李彥彬，王躍雄，杜雪芳

（華北水利水電大學(xué)，鄭州450046）

0 引 言

干旱是多因素共同作用而形成的復(fù)雜的自然現(xiàn)象，通常表現(xiàn)為水分短缺[1]，按形成機(jī)理，可以分為氣象干旱、水文干旱、農(nóng)業(yè)干旱以及社會經(jīng)濟(jì)干旱[2]。由于農(nóng)作物對水分存在極大的需求性[3,4]，農(nóng)業(yè)干旱往往會造成大范圍的糧食減產(chǎn)[5]，是我國農(nóng)業(yè)發(fā)展所面臨的極大挑戰(zhàn)。據(jù)不完全統(tǒng)計，2004-2015年中國糧食由于干旱所造成的年均損失已達(dá)到640.7 億元[6]。人類活動加劇了干旱的非平穩(wěn)化[7]，IPCC 第6 次會議指出[8]，在全球變暖大環(huán)境下，年均氣溫將持續(xù)上升，降水的概率越來越難以確定，全球干旱化趨勢愈加明顯，因此干旱綜合評價及預(yù)防研究迫在眉睫。目前農(nóng)業(yè)干旱脆弱性是國內(nèi)外研究的熱點(diǎn)，干旱脆弱性指[9]承載體及周圍環(huán)境在面對潛在的干旱危險所表現(xiàn)的敏感性抵抗力與恢復(fù)力。康永輝等[10]利用廣西大石山區(qū)的脆弱性評價研究表明，脆弱度與干旱風(fēng)險指數(shù)大小變化趨勢一致，脆弱性對干旱綜合評價起著極為重要的作用；IDMP CEE[11]指出災(zāi)害管理必須綜合各部門主動采取措施減少脆弱性以應(yīng)對干旱；楊曉穎等[12]采用主成分分析法分別對內(nèi)蒙古的水資源、農(nóng)業(yè)、經(jīng)濟(jì)及社會等因子進(jìn)行了脆弱性分析；王立坤[13]等采用改進(jìn)后的灰色關(guān)聯(lián)度與TOPSIS 模型分析了黑龍江西部地區(qū)生產(chǎn)水平、農(nóng)業(yè)經(jīng)濟(jì)等對干旱脆弱性的動態(tài)影響；宋一凡[14]等采用SWAT 模型從自然生態(tài)系統(tǒng)與人類-自然耦合系統(tǒng)兩個方面分析了過度放牧、植被退化和過度開發(fā)地下水對內(nèi)蒙古艾布蓋河流域生態(tài)脆弱性的影響程度。

然而在過往研究中，很少有人關(guān)注生態(tài)因子對脆弱性的影響，在2000-2016年期間關(guān)于干旱脆弱性與生態(tài)系統(tǒng)間作用機(jī)理的研究僅占干旱脆弱性研究的10%[15]。國外有學(xué)者認(rèn)為[16]即使沒有人類影響，干旱仍可能會因超出生態(tài)系統(tǒng)承載能力而發(fā)生。生態(tài)因子對旱災(zāi)區(qū)土壤有機(jī)質(zhì)質(zhì)量的長期影響將造成生態(tài)平衡的破壞[17]，此種機(jī)理不易被察覺且不利于作物生長[18]。李寧[19]等利用工具計量推斷法得出，社會脆弱性與生態(tài)脆弱性間具有長期的相互作用，且社會脆弱性對生態(tài)的影響更大一些；郭澤呈[20]等在對甘肅省石羊河流域的生態(tài)脆弱性評價研究中，利用因子探測器得出綠度在一定程度上可以抑制溫度對干旱的影響程度；王茜[21]等對廣南縣的脆弱性評價也證明先天的自然生態(tài)環(huán)境對干旱脆弱性的影響同樣十分重要。所以，本研究在農(nóng)業(yè)干旱脆弱性綜合評價體系中加入溫度植被干旱指數(shù)（Temperature vegetation dryness index，TVDI），以河南省安陽市旱災(zāi)時空分布特征為例來檢驗綜合評價指數(shù)的可靠性，并探究干旱與生態(tài)因子的作用狀況及土壤水環(huán)境在因子貢獻(xiàn)中所占的比例，為該地區(qū)旱情評估提供理論依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

