旱灾是世界上也是我国最严重的自然灾害之一。据中国国家统计局数据统计, 1978—2015年我国年平均干旱受灾面积是水灾、风雹、冷冻灾害受灾面积的2~7倍, 对农业的影响远超其他灾害。多年来众多学者做了大量关于干旱的研究^[1-6], 包括构建干旱指数、分析干旱特征和风险、评估灾害影响等。与洪涝、冰冻等灾害不同, 干旱发生过程缓慢、反复, 因此从发生到结束往往难以准确识别, 而准确地识别干旱是构建干旱指数、对干旱进行定量分析的前提。农业干旱受到多种因素的影响, 发生机制复杂, 评价方法众多, 目前比较常用的干旱评价指数有Palmer干旱指数、Z指数、作物湿度指数、综合气象干旱指数、遥感指数等^[7-13]。以上方法各有优缺点, 其中气象干旱指数无法表达农作物在不同生长发育阶段需水量与抵御干旱能力之间的差异; 遥感指数通常反映的是表层土壤的水分状况, 其监测结果也易受天气因素影响。此外, 多数作物干旱指数在空间上的可比性较差, 科学地构建干旱指数是研究干旱的关键。干旱的影响是非结构性的^[14], 具有累积性、多样性和区域性, 而农业干旱的影响研究最终要归结于干旱所造成作物产量下降的程度和范围, 其评估结果除与温度、降水、地形等自然条件有关外, 同时还受到经济发展、管理水平等因素影响, 因此精细化的灾损评估是农业干旱影响研究的方向和落脚点。

游程理论对干旱持续时间以及干旱强度进行了详细的界定, 被广泛应用于水文和气象干旱事件的识别以及干旱监测和评估^[15-16], 但其在农业干旱及其损失评估方面的应用研究尚少有发现。作物水分亏缺距平指数^[17]既综合考虑了气象、作物、土壤等因素的影响, 又能反映出降水量和作物需水量的匹配关系, 且在时间和空间上也具有较好的可比性。辽宁省地形复杂, 水资源分布不均, 干旱是影响农业生产的首要灾害, 且有研究表明, 降水的空间分布可直接导致灾损程度区域间的差异^[8]。综上, 本文以作物水分亏缺距平指数为基础, 利用游程理论从干旱指数序列中提取农业干旱事件, 基于两者构建新的干旱指数, 结合产量损失率构建区、县尺度的春玉米干旱产量损失评估模型, 评估不同风险等级干旱产量损失, 以期探索一种农业干旱评价指数和精细化旱灾损失评估方法, 为辽宁省春玉米干旱风险管理、旱灾保险以及区域防灾减灾工作等实施提供科学依据。

1 研究区域概况与研究方法 1.1 研究区域

考虑到不同地区地形、土壤、降水量等存在差异, 根据产量水平相近、降水特征相似、比邻成片的原则, 参考《中国气象地理区划手册》^[18], 本文将辽宁省分成5个区域进行研究, 分别是辽西、辽北、辽中、辽东和辽南(图 1)。

1.2 数据及来源

研究资料为辽宁省52个气象站1961—2015年基本观测资料, 包括平均气温(℃)、日最高气温(℃)、日最低气温(℃)、平均相对湿度(%)、日降水量(mm)、平均风速(m·s^-1)、平均气压(hPa)、日照时数(h), 来自国家气象信息中心。产量资料为辽宁省51个春玉米主产区、县1981—2015年春玉米种植面积(hm²)、单位面积产量(简称单产, t·hm^-2), 来自中国农业科学院农业信息研究所。

1.3 研究方法 1.3.1 水分亏缺距平指数(CWDI_a)的构建

本研究采用水分亏缺距平指数(CWDI_a)作为农业干旱指数计算基础, 计算公式如下:

$ {\rm{CWD}}{{\rm{I}}_{\rm{a}}} = \left\{ \begin{array}{l} \frac{{{\rm{CWDI}} - \overline {{\rm{CWDI}}} }}{{\overline {{\rm{CWDI}}} }} \times 100\% \;\;\;\;\;\;\left( {\overline {{\rm{CWDI}}} > 0} \right)\\ {\rm{CWDI}}\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left( {\overline {{\rm{CWDI}}} \le {\rm{0}}} \right) \end{array} \right. $

