李榮雙

摘 要 隨著農(nóng)業(yè)現(xiàn)代化發(fā)展，農(nóng)業(yè)氣象災(zāi)害檢測(cè)預(yù)測(cè)技術(shù)取得重大進(jìn)展，其作為農(nóng)業(yè)災(zāi)害防控與評(píng)估的基礎(chǔ)，一直以來(lái)深受農(nóng)業(yè)氣象研究工作的重視?；诖耍瑢?duì)我國(guó)農(nóng)業(yè)面臨的主要?dú)庀鬄?zāi)害、農(nóng)業(yè)氣象災(zāi)害指標(biāo)、監(jiān)測(cè)技術(shù)與預(yù)警技術(shù)進(jìn)行總結(jié)和分析。

關(guān)鍵詞 農(nóng)業(yè)氣象災(zāi)害;監(jiān)測(cè)技術(shù);預(yù)測(cè)技術(shù)

中圖分類(lèi)號(hào)：S42 文獻(xiàn)標(biāo)志碼：B DOI：10.19415/j.cnki.1673-890x.2020.27.081

農(nóng)業(yè)生產(chǎn)過(guò)程中導(dǎo)致作物明顯減產(chǎn)的氣候異?；虿焕鞖饨y(tǒng)稱(chēng)為農(nóng)業(yè)氣象災(zāi)害，是影響農(nóng)作物產(chǎn)量穩(wěn)定性的重要自然災(zāi)害。受季風(fēng)氣候影響，我國(guó)東部近海地區(qū)多雨、西部干旱地區(qū)少雨，南方降水多于北方，季風(fēng)雨量及來(lái)臨時(shí)間均對(duì)農(nóng)業(yè)產(chǎn)生深刻影響，有時(shí)可引起大范圍水旱災(zāi)害。因此，我國(guó)是世界上農(nóng)業(yè)氣象災(zāi)害嚴(yán)重的國(guó)家之一[1]。另外，我國(guó)農(nóng)業(yè)生產(chǎn)基礎(chǔ)設(shè)施薄弱，抗災(zāi)能力弱，大部分區(qū)域的農(nóng)作物并未脫離靠天吃飯的局面，一旦發(fā)生天災(zāi)，農(nóng)作物損失面積巨大，對(duì)農(nóng)業(yè)生產(chǎn)造成嚴(yán)重不利影響，嚴(yán)重影響農(nóng)業(yè)可持續(xù)發(fā)展[2]。對(duì)災(zāi)害進(jìn)行準(zhǔn)確檢測(cè)與及時(shí)預(yù)測(cè)是防控農(nóng)業(yè)災(zāi)害的首要前提，農(nóng)業(yè)氣象災(zāi)害的檢測(cè)預(yù)測(cè)技術(shù)一直是農(nóng)業(yè)氣象領(lǐng)域的研究重點(diǎn)，深受?chē)?guó)家各層面的重視。農(nóng)業(yè)氣象災(zāi)害檢測(cè)預(yù)測(cè)體系能夠?qū)崿F(xiàn)從宏觀到微觀上全程跟蹤監(jiān)測(cè)氣象災(zāi)害的發(fā)生和發(fā)展過(guò)程，為農(nóng)業(yè)氣象災(zāi)害的預(yù)防、控制工作提供依據(jù)，最大程度上降低農(nóng)業(yè)氣象災(zāi)害帶來(lái)的農(nóng)業(yè)損失。

1 我國(guó)農(nóng)業(yè)面臨的主要?dú)庀鬄?zāi)害

從廣義上講，氣象災(zāi)害指大氣對(duì)國(guó)民經(jīng)濟(jì)建設(shè)、人們生命財(cái)產(chǎn)安全、國(guó)防建設(shè)等造成的損害，包括天氣災(zāi)害、氣候?yàn)?zāi)害、氣象衍生災(zāi)害等。在所有自然災(zāi)害中，氣象災(zāi)害是發(fā)生最為頻繁、影響最為廣泛的災(zāi)害，給農(nóng)業(yè)和國(guó)家經(jīng)濟(jì)造成巨大損失。

