中国生态农业学报  2018, Vol. 26 Issue (9): 1302-1314  DOI: 10.13930/j.cnki.cjea.170697
0

引用本文 

桑婧, 郝璐. 近30年中国主要农业气象灾害典型场时空格局分异特征[J]. 中国生态农业学报, 2018, 26(9): 1302-1314. DOI: 10.13930/j.cnki.cjea.170697
SANG J, HAO L. Spatio-temporal patterns of typical agro-meteorological disasters in China in the past 30 years[J]. Chinese Journal of Eco-Agriculture, 2018, 26(9): 1302-1314. DOI: 10.13930/j.cnki.cjea.170697

基金项目

国家自然科学基金项目(71373130,41571026)资助

通讯作者

郝璐, 主要研究方向为区域气象灾害。E-mail:hl_haolu@163.com

作者简介

桑婧, 主要从事农业气象灾害、灾害风险评估相关研究。E-mail:sangjing_nuist@163.com

文章历史

收稿日期:2017-07-31
接受日期:2017-10-30
近30年中国主要农业气象灾害典型场时空格局分异特征*
桑婧1,2, 郝璐1     
1. 南京信息工程大学/江苏省农业气象重点实验室 南京 210044;
2. 内蒙古自治区生态与农业气象中心 呼和浩特 010051
摘要:在全球气候变暖,气象灾害频发重发的背景下,农业生产受到日益严重的气象灾害影响。研究中国农业气象灾害的时空格局对于降低灾害风险、减轻灾害损失十分重要。本文利用1978-2013年主要省、直辖市及自治区的农业灾害受灾、成灾面积和播种面积资料,以受灾率和成灾率作为指标,利用经验正交函数(Empirical Orthogonal Function,EOF)等统计分析,对影响我国农业生产的主要农业气象灾害(干旱灾害、洪涝灾害、低温冻害和风雹灾害)的时空变化进行分析并得到典型场。结果表明,近几年除洪涝灾害没有明显的升降趋势以外,干旱、风雹和低温冻害受灾率成灾率均呈下降趋势。干旱受灾率和成灾率典型场较为相似,北方因灾损失情况明显重于南方;全国大部分地区均有轻微的因风雹灾害造成损失的情况,西部和西北部容易受到风雹灾害的影响;洪涝灾害受灾率和成灾率典型场存在差异,全国普遍受到洪涝灾害轻微影响,但长江流域和东北三省情况较重。低温冻害受灾、成灾率的典型场不明显,北方因灾损失程度重于南方。另外,干旱和洪涝灾害不会持续影响东北地区;风雹灾害在我国西北部容易造成持续且严重的影响。总之,各灾害的受灾、成灾率时间变化也不是完全同步的,空间分布也不相同,二者并不是完全匹配的。
关键词:农业气象灾害    干旱    洪涝    风雹    低温冻害    EOF分析    
Spatio-temporal patterns of typical agro-meteorological disasters in China in the past 30 years*
SANG Jing1,2, HAO Lu1     
1. Nanjing University of Information Science & Technology/Jiangsu Key Laboratory of Agricultural Meteorology, Nanjing 210044, China;
2. Inner Mongolia Eco-and Agro-Meteorological Center, Hohhot 010051, China
*This study was supported by the National Natural Sciences Foundation of China (71373130, 41571026)
** Corresponding author, HAO Lu, E-mail: hl_haolu@163.com
Received Jul. 31, 2017; accepted Oct. 30, 2017
Abstract: Even though China, like any other country, is vulnerable to the adverse effects of climate change, agriculture is a vital industry in the country. In the context of global warming and frequent extreme weather and climate events, agricultural production in China has been affected by the increasingly severe meteorological disasters. It is very important to study the spatio-temporal patterns of agro-meteorological disasters in China in order to mitigate disaster risks and reduce disaster losses. In this paper, the spatial and temporal changes and the typical patterns of main meteorological disasters (i.e., drought, flood, low-temperature and hailstorm disasters) affecting agriculture in China from 1978 to 2013 were analyzed using Empirical Orthogonal Function (EOF) method. The results showed that drought (starting in 2000), hailstorm (beginning in 2001) and low temperature (starting in 2008) all decreased in trend. However, there was no obvious trend in flooding. The EOFs of drought that caused 10% and 30% yield losses were similar, and the losses in the North were obviously higher than those in the South. The EOFs of flood that caused 10% and 30% yield loss were quite different. Flood area with 30% yield loss was mainly distributed in the Yangtze River Basin and the Northeast. However, flood area with 10% yield loss was widely distributed throughout the country. The low temperature disaster in the northern area was more severe than in the southern area. Hailstorm in the western area and the northern area was much serious. Droughts and floods did not affect the northeastern plain throughout the year, but caused serious yield losses. Low temperature disaster persistently affected most areas of China, but with little serious losses. Hailstorm caused persistent and serious losses. Combined with statistical and EOFs analyses, we found that the spatial and temporal patterns and the dynamics of the four disasters with 10% and 30% yield loss were not consistent in disaster degree, affected areas and disaster duration.
Keywords: Agro-meteorological disaster     Drought     Flood     Hailstorm     Low temperature     EOF    

政府间气候变化专门委员会(IPCC)第5次评估报告[1]表明:全球气候变暖背景下极端气象灾害呈多发重发趋势。根据世界气象组织(WMO)统计[2], 1970—2009年全球共发生7 870次气象灾害并造成近20 000亿美元的经济损失。吴吉东等[3]分析了近65年我国气象灾害统计结果, 发现洪涝、台风等风暴类和干旱灾害是影响中国的主要气象灾害, 这3类气象灾害的影响呈上升趋势。近10年, 全国平均每年因气象灾害死亡2 000人左右, 经济损失2 000亿元左右[4]。在中国, 占全部自然灾害70%以上的气象灾害的特点是频率高, 范围广, 趋势越来越大[5]。然而农业气象灾害是指异常天气过程和不利气象条件在农业生产过程中导致作物减产甚至绝收的灾害[6-7], 所以气象灾害包含农业气象灾害, 但气象灾害发生时并不一定造成农作物减产从而造成农业气象灾害。我国作为农业大国, 农业生产的设施设备相对薄弱, 还摆脱不了靠天吃饭的局面。据统计, 我国每年因各种气象灾害造成的农田受灾面积达3.4×107 hm2, 受灾人口约6亿人, 造成的经济损失约占国内生产总值的1%~3%[8]

