自然灾害特别是气象灾害造成的影响极其巨大。据Obasi^[1]统计, 在各种自然灾害造成的总损失中由气象灾害引起的损失占85%左右。在气象灾害中, 旱涝灾害的影响是最为严重的。朱煌武等^[2]通过对1991—2000年安徽省气象、地质、生物、环境及事故5类灾害造成的损失进行统计发现, 10年间安徽省以旱涝为主的气象灾害造成的直接经济损失高达1333亿元, 远高于其他4类灾害损失总和。王镇铭等^[3]对浙江省1989—1999年旱涝灾害分析表明, 干旱、洪涝灾害对国民经济潜在影响程度分别达到每十万公顷损失占GDP的0.1262%和0.7332%。

目前国内外用于进行旱涝判别的指标很多^[4-16]。普遍采用的旱涝指标主要包括降水距平百分率、土壤湿度指数、Z指数、Palmer干旱指数(PDSI)、标准化降水指数SPI, Bhalme-Mooley干旱指标BMDI等^[4-9]。我国学者在应用过程中对这些指标进行了修正和比较分析^[10-19], 其中一些旱涝指标更多地考虑对农业的影响^[17-19]。通过结合地面的一些气象、物候、土壤观测资料建立气象灾害监测、诊断分析模型, 对灾害的发生状况和危害情况进行评估, 在国内一些地区也已取得初步成果^[20-28]。在灾害损失评估方面, 从致灾因子频度、强度, 孕灾环境稳定性的历史演变、承灾体脆弱性的变化等多方面进行综合的灾害及其损失评估。一些学者^[21-25]则重点在如何建立旱涝对农作物影响指标等方面进行了研究。

安徽省地处南北气候过渡带, 气候条件极为复杂, 气象灾害种类多、发生频繁, 给安徽省国民经济建设和社会发展特别是农业生产造成巨大影响。如20世纪90年代以来, 已在1991, 1996, 1998年出现较大范围的洪涝灾害, 损失都在百亿元以上, 其中1991年大水造成的损失高达275亿元, 较大范围的旱灾先后发生于1994, 1995, 2000年, 农作物受灾面积333×10⁴ hm², 导致粮食减产超过300×10⁴t, 经济损失达数十亿元。据统计, 安徽省由旱涝造成的农作物受灾面积平均每年在133×10⁴ hm²左右, 所造成的经济损失高达数十亿乃至数百亿元。安徽省在气象灾害研究方面取得了一些进展, 如周后福^[29]、时珍玲^[30]、王多文等^[31]从天气气候角度对气候灾害的时空特征进行了分析; 马晓群等^[32]分析了安徽省长江以北地区土壤水分与农田干旱的关系, 并应用前期降水量预测土壤水分(即干旱)的变化趋势; 张爱民等^[33-35]在利用3S技术监测评估气象灾害方面进行了研究。但总体上说, 安徽省作为气象灾害发生最为严重的省份之一, 对气象灾害的研究还很不充分, 特别在气象灾害对农业生产的影响及其损失评估方面尚未进行有效的分析研究。

本文拟重点针对安徽省主要气象灾害干旱、涝渍, 主要农作物小麦、水稻, 利用气象、农业、灾情等多种资料, 应用气候统计分析方法, 建立旱涝灾害气候判别指标, 分析全省旱涝灾害的发生分布规律, 定量分析旱涝灾害对农作物造成的影响, 建立旱涝灾害损失评估模型和指标, 实现对安徽省旱涝灾害的实时监测评估。

首先收集安徽省建国以来与农业气象灾害有关的数据资料, 根据安徽省气候生态条件进行气候分区。分区以气候要素(年日照时数、平均温度、降水量)、粮食产量, 结合农作物分布、行政区划进行。全省分为6个区域:淮北区(16个县市)、沿淮区(12县市)、江淮区(14县市)、沿江区(19县市)、江南区(13县市)、大别山区(4县市)。

本文采用Z指数进行旱涝判别:

(1)

式(1)中, C_s为偏态系数, φ_i为标准变量, 均可由降水资料序列计算求得。即

(2)

式(2)中,

(3)

Z指数通过对降水量进行处理而得到服从标准正态分布的降水序列, 消除了不同时间和空间尺度降水量平均值不同所造成的误差, 对旱涝程度具有较好的反映能力。本文将Z指数划分为20个等级(表略)用于表征旱涝强度, 其中1~10表示干旱由极旱到正常, 11~20表示由正常到极涝。

根据1961—2000年各县逐月降水资料得到分区域平均降水量, 计算分区与历年逐月Z指数, 通过对全省和分区Z指数的年际和月季变化分析安徽省旱涝灾害的时空分布特征。

