余會康,阮翠冰,陳小英,林兆華

(福建省寧德市氣象局，寧德　352100)

?

閩東糧食產(chǎn)量氣象風(fēng)險評估與分析*

余會康,阮翠冰,陳小英,林兆華

(福建省寧德市氣象局，寧德352100)

加強糧食氣象災(zāi)害風(fēng)險的分析和評估工作，對農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整、防災(zāi)減災(zāi)和可持續(xù)發(fā)展具有重要意義。文章采用1949～2013年閩東9縣市區(qū)糧食產(chǎn)量資料，應(yīng)用線性擬合方法計算出糧食氣象產(chǎn)量增長率時間序列作為分析對象，通過經(jīng)驗正交分解(EOF)、線性傾向估計、概率分布函數(shù)擬合及檢驗、聚類分析等氣候統(tǒng)計學(xué)方法，分析閩東糧食氣象產(chǎn)量增長率空間與時間變化特點，減產(chǎn)率等級分布特征及風(fēng)險區(qū)劃。結(jié)果表明，閩東山區(qū)糧食增長率總體要高過沿海縣市，增產(chǎn)趨勢更明顯些。糧食增長率的空間特征值與年平均氣溫、日照時數(shù)為顯著負(fù)相關(guān)，山區(qū)與沿海的氣候差異與糧食增長率密切相關(guān)。9縣市糧食增長率具有斜“L”型年際變化特征，可分為下降、上升、緩降、持平等4個階段。聚類分析表明閩東糧食具有顯著增產(chǎn)、一般增產(chǎn)、一般減產(chǎn)和顯著減產(chǎn)等4類年型，增產(chǎn)與減產(chǎn)年份發(fā)生概率分別為54.3%、45.7%。沿?？h市輕、中度減產(chǎn)發(fā)生概率要大于山區(qū)縣，而重度減產(chǎn)發(fā)生概率則相反，山區(qū)縣減產(chǎn)風(fēng)險普遍高于沿?？h市區(qū)。閩東總體增產(chǎn)年份比減產(chǎn)年份略多，但減產(chǎn)年份發(fā)生概率也較大，農(nóng)業(yè)氣象災(zāi)害造成減產(chǎn)危害不可忽視，因此加強糧食生產(chǎn)的農(nóng)業(yè)氣象防災(zāi)減災(zāi)工作十分重要。

閩東糧食產(chǎn)量氣象風(fēng)險評估分析

0　引言

在發(fā)生的自然災(zāi)害中，農(nóng)業(yè)氣象災(zāi)害占70%左右，嚴(yán)重的農(nóng)業(yè)氣象災(zāi)害常對農(nóng)業(yè)生產(chǎn)造成重大不利影響[1-2]。國外學(xué)者在風(fēng)險分析研究方面多側(cè)重于經(jīng)濟領(lǐng)域，主要有美國學(xué)者William J.Petak 和Arthur A.Atkisson 在《自然災(zāi)害風(fēng)險評價與減災(zāi)對策》一書中對美國主要自然災(zāi)害的風(fēng)險分析進行了詳細(xì)的論述，但針對農(nóng)業(yè)災(zāi)害的風(fēng)險評估基本沒有涉及[2]。國內(nèi)在農(nóng)業(yè)氣象災(zāi)害風(fēng)險評估研究方面，李世奎等以風(fēng)險分析技術(shù)為核心，探討了農(nóng)業(yè)自然災(zāi)害分析的理論、概念、方法和模型[1]。但是，有關(guān)農(nóng)業(yè)氣象災(zāi)害風(fēng)險評估理論的基礎(chǔ)研究仍相當(dāng)薄弱。鄧國等[3]提出用解析概率密度曲線法估計糧食產(chǎn)量序列的風(fēng)險概率，對中國糧食產(chǎn)量不同風(fēng)險類型進行了分區(qū)研究。薛昌穎等[4]選取河北及京津地區(qū)1949～2001年的冬小麥歷年減產(chǎn)率的變異系數(shù)、歷年平均減產(chǎn)率和減產(chǎn)率風(fēng)險概率作為評價指標(biāo)，估算了干旱氣候條件下河北及京津地區(qū)歷年冬小麥產(chǎn)量災(zāi)損的風(fēng)險水平。黃崇福等[5]引入模糊數(shù)學(xué)方法，對干旱等農(nóng)業(yè)自然災(zāi)害進行了風(fēng)險估算，并通過專題圖直觀地展示了風(fēng)險的分布及其空間變化趨勢。盡管目前農(nóng)業(yè)氣象災(zāi)害風(fēng)險評價標(biāo)準(zhǔn)還缺乏統(tǒng)一的認(rèn)識和實踐檢驗，但評估方法研究及應(yīng)用有了很大的發(fā)展。近年來，隨著3S技術(shù)的應(yīng)用以及作物模型的日趨成熟，農(nóng)業(yè)氣象災(zāi)害評估在時間和空間的精細(xì)化程度方面也得到明顯提高[6-7]。

