周兆基+王倩

摘要：依據(jù)各?。ㄊ小⒆灾螀^(qū)）1986—2011年的糧食產(chǎn)量、受災(zāi)面積和播種面積等數(shù)據(jù)，構(gòu)造出氣象災(zāi)害的綜合風(fēng)險(xiǎn)評(píng)價(jià)指數(shù)模型，利用GIS平臺(tái)對(duì)各省（市、自治區(qū)）的氣象災(zāi)害風(fēng)險(xiǎn)進(jìn)行評(píng)估與區(qū)劃?；诟魇。ㄊ?、自治區(qū)）氣象災(zāi)損糧食產(chǎn)量的基礎(chǔ)上，運(yùn)用二次指數(shù)平滑法結(jié)合MATLAB算法，對(duì)2013年可能由氣象災(zāi)害損失的糧食產(chǎn)量進(jìn)行預(yù)測(cè)。結(jié)果表明，糧食生產(chǎn)的氣象災(zāi)害風(fēng)險(xiǎn)總體上是東部低于西部，南方低于北方。其中，江蘇、上海等地區(qū)的綜合風(fēng)險(xiǎn)指數(shù)最低，為0.0～1.0，其氣象災(zāi)害發(fā)生的次數(shù)少，即使發(fā)生災(zāi)害也是輕災(zāi)為主，糧食產(chǎn)量比較穩(wěn)定；浙江、福建等地區(qū)的綜合風(fēng)險(xiǎn)指數(shù)為1.0～2.5，屬于次高風(fēng)險(xiǎn)；貴州、內(nèi)蒙古等地區(qū)由于經(jīng)常發(fā)生氣象災(zāi)害并且大多災(zāi)害比較嚴(yán)重，嚴(yán)重影響糧食產(chǎn)量，屬于高風(fēng)險(xiǎn)區(qū)；西藏、海南等地區(qū)的綜合風(fēng)險(xiǎn)最高。通過對(duì)2013年災(zāi)損糧食產(chǎn)量的預(yù)測(cè)，湖南、遼寧、河北、湖北和四川糧食災(zāi)損的相對(duì)較多，都達(dá)到600萬t以上。

關(guān)鍵詞：糧食產(chǎn)量；綜合風(fēng)險(xiǎn)指數(shù)；風(fēng)險(xiǎn)評(píng)估與區(qū)劃；二次指數(shù)平滑法；GIS

中圖分類號(hào)：S42文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：0439-8114（2014）10-2299-05

Evaluation and Regionalization of the Agriculture Meteorological Disasters in China

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

基金項(xiàng)目：國(guó)家公益性行業(yè)（氣象）科研專項(xiàng)（GYHY201106019）

中國(guó)是一個(gè)氣象災(zāi)害種類繁多的國(guó)家，主要有干旱、臺(tái)風(fēng)、暴雨、熱帶氣旋、寒潮、冰雹、冷凍、雪災(zāi)、熱浪、沙塵暴、濃霧等氣象災(zāi)害，其中干旱、臺(tái)風(fēng)、暴雨、寒潮對(duì)中國(guó)農(nóng)業(yè)的危害影響范圍最廣，災(zāi)情最嚴(yán)重。災(zāi)害的發(fā)生導(dǎo)致農(nóng)作物大面積減產(chǎn)、降質(zhì)甚至絕收，人民生命財(cái)產(chǎn)等遭到重大損失，不僅影響農(nóng)業(yè)持續(xù)發(fā)展和農(nóng)民生活水平的提高，而且影響國(guó)民經(jīng)濟(jì)的發(fā)展。例如，1972年特大干旱年，重旱區(qū)京、津、晉、陜北、遼西干旱持續(xù)時(shí)間最長(zhǎng)，不少河流斷流，水庫(kù)干涸；黃河在濟(jì)南以下斷流20 d，秋收作物受災(zāi)嚴(yán)重，有的甚至絕收。全國(guó)過去對(duì)農(nóng)業(yè)氣象災(zāi)害進(jìn)行了很多的預(yù)測(cè)和研究[1-3]，學(xué)者們通過分析農(nóng)業(yè)氣象災(zāi)害的孕災(zāi)環(huán)境、致災(zāi)因子、承載體的抗災(zāi)防災(zāi)能力及災(zāi)情，得出這些災(zāi)害因子與災(zāi)害風(fēng)險(xiǎn)之間的關(guān)系，從而更深層次地揭示農(nóng)業(yè)氣象災(zāi)害對(duì)農(nóng)業(yè)的影響，然后借助于各個(gè)地方的行政區(qū)劃圖等因子，做出農(nóng)業(yè)氣象災(zāi)害的風(fēng)險(xiǎn)區(qū)劃和評(píng)述。例如，陳懷亮等[1]根據(jù)農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)分析理論，以河南省小麥生產(chǎn)為例，對(duì)小麥產(chǎn)量影響較大的農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)要素和風(fēng)險(xiǎn)源進(jìn)行了辨識(shí)，并在此基礎(chǔ)上，通過構(gòu)造災(zāi)度函數(shù)，運(yùn)用概率和EFO等分析方法，分析了河南省小麥生產(chǎn)中主要農(nóng)業(yè)氣象災(zāi)害——麥播旱澇、晚霜凍、干熱風(fēng)與青枯雨的發(fā)生、發(fā)展規(guī)律及其對(duì)小麥產(chǎn)量的定量影響程度和風(fēng)險(xiǎn)概率，同時(shí)運(yùn)用多因子綜合風(fēng)險(xiǎn)指數(shù)模型對(duì)河南省小麥農(nóng)業(yè)生產(chǎn)氣象災(zāi)害風(fēng)險(xiǎn)進(jìn)行了綜合區(qū)劃。于飛等[2]對(duì)貴州農(nóng)業(yè)氣象災(zāi)害綜合風(fēng)險(xiǎn)進(jìn)行了評(píng)價(jià)與區(qū)劃，利用聚類分析將該省分為5類農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)域，又以不同聚類區(qū)域?yàn)檠芯繉?duì)象進(jìn)行了灰色關(guān)聯(lián)分析，最后求得每種災(zāi)害的關(guān)聯(lián)度，最終確定了不同聚類區(qū)域的主要災(zāi)害，并在灰色關(guān)聯(lián)分析的基礎(chǔ)上，建立了該省綜合農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)模型，并計(jì)算出該省各縣的綜合農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)性分布，再利用GIS空間分析進(jìn)行了綜合農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃。

