水稻低温冷害风险评估.docx

水稻低温冷害风险评估《自然灾害学报》2014年第二期1资料与方法1．1资料来源及处理东北三省共86个气象台站(黑龙江省31个站点吉林省28个站点辽宁省27个站点)的1961－2012年逐日平均气温数据和农气观测站1991－2012年水稻生长发育期资料由中国气象数据共享网提供。单季稻实际总产及播种面积资料来自各省历年统计年鉴。研究区范围及气象站点分布如图1所示。1．2东北水稻冷害指标及其辨别东北三省1961－2012年水稻冷害的辨别主要依据气象行业标准《水稻、玉米冷害等级》(QX/T101－2009)。表1和表2分别列出东北水稻延迟型冷害和障碍型冷害等级指标。逐年逐站点将日平均气温按月份合成月平均气温再累加成5－9月月平均气温总和∑T5－9。计算∑T5－9与距平基准年T5－9(1981－2010年∑T5－9平均值)之差得到各站点1961－2012各年5－9月月平均气温总和距平ΔT5－9并根据指标表判断每个站点发生一般和严重延迟型冷害的年份并统计各类延迟型冷害发生频率。对农气站观测的水稻生长发育期资料进行统计得出东北三省水稻普遍孕穗期范围和普遍抽穗开花期范围分别在儒略日(DOY)189－207(7月中旬至下旬)和DOY209－227(7月下旬至8月上中旬)。分生育期范围按障碍型冷害指标逐年逐站点地分析DOY189－207和DOY209－227间的日平均气温数据判别每个站点水稻孕穗期、抽穗开花期轻度、中度及中度障碍型冷害发生的年份并统计各类障碍型冷害发生频率。1．3产量分离作物产量的形成是自然环境因素和社会生产力综合作用的结果。通常把长时序产量数据分解为趋势产量、气象产量及随机“噪声”3部分一般情况下可假设忽略“噪声”的影响。趋势产量可由多种方法进行模拟和预报［13］本文选择不损失样本且模拟效果较好的直线滑动平均法设滑动步长为11具体步骤参见文献［14］。按QX/T101－2009行业标准定义水稻减产率为实际产量与其趋势产量的差值占趋势产量的百分比(即相对气象产量)的负值。1．4综合风险评估及区划方法在GIS平台下利用反距离权重插值法(inversedistanceweightingIDW)对各单项评价指标进行空间化表达。采用熵值法(entropymethodEM)和层次分析法(analytichierarchyprocessAHP)相结合的综合赋权法和加权综合评分法(weightedcomprehensiveanalysisWCA)构建水稻冷害风险综合评估模型。对空间分布的单项风险要素评价指标叠加计算并利用ArcGIS中自然断点分类法NaturalBreaks(Jenks)对综合风险评价指标进行区划。熵值法和层次分析法原理及操作步骤可参见文献［12］。2东北三省水稻低温冷害综合评估指标的构建2．1致灾因子危险性评估指标致灾因子危险性评估是以农业气象灾害的自然属性为基本出发点通过分析致灾因子历史活动的频繁程度和强度来确定致灾因子的危险性大小及其发生的可能性。本文选择从水稻生育期热量条件变异系数、延迟型冷害气候风险概率、障碍型冷害发生频率及冷害气候风险指数4方面来综合体现致灾因子危险性。2．1．1∑T5－9的变异系数有研究表明5－9月的热量条件与东北地区水稻产量呈显著正相关［15］且年际间热量条件的稳定性直接关系到水稻低温冷害发生的风险大小［3］。因此本文通过计算∑T5－9的变异系数CVh来表明各地水稻生长季内热量条件稳定程度大小即评估致灾因子风险强度大小。2．1．2冷害气候风险概率同冷害发生频率相比当统计样本足够大时冷害概率值不随统计年份的增加而改变更具有客观性和稳定性。计算概率前需采用偏度－峰度检验法对气候样本序列进行正态分布检验不满足检验的序列需要进行偏态分布正态化处理［14］。经检验东北地区所有站点∑T5－9和ΔT5－9历年序列分布曲线均满足正态性。因此可以引入冷害气候风险概率的概念用正态分布密度函数揭示各地发生延迟型冷害的风险性大小。概率密度函数公式为:式中一般冷害指标ΔT1和严重冷害指标ΔT2可参见表1。分别计算各站点的一般冷害和严重冷害的风险概率(F1和F2)其值越大表明发生延迟型冷害的风险性越大;反之发生低温冷害的风险越小。2．1．3冷害气候风险指数冷害气候风险指数是冷害强度和冷害发生频率的综合指标［16］能较客观地反映冷害的风险程度。将每个台站出现冷害的年份按一般冷害和严重冷害分为两组求出每组达到相应冷害等级的ΔT5－9的频数Di和组中值Hi再按式(5)计算冷害气候风险指数RI其中n为总年数:2．1．4障碍型冷害频率以上3类指标都只能反映延迟型冷害风险大小。但用于判断障碍型冷