
0.54
重
定边
0.20
轻
延安
0.34
中
宝鸡市
0.52
重
吴旗
0.49
中
永寿
0.47
中
甘泉
0.60
重
清涧
0.34
中
淳化
0.43
中
陇县
0.55
重
安塞
0.40
中
白水
0.36
中
ZHOU Zhao-Ji，WANG Qian
（College of Economics and Management， Nanjing University of Information Science and Technology， Nanjing 210044， China）
Abstract： Based on the data of grain yield， disaster area and sown area from 1986 to 2011， the comprehensive risk evaluation model of meteorological disaster index was constructed. Meteorological disaster risks were assessed and zoned by GIS. Based on the meteorological disaster on grain yield， combining with the MATLAB algorithm and two exponential smoothing methods， the loss grain yield of 2013 caused by meteorological disasters was predicted. Results showed that meteorological disaster risk of grain production in eastern China was less than that in Western China， Southern China less than northern China. Jiangsu and Shanghai had the lowest comprehensive risk index， with value between 0 and 1. The number of meteorological disasters in these places was less， with slight disaster and stable grain yield. Zhejiang， Fujian and other places in the comprehensive risk index was between 1.0～2.5 which was belongs to high risk. Guizhou， Inner Mongolia and other places had serious disasters with strong impact on food production and was belonged to high risk area. Tibet， Hainan and other places had the highest risk. The prediction of grain yield showed Hunan， Liaoning， Hebei，Hubei and Sichuan had the most loss of grain caused by disasters， reaching more than 6.0×106 tons.
Key words： grain yield； comprehensive risk index； risk assessment and zoning； two exponential smoothing method； GIS
基金项目：国家公益性行业（气象）科研专项（GYHY201106019）
