基于自然灾害风险理论的陕西省典型作物干旱灾害风险评估与区划

2017-03-22徐桂珍

中国农村水利水电 2017年7期

徐桂珍

(1.江西水利职业学院，南昌 330013；2.江西省灌溉排水发展中心，南昌 330013)

陕西省地处我国生态环境脆弱带上，南北水土资源分配不均，仅占全省耕地面积20%的陕南地区，水资源却占全省的70%；耕地面积占全省52%，生产总值占全省62%的关中地区，水资源总量仅占全省20%。干旱灾害严重制约陕西省农业经济发展[1-3]，2004-2013年10年，年平均农作物因旱受灾面积148.6万hm2，占耕地面积的52%，直接经济损失多达1 330 亿元。小麦和玉米是陕西省典型粮食作物，年播种面积226 万hm2，占总播种面积的54%，年产量976.5 万t，占粮食总产量的80.3%。评估陕西省典型粮食作物干旱灾害风险，对保障粮食生产具有重要意义。传统事后抗旱的被动抗旱模式已不能适应变化环境下干旱综合应对需求，运用风险管理的主动抗旱模式，已成为现代化抗旱工作发展的必由之路[4]。

干旱灾害与干旱不同，干旱多属致灾因子层面，一般指某一时期降水量比多年平均显著减少的现象[5]，而干旱灾害属自然灾害范畴，是指水分供给不能满足农业生产、社会经济运转、人民生活等用水需求，并已造成明显损失的现象。准确评估干旱灾害风险，是抗旱减灾的基础性工作。多年来，世界各国学者对干旱灾害风险评估进行了大量研究，研究成果主要可归为2类。一类是基于水文气象资料和遥感数据的单一指标评估方法，其中基于水文气象资料比较著名的有帕默尔干旱指数(PDSI)[6]和标准化降水指数(SPI)[7]等，基于遥感数据的有归一化植被指数(NDVI)[8,9]和温度植被干旱指数(TVDI)[10,11]等。单一指标评估方法所需数据资料较少、计算较为简单，且适用于大区域干旱灾害风险评估，然而干旱灾害发生机理复杂，影响因素众多，单一指标未能综合考虑所有灾害影响因素，因此实际应用中受到了一定的限制。另一类是基于自然灾害风险理论的综合指标评估方法。政府间气候变化专门委员会(IPCC)[12]会议上提出，自然灾害的严重性不仅取决于致灾因子本身，还取决于承灾体的暴露性和脆弱性，两者是灾害风险的主要决定因素。张继权[13]认为自然灾害的发生涉及致灾因子的危险性，承灾体的暴露性和脆弱性，以及发生地的抗旱减灾能力4项要素，并且运用这4项要素的乘积构建了干旱风险评估综合指标。基于自然灾害风险理论的综合指标评估方法，不仅灾害发生机理清晰，而且综合考虑了自然灾害的4项要素，比较准确地反映了灾害风险大小，因此得到了专家学者的普遍认同与运用。贾建英等[14]基于自然灾害风险理论和ArcGIS评估分析了西南地区玉米干旱风险，秦越等[15]从干旱的危险性、地区的暴露性、环境的脆弱性以及抗旱能力方面选取指标，评估得到承德市各县农业旱灾综合风险。

本文基于自然灾害风险理论，根据致灾因子危险性定义，从干旱发生频率、干旱发生强度、干旱发生范围和干旱持续时间4个因子出发，构建危险性评估模型，研究分析陕西省小麦、玉米危险性风险。并从危险性、暴露性、脆弱性和抗旱减灾能力4项要素着手，构建干旱风险综合指标评估模型，研究分析陕西省小麦、玉米干旱灾害风险。采用雷达图的方式对比分析陕西省干旱灾害高风险地区与低风险地区，探讨干旱灾害高风险地区的主要影响因素，并提出相应的抗旱减灾措施，以期为抗旱减灾部门制定抗旱减灾策略措施提供可行途径。

