侯雙雙等

試驗研究

摘要：利用湖北省襄樊地面氣象站1981～2006年逐日降水量和氣溫數(shù)據(jù)資料，按IPCC評估報告對極端天氣氣候事件的定義，分析襄樊地區(qū)暴雨災(zāi)害指標(biāo)與棉花減產(chǎn)率之間的關(guān)系。結(jié)果表明，襄樊地區(qū)的暴雨災(zāi)害指標(biāo)為日降水量≥34 mm；區(qū)域暴雨災(zāi)害指標(biāo)與減產(chǎn)率明顯正相關(guān)，棉花減產(chǎn)率與生長期（15℃和20℃）暴雨日數(shù)及強(qiáng)度關(guān)系為：y=-118.66+8.58x1+0.11x2-19.86x3+2.38x4。旨在為農(nóng)業(yè)生產(chǎn)防災(zāi)減災(zāi)提供參考。

關(guān)鍵詞：襄樊地區(qū)；區(qū)域；暴雨災(zāi)害指標(biāo)；棉花減產(chǎn)率

中圖分類號：S162.8 文獻(xiàn)標(biāo)志碼： A 文章編號：2095-3143（2014）04-0016-05

DOI：10.3969/j.issn.2095-3143.2014.04.004

0 引言

IPCC（聯(lián)合國氣候變化政府間專家委員會）2007年評估報告指出：在整個21世紀(jì)中，如果氣候持續(xù)變暖，那么極端天氣氣候事件（例如熱浪、強(qiáng)降水、風(fēng)暴）發(fā)生頻率也將增加[1-3]。處于氣候變暖的背景下，大量研究表明極端天氣事件中強(qiáng)降水事件在各地區(qū)呈現(xiàn)不同的變化趨勢[4-7]。作為強(qiáng)降水事件的暴雨，歸屬于極端天氣氣候事件，具有明顯的地區(qū)差異；因此，暴雨指標(biāo)也應(yīng)有地區(qū)差異。

中國氣象局規(guī)定以日（24 h）雨量達(dá)到50.0 mm為暴雨[8]，并以此暴雨指標(biāo)分析全國暴雨時空分布特征和開展業(yè)務(wù)服務(wù)。而新疆吐魯番年均降水量雖然只有16.6 mm，1958年8月14日12 h的降水量卻高達(dá)36 mm[9]，如果按50 mm的國家暴雨標(biāo)準(zhǔn)吐魯番這次罕見的強(qiáng)降水事件只能列為大雨；馬淑紅等根據(jù)屬干旱、半干旱地區(qū)的新疆的暴雨成災(zāi)事實、暴雨特點以及河川與下墊面滲透力情況，把日降水量≥20.0 mm為干旱區(qū)暴雨指標(biāo)和日雨量≥25.0 mm為半干旱地區(qū)暴雨指標(biāo)[10]；楊霞等以日降水量≥24 mm為新疆地區(qū)暴雨指標(biāo)[11]；像東北地區(qū)日降水量達(dá)到30 mm已構(gòu)成強(qiáng)降水，而西北地區(qū)日降水量達(dá)到25 mm也屬罕見[9]。因此，有人提出中國各地氣候、地理及農(nóng)業(yè)生產(chǎn)特點不同，暴雨標(biāo)準(zhǔn)也應(yīng)有所不同[9，12]。顯然，作為強(qiáng)降水事件的暴雨指標(biāo)因地而異，相對全國統(tǒng)一的以日降水量≥50.0 mm為暴雨指標(biāo)難反映當(dāng)?shù)氐膶嶋H情況，但如何確定區(qū)域暴雨指標(biāo)，又如何檢驗該暴雨指標(biāo)的合理性是有待深入探索的課題。

