基于信息扩散理论的中国南方水旱灾害风险特征

王 莺，张 强，韩兰英

（1．中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，

中国气象局干旱气候变化与减灾重点实验室，甘肃 兰州 730020；

2．兰州大学大气科学学院，甘肃 兰州 730000；3．西北区域气候中心，甘肃 兰州 730020）

基于信息扩散理论的中国南方水旱灾害风险特征

王 莺1，2，张 强1，韩兰英3

（1．中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，

中国气象局干旱气候变化与减灾重点实验室，甘肃 兰州 730020；

2．兰州大学大气科学学院，甘肃 兰州 730000；3．西北区域气候中心，甘肃 兰州 730020）

水旱灾害是影响中国南方地区农业生产的主要自然灾害。收集1997—2012年中国南方所辖5省1市的农业灾情数据，建立基于水旱灾害受（成）灾面积的受（成）灾指数。以灾害学理论为基础，基于信息扩散理论的风险评估模型获得中国南方地区不同等级农业水旱灾害风险发生概率。结果表明：（1）贵州和云南的旱灾成灾率高，重庆和广西的水灾成灾率高，说明这些地区的农业对干旱和洪涝的适应性和恢复力差，容易成灾；（2）农业水（旱）灾受灾等级普遍高于成灾等级。随着农业水（旱）灾受灾风险等级的增加，成灾风险等级可能并未随之增加，说明良好的防灾减灾能力可以有效地降低农业水（旱）灾成灾率。研究区北部的水灾风险防范难度大于南部，西南的旱灾风险防范难度大于华南，农业旱灾较之水灾的发生风险等级高、成灾率高，受灾面积和成灾面积广；（3）从空间分布来看，水灾主要发生在四川和重庆地区，旱灾主要发生在西南地区，其中重庆的成灾率较高。

中国南方；信息扩散理论；水旱灾害；风险特征

王 莺，张 强，韩兰英．基于信息扩散理论的中国南方水旱灾害风险特征［J］．干旱气象，2016，34（6）：919－926，［WANG Ying，ZHANG Qiang，HAN Lanying．Risk Characteristics of Flood and Drought Disaster in Southern China Based on the Information Diffusion Theory［J］．Journal of Arid Meteorology，2016，34（6）：919－926］，DOI：10．11755／j．issn．1006－7639（2016）－06－0919

引 言

中国地处亚洲季风气候区，降水不仅具有明显的季节性和地域性，而且年际波动大，这些特征使得中国成为一个水旱灾害频发的国家［1］。据《中国农业统计资料》提供的数据显示，1978—2012年中国农业旱灾的平均受灾面积和成灾面积分别为2 393 万hm2和1 224万hm2，水灾分别为1 130万hm2和618万hm2。水旱灾害已严重影响了中国的农业生产。IPCC第五次评估报告指出，北半球1983—2012年可能是最近1 400 a来气温最高的30 a［2］。在此背景下，中国降水年际、年内变异增大，农业水资源有效利用的不确定性和脆弱性增加，不同地域、不同季节发生极端水旱灾害事件的次数增多［3－5］。值得注意的是，近年来在北方农业水旱灾害形势依然严峻的情况下，中国南方水旱灾害也呈现愈演愈重的趋势。如，2000年4—6月，四川重旱导致直接经济损失达22．5亿元；2006年川渝夏秋大旱，部分地区持续干旱时间超过100 d；2008年粤、桂、川、滇等省（区）出现严重洪涝灾害；2009—2010年云、贵、川、桂等省（区）出现秋、冬、春季连旱；2011年6月，贵州出现旱涝急转；2012年3月，广东发生大范围春汛；2013—2014年西南地区出现秋冬春连旱［6－7］。南方地区作为中国粮油主产区，其农业安全对中国社会发展具有重要现实意义，因此有必要开展该地区农业水旱灾害风险特征研究。