(1)

式中: CWDI_a为某时段作物水分亏缺指数距平(%); CWDI为某时段作物水分亏缺指数(%); CWDI为所计算时段同期作物水分亏缺指数1981—2010年平均值(%)。CWDI计算公式如下:

$ \begin{array}{l} {\rm{CWDI}} = a \times {\rm{CWD}}{{\rm{I}}_j} + b \times {\rm{CWD}}{{\rm{I}}_{j - 1}} + c \times {\rm{CWD}}{{\rm{I}}_{j - 2}} + d \times \\ {\rm{CWD}}{{\rm{I}}_{j - 3}} + e \times {\rm{CWD}}{{\rm{I}}_{j - 4}} \end{array} $

(2)

式中: CWDI_j为第j时间单位的水分亏缺指数(%); a、b、c、d、e为权重系数, a取值0.3, b取值0.25, c取值0.2, d取值0.15, e取值0.1。CWDI_j计算公式如下:

$ {\rm{CWD}}{{\rm{I}}_j} = \left\{ \begin{array}{l} {\rm{1}} - \frac{{{P_j} + {I_j}}}{{{\rm{E}}{{\rm{T}}_{{\rm{c}}j}}}} \times {\rm{100\% (E}}{{\rm{T}}_{{\rm{c}}j}} \ge {P_j} + {I_j})\\ 0{\rm{ (E}}{{\rm{T}}_{{\rm{c}}j}} < {P_j} + {I_j}) \end{array} \right. $

(3)

式中: P_j为降水量(mm); I_j为灌溉量(mm); ET_cj为实际蒸散量(mm), ET_cj=k_c×ET₀计算, ET₀为作物可能蒸散量[采用联合国粮农组织(FAO 1998)推荐的Penman-Monteith公式^[19]计算], k_c为作物所处发育阶段的作物系数或多种作物的平均作物系数, 采用FAO数值或国内临近地区通过试验确定的数值, k_c值确定方法见国标《GBT 32136—2015农业干旱等级》^[17]。

1.3.2 基于游程理论和CWDI_a的干旱识别以及干旱指数计算

基于春玉米生育期内逐日CWDI_a, 根据国标《GBT 32136—2015农业干旱等级》, CWDI_a大于阈值0.4(CWDI₀, 水分亏缺距平触发干旱的阈值)则发生干旱。如图 2, t_s为春玉米发育期内一个干旱事件的开始, t_a为该干旱事件的结束, 大于CWDI₀的面积为该干旱事件的干旱强度S。逐年总的干旱强度(S_total)为春玉米发育期内所有干旱事件强度S之和, 并将S_total作为该年春玉米干旱指数。

1.3.3 极值概率模型

本文选择国内外广泛应用于极端气象事件的统计分布模型——广义极值分布^[20]来拟合干旱强度指数序列, 函数如下所示:

$ f(x) = \left\{ \begin{array}{l} \frac{1}{\sigma }\exp \left[ { - {{(1 + kz)}^{ - 1/k}}} \right]{(1 + kz)^{ - 1 - 1/k}}{\rm{ }}\left( {k \ne {\rm{0}}} \right)\\ \frac{1}{\sigma }\exp \left[ { - z - {\rm{exp}}( - z)} \right]{\rm{ }}\;\;\;\;\;\left( {{\rm{ }}k = {\rm{0}}} \right) \end{array} \right. $

(4)

式中: z=(x-μ)/σ, k、σ、μ分别为广义极值分布(generalized extreme value, GEV)函数的形状参数、尺度参数和位置参数, 其中尺度参数σ > 0。GEV的分布范围取决于形状参数k, 不同的形状参数产生不同的极值分布类型, 即极值Ⅰ型、Ⅱ型和Ⅲ型。当k=0, 为极值Ⅰ型, 也就是耿贝尔分布(Gumbel分布), 即:

$ f(x) = \frac{1}{\sigma }\exp [ - z - {\rm{exp}}( - z)] $

(5)

式中: z=(x-μ)/σ, σ、μ分别为Gumbel分布函数的尺度参数和位置参数。当k > 0, 为极值Ⅱ型, 也就是Fréchet分布; 当k < 0时, 为极值Ⅲ型, 即为逆威尔布分布。

