引言

干旱是全世界最严重、最常见的自然灾害之一，其特点是影响范围广、持续时间长、发生频率高，往往对国民经济特别是农业生产造成重大影响。我国农业受旱面积20世纪50年代年均超过25.5×10⁸ hm²，到20世纪90年代年均达54.6×10⁸ hm²，因旱灾损失的粮食由年均43.5×10⁸ kg增加到195.7×10⁸ kg，给农业生产和人民生活带来严重影响(程静，2011)。政府间气候变化专门委员会(IPCC，2013；2014)系列评估报告表明，未来全球温度将持续升高、水循环加快，尤其是中纬度地区干旱将有加重趋势。夏玉米是淮河流域的主要秋粮作物，在食品安全和国民经济发展中具有举足轻重的地位。干旱是夏玉米生育期的主要气象灾害，水分条件又成为夏玉米丰歉的决定因素(陈长青等，2011；田红等，2012；史本林等，2013；李德等，2013；郝宏飞等，2017)。有研究表明(周冬梅等，2014；徐英等，2017)，抽雄前后是夏玉米需水量最大的时期，抽雄－乳熟期则是水分胁迫的关键期，此期间干旱造成缺水将严重影响夏玉米正常生长和授粉，进而影响夏玉米后期生长发育及产量形成，严重时还会导致绝收，所以此期间出现的干旱俗称卡脖子旱。

尽管未来气候变化趋势不可逆转，但现有研究中对淮河流域未来气候变化及干旱风险预估涉及较少。干旱风险是某地区一段时间内降水短缺以及该地区承灾体暴露度和脆弱性共同作用的产物(Wilhite et al., 2000)。随着人们对旱灾损失加剧及其认识的不断深入，干旱风险理论研究不断深入(黄崇福，2012；许玲燕等，2013)。任鲁川(1999)和许凯等(2013)直接利用灾害损失数据确定风险水平；张琪等(2011)在综合考虑干旱发生概率、作物抗旱能力和种植面积等因素的基础上，建立了农业干旱风险评估模型。本研究在以往相关工作(Wu et al., 2011；王胜等，2015)的基础上，不局限于以气象致灾因子为主或将致灾因子与承灾体分开的传统风险评估方法，从干旱致灾因子危险性出发，选择旱灾风险识别指数，确定干旱致灾阈值；再利用气候模式资料，预估淮河流域未来夏玉米卡脖子旱气候变化风险，期望为该流域夏玉米种植科学布局及应对气候变化影响提供参考，也为政府部门提升农业灾害风险管理和决策水平提供科学依据。

1 资料与方法 1.1 资料说明

本研究使用的资料包括相关气候资料以及夏玉米生育期和生产资料。分别对其说明如下：

(1) 气候资料。1) 国家气象信息中心1961—2019年淮河流域170个气象台站逐日气温和降水量观测数据，该资料主要用于计算历年气象干旱指数。2) 部门间影响模型比较计划(ISI-MIP)项目气候模式数据，该数据用于对未来干旱危险性预估。其中，水平分辨率为0.5°×0.5°的3种典型浓度路径(RCPs)下的逐日预估数据集(Hempel et al., 2013；Vetter et al., 2015)，是通过对第5次耦合模式比较计划(CMIP5)中的5个全球海气耦合模式即GFDL-ESM2M (GFDL，美国)、HaDGem2-ES (HadGem，英国)、IPSL_CM5A_LR (IPSL，法国)、MIROCESM-CHEM(MIROC，日本)和NorESM1-M(NorESM，挪威)进行降尺度和偏差订正后得到。RCPs情景是以单位面积辐射强迫为特征的气候变化情景，其中，RCP4.5为中低排放情景，假定辐射强迫在2100年之后稳定在4.5 W·m^-2；RCP6.0为中高排放情景，假定辐射强迫在2100年之后稳定在6 W·m^-2；RCP8.5为高排放情景，假定辐射强迫在2100年之后超过8.5 W·m^-2。