近年来，很多国际组织和国家都开展了水旱灾害风险评估工作。如联合国发展计划署（UNDP）与联合国环境规划署（UNEP）全球资源信息数据库（GRID）合作开发了“灾害风险指数（DRI）”［8－9］；Pandey等［10］研究了印度恰尔肯德邦地区的农业干旱风险；Shahid等［11］构建了孟加拉地区的干旱评估模型，强调危险性和脆弱性在干旱风险中的联合作用；Balica等［12］通过物理模型研究了肯尼亚西部的洪涝灾害风险。中国学者对水旱灾害风险评估的研究主要开始于1990年代。徐向阳等［13］从水旱灾害防治需求入手，对水旱灾害损失评估系统做了论述；徐乃璋等［14］将灾损和社会、经济、人文等因素结合，研究水旱灾害对中国农业和社会经济发展的影响；叶明华等［15］通过收集历年粮食主产省份的水旱灾害成灾率数据，构建灾害波动测算模型，得到了基于灾损的分级与评估结果；郭小燕等［16］根据甘肃省历年水旱灾害受灾面积和粮食产量数据，分析了水旱灾害的时空分布特征以及与粮食产量的关系。以上研究主要是基于大样本的概率统计模型，所需样本数较多。当前中国水旱灾情数据主要来自社会统计资料，该资料的年代序列较短，且连续性较差，导致风险评估结果稳定性弱，甚至与实际情况相差甚远［17］。为了准确分析小样本事件，信息扩散理论被广泛应用于自然灾害风险评估中［18－25］。该理论将一个观测值变成一个模糊集，用样本模糊信息去弥补小样本信息的不足，进而获得区域小概率事件的风险度。但上述研究区域多集中于中国北方，且对水旱灾害风险的认识不足。鉴于此，本研究以信息扩散理论为基础，从农业灾情方面对中国南方地区农业水旱灾害进行空间风险评估和分级评价，探讨水旱灾害风险的关联性特征，以期为中国南方地区农业生产和水旱灾害管理提供借鉴。

1 研究区概况

中国南方地区主要指秦岭—淮河线以南、青藏高原以东地区。该地区主要粮食作物是水稻，主要经济作物是油菜、甘蔗、棉花、烤烟和茶叶。选择位于中国南方的华南（广东、广西省）和西南（贵州、云南和四川省以及重庆直辖市）地区为案例区（图1），分析气候变暖背景下南方农业水旱灾害风险特征。从气候类型看，华南地区主要为亚热带季风气候，年降水量为1 300～2 500 mm，年平均温度为16～24℃；西南地区的湿润北亚热带季风气候主要分布于四川盆地，亚热带季风气候主要分布于云贵高原的低纬地区，高寒气候和立体气候主要分布于云贵高原和青藏高原的高纬地区，热带季雨林气候主要分布于西南地区南端。从地形地貌看，华南地区地表侵蚀切割强烈，丘陵广布；西南地区主要分布有四川盆地、云贵高原高山山地丘陵以及青藏高原高山山地。从土壤类型看，华南地区脱硅富铝化强烈，是砖红壤和赤红壤的集中分布区；西南地区的贵州主要分布为黄壤，四川盆地和重庆主要为紫色土，广西、云南和四川西南部主要为红壤。以上自然环境因素决定了案例区是一水旱灾害易发区。根据1978—2008年水旱灾情统计数据可知，中国南方地区31 a间旱灾平均受灾面积占农作物受灾总面积的47%，水灾所占比例为29%；旱灾成灾面积占农作物成灾总面积的45%，水灾所占比例为32%［26］。因此，水旱灾害是对中国南方地区农业影响最大的2种自然灾害。

图1 研究区位置及地形Fig．1 Location and terrain of the study area

2 数据来源与研究方法

2．1 数据来源

风险分析的基础数据有农业旱灾受（成）灾面积、水灾受（成）灾面积和农作物播种面积。由于1997年重庆成立直辖市，考虑到资料的连贯性，以上数据起止时间均为1997—2012年。其中1997—2008年的数据来源于《新中国农业60 a统计资料》，2009—2012年的数据来源于《中国农业统计资料》。