閩東寧德市(N26°18′～27°4′，E118°32′～120°44′)位于臺灣海峽西北岸，地處福建省東北部，南連福州，北接浙江溫州，西背山東面海，下轄8縣市1區(qū)(4個沿海縣市區(qū)和5個山區(qū)縣)，地貌以山地丘陵為主，地域面積為13452km2。主要糧食作物為稻谷、薯類等， 2013年播種面積為13.385萬hm2，產(chǎn)量達65.94萬t。受中亞熱帶海洋性季風(fēng)氣候和山地氣候影響，閩東山區(qū)與沿?？h市差異明顯，常年平均氣溫15.4～19.6℃，降水量1415.7～2067.8mm，日照時數(shù)1562.9～1754.9h，是福建省多雨地區(qū)之一[8]。溫暖濕潤的氣候環(huán)境為閩東農(nóng)業(yè)糧食生產(chǎn)創(chuàng)造了良好的條件，作為福建省農(nóng)業(yè)大市，有4個省級商品糧生產(chǎn)基地縣，地區(qū)糧食生產(chǎn)地位突出。本文主要通過對閩東糧食產(chǎn)量氣象風(fēng)險評估和分析，為地方糧食生產(chǎn)結(jié)構(gòu)調(diào)整和合理布局提供參考作用，為地方政府和生產(chǎn)部門防御或減輕農(nóng)業(yè)氣象災(zāi)害對農(nóng)業(yè)生產(chǎn)的危害，制定救災(zāi)措施、農(nóng)業(yè)災(zāi)害保險政策，進行風(fēng)險轉(zhuǎn)移決策提供科學(xué)依據(jù)。

1　資料與方法

1.1資料來源

該文選取1949～2013年閩東9縣市區(qū)糧食(稻谷)年產(chǎn)量有關(guān)資料來源于寧德市統(tǒng)計局統(tǒng)計年鑒， 1961～2013年閩東各縣市區(qū)氣候要素(年均氣溫、降水量、日照時數(shù)等)來源于寧德市氣象局歷史統(tǒng)計資料。稻谷為閩東主要大宗糧食作物，本文以稻谷代表糧食產(chǎn)量進行分析。

1.2主要方法

為消除氣候條件以外(如品種、技術(shù)、管理等)對糧食產(chǎn)量影響，按照產(chǎn)量主要由趨勢產(chǎn)量和氣象產(chǎn)量構(gòu)成設(shè)定，對單產(chǎn)進行分解：

Y=Yt+Yq+ε

(1)

式子中，Y為實際產(chǎn)量，Yt為趨勢產(chǎn)量； Yq為氣象產(chǎn)量； ε為受隨機影響的產(chǎn)量，相對Yt、Yq量級小，計算時可以忽略不計[9-10]。

取k=(Y-Yt)/Yt=Yq/Yt為產(chǎn)量增長率[11]，k>0，表示糧食增產(chǎn)，k<0，表示糧食負(fù)增長(即減產(chǎn))，k=0，表示糧食產(chǎn)量沒有變化，對Yt采用線性二次多項式進行逼近擬合方式得到。按照年際，所有k值組成糧食增長率時間序列，k<0值組成減產(chǎn)率序列。對糧食增長率序列作一元線性回歸傾向估計，分析其傾向率變化特征[12]。

利用經(jīng)驗正交函數(shù)分解方法(EOF)對1949～2013年閩東9縣市區(qū)糧食增長率時間序列矩陣進行經(jīng)驗正交分解(EOF)，分解成空間特征向量和時間分量系數(shù)，分析其時空變化特征[13-14]。采用歐式距離法，對1949～2013年閩東糧食增長率時間序列進一步做聚類分析，歸并相似年份進行年型分類[15]。

圖1　閩東(寧德市)地理位置

對1949～2013年閩東糧食增長率按照從小到大排列(由負(fù)值到正值)進行概率分布函數(shù)擬合，選擇理論概率分布函數(shù)或通過變換使之符合某類概率分布函數(shù)，通過Kolmogorov-Smirnov檢驗，估算各等級糧食減產(chǎn)率的發(fā)生概率，然后根據(jù)各等級減產(chǎn)發(fā)生概率與對應(yīng)等級強度進行相乘，再通過累加得到糧食減產(chǎn)風(fēng)險指數(shù)[2]。風(fēng)險指數(shù)I為災(zāi)害的不同強度(等級)G及其相應(yīng)出現(xiàn)概率P的相乘累加函數(shù)[16]，其表達式為：

(2)

運用Arcgis地理信息軟件展示糧食增長率空間特征向量分布，各等級糧食減產(chǎn)率的發(fā)生概率及風(fēng)險指數(shù)分布，進行糧食減產(chǎn)率風(fēng)險區(qū)劃。

