区域暴雨灾害指标与棉花减产率的关系探讨

侯双双等

试验研究

摘要：利用湖北省襄樊地面气象站1981～2006年逐日降水量和气温数据资料，按IPCC评估报告对极端天气气候事件的定义，分析襄樊地区暴雨灾害指标与棉花减产率之间的关系。结果表明，襄樊地区的暴雨灾害指标为日降水量≥34 mm；区域暴雨灾害指标与减产率明显正相关，棉花减产率与生长期（15℃和20℃）暴雨日数及强度关系为：y=-118.66+8.58x1+0.11x2-19.86x3+2.38x4。旨在为农业生产防灾减灾提供参考。

关键词：襄樊地区；区域；暴雨灾害指标；棉花减产率

中图分类号：S162.8 文献标志码： A 文章编号：2095-3143（2014）04-0016-05

DOI：10.3969/j.issn.2095-3143.2014.04.004

0 引言

IPCC（联合国气候变化政府间专家委员会）2007年评估报告指出：在整个21世纪中，如果气候持续变暖，那么极端天气气候事件（例如热浪、强降水、风暴）发生频率也将增加[1-3]。处于气候变暖的背景下，大量研究表明极端天气事件中强降水事件在各地区呈现不同的变化趋势[4-7]。作为强降水事件的暴雨，归属于极端天气气候事件，具有明显的地区差异；因此，暴雨指标也应有地区差异。

中国气象局规定以日（24 h）雨量达到50.0 mm为暴雨[8]，并以此暴雨指标分析全国暴雨时空分布特征和开展业务服务。而新疆吐鲁番年均降水量虽然只有16.6 mm，1958年8月14日12 h的降水量却高达36 mm[9]，如果按50 mm的国家暴雨标准吐鲁番这次罕见的强降水事件只能列为大雨；马淑红等根据属干旱、半干旱地区的新疆的暴雨成灾事实、暴雨特点以及河川与下垫面渗透力情况，把日降水量≥20.0 mm为干旱区暴雨指标和日雨量≥25.0 mm为半干旱地区暴雨指标[10]；杨霞等以日降水量≥24 mm为新疆地区暴雨指标[11]；像东北地区日降水量达到30 mm已构成强降水，而西北地区日降水量达到25 mm也属罕见[9]。因此，有人提出中国各地气候、地理及农业生产特点不同，暴雨标准也应有所不同[9，12]。显然，作为强降水事件的暴雨指标因地而异，相对全国统一的以日降水量≥50.0 mm为暴雨指标难反映当地的实际情况，但如何确定区域暴雨指标，又如何检验该暴雨指标的合理性是有待深入探索的课题。

襄樊地区是湖北省重要的产棉区，棉花各生育阶段对淹水都十分敏感，抗涝能力弱[13]，襄樊地区处于亚热带湿润季风气候区，涝渍不利于棉花生长发育[14]。暴雨洪涝给该地区棉花生产造成严重损失[15-16]。本文拟以棉花减产率为灾损指标，根据IPCC-2007评估报告对极端天气气候事件的定义，研究襄樊地区的暴雨指标与棉花减产率的关系，探寻有效的区域暴雨指标。

1 资料来源及处理方法

从湖北省襄樊地面气象站和农业气象试验站分别获取1981～2006年逐日气温、降水量和棉花产量数据。利用5日滑动平均法[17]计算历年稳定通过界限温度（0℃、5℃、10℃、15℃和20℃）的起止日期，并得到各界限温度起止日期之间的时段，分别称为0℃生长期、5℃生长期、10℃生长期、15℃生长期及20℃生长期，对应生长期天数称为生长期长度。并按日降水量≥0.1 mm为雨日，筛选出历年的雨日日降水量序列。

利用非参数K-S单样本检验方法检验襄樊站点1981～2006年的雨日日降水量序列的分布类型并拟合相应的概率密度分布函数，按照IPCC-2007评估报告中极端天气事件为发生概率小于等于10%的定义[1]，计算得到概率发生值为10%的日降水量作为历年的暴雨下限指标；然后根据26个年暴雨指标计算得到襄樊地区暴雨下限指标。