近几年来, 很多学者研究中国农业气象灾害的时间变化和空间分布。姜灵峰等[9]分析了1995—2014年我国主要农业气象灾害。结果表明:我国农业受灾面积和成灾面积总体呈下降趋势, 其中洪涝和干旱的农业受灾面积波动较大。姚亚庆[10]认为干旱、洪涝和低温冻害呈加重趋势, 风雹呈减小趋势, 并且干旱和风雹灾害在空间上呈北高于南, 洪涝和低温冻害则相反。房世波等[11]利用灾害成灾数据分析了1979—2008年我国农业气象灾害变化, 认为我国因灾害造成成灾的情况日趋严重。黄会平[12]认为干旱将呈加重的趋势, 并且易受灾区域在东北和华北。叶敏等[13]和杜会石等[14]认为我国干旱和洪涝灾害都将增加, 并且华北、东北、西北地区变干明显, 但叶敏认为洪涝灾害易受灾区域为西北和西部, 杜会石则认为华东、华南是洪涝易受灾区域。对于低温冻害的研究相对较少, 主要是以霜冻为主。叶殿秀等[15]、李洋等[16]和张志富等[17]从不同方面对霜冻进行研究, 均得到了霜冻近几年呈下降趋势的结论。高懋芳等[18]认为低温冻害在1985—2005年间经历了减弱-增强-减弱的过程, 但总体是缓慢上升的, 主要的易受灾区域在东北和黄淮海地区。

从这些学者的研究成果我们发现, 对于中国农业气象灾害的研究大多分析时间演变、空间变化, 或者是单一的分析一个或者两个灾种。鲜见较长时间序列下国家尺度多种农业气象灾害的空间特征和时空变化的研究。受灾成灾的时空一致性的分析也较少见, 大多是对受灾的分析, 较少结合成灾情况进行对比分析。本文在前人研究的基础上, 利用1978—2013年的农业灾害受灾成灾面积资料, 基于省域单元, 进行以下问题的研究: 1)分析4种农业气象灾害受/成灾的时间变化趋势; 2)检测4种灾害的受/成灾率的典型场和时空关系。通过长时间尺度的农业气象灾害时空变化及其时空耦合分析及受灾和成灾对比, 探讨中国主要农业气象灾害典型场时空格局分异, 为从国家尺度上的防灾减灾工作提供参考。

1 数据与方法 1.1 数据来源

本研究采用1978—2013年全国主要省(因海南省1988年之前的数据缺失、台湾省无资料, 所以二省不列入计算)、直辖市(重庆市1997年成立直辖市, 1997年之前数据缺失, 故重庆和四川并为一个省级单位计算)、自治区农业自然灾害灾情中的旱灾、洪涝、低温冻害和风雹灾害的受灾面积(因灾减产1成以上的农作物播种面积, 如果同一地块的当季农作物多次受灾, 只计算其中受灾最重的一次[19])和成灾面积(农作物受灾面积中, 因灾减产3成以上的农作物播种面积[19])资料和1978—2013年全国各省、市、自治区农作物播种面积资料(来自《中国统计年鉴[20]》、《中国农村统计年鉴[21]》和《新中国农业60年[22]》)。

1.2 分析方法

本研究首先将受灾面积和成灾面积处理为受灾率和成灾率, 受灾率和成灾率可以剔除各省因播种面积不同所带来的误差影响, 还可以表现出各地灾情轻重的相对差别[23]。其次, 对各灾害受灾率和成灾率进行标准差标准化, 得到符合标准正态分布, 即均值为0, 标准差为1的标准化受/成灾率序列。然后, 通过统计分析, 确定各灾害时间变化的趋势。

自20世纪50年代Lorenz将经验正交函数(EOF)引入气象气候要素场的研究后, 经验正交函数分析现如今已经在地学、生态学、气象学和水文学得到了广泛的应用[24]。事实上, 任何一个按照时间变化的空间场矩阵都可以分解成一个空间特征向量(空间模态)矩阵和一个时间系数(主成分)矩阵, 即

$ V = {\rm{EOF}} \times {\rm{PC}} $ (1)

式中: EOF代表空间模态, 他只代表空间变化不具有时间含义; PC(principal component)代表空间特征量对应的时间系数也可以视为权重系数, 且二者都具有正交性, PC还可以分解出个模态的方差贡献率, 即:

$ {\rm{P}}{{\rm{C}}_{m \times n}} = X_{m \times n}^T \times {Y_{m \times n}} $ (2)

X为方差贡献率矩阵, 是一个m×m的对角矩阵。EOF分析的要点是计算原矩阵的特征根和时间系数, 其主要优点在于没有固定的函数形式, 可以由前几个模态的时间函数和空间型来反映原场的主要特征。详见文献[25]。

本文利用经验正交函数分解干旱、洪涝、风雹和低温冻害的时空变化和提取几个能代表主要变化特征的典型场, 分析4种灾害的时空分布特点; 综合全国农业气象灾害统计分析和EOF分析, 观察受灾率成灾率的时间变化情况是否同步, 空间分布是否匹配。

2 结果与分析 2.1 1978—2013年农业气象灾害时间变化

1978—2013年间全国受灾率、成灾率年际变化如图 1所示。可以看出干旱的受/成灾1979—2000年呈较大振幅的波动, 但基本没有明显的升降趋势; 2000年以后波动的振幅有所减小(除2007—2009年)并出现了下降的趋势。在洪涝灾害中, 总体上看没有明显的升降趋势, 1991—1998年全国发生洪涝灾害的严重程度较高于其前后的时间段, 1991年、1998年、2003年和2010年是洪涝灾害较严重的4年。在风雹灾害中, 1979—1993年呈无明显升降趋势的波动形式, 1994—2001年全国风雹灾害严重程度较低, 2001—2013年风雹灾害呈现波动下降的趋势。低温冻害在1998年和2008年出现两个峰值, 其余年份低温冻害的严重程度都较低, 两个峰值将年际变化分成3部分, 1979—1998年和1999—2008年均呈小幅上升趋势, 2008—2013年呈下降趋势。

图 1 1978—2013年全国干旱、洪涝、风雹和低温冻害受/成灾率年际变化 Figure 1 Inter-annual variations of drought, floods, hailstorm and low temperature disasters causing 10%/30% yield loss rate from 1978 to 2013 S:受灾率; C:成灾率。S: disaster causing 10% yield loss; C: disaster causing 30% yield loss.