中国是一个气象灾害种类繁多的国家，主要有干旱、台风、暴雨、热带气旋、寒潮、冰雹、冷冻、雪灾、热浪、沙尘暴、浓雾等气象灾害，其中干旱、台风、暴雨、寒潮对中国农业的危害影响范围最广，灾情最严重。灾害的发生导致农作物大面积减产、降质甚至绝收，人民生命财产等遭到重大损失，不仅影响农业持续发展和农民生活水平的提高，而且影响国民经济的发展。例如，1972年特大干旱年，重旱区京、津、晋、陕北、辽西干旱持续时间最长，不少河流断流，水库干涸；黄河在济南以下断流20 d，秋收作物受灾严重，有的甚至绝收。全国过去对农业气象灾害进行了很多的预测和研究[1-3]，学者们通过分析农业气象灾害的孕灾环境、致灾因子、承载体的抗灾防灾能力及灾情，得出这些灾害因子与灾害风险之间的关系，从而更深层次地揭示农业气象灾害对农业的影响，然后借助于各个地方的行政区划图等因子，做出农业气象灾害的风险区划和评述。例如，陈怀亮等[1]根据农业气象灾害风险分析理论，以河南省小麦生产为例，对小麦产量影响较大的农业气象灾害风险要素和风险源进行了辨识，并在此基础上，通过构造灾度函数，运用概率和EFO等分析方法，分析了河南省小麦生产中主要农业气象灾害――麦播旱涝、晚霜冻、干热风与青枯雨的发生、发展规律及其对小麦产量的定量影响程度和风险概率，同时运用多因子综合风险指数模型对河南省小麦农业生产气象灾害风险进行了综合区划。等[2]对贵州农业气象灾害综合风险进行了评价与区划，利用聚类分析将该省分为5类农业气象灾害风险区域，又以不同聚类区域为研究对象进行了灰色关联分析，最后求得每种灾害的关联度，最终确定了不同聚类区域的主要灾害，并在灰色关联分析的基础上，建立了该省综合农业气象灾害风险评价模型，并计算出该省各县的综合农业气象灾害风险性分布，再利用GIS空间分析进行了综合农业气象灾害风险区划。
本研究是基于前人研究的基础上，以粮食产量（指稻谷、小麦、玉米、豆类的总产量）来表示气象灾害对农业的影响，在对全国各省（市、自治区）的历史粮食产量资料分析的基础上，以省（市、自治区）为单位运用ArcGIS软件进行分析，得出全国宏观层面的农业气象灾害的风险评估与区划，定量得出气象灾害对粮食产量的影响。最后对这些所得到的由于气象灾害损失的粮食产量，运用二次指数平滑法预测出接下来两年可能由气象灾害引起的粮食损失的产量，以期为农业部门和政府部门提供一定的灾害服务信息，为抗灾减灾、制定相关防御政策、最大程度地减轻农业因气象灾害所致的损失提供依据。
1灾害评价模型的建立
所用到的各省（市、自治区）的粮食产量、受灾面积和总播种面积等数据都来源于历年的《中国统计年鉴》（Http：//stats.gov.cn/tjsj/ndsj/）。资料的时间序列为1986―2011年，共计26年。本研究区域是除了香港、澳门、台湾以外的全国各省（市、自治区）。
1.1粮食产量的变异系数
变异系数能够有效反映数据的离散程度，其数据大小不仅受变量离散程度的影响，而且还受变量平均水平的影响。一般而言，变量平均水平高，其离散程度的测度值也大，反之越小。粮食产量的变异系数一方面综合表征了各地区粮食生产受气象因子或其他生态环境条件影响的产量波动情况；另一方面它也能有效反映各地的抗灾减灾能力。粮食产量的变异系数大，说明产量的波动大，抗灾减灾能力弱，受到气象灾害影响的风险大。可以用公式（1）计算出变异系数的大小。
C= （1）
公式（1）中，C表示粮食产量的变异系数，Y表示各省（市、自治区）历年粮食的实际产量，表示各省（市、自治区）历年粮食产量的平均值，n表示样本容量，本研究样本为26年。
1.2气象灾害的发生频率
采用一般比例法来求解由于气象灾害所导致的粮食产量减产的具体数值。因为在一般情况下，极端气象灾害是不易发生的，所以把气象灾害所导致损失的粮食产量与受灾面积相关联，各地区每年的实际产量与各地区未受灾的粮食种植面积相关联，即各地区每年的实际产量与粮食种植总面积与受灾面积之差相关联，可以得到如下公式：
（2）
公式（2）中，Q表示各省（市、自治区）第i年由于气象灾害导致的粮食减产量，S表示各省（市、自治区）第i年气象灾害所导致的受灾面积，Y表示各省（市、自治区）第i年的实际粮食产量，S表示各省（市、自治区）第i年粮食的总播种面积。其中，S、 Y、S都是已知量，可以通过历年的《中国统计年鉴》查到相关数据；Δ1、Δ2、Δ3表示的是可以接受的误差范围。