1.3研究區(qū)域

該文研究的閩東地區(qū)位于福建東北部(圖1)，山區(qū)與沿海兩種氣候類型，是福建氣候變化顯著地區(qū)之一，也是農(nóng)業(yè)氣象災(zāi)害多發(fā)和易發(fā)地區(qū)，受各類災(zāi)害影響，糧食氣象產(chǎn)量波動性大，因此有必要對其增產(chǎn)與減產(chǎn)發(fā)生概率及風(fēng)險進行分析和評估，可以為閩東應(yīng)對氣候變化、防災(zāi)減災(zāi)以及保障糧食生產(chǎn)安全提供決策服務(wù)。

2　結(jié)果與分析

2.1閩東糧食生產(chǎn)基本概況

圖2　1949～2013年閩東稻谷產(chǎn)量及播種面積變化

圖3　1949～2013年閩東各縣市糧食單位產(chǎn)量變化

對65年(1949～2013)閩東糧食產(chǎn)量構(gòu)成統(tǒng)計，平均稻谷占糧食總產(chǎn)的73.7%左右(接近3/ 4)是閩東最主要的糧食作物，種植結(jié)構(gòu)為早稻、中稻和一季晚稻、雙季晚稻，其產(chǎn)量分別占稻谷總產(chǎn)量的18.4%、67.4%、14.9%，以中稻和一季晚稻為主，故本文以稻谷代表閩東糧食進行分析。對1949～2013稻谷播種面積和產(chǎn)量進行統(tǒng)計(圖2)，年際播種面積在8.57萬～16.96萬hm2之間變化， 1949～1970年緩慢減少， 1971年播種面積突增達到最大，而后隨年際又呈明顯減少趨勢。稻谷產(chǎn)量在16.9萬～78.4萬t之間變化，產(chǎn)量在1949～1999年隨年際呈明顯上升趨勢， 1999年達到歷史最高值， 1999年后呈明顯減少趨勢。糧食生產(chǎn)總體趨勢表現(xiàn)為播種面積減少，而產(chǎn)量增加。

為消除單純播種面積增減變化對產(chǎn)量的影響，進一步分析單位面積產(chǎn)量變化。統(tǒng)計閩東9縣市區(qū)1949～2013年糧食單產(chǎn)(圖3)，各個縣市區(qū)糧食單產(chǎn)總體都一致性表現(xiàn)為上升趨勢，平均變化幅度為1.27～5.88t/hm2，但個別年份如1990、2003年等表現(xiàn)為減產(chǎn)。對產(chǎn)量、面積和單產(chǎn)進行Pearson相關(guān)性分析，產(chǎn)量與面積相關(guān)不顯著(r=0.169，ɑ=0.01水平)，而與單產(chǎn)顯著正相關(guān)(r=0.881，ɑ=0.01水平)。分別對1949～2013年閩東9縣市區(qū)糧食單產(chǎn)時間序列進行變化趨勢顯著性檢驗， 9縣市區(qū)糧食單產(chǎn)都表現(xiàn)為顯著性增加趨勢，線性傾向率為0.675～0.923t/10a，其中，山區(qū)縣略高于沿?？h市。

1949～2013年閩東糧食種植面積和總產(chǎn)量隨年際波動變化較大，但產(chǎn)量總體呈增加趨勢，單產(chǎn)明顯波動上升，總產(chǎn)的增加主要由單產(chǎn)的不斷提高造成的，反映出水稻品種改良、種植技術(shù)進步等對產(chǎn)量增加起主要貢獻作用。閩東各縣市糧食單產(chǎn)增產(chǎn)變化趨勢相似，增產(chǎn)幅度相近。

2.2閩東糧食生產(chǎn)的主要氣象災(zāi)害

閩東地處中亞熱帶區(qū)域，海洋性季風(fēng)氣候和山地氣候為閩東農(nóng)業(yè)糧食生產(chǎn)創(chuàng)造了良好的條件。但閩東也是氣象災(zāi)害多發(fā)地區(qū)，生產(chǎn)季節(jié)主要氣象災(zāi)害有臺風(fēng)、暴雨、寒害、干旱等，對糧食產(chǎn)量產(chǎn)生重大的影響。

在3～4月早稻播種育秧期出現(xiàn)日平均氣溫≤12℃且持續(xù)3天以上的低溫陰雨天氣，常常造成早稻爛秧和死苗。5月下旬至6月上、中旬早稻孕穗期間連續(xù)3天以上日平均氣溫低于20℃的寒害，常致使水稻花器發(fā)育不良，花粉敗育，在未抽穗前就喪失生育能力，導(dǎo)致空殼率增加，最終影響水稻產(chǎn)量減產(chǎn)，寒害較重的有1991年、1992年和1996年。汛期暴雨(4～6月)過程大范圍持續(xù)性暴雨和局地性強降水都容易引發(fā)洪澇災(zāi)害，給糧食生產(chǎn)造成極大的危害。7～9月的高溫天氣，容易出現(xiàn)干旱或使旱情加重，引發(fā)農(nóng)作物出現(xiàn)缺水，嚴(yán)重時造成作物枯萎。閩東由于降水月季間分布不均勻和臺風(fēng)影響不同，在近50年中，閩東9縣市區(qū)都有不同程度地發(fā)生氣象干旱，其中夏旱為主，占全部干旱類型一半以上，通常發(fā)生在作物生長旺季，對作物產(chǎn)量危害極大，如2003年出現(xiàn)罕見嚴(yán)重干旱年，造成糧食減產(chǎn)。10月寒露風(fēng)影響晚稻正常抽穗開花，開花期延遲，出現(xiàn)“閉花忍耐”現(xiàn)象，抽穗速度變慢，甚至抽不上來，出現(xiàn)包頸現(xiàn)象，影響開花受精結(jié)實，形成大量空粒。灌漿期遇寒露風(fēng)，則灌漿速度減慢甚至停止。寒露風(fēng)使晚稻的空殼率大量增加，千粒重降低，導(dǎo)致減產(chǎn)。寒露風(fēng)實質(zhì)上是秋季低溫對晚稻抽穗開花期造成的障礙型冷害，一般可造成減產(chǎn)2～3成，嚴(yán)重時大部不實，出現(xiàn)“穗翹頭”，以至顆粒無收。