4种灾害的受灾率、成灾率的峰值年、谷值年及趋势变化方向也基本相同, 但上升或者下降的程度并不完全一致。对比干旱和洪涝灾害, 大部分年份的严重程度呈“此消彼长”的变化[11]; 但从2005年开始, 这种“此消彼长”变化形式逐渐变得不明显, 2007—2009年和2011—2013年的趋势变化基本同步。

2.2 1978—2013年农业气象灾害空间变化

我国农作物播种面积较大的省份主要在中部和东北地区, 四川、河南、山东和黑龙江是播种面积较大的几个省份。我国农业气象受灾情况较为严重的省份主要集中在北部地区, 其中山东、内蒙古、四川等省份是受灾影响较严重的省份。综合4种灾害的受灾和成灾占总受灾/成灾比重来看, 干旱所占比重最大, 洪涝灾害次之, 风雹和低温冻害较少(图 2)。

图 2 1978—2013年全国播种面积分布及各省市自治区干旱、洪涝、风雹、低温冻害平均受灾、成灾面积图 Figure 2 Nationwide sown area and average areas of drought, flood, hailstorm and low temperature causing 10%/30% yield loss in each province AD-S:干旱受灾面积; AF-S:洪涝受灾面积; AC-S:低温冻害受灾面积; AH-S:风雹灾害受灾面积; AD-C:干旱成灾面积; AF-C:洪涝成灾面积; AC-C:低温冻害成灾面积; AH-C:风雹灾害成灾面积。 AD-S: area of drought causing 10% yield loss; AF-S: area of flood causing 10% yield loss; AC-S: area of low temperature causing 10% yield loss; AH-S: area of hailstorm causing 10% yield loss; AD-C: area of drought causing 30% yield loss; AF-C: area of flood causing 30% yield loss; AC-C: area of low temperature causing 30% yield loss; AH-C: area of hailstorm causing 30% yield loss.

仅根据多年受/成灾率均值并不能得到更加准确的农业气象灾害典型空间分布情况, 为此我们根据正交经验函数分析了4种农业气象灾害空间分布的主要特征。

根据干旱、洪涝、低温冻害和风雹等4种农业灾害受灾率和成灾率的经验正交函数分析结果, 取前n个总方差贡献达到70%的模态作为典型场, 并仅分析了前3个典型场的空间型特点。

2.2.1 干旱

在干旱受灾率的EOF分析结果中(图 3), 前5个模态的方差贡献率总和为72.7%, 选取前5个模态作为典型场。第1模态的时间系数均为正值, 说明第1模态所显示的深色区在这36 a中持续因干旱导致农作物受旱, 其中山西省最严重。第2模态深色区明显少于第1模态, 但第2模态时间系数存在正负变化, 所以深色和浅色区域均有受旱的情况, 大致来看2007年后东北三省受旱程度逐渐减轻, 但山西和贵州的受旱程度增加。第3模态所占方差贡献较小, 仅能代表 9%的变化特征, 显示在2003年后因干旱造成农作物成灾省份, 从内蒙古高原和黄土高原转向西北部。

图 3 干旱灾害受灾率EOF分析结果(a:前3个典型场时间系数序列; b:各模态方差贡献率和累计方差贡献率; EOFD1-S:第1典型场分布特征; EOFD2-S:第2典型场分布特征; EOFD3-S:第3典型场分布特征) Figure 3 The EOF analysis results of drought causing 10% yield loss rate (a: the first three EOFs' amplitude function value; b: proportion of EOF and cumulative proportion; EOFD1-S: distribution characteristics of the first EOF; EOFD2-S: distribution characteristics of the second EOF; EOFD3-S: distribution characteristics of the third EOF) 1st:第1模态; 2nd:第2模态; 3rd:第3模态。1st: the first EOF; 2nd: the second EOF; 3rd: the third EOF.

结合3个模态, 基本可以得到, 中国北部、中西部和东北部容易受旱, 特别是黄土高原在3个模态中都体现出了严重的受旱情况。我国东南部沿海地区较不易受旱。因前3个模态中有两个模态的时间系数在2006年后有接近零值的趋势, 所以在受旱区域2006年后有所下降。

在对干旱成灾率的EOF分析结果(图 4)中, 前5个模态的方差贡献率总和为71.2%, 选取前5个模态作为典型场。第1模态空间型和时间系数和干旱受灾率EOF分析结果十分相似, 同样显示出黄土高原和内蒙古高原较高的持续成灾现象。但第2模态中东北三省颜色比受灾率中的浅, 但内蒙古则是变深了。由于第2模态的时间系数依然正负交替, 所以我国中部内陆区也有一定的成灾可能, 但东北和内蒙古成灾情况较为严重。第3模态中我国大部分省份的颜色均较受灾第3模态浅了很多, 由于时间系数在2008年后始终为负值, 则空间型上较浅色的区域存在成灾情况, 较为严重的是东北部和西北部。

图 4 干旱灾害成灾率EOF分析结果(a:前3个典型场时间系数序列; b:各模态方差贡献率和累计方差贡献率; EOFD1-C:第1典型场分布特征; EOFD2-C:第2典型场分布特征; EOFD3-C:第3典型场分布特征) Figure 4 The EOF analysis results of drought causing 30% yield loss rate (a: the first three EOFs' amplitude function value; b: proportion of EOF and cumulative proportion; EOFD1-C: distribution characteristics of the first EOF; EOFD2-C: distribution characteristics of the second EOF; EOFD3-C: distribution characteristics of the third EOF) 1st:第1模态; 2nd:第2模态; 3rd:第3模态。1st: the first EOF; 2nd: the second EOF; 3rd: the third EOF.

