黑龙江省水稻产量风险分布及区划

2016-10-21韩语轩王莉雯等

安徽农业科学 2016年4期

韩语轩王莉雯等

摘要[目的]分析黑龙江省水稻产量风险的空间分布规律，并进行风险区划。[方法]对黑龙江省历年水稻单产相对气象产量序列进行正态分布判别和偏态分布正态化处理，选取水稻平均减产率、减产率变异系数和减产率大于10%的风险概率作为评价指标，分析黑龙江省水稻产量风险的空间分布规律，并采用 Kmeans平均聚类算法进行黑龙江省水稻产量的灾害风险区划。[结果]按照水稻产量的灾害风险区划，将黑龙江省划分为低、中、高3类风险区。黑龙江省水稻单产减产风险区呈整体连片、局部分散的特点。高风险区位于黑龙江省东北部和西南部地区，北部及东部地区为中风险区，而黑龙江省中部和南部地区风险最低，属于低风险区。[结论]合理调整种植结构，加强水稻生产管理和完善灌溉设施是规避黑龙江水稻产量风险的主要措施。

关键词黑龙江省；水稻；风险评价指标；风险区划

中图分类号S166文献标识码A文章编号0517-6611（2016）04-001-03

Risk Distribution and Regionalization of Rice Yield in Heilongjiang Province

HAN Yuxuan，WANG Liwen（School of Urban and Environment，Liaoning Normal University，Dalian，Liaoning 116000）

Abstract[Objective] To analyze spatial distribution law of rice yield risk in Heilongjiang Province and conduct risk zoning.[Method] Applying the average rice cut rate，the variation coefficient of cut rate and risk probability of cut rate at 10% or higher as the evaluation indicators，relative meteorological yield array of rice yield per unit in Heilongjiang Province in calendar years was processed by performing the discrimination of normal distribution and the normalization of skewness distribution，the spatial risk distribution of rice yield was analyzed.By using KMeans，the disaster risk regionalization of rice yield in Heilongjiang Province was conducted.[Result] This article divided Heilongjiang Province into low，medium and high three type areas of risk.The result indicated that risk areas of rice yield reduction are contiguous on the whole and scattered in a small part.Southwest and northeast of Heilongjiang Province were high risk area，well northern and eastern parts were medium one and central and southern parts belonged to low risk area.[Conclusion] The main measure to reduce the risk on rice output in Heilongjiang Province is to adjust the planting structure properly，to improve the rice management and to perfect the irrigation facilities.

Key wordsHeilongjiang Province； Rice； Risk evaluation indicators； Risk regionalization

近年來，全球各类极端天气事件频繁发生，由气候异常变化引起的农业损失事件时有发生。据统计，1979～2008年我国主要作物的受灾比例呈逐年增加的趋势[1]。我国每年因气象灾害造成的农作物受灾面积达5 000万hm2，因灾导致的单品种粮食产量波动可达20%左右，严重时可达30%以上[2]。黑龙江省作为我国重要的粮食生产基地，在水稻种植面积、生产总量以及商品量方面均居于我国首位[3]，其水稻产量的丰歉与我国粮食安全和社会稳定密切相关。同时，黑龙江省又是自然灾害频发的省份，因此建立适合黑龙江省的农业气象灾害风险评价体系与方法，开展黑龙江省水稻风险评估及其空间分布规律研究，为制定农业政策、采取科学的避灾措施提供科学依据具有重要的现实意义。

为避免风险评价指数法中多种指标间的权重准确性问题和危险性研究中因指标难以与作物产量有直接联系而出现的有灾无害现象[4-5]，笔者根据1980～2011年黑龙江省56个县（市）的水稻单产歉年平均减产率、灾年减产率变异系数和年减产率≥10%的风险概率3个方面评价风险，并利用Kmeans平均聚类算法进行分类和风险区划。

1材料与方法

1.1数据资料1980～2011年黑龙江省56个县（市）水稻产量与播种面积资料，部分地区个别年份数据缺失或发现异常数据（特高或特低）核查后取舍处理。

1.2分离气象产量的方法农作物的最终产量是在农业技术措施、气象条件和随机“噪声”等自然和非自然因素的综合影响下形成的[6-7]，按照以下公式计算：

Y=Yt+Yw+ΔY （1）

式中，Y为粮食单产；Yt为趋势产量，反映一定历史时期社会生产力发展水平的长周期产量分量；Yw为气候产量，是指由年际间气象因素变化所造成的产量波动分量；ΔY为随机因素影响的产量分量，在实际计算中通常忽略不计。