采用11年直线滑动平均法[18]从襄樊市1981～2006年的棉花单产中分离出趋势产量和气象产量，计算相对气象产量百分率，按相对气象产量百分率<-5%、-5%～5%和>5%分别划分为欠年、平年和丰年[19]，并以欠年的相对气象百分率的绝对值定义为减产率，作为棉花灾损指标。

2 暴雨特征分析

2.1 暴雨指标及暴雨特性

利用非参数K-S单样本检验方法检验襄樊站点1981～2006年日降水量序列的分布类型，结果表明历年日降水量分布均为正态分布，根据拟合的正态分布密度函数，得到概率发生值为10%的历年日降水量值，最终得到襄樊暴雨下限指标为日降水量34 mm。采用5日滑动平均法得到襄樊站点1981～2006年界限温度为0℃、5℃、10℃、15℃及20℃生长期起止日期和相应的生长期长度。

2.2 暴雨致灾因子

暴雨对农作物的不利影响主要表现在两个方面：一是雨量过大导致的积水对农作物产生的涝灾影响，二是雨强度过大对农作物造成的直接机械损伤。统计分析襄樊各界限温度生长期暴雨日数、暴雨量和暴雨强度三者两两之间的相关系数列于表2。从表2看出，各生长期暴雨量与暴雨日数相关系数在0.82以上，并通过置信水平为0.01的相关系数检验，两者相关关系显著；暴雨强度与暴雨日数相关系数在0.36以下，为没有线性相关关系；暴雨量与暴雨强度的相关系数在0.62～0.71之间。就相关程度来看，暴雨日数与暴雨量大于暴雨量与暴雨强度的相关性，而暴雨日数与暴雨强度可认为是相互独立的。因此，从暴雨特征量来分析暴雨对作物影响时可选取暴雨日数和暴雨强度两个特征作为暴雨致灾因子。

3 区域暴雨灾害指标与棉花减产率的关系

事实上，若不考虑其他因素影响，暴雨作为极端强降水事件势必会对作物生长造成不利影响，然而在作物生长过程中，各种因素（包括人为和自然）的相互影响形成了作物的最终产量。根据襄樊区域暴雨指标，统计得出襄樊每一年都有暴雨的发生，但襄樊的棉花欠年年份共有10年，并非每一年都为欠年。对于丰年和平年来说，可以认为暴雨的不利影响被其他因素抵消了甚至是使暴雨这一不利事件转为有利，例如长期的干旱后强度适中的暴雨发生能缓解旱情使得暴雨转害为利。因此，作者认为丰年和平年中气象条件是有利的，可假设没有暴雨及其他不利气象事件发生。而对棉花欠年来说，暴雨灾害与棉花灾损是否存在直接的关系是接下来需要验证的问题。

5 结论与讨论

通过对襄樊1981～2006年气象资料及棉花产量资料的统计分析，根据IPCC评估报告对极端天气气候事件的定义，得到了襄樊地区的暴雨指标为日降水量≥34 mm，并且以襄樊棉花实际产量相对气象产量的减产率为灾损指标，得到暴雨致灾因子与棉花减产率二者之间的模型关系式。结果表明，对于襄樊而言，作为极端天气事件的暴雨与棉花减产有直接的正相关关系，进而验证了本文确定的襄樊区域暴雨指标及其得出方法的合理性。

由于气象资料的限制，本文得到的暴雨指标是以日降水量为单位的，而从暴雨是强降水这个角度来说，今后的暴雨指标研究还需要进一步缩小时间尺度。另外，本文区域暴雨指标的确定方法对襄樊地区来说显然是合理的，但在全国其他地区确定要因地而异，也是亟待展开的工作。

6 致谢

感谢贵州省山地环境气候研究所“西南重大突发性自然灾害预警与防控技术研究与应用”课题组全体同志给予的支持和指导！

参考文献

[1] Martin Benisons. Extreme climatic events： examples from the alpine region [J]. JOURNAL DE PHYSIQUE IV 2004（121）： 139-149.