2．2 农业水旱灾害风险评估模型

农业水旱灾害风险评估的目的是给出不同水旱灾害强度发生的可能性，也就是概率密度函数。一般采用的极值风险模型和概率风险模型所需数据量大，不适用于对信息不完备的小样本事件的分析。为解决这一问题，信息扩散理论被引入气象灾害风险评估领域。此方法解决了从普通样本转变为模糊样本的问题，从而超越了传统模糊集技术依赖专家选定隶属函数的随意性，既可提高概率分布的精度，又可较合理构建参数间的关系，明显提高风险评估的客观性［27］。

基于信息扩散理论的风险评估模型中，令X为研究区在过去m年内风险评估指标的实际观测值样本集合：

式中，xi是观测样本点，m是观测样本数。

设U为X集合中xi的信息扩散范围集合：

式中，uj代表区间［u1，un］内固定间隔离散得到的任意离散实数值，n是离散点总数。

将样本集合X中的每一个单值观测样本值xi所携带的信息扩散到指标论域U中的所有点：

式中，h是信息扩散系数，因观测样本总数的不同而不同。其解析表达式如下［28］：

式中，a＝min（xi，i＝1，2，…，m），b＝max（xi，i＝1，2，…，m）。标记：

则样本xi的归一化信息分布可表示为：

公式（8）为风险概率的估计值，即所有样本落在U＝（u1，u2，u3，…，un）处的频率值。其超越概率的表达式如下：

式中，P为不同水旱灾情下的风险值。

2．3 评估指标

选择受灾面积和成灾面积作为农业水旱灾害风险的评估指标。综合考虑这两方面的内容可以更加系统地反映研究区水旱灾害风险的实际情况。

水（旱）灾害受灾面积是指因涝（旱）造成农作物产量比正常年减产1成及以上的面积；水（旱）灾害成灾面积是指因涝（旱）造成农作物产量比正常年减产3成及以上的面积。

水旱灾害受（成）灾指数是农业水旱灾害受（成）灾面积与农作物播种面积之比，代表农业水旱灾害受（成）灾程度。水旱灾害成灾率是农业水旱灾害成灾面积和受灾面积的比值，代表研究区对农业水旱灾害的适应性和恢复力。

具体计算公式如下：

式中，Xf和Yf分别为水旱灾害的年受灾指数、成灾指数，指数值越大，说明水旱灾害对农业影响越大；Af和Df分别为水旱灾害的年受灾面积、成灾面积；S为农作物的年播种面积；Cf为水旱灾害的年成灾率；f表示某一气象灾害。由于水旱灾害受（成）灾指数的值域为［0，1］，考虑计算精度要求，将论域的固定间隔设为0．01，即风险指标论域Uj为｛0，0．01，0．02，…，1｝。

2．4 农业水旱灾害风险等级划分

由信息扩散风险评估模型得到的水旱灾害受（成）灾风险估计值代表某一受（成）灾指数下的风险概率。根据张竟竟［29］和刘亚彬［30］等制定的风险等级标准，结合研究区6省市的实际情况，将农业水旱灾害风险等级划分为高风险、中高风险、中风险、中低风险和低风险5个等级，制定了中国南方地区农业水旱灾害风险等级阈值（表1）。高风险意味着灾害受（成）灾指数高、发生周期短、再现频率高；反之，则为低风险。为了使风险等级概念更加直观，表1中R为历史重现期，用1／P来表示。如水旱灾害受（成）灾面积占播种面积15%以上的灾害，重现期为1～2 a，即为高风险，重现期＞10 a，则为低风险。

表1 水旱灾害受（成）灾指数下的风险等级划分Tab．1The risk ranks corresponding to the indexes of drought and flood disaster－affected and disaster－formative