对农作物灾损率评估, 选择各区中作物(小麦、一季稻)种植面积较大、产量较高的县作为代表站点, 资料年代取1961—2000年, 首先对各代表站进行趋势产量分解, 计算灾损率。灾损率可由作物的实际产量与趋势产量(趋势产量可视为在正常气象条件下可能达到的理想产量)的差值获得:

(4)

式(4)中, Y_D为农作物灾损率; Y为农作物实际产量; Y_h为趋势产量, 一般采用统计学方法进行分解获得, 本文采用11年滑动平均方法。如果实际产量高于趋势产量, 则表明无灾损, Y_D取0。

然后进行典型旱涝年(即主要由旱涝灾害引起的减产年份)分析, 确定受灾敏感时段, 通过代表站农作物受灾敏感时段Z指数(及致灾气象要素)与损失率的统计分析, 得到安徽省不同区域农作物各主要生育时段遭受旱涝灾害可能造成的减产损失率, 从而建立安徽省主要农作物灾害减产率评估指标。

本文所用气象资料来自于安徽省气象局气象资料数据库, 农作物产量资料和灾情资料来自于安徽省统计年鉴。通过对相关数据资料的分析, 按照分区、分作物、分灾害、分时段的方法建立农业气象灾害指标库。

就全省而言(图 1), 气候正常的年份很少, 轻旱或轻涝以上(Z≥14或Z≤7)的年份有26年, 占65%;完全正常的年份(Z=10或Z=11)仅有3年, 分别是1972, 1986年和1995年, 基本正常年份(8≤Z≤13)有14年; 偏涝年有13年, 最严重的涝年为1991年(Z=18);偏旱年份有13年, 最严重的旱年为1978年(Z=1)。其中, 20世纪60年代以旱为主, 1965—1968年连续干旱; 70年代除1978年发生建国以来最严重的全省性特大干旱(Z值达最高的1级)、1973年干旱、1980年严重涝灾外, 其他年份基本正常; 80年代以涝为主, 1979年至1984连续偏涝; 90年代旱涝交替发生, 1991, 1996, 1998, 1999年全省大部分区域发生严重涝灾, 1994, 2000年出现仅次于1978年的大旱。

图 1

图 1. 安徽省1960— 2000年年度旱涝等级 Fig 1. The grades of the drought and the waterlogging disasters in Anhui Province during 1960— 2000

从不同生态区域看, 对于沿淮、淮北区域, 偏旱年份(级别小于8)淮北有19年, 沿淮有14年, 偏涝年份淮北有12年, 沿淮有13年; 淮北旱多于涝, 而沿淮区域旱涝相当。旱涝灾害发生的基本趋势为: 20世纪60年代旱涝灾害交替发生, 且旱涝灾害强度较大; 70年代以旱为主, 1978年发生特大干旱, 1972, 1980年涝灾较重; 80年代沿淮淮北仍是旱重于涝; 90年代气候变化比较剧烈, 旱涝交替发生, 1991, 1996, 1998年发生严重涝灾, 1994, 2000年出现仅次于1978年的大旱。对于江淮、沿江区域, 偏旱年份(级别小于8)江淮有16年, 沿江有11年; 偏涝年份江淮有14年, 沿江有17年。江淮区域旱涝相当, 而沿江则涝多于旱。旱涝灾害发生的基本趋势为: 20世纪60年代以旱为主, 从1964—1968年连续5年干旱; 70年代除1978年发生特大干旱以及江淮区域1975, 1980年发生严重涝灾、沿江区域1979, 1980年出现较重洪涝内涝外, 其他年份旱涝灾害较轻; 80年代以涝为主, 其中从1979—1984年持续涝灾; 90年代旱涝交替发生, 沿江区域涝灾发生5次, 旱灾仅出现2次; 但江淮区域则旱涝灾害各发生3次。大别山区偏涝年份(17年)比偏旱年份(14年)多3年, 而江南区域偏涝年份与偏旱年份均为13年。旱涝灾害发生的基本趋势为20世纪60年代前涝后旱, 以旱为主; 70年代则前涝后旱, 以涝为主, 其中大别山区涝灾比较严重; 80年代大别山区和江南区域均是涝重于旱, 有5年出现涝灾, 但旱灾只发生2年; 90年代旱涝交替发生, 且旱涝灾害的强度均较大。