本研究是基于前人研究的基礎(chǔ)上，以糧食產(chǎn)量（指稻谷、小麥、玉米、豆類的總產(chǎn)量）來表示氣象災(zāi)害對(duì)農(nóng)業(yè)的影響，在對(duì)全國(guó)各省（市、自治區(qū)）的歷史糧食產(chǎn)量資料分析的基礎(chǔ)上，以省（市、自治區(qū)）為單位運(yùn)用ArcGIS軟件進(jìn)行分析，得出全國(guó)宏觀層面的農(nóng)業(yè)氣象災(zāi)害的風(fēng)險(xiǎn)評(píng)估與區(qū)劃，定量得出氣象災(zāi)害對(duì)糧食產(chǎn)量的影響。最后對(duì)這些所得到的由于氣象災(zāi)害損失的糧食產(chǎn)量，運(yùn)用二次指數(shù)平滑法預(yù)測(cè)出接下來兩年可能由氣象災(zāi)害引起的糧食損失的產(chǎn)量，以期為農(nóng)業(yè)部門和政府部門提供一定的災(zāi)害服務(wù)信息，為抗災(zāi)減災(zāi)、制定相關(guān)防御政策、最大程度地減輕農(nóng)業(yè)因氣象災(zāi)害所致的損失提供依據(jù)。

1災(zāi)害評(píng)價(jià)模型的建立

所用到的各?。ㄊ?、自治區(qū)）的糧食產(chǎn)量、受災(zāi)面積和總播種面積等數(shù)據(jù)都來源于歷年的《中國(guó)統(tǒng)計(jì)年鑒》（Http：//www.stats.gov.cn/tjsj/ndsj/）。資料的時(shí)間序列為1986—2011年，共計(jì)26年。本研究區(qū)域是除了香港、澳門、臺(tái)灣以外的全國(guó)各?。ㄊ?、自治區(qū)）。

1.1糧食產(chǎn)量的變異系數(shù)

變異系數(shù)能夠有效反映數(shù)據(jù)的離散程度，其數(shù)據(jù)大小不僅受變量離散程度的影響，而且還受變量平均水平的影響。一般而言，變量平均水平高，其離散程度的測(cè)度值也大，反之越小。糧食產(chǎn)量的變異系數(shù)一方面綜合表征了各地區(qū)糧食生產(chǎn)受氣象因子或其他生態(tài)環(huán)境條件影響的產(chǎn)量波動(dòng)情況；另一方面它也能有效反映各地的抗災(zāi)減災(zāi)能力。糧食產(chǎn)量的變異系數(shù)大，說明產(chǎn)量的波動(dòng)大，抗災(zāi)減災(zāi)能力弱，受到氣象災(zāi)害影響的風(fēng)險(xiǎn)大?？梢杂霉剑?）計(jì)算出變異系數(shù)的大小。

C= （1）

公式（1）中，C表示糧食產(chǎn)量的變異系數(shù)，Y表示各?。ㄊ小⒆灾螀^(qū)）歷年糧食的實(shí)際產(chǎn)量，表示各省（市、自治區(qū)）歷年糧食產(chǎn)量的平均值，n表示樣本容量，本研究樣本為26年。

1.2氣象災(zāi)害的發(fā)生頻率

采用一般比例法來求解由于氣象災(zāi)害所導(dǎo)致的糧食產(chǎn)量減產(chǎn)的具體數(shù)值。因?yàn)樵谝话闱闆r下，極端氣象災(zāi)害是不易發(fā)生的，所以把氣象災(zāi)害所導(dǎo)致?lián)p失的糧食產(chǎn)量與受災(zāi)面積相關(guān)聯(lián)，各地區(qū)每年的實(shí)際產(chǎn)量與各地區(qū)未受災(zāi)的糧食種植面積相關(guān)聯(lián)，即各地區(qū)每年的實(shí)際產(chǎn)量與糧食種植總面積與受災(zāi)面積之差相關(guān)聯(lián)，可以得到如下公式：

（2）

公式（2）中，Q表示各省（市、自治區(qū)）第i年由于氣象災(zāi)害導(dǎo)致的糧食減產(chǎn)量，S表示各?。ㄊ?、自治區(qū)）第i年氣象災(zāi)害所導(dǎo)致的受災(zāi)面積，Y表示各?。ㄊ小⒆灾螀^(qū)）第i年的實(shí)際糧食產(chǎn)量，S表示各省（市、自治區(qū)）第i年糧食的總播種面積。其中，S、 Y、S都是已知量，可以通過歷年的《中國(guó)統(tǒng)計(jì)年鑒》查到相關(guān)數(shù)據(jù)；Δ1、Δ2、Δ3表示的是可以接受的誤差范圍。

根據(jù)公式（2）可以求得由氣象災(zāi)害所引起的損失的糧食產(chǎn)量，而減產(chǎn)率是氣象災(zāi)害損失的糧食產(chǎn)量與實(shí)際糧食產(chǎn)量和氣象災(zāi)害損失的那部分產(chǎn)量的和的比值，用公式（3）表示。

R=×100%（3）

公式（3）中，R表示糧食減產(chǎn)率。

根據(jù)公式（2）、（3）可以求得各?。ㄊ?、自治區(qū)）每年的糧食減產(chǎn)率。研究以糧食減產(chǎn)率來界定災(zāi)年等級(jí)，規(guī)定減產(chǎn)率在5%～15%為輕災(zāi)年，16%～30%為災(zāi)年，31%～50%為重災(zāi)年，51%～70%為嚴(yán)重災(zāi)年，大于71%為特嚴(yán)重災(zāi)年。根據(jù)災(zāi)年的界定分類情況，可以得到全國(guó)各?。ㄊ?、自治區(qū)）災(zāi)年發(fā)生的次數(shù)，如表1所示。

1.3災(zāi)年的平均減產(chǎn)率

為了使全國(guó)各省（市、自治區(qū)）的氣象災(zāi)害風(fēng)險(xiǎn)程度表征的更明顯，需要計(jì)算出各?。ㄊ?、自治區(qū)）糧食的平均減產(chǎn)率，其計(jì)算公式如公式（4）所示。