结合3个模态, 我国内蒙古高原、黄土高原和东北平原容易因为干旱造成农作物成灾的情况, 并且成灾程度较重。我国其他地区也会因干旱造成成灾的情况, 但不会长时间发生, 且成灾程度较轻。根据时间系数的变化, 干旱成灾在近几年也存在下降的趋势。

综合干旱灾害受灾和成灾情况, 我国北方地区(以内蒙古高原、东北平原和黄土高原为主的地区), 容易因干旱造成减产, 并且减产严重。其中内蒙古高原和黄土高原容易发生长期的干旱, 东北平原虽然不存在持续受旱情况, 但间隔发生的干旱对东北三省的农作物成灾会产生较大影响。干旱的受灾率和成灾率的基本上都表现出减小的趋势。

2.2.2 洪涝

在对洪涝灾害受灾率的EOF分析结果中(图 5), 前3个模态的方差贡献率总和已经达到85.8%, 第1模态方差贡献率约为66.2%, 第2模态方差贡献率约为14.5%, 所以EOF结果主要以前两个模态为主。在第1模态空间型中, 1978—2008年全国大部分省市不存在洪涝受灾的情况, 但西藏、青海、宁夏和天津、上海受到洪涝灾害的影响, 西藏的影响最为严重。2009年以后受到影响的地区受灾情况有所减轻, 但全国大部分地区从不受洪涝灾害影响转为受到较小程度的影响。第2模态显示我国洪涝不存在持续受灾的情况, 但1978年、1994年、2001年、2004年和2012年的时间系数较大, 在这5年中青海、宁夏和天津因洪涝造成农作物受灾情况严重。

图 5 洪涝灾害受灾率EOF分析结果(a:前3个典型场时间系数序列; b:各模态方差贡献率和累计方差贡献率; EOFD1-S:第1典型场分布特征; EOFD2-S:第2典型场分布特征; EOFD3-S:第3典型场分布特征) Figure 5 The EOF analysis results of flood causing 10% yield loss rate (a: the first three EOFs' amplitude function value; b: proportion of EOF and cumulative proportion; EOFD1-S: distribution characteristics of the first EOF; EOFD2-S: distribution characteristics of the second EOF; EOFD3-S: distribution characteristics of the third EOF) 1st:第1模态; 2nd:第2模态; 3rd:第3模态。1st: the first EOF; 2nd: the second EOF; 3rd: the third EOF.

结合前两个模态, 在1978—2008年除青海、宁夏外我国大部分地区基本不因洪涝灾害造成农作物受灾, 2009年后全国大部分地区由不受灾变成轻度受灾, 且中部地区和青海宁夏因洪涝造成受灾情况较为严重。

在对洪涝成灾率的EOF分析结果中(图 6), 前6个模态的方差贡献率总和为72.5%, 由于前3个模态的方差贡献率比较接近, 所以洪涝成灾时空特点需要全面综合3个模态。第1模态时间系数基本可以认为湖南、湖北、安徽和江西洪涝灾害成灾情况比较严重并持续发生, 全国以该区域为中心向周围逐渐减轻。第2模态主要的分布特征是东北三省、内蒙古高原和东南部地区的值高于内陆地区, 但时间系数不能体现持续性, 所以东北三省洪涝成灾情况并不是持续发生的, 在1999年之前成灾情况较为严重。但1999—2009年, 时间系数序列转为负值区绝对值较大, 即河南、安徽和湖北的洪涝成灾情况加重, 东北三省减轻。2012年东北三省因洪涝造成农作物成灾的情况再次严重。第3模态显示, 1978—1991年东北地区和东部地区洪涝成灾较为严重, 1992—2004年西南地区和浙江洪涝灾害成灾情况较重, 2004年之后, 洪涝成灾情况没有出现持续发生的情况。黑龙江、安徽、广西和湖南因洪涝造成的农作物成灾一旦发生, 灾情严重。

图 6 洪涝灾害成灾率EOF分析结果(a:前3个典型场时间系数序列; b:各模态方差贡献率和累计方差贡献率; EOFD1-C:第1典型场分布特征; EOFD2-C:第2典型场分布特征; EOFD3-C:第3典型场分布特征) Figure 6 The EOF analysis results of flood causing 30% yield loss rate (a: the first three EOFs' amplitude function value; b: proportion of EOF and cumulative proportion; EOFD1-C: distribution characteristics of the first EOF; EOFD2-C: distribution characteristics of the second EOF; EOFD3-C: distribution characteristics of the third EOF) 1st:第1模态; 2nd:第2模态; 3rd:第3模态。1st: the first EOF; 2nd: the second EOF; 3rd: the third EOF.

结合3个模态, 我国长江流域容易因洪涝造成持续的农作物成灾情况, 其次东北三省也较容易受洪涝灾害产生农作物成灾的情况。洪涝成灾并不存在持续发生的情况, 东北三省一旦发生, 成灾程度较重。洪涝灾害成灾率并没有存在比较明显的升降趋势。

综合洪涝灾害的受灾和成灾情况, 全国大部分地区受洪涝灾害影响较轻, 但长江流域、东北平原所在省份因洪涝造成的农作物损失严重, 因成灾情况并不是持续发生, 一旦发生成灾的情况将会导致较为严重的损失。

2.2.3 低温冻害

在对低温冻害受灾率的EOF分析结果(图 7)中, 前8个模态的方差贡献率总和为71.0%, 且每个模态所占的方差贡献都较平均, 说明低温冻害分布不存在突出的典型场。第1模态显示, 1999年和2009年以后全国西部和东部地区低温冻害受灾较为严重, 1978—1998年和2000—2009年陕西和内蒙古为主的中部低温冻害受灾情况较为严重。由于2009年后时间系数呈现上升的趋势, 所以西部和东部的低温冻害情况将会更加严重。第2模态显示, 1995—2008年全国西北和东南出现交替受灾的情况, 2009年后西北地区低温冻害受灾程度将会持续并上升。第3模态显示, 低温冻害受灾情况存在持续发生的可能, 且全国大致呈从东北向西南受灾轻-重-轻的特点, 其中宁夏、湖北和云南受灾较为严重。

图 7 低温冻害受灾率EOF分析结果(a:前3个典型场时间系数序列; b:各模态方差贡献率和累计方差贡献率; EOFD1-S:第1典型场分布特征; EOFD2-S:第2典型场分布特征; EOFD3-S:第3典型场分布特征) Figure 7 The EOF analysis results of low temperature causing 10% yield loss rate (a: the first three EOFs' amplitude function value; b: proportion of EOF and cumulative proportion; EOFD1-S: distribution characteristics of the first EOF; EOFD2-S: distribution characteristics of the second EOF; EOFD3-S: distribution characteristics of the third EOF) 1st:第1模态; 2nd:第2模态; 3rd:第3模态。1st: the first EOF; 2nd: the second EOF; 3rd: the third EOF.