根据公式（2）可以求得由气象灾害所引起的损失的粮食产量，而减产率是气象灾害损失的粮食产量与实际粮食产量和气象灾害损失的那部分产量的和的比值，用公式（3）表示。
R=×100%（3）
公式（3）中，R表示粮食减产率。
根据公式（2）、（3）可以求得各省（市、自治区）每年的粮食减产率。研究以粮食减产率来界定灾年等级，规定减产率在5%～15%为轻灾年，16%～30%为灾年，31%～50%为重灾年，51%～70%为严重灾年，大于71%为特严重灾年。根据灾年的界定分类情况，可以得到全国各省（市、自治区）灾年发生的次数，如表1所示。
1.3灾年的平均减产率
为了使全国各省（市、自治区）的气象灾害风险程度表征的更明显，需要计算出各省（市、自治区）粮食的平均减产率，其计算公式如公式（4）所示。
A= （4）
公式（4）中，A表示各省（市、自治区）历年粮食的平均减产率，R表示各省（市、自治区）第i年的粮食减产率。
1.4灾年风险指数
依据与上文界定的灾害等级，采用概率分布函数法来求解各等级气象灾损发生的概率。由于影响气象产量的各种气象因子的时间序列具有正态分布的特征，即极端的气象条件发生的概率较小，一般的气象条件发生的概率较多，相对气象产量序列也具有正态分布的性质[4]。因此可以构造减产率平均值（μ）和减产率序列的均方差（σ）的概率密度函数，如公式（5）所示。
f（x）=e（5）
根据概率分布函数的定义，不同程度粮食减产率x（x1
P（x1
风险概率指数为：
D= （7）
公式（6）、（7）中，P表示各个等级粮食减产率出现的概率，T表示各等级灾年出现的次数，D表示风险概率指数。各省（市、自治区）灾害发生风险概率如图1所示。
1.5抗灾指数
各省（市、自治区）的抗灾防灾能力也会对粮食产量产生一定程度的影响，这里用实际产量与理论极大产量的比值来表示抗灾指数，它反映的是农业生产综合抗灾能力的强弱，实际产量高反映了该地区的农业生产水平高，也间接地反映了农业抗灾减灾能力强。抗灾指数的计算公式如公式（8）所示。
K=（8）
公式（8）中，K表示抗灾指数，Y表示各省（市、自治区）第i年中粮食产量的最大值。
1.6灾害风险评估
综合风险指数与历年粮食的平均减产率、气象灾害风险概率指数和粮食产量的变异系数呈正向关联，与抗灾指数呈反向关联，可以用公式（9）计算。
Z=×A×C×D （9）
公式（9）中，Z表示综合风险指数。
为了使综合风险指数更具有直观性，对数据进行极差标准化，按公式（10）计算。
Ii′=×10（10）
公式（10）中，Ii′表示极差标准化后的数据，I为原始数据，I和I分别为每一列中的最大值和最小值。
2农业风险区划
农业气象灾害风险区划的目的在于把致灾因子出现后有无风险或带来风险的大小进行分区，揭示农业气象灾害风险的地域差异，合理地划分出各省（市、自治区）农业气象灾害风险大小的范围，并对各风险区内历年粮食的平均减产率、粮食产量的变异系数和风险指数等进行综合评价，为政府及防灾部门确定防灾重点地区、重点灾害、重点防灾时间等提供科学依据，把灾害造成的损失降低到最低限度，促进农业稳定持续发展。根据综合风险指数，对农业风险进行划分，定义0.0
为了更加直观地描述各省（市、自治区）由气象灾害引起的粮食损失分布的空间特征，运用ArcGIS平台绘制出气象灾害综合风险区划图（图2）。从图2可以看出，中国的粮食生产的气象风险具有明显的区域分布特征。就全国来看，粮食生产的气象风险整体上是东部低于西部，南方低于北方。其中，综合风险指数最低的地区是江苏，它不仅发生灾年的可能性小，且灾害大多都是轻灾，粮食产量比较稳定，适合粮食作物的生长。河北、辽宁、吉林、黑龙江、上海、安徽、江西、山东、河南、湖北、湖南、广东、广西、重庆、四川的气象灾害综合风险指数也较低，均在0.0～1.0之间，这些地区粮食产量比较稳定。浙江、福建、云南、陕西、新疆的综合风险指数为1.0～2.5，要高于江苏、上海等地，属于次高风险区域。