A= （4）

公式（4）中，A表示各省（市、自治區(qū)）歷年糧食的平均減產(chǎn)率，R表示各?。ㄊ?、自治區(qū)）第i年的糧食減產(chǎn)率。

1.4災(zāi)年風(fēng)險(xiǎn)指數(shù)

依據(jù)與上文界定的災(zāi)害等級(jí)，采用概率分布函數(shù)法來求解各等級(jí)氣象災(zāi)損發(fā)生的概率。由于影響氣象產(chǎn)量的各種氣象因子的時(shí)間序列具有正態(tài)分布的特征，即極端的氣象條件發(fā)生的概率較小，一般的氣象條件發(fā)生的概率較多，相對(duì)氣象產(chǎn)量序列也具有正態(tài)分布的性質(zhì)[4]。因此可以構(gòu)造減產(chǎn)率平均值（μ）和減產(chǎn)率序列的均方差（σ）的概率密度函數(shù)，如公式（5）所示。

f（x）=e（5）

根據(jù)概率分布函數(shù)的定義，不同程度糧食減產(chǎn)率x（x1

P（x1

風(fēng)險(xiǎn)概率指數(shù)為：

D= （7）

公式（6）、（7）中，P表示各個(gè)等級(jí)糧食減產(chǎn)率出現(xiàn)的概率，T表示各等級(jí)災(zāi)年出現(xiàn)的次數(shù)，D表示風(fēng)險(xiǎn)概率指數(shù)。各?。ㄊ?、自治區(qū)）災(zāi)害發(fā)生風(fēng)險(xiǎn)概率如圖1所示。

1.5抗災(zāi)指數(shù)

各省（市、自治區(qū)）的抗災(zāi)防災(zāi)能力也會(huì)對(duì)糧食產(chǎn)量產(chǎn)生一定程度的影響，這里用實(shí)際產(chǎn)量與理論極大產(chǎn)量的比值來表示抗災(zāi)指數(shù)，它反映的是農(nóng)業(yè)生產(chǎn)綜合抗災(zāi)能力的強(qiáng)弱，實(shí)際產(chǎn)量高反映了該地區(qū)的農(nóng)業(yè)生產(chǎn)水平高，也間接地反映了農(nóng)業(yè)抗災(zāi)減災(zāi)能力強(qiáng)。抗災(zāi)指數(shù)的計(jì)算公式如公式（8）所示。

K=（8）

公式（8）中，K表示抗災(zāi)指數(shù)，Y表示各?。ㄊ小⒆灾螀^(qū)）第i年中糧食產(chǎn)量的最大值。

1.6災(zāi)害風(fēng)險(xiǎn)評(píng)估

綜合風(fēng)險(xiǎn)指數(shù)與歷年糧食的平均減產(chǎn)率、氣象災(zāi)害風(fēng)險(xiǎn)概率指數(shù)和糧食產(chǎn)量的變異系數(shù)呈正向關(guān)聯(lián)，與抗災(zāi)指數(shù)呈反向關(guān)聯(lián)，可以用公式（9）計(jì)算。

Z=×A×C×D （9）

公式（9）中，Z表示綜合風(fēng)險(xiǎn)指數(shù)。

為了使綜合風(fēng)險(xiǎn)指數(shù)更具有直觀性，對(duì)數(shù)據(jù)進(jìn)行極差標(biāo)準(zhǔn)化，按公式（10）計(jì)算。

Ii′=×10（10）

公式（10）中，Ii′表示極差標(biāo)準(zhǔn)化后的數(shù)據(jù)，I為原始數(shù)據(jù)，I和I分別為每一列中的最大值和最小值。

2農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)劃

農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃的目的在于把致災(zāi)因子出現(xiàn)后有無風(fēng)險(xiǎn)或帶來風(fēng)險(xiǎn)的大小進(jìn)行分區(qū)，揭示農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)的地域差異，合理地劃分出各?。ㄊ小⒆灾螀^(qū)）農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)大小的范圍，并對(duì)各風(fēng)險(xiǎn)區(qū)內(nèi)歷年糧食的平均減產(chǎn)率、糧食產(chǎn)量的變異系數(shù)和風(fēng)險(xiǎn)指數(shù)等進(jìn)行綜合評(píng)價(jià)，為政府及防災(zāi)部門確定防災(zāi)重點(diǎn)地區(qū)、重點(diǎn)災(zāi)害、重點(diǎn)防災(zāi)時(shí)間等提供科學(xué)依據(jù)，把災(zāi)害造成的損失降低到最低限度，促進(jìn)農(nóng)業(yè)穩(wěn)定持續(xù)發(fā)展。根據(jù)綜合風(fēng)險(xiǎn)指數(shù)，對(duì)農(nóng)業(yè)風(fēng)險(xiǎn)進(jìn)行劃分，定義0.04.0為極高風(fēng)險(xiǎn)。

為了更加直觀地描述各?。ㄊ?、自治區(qū)）由氣象災(zāi)害引起的糧食損失分布的空間特征，運(yùn)用ArcGIS平臺(tái)繪制出氣象災(zāi)害綜合風(fēng)險(xiǎn)區(qū)劃圖（圖2）。從圖2可以看出，中國(guó)的糧食生產(chǎn)的氣象風(fēng)險(xiǎn)具有明顯的區(qū)域分布特征。就全國(guó)來看，糧食生產(chǎn)的氣象風(fēng)險(xiǎn)整體上是東部低于西部，南方低于北方。其中，綜合風(fēng)險(xiǎn)指數(shù)最低的地區(qū)是江蘇，它不僅發(fā)生災(zāi)年的可能性小，且災(zāi)害大多都是輕災(zāi)，糧食產(chǎn)量比較穩(wěn)定，適合糧食作物的生長(zhǎng)。河北、遼寧、吉林、黑龍江、上海、安徽、江西、山東、河南、湖北、湖南、廣東、廣西、重慶、四川的氣象災(zāi)害綜合風(fēng)險(xiǎn)指數(shù)也較低，均在0.0～1.0之間，這些地區(qū)糧食產(chǎn)量比較穩(wěn)定。浙江、福建、云南、陜西、新疆的綜合風(fēng)險(xiǎn)指數(shù)為1.0～2.5，要高于江蘇、上海等地，屬于次高風(fēng)險(xiǎn)區(qū)域。貴州、內(nèi)蒙古、甘肅、山西屬于糧食產(chǎn)量不穩(wěn)定區(qū)域，即高風(fēng)險(xiǎn)區(qū)域，這里經(jīng)常發(fā)生氣象災(zāi)害，而且發(fā)生的災(zāi)害大多比較嚴(yán)重，嚴(yán)重影響糧食產(chǎn)量。例如貴州，這里光照條件差，多雨潮濕，災(zāi)年減產(chǎn)程度和風(fēng)險(xiǎn)概率較大等都導(dǎo)致貴州糧食產(chǎn)量的不穩(wěn)定性。天津、北京、海南、寧夏、青海、西藏是極高風(fēng)險(xiǎn)區(qū)，這些地方氣象災(zāi)害極易發(fā)生，從而導(dǎo)致糧食嚴(yán)重減產(chǎn)。例如海南，位于中國(guó)的東南沿海地區(qū)，地處溫帶、熱帶過渡帶，為典型的亞熱帶季風(fēng)氣候，季風(fēng)氣候致使秋冬干旱每5年發(fā)生一次；有時(shí)在特定的環(huán)流影響下使秋雨較多，造成糧食作物根莖腐爛；冬季和早春在北方冷空氣的影響下，糧食作物遭受低溫冷害，致使減產(chǎn)等。綜上所述，這些地區(qū)更要做好災(zāi)害的應(yīng)急管理和防災(zāi)減災(zāi)工作。