臺風(fēng)為閩東最為嚴(yán)重的災(zāi)害，平均每年有2～4個影響臺風(fēng)，主要集中在7～9月，適逢雙季早稻進入灌漿成熟期，臺風(fēng)會使即將成熟的早稻倒伏、受淹、秕粒大幅增加，籽粒掉落，嚴(yán)重影響產(chǎn)量。單季稻處于孕穗-抽穗開花-灌漿成熟期，臺風(fēng)影響單季稻抽穗開花和灌漿，結(jié)實率下降。雙季晚稻處于返青分蘗—孕穗—抽穗開花期，出現(xiàn)臺風(fēng)暴雨將使單季稻和雙季晚稻揚花受到嚴(yán)重影響，空秕粒大幅增加，產(chǎn)量下降[17]。

圖4　1949～2013年閩東糧食增長率空間特征值分布

2.3閩東糧食產(chǎn)量氣象風(fēng)險評估

對1949～2013年各縣市區(qū)逐年糧食單產(chǎn)分解可得到氣象產(chǎn)量和糧食增長率兩個時間序列，其中各縣市區(qū)負(fù)值組成的就是糧食減產(chǎn)序列。

2.3.1糧食增長率空間分布特征

對1949～2013年閩東9縣市區(qū)糧食增長率組成矩陣進行經(jīng)驗正交分解(EOF)，根據(jù)空間特征向量，分析糧食增長率空間分布特征。經(jīng)過分解，第一特征向量方差貢獻率為82.68%，能夠代表閩東糧食增長率空間的主要特征，經(jīng)檢驗，特征值與65年各縣市平均糧食增長率成顯著正相關(guān)(r=0.844，ɑ=0.01水平)，反映的是增產(chǎn)特征。利用Arcgis地理信息軟件，對空間特征值分布進行反距離插值分析(圖4)，結(jié)果顯示， 4個山區(qū)縣(壽寧、柘榮、周寧、屏南)較沿海縣市(蕉城、霞浦、福安、福鼎)特征值大，古田縣東北部較西南部大。說明山區(qū)糧食增長率總體要高過沿海縣市，增產(chǎn)趨勢更明顯些，其中柘榮縣為特征值最大區(qū)，也是增產(chǎn)率最大中心，相反，福鼎市增產(chǎn)率最小。

為進一步分析上述特征值空間分布原因，將各縣市的特征值與其對應(yīng)縣市年平均降水量、氣溫、日照時數(shù)進行Pearson相關(guān)分析，結(jié)果顯示，特征值與年平均降水量相關(guān)不顯著，而與年平均氣溫、日照時數(shù)成顯著負(fù)相關(guān)(r分別為-0.733、-0.713，ɑ=0.05水平)。1961～2013年閩東全區(qū)年平均降水量為1784.7mm，其中山區(qū)縣市為1888.8mm，沿?？h市為1663.9mm，山區(qū)降水偏多，但全區(qū)雨水充足，是福建多雨地區(qū)，特征值與降水相關(guān)不顯著，說明沿海、山區(qū)降水都能夠滿足糧食增產(chǎn)的需要。沿?？h市年平均氣溫為19.1℃、日照時數(shù)1356.3h，比山區(qū)縣分別偏多3.2℃、169.5h，說明沿海主要受氣溫偏高和日照時數(shù)偏多的不利影響，增產(chǎn)率不如山區(qū)縣市高。山區(qū)古田縣年平均降水量、氣溫、日照時數(shù)值由于更接近沿?？h市，其糧食增長率也不如其他山區(qū)縣，而趨近于沿?？h市，特征值也與沿?？h市一致。許多研究表明，降水對糧食產(chǎn)量增加起重要作用，降水充足有利于糧食的增產(chǎn)，閩東山區(qū)與沿海降水量都十分豐富，對水稻生產(chǎn)極為有利，為糧食豐收增產(chǎn)奠定了基礎(chǔ)。但沿海和山區(qū)在氣溫和日照方面比山區(qū)偏多，兩者氣候差異明顯，山區(qū)氣候條件更加有利于糧食增產(chǎn)。