[2] Cynthia Rosen Zweig， Ana Iglesias， X.B. Yang， Paul R. Epstein， and Eric Chivian. Climate change and extreme weather events Implications for food production， plant diseases， and pests [J]. GLOBAL CHANGE & HUMAN HEALTH， VOLUME 2， NO. 2 （2001）：90-104.

[3] Viatcheslav V. Karin， Francis W.Zwiers， and Xuebing Zhang.Hegerl. Changes in Temperature and Precipitation Extremes in the IPCC Ensemble of Global Coupled Model [J].JOURNAL OF CLIMATE， Volume 20， NO.15（2007）：1419-1445.

[4] 严中伟，杨赤.近几十年我国极端气候变化格局[J].气候与环境研究， 2000， 5 （3） ： 267-272.

[5] 翟盘茂，潘晓华. 中国北方近50年温度和降水极端事件变化[J].地理学报， 2003， 58 （增刊） ： 1-10.

[6] QianW， Lin X. Regional trends in recent precipitation indices in China [J]. Meteorology and Atmospheric Physics， 2005， 90 （2） ： 93 – 207.

[7] 罗勇. 全球气候变化及其应对[C].北京：中国气象学会，2010：9-18.

[8] 鲍名，黄荣辉. 近40年我国暴雨的年代际变化特征[J].大气科学，2006，30（6）： 1057-1067.

[9] 章淹，林宗鸿，陈渭民.暴雨预报[M]. 北京：气象出版社，1990.

[10] 马淑红，席元伟.新疆暴雨的若干规律性[J].气象学报，1997，55（2）：241-248.

[11] 杨霞，赵逸舟，李圆圆.乌鲁木齐极端天气事件及其与区域气候变化的联系[J].干旱区地理，2009，32（6）：867-873.

[12] 范兴科，吴普特，冯浩. 暴雨的判定方法和评价指标[J].中国水土保持科学，2003，1（3）：72-75.

[13 ]欧阳惠.水旱灾害学[M].北京：气象出版社，2001：107.

[14] 王璞.农作物概率[M].北京：中国农业大学出版社，2004：250-268.

[15] 姜树海，范子武，吴时强.洪灾风险评估和防洪安全决策[M].北京：中国水利水电出版社，2005：7-8.

[16] 郭广芬，周月华，史瑞琴，等.湖北省暴雨洪涝致灾指标研究[J].暴雨灾害，2009，28（4）：357-361.

[17] 姜会飞.农业气象观测与数据分析[M].北京：科学出版社，2008：153-155.

[18] 薛昌颖，霍治国，李世奎.华北北部冬小麦干旱和产量灾损的风险评估[J].自然灾害学报，2003，12（1）：131-139.

[19] 姜会飞，温德永，廖树华.运用混沌理论预测粮食产量[J].中国农业大学学报，2006，11（1）：47-52.

[20] 蔡赛缄，凌良新，唐仰华.广东潮州暴雨的气候特征及成因分析[J]. 安徽农业科学， 2009，37 （33）：16462-16464.

[21] 黄忠雄，马艺，陈翠敏.广西南宁市农业气候资源分析与合理利用对策[J].安徽农业科学，2010， 38 （3）：1309-1312.

[22] 姜会飞.农业气象学[M].北京：科学出版社，2008：64.

Abstract：The author analysed the relationship between regional rainstorm index and yield reduction rate of cotton according to the daily precipitation and temperature data of Xiangfan meteorological station in Hubei province from 1981 to 2006 and the evaluation definition of extreme weather and climate events in IPCC.The result showed that，the rainstorm weather index was greater than or equal to 34 mm inXiangfan area； A significant positive correlation between the regional rainstorm disaster index and yield reduction rate， the relationship between cotton yield reduction rate and growth period （15℃ and 20℃） rainstorm day numbers， strength was y=-118.66+8.58x1+0.11x2-19.86x3+2.38x4 in order to provide reference for agricultural production and disaster prevention and mitigation.

Key words：Xiangfan area；Area；Rainstorm disaster index； Yield reduction rate of cotton