不同重现期下干旱强度估算公式如下:

$ {x_T} = \left\{ \begin{array}{l} \mu - \frac{\sigma }{k}\left\{ {1 - {{\left[ { - {\rm{log}}(1 - 1/T)} \right]}^{ - k}}} \right\}{\rm{ }}\left( {k \ne 0} \right)\\ \mu - \sigma \log \left[ { - {\rm{log}}(1 - 1/T)} \right]{\rm{ }}\left( {k = 0} \right) \end{array} \right. $

(6)

式中: x_T为不同重现期的干旱强度(return level); T为重现期, 如10年、50年。

参数估计方法采用极大似然法(maximum likelihood method), 同时利用Kolmogorov-Smirnov (K-S)检验法比较数据分布形式与已知分布是否一致, 即对模拟拟合优度检验。

1.3.4 产量损失率计算

利用辽宁省春玉米主产区、县1981—2015年产量序列, 采用“趋势-波动”分解模型, 将产量(Y)时间序列分离成技术以及其他因素影响的趋势项(Y_t)、气候项(Y_W)等。由于干旱是影响辽宁省春玉米产量波动的主要因素^[21], 因此, 认为剔除趋势和技术产量部分Y_t后, 即为干旱造成的产量损失Y_W。根据各区县春玉米产量变化特点, Y_t采用线性拟合法、多项式拟合法、差值法等进行拟合, 通过P < 0.05信度检验的拟合方法和数据给予采用, (Y-Y_t)即为春玉米干旱产量损失。为消除各区、县间产量水平差异, 采用相对气象产量R表示产量损失率。计算方法如下:

$ R = \left( {Y - {Y_{\rm{t}}}} \right)/{Y_{\rm{t}}} \times 100\% $

(7)

2 结果与分析 2.1 春玉米干旱指数分布特征

根据1.3.1和1.3.2节方法, 提取出1961—2015年辽宁省各气象站点干旱事件, 并计算春玉米全生育期干旱指数55年的平均值及最大值, 将结果进行反距离加权插值, 结果见图 3。

图 3a显示, 辽宁省各站点春玉米干旱指数55年平均值由西部向东部递减, 指数最大的区域在辽西, 为10.7~12.3, 最大值出现在义县; 指数次大的区域为辽南, 为6.4~10.2, 最大值出现在旅顺口; 辽北和辽中干旱指数为5.1~10.1, 总体低于辽西和辽南, 高于辽东; 辽东干旱指数为1.8~5.2, 最小值出现在新宾。可见, 1961—2015年春玉米生育期内, 辽西干旱指数较大, 农业干旱总体较重。

图 3b显示, 55年间春玉米干旱指数最大值出现在辽西的建昌(1961年), 辽北的法库(2001年)次之, 干旱指数最大值分别为54.9和48.9;辽西和辽南（除庄河市和大石桥市）干旱指数最大值均在33.2以上; 此外, 辽中的盘山(1965年)、大洼(2014年)等地也曾发生过较为严重的农业干旱, 干旱指数最大值分别为45.0和44.1;辽东的各区、县干旱指数最大值仍为最小, 为10.8~28.4。

2.2 春玉米产量稳定性分析

考虑到变异系数能够表达序列数据变化的离散程度, 选取产量序列完整的2000—2015年辽宁省各区、县春玉米单产资料, 并计算其变异系数(图 4), 用以分析春玉米产量年际间的差异变化和稳定性。从图 4可知, 辽西春玉米单产变异系数最大, 除绥中县、兴城市、凌海市、北镇市、黑山县、彰武县外, 其余区、县单产变异系数均在0.30以上, 为单产年际间差异最大、稳定性最差的区域; 辽北除康平县、法库县和调兵山市单产变异系数在0.30~0.45外, 大部为0.15~0.30, 单产年际间差异仅低于辽西; 辽中、辽东和辽南大部变异系数在0.30以下, 其中, 辽东大部 < 0.15, 为单产年际间差异最小、最稳定的区域。

2.3 春玉米干旱产量损失评估模型

通过2.1和2.2节的分析可知, 辽宁省春玉米干旱指数大小与单产年际间差异的分布具有较明显的相似性, 但又非完全相同, 因此, 要具体阐明各地干旱产量损失风险, 需要构建具有针对性的模型进行精细化评估。