3 结果与分析

3．1 水旱灾害受（成）灾指数

图2给出1997—2012年间年平均水旱灾害受（成）灾指数和成灾率。可以看出，1990年代末以来中国南方农业水灾受（成）灾指数由高到低依次为重庆、四川、广西、贵州、广东和云南，水灾成灾率由高到低依次为重庆（54%）、广西（53%）、贵州（51%）、云南（49%）、四川（48%）和广东（46%）（图2a）；农业旱灾受（成）灾指数由高到低依次为云南、重庆、四川、贵州、广西和广东，旱灾成灾率由高到低依次为贵州（56%）、云南（55%）、广西（52%）、重庆（51%）、四川（50%）和广东（43%）（图2b）。上述分析可见，中国南方地区同时受到干旱和洪涝的影响，但干旱对西南地区的影响范围大于华南地区；成灾率越高，说明这些地区的农业对干旱和洪涝的适应性和恢复力越差，越容易成灾。

图2 中国南方地区水（a）、旱（b）灾害受（成）灾指数及成灾率Fig．2 The indexes of the flood（a）and drought（b）disaster－affected and disaster－formative and corresponding occurrence probability in southern China

3．2 农业水旱灾害风险评估

3．2．1 农业水灾风险评估

由基于信息扩散理论的风险评估模型得到中国南方地区5省1市水灾受（成）灾指数的概率密度函数。在此基础上，根据农业水旱灾害风险划分等级（表1）获得中国南方地区各省、直辖市不同等级水灾受（成）灾指数的风险评估分布格局（图3）。可以看出，当受灾指数≥5%时，研究区水灾整体处于中风险等级，即历史重现期为1～2 a；当成灾指数≥5%时，除重庆风险等级不变外，四川和广西的风险等级降为中低风险，云南、广东和贵州的风险等级降为低风险。当受灾指数≥10%时，云南为低风险，贵州为中低风险，广东和广西为中风险，四川为中高风险，重庆为高风险；当成灾指数≥10%时，除重庆降为中低风险以外，其余地区均为低风险。当受灾指数≥15%时，四川为中低风险，重庆为中高风险，其余地区为低风险；当成灾指数≥15%，研究区均处于低风险区。当受灾指数≥20%时，重庆为中风险，其余地区为低风险；当成灾指数≥20%时，研究区均处于低风险区。分地区来看，四川和重庆的水灾受灾风险等级较其它地区高，云南的水灾受灾风险等级最低；重庆的水灾成灾风险等级也较其它地区高。虽然四川的水灾受灾等级较高，但成灾等级较低。综上所述，1990年代末以来，随着农业水灾受灾风险等级的增加，成灾风险等级可能并未随之增加，说明良好的防灾减灾能力可以有效地降低水灾成灾率，且研究区北部的水灾风险防范难度大于南部。

3．2．2 农业旱灾风险评估

同样方法，得到中国南方地区各省、直辖市不同旱灾受（成）灾指数的风险评估分布格局（图4）。可以看出，当旱灾受灾指数≥5%时，研究区干旱风险为中风险等级；当成灾指数≥5%时，广东的风险等级降为低风险，其余地区仍为中风险。当受灾指数≥10%时，除广东是中风险外，其余地区均为高风险；当成灾指数≥10%时，广东和广西降为低风险，四川降为中低风险，贵州降为中风险，云南和重庆降为中高风险。当受灾指数≥15%时，广东风险等级为中低风险，其余地区仍为高风险；当成灾指数≥15%时，四川、广东和广西降为低风险，贵州降为中低风险，云南和重庆降为中风险。当受灾指数≥20%时，广东和广西为中低风险，四川和贵州降为中风险，云南和重庆仍保持高风险；当成灾指数≥20%时，其风险分布格局与成灾指数≥15%时保持一致。分地区来看，云南和重庆的干旱受（成）灾风险等级较高，广东的干旱受（成）灾风险较低，总体来说西南地区的干旱风险等级较华南地区高。综上所述，1990年代末以来，随着农业旱灾受灾风险等级的增加，成灾风险等级可能出现不变甚至降低的现象，说明防旱抗旱措施对降低农业干旱灾害的成灾率具有积极意义。西南地区的旱灾风险防范难度大于华南地区，尤其是云南、重庆和贵州。