安陽市位于河南省最北部，處于河南、河北、山西三省交界地帶，周圍遍布?xì)庀笥^測站點(diǎn)，數(shù)據(jù)齊全，研究區(qū)域及氣象站點(diǎn)分布如圖1所示。憑借東部平原的地形優(yōu)勢，安陽市成為河南省最主要的糧食生產(chǎn)基地之一，年均種植面積約達(dá)59.65 萬hm2，下轄的湯陰縣、內(nèi)黃縣及滑縣皆為產(chǎn)糧大縣，素有“豫北糧倉”之美稱。然而，安陽市降水較少，歷史年均降水量約為637.1 mm，且降水主要分布在夏季，春冬兩季降水量才占全年的1/5。干燥的氣候?qū)е略撌写汉蛋l(fā)生頻繁，2017年便發(fā)生過一次嚴(yán)重旱災(zāi)，2008-2014年時段內(nèi)更是發(fā)生過5次干旱，這嚴(yán)重威脅到安陽市糧食生產(chǎn)安全。

圖1 區(qū)域概況圖及氣象站點(diǎn)分布Fig.1 Overview map of study area and weather stations distribution

1.2 數(shù)據(jù)來源

本研究收集了安陽市近30年（1989-2018年）的衛(wèi)星數(shù)據(jù)、社會經(jīng)濟(jì)數(shù)據(jù)和氣象數(shù)據(jù)。衛(wèi)星數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/），主要為Landsat 8 數(shù)據(jù)，用來反演地表溫度；社會經(jīng)濟(jì)數(shù)據(jù)來源于安陽市統(tǒng)計年鑒，主要包括人口密度、小麥產(chǎn)量、作物系數(shù)等；氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/），主要包括降水量、氣溫、風(fēng)速、日照時數(shù)等信息。

1.3 研究方法

1.3.1 層次分析法

層次分析法[22]是一種可以將定性與定量問題相結(jié)合的分析方法，能夠很好地將主觀問題進(jìn)行客觀分析。通常根據(jù)專家對研究問題的主觀意見構(gòu)建判斷矩陣，由判斷矩陣求解特征向量，最后計算出指標(biāo)的權(quán)重。本文所選指標(biāo)個數(shù)為8，故隨機(jī)一致性指標(biāo)RI取1.41。

1.3.2 指標(biāo)標(biāo)準(zhǔn)化

為了便于計算，采用標(biāo)準(zhǔn)化原則消除各數(shù)據(jù)單元之間的差異，正向、負(fù)向指標(biāo)的標(biāo)準(zhǔn)化處理方式有所不同[23]。對于正向指標(biāo)有：

對于負(fù)向指標(biāo)有：

式中：xst為經(jīng)標(biāo)準(zhǔn)化處理后的結(jié)果，取值范圍為[0,1]；xmax為處理指標(biāo)所存在的最大值；xmin為處理指標(biāo)所存在的最小值；xi為處理指標(biāo)當(dāng)前的任意值。

1.3.3 加權(quán)綜合評價法

本文采用加權(quán)綜合評價法來構(gòu)建脆弱性評價模型，其公式為：

式中：V為脆弱性綜合評價指數(shù)；n為所選指標(biāo)的個數(shù)；ωj為第j項指標(biāo)所占的權(quán)重；Iij為第i要素的第j項指標(biāo)的標(biāo)準(zhǔn)值。

1.3.4 比較分析法

通過比較評價結(jié)果與實(shí)際受災(zāi)情況，可以清晰判斷評價模型的精確與否。通過滑動趨勢法對小麥年產(chǎn)量數(shù)據(jù)進(jìn)行處理得到逐年減產(chǎn)率，其計算步驟如下[24]：