2.3.1 模型构建

通过分析春玉米产量损失率和干旱指数的特点, 综合考虑地理位置、地形特点、抗旱能力、社会经济等因素, 构建辽宁省春玉米各主产区、县干旱产量损失评估模型, 见表 1。其中, 对于未发生干旱(干旱指数S_total=0)、产量有损失(R < 0)的年份, 如1985年、1986年、1992年、1994年、1995年、2010年、2012年等, 某些区、县却是明显减产年, 经分析该年春玉米生长发育期间发生了较为严重的洪涝或低温灾害^[22-24]; 或者某年发生了较为严重的干旱, 但却没有导致产量相应减少, 可能是该地区采取了有效的灌溉、人工增雨等抗旱措施, 干旱损失率受到较大的人为影响。以上两种情况下的年份不参与旱灾损失评估模型的构建。

2.3.2 模型参数分析

根据2.3.1节构建的旱灾产量损失模型, 在干旱指数变化相同的情况下, 参数a越大, 产量损失率越大, 说明a一定程度上是春玉米对干旱敏感性及承受能力的综合体现。为分析参数a的分布特征, 对于辽宁省产量缺失年份较多、未构建损失模型的区、县, 本文采取地理位置相邻和行政区域隶属原则, 对参数a进行赋值, 其空间分布见图 5。从图 5可见, a在辽宁省的地域分布特征较为明显。总体表现为, 其绝对值辽西最大, 其中朝阳地区又为辽西之最, 而凌海市、北镇市和黑山县相对较小; 辽南和辽北次大, 辽中较小, 辽东除抚顺外, 大部分区、县产量对干旱指数变化无规律性反应, 凤城市、东港市产量变化对干旱表现为正向响应。以干旱指数增加5.0为例, 辽西大部产量减少10.0%~15.0%, 凌源市、喀左县、建昌县、朝阳县、北票市等地减少15.0%~ 20.5%, 北镇市、凌海市、黑山县等地减少5.0%~ 10.0%;辽南和辽北大部分区、县产量减少10.0%~ 15.0%;辽中大部减少10.0%以下; 辽东大部以及辽中的台安县、盘山县等地春玉米产量与干旱指数无显著相关性, 而凤城市、东港市降水偏少的年份春玉米产量反而略有增加。

2.3.3 模型检验

表 1显示, 辽宁省大部春玉米旱灾产量损失率与干旱指数呈线性关系, 春玉米各主产区、县逐年干旱指数与产量损失率相关系数达显著水平的区域占80%以上, 相关性较好, 可用于玉米干旱产量损失评估。其中辽西、辽北、辽南、辽中大部以及辽东的抚顺县干旱指数与产量损失率呈正相关, 模型均能通过P < 0.05的显著性检验; 辽中部分(台安县、盘山县)以及辽东大部区县干旱指数与产量损失率相关性不显著, 而辽东的凤城市和东港市干旱指数与产量损失率呈显著负相关(P < 0.05)。

2.4 不同干旱风险水平的春玉米产量损失

根据1.3.3节方法, 计算各地不同风险水平的干旱指数, 结合2.3.1节干旱产量损失评估模型, 得到不同干旱风险水平下(10年一遇、50年一遇)辽宁省春玉米产量损失分布(图 6)。

图 6显示, 在10年、50年一遇干旱风险下, 辽宁省春玉米干旱减产率总体均呈现由西向东逐渐递减的特征。10年一遇干旱风险下, 春玉米产量损失最大的区域为辽西中西部(主要为朝阳市及所辖区县), 损失率在50%以上, 辽西其余大部地区和辽南的瓦房店市、辽北的昌图县和法库县产量损失率为30%~50%;辽西的锦州市、辽北大部、辽中和辽南大部以及辽东的抚顺市产量损失率为10%~30%;辽中的沈阳市和辽阳市及其所辖区县、大洼县产量损失率在10%以下; 辽东的凤城市和东港市、辽北的西丰县在10年一遇干旱风险下春玉米产量无损失。