结合3个模态, 2009年后, 低温冻害受灾基本持续发生, 较为严重和容易发生的区域集中在西北、东北和东部地区, 并且受灾程度将上升。2009年之前低温冻害不存在持续发生的情况, 多半是区域间交替发生。

在对低温冻害成灾率的EOF分析结果中(图 8), 前8个模态的方差贡献率总和为70.6%, 第2模态开始存在拖尾情况, 这说明和低温冻害受灾率EOF结果一样, 不存在特别具有代表性的典型场。第1模态显示, 西北部和北部低温冻害成灾情况较为严重, 但基本不是持续发生的, 在2010年后时间系数序列有所上升, 成灾情况在加剧。由于负值区绝对值较小, 且东南和中部空间值为0~-0.1, 所以该地区成灾情况并不严重。第2模态显示, 青海、宁夏、湖北、湖南和江西因低温冻害造成成灾的程度较为严重。第3模态显示, 内蒙古、黑龙江、湖南、湖北等地实际的低温冻害成灾情况较为严重。

图 8 低温冻害成灾率EOF分析结果(a:前3个典型场时间系数序列; b:各模态方差贡献率和累计方差贡献率; EOFD1-C:第1典型场分布特征; EOFD2-C:第2典型场分布特征; EOFD3-C:第3典型场分布特征) Figure 8 The EOF analysis results of low temperature causing 30% yield loss rate (a: the first three EOFs' amplitude function value; b: proportion of EOF and cumulative proportion; EOFD1-C: distribution characteristics of the first EOF; EOFD2-C: distribution characteristics of the second EOF; EOFD3-C: distribution characteristics of the third EOF) 1st:第1模态; 2nd:第2模态; 3rd:第3模态。1st: the first EOF; 2nd: the second EOF; 3rd: the third EOF.

结合3个模态, 低温冻害造成的农作物成灾并不会持续发生, 我国北部和长江中上游流域比较容易因低温造成农作物成灾, 内蒙古、青海、宁夏等地成灾程度较严重。

低温冻害成受灾存在一个十分明显的相同点——均没有十分突出的典型场。综合低温冻害成灾受灾情况, 我北方和西北较容易受灾, 并且受灾之后造成的损失较为严重, 2009年后受灾程度还将会上升。另外因为受灾的持续性, 成灾的不持续性, 低温冻害造成的农作物减产并不是每次都较为严重。

2.2.4 风雹

对风雹受灾率的EOF分析结果中(图 9), 前3个模态的方差贡献率总和为94.9%, 其中第1模态达到78.4%, 第2模态达到12.4%。第1模态显示, 全国大部分地区空间值为0~0.1, 只有西藏、青海和北京为负, 且西藏是负向距平中心。全国大部分地区受风雹灾害的影响较小, 西藏高原受风雹灾害影响最大、北京和青海次大, 且在2009年之后受灾情况将会减轻。第2模态显示, 西北向东南大致呈高到低分布, 正向距平中心在新疆和青海。1981年时间系数出现了一个正的大值, 该年西北部受风雹灾害较为严重, 2009年开始时间系数序列开始剧烈升高, 说明2009年开始受灾地区受灾加重, 新疆青海最为严重。

图 9 风雹灾害受灾率EOF分析结果(a:前3个典型场时间系数序列; b:各模态方差贡献率和累计方差贡献率; EOFD1-S:第1典型场分布特征; EOFD2-S:第2典型场分布特征; EOFD3-S:第3典型场分布特征) Figure 9 The EOF analysis results of hailstorm causing 10% yield loss rate (a: the first three EOFs' amplitude function value; b: proportion of EOF and cumulative proportion; EOFD1-S: distribution characteristics of the first EOF; EOFD2-S: distribution characteristics of the second EOF; EOFD3-S: distribution characteristics of the third EOF) 1st:第1模态; 2nd:第2模态; 3rd:第3模态。1st: the first EOF; 2nd: the second EOF; 3rd: the third EOF.

综合前两个模态, 我国西部和西北部地区风雹受灾情况较为严重, 2009年后受灾情况呈增加趋势。全国其他地区因风雹灾害造成农作物受灾的情况比其他3种灾害较轻。

在对风雹成灾率的EOF分析结果中(图 10), 我们看到前5个模态的方差贡献率总和为70.6%, 所以我们选取前5个模态作为典型场。第1模态显示, 除1988年之外, 实际的风雹灾成灾情况为西北部较为严重, 青海最为严重, 东南部成灾情况较轻, 虽然成灾严重程度会有波动, 但风雹成灾存在持续发生的情况。第2模态中大部分时间系数较小, 1984年、1987年、2008年和2011年的时间系数偏大, 所以成灾情况较为严重, 但与空间型相反, 即京津冀成灾较为严重。所以总体来看, 除青海、京津冀之外, 全国大部分地区风雹成灾情况较轻。第3模态也出现了持续性的情况, 以1997年为界, 1997年之前实际情况与空间型相反, 即青海和南部风雹成灾情况较为严重。1997年之后实际情况与空间型相同, 即新疆和北部的成灾情况较严重。风雹成灾情况也存在持续发生的情况。

图 10 风雹灾害成灾率EOF分析结果(a:前3个典型场时间系数序列; b:各模态方差贡献率和累计方差贡献率; EOFD1-C:第1典型场分布特征; EOFD2-C:第2典型场分布特征; EOFD3-C:第3典型场分布特征) Figure 10 The EOF analysis results of hailstorm causing 30% yield loss rate (a: the first three EOFs' amplitude function value; b: proportion of EOF and cumulative proportion; EOFD1-C: distribution characteristics of the first EOF; EOFD2-C: distribution characteristics of the second EOF; EOFD3-C: distribution characteristics of the third EOF) 1st:第1模态; 2nd:第2模态; 3rd:第3模态。1st: the first EOF; 2nd: the second EOF; 3rd: the third EOF.