第一步為產(chǎn)量的加性分解過程：

式中：Y為小麥實(shí)際產(chǎn)量，kg/hm2；Yw為反映小麥?zhǔn)軞夂虿▌佑绊懙臍庀螽a(chǎn)量，kg/hm2；Yt為小麥趨勢產(chǎn)量，kg/hm2，表示因相鄰幾年科技進(jìn)步影響有限所擬的小麥產(chǎn)量自然波動狀況；ΔY為隨機(jī)產(chǎn)量，kg/hm2，小麥增產(chǎn)和減產(chǎn)很少由于局部突變造成，都是受某一因素長期作用，所以一般認(rèn)為ΔY為0。

第二步為計算小麥趨勢產(chǎn)量：

式中：p表示方程時序號；K為滑動步長（本次研究規(guī)定為11 a）；n為樣本個數(shù)30；Yp為第p年小麥的趨勢產(chǎn)量，kg/hm2；t為時間序號（當(dāng)p=1 時，t=1,2,…,K;當(dāng)i=n-K+1 時，t=n-K+1，n-K+2，n-K+3,…,n）。

第三步用多年平均去除波動的差異性：

式中：為第t年份小麥的平均趨勢產(chǎn)量，kg/hm2；m表示每時序方程計算的序號；q為每時序方程計算的總個數(shù)，與n和K有關(guān)（本研究q為6）。

第四步為計算逐年減產(chǎn)率：

式中：YRR為小麥的逐年減產(chǎn)率，%，本研究利用逐年減產(chǎn)率表征實(shí)際受災(zāi)程度。

1.3.5 因子貢獻(xiàn)度評價法

因子貢獻(xiàn)度評價法可清晰反映各因子對脆弱性評價的貢獻(xiàn)程度[25]，厘清影響因子的主次關(guān)系，其公式為：

式中：Cij為指標(biāo)層的第i要素的第j項指標(biāo)的因子貢獻(xiàn)度大??；ωj為第j項指標(biāo)所占的權(quán)重；Sij代表第i要素的第j項指標(biāo)的隸屬度；Ui為準(zhǔn)則層的貢獻(xiàn)度，表示第i要素的因子貢獻(xiàn)度大小。

2 評價指標(biāo)的選取

從干旱的致災(zāi)機(jī)理考慮，一般認(rèn)為[26,27]氣象、作物需水等自然環(huán)境條件與社會經(jīng)濟(jì)條件是影響脆弱性的主要因素。本文在總結(jié)前人研究成果基礎(chǔ)上，結(jié)合系統(tǒng)性、獨(dú)立性和易獲取性的原則，選取了8項指標(biāo)建立小麥的農(nóng)業(yè)干旱脆弱性綜合評價體系，如表1所示。

表1 小麥干旱風(fēng)險脆弱性綜合評價指標(biāo)體系Tab.1 The drought vulnerability integrated evaluation index system of wheat

敏感性分為自然型因子與社會型因子。自然型敏感性指標(biāo)反映自然環(huán)境對干旱的抵抗能力，包括標(biāo)準(zhǔn)化降水指數(shù)（Standardized Precipitation Index，簡稱SPI）、作物水分虧缺指數(shù)（Crop Water Deficit Index，簡稱CWDI）與溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index，簡稱TVDI）。SPI表示降水出現(xiàn)概率的多少，由Gamma 概率分布函數(shù)正態(tài)化與標(biāo)準(zhǔn)化處理得到，本文選擇半年尺度的降水指數(shù)作為評價指標(biāo)[28]；CWDI表示小麥不同生理階段的需水狀況，從作物自身角度反映干旱的致災(zāi)程度，由日照、氣溫等數(shù)據(jù)通過Penman-Monteith 公式求得，具體公式見文獻(xiàn)[29]；TVDI是Sandholt[30]提出的一種生態(tài)指標(biāo)，從生態(tài)穩(wěn)定性方面評價自然環(huán)境的抵抗力，除表示區(qū)域內(nèi)植被覆蓋度，還反映了10～20 cm 土壤層的土壤水水環(huán)境[31]。TVDI由地表溫度與NDVI通過干、濕邊方程求得[32]，當(dāng)數(shù)值越大時，土壤含水率越少，抵抗能力也逐漸減弱。