1 研究区域与研究方法

1.1 研究区域与资料来源

陕西省地处我国生态环境脆弱带上，素有“十年九旱”之称，包括陕北、关中和陕南3大自然区域，南北降水资源相差较大，多年平均降水量分别为454.3、647.6和894.7 mm。陕西省土壤类型多样，陕北地区主要分布黄绵土，土壤质地为轻壤和粉砂质中壤；关中地区主要分布塿土，土壤质地在重壤以上；陕南地区主要分布黄褐土，土壤质地为轻到中黏土[16]。以陕西省10个地市作为典型作物干旱灾害风险评估单元(图1)。干旱灾害风险评估所需资料主要包括气象资料和社会经济基础资料，其中气象资料来源陕西省气象局，社会经济基础资料来源《陕西统计年鉴》[17-20]。

图1 陕西省典型作物干旱风险评估单元Fig.1 The main crops drought risk assessment unit in Shaanxi Province

1.2 研究方法

1.2.1 危险性

致灾因子危险性(H)，是指造成灾害的自然变异程度[13]，主要由灾变活动频率、强度和发生范围、时间决定。农业干旱灾害危险性涉及因素较多，主要有降水、蒸发、灌溉条件、种植结构和作物生育期的抗旱能力等多方面因素[21]。定义作物生育期有效降水量(Pe)和灌溉量(M)之和/作物需水量(ETc)为干旱烈度(Drought severity,DS)作为危险性评价指标，干旱烈度越小，土壤水分亏缺越严重，危险性越高。

(1)

其中：

Pe=σ·P

ETc=Kc·ET0

式中：DS为干旱烈度；Pe为作物生育期有效降水量；σ为降水有效利用系数，其值大小与一次降水总量、降水强度和土壤性质等因素有关，不同地区不同作物的降水有效利用系数不同，本文采用表1、表2中的降水有效利用系数[23]计算；P为作物生育期降水量；M为作物生育期灌溉水量，采用典型年份灌溉制度与对应灌溉保证率相乘得到，其中典型年利用降水距平百分率干旱等级标准划分[24]，灌溉制度采用行业用水定额(陕西省地方标准DB61/T 943-2014)，灌溉保证率如表3所示；ETc为作物需水量；Kc为某时段作物系数，与作物种类、生育期等因素有关，本文参考康绍忠等人研究成果[23]；ET0为该时段参考作物蒸发蒸腾量，利用气象数据(主要包括气温、风速、日照时数等)，使用由FAO(联合国粮农组织)发布的ET0Calcuator软件进行计算。

表1 陕西省小麦生育期降水有效利用系数σ值Tab.1 The precipitation effective utilization coefficient during the period of wheat growth in Shaanxi Province

表2 陕西省玉米生育期降水有效利用系数σ值Tab.2 The precipitation effective utilization coefficient during the period of corn growth in Shaanxi Province

表3 陕西省各地市农业用水保障程度 %

表4 干旱烈度旱情等级划分标准Tab.4 Drought grade indexes based on DS

(1)干旱发生频率TF。本文定义干旱烈度(DS)为危险性评价指标，由于该指标尚未有旱情等级划分标准，于是参考薛昌颖等人研究成果[25]，给出如表4所示的干旱烈度旱情等级划分标准。利用降水资料和灌溉资料，计算陕西省10个地市小麦和玉米生育期干旱烈度，根据表4旱情等级划分标准，得出区域干旱发生的可能性，其计算公式如下：

(2)

式中：TFk为区域相应等级干旱发生的频率；k为干旱5个等级(轻旱、中旱、中旱、重旱、特旱)；DNk为相应等级干旱发生的次数；n为研究起止时间的总年数。

干旱出现的频率越大，表明干旱灾害发生的可能性越大。

(2)干旱发生强度IF。从干旱烈度(DS)的定义可以发现，该指标反映的是土壤水分亏缺状况。在年尺度上，其大小范围位于0～1之间，其值越小，水分亏缺越严重。干旱发生强度表征灾变的剧烈程度，于是定义干旱烈度的相反数为干旱发生强度，其计算公式为：

IFk=1-DSk

(3)