50年一遇干旱风险下, 辽西西部、辽北大部、辽南的瓦房店以及辽中的海城市、辽东的抚顺市春玉米产量损失率为100%;辽西其他区、县产量损失率在50%以上; 辽南大部春玉米产量损失率为20%~50%;辽中产量损失率相差较大, 北部普遍高于南部; 辽东的凤城市和东港市春玉米在50年一遇干旱风险下产量无损失, 而辽北的西丰县产量损失率在20%以下。

3 结论与讨论

本研究以作物水分亏缺距平指数为基础, 根据基于游程理论的干旱识别方法, 构建了春玉米全生育期干旱指数, 并分析了辽宁省春玉米干旱指数及产量稳定性分布特征, 建立了基于干旱指数和产量损失率的干旱产量损失评估模型。本文构建的农业干旱指数, 理论性和可操作性较强, 弥补了由于缺少历史干旱发生程度、持续时间和损失等定量化信息导致在评价春玉米干旱上的局限性。

1961—2015年辽宁省春玉米干旱指数空间分布显示, 干旱指数平均值总体呈由西部向东部递减的经向分布, 最大值区域为辽西, 其次为辽南, 辽东最小; 55年间干旱指数的最大值出现在辽西的建昌(1961年)。总体来看, 辽西地区更易发生严重的农业干旱事件, 与大多数学者的研究结论一致^[25-26], 说明构建的干旱指数能够反映干旱的实际情况。

与干旱指数分布相似, 辽宁省春玉米产量最不稳定的区域为辽西, 最稳定的区域为辽东; 辽北、辽中和辽南产量的稳定性总体差于辽东、好于辽西, 个别区、县年际间产量波动较大, 说明辽宁省春玉米产量的波动与干旱程度关系密切^[27]。基于此构建的干旱产量损失评估模型也显示, 辽宁省80%以上春玉米主产区、县产量损失率与干旱指数显著相关, 干旱对春玉米产量的影响在空间上差异明显, 对辽西地区影响最大, 其中又以朝阳地区为最, 其次为辽北和辽南, 以上大部区域又为春玉米高产区, 因此也是辽宁省春玉米干旱重点防范区域, 需增加耐旱品种种植, 加强农田水利与灌溉工程, 发展农业节水灌溉技术, 提高区域整体抗旱能力, 并及时监测预报农业干旱, 适时开展人工增雨, 做好干旱的防灾减灾工作; 对辽东湾附近以及中部平原地区影响较小, 辽中的台安县和盘山县以及辽东大部区、县春玉米产量损失与干旱指数无显著相关性, 主要由于台安县和盘山县境内有10余条水系, 灌溉条件极好, 干旱年均可得到不同程度灌溉; 辽东具有特殊的地形及气候特征, 尤其是凤城市和东港市, 降水偏少使春玉米产量不减反增, 这可能与该区域自然降水完全能够满足春玉米生长发育的需要, 且是洪涝、风雹灾害高发区有关^[28-29], 可通过提高种植和管理水平、加强自然灾害防御的手段增加产量。

在10年、50年一遇干旱风险下, 辽宁省春玉米干旱减产率总体呈现由西向东逐渐递减的特征。50年一遇干旱风险下, 辽西和辽北除凌海市和西丰县外、辽南的瓦房店和盖州市以及辽中的海城市和辽中县、辽东的抚顺市等地, 产量损失率均在50%以上、甚至绝收。此空间分布特征主要与气候、地形条件等综合因素有关, 与许多学者的研究结论大体一致^[28], 但在具体细节上存在一定差别。除评价指标不同外, 本文直接以区、县为研究单位, 而大多数研究是以气象站点为单位再插值到整个区域, 两种研究方法和精度的不同也是导致研究结果存在差异的重要原因。

本文在构建干旱产量损失评估模型时, 一是由于产量数据的限制, 仅针对2015年及以前的历史产量序列较完整的51个春玉米主产区、县进行了建模; 二是虽然已排除典型洪涝、低温冷害等影响较大的年份, 也考虑了重旱年份灌溉的影响, 但未考虑春玉米生长发育期间发生时间短、影响较轻的其他自然灾害、病虫害等对产量的负面影响。今后如能得到完整的历史产量资料以及分类灾损和各区县灌溉数据, 将使春玉米干旱产量损失评估的结果更加精确。