社會型敏感性指標(biāo)反映環(huán)境抵抗干旱不利影響的能力，本文選取人口密度、小麥種植面積比重和抗旱面積3種指數(shù)作為評價指標(biāo)。人口密度和抗旱面積分別表示社會環(huán)境和作物自身對干旱的抵抗能力；而小麥種植面積比重則表示作物的暴露性程度，由于干旱具有擴(kuò)散性，當(dāng)干旱發(fā)生時，接觸程度越大，干旱造成的經(jīng)濟(jì)損失也越大。

恢復(fù)力表示干旱剛發(fā)現(xiàn)時，人們降低旱災(zāi)程度的社會經(jīng)濟(jì)能力，本文選擇復(fù)種指數(shù)、人均GDP 作為評價指標(biāo)。復(fù)種指數(shù)指一年內(nèi)作物的種植次數(shù)，由作物種植面積與耕地面積求得，種植次數(shù)越多，干旱造成的產(chǎn)糧損失越少；人均GDP則反映社會經(jīng)濟(jì)承受糧食損失的能力，GDP 越高，人們越能承受減產(chǎn)帶來的損失。

3 結(jié)果與分析

3.1 權(quán)重的確定

在綜合考慮專家意見的基礎(chǔ)上，對以上8項指標(biāo)構(gòu)建判斷矩陣，具體判斷結(jié)果見表2。為證明判斷矩陣的合理性，首先計算了最大特征值λmax、綜合一致性指標(biāo)CI和一致性比例CR，計算結(jié)果分別為8.453、0.065和0.046，一致性比例CR小于1，故判斷矩陣通過了一致性檢驗。其次利用層次分析法最確定各項農(nóng)業(yè)干旱脆弱性評價指標(biāo)所占的權(quán)重，結(jié)果見表3。由表可知，降水、作物需水、植被覆蓋度與土壤水環(huán)境仍是影響干旱的主要因素，其次為小麥種植面積比重與抗旱面積。

表2 安陽市農(nóng)業(yè)干旱脆弱性指標(biāo)判斷矩陣Tab.2 Determination matrix of agricultural drought vulnerability indicators in Anyang City

表3 各項農(nóng)業(yè)干旱脆弱性指標(biāo)權(quán)重Tab.3 Weighting of each agricultural drought vulnerability indicator

3.2 農(nóng)業(yè)干旱脆弱性的時序評價

由于2002年河南省對安陽市行政區(qū)劃進(jìn)行了重大調(diào)整，將原有的鐵西區(qū)、郊區(qū)調(diào)整為殷都區(qū)、龍安區(qū)，故本文收集了安陽市2003-2018年的數(shù)據(jù)來進(jìn)行農(nóng)業(yè)干旱脆弱性時序評價。為消除各指標(biāo)的量綱，利用公式（1）和（2）得出8項指標(biāo)的標(biāo)準(zhǔn)值，見表4。

表4 各項指標(biāo)標(biāo)準(zhǔn)化處理結(jié)果Tab.4 Standardized processing results for each indicator

在充分考慮降水供給、作物水分需求、土壤水環(huán)境及社會因素的共同作用下，基于線性加權(quán)綜合評價法計算得到安陽市農(nóng)業(yè)干旱脆弱性綜合評價指數(shù)，其取值范圍為[0,1]。當(dāng)指數(shù)數(shù)值越高時，表示該地區(qū)抵抗干旱的能力越弱，干旱造成的損失也越大。有研究表明[33]，不同程度的干旱狀態(tài)，其發(fā)生概率也不同，輕度干旱和中度干旱在災(zāi)害發(fā)生概率中占比最高，各為34.1%和9.2%；而出現(xiàn)重旱和極端干旱的可能性極低，分別只有4.4%和2.3%。本次農(nóng)業(yè)干旱脆弱性綜合評價等級界限參照了該理論，具體劃分與評價結(jié)果見表5和表6。

表5 脆弱性綜合評價等級分類界限Tab.5 Vulnerability comprehensive evaluation level classification boundaries