3災(zāi)損糧食產(chǎn)量的預(yù)測(cè)

3.1預(yù)測(cè)模型

研究表明，歷史數(shù)據(jù)對(duì)未來的影響是隨時(shí)間間隔的增長(zhǎng)而遞減的。因此，更加精確的方法是對(duì)各個(gè)觀察數(shù)據(jù)按照時(shí)間順序進(jìn)行加權(quán)平均作為預(yù)測(cè)值。而指數(shù)平滑法滿足這一要求，此外它還具備簡(jiǎn)單的遞推形式。所謂的指數(shù)平滑法是指通過對(duì)歷史數(shù)據(jù)平滑平均數(shù)的求解，繼而對(duì)時(shí)間序列進(jìn)行均勻修正的一種方法[5]。本研究把前面所求得的每年各?。ㄊ小⒆灾螀^(qū)）由氣象災(zāi)害所損失的糧食產(chǎn)量作為歷史資料，以這些資料來預(yù)測(cè)出接下來兩年全國(guó)各省（市、自治區(qū)）由氣象災(zāi)害損失的糧食產(chǎn)量。構(gòu)建模型[6，7]如下：

設(shè)時(shí)間序列為q1，q2，...，qt，α為加權(quán)系數(shù)，則一次簡(jiǎn)單的移動(dòng)平均值Mt（1）的計(jì)算公式如公式（11）所示。

Mt（1）=（qt+qt-1+…qt-N+1）=Mt-1（1）+（11）

以Mt（1）作為qt-N的最佳估計(jì)值，則有：

Mt（1）=+（1-）Mt-1（1）（12）

設(shè)α=，用St代替Mt（1），即得公式（12）一次指數(shù)平滑法的計(jì)算公式，如公式（13）所示。

St（1）=αqt+（1-α）St-1（1）（13）

在一次指數(shù)平滑法的基礎(chǔ)上再做一次指數(shù)平滑，得到公式（14）所示的二次指數(shù)平滑法。

St（2）=αSt（1）+（1-α）St-1（2）（14） 公式（13）、（14）中，St（1）為一次指數(shù)的平滑值， St（2）為二次指數(shù)的平滑值。預(yù)測(cè)方程為：

t+m=at+btmm=1，2，…，n（15）

at=2St（1）-St（2）（16）

bt=（St（1）-St（2））（17）

3.2預(yù)測(cè)結(jié)果

為了更加快捷地得出各省（市、自治區(qū)）各年份的預(yù)測(cè)值，在MATLAB中對(duì)其進(jìn)行數(shù)據(jù)處理，編制相應(yīng)的算法能夠更加迅速地得到各年份的預(yù)測(cè)值。根據(jù)公式（2）求得的氣象災(zāi)損糧食產(chǎn)量，得到2013年全國(guó)各?。ㄊ小⒆灾螀^(qū)）的災(zāi)損糧食產(chǎn)量預(yù)測(cè)值，如表2所示。

4小結(jié)與討論

由于中國(guó)地處環(huán)太平洋災(zāi)害帶和歐亞災(zāi)害帶這兩大世界災(zāi)害帶的交匯處，使得中國(guó)的災(zāi)害種類繁多，災(zāi)害活動(dòng)活躍，災(zāi)害發(fā)生頻率高。因此，災(zāi)害引起的糧食生產(chǎn)不穩(wěn)定成為了長(zhǎng)期困擾中國(guó)農(nóng)業(yè)發(fā)展進(jìn)程的因素。在深入研究氣象災(zāi)害對(duì)農(nóng)業(yè)影響的基礎(chǔ)上，分析不同等級(jí)農(nóng)業(yè)氣象災(zāi)害發(fā)生危害的時(shí)間和空間分布特點(diǎn)及規(guī)律，從而可以通過調(diào)整作物布局避過作物對(duì)農(nóng)業(yè)氣象災(zāi)害最為敏感的時(shí)段，通過調(diào)整農(nóng)作物種類或品種，趨利避害協(xié)調(diào)作物與環(huán)境間的適應(yīng)性，減輕農(nóng)業(yè)氣象災(zāi)害損失。

本研究從糧食產(chǎn)量災(zāi)損角度對(duì)中國(guó)的糧食減產(chǎn)風(fēng)險(xiǎn)進(jìn)行了區(qū)域分析，并通過比較氣象綜合風(fēng)險(xiǎn)指數(shù)對(duì)中國(guó)糧食生產(chǎn)的農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)進(jìn)行了區(qū)劃，以期更好地為防災(zāi)減災(zāi)和農(nóng)業(yè)生產(chǎn)提供依據(jù)。在基于各?。ㄊ小⒆灾螀^(qū)）氣象災(zāi)損糧食產(chǎn)量的基礎(chǔ)上，運(yùn)用二次指數(shù)平滑法結(jié)合MATLAB算法，對(duì)2013年可能由氣象災(zāi)害損失的糧食產(chǎn)量進(jìn)行了預(yù)測(cè)，為政府和決策部門制定農(nóng)業(yè)生產(chǎn)計(jì)劃、采取防災(zāi)減災(zāi)措施以及保險(xiǎn)理賠等提供科學(xué)依據(jù)。除此之外，通過加強(qiáng)農(nóng)作物的水肥管理和病蟲防治，提高對(duì)氣候資源的利用率及光合產(chǎn)物的積累，提升農(nóng)作物抗御農(nóng)業(yè)氣象災(zāi)害能力和災(zāi)后恢復(fù)能力，達(dá)到減輕災(zāi)害損失、提高種植效益的目的。為了最大限度地提高農(nóng)業(yè)資源的有效利用率，使農(nóng)業(yè)向高產(chǎn)、穩(wěn)產(chǎn)轉(zhuǎn)變，糧食作物的風(fēng)險(xiǎn)管理和決策指標(biāo)體系將會(huì)是下一步研究的重點(diǎn)。