2.3.2糧食增長率年際變化特點

由于閩東9縣市區(qū)糧食增長率經(jīng)驗正交分解第一特征向量方差貢獻率為82.68%，代表了閩東糧食增長率主要特征，其對應(yīng)的第一時間系數(shù)則反映了閩東糧食增長率年際變化主要特點(圖5)。

圖5　1949～2013年閩東糧食增長率年際變化

圖6　1949～2013年閩東糧食增產(chǎn)率聚類

1949～2013年閩東糧食增長率年際變化呈斜“L”型，波動振蕩明顯，可分為四個階段，即糧食增長率在1949～1968年為明顯下降階段， 1969～1983年恢復(fù)上升階段， 1984～2001年進入一個緩降階段， 2002～2013年為持平階段。1949～2013年閩東9縣市糧食增長率具有一致年際變化特征(圖略)，全區(qū)平均糧食增長率與第一時間系數(shù)相關(guān)顯著(r=0.994，ɑ=0.05水平)，表明第一時間系數(shù)能夠反映出閩東糧食增長率年際變化特征。

第一時間系數(shù)反映出1949年閩東糧食增長率最大，實際當(dāng)年糧食增長率達39.9%，為歷史最高。而后一直下降到1969年，達到增長率最低年(負(fù)增長)，增長率為-27.7%，為歷史最低。此后到1976年，糧食增長率一直徘徊在極低負(fù)增長階段，也即減產(chǎn)最多的階段。1977年增長率開始回升， 1983年達到歷史次高年，增長率為16.0%/a(僅次于1949年)。1984～2001年進入一個糧食增長平穩(wěn)期，平均增長率為9.75%/a。2002～2013年進入平穩(wěn)減產(chǎn)階段，平均增長率為-5.27%/a。由于1949～1960年氣候資料空缺，對1961～2013年閩東9縣市區(qū)糧食年平均增長率與相應(yīng)年平均氣溫、降水量和日照時數(shù)進行相關(guān)性檢驗，結(jié)果顯示糧食增長率只與年日照時數(shù)成顯著負(fù)相關(guān)(r=-0.518，ɑ=0.01水平)，與年平均氣溫、降水量相關(guān)不顯著，說明1961～2013年閩東平均氣溫(T=17.3℃)和降水(R=1784.7mm)基本能夠滿足糧食增產(chǎn)需要， 53年年均日照時數(shù)在1332.3～2222.9h，平均為1705.0h，日照條件充足，是影響糧食增長率的主要因子，水稻為短日照作物，日照時數(shù)過長有利于其營養(yǎng)生長，而不利于糧食增長率的提高。例如1961～1968年年均日照時數(shù)在1730.0～2222.9h，平均為1904.8h，是53年中日照時數(shù)最多的年段，但卻是糧食增長率最低階段(負(fù)增長，即減產(chǎn))，減產(chǎn)率在7.19%～26.9%之間變化，平均為17.8%。

2.3.3糧食產(chǎn)量聚類年型分析

采用歐式距離計算方法，對1949～2013年閩東糧食增長率時間序列做聚類分析，根據(jù)各年份增長率的差異程度，歸并相似年份(圖6)。閩東糧食產(chǎn)量年型可分為4類，顯著增產(chǎn)年(增產(chǎn)率≥20%)，如1949～1955年； 一般增產(chǎn)年(增產(chǎn)率0%～10%)，如1956～1959、1970、1979、1981～2001年； 一般減產(chǎn)年(減產(chǎn)率-10%～0%)，如1964～1965、1978、1980、2002、2004～2013年； 顯著減產(chǎn)年(減產(chǎn)率≤-10%)，如1960～1963、1966～1969、1971～1977、2003年。65年中一般增產(chǎn)年份共有27年，為最多發(fā)生年型，顯著增產(chǎn)年只有7年，為最少發(fā)生年型，一般減產(chǎn)年和顯著減產(chǎn)年份分別為15、16年，總共增產(chǎn)年份比減產(chǎn)年份略多，閩東糧食增產(chǎn)與減產(chǎn)發(fā)生年份大抵相當(dāng)。

表1　1949～2013年閩東糧食增減年型分布

顯著減產(chǎn)年一般減產(chǎn)年一般增產(chǎn)年顯著增產(chǎn)年發(fā)生年數(shù)1615277出現(xiàn)頻率0.24620.23080.41540.1077發(fā)生概率0.24110.21620.40340.1397