襄樊地區(qū)是湖北省重要的產(chǎn)棉區(qū)，棉花各生育階段對淹水都十分敏感，抗?jié)衬芰θ鮗13]，襄樊地區(qū)處于亞熱帶濕潤季風(fēng)氣候區(qū)，澇漬不利于棉花生長發(fā)育[14]。暴雨洪澇給該地區(qū)棉花生產(chǎn)造成嚴(yán)重?fù)p失[15-16]。本文擬以棉花減產(chǎn)率為災(zāi)損指標(biāo)，根據(jù)IPCC-2007評估報告對極端天氣氣候事件的定義，研究襄樊地區(qū)的暴雨指標(biāo)與棉花減產(chǎn)率的關(guān)系，探尋有效的區(qū)域暴雨指標(biāo)。

1 資料來源及處理方法

從湖北省襄樊地面氣象站和農(nóng)業(yè)氣象試驗站分別獲取1981～2006年逐日氣溫、降水量和棉花產(chǎn)量數(shù)據(jù)。利用5日滑動平均法[17]計算歷年穩(wěn)定通過界限溫度（0℃、5℃、10℃、15℃和20℃）的起止日期，并得到各界限溫度起止日期之間的時段，分別稱為0℃生長期、5℃生長期、10℃生長期、15℃生長期及20℃生長期，對應(yīng)生長期天數(shù)稱為生長期長度。并按日降水量≥0.1 mm為雨日，篩選出歷年的雨日日降水量序列。

利用非參數(shù)K-S單樣本檢驗方法檢驗襄樊站點1981～2006年的雨日日降水量序列的分布類型并擬合相應(yīng)的概率密度分布函數(shù)，按照IPCC-2007評估報告中極端天氣事件為發(fā)生概率小于等于10%的定義[1]，計算得到概率發(fā)生值為10%的日降水量作為歷年的暴雨下限指標(biāo)；然后根據(jù)26個年暴雨指標(biāo)計算得到襄樊地區(qū)暴雨下限指標(biāo)。

采用11年直線滑動平均法[18]從襄樊市1981～2006年的棉花單產(chǎn)中分離出趨勢產(chǎn)量和氣象產(chǎn)量，計算相對氣象產(chǎn)量百分率，按相對氣象產(chǎn)量百分率<-5%、-5%～5%和>5%分別劃分為欠年、平年和豐年[19]，并以欠年的相對氣象百分率的絕對值定義為減產(chǎn)率，作為棉花災(zāi)損指標(biāo)。

2 暴雨特征分析

2.1 暴雨指標(biāo)及暴雨特性

利用非參數(shù)K-S單樣本檢驗方法檢驗襄樊站點1981～2006年日降水量序列的分布類型，結(jié)果表明歷年日降水量分布均為正態(tài)分布，根據(jù)擬合的正態(tài)分布密度函數(shù)，得到概率發(fā)生值為10%的歷年日降水量值，最終得到襄樊暴雨下限指標(biāo)為日降水量34 mm。采用5日滑動平均法得到襄樊站點1981～2006年界限溫度為0℃、5℃、10℃、15℃及20℃生長期起止日期和相應(yīng)的生長期長度。

2.2 暴雨致災(zāi)因子

暴雨對農(nóng)作物的不利影響主要表現(xiàn)在兩個方面：一是雨量過大導(dǎo)致的積水對農(nóng)作物產(chǎn)生的澇災(zāi)影響，二是雨強(qiáng)度過大對農(nóng)作物造成的直接機(jī)械損傷。統(tǒng)計分析襄樊各界限溫度生長期暴雨日數(shù)、暴雨量和暴雨強(qiáng)度三者兩兩之間的相關(guān)系數(shù)列于表2。從表2看出，各生長期暴雨量與暴雨日數(shù)相關(guān)系數(shù)在0.82以上，并通過置信水平為0.01的相關(guān)系數(shù)檢驗，兩者相關(guān)關(guān)系顯著；暴雨強(qiáng)度與暴雨日數(shù)相關(guān)系數(shù)在0.36以下，為沒有線性相關(guān)關(guān)系；暴雨量與暴雨強(qiáng)度的相關(guān)系數(shù)在0.62～0.71之間。就相關(guān)程度來看，暴雨日數(shù)與暴雨量大于暴雨量與暴雨強(qiáng)度的相關(guān)性，而暴雨日數(shù)與暴雨強(qiáng)度可認(rèn)為是相互獨立的。因此，從暴雨特征量來分析暴雨對作物影響時可選取暴雨日數(shù)和暴雨強(qiáng)度兩個特征作為暴雨致災(zāi)因子。