式中：IFk为相应干旱等级的干旱发生强度；DSk为相应干旱等级的干旱烈度。

(3)干旱发生范围PDAA。农作物减产量的大小是自然灾害对农业生产影响的直接体现，因旱受灾面积反映了农作物遭受干旱灾害的损失程度，也说明了干旱的发生范围。本文中小麦、玉米干旱发生范围用因旱受灾面积与总播种面积的比来评价，其计算公式为：

(4)

式中：PDAA为区域农作物干旱发生范围；DAAi为区域第i年农作物因旱受灾面积；MSAi为区域第i年总播种面积；n为研究起止时间的总年数。

(4)干旱持续时间(强度)CI。从水文气象角度定义，干旱是指某一时段降水量显著减少，使降水量和蒸散量收支不平衡，水分支出大于水分收入，造成暂时性水分短缺的现象。可以用连续少雨或无雨天数来反映干旱持续时间，采用如下公式计算：

(5)

式中：CI为干旱持续时间(强度)；CDi为第i年农作物生育期干旱持续天数，以持续20 d基本无雨(P≤5.0 mm)为准；ND为农作物生育期天数。

(5)致灾因子危险性(H)评估。致灾因子危险性主要由灾变活动频率、强度和发生范围、持续时间共同决定，根据这4项因素的连乘关系，构建致灾因子危险性评估模型如下：

(6)

式中：H为致灾因子危险性；TF为干旱发生频率；IF为干旱发生强度；PDAA为干旱发生范围；CI为干旱持续时间；k为干旱5个等级(轻旱、中旱、中旱、重旱、特旱)。

1.2.2 暴露性

在自然灾害风险理论中，承灾体暴露性(E)是指可能受到危险因素威胁的所有人和财产，在农业干旱风险评估中，是指可能受到危险因素威胁的农业生产系统。本文主要评估陕西省典型作物干旱风险，因此选取农作物播种面积作为暴露性评价指标，其中播种面积越大，暴露性风险越高。

1.2.3 脆弱性

承灾体脆弱性(V)表示承灾体经受自然灾害威胁的能力，强调承灾体本身的自然属性。在干旱灾害发生时，农作物产量的波动性能够体现农作物经受干旱威胁的能力，产量波动性越小，说明抵抗干旱威胁能力越强，农作物脆弱性就越小[14]。同样，雨养农业面积大小也反映了承灾体本身的自然属性，雨养农业面积越小，灌溉面积就越大，抵抗干旱威胁的能力就越强。选取农作物单产变异系数和雨养农业面积作为脆弱性评价指标。

1.2.4 抗旱减灾能力

抗旱减灾能力(RE)表示人类自身的能动作用对灾害的防御和从灾害中恢复的能力。对于农业生产来说，先进的农业生产技术是干旱灾害防御的有效措施；可靠的水源和农民的经济实力是农业生产从灾后恢复的有力保障。选取节水灌溉面积、水源供水能力和农民人均纯收入作物抗旱减灾能力评价指标。其中，3个指标值越大，抗旱减灾能力越强。

1.2.5 指标归一化

评价体系中的指标是多种多样的，其计量单位有所差异，因此在评估前需要进行指标归一化处理，消除指标间量纲不统一的影响，使评估结果具有可比性。指标归一化的方法很多，本文采用如下公式进行处理。

(7)

式中：yi为归一化后的指标值；xi为原指标值；xmin和xmax分别为指标xi序列中的最小值和最大值。

1.2.6 综合评价指标

根据自然灾害风险理论，干旱灾害由致灾因子危险性(H)、承灾体暴露性(E)和脆弱性(V)，以及发生地的抗旱减灾能力(RE)4项要素构成，其中前3项要素与干旱风险呈正相关关系，即要素值越大，干旱灾害风险越高，最后1项与干旱风险呈负相关关系，即要素值越大，干旱灾害风险越低。本文参考秦越[15]、何斌[26]等人构建综合指标的方法，4项要素采用等权重构建干旱风险评估综合指标：

(8)