模拟历史回算时段为1950年1月—2005年12月；预估时段为2006年1月—2099年12月。近年有研究(Warszawski et al., 2014；McWeeney and Jones, 2016)证实，ISI-MIP项目5个模式在季节平均气温和降水预估方面的FRC (fractional range coverage)指数分别为0.75和0.59，优于从CMIP5中随机选取的5个模式，更适合代表区域平均气温和降水变化。

(2) 夏玉米资料。包括1961—2019年淮河流域153个县市夏玉米生育期、播种面积、单位面积产量、干旱灾情等资料，该资料用于确定干旱致灾临界条件。夏玉米主要种植品种包括鲁单981、郑单958、登海605等，基本为中晚熟型。

1.2 研究方法 1.2.1 气象干旱综合指数的计算

2016年国家气候中心在CI指标基础上修订了国家标准《气象干旱等级》(张存杰等，2016)，建立了MCI干旱指数，计算公式如下：

$\begin{aligned} M C I=& a \times S P I W_{60}+b \times M I_{30}+c \times S P I_{90}+\\ & d \times S P I_{150} \end{aligned} $

(1)

$S P I W_{60}=S P I(W A P) $

(2)

$W A P=\sum\limits_{n=0}^{60} 0.95^{n} P_{n} $

(3)

其中，SPIW₆₀为近60 d标准化权重降水指数；P_n为距离当天前第n天降水量；MI₃₀为近30 d湿润度指数，计算MI₃₀涉及的可能蒸散量采用Thornthwaite方法计算(杨玮等，2018)；SPI₉₀和SPI₁₅₀分别为90 d和150 d标准化降水指数。其中a、b、c、d为经验权重系数，随着地区和季节变化进行调整。经在淮河流域开展的业务试验确定，4—9月a、b、c、d分别为0.5、0.6、0.2、0.1，其他月份则分别为0.3、0.4、0.3、0.2。

MCI物理意义明确，不但解决了以往干旱监测过程干旱等级忽高忽低的不合理现象，还解决了干旱监测比实际偏轻问题，能较好地反映区域干旱发生、发展与结束过程。本文计算逐日MCI用的是CMIP5模式资料，再通过MCI预估21世纪不同时期夏玉米卡脖子旱风险演变。

1.2.2 夏玉米气候减产率的计算

同一地区、同一种作物年际间的产量变化主要是由气候因子的波动造成，作物的最终产量是受生产力发展水平影响的趋势产量和由气候因子决定的气候产量共同作用的结果。夏玉米的实际产量(Y)和气候减产率(R) 可表示为(曲思邈等，2018)

$Y=Y_{\mathrm{c}}+Y_{\mathrm{t}}+\varepsilon $

(4)

$R=\frac{Y_{\mathrm{c}}}{Y_{\mathrm{t}}} \times 100 \% $

(5)

其中，Y_c为气候产量；Y_t为5 a滑动趋势产量；ε为受随机因素影响的分量(常忽略)。

1.2.3 卡脖子旱期的划分

干旱胁迫造成的夏玉米减产程度，不但取决于干旱的严重程度，还取决于干旱的发生阶段。就淮河流域而言，卡脖子旱发生在夏玉米从抽雄到乳熟过程这一受干旱胁迫的关键期。为准确预估未来情景下干旱灾害风险，首先要确定21世纪不同时期淮河流域夏玉米抽雄—乳熟期的时段。考虑到气温在夏玉米生长发育过程中起主导作用，本文以≥10 ℃的累积积温(T_10℃)确定其发育时段。历年实际观测资料显示，淮河流域夏玉米抽雄—乳熟期在7月中旬至8月上旬。假定未来时段保持现有的夏玉米种植制度和品种不变，以1981—2010年实测资料作为气候态，利用同期气温资料计算其各生育期的T_10℃，并将其带入未来气候情景。然后，以气候态5 d滑动稳定≥23 ℃的初日平均值作为其适播期(于波，2013)，再采用5 d滑动平均法以及T_10℃确定其生育期。以1976—2005年为基准年，考虑到未来气候变化的差异，分别选取2020—2039年、2040—2069年、2070—2099年作为21世纪的近期、中期和远期。表 1给出不同RCPs情景下未来淮河流域夏玉米抽雄—乳熟期的时段变化。从中看到，该流域21世纪不同时期的抽雄—乳熟期较其基准期(7月22日—8月20日)均明显提前，远期提前尤为明显。基于模式推算的夏玉米抽雄—乳熟期与1981— 2010年实测资料较为接近，表明模式推算的基准期具有较好的参考价值。