參考文獻(xiàn)：

[1] 陳懷亮，鄧偉，張雪芬，等.河南小麥生產(chǎn)農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)分析及區(qū)劃[J].自然災(zāi)害學(xué)報(bào)，2006，15（1）：135-143.

[2] 于飛，谷曉平，羅宇翔，等.貴州農(nóng)業(yè)氣象災(zāi)害綜合風(fēng)險(xiǎn)評(píng)價(jià)與區(qū)劃[J].中國(guó)農(nóng)業(yè)氣象，2009，30（2）：267-270.

[3] 吳俊銘，谷小平，徐永靈，等.貴州省農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究[J].貴州農(nóng)業(yè)科學(xué)，1999，27（2）：3-8.

[4] 薛昌穎，霍治國(guó)，李世奎，等.北方冬小麥產(chǎn)量災(zāi)損風(fēng)險(xiǎn)類型的地理分布[J].應(yīng)用生態(tài)報(bào)，2005，16（4）：620-625.

[5] 張繼權(quán)，岡田憲夫，多多納裕一，等.綜合自然災(zāi)害風(fēng)險(xiǎn)管理——全面整合的模式與中國(guó)的戰(zhàn)略選擇[J].自然災(zāi)害學(xué)報(bào)，2006，15（1）：29-37.

[6] 李濤.基于遺傳神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)方法研究[D].哈爾濱：哈爾濱工程大學(xué)，2008.

[7] 紀(jì)躍芝，范小娜.利用指數(shù)平滑法預(yù)測(cè)經(jīng)濟(jì)變量[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)，2003，24（2）：61-63.

2農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)劃

農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃的目的在于把致災(zāi)因子出現(xiàn)后有無風(fēng)險(xiǎn)或帶來風(fēng)險(xiǎn)的大小進(jìn)行分區(qū)，揭示農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)的地域差異，合理地劃分出各省（市、自治區(qū)）農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)大小的范圍，并對(duì)各風(fēng)險(xiǎn)區(qū)內(nèi)歷年糧食的平均減產(chǎn)率、糧食產(chǎn)量的變異系數(shù)和風(fēng)險(xiǎn)指數(shù)等進(jìn)行綜合評(píng)價(jià)，為政府及防災(zāi)部門確定防災(zāi)重點(diǎn)地區(qū)、重點(diǎn)災(zāi)害、重點(diǎn)防災(zāi)時(shí)間等提供科學(xué)依據(jù)，把災(zāi)害造成的損失降低到最低限度，促進(jìn)農(nóng)業(yè)穩(wěn)定持續(xù)發(fā)展。根據(jù)綜合風(fēng)險(xiǎn)指數(shù)，對(duì)農(nóng)業(yè)風(fēng)險(xiǎn)進(jìn)行劃分，定義0.04.0為極高風(fēng)險(xiǎn)。

為了更加直觀地描述各?。ㄊ?、自治區(qū)）由氣象災(zāi)害引起的糧食損失分布的空間特征，運(yùn)用ArcGIS平臺(tái)繪制出氣象災(zāi)害綜合風(fēng)險(xiǎn)區(qū)劃圖（圖2）。從圖2可以看出，中國(guó)的糧食生產(chǎn)的氣象風(fēng)險(xiǎn)具有明顯的區(qū)域分布特征。就全國(guó)來看，糧食生產(chǎn)的氣象風(fēng)險(xiǎn)整體上是東部低于西部，南方低于北方。其中，綜合風(fēng)險(xiǎn)指數(shù)最低的地區(qū)是江蘇，它不僅發(fā)生災(zāi)年的可能性小，且災(zāi)害大多都是輕災(zāi)，糧食產(chǎn)量比較穩(wěn)定，適合糧食作物的生長(zhǎng)。河北、遼寧、吉林、黑龍江、上海、安徽、江西、山東、河南、湖北、湖南、廣東、廣西、重慶、四川的氣象災(zāi)害綜合風(fēng)險(xiǎn)指數(shù)也較低，均在0.0～1.0之間，這些地區(qū)糧食產(chǎn)量比較穩(wěn)定。浙江、福建、云南、陜西、新疆的綜合風(fēng)險(xiǎn)指數(shù)為1.0～2.5，要高于江蘇、上海等地，屬于次高風(fēng)險(xiǎn)區(qū)域。貴州、內(nèi)蒙古、甘肅、山西屬于糧食產(chǎn)量不穩(wěn)定區(qū)域，即高風(fēng)險(xiǎn)區(qū)域，這里經(jīng)常發(fā)生氣象災(zāi)害，而且發(fā)生的災(zāi)害大多比較嚴(yán)重，嚴(yán)重影響糧食產(chǎn)量。例如貴州，這里光照條件差，多雨潮濕，災(zāi)年減產(chǎn)程度和風(fēng)險(xiǎn)概率較大等都導(dǎo)致貴州糧食產(chǎn)量的不穩(wěn)定性。天津、北京、海南、寧夏、青海、西藏是極高風(fēng)險(xiǎn)區(qū)，這些地方氣象災(zāi)害極易發(fā)生，從而導(dǎo)致糧食嚴(yán)重減產(chǎn)。例如海南，位于中國(guó)的東南沿海地區(qū)，地處溫帶、熱帶過渡帶，為典型的亞熱帶季風(fēng)氣候，季風(fēng)氣候致使秋冬干旱每5年發(fā)生一次；有時(shí)在特定的環(huán)流影響下使秋雨較多，造成糧食作物根莖腐爛；冬季和早春在北方冷空氣的影響下，糧食作物遭受低溫冷害，致使減產(chǎn)等。綜上所述，這些地區(qū)更要做好災(zāi)害的應(yīng)急管理和防災(zāi)減災(zāi)工作。