由表6可清晰看出，綜合評價指標(biāo)與逐年減產(chǎn)率的評價結(jié)果均顯示，在2003年到2018年期間安陽市大約出現(xiàn)過10次干旱，且以輕度干旱為主，這與陳少丹[34]的結(jié)論一致；自2010年以后，隨著社會生產(chǎn)力的提高，社會型敏感性與恢復(fù)力指數(shù)逐漸降低，干旱的發(fā)生概率也隨之下降。但仔細(xì)觀察可發(fā)現(xiàn)，干旱年份的自然型敏感指數(shù)均表現(xiàn)出較高水平，這說明氣候環(huán)境條件仍是決定干旱的主要因素。橫向比較可知，除2009、2011 和2012 這3 個年份，含TVDI的脆弱性評價等級與受災(zāi)等級均保持一致，而不含TVDI的評價等級有五年與受災(zāi)等級不一致，含TVDI的評價精度比不含TVDI的提高了12.5%，這說明本綜合評價指數(shù)在時序干旱脆弱性評價上是可行的。

表6 2003-2018年安陽市農(nóng)業(yè)干旱脆弱性綜合評價隸屬度Tab.6 Subordination degree of agricultural drought vulnerability integrated evaluation of Anyang City in 2003-2018

3.3 農(nóng)業(yè)干旱脆弱性的空間評價

直觀分析農(nóng)業(yè)干旱脆弱性綜合評價指數(shù)的評價效果，選擇距今最近的2017年作為干旱典型年，采用ArcGIS 繪制安陽市農(nóng)業(yè)干旱脆弱性風(fēng)險區(qū)劃與逐年減產(chǎn)率空間分布圖，如圖2所示。由圖2（a）可以看出，干旱集中出現(xiàn)在安陽北部及東南地區(qū)，尤以文峰區(qū)的干旱風(fēng)險嚴(yán)重，其次為北關(guān)區(qū)、殷都區(qū)、龍安區(qū)、湯陰縣、安陽縣、滑縣、內(nèi)黃縣；圖2（b）顯示的受災(zāi)最嚴(yán)重地區(qū)為安陽縣，其次為北關(guān)區(qū)、文峰區(qū)、湯陰縣、滑縣。

圖2 2017年安陽市農(nóng)業(yè)干旱脆弱性及受災(zāi)減產(chǎn)分區(qū)Fig.2 Agricultural drought vulnerability and affected yield reduction of Anyang City in 2017

對比圖2所示的兩類結(jié)果可知，農(nóng)業(yè)干旱脆弱性區(qū)劃與逐年減產(chǎn)率反映的實(shí)際受災(zāi)情況在空間分布上基本吻合，干旱狀況均出現(xiàn)在安陽北部，與劉勤娣[35]的結(jié)論一致，這是由于西部太行山脈擋住了來自西北方向的低壓冷空氣所致。

3.4 因子貢獻(xiàn)分析

為探尋生態(tài)因子對農(nóng)業(yè)干旱脆弱性綜合評價的影響程度，同樣以2017年為干旱典型年，分別對含TVDI與不含TVDI的兩種因子貢獻(xiàn)度進(jìn)行識別，如圖3所示。雖然加入社會型因素減少了TVDI在敏感性因子貢獻(xiàn)度的比重，但含TVDI的因子貢獻(xiàn)度均高于不含TVDI的，尤其以林州市的結(jié)果差距最大，含TVDI的分別比不含TVDI的高出10%與23%；而在殷都區(qū)、龍安區(qū)和滑縣，兩種貢獻(xiàn)度基本一致。由此推斷，在城市類地區(qū)，土壤含水量較少，土壤水環(huán)境較差，TVDI表征的植被覆蓋度與土壤水環(huán)境對脆弱性影響相對較弱；在非城市類地區(qū)，土壤含水量是影響作物生長的關(guān)鍵因素之一，TVDI表征的植被覆蓋度與土壤水環(huán)境對脆弱性評價起著較為重要的作用。