式中：Y为干旱灾害风险评估综合指标；H为致灾因子危险性；E为承灾体暴露性；V承灾体脆弱性；RE为旱灾发生地的抗旱减灾能力。

综合评价指标(Y)包含了干旱灾害4项要素，较全面考虑了与旱灾发生有关的各项因素，因此可以准确地评估区域干旱灾害风险，其指标值越大，风险越高。

2 结果与分析

2.1 陕西省典型作物危险性评估与区划

利用陕西省10个地市1957-2013年降水资料，统计计算小麦、玉米生育期56年有效降水量(P3)，其中小麦生育期主要介于冬春季节，该季节降水较少，基本能被土壤全部吸收，因此降水有效利用系数σ值较大。相反，玉米生育期主要介于夏季，此时正值陕西省丰水季节，暴雨较多，易形成地表径流，土壤吸收较少，因此降水有效利用系数σ值较小，具体σ值大小，根据玉米生育期降水情况，查表1、表2获取。小麦、玉米生育期灌溉水量(M)，采用行业用水定额(陕西省地方标准DB61/T943-2014)与对应典型年灌溉保证率(表3)相乘获取，此处假设1957-2013年一直使用该灌溉制度和灌溉保证率，经考证[27]该假设较为合理。

根据小麦、玉米生育期有效降水量(Pe)、灌溉水量(M)和需水量(ETc)，采用式(1)计算干旱烈度，利用表4的旱情等级划分标准，得出56年干旱情况，采用式(2)和式(3)分别计算干旱发生频率(TF)和干旱发生强度(IF)。另外统计2000-2013年小麦、玉米因旱受灾面积和1991-2013年小麦、玉米生育期无雨/少雨天数，分别采用式(4)和式(5)计算干旱发生范围(PDAA)和干旱持续时间(CI)。最后采用式(6)计算致灾因子危险性(H)，得出陕西省10个地市小麦、玉米危险性综合指标，将综合指标运用ArcGIS空间分析功能，采用自然断点法分为5个等级，得到陕西省10个地市小麦、玉米危险性空间分布图(图2)。

图2 陕西省小麦、玉米危险性空间分布Fig.2 Spatial distributions of wheat and corn drought hazard in Shaanxi Province

假如把危险性划分成5个风险等级，从图2可以看出，陕西省小麦危险性区划结果是，安康为低风险区，西安为次低风险区，咸阳、宝鸡和汉中为中度风险区，商洛为次高风险区，铜川和渭南为高风险区(由于榆林和延安小麦种植少，本文未进行风险评估，下同)。玉米危险性区划结果是，汉中、安康和商洛为低风险区，宝鸡和咸阳为次低风险区，西安、渭南和铜川为中度风险区，延安为次高风险区，榆林为高风险区。从该区划结果可以发现，陕西省降水分布与致灾因子危险性分布基本一致，均呈现出从南向北，从西向东递减的趋势，说明降水量与危险性密切相关。

2.2 陕西省典型作物干旱风险评估与区划

为了分析陕西省小麦、玉米干旱灾害风险，根据评价指标，选取2010-2013年指标数据，采用式(7)进行指标归一化处理后，计算得到4项要素(危险性、暴露性、脆弱性、抗旱减灾能力)值，运用干旱灾害风险综合指标评估模型[式(8)]，计算陕西省小麦、玉米干旱灾害风险，将计算结果采用ArcGIS软件进行空间分析，得出如图3所示的小麦、玉米干旱灾害风险空间分布图。

图3 陕西省小麦、玉米干旱灾害风险空间分布Fig.3 Spatial distributions of wheat and corn drought disasters risk in Shaanxi Province