从旱涝的月季分布看, 淮北区域轻旱(6~7级)各月发生频次均较高, 其中11月频次最高; 中等干旱(4~5级)冬季12月、2月以及夏秋7—10月发生频次较高, 尤以秋初10月份发生频率最高; 重旱(1~3级)主要发生在7—8月。沿淮淮北区域不同等级的涝灾各月均有发生, 其中中等以上涝灾各月发生频次基本相同、以7月份最大; 轻度涝灾发生频次最多的是10月、4月和8月。江淮区域中轻度干旱以11月发生频率最高, 4—6月和8月出现的几率也较大, 出现最少的为1—3月; 江淮地区轻度涝灾发生几率较大的是冬季12月和1月, 而严重涝灾各月发生频次基本一致, 其中11—12月出现几率很小。沿江江南区域轻度旱涝发生频次较高的是冬春季的11月至次年4月, 其中1月发生频次最高; 中等干旱11月、4月、5月发生频次较高; 重旱主要发生在4—5月。不同地区各季节旱涝发生频次随旱涝等级分布基本符合正态分布, 即由正常级别向旱、涝两个方向随旱涝程度的加剧发生频次逐步减少, 但不同区域不同季节有一定差异。淮北和江淮区域夏季非常符合正态分布, 但沿江江南则向涝偏态; 春季、秋季各生态区域均向旱偏态; 冬季偏态不明显。

安徽省一季稻的种植区域范围广泛, 但主要种植区集中在沿淮淮北、江淮之间和沿江江南3个区域, 各区选取一季稻种植面积较大、产量较高的站点作为代表站, 即沿淮淮北区选取霍邱、寿县、凤阳、怀远、嘉山、颖上、五河7个站; 江淮区选取定远、来安、滁州、天长、六安、肥西、肥东、巢湖、庐江9个站; 沿江江南区选取无为、和县、当涂、宣州、池州5个站。资料年代取1971—2000年。

水稻典型干旱年份有1971, 1978, 1979, 1992, 1994, 2000年。1971年虽然干旱持续时间较长, 普遍达20~40 d, 但由于不是在一季稻的关键期, 所以产量损失不是特别大, 沿淮、江淮、沿江各稻区一季稻普遍减产一成左右。1978年由于干旱时间长, 且旱灾大都出现在一季稻发育关键期, 因此各地一季稻均遭受严重损失, 减产率达到20%~30%, 甚至超过30%。1992年的旱情与1971年基本相当, 但干旱主要发生在7月下旬至8月中旬, 此时正是一季稻抽穗扬花至灌浆前期, 此时受旱对产量影响最大, 因此各地一季稻减产比例明显增加, 凤阳县等地灾损率达25.7%。

全省性的典型洪涝年主要是1991年, 沿淮地区1982年7月中旬至8月中旬、沿江江南1983年出现区域性洪涝灾害。这几个典型洪涝年一季稻灾损率均很高, 普遍减产三成以上, 最高的1982年颍上县灾损率达到56.5%。

从以上一季稻典型干旱和洪涝年份的灾情对比分析可以看到:旱灾发生持续时间长、影响范围广, 但灾损率相对较小, 而涝灾造成的一季稻减产损失明显大于旱灾; 发生在生长关键期的旱涝灾害对产量的影响大于其他时段。

根据一季稻典型旱涝年分区代表站点一季稻受灾敏感时段致灾气象要素及Z指数与灾损率统计分析, 得到安徽省不同区域一季稻各生育时段遭受旱涝灾害可能造成的减产损失率指标值(具体指标略)。

冬小麦干旱灾损评估方法与一季稻类似, 通过典型干旱年份干旱等级与灾害损失率的对比分析确定灾损评估分级指标。通过历史资料分析, 得出1967, 1978, 1994年和2000年为小麦典型干旱年份。1967年4月下旬至5月中旬淮北普遍发生干旱, 降水距平为-40%~-80%, 沿淮淮北冬小麦普遍减产一至三成, 其中宿县减产34.5%。1978年为全省范围典型的春夏秋连旱年, 3月中旬至5月下旬降水普遍偏少八至九成, 全省冬小麦普遍减产一至二成, 其中五河县减产23.3%。1994年4月中旬至6月上旬淮北春夏连旱, 冬小麦减产一至二成, 其中亳州减产26.6%。2000年1月下旬至5月中旬, 长江以北地区发生春旱, 冬小麦普遍减产一成以上, 其中灵壁减产19.0%。

由以上个例分析看出, 冬小麦产量损失与干旱发生时段密切相关, 发生在4—5月的干旱减产最重, 同时干旱的累积效应明显, 持续时间越长, 损失越重, 尤以冬春连旱对产量影响最大。经统计分析, 得到安徽省冬小麦不同发育期不同干旱等级灾损率指标(表略)。