贵州、内蒙古、甘肃、山西属于粮食产量不稳定区域，即高风险区域，这里经常发生气象灾害，而且发生的灾害大多比较严重，严重影响粮食产量。例如贵州，这里光照条件差，多雨潮湿，灾年减产程度和风险概率较大等都导致贵州粮食产量的不稳定性。天津、北京、海南、宁夏、青海、西藏是极高风险区，这些地方气象灾害极易发生，从而导致粮食严重减产。例如海南，位于中国的东南沿海地区，地处温带、热带过渡带，为典型的亚热带季风气候，季风气候致使秋冬干旱每5年发生一次；有时在特定的环流影响下使秋雨较多，造成粮食作物根茎腐烂；冬季和早春在北方冷空气的影响下，粮食作物遭受低温冷害，致使减产等。综上所述，这些地区更要做好灾害的应急管理和防灾减灾工作。
3灾损粮食产量的预测
3.1预测模型
研究表明，历史数据对未来的影响是随时间间隔的增长而递减的。因此，更加精确的方法是对各个观察数据按照时间顺序进行加权平均作为预测值。而指数平滑法满足这一要求，此外它还具备简单的递推形式。所谓的指数平滑法是指通过对历史数据平滑平均数的求解，继而对时间序列进行均匀修正的一种方法[5]。本研究把前面所求得的每年各省（市、自治区）由气象灾害所损失的粮食产量作为历史资料，以这些资料来预测出接下来两年全国各省（市、自治区）由气象灾害损失的粮食产量。构建模型[6，7]如下：
设时间序列为q1，q2，...，qt，α为加权系数，则一次简单的移动平均值Mt（1）的计算公式如公式（11）所示。
Mt（1）=（qt+qt-1+…qt-N+1）=Mt-1（1）+（11）
以Mt（1）作为qt-N的最佳估计值，则有：
Mt（1）=+（1-）Mt-1（1）（12）
设α=，用St代替Mt（1），即得公式（12）一次指数平滑法的计算公式，如公式（13）所示。
St（1）=αqt+（1-α）St-1（1）（13）
在一次指数平滑法的基础上再做一次指数平滑，得到公式（14）所示的二次指数平滑法。
St（2）=αSt（1）+（1-α）St-1（2）（14） 公式（13）、（14）中，St（1）为一次指数的平滑值， St（2）为二次指数的平滑值。预测方程为：
t+m=at+btmm=1，2，…，n（15）
at=2St（1）-St（2）（16）
bt=（St（1）-St（2））（17）
3.2预测结果
为了更加快捷地得出各省（市、自治区）各年份的预测值，在MATLAB中对其进行数据处理，编制相应的算法能够更加迅速地得到各年份的预测值。根据公式（2）求得的气象灾损粮食产量，得到2013年全国各省（市、自治区）的灾损粮食产量预测值，如表2所示。
关键词:气象;灾害;苹果生产;甘肃天水
我国是自然灾害频发国之一,年均灾害损失约510×108~640×108元。其中由气象灾害引起的损失占85%左右,仅干旱、洪涝、风暴潮、冰雹、低温冷害这几种气象灾害造成的粮食损失占所有自然灾害损失的97%左右,直接经济损失占总经济损失的76%以上[1]。天水地处黄土高原与西秦岭山地大陆性干旱半干旱气候区,海拔在750~3120m之间,年均气温7.0~11.1℃,年降水量430~600mm之间,平均日照总时数2000~2400h,无霜期156~188d,极适宜优质苹果生产,是甘肃省主要苹果产业发展基地,所产苹果以个大、色艳、硬度强、糖分高、品质佳、耐储存而深受广大客商和消费者青睐,“花牛苹果”已获得全国知名品牌类注册证明商标,是支撑天水市经济发展的四大支柱产业之一。天水市现有苹果面积约6.5×104hm2,总产量约54×104t。但由于境内山多川少,沟壑纵横,海拔高差大,气候差异显著,属全国气象灾害高发区域,干旱、洪涝、冰雹、低温冷害等气象灾害频繁发生,苹果产量、品质和优质率提高很慢,极大地限制了苹果产业化发展。
近年来,气象灾害评估技术研究已引起众多学者高度关注,但大多局限于单种气象灾害[2-5]的定性化研究。特别是针对多年生果树,在实况灾害资料极度缺乏的情况下,果树气象灾害风险评估的研究报道很少。为此,本文利用统计学方法,确定影响该地苹果生产的主要农业气象灾害因子,并将各农业气象灾害因子划分等级,进行天水主要农业气象灾害对果树作物量化评估影响研究,为有效防御农业气象灾害,最大限度减轻或减免农业损失提供参考。