表2　1949～2013年閩東各縣市區(qū)糧食減產(chǎn)等級概率及風(fēng)險

經(jīng)過Kolmogorov-Smirnov檢驗， 1949～2013年閩東糧食增長率按照從小到大組成序列服從正態(tài)分布，根據(jù)正態(tài)分布函數(shù)的累計概率值，可以計算出其各類年型分布概率(表1)，發(fā)生概率最大的類型為一般增產(chǎn)年，其次分別為顯著減產(chǎn)年、一般減產(chǎn)年，最小的類型為顯著增產(chǎn)年。65年中4種類型實際出現(xiàn)頻率也與相應(yīng)年型發(fā)生概率相近，說明閩東糧食生產(chǎn)年型分類及增長率正態(tài)分布函數(shù)擬合較合理歸類出糧食增減年份特征，增產(chǎn)與減產(chǎn)年份發(fā)生概率分別為54.3%、45.7%，發(fā)生增產(chǎn)年份更多些，表明閩東氣候條件大體上更有利于糧食的增產(chǎn)，但減產(chǎn)年份發(fā)生概率也不小，農(nóng)業(yè)氣象災(zāi)害造成減產(chǎn)危害不可忽視，因此加強糧食生產(chǎn)的農(nóng)業(yè)氣象防災(zāi)減災(zāi)工作十分重要。

2.3.4糧食減產(chǎn)氣象風(fēng)險區(qū)劃

運用正態(tài)分布函數(shù)累計概率值計算方法[18]，分別計算各縣市輕度(≤10%)、中度(10%～20%)和重度(>20%)減產(chǎn)等級概率和風(fēng)險指數(shù)(表2)。

在3個減產(chǎn)等級中，各縣市輕度減產(chǎn)發(fā)生概率最大(17.16%～27.27%)，其中發(fā)生概率最大為福鼎市，最小在柘榮縣； 中度減產(chǎn)發(fā)生概率相對較小(10.37%～15.4%)，概率最大為福安市，最小在柘榮縣； 重度減產(chǎn)發(fā)生概率為4.76%～21.45%，最大在在柘榮縣，最小在福鼎市。風(fēng)險指數(shù)總體山區(qū)縣比沿?？h市區(qū)大，說明山區(qū)縣發(fā)生糧食減產(chǎn)風(fēng)險更大些，其中最大為柘榮縣，最小為福鼎市。

根據(jù)上述各縣市區(qū)糧食減產(chǎn)發(fā)生概率及風(fēng)險指數(shù)，按照3個減產(chǎn)等級和風(fēng)險指數(shù)，利用Arcgis地理信息軟件對概率分布進行分級區(qū)劃。

從輕度減產(chǎn)發(fā)生概率來看(圖7a)，整體發(fā)生概率值最大，呈東北-西南向分布，其中西部、北部的壽寧、柘榮、周寧、屏南等山區(qū)縣為概率小值區(qū)，發(fā)生概率一般在12%～21%，而東部福鼎、福安、霞浦、蕉城等沿?？h市為概率大值區(qū)，發(fā)生概率一般21%～27%，東部沿海相對西部、北部山區(qū)發(fā)生概率大，說明東部遭受氣象災(zāi)害造成的輕度糧食減產(chǎn)可能性比西部、北部山區(qū)大。

從中度減產(chǎn)發(fā)生概率來看(圖7b)，中度減產(chǎn)發(fā)生概率相對較小，其中東南部的霞浦、福安、蕉城、古田等縣市發(fā)生概率大(14%～15%)，而柘榮、周寧和屏南等山區(qū)縣較小(10%～14%)。大體是東南部發(fā)生概率大于西北部和北部地區(qū)。

從重度減產(chǎn)發(fā)生概率來看(圖7c)，全區(qū)整體發(fā)生概率偏小，但柘榮、周寧、屏南3個山區(qū)縣重度發(fā)生概率大于其中度概率，沿?？h市普遍小于山區(qū)縣，山區(qū)糧食重度減產(chǎn)發(fā)生率超過沿海縣市，其分布特征與輕度、中度剛好相反，山區(qū)縣防御糧食重度減產(chǎn)形勢更嚴(yán)峻些。

綜合輕度、中度、重度減產(chǎn)發(fā)生概率所構(gòu)成的減產(chǎn)風(fēng)險指數(shù)分布來看(圖7d)，風(fēng)險指數(shù)較大區(qū)域在柘榮、周寧、壽寧、屏南山區(qū)縣，而福鼎、霞浦、福安、蕉城等沿?？h市和古田縣相對較低，總體也是山區(qū)縣大于沿海縣。風(fēng)險指數(shù)是反映減產(chǎn)程度大小趨勢，由于重度減產(chǎn)危害性最大，其減產(chǎn)影響強度也較輕度、重度等級大，山區(qū)縣市重度減產(chǎn)概率又大于沿?？h市，因此山區(qū)減產(chǎn)風(fēng)險總體也高過沿海縣市。

a：輕度減產(chǎn)，b：中度減產(chǎn)，c：重度減產(chǎn)，d：風(fēng)險指數(shù)圖7　1949～2013年閩東糧食減產(chǎn)等級概率及風(fēng)險指數(shù)分布