1.2.4 干旱致灾阈值的确定

基于干旱致灾机理，以干旱持续期内单位时段旱灾风险的累加反映其累积效应，并从干旱致灾因子危险性出发确定旱灾风险识别指数(王胜等，2015)。从以往研究(杨帅等，2014)及业务应用经验看，MCI只有达到中等及以上气象干旱(MCI≤-1.0)时才会引起减产。鉴于此，统计1961—2019年淮河流域夏玉米抽雄—乳熟期MCI ≤-1.0的日数，并以此作为致灾危险性指数。基于历年的夏玉米减产资料，挑选出夏玉米卡脖子旱代表年(即轻、中、重等不同干旱程度年份)，即1961、1962、1977、1978、1988、1995、2000、2006、2011、2013年共10个年份，构建致灾危险性指数(D_r) 与相应气候减产率(R) 的关系如下

$R=0.698\;8 D_{\mathrm{r}}+6.238\;9 $

(6)

上述10 a夏玉米卡脖子旱期致灾危险性指数与其气候减产率均呈显著的线性关系(相关系数r=0.833 4，通过0.01显著性水平检验)。基于淮河流域夏玉米减产情况和以往相关研究(李佳等，2015)，根据气候减产率(R) 设定卡脖子旱造成的夏玉米减产程度，即R在10%~20%之间为轻度减产、＞20%~30%为中度减产、＞30%~35%为重度减产、＞35%~40%为严重减产；据此计算得到的各等级干旱致灾阈值见表 2。

1.2.5 干旱灾害风险评估模型的建立

基于灾害风险理论，灾害风险取决于致灾因子和承灾体(胡波等，2014；余田野等，2019)。在干旱致灾阈值确定的基础上，本文提出一个融合了致灾因子危险性、承灾体暴露度和脆弱性的风险评估模型，即

$H I=D_{\mathrm{r}} \times W \times V $

(7)

式(7)中，HI为干旱灾害风险指数；D_r为干旱致灾危险性指数，即夏玉米抽雄—乳熟期MCI ≤-1.0的日数；W为承灾体的暴露度，即播种面积占耕地面积比重；V为承灾体的脆弱性，以经归一化处理的各市县夏玉米单产来表示。

本文假定未来夏玉米播种面积占耕地面积比重、单产贡献率均不改变，即承灾体信息不变，然后基于上述模型预估未来不同时期淮河流域夏玉米卡脖子旱风险。

2 结果与分析

从干旱致灾因子危险性出发，建立基于历史灾损的干旱致灾阈值模型。在此基础上，结合承灾体暴露度和脆弱性构建风险评估模型，开展淮河流域夏玉米卡脖子旱风险预估。下文分别从气候模式对区域模拟性能、干旱演变趋势和未来夏玉米卡脖子旱风险等方面，预估未来不同情景下淮河流域夏玉米卡脖子旱风险。

2.1 气候模式对淮河流域的模拟能力

泰勒图以方位角的余弦代表模式与实况的相关系数，用与参考点(Reference，REF)的距离反映模式相对于实况的均方根误差，可全面反映多个模式的模拟能力(Taylor，2001)。选取1961—2005年观测与模式历史回算的平均气温和降水量，通过相关系数和标准差比对比可知(图 1)，GCMs对淮河流域平均气温和降水量具有一定的模拟能力，年平均气温模拟相关系数为0.23~0.58，均通过0.05显著性水平检验，其中HaDGem相关系数最大；与气温相比，GCMs对降水的模拟性能略差，以MIROC相关系数最大(0.41)。对5个GCMs采用等权重集合平均(Multi-model ensemble mean，MME)，平均气温模式模拟场与观测场的相关系数为0.61，高于单个模式；集合平均的降水模拟性能不及MIROC。鉴于此，平均气温选取MME，而降水量选取MIROC结果。