结合3个模态, 风雹成灾情况有持续发生的可能, 西部和北部较为严重。1997年后南部的成灾情况有所好转, 但西部、北部持续严重, 其中以新疆、青海最为严重。

综合风雹灾害的受灾成灾情况, 我国北部和西北部容易受风雹灾害影响, 且西北部更易发生农作物成灾。由于受灾具有持续性, 成灾也有持续发生的特点, 说明西北部常年因风雹灾害造成农作物减产的损失严重。

3 讨论

首先, 我们综合了4种农业灾害全国受灾情况和中国大陆各省EOF分析, 确定了干旱、洪涝、低温冻害、风雹受灾率和成灾率的时间变化和空间特征:

第一, 旱灾在农业气象灾害中对我国造成最严重的影响, 这与Hao等[26]的观点一致。全国总体上干旱的受灾率和成灾率在2000年后呈下降趋势, EOF分析也同样显示了这一观点, 这与姜灵峰等[9]、Liu等[27]的研究一致, 但不同于Tao等[28]认为的2002—2009年东北和东南水稻种植区干旱情况比以往严重, 这是因为研究时间尺度和种植区不同的原因。我们发现黄土高原、内蒙古高原和东北平原容易受旱, 与李伟光等[29]基于标准化降水蒸散指数的研究基本一致。Xie等[30]、Zhang等[31-32]在调查了中国224个国家航空站的观测记录, 对影响玉米小麦生产的主要气象灾害频次的时空变化进行研究后, 认为黄土高原的小麦容易受干旱的影响, 从侧面证实了我们的观点。Yang等[33]认为严重的干旱程度在增加, 由于Yang研究内容是气象干旱, 与农业气象干旱的结果可能会有不同。

第二, 全国总体上看, 我国洪涝灾害受/成灾率相对较小, 也不存在明显的上升下降趋势。Tao等[28]认为1991—2009年我国洪涝灾害大幅上升, 与我们的研究结果不同, 原因可能是本研究分析的是农业的受灾、成灾情况, Tao则以洪水发生情况为主。我们的研究表明, 全国范围内洪涝灾害受灾率较小, 但西北地区受灾较为严重, 这与叶敏等[13]的研究一致。但在成灾率的EOF分析中, 成灾重灾区转移至长江流域和东北三省, 这与Li等[34]、Nie等[35]、Shao等[36]和Guan等[37]的研究一致。说明在西北地区洪涝较轻, 且未对产量造成严重影响, 但长江流域和东北三省有“涝则重涝”的特点。这也应证了钟子英等[38]的研究结果。

第三, 低温冻害在2008年以前基本呈上升趋势, 但在2008年的峰值后开始呈下降趋势。在对全国各省的EOF分析中, 基本都呈现了我国北方的低温冻害较为严重, 这与北方的气候条件相吻合, 但由于各地区统计低温冻害的内容不统一, 在EOF空间型中南方也存在着一定程度的低温冻害。Tao等[28]认为西南部和东北部的低温冻害发生频率大幅上升, Zhang等[31]认为我国东北部遭受低温冻害的压力较大, 证实了我们的观点。统计内容的扩大或许也是全国整体呈上升趋势的原因之一。这与姚亚庆[10]在对低温冻害方面时间变化趋势的研究一致, 但本研究认为北方的受灾程度高于南方。Xiao等[39]认为东北暖季极端低温天数从1956—2005年有明显下降, 但由于极端低温发生情况并不能完全造成低温冻害, 所以与我们的观点产生了不同。许多学者认为霜冻发生风险在降低[40], 无霜期随纬度增加逐渐减小[41], 造成这些不同的原因可能是低温冻害不仅有霜冻还包含其他因温度剧烈降低造成的农作物减产情况。

第四, 2001—2013年风雹灾在全国尺度上呈下降的趋势, 这与房世波等[11]对风雹灾害的研究一致。在EOF分析中, 特别是对风雹灾受灾的分析得到了不一样的结果, 风雹受灾在2009年以后呈上升的趋势。风雹灾对我国农业影响总体小于其他4种灾害, 所以在EOF空间型上也证实了我国大部分地区轻微受灾, 相对严重的区域是西部和北部地区, 这也与西部北部地区常年存在大风情况有关。Guan等[37]同样认为我国北部、西北部等地区易受风雹灾害的影响。目前, 关于风雹灾害的研究主要在于其发生的物理机制。

总体上看, 我国南方较北方更容易发生农业气象灾害(受灾率高), 但北方发生农业气象灾害时造成的损失较为严重(成灾率高)。除了自然原因以外,农业产业发达在农业气象灾害防灾减灾方面可以起到一定的作用, 我国南方比北方农业产业发达, 这与Chen等[42]的研究一致。科研学者普遍认为, 干旱和洪涝交替发生, 或呈现“此消彼长”[11]的变化形式, 但我们发现2005年后干旱和洪涝的变化趋势几乎相同, Yan等[43]认为1950—2009年间旱涝两者之间迅速转移正在增加, 或许是加速转移使得旱涝灾害的严重程度不再出现明显的此消彼长, 这也从侧面印证了我们的发现。

其次, 从全国农业灾害时间变化趋势上看, EOF分析的结果和数据统计分析的结果基本统一, 只有洪涝的受灾率和风雹的成灾率略有不同, 说明EOF分析可以很好地解释数据的大体趋势变化。并且由EOF时间序列的正负变换也可以得到灾害是否具有持续性, 这是单纯分析灾害的时间趋势无法做到的, 有利于更加细致的研究灾害变化。

4 结论

1) 根据全国农业气象灾害时间变化统计分析, 除洪涝灾害没有明显的升降趋势以外, 近几年干旱(2000年开始)、风雹(2001年开始)和低温冻害(2008年开始)均呈下降趋势。

2) 干旱受灾率和成灾率典型场较为相似, 以黄土高原为主的北方受灾情况明显高于南方。洪涝受灾和成灾典型场存在差异, 全国普遍存在因洪涝受灾的情况, 但成灾则以长江流域和东北部为主。低温冻害受、成灾率的典型场不明显, 大致分布特征是北方受灾程度重于南方。全国大部分地区均有轻微的风雹受灾情况, 其中西部和北部情况较为严重。

3) 我们还获得了4种灾害的区域持续情况。干旱和洪涝灾害并不会常年持续影响东北平原, 但一旦受灾就会造成严重的损失; 低温冻害持续影响我国大部分地区, 但不会造成严重的损失; 风雹灾害对西北部造成持续且严重的影响。

4) 4种灾害的受灾和成灾情况并不是完全匹配。受灾和成灾存在着变化程度的不同; 受灾和成灾重点影响的区域不同; 二者的持续性也存在差异。造成这种结果的原因, 除了自然因素对灾害的影响之外, 人为因素(如防灾、减灾措施的实施, 以及灾后恢复等)可能也起到一定的作用, 从而导致时空变化不匹配。