氣象災(zāi)害作為原生災(zāi)害，具備波及范圍廣、發(fā)生頻率高、種類(lèi)眾多、災(zāi)情嚴(yán)重等特點(diǎn)。國(guó)家所處地理區(qū)域即氣候特征與氣象災(zāi)害的發(fā)生具有重要聯(lián)系，受緯度、海陸位置、地形特征等因素影響，我國(guó)大陸性季風(fēng)氣候顯著，呈現(xiàn)雨熱同期、復(fù)雜多樣的特點(diǎn)。農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)中的第一產(chǎn)業(yè)，受氣象災(zāi)害影響程度大，我國(guó)常見(jiàn)的農(nóng)業(yè)氣象災(zāi)害包括以下4種。1）干旱。在農(nóng)業(yè)水平不高的地區(qū)，長(zhǎng)期少雨或無(wú)雨導(dǎo)致土壤缺水、空氣干燥，致使作物因缺水影響生產(chǎn)發(fā)育而減產(chǎn)。2）洪澇。長(zhǎng)時(shí)間集中降水對(duì)作物造成的傷害。3）霜凍。溫暖期內(nèi)大氣溫度迅速降低至足以引起作物受損或?qū)е伦魑锒虝r(shí)間內(nèi)死亡的低溫凍害。4）冷害。在作物生長(zhǎng)季節(jié)內(nèi)，溫度低于作物生長(zhǎng)下限溫度，妨礙作物生長(zhǎng)，導(dǎo)致減產(chǎn)[3]。

2 農(nóng)業(yè)氣象災(zāi)害指標(biāo)

在實(shí)際農(nóng)業(yè)生產(chǎn)中，對(duì)農(nóng)作物影響較大的災(zāi)害包括干旱、高溫?zé)岷?、寒害、臺(tái)風(fēng)、暴雨和大風(fēng)等，災(zāi)害監(jiān)測(cè)與預(yù)測(cè)的基礎(chǔ)內(nèi)容就是農(nóng)業(yè)氣象災(zāi)害指標(biāo)。當(dāng)前農(nóng)業(yè)氣象領(lǐng)域?qū)Ω黝?lèi)型的氣象災(zāi)害都進(jìn)行了不同程度的研究，當(dāng)前研究相對(duì)完善的指標(biāo)包括干旱、低溫冷害與寒害等。

2.1 干旱指標(biāo)

干旱指標(biāo)是通過(guò)數(shù)據(jù)方式呈現(xiàn)出土壤的干旱程度。旱災(zāi)分析具備綜合對(duì)比及度量的作用，該指標(biāo)是干旱檢測(cè)的基礎(chǔ)和核心。干旱形成原因非常復(fù)雜，與人類(lèi)活動(dòng)、下墊面情況、地理位置、降水情況等多種因素有重要關(guān)聯(lián)，故難以形成統(tǒng)一標(biāo)準(zhǔn)的干旱評(píng)價(jià)指標(biāo)。統(tǒng)計(jì)發(fā)現(xiàn)，當(dāng)前正在應(yīng)用的干旱指標(biāo)超過(guò)50種，應(yīng)用相對(duì)廣泛的指標(biāo)有相對(duì)濕潤(rùn)度指數(shù)、降水距平百分率、CI指數(shù)、標(biāo)準(zhǔn)化降水指數(shù)、Palmer指數(shù)等[4]。

2.2 寒害指標(biāo)