由于春季渍害是影响安徽省冬小麦产量的主要气象灾害, 因此本文将春季渍害造成的冬小麦产量损失评估作为研究的重点。考虑到涝渍灾害主要是由于持续降水导致农田排水不畅, 产生田间土壤水分过饱和甚至积水, 光照不足则加重危害, 因此对冬小麦的涝渍灾害损失, 用冬小麦产量灾损率对照冬小麦发育期间降水、日照条件进行灾损率分析。本文对黄毓华等^[19]提出的阴湿系数Q(Q=(R-R₀)/R₀-(S-S₀)/S₀)进行了改进, 增加了降水日数项, 可更好地反映涝渍危害的特征。

(5)

式(5)中, Q_w为涝渍强度指数; R为降水量; d为雨日日数; S为日照时数。将连续2旬Q_w≥1.0作为发生对冬小麦、油菜有轻度危害的涝渍的指标; 将连续4旬Q_w≥1.0, 并且连续2旬平均中的最大值Q_wmax≥1.4作为冬小麦、油菜中度涝渍的指标。

由于涝渍灾害对产量的影响程度有差异, 发育关键期受灾远重于其他时期, 在应用Q_w值时, 将3月作为第1时段, 4—5月中旬作为第2时段。将两个时段的涝渍等级赋予不同的权重(通过样本统计分析, 文中分别取两个时段的权重为0.2和0.8), 构成新的涝渍灾害强度指标:

(6)

式(6)中, Q_wz为冬小麦春季涝渍灾害强度, Q_wd为时段(3月、4—5月)涝渍灾害等级, 0.2和0.8为两个时段的权重。

1961—2000年小麦典型涝渍年主要有1963, 1973, 1977, 1998年等。1963年4月上旬至5月下旬麦区出现重度涝渍, 普遍减产二至五成; 其中亳州Q_wz为4.0, 减产41.7%。1973年发生春季涝渍, 其中蒙城Q_wz为3.2, 中度涝渍, 减产25.2%。1977年3月中旬至5月中旬长江以北地区普遍出现涝渍, 冬小麦减产三至五成; 其中蒙城Q_wz为5.6, 重度涝渍, 减产47.4%。1998年3月上旬至6月上旬长江以北地区连阴雨, 冬小麦普遍减产二至四成; 其中宿州Q_wz为3.8, 减产30.7%。

从个例分析可以看出, 涝渍危害对冬小麦产量的危害程度远大于干旱, 尤其以4—5月发生的涝渍影响最大, 极重涝灾的减产损失可达四成以上。

通过对典型小麦涝渍年的分区涝渍指数Q_wz和小麦灾损率的统计分析, 获得了安徽省分区小麦涝渍灾损率指标。

作物灾损率除了与作物对灾害的敏感性(作物的敏感性与灾害种类和发生时期紧密相关, 通常作物在发育关键期对灾害最为敏感)密切相关外, 还与该区域对灾害的敏感性和适应能力有关。区域脆弱性是指某一地区农业生产过程对气候变化的反应强弱, 以及当地社会经济-生产-生态等环境要素对气候变化影响可能适应性的综合不稳定反应。因此, 对于同一强度灾害, 不同地区因作物敏感性和适应能力的差异, 使作物的受灾损失率有差异。比如相同强度的旱涝灾害对排灌条件较好地区造成的损失就远小于排灌条件较差的地区, 这就是区域脆弱性差异的表现。

本文对相对气候脆弱度系数的计算考虑要方便业务应用, 直接利用各站产量序列数值计算其区域气候相对脆弱程度。其思路是脆弱性越小的地方灾害所造成的平均损失越小, 以灾损率为基数计算各站的相对脆弱度。具体计算为, 对于某种灾害, 挑选各代表站点具有相同灾害的年份, 用各年灾损率除以相应的灾害强度等级, 得到单位灾害强度下的损失率, 称作单位损失强度V_{ci, j},

(7)

式(7)中, V_ci, _j为某站(i)某年份(j)单位损失强度(V_c), Y_{rwi, j}为某站(i)某年份(j)灾损率(Y_rw), Z_{i, j}为某站(i)某年份(j)灾害强度(Z)。对各代表站多年单位损失强度取平均值, n为受灾年数, 得到各站点某灾害的平均单位灾损强度V_ci, 作为各站点对于某种灾害脆弱性的度量。V_ci值越大的站点对某灾害的抗性越差。因此, 本文挑选V_ci中的最小值V_cimin作为基数, 用各县的平均单位损失度V_ci去除以V_ctmin, 得到V_i, i=1, 2, ……, m。V_i作为各站点对某种灾害的相对脆弱性度量, 其数值越大, 表示抗灾性越差。