2.2 夏玉米卡脖子旱期气象干旱日数预估

图 2是RCP4.5、RCP6.0、RCP2.6三种排放情景下基于MCI预估的2020—2099年淮河流域夏玉米抽雄—乳熟期中等以上气象干旱日数及降水量变化。从中看到，在RCP4.5情景下(图 2a)，气象干旱日数及对应时段降水量年际波动大，气象干旱日数略有减少而降水量略有增加，但均未通过0.05显著性水平检验。在RCP6.0 (图 2b)和RCP8.5 (图 2c)情景下，干旱日数均呈线性增大趋势，增加率分别为0.8、0.2 d·(10 a)^-1；对应时段降水量呈线性减少趋势，减少率分别为11.1 mm·(10 a)^-1和7.4 mm·(10 a)^-1，其中RCP6.0情景下气象干旱日数及降水量变化趋势均通过0.05显著性水平检验。

总体看，淮河流域未来夏玉米卡脖子旱将有可能会加重，尽管RCP4.5情景下气象干旱日数略呈减少趋势，但由于其年际波动较大，部分年份干旱日数也较多，旱灾风险仍较大。

2.3 夏玉米卡脖子旱不同危险性指数等级频率预估

基于表 1中淮河流域卡脖子旱致灾阈值，计算未来不同时期夏玉米干旱致灾风险频率。结果表明，不同RCPs情景下远期干旱风险频率最高，为22%~35%；近期次之，为18%~35%；中期最低，仅17%~25%。从不同风险等级看，该流域未来夏玉米干旱低风险出现频率最高，三种情景下平均致灾频率为10%~12%；中等风险次之；较高风险和高风险出现频率较低(2%~5%)。从空间分布看(图略)，淮河流域西北部及东部卡脖子旱致灾风险频率高，而流域中部及西南部相对较低。

与基准期相比，淮河流域未来中期干旱致灾风险频率有所减小，未来近期和远期干旱致灾风险频率总体变化不大，但其不同风险等级及不同情景下的差异明显(图 3): RCP4.5和RCP6.0情景下未来近期低风险频率减小，而RCP8.5情景下其增加达9.6%；RCP4.5情景下中等风险增加，而RCP6.0和RCP8.5情景下则减小；较高风险总体上呈增加趋势，而高风险与基准期差异不大。淮河流域未来夏玉米卡脖子旱远期低风险和高风险致灾频率总体降低，但中等及较高风险总体增加，尤其是在RCP6.0和RCP8.5情景下增加明显。

2.4 未来情景下夏玉米卡脖子旱风险预估

基于不同RCP情景下计算得到的干旱危险性指数序列，利用干旱灾害风险评估模型(式7)对21世纪淮河流域近期、中期和远期夏玉米卡脖子旱灾害风险进行预估，其结果见图 4（见上页）。

从图 4中看到，21世纪近期(图 4a)，RCP4.5情景下淮河流域北部及中西部夏玉米干旱风险较高或高，流域东部风险低；RCP6.0情景下全流域卡脖子旱灾风险低；RCP8.5情景下流域西北部风险较高，其他地区风险较低或中等。21世纪中期(图 4b)，RCP4.5情景下淮河全流域卡脖子旱灾风险低；RCP6.0情景下该流域中南部和东部风险较高、西部和北部为低或中等风险；RCP8.5情景下流域东北部为中等或较高风险，其他大部地区风险低。21世纪远期(图 4c)，RCP4.5情景下流域北部夏玉米卡脖子旱灾风险较高或中等，流域南部风险低；RCP6.0情景下除流域南部为中等风险，其他大部地区风险较高或高；RCP8.5情景下全流域夏玉米卡脖子旱风险较高。