寒害是指溫度低于最低溫度對(duì)作物產(chǎn)生的傷害，包括冷害與凍害，對(duì)于零上低溫對(duì)作物造成的傷害稱(chēng)為冷害，零下低溫對(duì)作物的傷害稱(chēng)為凍害，寒害在我國(guó)北方地區(qū)十分常見(jiàn)。以東北地區(qū)為例，玉米低溫冷害空間分為3種類(lèi)型：1）全區(qū)一致型，其絕對(duì)值最大中心位于黑龍江省牡丹江市與吉林延邊州，該區(qū)域?yàn)闁|北冷害敏感區(qū);2）西南、東北相反型，絕對(duì)值中心位于大小興安嶺地區(qū);3）西北、東南相反型，絕對(duì)值中心位于吉林東部長(zhǎng)白山區(qū)以及黑龍江西北部，以上區(qū)域都是東北玉米寒害敏感區(qū)。當(dāng)前國(guó)內(nèi)對(duì)寒害研究指標(biāo)主要集中在東北玉米、水稻及新疆棉花上，常用的低溫冷害指標(biāo)包括作物發(fā)育期距平指標(biāo)、生長(zhǎng)發(fā)育關(guān)鍵期冷積溫指標(biāo)、生長(zhǎng)季積溫指標(biāo)以及玉米低溫冷害綜合指標(biāo)等[5]。

2.3 低溫冷害指標(biāo)

低溫冷害是農(nóng)作物在生長(zhǎng)過(guò)程中，熱量不足以支撐其生長(zhǎng)發(fā)育而受到不利影響的災(zāi)害，一般采用溫度距平、積溫距平作為低溫冷害指標(biāo)。我國(guó)地域跨度大，不同區(qū)域低溫冷害判斷指標(biāo)存在較大差異。以華北地區(qū)為例，通常選擇5—9月的平均溫度作為判斷指標(biāo)，東北地區(qū)則通常選擇6—10月來(lái)獲取指標(biāo)。

3 農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)測(cè)技術(shù)研究

隨著人類(lèi)經(jīng)濟(jì)活動(dòng)的增多，全球變暖趨勢(shì)明顯，農(nóng)業(yè)氣象災(zāi)害更加頻發(fā)，對(duì)農(nóng)業(yè)生產(chǎn)活動(dòng)造成嚴(yán)重影響，農(nóng)業(yè)氣象災(zāi)害檢測(cè)預(yù)測(cè)技術(shù)研究被納入國(guó)家多個(gè)五年計(jì)劃當(dāng)中。隨著科技發(fā)展，農(nóng)業(yè)氣象災(zāi)害的研究方法及指標(biāo)已經(jīng)由單一化向多元化、立體化發(fā)展，構(gòu)成了由地面向空中連接的三維監(jiān)測(cè)網(wǎng)，全面監(jiān)測(cè)氣象災(zāi)害的發(fā)展動(dòng)向[6]。

3.1 地面監(jiān)測(cè)

地面監(jiān)測(cè)是氣象災(zāi)害監(jiān)測(cè)和預(yù)測(cè)的基礎(chǔ)前提，是其他高新監(jiān)測(cè)技術(shù)發(fā)展的基礎(chǔ)保障，具備準(zhǔn)確性和實(shí)時(shí)性強(qiáng)的特點(diǎn)，其在農(nóng)業(yè)氣象業(yè)務(wù)中的應(yīng)用一般通過(guò)土壤濕度、溫度等的觀測(cè)來(lái)實(shí)現(xiàn)，能夠根據(jù)這些災(zāi)害指標(biāo)實(shí)現(xiàn)對(duì)災(zāi)害發(fā)生和發(fā)展過(guò)程的監(jiān)測(cè)，但其存在監(jiān)測(cè)點(diǎn)離散程度高、人力物力耗費(fèi)大的不足。當(dāng)前，地面災(zāi)害監(jiān)測(cè)技術(shù)有以下3種。1）農(nóng)田蒸散量監(jiān)測(cè)，該方法是干旱監(jiān)測(cè)的重要參數(shù)，能夠直接作為農(nóng)田干旱監(jiān)測(cè)指標(biāo)。2）農(nóng)作物模擬生長(zhǎng)模式，通過(guò)對(duì)農(nóng)作物生長(zhǎng)模型的研究，同時(shí)結(jié)合歷史受災(zāi)害數(shù)據(jù)，分析農(nóng)作物受災(zāi)規(guī)律，進(jìn)而推算出農(nóng)作物發(fā)育過(guò)程與實(shí)際受害年份之間存在的對(duì)應(yīng)關(guān)系。3）地理信息系統(tǒng)技術(shù)及氣候?qū)W模型，通過(guò)海拔、土地利用、坡向、坡度等地理信息來(lái)對(duì)最低氣溫、平均氣溫等資料進(jìn)行高空間分辨，同時(shí)結(jié)合某地農(nóng)作物生長(zhǎng)發(fā)育情況與受害指標(biāo)，實(shí)現(xiàn)對(duì)災(zāi)害發(fā)生強(qiáng)度與波及范圍的動(dòng)態(tài)監(jiān)控[7]。