图3 不同受（成）灾指数下的水灾风险评估Fig．3 The risk assessment of flood disaster under different indexes of the disaster－affected and disaster－formative in southern China

图4 不同受（成）灾指数下的旱灾风险评估Fig．4 The risk assessment of drought disaster under different indexes of the disaster－affected and disaster－formative in southern China

3．3 水旱灾害风险特征比较

比较中国南方地区5省1直辖市水旱灾害风险程度。以四川为例，当受灾指数≥5%时，干旱风险等级为中风险，历史重现期约为1．7 a，水灾风险等级也为中风险，历史重现期约为1．8 a；当受灾指数≥10%时，干旱风险等级为高风险，历史重现期约为4．1 a，而水灾风险等级为中高风险，历史重现期约为4．8 a；当受灾指数≥15%时，干旱风险等级为高风险，历史重现期约为8．6 a，而水灾风险等级为中低风险，历史重现期约为15．8 a；当受灾指数≥20%时，干旱风险等级为中风险，历史重现期约为15．2 a，而水灾风险等级为低风险，历史重现期约为69．6 a。不同成灾指数下的水旱灾害风险也具有相同的规律。以上分析可见，1990年代末以来，农业旱灾的受灾和成灾风险总体上较水灾高，历史重现期较水灾短。图5是农业水旱灾害受（成）灾超越概率密度曲线。可以看出，旱灾曲线的陡度较水灾缓，说明旱灾事件发生的离散性较水灾强，具有较高的不确定性，旱灾发生频率较水灾高。

从空间分布来看，受灾指数≥5%时，水旱灾害风险等级均为中风险；受灾指数≥10%时，重庆是水旱灾害的高风险区，广东是水旱灾害的中风险区，广西、贵州、云南和四川分别是水灾的中、中低、低和中高风险区，是旱灾的高风险区；受灾指数≥15%时，重庆是水旱灾害的中高和高风险区，四川是水旱灾害的中低和高风险区，其余地区为水灾低风险区、旱灾中高和高风险区；当受灾指数≥20%时，重庆水旱灾害为中、高风险区，其余地区为水灾低风险区，云南为旱灾高风险区，四川、贵州、广东和广西为旱灾中、中低风险区。成灾风险也具有相似的规律，当成灾指数≥10%时，旱灾的中高风险区有2个，而水灾只有1个中低风险区；当成灾指数≥15%时，旱灾有2个中风险区，而水灾均为低风险区。由此可见，1990年代末以来，水灾主要发生在四川和重庆地区，旱灾主要发生在西南地区，其中重庆的成灾率较高；研究区旱灾较之水灾的发生风险等级高、成灾率高、受灾面积和成灾面积广。

图5 水旱灾害受（成）灾超越概率密度曲线Fig．5 The exceeding probability density curves for indexes of drought－flood disaster－affected and disaster－formative

4 结论与讨论

（1）1990年代末以来，中国南方地区同时遭受干旱和洪涝的影响，但干旱对西南地区的影响范围大于华南地区；从成灾率来看，贵州和云南的旱灾成灾率高，重庆和广西的水灾成灾率高，说明这些地区的农业对干旱和洪涝的适应性和恢复力差，容易成灾。

（2）随着农业水（旱）灾受灾风险等级的增加，中国南方地区成灾风险等级可能并未随之增加，说明良好的防灾减灾能力可以有效降低水（旱）灾成灾率。1990年代末以来，研究区北部的水灾风险防范难度大于南部，西南的旱灾风险防范难度大于华南，尤其是云南、重庆和贵州；旱灾较之水灾的发生风险等级高、成灾率高、历史重现期短、受灾面积和成灾面积广。

（3）从农业水旱灾害受（成）灾超越概率密度曲线看出，旱灾的曲线陡度较水灾缓，说明旱灾事件发生的离散性较水灾强，具有较高的不确定性，旱灾发生频率较水灾高。从空间分布来看，水灾主要发生在四川和重庆地区，旱灾主要发生在西南地区，其中重庆的成灾率较高。