3災(zāi)損糧食產(chǎn)量的預(yù)測(cè)

3.1預(yù)測(cè)模型

研究表明，歷史數(shù)據(jù)對(duì)未來的影響是隨時(shí)間間隔的增長(zhǎng)而遞減的。因此，更加精確的方法是對(duì)各個(gè)觀察數(shù)據(jù)按照時(shí)間順序進(jìn)行加權(quán)平均作為預(yù)測(cè)值。而指數(shù)平滑法滿足這一要求，此外它還具備簡(jiǎn)單的遞推形式。所謂的指數(shù)平滑法是指通過對(duì)歷史數(shù)據(jù)平滑平均數(shù)的求解，繼而對(duì)時(shí)間序列進(jìn)行均勻修正的一種方法[5]。本研究把前面所求得的每年各省（市、自治區(qū)）由氣象災(zāi)害所損失的糧食產(chǎn)量作為歷史資料，以這些資料來預(yù)測(cè)出接下來兩年全國(guó)各省（市、自治區(qū)）由氣象災(zāi)害損失的糧食產(chǎn)量。構(gòu)建模型[6，7]如下：

設(shè)時(shí)間序列為q1，q2，...，qt，α為加權(quán)系數(shù)，則一次簡(jiǎn)單的移動(dòng)平均值Mt（1）的計(jì)算公式如公式（11）所示。

Mt（1）=（qt+qt-1+…qt-N+1）=Mt-1（1）+（11）

以Mt（1）作為qt-N的最佳估計(jì)值，則有：

Mt（1）=+（1-）Mt-1（1）（12）

設(shè)α=，用St代替Mt（1），即得公式（12）一次指數(shù)平滑法的計(jì)算公式，如公式（13）所示。

St（1）=αqt+（1-α）St-1（1）（13）

在一次指數(shù)平滑法的基礎(chǔ)上再做一次指數(shù)平滑，得到公式（14）所示的二次指數(shù)平滑法。

St（2）=αSt（1）+（1-α）St-1（2）（14） 公式（13）、（14）中，St（1）為一次指數(shù)的平滑值， St（2）為二次指數(shù)的平滑值。預(yù)測(cè)方程為：

t+m=at+btmm=1，2，…，n（15）

at=2St（1）-St（2）（16）

bt=（St（1）-St（2））（17）

3.2預(yù)測(cè)結(jié)果

為了更加快捷地得出各省（市、自治區(qū)）各年份的預(yù)測(cè)值，在MATLAB中對(duì)其進(jìn)行數(shù)據(jù)處理，編制相應(yīng)的算法能夠更加迅速地得到各年份的預(yù)測(cè)值。根據(jù)公式（2）求得的氣象災(zāi)損糧食產(chǎn)量，得到2013年全國(guó)各?。ㄊ?、自治區(qū)）的災(zāi)損糧食產(chǎn)量預(yù)測(cè)值，如表2所示。

4小結(jié)與討論

由于中國(guó)地處環(huán)太平洋災(zāi)害帶和歐亞災(zāi)害帶這兩大世界災(zāi)害帶的交匯處，使得中國(guó)的災(zāi)害種類繁多，災(zāi)害活動(dòng)活躍，災(zāi)害發(fā)生頻率高。因此，災(zāi)害引起的糧食生產(chǎn)不穩(wěn)定成為了長(zhǎng)期困擾中國(guó)農(nóng)業(yè)發(fā)展進(jìn)程的因素。在深入研究氣象災(zāi)害對(duì)農(nóng)業(yè)影響的基礎(chǔ)上，分析不同等級(jí)農(nóng)業(yè)氣象災(zāi)害發(fā)生危害的時(shí)間和空間分布特點(diǎn)及規(guī)律，從而可以通過調(diào)整作物布局避過作物對(duì)農(nóng)業(yè)氣象災(zāi)害最為敏感的時(shí)段，通過調(diào)整農(nóng)作物種類或品種，趨利避害協(xié)調(diào)作物與環(huán)境間的適應(yīng)性，減輕農(nóng)業(yè)氣象災(zāi)害損失。

本研究從糧食產(chǎn)量災(zāi)損角度對(duì)中國(guó)的糧食減產(chǎn)風(fēng)險(xiǎn)進(jìn)行了區(qū)域分析，并通過比較氣象綜合風(fēng)險(xiǎn)指數(shù)對(duì)中國(guó)糧食生產(chǎn)的農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)進(jìn)行了區(qū)劃，以期更好地為防災(zāi)減災(zāi)和農(nóng)業(yè)生產(chǎn)提供依據(jù)。在基于各省（市、自治區(qū)）氣象災(zāi)損糧食產(chǎn)量的基礎(chǔ)上，運(yùn)用二次指數(shù)平滑法結(jié)合MATLAB算法，對(duì)2013年可能由氣象災(zāi)害損失的糧食產(chǎn)量進(jìn)行了預(yù)測(cè)，為政府和決策部門制定農(nóng)業(yè)生產(chǎn)計(jì)劃、采取防災(zāi)減災(zāi)措施以及保險(xiǎn)理賠等提供科學(xué)依據(jù)。除此之外，通過加強(qiáng)農(nóng)作物的水肥管理和病蟲防治，提高對(duì)氣候資源的利用率及光合產(chǎn)物的積累，提升農(nóng)作物抗御農(nóng)業(yè)氣象災(zāi)害能力和災(zāi)后恢復(fù)能力，達(dá)到減輕災(zāi)害損失、提高種植效益的目的。為了最大限度地提高農(nóng)業(yè)資源的有效利用率，使農(nóng)業(yè)向高產(chǎn)、穩(wěn)產(chǎn)轉(zhuǎn)變，糧食作物的風(fēng)險(xiǎn)管理和決策指標(biāo)體系將會(huì)是下一步研究的重點(diǎn)。

參考文獻(xiàn)：

[1] 陳懷亮，鄧偉，張雪芬，等.河南小麥生產(chǎn)農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)分析及區(qū)劃[J].自然災(zāi)害學(xué)報(bào)，2006，15（1）：135-143.

[2] 于飛，谷曉平，羅宇翔，等.貴州農(nóng)業(yè)氣象災(zāi)害綜合風(fēng)險(xiǎn)評(píng)價(jià)與區(qū)劃[J].中國(guó)農(nóng)業(yè)氣象，2009，30（2）：267-270.