(8)

(9)

式(8),(9)中, V_cimin为各代表站平均单位损失强度中的最小值, V_i为某站(i)的灾害脆弱性系数, m为代表站个数。

本文以冬小麦涝渍灾害损失评估为例, 说明区域脆弱性系数的计算和应用。1964, 1977年和1973年是典型的涝渍年, 涝渍系数(Q_wz)的计算结果与实况吻合, 但在进行产量损失的定量评估时还是存在较大误差。通过涝渍指数与减产率的对比分析也可看到, 在同样的涝渍指数(致灾强度)下, 各地小麦减产率存在差异, 这与当地的地理条件、农业现代化水平等因素有关。采用脆弱性系数V_i订正法, 可以减小这种由地区抗灾能力的差异引起的误差。在统计分析时, 利用1961—2000年资料进行区域脆弱度系数订正, 分别建立6个生态区域的灾损评估脆弱性订正模型。经气候脆弱性因子订正后, 区域灾损率拟合准确率得到提高, 拟合误差平均值和差异变率都明显降低, 尤其是差异大的样本得到了较好修正, 误差大于10%的样本由8个减少到4个, 误差平均值和变异率显著降低。淮北区域渍涝灾损模型订正效果(其余区域具体结果略)如下:

未订正模式为:

(10)

订正后模式为:

(11)

图 2为1961—2000年淮北地区平均涝渍灾害指数与灾损率的统计分析结果及其进行脆弱性系数订正后的结果比较。从图 2中可以看出, 通过脆弱性系数订正后的区域灾损评估准确性得到有效提高, 误差减小, 说明区域脆弱性在灾损评估中占有重要分量。灾害脆弱性系数越小的地区对灾害的抗性越强, 即对于相同的灾害强度, 灾害脆弱性系数越小的地区损失越小。需要说明的是, 图 2a, b中模拟曲线趋势上表现出一些反向差异, 这主要是由于用于统计拟合的样本数量较少引起的, 如果样本足够多, 则两者的趋势应基本相同。

图 2

图 2. 淮北区域冬小麦涝渍灾害脆弱性系数订正前(a)和订正后(b)的评估效果 Fig 2. The assessment result of the waterlogging disasters influence on wheat in Huaibei region(a)no correctted,(b)the correctted

本文针对安徽省的主要气象灾害、旱涝和主要农作物小麦、水稻, 建立了安徽省旱涝灾害的判别指标和灾害损失率评估模型指标。研究结果表明:

1) 根据Z指数法分析, 1961—2000年安徽省偏涝年、偏旱年各有13年; 淮北旱多于涝, 而沿淮、江淮、江南旱涝相当, 沿江、大别山区涝多于旱; 旱涝灾害有发生更为频繁的趋势。

2) 研究建立了冬小麦、水稻(一季稻)等主要农作物遭受干旱、洪涝灾害所造成的产量损失率指标。分析表明涝灾造成的一季稻减产损失明显大于旱灾, 生长关键期的灾害影响大于其他时段。

3) 提出新的渍涝强度指标用于冬小麦涝渍灾害损失评估。新的涝渍强度指标考虑了降水量、降水日数、日照时数在涝渍灾害中的作用。根据涝渍指标的强度和持续时间以及作物不同时段对灾害的敏感性, 提出了可评价冬小麦涝渍损失的综合指数, 建立冬小麦渍涝灾害损失评估模型, 评估误差小于5%。春季渍涝灾害是影响冬小麦产量的主要灾害, 渍涝造成的小麦减产率可高达40%以上。

4) 为考虑区域差异对灾害评估的影响, 提出了区域相对脆弱性系数的计算方法, 该方法简便实用, 在一定程度上消除了灾害损失评估中的区域差异影响。通过区域脆弱性系数订正, 灾损评估准确性得到有效提高。

在旱涝判别指标方面, 目前国内采用的方法很多, 本文仅采用了应用最广泛、也较适用于业务的Z指标, 未与其他指标进行对比分析; 另外, 安徽省主要农作物均受到旱涝灾害的影响, 但本文仅分析了旱涝灾害对小麦和水稻的影响, 其他作物尚未涉及。安徽省旱涝灾害频繁, 作物生长季中常会遭受旱涝交替的情况, 受到旱涝灾害的反复影响和综合影响, 如何考虑旱涝灾害对作物生长的综合影响效应也是需要进一步研究和解决的问题。