3.2 遙感監(jiān)測(cè)

衛(wèi)星遙感技術(shù)的發(fā)展促進(jìn)了農(nóng)業(yè)氣象災(zāi)害檢測(cè)預(yù)測(cè)研究的進(jìn)步，并為其提供了重要工具。當(dāng)前，遙感災(zāi)害監(jiān)測(cè)技術(shù)在寒害、洪澇、干旱等災(zāi)害的監(jiān)測(cè)中取得重要進(jìn)展，以在干旱監(jiān)測(cè)中的應(yīng)用最為廣泛。當(dāng)前，熱慣量法與作物缺水指數(shù)法是遙感監(jiān)測(cè)干旱的最常見(jiàn)方法。此外，還可以通過(guò)雷達(dá)檢測(cè)土壤水分，通過(guò)發(fā)射雷達(dá)波束后，根據(jù)回波信號(hào)、散射系數(shù)、目標(biāo)物物理特性等的分析可以反推土壤水分，以此進(jìn)行干旱監(jiān)測(cè)。還有一些常用的監(jiān)測(cè)指標(biāo)包括表觀熱慣量植被干旱指數(shù)、溫度植被干旱指數(shù)、溫差植被干旱指數(shù)等，這些指標(biāo)能夠?qū)?guó)內(nèi)干旱分布情況進(jìn)行評(píng)價(jià)。近年來(lái)，關(guān)于可見(jiàn)光、近紅外與熱紅外相結(jié)合來(lái)監(jiān)測(cè)農(nóng)業(yè)氣象災(zāi)害的研究取得重要進(jìn)展[8]。除了干旱的檢測(cè)，遙感技術(shù)對(duì)低溫災(zāi)害方面的監(jiān)測(cè)也得到較為廣泛的利用，可以采用遙感技術(shù)反推地面溫度的方法來(lái)測(cè)試某地農(nóng)作物受冷害情況，還可以采用空間分辨率相對(duì)比較低的NOAA數(shù)據(jù)光譜資料，進(jìn)行綠度圖的合成，通過(guò)觀察不同時(shí)相圖像綠度差異來(lái)評(píng)價(jià)農(nóng)作物受害情況。

4 預(yù)警技術(shù)

4.1 數(shù)據(jù)統(tǒng)計(jì)預(yù)報(bào)

通過(guò)信息化檢測(cè)設(shè)備獲得大量的氣象數(shù)據(jù)之后，對(duì)氣象數(shù)據(jù)展開(kāi)統(tǒng)計(jì)、分析與處理。例如，對(duì)風(fēng)力、濕度、溫度變化數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，進(jìn)而建立起預(yù)測(cè)模型，對(duì)作物致災(zāi)因子進(jìn)行預(yù)報(bào)。