参考文献
[1]
IPCC. Working Group Ⅰ Contribution to the IPCC Fifth Assessment Report. Climate Change 2013: The Physical Science Basis: Summary for Policymakers[R]. 2013
[2]
WMO. Reducing and managing risks of disasters in a changing climate[J]. WMO Bulletin, 2013, 62(S): 23-31.
[3]
吴吉东, 傅宇, 张洁, 等. 1949-2013年中国气象灾害灾情变化趋势分析[J]. 自然资源学报, 2014, 29(9): 1520-1530.
WU J D, FU Y, ZHANG J, et al. Meteorological disaster trend analysis in China:1949-2013[J]. Journal of Natural Resources, 2014, 29(9): 1520-1530.
[4]
刘引鸽. 气象气候灾害与对策[M]. 北京: 中国环境科学出版社, 2005: 12-15.
LIU Y G. Meteorological Climate Disasters and Countermeasures[M]. Beijing: China Environmental Science Press, 2005: 12-15.
[5]
史培军, 应卓蓉. 中国气象灾害对宏观经济增长的影响分析[J]. 北京师范大学学报:自然科学版, 2016, 52(6): 747-753.
SHI P J, YING Z R. Impacts of meteorological disaster on economic growth in China[J]. Journal of Beijing Normal University:Natural Science, 2016, 52(6): 747-753.
[6]
程纯枢. 中国的气候与农业[M]. 北京: 气象出版社, 1991: 542-603.
CHENG C S. Climate and Agriculture in China[M]. Beijing: Meteorological Press, 1991: 542-603.
[7]
朱晓华. 我国农业气象灾害减灾研究[J]. 中国生态农业学报, 2003, 11(2): 139-140.
ZHU X H. The characters of agrometeorological disaster, its mechanism and countermeasures in China[J]. Chinese Journal of Eco-Agriculture, 2003, 11(2): 139-140.
[8]
黄荣辉, 周连童. 我国重大气候灾害特征、形成机理和预测研究[J]. 自然灾害学报, 2002, 11(1): 1-9.
HUANG R H, ZHOU L T. Research on the characteristics, formation mechanism and prediction of severe climatic disasters in China[J]. Journal of Natural Disasters, 2002, 11(1): 1-9. DOI:10.3969/j.issn.1004-4574.2002.01.001
[9]
姜灵峰, 崔新强. 近20a我国农业气象灾害变化趋势及其原因分析[J]. 暴雨灾害, 2016, 35(2): 102-108.
JIANG L F, CUI X Q. Analysis on variation tendency and cause of China's agrometeorological hazards in the latest 20 years[J]. Torrential Rain and Disasters, 2016, 35(2): 102-108. DOI:10.3969/j.issn.1004-9045.2016.02.002
[10]
姚亚庆. 1950-2015年我国农业气象灾害时空特征研究[D]. 杨凌: 西北农林科技大学, 2016: 45-46
YAO Y Q. The spatial and temporal characteristics of argo-meteorological disasters during 1950-2015 in China[D]. Yangling: Northwest A&F University, 2016: 45-46
[11]
房世波, 阳晶晶, 周广胜. 30年来我国农业气象灾害变化趋势和分布特征[J]. 自然灾害学报, 2011, 20(5): 69-73.
FANG S B, YANG J J, ZHOU G S. Change trend and distributive characteristics of agrometeorological disasters in China in recent 30 years[J]. Journal of Natural Disasters, 2011, 20(5): 69-73.
[12]
黄会平. 1949-2007年我国干旱灾害特征及成因分析[J]. 冰川冻土, 2010, 32(4): 659-665.
HUANG H P. Analysis of the characteristics and causes of drought in China from 1949 to 2007[J]. Journal of Glaciology and Geocryology, 2010, 32(4): 659-665.
[13]
叶敏, 钱忠华, 吴永萍. 中国旱涝时空分布特征分析[J]. 物理学报, 2013, 62(13): 573-585.
YE M, QIAN Z H, WU Y P. Spatiotemporal evolution of the droughts and floods over China[J]. Acta Physica Sinica, 2013, 62(13): 573-585.
[14]
杜会石, 秦旭升, 陈智文. 中国农业气象灾害定量评估[J]. 江苏农业科学, 2016, 44(6): 442-446.
DU H S, QIN X S, CHEN Z W. Quantitative evaluation on China's agro-meteorological disasters[J]. Jiangsu Agricultural Sciences, 2016, 44(6): 442-446.
[15]
叶殿秀, 张勇. 1961-2007年我国霜冻变化特征[J]. 应用气象学报, 2008, 19(6): 661-665.
YE D X, ZHANG Y. Characteristics of frost changes from 1961 to 2007 over China[J]. Journal of Applied Meteorological Science, 2008, 19(6): 661-665. DOI:10.3969/j.issn.1001-7313.2008.06.004
[16]
李洋, 王玉辉, 吕晓敏, 等. 1961-2013年东北三省极端气候事件时空格局及变化[J]. 资源科学, 2015, 37(12): 2501-2513.
LI Y, WANG Y H, LYU X M, et al. Spatial distribution and temporal change in extreme weather events in three provinces in Northeast China[J]. Resources Science, 2015, 37(12): 2501-2513.
[17]
张志富, 希爽, 余予, 等. 1961-2012年中国5类主要冰冻天气的气候及变化特征[J]. 冰川冻土, 2015, 37(6): 1435-1442.
ZHANG Z F, XI S, YU Y, et al. Climatic characteristics and variations of the gelivation weathers in China during 1961-2012[J]. Journal of Glaciology and Geocryology, 2015, 37(6): 1435-1442.
[18]
高懋芳, 邱建军, 刘三超, 等. 我国低温冷冻害的发生规律分析[J]. 中国生态农业学报, 2008, 16(5): 1167-1172.
GAO M F, QIU J J, LIU S C, et al. Spatio-temporal pattern of cold and frost damage in China[J]. Chinese Journal of Eco-Agriculture, 2008, 16(5): 1167-1172.
[19]
民政部. 民函[2008] 119号自然灾害情况统计制度[S]. 北京: 民政部, 2008
Ministry of Civil Affairs of the People's Republic of China. 2008(119) Statistics System of Natural Disasters[S]. Beijing: Ministry of Civil Affairs of the People's Republic of China, 2008
[20]
国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 1983-2014.
State Statistical Bureau. China Statistical Yearbook[M]. Beijing: China Statistics Press, 1983-2014.
[21]
国家统计局农村社会经济统计司. 中国农村统计年鉴[M]. 北京: 中国统计出版社, 1983-2014.
Department of Rural Social and Economic Statistics of the National Bureau of Statistics. China Rural Statistical Yearbook[M]. Beijing: China Statistics Press, 1983-2014.