3 區(qū)域暴雨災(zāi)害指標(biāo)與棉花減產(chǎn)率的關(guān)系

事實上，若不考慮其他因素影響，暴雨作為極端強(qiáng)降水事件勢必會對作物生長造成不利影響，然而在作物生長過程中，各種因素（包括人為和自然）的相互影響形成了作物的最終產(chǎn)量。根據(jù)襄樊區(qū)域暴雨指標(biāo)，統(tǒng)計得出襄樊每一年都有暴雨的發(fā)生，但襄樊的棉花欠年年份共有10年，并非每一年都為欠年。對于豐年和平年來說，可以認(rèn)為暴雨的不利影響被其他因素抵消了甚至是使暴雨這一不利事件轉(zhuǎn)為有利，例如長期的干旱后強(qiáng)度適中的暴雨發(fā)生能緩解旱情使得暴雨轉(zhuǎn)害為利。因此，作者認(rèn)為豐年和平年中氣象條件是有利的，可假設(shè)沒有暴雨及其他不利氣象事件發(fā)生。而對棉花欠年來說，暴雨災(zāi)害與棉花災(zāi)損是否存在直接的關(guān)系是接下來需要驗證的問題。

5 結(jié)論與討論

通過對襄樊1981～2006年氣象資料及棉花產(chǎn)量資料的統(tǒng)計分析，根據(jù)IPCC評估報告對極端天氣氣候事件的定義，得到了襄樊地區(qū)的暴雨指標(biāo)為日降水量≥34 mm，并且以襄樊棉花實際產(chǎn)量相對氣象產(chǎn)量的減產(chǎn)率為災(zāi)損指標(biāo)，得到暴雨致災(zāi)因子與棉花減產(chǎn)率二者之間的模型關(guān)系式。結(jié)果表明，對于襄樊而言，作為極端天氣事件的暴雨與棉花減產(chǎn)有直接的正相關(guān)關(guān)系，進(jìn)而驗證了本文確定的襄樊區(qū)域暴雨指標(biāo)及其得出方法的合理性。

由于氣象資料的限制，本文得到的暴雨指標(biāo)是以日降水量為單位的，而從暴雨是強(qiáng)降水這個角度來說，今后的暴雨指標(biāo)研究還需要進(jìn)一步縮小時間尺度。另外，本文區(qū)域暴雨指標(biāo)的確定方法對襄樊地區(qū)來說顯然是合理的，但在全國其他地區(qū)確定要因地而異，也是亟待展開的工作。

6 致謝

感謝貴州省山地環(huán)境氣候研究所“西南重大突發(fā)性自然災(zāi)害預(yù)警與防控技術(shù)研究與應(yīng)用”課題組全體同志給予的支持和指導(dǎo)！

參考文獻(xiàn)

[1] Martin Benisons. Extreme climatic events： examples from the alpine region [J]. JOURNAL DE PHYSIQUE IV 2004（121）： 139-149.

[2] Cynthia Rosen Zweig， Ana Iglesias， X.B. Yang， Paul R. Epstein， and Eric Chivian. Climate change and extreme weather events Implications for food production， plant diseases， and pests [J]. GLOBAL CHANGE & HUMAN HEALTH， VOLUME 2， NO. 2 （2001）：90-104.

[3] Viatcheslav V. Karin， Francis W.Zwiers， and Xuebing Zhang.Hegerl. Changes in Temperature and Precipitation Extremes in the IPCC Ensemble of Global Coupled Model [J].JOURNAL OF CLIMATE， Volume 20， NO.15（2007）：1419-1445.