4.2 氣象與天氣（氣候）相結(jié)合模式

以農(nóng)田水分平衡方程作為依據(jù)，同時(shí)結(jié)合氣象要素的每日預(yù)報(bào)值來(lái)預(yù)測(cè)一定深度圖層的土壤含水量，能夠?qū)Ω珊档某霈F(xiàn)日期進(jìn)行預(yù)警。針對(duì)易發(fā)生低溫冷害的地區(qū)，考慮到作物主要是因熱量不足導(dǎo)致發(fā)育受到影響而減產(chǎn)，可以將最低氣溫日、最高氣溫日作為引子，建立起修正熱量單位發(fā)育模型，對(duì)各個(gè)區(qū)域作物發(fā)育進(jìn)行劃分后，將抽雄期延遲時(shí)間作為低溫冷害發(fā)生的評(píng)價(jià)指標(biāo)，預(yù)警冷害發(fā)生的時(shí)間與程度。

5 結(jié)語(yǔ)

農(nóng)業(yè)氣象災(zāi)害發(fā)生頻繁，會(huì)對(duì)農(nóng)業(yè)生產(chǎn)活動(dòng)秩序造成嚴(yán)重影響。對(duì)此，必須通過(guò)新設(shè)備、新技術(shù)建立起完善的氣象災(zāi)害監(jiān)測(cè)預(yù)測(cè)系統(tǒng)，提前對(duì)災(zāi)害發(fā)生時(shí)間、程度進(jìn)行預(yù)判，進(jìn)而指導(dǎo)農(nóng)民做好應(yīng)對(duì)準(zhǔn)備，減輕氣象災(zāi)害帶來(lái)的經(jīng)濟(jì)損失。

參考文獻(xiàn)：

[1] 孫治貴，王元?jiǎng)?，張祿，?北方設(shè)施農(nóng)業(yè)氣象災(zāi)害監(jiān)測(cè)預(yù)警智能服務(wù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].農(nóng)業(yè)工程學(xué)報(bào)，2018，34（23）：149-156.

[2] 郭建茂，王錦杰，吳越，等.基于衛(wèi)星遙感與氣象站點(diǎn)數(shù)據(jù)的水稻高溫?zé)岷ΡO(jiān)測(cè)和評(píng)估模型的改進(jìn)[J].自然災(zāi)害學(xué)報(bào)，2018，27（1）：163-174.

[3] 于小兵，陳虹，吉中會(huì)，等.山東省農(nóng)業(yè)氣象災(zāi)害與主要農(nóng)作物產(chǎn)量的灰色關(guān)聯(lián)分析[J].災(zāi)害學(xué)，2019，34（3）：103-108.

[4] 李穎，馮玉，唐偉男，等.基于Copula函數(shù)的遼西地區(qū)農(nóng)業(yè)氣象干旱災(zāi)害分析[J].干旱地區(qū)農(nóng)業(yè)研究，2018，36（2）：279-287，294.

[5] 吳彬，楊詠鋼，李艷芳，等.茶園可視化農(nóng)業(yè)氣象信息動(dòng)態(tài)監(jiān)測(cè)預(yù)警系統(tǒng)研制及試驗(yàn)[J].計(jì)算機(jī)測(cè)量與控制，2018，26（8）：195-199.

[6] 唐文虎，楊毅豪，李雅晶，等.極端氣象災(zāi)害下輸電系統(tǒng)的彈性評(píng)估及其提升措施研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2020，40（7）：2244-2254.

[7] 包云軒，唐辟如，孫思思，等.中南半島前期異常氣候條件對(duì)中國(guó)南方稻區(qū)褐飛虱災(zāi)變性遷入的影響及其預(yù)測(cè)模型[J].生態(tài)學(xué)報(bào)，2018，38（8）：2934-2947.

[8] 鞏文峰，帥玉婷，馬占鴻.林芝地區(qū)小麥條銹菌與氣象因子的關(guān)系及流行動(dòng)態(tài)模型的構(gòu)建[J].植物保護(hù)學(xué)報(bào)，2018，45（1）：167-172.

（責(zé)任編輯：趙中正）