圖3 安陽市各縣因子貢獻(xiàn)度分析Fig.3 Analysis of the contribution by counties in Anyang

4 討 論

本文在充分考慮生態(tài)因子對脆弱性綜合評價影響的基礎(chǔ)下，構(gòu)建了安陽市農(nóng)業(yè)干旱脆弱性綜合評價指數(shù)，從時間與空間序列上檢驗了指數(shù)的準(zhǔn)確度，并分析了TVDI表征的生態(tài)植被與土壤水環(huán)境對敏感性因子貢獻(xiàn)度變化的影響程度。對比表4與表6結(jié)果可發(fā)現(xiàn)，在年均降水最稀缺的2011年與2014年，其脆弱性風(fēng)險值并不是最高的；在2013年與2018年同樣出現(xiàn)了降水少而脆弱性強(qiáng)的情況，從而推斷雖然降水仍是決定干旱脆弱性的主要因素，但隨著社會發(fā)展水平的提高，降水對農(nóng)業(yè)干旱的影響程度正在降低，這與田豐[36]在華北平原的研究結(jié)果是一致的。觀察圖2可知，脆弱性較重的地區(qū)集中分布在城市區(qū)或農(nóng)業(yè)種植區(qū)，這與王鵬[37]的結(jié)果是一致的，這是由于該類地區(qū)水資源開發(fā)程度較高，而植被覆蓋少，地下水環(huán)境不良所致。由圖3可得，土壤水環(huán)境對敏感性因子貢獻(xiàn)度有明顯提高作用，這與Du[38]的加入土壤背景調(diào)整因子可提高脆弱性評價精度的結(jié)論一致，Liang[39]也發(fā)現(xiàn)在河南地區(qū)土壤水分環(huán)境對氣候波動和干旱變化的影響較其他地區(qū)更為顯著。綜上所述，雖然層次分析法較為傳統(tǒng)，但根據(jù)專家經(jīng)驗，可較為準(zhǔn)確地確定各指標(biāo)的權(quán)重，評價結(jié)果與受災(zāi)變化的一致性也驗證了本綜合評價指數(shù)的準(zhǔn)確性。

通過對比含TVDI與不含TVDI的評價結(jié)果和因子貢獻(xiàn)度可得，土壤水環(huán)境在農(nóng)業(yè)干旱評價中發(fā)揮著重要作用，生態(tài)植被對土壤水環(huán)境的改善可以抑制地表蒸騰[40]，降低地表溫度的升高[41]，因此在未來干旱評價中應(yīng)適當(dāng)加大生態(tài)因子的影響比例，尤其是土壤水環(huán)境。由于TVDI會受到云層和衛(wèi)星質(zhì)量的影響，需要針對不同情形采用不同的濾波處理，所以該綜合評價指數(shù)的適用性還有待作進(jìn)一步驗證。未來計劃擴(kuò)大研究范圍，通過趨勢檢驗與突變檢驗等方法進(jìn)一步分析降水與生態(tài)因子對脆弱性的影響關(guān)系。

5 結(jié) 論

本文采用層次分析法和線性加權(quán)綜合評價方法構(gòu)建了農(nóng)業(yè)干旱脆弱性綜合評價指數(shù)，計算了安陽市下轄9個區(qū)域的脆弱性風(fēng)險指數(shù)，結(jié)果表明：

（1）在時序評價中，分析表明安陽市干旱發(fā)生頻率較高，以輕度干旱為主，其中氣候條件仍是影響該區(qū)域干旱發(fā)生的主要原因；含TVDI 指標(biāo)的綜合評價指數(shù)的評價結(jié)果與逐年減產(chǎn)率所表示的實(shí)際受災(zāi)情況基本一致，其精確度比不含TVDI的提高了12.5%。

（2）在空間評價中，分析表明評價結(jié)果與逐年減產(chǎn)率的變化趨勢基本一致，受災(zāi)地區(qū)主要集中在北部平原，在安陽市未來旱災(zāi)治理中應(yīng)以北部降水少的地區(qū)為主開展預(yù)防工作。

（3）各縣因子貢獻(xiàn)度變化表明，在非城市地區(qū)，土壤水環(huán)境占自然型敏感因子貢獻(xiàn)度的比例最高可達(dá)23%，最低也在5%以上，故生態(tài)因子對農(nóng)業(yè)干旱脆弱性評價起著較高的影響。