趋势产量采用直线滑动平均法进行模拟[8]，经过比较并考虑产列序列的长短，滑动步长取 11。求出趋势产量后，根据式（1）可得到气象产量：

Yw=Y-Yt （2）

根据式（2）进一步得到相对气象产量：

x=Yw/Yt （3）

1.3气象产量分布正态检验和正态化处理为验证水稻产量序列分解結果的优劣，采用偏度-峰度检验法对分解的气象产量进行正态检验[8]。经检验，研究区域有45个站点的减产率通过α=0.01 水平的正态性检验，占总研究站的80.35%，表明黑龙江省水稻减产率大体上服从正态分布。对于不符合正态分布的站点数据，采取偏态分布正态化处理[9]。

1.4风险评价指标

1.4.1平均减产率。当实际产量低于趋势产量，即相对气象产量为负值时，为减产，而实际单产低于趋势产量的百分率称为“减产率”[10]。定义相对气象产量小于零的年份为歉收年份，相对气象产量小于5%（即减产率大于5%）的年份为成灾年份[6]。按照以下公式计算平均减产率：

P=（ni=1xi）/n （4）

式中，xi和n分别为相应年型的相对产量序列和年数。

1.4.2减产率变异系数。减产率变异系数表示相对气象产量偏离其平均值的程度。减产率变异系数越大，则粮食生产面临的风险越大。按照以下公式计算减产率变异系数：

V=ni=1（xi-）2/（n-1）（5）

式中，xi为相应年型的减产率序列，为相应的平均减产率，n为年数。

1.4.3风险概率。风险概率是指根据分布函数曲线计算的粮食单产不同增产率和减产率出现的概率。风险概率的正态分布函数为：

F（x）=1σ2π∫x-∞exp-（x-μ）22σ2dx（6）

则随机变量x在区间（x1，x2）内发生的概率为：

P（x1≤x≤x2）=∫x2x1f（x）dx（7）

1.5风险区划方法聚类是指按照一定的量度将样本分到不同类的过程，在聚类结果中同一类的样本具有较大相似性[11]。K-平均聚类算法是动态聚类方法的一种，是最经典的也是应用范围最广的聚类算法。该方法通过给定或随机选择K个初始聚类中心，其他样本根据其与中心的相似程度分配到最类似的类中。

以黑龙江省56个县（市）为样本集，每个样本选取歉年平均减产率、灾年减产率变异系数和年减产率≥10%的风险概率3个指标。由于水稻单产灾年减产率、歉年减产率变异系数不是研究的风险区划因子，故略去。

2结果与分析

2.1水稻单产风险指标的分布规律

2.1.1水稻单产歉年减产率的分布。从图1可以看出，根据水稻单产的歉年平均减产率的高低将黑龙江省56个县（市）分为3个级别：低值区（5.32%～14.80%）、中值区（14.80%～19.41%）、高值区（19.41%～28.89%）。低值区的县（市）有24个，集中分布于黑龙江中部和南部；中值区县（市）有20个，主要分布在中南部之外的周边地区，呈东西向条带状分布；高值区的县（市）有12个，分布于黑龙江省东北部和西部部分地区，具有整体上分散、小面积连片的特点。

2.1.2水稻单产灾年减产率变异系数的分布。从图2可以看出，根据灾年减产率变异系数的高低将黑龙江省56个县（市）分为3个级别：低值区（0.301～0.584）、中值区（0.584～0.794）、高值区（0.794～1.033）。低值区的县（市）有24个，主要分布于黑龙江中南部、东北部和西北部部分地区，具有整体上分散、小面积连片的特点；中值区的县（市）有19个，广泛分布于中南部以外的大部分地区；高值区的县（市）有13个，分布于黑龙江北部和西部个别地区。

2.1.3水稻单产减产率≥10%的风险概率的分布。根据水稻单产的减产率≥10%的风险概率，将黑龙江省56个县（市）分为3个级别：低值区（16.3%～24.51%）、中值区（24.51%～30.23%）、高值区（30.23%～38.44%）。从图3可以看出，低值区的县（市）有16个，主要分散于黑龙江南部；中值区的县（市）有19个，主要分布于北部；高值区的县（市）有21个，分布于东北、西南部地区（图3）。

2.2黑龙江省水稻产量的灾害风险区划选取歉年平均减产率、灾年减产率变异系数和减产率≥10%的风险概率3个指标作为评价水稻单产减产的风险要素。采用Kmeans平均聚类算法将黑龙江省分为低、中、高3类水稻单产减产风险区，每类风险区的划分标准及分布情况见表1。