3　結(jié)論

1949～2013年閩東最主要糧食作物稻谷生產(chǎn)的總體趨勢表現(xiàn)為播種面積隨年際顯著減少，而總產(chǎn)顯著增加。9縣市區(qū)糧食單產(chǎn)總體都一致性表現(xiàn)為顯著上升趨勢，總產(chǎn)與播種面積關(guān)系不顯著，其增加主要是單產(chǎn)顯著增加的結(jié)果。

以1949～2013年閩東各縣市區(qū)糧食氣象產(chǎn)量的增長率為對象進行分析，結(jié)果表明，山區(qū)糧食增長率總體要高過沿?？h市，增產(chǎn)趨勢更明顯些。糧食增長率的空間特征值與年平均氣溫、日照時數(shù)成顯著負(fù)相關(guān)。沿海縣市區(qū)受氣溫偏高和日照時數(shù)偏多的不利影響，增產(chǎn)率不如山區(qū)縣市高。山區(qū)與沿海氣候差異造成糧食增長率不同，反映出閩東糧食增長率與其氣候條件密切相關(guān)。

1949～2013年閩東9縣市糧食增長率具有一致年際變化趨勢，呈斜“L”型分布，可分為四個階段：下降階段(1949～1968年)，上升階段(1969～1983年)，緩降階段(1984～2001年)，持平階段(2002～2013年)。全區(qū)糧食平均增長率與年日照時數(shù)成顯著負(fù)相關(guān)，閩東日照條件充足，是影響糧食增長率的主要因子，但日照時數(shù)過多不利于糧食增長率的提高。

1949～2013年閩東糧食增長率時間序列聚類分析結(jié)果表明，閩東糧食增產(chǎn)年型可分為4類：顯著增產(chǎn)年(增產(chǎn)率≥20%)，一般增產(chǎn)年(增產(chǎn)率0%～10%)，一般減產(chǎn)年(減產(chǎn)率-10%～0%)，顯著減產(chǎn)年(減產(chǎn)率≤-10%)。65年中一般增產(chǎn)年為最多發(fā)生年型，顯著增產(chǎn)年為最少發(fā)生年型。增產(chǎn)與減產(chǎn)年份發(fā)生概率分別為54.3%、45.7%，總共增產(chǎn)年份比減產(chǎn)年份略多。

糧食減產(chǎn)氣象風(fēng)險區(qū)劃分析表明，閩東各縣市輕度減產(chǎn)發(fā)生概率最大(17.16%～27.27%)，中度減產(chǎn)發(fā)生概率相對較小(10.37%～15.4%)，重度減產(chǎn)總體發(fā)生概率最小，但3個山區(qū)縣重度減產(chǎn)概率較大(超過中度)。山區(qū)縣與沿?？h市減產(chǎn)發(fā)生概率有明顯差異，沿?？h市輕、中度減產(chǎn)發(fā)生概率要大于山區(qū)縣，而重度減產(chǎn)發(fā)生概率則相反。減產(chǎn)風(fēng)險指數(shù)區(qū)劃表明，山區(qū)縣減產(chǎn)風(fēng)險普遍高于沿?？h市區(qū)。

閩東地處中國東南沿海地帶，溫暖濕潤的海洋性季風(fēng)氣候為閩東農(nóng)業(yè)糧食生產(chǎn)創(chuàng)造了良好的條件，十分有利于糧食的豐收增產(chǎn)。但是農(nóng)業(yè)氣象災(zāi)害也給糧食產(chǎn)量生產(chǎn)帶來重大的危害，減產(chǎn)年份發(fā)生概率也較大，農(nóng)業(yè)氣象災(zāi)害造成減產(chǎn)危害不可忽視，因此加強糧食生產(chǎn)的農(nóng)業(yè)氣象防災(zāi)減災(zāi)工作十分重要。

[1]李世奎，霍治國，王道龍，等，中國農(nóng)業(yè)災(zāi)害風(fēng)險評價與對策. 北京：氣象出版社， 1999： 1～221， 271～275

[2]霍治國， 李世奎，王素艷.主要農(nóng)業(yè)氣象災(zāi)害風(fēng)險評估技術(shù)及其應(yīng)用研究.自然資源學(xué)報， 2003, 18(6): 693～695

[3]鄧國， 王昂生，李世奎，等.風(fēng)險分析理論及方法在糧食生產(chǎn)中的應(yīng)用初探.自然資源學(xué)報， 2001, 16(3): 221～226

[4]Xue changying，Huo zhiguo，Li shikui，et al.Risk assessment of drought and yield losses of winter wheat in the northern part of north China. Journal of Natural Disasters， 2003, 12(1): 131～139

[5]Huang chongfu，Liu xinli，Zhou guoxian，et al.Agriculture natural disaster risk assessment method according to the historic disaster data. Journal of Natural Disasters， 1998, 7(2): 1～9

[6]李明志， 臧俊嶺，焦仁慶.農(nóng)業(yè)氣象災(zāi)害風(fēng)險評估研究綜述. 現(xiàn)代農(nóng)業(yè)科技, 2009，(14)： 269～270