基于信息扩散理论模型能够得到中国南方农业水旱灾害的风险分布特征，表明该方法是一有效解决小样本问题的方法，评价结果意义明确。但该方法仍属于灾害静态风险分析的范畴，其结果显示了农业水旱灾害在地理分布上的差异，基本满足了解中国南方地区水旱灾害风险特征和掌握灾害发生规律的要求。但是，由于水旱灾害风险具有动态变化特征，未来研究应该加强对其动态风险的分析。

［1］涂长望，黄士松．中国夏季风之进退［J］．气象学报，1944，18：1 －20．

［2］Qin D，Plattner G K，Tignor M，et al．Climate change 2013：The physical science basis［M］．Cambridge，UK，and New York：Cambridge University Press，2014．1－20．

［3］IPCC．Summary for policymakers．In：Managing the risks of extreme events and disasters to advance climate change adaptation．A special report of working groups I and IIof the intergovernmental Panel on Climate Change［M］．Cambridge，UK，and New York：Cambridge University Press，2013．1－19．

［4］黄小燕，王小平，王劲松，等．中国大陆1960～2012年持续干旱日数的时空变化特征［J］．干旱气象，2014，32（3）：326－333．

［5］王静爱，毛佳，贾慧聪．中国水旱灾害危险性的时空格局研究［J］．自然灾害学报，2008，17（1）：115－121．

［6］尹晗，李耀辉．我国西南干旱研究最新进展综述［J］．干旱气象，2013，31（1）：182－193．

［7］段海霞，王素萍，冯建英．2013年全国干旱状况及其影响与成因［J］．干旱气象，2014，32（2）：310－316．

［8］Arnold M，Chen R S，Deichmann U，et al．Natural disaster hotspots case studies［M］．Washington DC：Hazard Management U-nit．World Bank，2006．1－181．

［9］Dilley M，Chen R S，Deichmann U，et al．Natural disaster hotspots：A global risk analysis synthesis report［M］．Washington DC：Hazard Management Unit，World Bank，2005．1－132．

［10］Pandey S，Pandey A C，Nathawat M S，et al．Drought hazard assessment using geoinformatics over parts of Chotanagpur plateau region，Jharkhand，India［J］．Natural Hazards，2012，63：279－303．

［11］Shahid S，Behrawan H．Drought risk assessment in the western part of Bangladesh［J］．Natural Hazards，2008，46（3）：391－413．

［12］Balica SF，Popescu I，Beevers L，etal．Parametric and physically based modelling techniques for flood risk and vulnerability assessment：A comparison［J］．Environmental Modelling＆ Software，2013，41：84－92．

［13］徐向阳，刘俊．水旱灾害损失评估系统［J］．灾害学，1999，14 （1）：1－5．

［14］徐乃璋，白婉如．水旱灾害对我国农业及社会经济发展的影响［J］．灾害学，2002，17（1）：91－96．

［15］叶明华，孙蓉．农业水旱灾害的分级评估与农业保险的风险分担［J］．农村经济，2013，6：3－8．

［16］郭小燕，张家武，陈雪梅，等．甘肃省水旱灾害时空分布特征及其与粮食产量的关系［J］．干旱区资源与环境，2011，25（6）：132－137．

［17］黄崇福，刘立新，周国贤，等．以历史灾情资料为依据的农业自然灾害风险评估方法［J］．自然灾害学报，1998，7（2）：1－9．

［18］黄崇福．信息扩散原理与计算思维及其在地震工程中的应用［D］．北京：北京师范大学，1992．

［19］Wu M，Chen Y，Xu C．Assessment of meteorological disasters based on information diffusion theory in Xinjiang，Northwest China ［J］．Journal of Geographical Sciences，2015，25（1）：69－84．

［20］Li Q．Fuzzy approach to analysis of flood risk based on variable fuzzy sets and improved information diffusionmethods［J］．Natural Hazards and Earth System Science，2013，13（2）：239－249．