1资料来源与研究方法
1·1资料来源苹果产量资料取自天水市统计年鉴1978—2007年;相关气象资料取自天水市关山区清水、渭北旱区秦安和河谷区麦积二县一区气象站1978—2007年气象观测资料。
1·2研究方法
1·2·1代表点的选取根据天水气候区划,选取渭北旱区、关山区和河谷川区苹果种植面积较大的秦安县、清水县和麦积区作为代表点。
1·2·2苹果产量资料的处理苹果气候产量资料分解的方法和准确性,会直接影响苹果农业气象灾害的分析评估研究。
在参照仅有的农业气象灾害观测调查资料的基础上,将天水市苹果总产量资料按3、5年滑动平均法、线性法、正交多项式法、指数法等多种函数分解方法[6]提取其趋势产量。统计分析表明:天水市苹果总产趋势产量的提取以指数法效果最佳(图1),趋势产量提取方程为y=8682·2e0·126t(y:趋势产量;t:时间序列,t=1,2,3,…;n=30;r=0·93)。用y′i=(Yi-yi)/yi×100%计算逐年苹果总产量动态相对偏差百分率[6-7](y′:苹果气候产量增减率;Yi:苹果实际产量;yi:逐年苹果趋势产量;i:年份)。
1·2·3影响天水市苹果总产量的主要农业气象灾害因子的提取农业气象灾害对天水苹果生产的影响研究[8]中,通过分区统计分析,得出影响天水渭北旱区、关山区和河谷川区三区苹果正常生长的主要农业气象灾害均为上年秋季9月大气干燥度,冬季12月至2月负积温的光照条件订正值和苹果花期4月下旬平均最高气温的大气相对湿度订正值,春季低温晚霜冻出现频率和危害程度正在逐步减轻。
为了更进一步提取影响天水市苹果总产量的主要农业气象灾害因子,将3个气候区主要灾害因子与天水市苹果总产量动态相对偏差百分率进行逐步回归[9],建立如下影响苹果气候总产量的主要农业气象灾害因子提取方程:式中,y′i为苹果总产量动态相对偏差百分率;K′9秦安为渭北秦安上年秋季9月大气干燥度∑T≤0℃×Q12-2麦积为河谷区麦积冬季12—2月负积温的光照条件订正值;TM4月下旬/U麦积为河谷区麦积苹果花期4月下旬平均最高气温的大气相对湿度订正值;Tn4月下清水为关山区清水苹果花期4月下旬平均最低气温。12—2月暖冬高温虽然不属于气象学上定义的气象灾害因子,但随日益加剧的暖干气候[10],暖冬高温对苹果生长影响极大,仅次于前秋9月干旱灾害。
1·2·4气象灾情等级划分标准将渭北秦安上年秋季9月干旱(用大气干燥度表示)、河谷区麦积暖冬(用冬季12—月负积温的光照条件订正值表示)和花期高温危害(用苹果花期4月下旬平均最高气温的大气相对湿度订正值表示)、关山区清水春季低温危害(用4月下旬最低平均气温表示)4种标准化处理后的主要农业气象灾害标准值作为成灾变异值。再将1978—2007年30年成灾变异值中大于或等于0·1以上的成灾变异值(春季低温为小于或等于-0·1以下的成灾变异值),按变异值的离散程度[11]分成相等的4个组,从小到大将灾情等级依次划分为轻灾、中灾、大灾和重灾4个等级,并采用分级赋值和内插法依次赋以1~3、4~6、7~9、10~12。9月干燥度(秦安)、暖冬(麦积)和花期高温(麦积)成灾变异值小于0·1为无灾;春季低温(清水)成灾变异值Z大于0·1为无灾,无灾年份灾害等级分值ci按0分赋值(表1)。
1·2·5灾情指数的计算及综合评价方法式(1)得出影响天水市苹果总产量的主要农业气象灾害为渭北秦安上年秋季9月大气干旱、河谷区麦积12—2月暖冬和4月下旬花期高温干旱、关山区清水春季4月下旬苹果花期低温危害。
为此,本文将以上4种灾害作为影响天水市苹果总产量的主要农业气象灾害因子。用式(1)计算得出的相应站点灾害因子的贡献率(方程中相应灾害因子系数/4种灾害因子系数绝对值之和×100%)作为相应站各类灾害因子的影响权重(wij:其中渭北秦安9月干旱w1=37%;河谷区麦积暖冬w2=27%,花期高温危害w3=22%;关山区清水春季低温危害w4=14%),并与其对应站点相应灾害类型的等级分值相乘,4种灾害类型进行累加[式(2)]就得到农业气象灾情的灾情指数(Pk),并以此作为农业气象灾害危害评估指标,与苹果气候产量增减率实况分级进行对比分析(苹果气候产量增减率实况亦分为无、轻、中、大、重5级,分级方法同灾害成灾变异值分级)。