从图3可以看出，陕西省小麦干旱灾害风险区划结果是，汉中、安康为低风险区，西安为次低风险区，宝鸡和咸阳为中度风险区，渭南和商洛为次高风险区，铜川为高风险区。陕西省玉米干旱灾害风险区划结果是，汉中、安康和商洛为低风险区，宝鸡和咸阳为次低风险区，西安和渭南为中度风险区，铜川为次高风险区，榆林和延安为高风险区。采用典型年农作物受灾面积来验证风险区划结果的可靠性，从表5可以看出，2007年(中等干旱年)农作物受灾比与2005-2013年农作物平均受灾比，两者均大体呈现出从南向北依次递增的现象，说明陕西省干旱灾害从南向北逐渐加重，与本文研究结果基本一致。另外，对比图2和图3可以发现，陕西省典型作物危险性与干旱灾害风险空间分布大体一致，说明危险性是干旱灾害风险4项要素中最重要的要素，这与贾建英[14]、何斌[26]等人的研究结果一致。

表5 陕西省典型年农作物受灾情况Tab.5 The typical year crop damage situation in Shaanxi Province

3 讨论

干旱灾害风险由危险性(H)、暴露性(E)、脆弱性(V)和抗旱减灾能力(RE)4项要素构成，通过干旱灾害风险评估，找出干旱灾害风险主要影响因子，可为抗旱减灾部门制定抗旱减灾策略措施提供可行途径。通过陕西省典型作物干旱灾害风险评估，发现小麦干旱灾害风险表现出铜川地区较高，汉中地区较低；而玉米干旱灾害风险表现出榆林和延安地区较高，汉中地区同样较低。为了找出陕西省小麦、玉米干旱灾害高风险地区主要影响因子，将高风险地区和低风险地区的干旱灾害4项要素，采用雷达图对比分析(图4)。

图4 陕西省小麦、玉米干旱灾害高风险地区与低风险地区雷达图Fig.4 Radar chart of wheat and corn drought disasters risk in Shaanxi Province

从图4可以看出，铜川小麦危险性、暴露性和脆弱性都比汉中高，而抗旱减灾能力又比汉中低；同样，榆林和延安玉米危险性、暴露性和脆弱性都比汉中高，而抗旱减灾能力比汉中低。危险性高低主要与降水分布有关，铜川、榆林和延安均位于陕西北部，降水比位于陕西南部的汉中少很多，因此危险性较高，为了降低陕北地区农作物干旱灾害风险，确保粮食产量，应做好蓄水工程建设，大力发展节水灌溉农业。暴露性高低主要与农作物播种面积有关，建议陕北地区科学规划种植结构，加大种植耐旱经济作物。脆弱性高低主要与雨养农业面积大小有关，建议陕北地区加强灌溉工程建设，确保农作物需水要求。抗旱减灾能力主要与当地经济水平有关，陕北地区经济水平相对落后，建议政府部门加大资金、技术支持和政策保障。

基于自然灾害风险理论构建的综合指标干旱灾害风险评估方法，评估过程中涉及指标归一化和权重确定2个主要步骤，不同的指标归一化和权重确定方法，都会影响最终综合指标值的大小。本文指标归一化采用式(7)计算，而部分研究[15,26,28]采用yi=(xi-xmin)/(xmax-xmin)公式计算，认为xmax和xmin分别为指标xi理论上的最大、最小值，然而部分指标理论上的最大、最小值难以确定，例如农作物播种面积、农民收入水平等，但采用式(7)就能避免这种现象产生。本文综合指标采用了4项要素等权重构建，认为4项要素值的大小已经反映了对干旱灾害的影响轻重，此处不应再给4项要素赋予不同权重，这与秦越[15]、何斌[26]等人看法一致。然而，在干旱烈度等级划分时，是依据各地市主要的土壤类型，这与实际每个地市有多种土壤类型存在一定误差；另外，在计算4项要素值的过程中，本文也存在不妥之处，例如抗旱减灾能力要素由节水灌溉面积、水源供水能力和农民人均收入3个指标构成，计算过程中3个指标采用了等权重，但3个指标对抗旱减灾能力要素的贡献并不一定相等，为此在以后的研究中还需进一步完善。

4 结语

本文基于自然灾害风险理论，根据致灾因子危险性定义，从干旱发生频率、干旱发生强度、干旱发生范围和干旱持续时间4个因子出发，构建了危险性评估模型，评估并区划了陕西省小麦、玉米危险性风险。基于危险性、暴露性、脆弱性和抗旱减灾能力4项要素，构建了干旱风险综合指标评估模型，评估分析了陕西省小麦、玉米干旱灾害风险，主要得到以下结论。

(1)陕西省小麦、玉米危险性风险空间分布与降水分布大体一致，呈现出从南向北、从西向东依次递增的现象。

(2)陕西省小麦、玉米干旱灾害风险空间分布与危险性分布基本一致，说明危险性是干旱灾害风险4项要素中最重要的要素。

□

[1] 刘颖秋. 干旱灾害对我国社会经济的影响研究[M]. 北京: 中国水利水电出版社, 2005:3-28.