从图4可以看出，黑龙江省水稻单产减产风险区呈整体连片、局部分散的特点。黑龙江省西部和东北地区为水稻减产高值集中区，北部及东南部分地区为水稻减产中值区，而低值区主要分布在中部和南部。

结论与讨论

（1）黑龙江省歉年平均减产率的低值区位于中部和南部，中高值区的北部和西部地区歉年平均减产率为14.80%～28.89%，以东北部和西南部最高；灾年减产率变异系数的低值区主要分布于黑龙江中南部，在北部部分地区亦有分布，中高值区广泛分布于中南部以外的大部分地区；从年减产率≥10%的风险概率来看，黑龙江全省都处于较高风险水平，全省风险概率值为16.30%～38.44%，其中低值区分散在南部地区，高值区主要集中在东北部和西南部。

（2）各地区3种指标的总体分布都呈现北高南底、周边高中间低的特点。在指标搭配上，中南部（如五常市、绥化市、方正县等）的各项指标值较一致，均处于低风险范畴；而平均减产率和减产率概率都位于高值区的抚远县、黑河市、杜尔伯特县等地，变异系数却很小，说明这些地区水稻产量稳定，但一直处于高风险状态。

（3）将黑龙江省水稻单产分为低、中、高3类风险区，各风险区呈整体连片，局部分散的特点。黑龙江省西部和东北地区为水稻减产高值集中区，北部及东南部分地区为水稻减产中值区，而低值区主要分布在中部和南部。

水稻最终产量的形成是多种因素共同作用的结果，其过程错综复杂很难具体区分和量化。为验证产量风险区划结果的合理性，将该研究风险区划结果与相关研究成果进行对比。结果表明风险区划与黑龙江省地形因子、光、热、水总资源丰富度、匹配状况和资源利用效率的研究结果[12]相吻合。资源条件最好的地区位于黑龙江省中南部（绥化、庆安、铁力、五常、巴彦、尚志等），适合水稻作物的生长，属低风险区。位于松嫩平原的齐齐哈尔、甘南等西南部地区水资源短缺，一定程度上限制了水稻的生产，而黑龙江省的北部、东北地区的抚远、黑龙江省东部地区资源匹配状况较差。此外，该研究中风险区划与黑龙江省水稻冷害分布的研究结果高度一致[13-14]，冷害强度与频率分布高的地区其减产风险越大。通过对区划结果的比对与分析，很好地证实了该研究中水稻产量风险区划的合理性，同时也验证了地形因子、光、热、水资源，尤其是低温对水稻产量的影响。近些年，东北地区在作物结构和品种布局上都有较大的调整，水稻种植区和偏晚熟品种不断北移东扩[15]，另一方面，气候变暖仍存在不确定性[16]。因此，合理调整种植结构，在高风险区适当减少水稻种植面积，提高抗寒抗旱水稻品种的种植比例，加强水稻生产管理和完善灌溉设施是规避黑龙江水稻产量风险的主要措施。

44卷4期韩语轩等黑龙江省水稻产量风险分布及区划参考文献

[1] 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.

[2] 罗伯良，张超，黄晚华.基于信息扩散法的湖南水稻生产水灾风险评估[J].中国农业气象，2009，30（3）：458-462.

[3] 周旭.黑龙江省水稻生产可持续发展研究[D].长春：吉林大学，2014.

[4] 房世波，齐月，韩国军，等.1961-2010 年中国主要麦区冬春气象干旱趋势及其可能影响[J].中国农业科学，2014，47（9）：1754-1763.

[5] 林贵美，李小泉，江文，等.2011年云南香蕉寒害调查[J].中国热带农业，2011（6）：50-52.

[6] 李世奎.中国农业灾害风险评价与对策[M].北京：气象出版社，1999：122-130，337-228.

[7] 房世波.分离趋势产量和气候产量的方法探讨[J].自然灾害学报，2011，20（6）：13-18.

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

[9] 秦建侯，邓勃，王小芹.分析测试数据统计处理中计算机的应用[M].北京：化学工业出版社，1990：187.

[10] 王素艳，霍治国，李世奎，等.北方冬小麦干旱灾损风险区划[J].作物学报，2005，31（3）：267-274.

[11] 胡伟.改进的层次K均值聚类算法[J].计算机工程与应用，2013，49（2）：157-159.