［21］王莺，李耀辉，赵福年，等．基于信息扩散理论的甘肃省农业旱灾风险分析［J］．干旱气象，2013，31（1）：44－48．

［22］张竟竟．基于信息扩散理论的河南省农业旱灾风险评估［J］．资源科学，2012，34（2）：280－286．

［23］王文祥，左冬冬，封国林．基于信息分配和扩散理论的东北地区干旱脆弱性特征分析［J］．物理学报，2014，63（22）：447－457．

［24］杜向润，冯民权，张建龙．基于改进信息扩散理论的水资源短缺风险评价研究［J］．干旱地区农业研究，2014，32（6）：188－194．

［25］杜子璇，刘静，刘伟昌．基于信息扩散理论的长江中下游地区高温热害风险分析［J］．气象与环境科学，2012，35（2）：8－14．

［26］中国人民共和国农业部．新中国农业60年统计资料［M］．北京：中国农业出版社，2009．114－143．

［27］黄崇福．自然灾害风险分析与管理［M］．北京：科学出版社，2012．182－222．

［28］黄崇福，张俊香，刘静．模糊信息化处理技术应用简介［J］．信息与控制，2004，33（1）：61－66．

［29］张竟竟．河南省农业水旱灾害风险评估与时空分布特征［J］．农业工程学报，2012，28（18）：98－106．

［30］刘亚彬，刘黎明，许迪，等．基于信息扩散理论的中国粮食主产区水旱灾害风险评估［J］．农业工程学报，2010，26（8）：1－7．

Risk Characteristics of Flood and Drought Disaster in Southern China Based on the Information Diffusion Theory

WANG Ying1，2，ZHANG Qiang1，HAN Lanying3

（1．Institute of Arid Meteorology，China Meteorological Administration，Key Laboratory of Arid Climatic Change and Reducing Disaster of Gansu Province，Key Laboratory of Arid Climate Change and Disaster Reduction of CMA，Lanzhou 730020，China；2．College of Atmospheric Sciences，Lanzhou University，Lanzhou 730000，China；3．Northwest Regional Climate Center，Lanzhou 730020，China）

Flood and drought disasters are themajor natural disasters influencing crop production in southern China．The indexes of the disaster－affected and disaster－formativewere established based on agricultural disasters data in 5 provinces and 1municipality during 1997－2012．Through the in－depth analysis of the flood and drought risks，combined with the principles of natural disaster system，and on the basis of fuzzymathematics theory of information，the occurrence probability of flood and drought risks in differentgradeswas obtained by the risk assessmentmodel．The results showed that the drought hazard rates in Guizhou and Yunnan were high，while the flood hazard rates in Chongqing and Guangxiwere high，which indicated that the crops in these areas had a poor adaptability and resilience to drought and flood．With the increase of the grades of the agricultural flood and drought disaster－affected，the grades of the disaster－formativemightnotbe increased．It showed that the good disaster prevention andmitigation capacity could effectively reduce the agricultural flood and droughthazard rates．The difficulty of the flood risk prevention in northern part of the study areawas bigger than that in southern part，while thatof the drought risk prevention in southwestern Chinawas bigger than that in southern China．Compared with the flood，the drought risk grade and hazard rates for crop were higher，and the areas of disaster－affected and disaster－formative were wider．Spatially，the flood mainly occurred in Sichuan and Chongqing，while drought mainly occurred in southwestern China，wherein the hazard rates in Chongqing was higher．

southern China；information diffusion theory；flood and drought disaster；risk characteristics

1006－7639（2016）－06－0919－08

10．11755／j．issn．1006－7639（2016）－06－0919

S422；S423

A

2015－06－01；改回日期：2015－08－26

国家重点基础研究发展计划（2013CB430206）、国家自然科学基金（41605089）和公益性行业（气象）科研专项基金（GYHY201506001－6）共同资助

王莺（1984－），女，博士，副研究员，从事气候变化与农业生态研究．E－mail：wangyn924＠163．com