[2] 刘小艳. 陕西省干旱灾害风险评估及区划[D]. 西安: 陕西师范大学, 2010.

[3] 雷治平. 陕西省农业干旱灾害评估及影响因子分析研究[D]. 陕西杨凌: 西北农林科技大学, 2005.

[4] 吴迪. 基于多情景分层叠加的黄河流域农业干旱风险评估与区划研究[D]. 北京: 中国水利水电科学研究院, 2013.

[5] 张强, 张良, 崔显成, 等. 干旱监测与评价技术的发展及其科学挑战[J]. 地球科学进展, 2011,26(7):765-778.

[6] Palmer W C. Meteorological Drought[R]. Research Paper No.45 Washington DC: U.S. Department of Commerce, Weather Bureau, 1965:45-58.

[7] Mckee TB, Doesken NJ. Drought monitoring with multiple time scales. Proceedings of Ninth Conference on Applied Climatology[M]. American Meteorological Society: Massachusetts, 1995:233-236.

[8] Julien Y, Sobrino J A. The Yearly Land Cover Dynamics(YLCD) Method: An Analysis of Global Vegetation from NDVI and LST Parameters[J]. Remote Sensing of Environment, 2009,113(2):329-334.

[9] 宋付强, 邢开雄, 刘阳, 等. 基于MODIS/NDVI的陕北地区植被动态监测与评价[J]. 生态学报, 2011,31(2):354-363.

[10] Sandholt I, Rasmussen K, Andersen J. A simple interpretation of the surface temperature vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002,79(2):213-224.

[11] 刘立文, 张吴平, 段永红, 等. TVDI模型的农业旱情时空变化遥感应用[J]. 生态学报, 2014,34(13):3 704-3 711.

[12] IPCC. Climate Change 2007: The Physical Science Basis. Contribution of WG Ⅰ to the IPCC AR4[C]∥ Cambridge: Cambridge University Press, 2007.

[13] 张继权, 李宁. 主要气象灾害风险评估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, 2007:27-244.

[14] 贾建英, 贺楠, 韩兰英, 等. 基于自然风险理论和ArcGIS的西南地区玉米干旱风险分析[J]. 农业工程学报, 2015,31(4):152-159.

[15] 秦越, 徐翔宇, 徐凯, 等. 农业干旱灾害风险模糊评价体系及其应用[J]. 农业工程学报, 2013,29(10):83-91.

[16] 陕西省农业勘察设计院主编. 陕西农业土壤[M]. 西安: 陕西科学技术出版社, 1982.

[17] 陕西省统计局, 国家统计局陕西调查总队. 2011陕西统计年鉴[M]. 北京: 中国统计出版社, 2011:265-290.

[18] 陕西省统计局, 国家统计局陕西调查总队. 2012陕西统计年鉴[M]. 北京: 中国统计出版社, 2012:279-304

[19] 陕西省统计局, 国家统计局陕西调查总队. 2013陕西统计年鉴[M]. 北京: 中国统计出版社, 2013:277-302.

[20] 陕西省统计局, 国家统计局陕西调查总队. 2014陕西统计年鉴[M]. 北京: 中国统计出版社, 2014:251-275.

[21] 张峰. 川渝地区农业气象干旱风险区划与损失评估研究[D]. 浙江: 浙江大学, 2013.

[22] 段爱旺, 孙景生, 刘钰, 等. 北方地区主要农作物灌溉用水定额[M]. 北京：中国农业科学技术出版社, 2004.