[22]
中华人民共和国农业部. 新中国农业60年统计资料[M]. 北京: 中国农业出版社, 2009.
Ministry of Agriculture of the People's Republic of China. Statistics of Agriculture in New China in the Past 60 Years[M]. Beijing: China Agriculture Press, 2009.
[23]
方修琦, 何英茹, 章文波. 1978-1994年分省农业旱灾灾情的经验正交函数EOF分析[J]. 自然灾害学报, 1997, 6(1): 59-64.
FANG X Q, HE Y R, ZHANG W B. An EOF analysis on drought effect on agriculture in China during 1978-1994[J]. Journal of Natural Disasters, 1997, 6(1): 59-64.
[24]
铃木荣一. 气象统计学[M]. 北京: 地人书馆, 1968.
SUZUK H. Meteorological Statistics[M]. Beijing: Diren Labrary, 1968.
[25]
黄嘉佑. 气象统计分析与预报方法[M]. 北京: 气象出版社, 1990: 130-139.
HUANG J Y. Meteorological Statistical Analysis and Forecasting Methods[M]. Beijing: China Meteorological Press, 1990: 130-139.
[26]
HAO L, ZHANG X Y, LIU S D. Risk assessment to China's agricultural drought disaster in county unit[J]. Natural Hazards, 2012, 61(2): 785-801. DOI:10.1007/s11069-011-0066-4
[27]
LIU Y, LIU B C, YANG X J, et al. Relationships between drought disasters and crop production during ENSO episodes across the North China Plain[J]. Regional Environmental Change, 2015, 15(8): 1689-1701. DOI:10.1007/s10113-014-0723-8
[28]
TAO F L, ZHANG S, ZHANG Z. Changes in rice disasters across China in recent decades and the meteorological and agronomic causes[J]. Regional Environmental Change, 2013, 13(4): 743-759. DOI:10.1007/s10113-012-0357-7
[29]
李伟光, 易雪, 侯美亭, 等. 基于标准化降水蒸散指数的中国干旱趋势研究[J]. 中国生态农业学报, 2012, 20(5): 643-649.
LI W G, YI X, HOU M T, et al. Standardized precipitation evapotranspiration index shows drought trends in China[J]. Chinese Journal of Eco-Agriculture, 2012, 20(5): 643-649.
[30]
XIE N M, XIN J H, LIU S F. China's regional meteorological disaster loss analysis and evaluation based on grey cluster model[J]. Natural Hazards, 2014, 71(2): 1067-1089. DOI:10.1007/s11069-013-0662-6
[31]
ZHANG Z, CHEN Y, WANG P, et al. Spatial and temporal changes of agro-meteorological disasters affecting maize production in China since 1990[J]. Natural Hazards, 2014, 71(3): 2087-2100. DOI:10.1007/s11069-013-0998-y
[32]
ZHANG Z, WANG P, CHEN Y, et al. Spatial pattern and decadal change of agro-meteorological disasters in the main wheat production area of China during 1991-2009[J]. Journal of Geographical Sciences, 2014, 24(3): 387-396. DOI:10.1007/s11442-014-1095-1
[33]
YANG P, XIAO Z N, YANG J, et al. Characteristics of clustering extreme drought events in China during 1961-2010[J]. Acta Meteorologica Sinica, 2013, 27(2): 186-198. DOI:10.1007/s13351-013-0204-x
[34]
LI K Z, WU S H, DAI E F, et al. Flood loss analysis and quantitative risk assessment in China[J]. Natural Hazards, 2012, 63(2): 737-760. DOI:10.1007/s11069-012-0180-y
[35]
NIE C J, LI H R, YANG L S, et al. Spatial and temporal changes in flooding and the affecting factors in China[J]. Natural Hazards, 2012, 61(2): 425-439. DOI:10.1007/s11069-011-9926-1
[36]
SHAO M L, GONG Z W, XU X X. Risk assessment of rainstorm and flood disasters in China between 2004 and 2009 based on gray fixed weight cluster analysis[J]. Natural Hazards, 2014, 71(2): 1025-1052. DOI:10.1007/s11069-013-0664-4
[37]
GUAN Y H, ZHENG F L, ZHANG P, et al. Spatial and temporal changes of meteorological disasters in China during 1950-2013[J]. Natural Hazards, 2015, 75(3): 2607-2623. DOI:10.1007/s11069-014-1446-3
[38]
钟子英, 陈德萍, 官华平, 等. 我国农业灾害情况的统计及其风险估测[J]. 现代农业科技, 2011(12): 14-16.
ZHONG Z Y, CHEN D P, GUAN H P. Statistics and risk estimation of agricultural disaster in China[J]. Modern Agricultural Science and Technology, 2011(12): 14-16. DOI:10.3969/j.issn.1007-5739.2011.12.002
[39]
XIAO F J, SONG L C. Analysis of extreme low-temperature events during the warm season in Northeast China[J]. Natural Hazards, 2011, 58(3): 1333-1344. DOI:10.1007/s11069-011-9735-6
[40]
DAI J H, WANG H J, GE Q S. The decreasing spring frost risks during the flowering period for woody plants in temperate area of eastern China over past 50 years[J]. Journal of Geographical Sciences, 2013, 23(4): 641-652. DOI:10.1007/s11442-013-1034-6
[41]
NING X J, LIU G J, ZHANG L J, et al. The spatio-temporal variations of frost-free period in China from 1951 to 2012[J]. Journal of Geographical Sciences, 2017, 27(1): 23-42. DOI:10.1007/s11442-017-1362-z
[42]
CHEN S, LUO Z K, PAN X B. Natural disasters in China:1900-2011[J]. Natural Hazards, 2013, 69(3): 1597-1605. DOI:10.1007/s11069-013-0765-0
[43]
YAN D H, FENG J, LI C Z, et al. General framework and key issues concerning integrated strategies for coping with drought and flood in China in a changing environment[J]. Natural Hazards, 2012, 64(1): 577-592. DOI:10.1007/s11069-012-0258-6