[7]常彥軍， 董津瑞.我國農(nóng)業(yè)氣象災(zāi)害評估現(xiàn)狀和發(fā)展趨勢. 黑龍江科技信息， 2011，(6)： 20

[8]鹿世瑾， 王巖.福建氣候(第2版). 北京：氣象出版社， 2012： 162～174

[9]宮德吉， 陳素華.農(nóng)業(yè)氣象災(zāi)害損失評估方法及其在產(chǎn)量預(yù)報中的應(yīng)用.應(yīng)用氣象學(xué)報， 1999, 10(1): 66～67

[10]李麗純， 陳家金，陳惠，等.福建省馬鈴薯氣候減產(chǎn)的風(fēng)險分析和區(qū)劃.中國農(nóng)業(yè)氣象， 2013, 34(2): 186～190

[11]宋正陽， 張峭，王克.農(nóng)作物生產(chǎn)風(fēng)險評估與區(qū)劃系統(tǒng)的設(shè)計與實現(xiàn).中國農(nóng)業(yè)資源與區(qū)劃， 2013, 34(3): 34～40

[12]魏鳳英. 現(xiàn)代氣候統(tǒng)計診斷與預(yù)測技術(shù)(第2版).北京：氣象出版社, 2013，(4)： 37～66

[13]黃嘉佑. 氣象統(tǒng)計分析與預(yù)報方法.北京：氣象出版社, 2010，(3)： 130～134

[14]施能. 氣象統(tǒng)計預(yù)報.北京：氣象出版社, 2012，(2)： 128～142

[15]陳勝可.SPSS統(tǒng)計分析從入門到精通.北京：清華大學(xué)出版社, 2013，(5)： 300～316

[16]李娜， 霍治國，賀楠，等.華南地區(qū)香蕉、荔枝寒害的氣候風(fēng)險區(qū)劃.應(yīng)用生態(tài)學(xué)報， 2010, 21(5): 1244～1250

[17]張星， 陳惠，吳菊薪.氣象災(zāi)害影響福建糧食生產(chǎn)安全的機理分析.自然災(zāi)害學(xué)報， 2008, 17(2): 152～153

[18]張峭， 王克.我國農(nóng)業(yè)自然災(zāi)害風(fēng)險評估與區(qū)劃.中國農(nóng)業(yè)資源與區(qū)劃， 2011, 32(3): 32～36

THE METEOROLOGICAL RISK ASSESSMENT OF GRAIN YIELD IN NORTHEASTERN FUJIAN PROVINCE OF CHINA*

Yu Huikang,Ruan Cuibing,Chen Xiaoying,Lin Zhaohua

(Meteorological Bureau of Ningde City of Fujian province，NingDe 352100，China)

To strengthen the assessment and analysis of meteorological disaster risk is significant for structural adjustment of agricultural plantation, disaster prevention and reduction, and sustainable development of agriculture in an area. Based on the grain yield data from 1949 to 2013 year in 9 counties of northeastern Fujian province in China,

Northeastern Fujian province; grain yield; meteorological; risk assessment; analysis

10.7621/cjarrp.1005-9121.20160507

2015-04-07

余會康(1969—),男，福建古田人，高級工程師。研究方向：農(nóng)業(yè)氣象和農(nóng)業(yè)氣候變化影響。Email:hikan@163.com

S42;F326.11

A

1005-9121[2016]05-0041-09

*資助項目：福建省寧德市科技計劃項目“寧德市主要農(nóng)業(yè)氣象災(zāi)害風(fēng)險評估技術(shù)研究”(20130004)

This paper used linear regression fitting method to calculate the time series of the grain meteorological yield increasing rate object, and then used the meteorological statistical methods of empirical orthogonal decomposition (EOF), linear trend estimation, the probability distribution function fitting and testing and cluster analysis to analyze the changing characteristics of spatial and temporal distribution of the grain yield increasing rate, yield reduction rate and the risk zoning in northeastern Fujian province. The results showed that the overall increasing rate of grain yield in mountain counties was higher than that in coastal counties. The increasing trend of grain yield was more obvious in mountain counties. The spatial characteristic value of the grain yield increasing rate was significantly negative correlation with the annual average temperature and sunshine hours, the climate differences between the mountain and coastal area were closely related to grain growth rate. The temporal variation trend of the grain increasing rate showed the inclined "L" type in 9 counties and can be divided into four stages, i.e., fall, rise, slow down and flat, from 1949 to 2013. The cluster analysis showed that there were 4 types of grain yield variation year, such as the significant increasing, general increasing, general reduction and significant reduction, the occurrence probabilities of the years of increasing yield or reduction yield were 54.3%, 45.7% respectively. The occurrence probabilities of mild, moderate grade of yield reduction in coastal counties were higher than that in mountain counties, while the occurrence probabilities of severe grade of yield reduction were opposite, the risk of yield reduction in mountain counties was generally higher than that in coastal counties. The yield increasing years were slightly more than yield reduction years in northeastern Fujian province, but occurrence probability of yield reduction year was high due to the agro-meteorological disasters. So it was very important to strengthen the agricultural meteorological disaster prevention.