Pk=∑4j=1Cij×wij(2)式中,Pk为灾情指数;Cij为4种灾害等级分值(i:1978—2007年各年份,i=1,2,3,…,30;为4种农业气象灾害,j=1,2,3,4;下同);wij为相应灾害因子的影响权重。灾情指数(Pk)越大,表明农业气象灾害对农业生产的影响越大,灾情越重;反之,对农业生产的影响小,灾情越轻。
2综合评价
2·1主要农业气象灾害分布表2是影响天水苹果生产的前秋9月干旱、冬季12—2月高温、花期4月下旬高温干旱气候和春季4月下旬低温发生频率统计。1978—2007年30年中,前秋9月旱灾最多,发生频率70%,主要以中—大灾为主,占旱灾年份的52%;轻灾年份次之,占38%;重灾年份最少,占10%。暖冬和花期高温灾害次之,发生频率分别为63%和67%,均以轻灾为主,分别占灾害年份的47%和45%;中—大灾次之,分别占47%和40%;重灾年份最少,分别占5%和15%。春季低温危害最少,发生频率53%,仍以轻灾居多,占灾害年份的50%;中—大灾次之,占44%;重灾年份最少,占6%。
2·2综合评价将式(2)计算的逐年农业气象灾害综合灾情指数(Pk)分成1、2、3、4、5相等的5个组从小到大将灾情等级依次划分为无灾、轻灾、中灾、大灾和重灾5个等级与苹果总产量动态相对偏差百分率实况分级(表3)进行对比分析。
天水市1978—2007年30年逐年主要农业气象灾害对苹果生产的影响进行综合评估,并与实况(表4)进行对比分析。评估无灾11年,与实况相符10年,评估准确率91%。灾害年份中,评估轻灾9年,与实况相符8年,评估准确率89%。评估中灾5年,大灾5年,重灾1年,均与实况相符,评估准确率均为100%。灾害年份除轻灾评估准确率略低外,中—重灾评估准确率较高,特别是重灾的1991年、大灾的1984年、1987年、1989年、1992年和1997年,苹果均出现较大幅度减产,灾害评估效果比较理想。
3结论与讨论
(1)分析得出影响天水苹果正常生长的主要农业气象灾害是前秋9月大气干旱、冬季12—2月暖冬高温、苹果花期4月下旬高温干旱和春季4月下旬低温危害。各灾害发生频率在53%~70%之间,以前秋9月干旱最多,春季4月下旬低温危害最少;前秋9月大气干旱以中—大灾为主;其他灾害均以轻、中灾最多,大灾居次;各种灾害因子重灾年份最少,仅占6%~15%。
(2)综合评估表明:影响天水市苹果生产的农业气象灾害综合评估除轻灾评估准确率略低(89%)外,中—重灾评估准确率均达100%,灾害评估效果比较理想。
(3)由于苹果灾害实况调查观测资料极少,给苹果灾害的评估研究工作带来了极大不便。
为此,本文主要采用统计学方法,利用苹果产量资料,在参照仅有的农业气象灾害观测调查资料的基础上,将指数法分解后的苹果总产量动态相对偏差百分率,按其离散程度确定为无灾、轻灾、中灾、大灾和重灾5种灾害程度实况类型。影响天水市苹果总产量的主要农业气象灾害因子的提取,也是采用了统计分析方法,进行理论提取。研究结论除轻灾评估准确率略低外,中—重灾评估准确率较高,在缺乏农业气象灾害实况观测调查资料的情况下,可作为气象灾害评估的有效方法,对农业防灾减灾有一定的指导意义。但因苹果灾害实况灾情资料极少,现实生产中仍有待更进一步研究验证。
参考文献(References):
[1]李世奎,霍治国,王道龙,等.中国农业气象灾害风险评估与对策[M].北京:气象出版社,1999:
[2]刘濂,王卫,刘东都,等.河北省3种农作物气象受灾程度分级与灾害损失率分区的研究[J].生态农业研究,1997,5(4):
[3]徐良炎,高歌.近50年台风变化特征及灾害年景评估[J].气象,2005,31(3):41-45.
[4]山义昌.冬小麦风雹灾害的等级划分与灾情评估[J].气象,1998,24(2):49-51.