[3] 吳俊銘，谷小平，徐永靈，等.貴州省農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究[J].貴州農(nóng)業(yè)科學(xué)，1999，27（2）：3-8.

[4] 薛昌穎，霍治國(guó)，李世奎，等.北方冬小麥產(chǎn)量災(zāi)損風(fēng)險(xiǎn)類型的地理分布[J].應(yīng)用生態(tài)報(bào)，2005，16（4）：620-625.

[5] 張繼權(quán)，岡田憲夫，多多納裕一，等.綜合自然災(zāi)害風(fēng)險(xiǎn)管理——全面整合的模式與中國(guó)的戰(zhàn)略選擇[J].自然災(zāi)害學(xué)報(bào)，2006，15（1）：29-37.

[6] 李濤.基于遺傳神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)方法研究[D].哈爾濱：哈爾濱工程大學(xué)，2008.

[7] 紀(jì)躍芝，范小娜.利用指數(shù)平滑法預(yù)測(cè)經(jīng)濟(jì)變量[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)，2003，24（2）：61-63.

2農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)劃

農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃的目的在于把致災(zāi)因子出現(xiàn)后有無風(fēng)險(xiǎn)或帶來風(fēng)險(xiǎn)的大小進(jìn)行分區(qū)，揭示農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)的地域差異，合理地劃分出各?。ㄊ小⒆灾螀^(qū)）農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)大小的范圍，并對(duì)各風(fēng)險(xiǎn)區(qū)內(nèi)歷年糧食的平均減產(chǎn)率、糧食產(chǎn)量的變異系數(shù)和風(fēng)險(xiǎn)指數(shù)等進(jìn)行綜合評(píng)價(jià)，為政府及防災(zāi)部門確定防災(zāi)重點(diǎn)地區(qū)、重點(diǎn)災(zāi)害、重點(diǎn)防災(zāi)時(shí)間等提供科學(xué)依據(jù)，把災(zāi)害造成的損失降低到最低限度，促進(jìn)農(nóng)業(yè)穩(wěn)定持續(xù)發(fā)展。根據(jù)綜合風(fēng)險(xiǎn)指數(shù)，對(duì)農(nóng)業(yè)風(fēng)險(xiǎn)進(jìn)行劃分，定義0.04.0為極高風(fēng)險(xiǎn)。

為了更加直觀地描述各?。ㄊ?、自治區(qū)）由氣象災(zāi)害引起的糧食損失分布的空間特征，運(yùn)用ArcGIS平臺(tái)繪制出氣象災(zāi)害綜合風(fēng)險(xiǎn)區(qū)劃圖（圖2）。從圖2可以看出，中國(guó)的糧食生產(chǎn)的氣象風(fēng)險(xiǎn)具有明顯的區(qū)域分布特征。就全國(guó)來看，糧食生產(chǎn)的氣象風(fēng)險(xiǎn)整體上是東部低于西部，南方低于北方。其中，綜合風(fēng)險(xiǎn)指數(shù)最低的地區(qū)是江蘇，它不僅發(fā)生災(zāi)年的可能性小，且災(zāi)害大多都是輕災(zāi)，糧食產(chǎn)量比較穩(wěn)定，適合糧食作物的生長(zhǎng)。河北、遼寧、吉林、黑龍江、上海、安徽、江西、山東、河南、湖北、湖南、廣東、廣西、重慶、四川的氣象災(zāi)害綜合風(fēng)險(xiǎn)指數(shù)也較低，均在0.0～1.0之間，這些地區(qū)糧食產(chǎn)量比較穩(wěn)定。浙江、福建、云南、陜西、新疆的綜合風(fēng)險(xiǎn)指數(shù)為1.0～2.5，要高于江蘇、上海等地，屬于次高風(fēng)險(xiǎn)區(qū)域。貴州、內(nèi)蒙古、甘肅、山西屬于糧食產(chǎn)量不穩(wěn)定區(qū)域，即高風(fēng)險(xiǎn)區(qū)域，這里經(jīng)常發(fā)生氣象災(zāi)害，而且發(fā)生的災(zāi)害大多比較嚴(yán)重，嚴(yán)重影響糧食產(chǎn)量。例如貴州，這里光照條件差，多雨潮濕，災(zāi)年減產(chǎn)程度和風(fēng)險(xiǎn)概率較大等都導(dǎo)致貴州糧食產(chǎn)量的不穩(wěn)定性。天津、北京、海南、寧夏、青海、西藏是極高風(fēng)險(xiǎn)區(qū)，這些地方氣象災(zāi)害極易發(fā)生，從而導(dǎo)致糧食嚴(yán)重減產(chǎn)。例如海南，位于中國(guó)的東南沿海地區(qū)，地處溫帶、熱帶過渡帶，為典型的亞熱帶季風(fēng)氣候，季風(fēng)氣候致使秋冬干旱每5年發(fā)生一次；有時(shí)在特定的環(huán)流影響下使秋雨較多，造成糧食作物根莖腐爛；冬季和早春在北方冷空氣的影響下，糧食作物遭受低溫冷害，致使減產(chǎn)等。綜上所述，這些地區(qū)更要做好災(zāi)害的應(yīng)急管理和防災(zāi)減災(zāi)工作。

3災(zāi)損糧食產(chǎn)量的預(yù)測(cè)

3.1預(yù)測(cè)模型

研究表明，歷史數(shù)據(jù)對(duì)未來的影響是隨時(shí)間間隔的增長(zhǎng)而遞減的。因此，更加精確的方法是對(duì)各個(gè)觀察數(shù)據(jù)按照時(shí)間順序進(jìn)行加權(quán)平均作為預(yù)測(cè)值。而指數(shù)平滑法滿足這一要求，此外它還具備簡(jiǎn)單的遞推形式。所謂的指數(shù)平滑法是指通過對(duì)歷史數(shù)據(jù)平滑平均數(shù)的求解，繼而對(duì)時(shí)間序列進(jìn)行均勻修正的一種方法[5]。本研究把前面所求得的每年各省（市、自治區(qū)）由氣象災(zāi)害所損失的糧食產(chǎn)量作為歷史資料，以這些資料來預(yù)測(cè)出接下來兩年全國(guó)各?。ㄊ?、自治區(qū)）由氣象災(zāi)害損失的糧食產(chǎn)量。構(gòu)建模型[6，7]如下：