综上所述，受致灾因子及承灾体的综合影响，淮河流域夏玉米干旱灾害风险存在明显的空间差异，总体上，该流域北部风险高于南部、西部高于东部；从21世纪不同时期看，干旱风险远期最高，近期次之，中期相对较低；不同RCPs情景下干旱风险由低向高逐渐增加，即RCP4.5＜RCP6.0＜RCP8.5。

3 结论与讨论

全球气候模式被认为是认识和归因过去气候变化并对未来进行预估的最有效工具。本文针对淮河流域夏玉米卡脖子旱，建立了基于历史灾损的干旱致灾阈值模型，计算不同RCP情景下致灾阈值以上气象干旱发生频率，结合承灾体暴露度和脆弱性构建风险评估模型，开展淮河流域夏玉米卡脖子旱风险预估。主要得到如下结论：

(1) 不同GCMs对淮河流域具有较好的模拟能力，不同模式对气温都具有较好的模拟性能，其中MME模拟效果优于单个模式；降水模拟的不确定性较大，相对而言，以MIROC模拟性能较好。

(2) 未来不同RCPs情景下，淮河流域夏玉米抽雄—乳熟期较基准期均明显提前、生育期日数均缩短。2020—2099年该生育期气象干旱日数及对应时段降水量年际波动大，气象干旱日数RCP4.5情景下略有减少，RCP6.0和RCP8.5情景下增加，尤其是RCP6.0情景下线性增加趋势明显。与之相反，该生长阶段降水量RCP4.5情景下略有增加，RCP6.0和RCP8.5情景下减少，其中RCP6.0情景下线性减少趋势明显。

(3) 不同RCPs情景下夏玉米卡脖子旱致灾风险频率以21世纪远期最高(22%~35%)，近期次之(18%~35%)，中期最低(17%~25%)。与基准期相比，未来中期干旱致灾风险频率有所减小，未来近期和远期其总体变化不大，但21世纪远期中等和较高干旱风险发生频率将可能增加。

(4) 在致灾因子及承灾体综合影响下，未来淮河流域夏玉米卡脖子旱年际波动大，干旱风险总体增大，21世纪不同时期以远期风险最高；干旱风险随排放情景由低到高依次增大。预估的干旱风险空间差异明显，总体上淮河流域北部风险高于南部、西部高于东部。

淮河流域地处南北气候过渡地带，未来气候变化年际波动大，夏玉米卡脖子旱气候变化风险可能增大，造成该流域农业生产不稳定性增大。针对该流域未来卡脖子旱变化及其对夏玉米生产的影响，可以采取如下应对措施: 一方面，不断优化该流域夏玉米种植制度、作物布局、品种布局，使之较好地适应未来气候变化；另一方面，加强水资源管理和旱灾应急管理双管齐下，做到趋利避害。需要指出的是，本文在夏玉米干旱灾害风险预估研究方面取得的部分结论，虽可为未来淮河流域夏玉米生产应对气候变化、干旱灾害风险等提供一些科学依据，但基于未来情景的夏玉米干旱灾害风险预估过程较为复杂，本研究结果尚存在一定的不确定性，其原因有二：一是预估精度主要依赖气候模式的可靠性。CMIP5气候模式情景数据是由气候模式数值试验得到的，虽经过修正，但受制于数值模式完备程度、未来辐射强迫情景及模式参数化(高学杰等，2010；吴佳等，2011)，其不确定性是气候变化研究必须考虑的重要部分。二是任一风险评估模型均是建立在一定的假设前提下，如减产受气候、生产管理等多重因素影响，在对气候因子进行剥离以及对干旱承灾体脆弱性等复杂过程进行简化处理时，忽略掉了一些非决定性细节，必然会增大预估结果的不确定性(Janacek，1997；殷晓洁等，2013)。