[4] 嚴(yán)中偉，楊赤.近幾十年我國極端氣候變化格局[J].氣候與環(huán)境研究， 2000， 5 （3） ： 267-272.

[5] 翟盤茂，潘曉華. 中國北方近50年溫度和降水極端事件變化[J].地理學(xué)報， 2003， 58 （增刊） ： 1-10.

[6] QianW， Lin X. Regional trends in recent precipitation indices in China [J]. Meteorology and Atmospheric Physics， 2005， 90 （2） ： 93 – 207.

[7] 羅勇. 全球氣候變化及其應(yīng)對[C].北京：中國氣象學(xué)會，2010：9-18.

[8] 鮑名，黃榮輝. 近40年我國暴雨的年代際變化特征[J].大氣科學(xué)，2006，30（6）： 1057-1067.

[9] 章淹，林宗鴻，陳渭民.暴雨預(yù)報[M]. 北京：氣象出版社，1990.

[10] 馬淑紅，席元偉.新疆暴雨的若干規(guī)律性[J].氣象學(xué)報，1997，55（2）：241-248.

[11] 楊霞，趙逸舟，李圓圓.烏魯木齊極端天氣事件及其與區(qū)域氣候變化的聯(lián)系[J].干旱區(qū)地理，2009，32（6）：867-873.

[12] 范興科，吳普特，馮浩. 暴雨的判定方法和評價指標(biāo)[J].中國水土保持科學(xué)，2003，1（3）：72-75.

[13 ]歐陽惠.水旱災(zāi)害學(xué)[M].北京：氣象出版社，2001：107.

[14] 王璞.農(nóng)作物概率[M].北京：中國農(nóng)業(yè)大學(xué)出版社，2004：250-268.

[15] 姜樹海，范子武，吳時強(qiáng).洪災(zāi)風(fēng)險評估和防洪安全決策[M].北京：中國水利水電出版社，2005：7-8.

[16] 郭廣芬，周月華，史瑞琴，等.湖北省暴雨洪澇致災(zāi)指標(biāo)研究[J].暴雨災(zāi)害，2009，28（4）：357-361.

[17] 姜會飛.農(nóng)業(yè)氣象觀測與數(shù)據(jù)分析[M].北京：科學(xué)出版社，2008：153-155.

[18] 薛昌穎，霍治國，李世奎.華北北部冬小麥干旱和產(chǎn)量災(zāi)損的風(fēng)險評估[J].自然災(zāi)害學(xué)報，2003，12（1）：131-139.

[19] 姜會飛，溫德永，廖樹華.運用混沌理論預(yù)測糧食產(chǎn)量[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2006，11（1）：47-52.

[20] 蔡賽緘，凌良新，唐仰華.廣東潮州暴雨的氣候特征及成因分析[J]. 安徽農(nóng)業(yè)科學(xué)， 2009，37 （33）：16462-16464.

[21] 黃忠雄，馬藝，陳翠敏.廣西南寧市農(nóng)業(yè)氣候資源分析與合理利用對策[J].安徽農(nóng)業(yè)科學(xué)，2010， 38 （3）：1309-1312.

[22] 姜會飛.農(nóng)業(yè)氣象學(xué)[M].北京：科學(xué)出版社，2008：64.

Abstract：The author analysed the relationship between regional rainstorm index and yield reduction rate of cotton according to the daily precipitation and temperature data of Xiangfan meteorological station in Hubei province from 1981 to 2006 and the evaluation definition of extreme weather and climate events in IPCC.The result showed that，the rainstorm weather index was greater than or equal to 34 mm inXiangfan area； A significant positive correlation between the regional rainstorm disaster index and yield reduction rate， the relationship between cotton yield reduction rate and growth period （15℃ and 20℃） rainstorm day numbers， strength was y=-118.66+8.58x1+0.11x2-19.86x3+2.38x4 in order to provide reference for agricultural production and disaster prevention and mitigation.

Key words：Xiangfan area；Area；Rainstorm disaster index； Yield reduction rate of cotton