設(shè)時(shí)間序列為q1，q2，...，qt，α為加權(quán)系數(shù)，則一次簡(jiǎn)單的移動(dòng)平均值Mt（1）的計(jì)算公式如公式（11）所示。

Mt（1）=（qt+qt-1+…qt-N+1）=Mt-1（1）+（11）

以Mt（1）作為qt-N的最佳估計(jì)值，則有：

Mt（1）=+（1-）Mt-1（1）（12）

設(shè)α=，用St代替Mt（1），即得公式（12）一次指數(shù)平滑法的計(jì)算公式，如公式（13）所示。

St（1）=αqt+（1-α）St-1（1）（13）

在一次指數(shù)平滑法的基礎(chǔ)上再做一次指數(shù)平滑，得到公式（14）所示的二次指數(shù)平滑法。

St（2）=αSt（1）+（1-α）St-1（2）（14） 公式（13）、（14）中，St（1）為一次指數(shù)的平滑值， St（2）為二次指數(shù)的平滑值。預(yù)測(cè)方程為：

t+m=at+btmm=1，2，…，n（15）

at=2St（1）-St（2）（16）

bt=（St（1）-St（2））（17）

3.2預(yù)測(cè)結(jié)果

為了更加快捷地得出各省（市、自治區(qū)）各年份的預(yù)測(cè)值，在MATLAB中對(duì)其進(jìn)行數(shù)據(jù)處理，編制相應(yīng)的算法能夠更加迅速地得到各年份的預(yù)測(cè)值。根據(jù)公式（2）求得的氣象災(zāi)損糧食產(chǎn)量，得到2013年全國(guó)各?。ㄊ小⒆灾螀^(qū)）的災(zāi)損糧食產(chǎn)量預(yù)測(cè)值，如表2所示。

4小結(jié)與討論

由于中國(guó)地處環(huán)太平洋災(zāi)害帶和歐亞災(zāi)害帶這兩大世界災(zāi)害帶的交匯處，使得中國(guó)的災(zāi)害種類繁多，災(zāi)害活動(dòng)活躍，災(zāi)害發(fā)生頻率高。因此，災(zāi)害引起的糧食生產(chǎn)不穩(wěn)定成為了長(zhǎng)期困擾中國(guó)農(nóng)業(yè)發(fā)展進(jìn)程的因素。在深入研究氣象災(zāi)害對(duì)農(nóng)業(yè)影響的基礎(chǔ)上，分析不同等級(jí)農(nóng)業(yè)氣象災(zāi)害發(fā)生危害的時(shí)間和空間分布特點(diǎn)及規(guī)律，從而可以通過調(diào)整作物布局避過作物對(duì)農(nóng)業(yè)氣象災(zāi)害最為敏感的時(shí)段，通過調(diào)整農(nóng)作物種類或品種，趨利避害協(xié)調(diào)作物與環(huán)境間的適應(yīng)性，減輕農(nóng)業(yè)氣象災(zāi)害損失。

本研究從糧食產(chǎn)量災(zāi)損角度對(duì)中國(guó)的糧食減產(chǎn)風(fēng)險(xiǎn)進(jìn)行了區(qū)域分析，并通過比較氣象綜合風(fēng)險(xiǎn)指數(shù)對(duì)中國(guó)糧食生產(chǎn)的農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)進(jìn)行了區(qū)劃，以期更好地為防災(zāi)減災(zāi)和農(nóng)業(yè)生產(chǎn)提供依據(jù)。在基于各?。ㄊ小⒆灾螀^(qū)）氣象災(zāi)損糧食產(chǎn)量的基礎(chǔ)上，運(yùn)用二次指數(shù)平滑法結(jié)合MATLAB算法，對(duì)2013年可能由氣象災(zāi)害損失的糧食產(chǎn)量進(jìn)行了預(yù)測(cè)，為政府和決策部門制定農(nóng)業(yè)生產(chǎn)計(jì)劃、采取防災(zāi)減災(zāi)措施以及保險(xiǎn)理賠等提供科學(xué)依據(jù)。除此之外，通過加強(qiáng)農(nóng)作物的水肥管理和病蟲防治，提高對(duì)氣候資源的利用率及光合產(chǎn)物的積累，提升農(nóng)作物抗御農(nóng)業(yè)氣象災(zāi)害能力和災(zāi)后恢復(fù)能力，達(dá)到減輕災(zāi)害損失、提高種植效益的目的。為了最大限度地提高農(nóng)業(yè)資源的有效利用率，使農(nóng)業(yè)向高產(chǎn)、穩(wěn)產(chǎn)轉(zhuǎn)變，糧食作物的風(fēng)險(xiǎn)管理和決策指標(biāo)體系將會(huì)是下一步研究的重點(diǎn)。

參考文獻(xiàn)：

[1] 陳懷亮，鄧偉，張雪芬，等.河南小麥生產(chǎn)農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)分析及區(qū)劃[J].自然災(zāi)害學(xué)報(bào)，2006，15（1）：135-143.

[2] 于飛，谷曉平，羅宇翔，等.貴州農(nóng)業(yè)氣象災(zāi)害綜合風(fēng)險(xiǎn)評(píng)價(jià)與區(qū)劃[J].中國(guó)農(nóng)業(yè)氣象，2009，30（2）：267-270.

[3] 吳俊銘，谷小平，徐永靈，等.貴州省農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究[J].貴州農(nóng)業(yè)科學(xué)，1999，27（2）：3-8.

[4] 薛昌穎，霍治國(guó)，李世奎，等.北方冬小麥產(chǎn)量災(zāi)損風(fēng)險(xiǎn)類型的地理分布[J].應(yīng)用生態(tài)報(bào)，2005，16（4）：620-625.

[5] 張繼權(quán)，岡田憲夫，多多納裕一，等.綜合自然災(zāi)害風(fēng)險(xiǎn)管理——全面整合的模式與中國(guó)的戰(zhàn)略選擇[J].自然災(zāi)害學(xué)報(bào)，2006，15（1）：29-37.

[6] 李濤.基于遺傳神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)方法研究[D].哈爾濱：哈爾濱工程大學(xué)，2008.

[7] 紀(jì)躍芝，范小娜.利用指數(shù)平滑法預(yù)測(cè)經(jīng)濟(jì)變量[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)，2003，24（2）：61-63.