安徽省油菜花期连阴雨灾害损失评估指标**

刘瑞娜，杨太明**，陈 鹏，王晓东



安徽省油菜花期连阴雨灾害损失评估指标**

刘瑞娜1，杨太明1**，陈 鹏2，王晓东1

（1.安徽省农业气象中心/农业气象灾害评估及风险转移实验室，合肥 2300313; 2.合肥市气象局，合肥 230031）

基于安徽省油菜主产区1980-2009年44个气象台站逐日气象资料和油菜产量资料，采用数理统计方法，获得油菜历年灾损率以及花期连阴雨特征量指标即连阴雨日数、持续降水量和日照时数。按照引入因子对产量的影响最大且因子之间相关性较低的原则，筛选出连阴雨关键致灾因子并确定致灾因子临界值。最后利用K-均值聚类分析方法，建立油菜花期连阴雨灾害评估等级指标，并利用2010-2014年连阴雨灾害样本进行验证。结果表明，油菜花期的连阴雨日数和持续降水量与减产率相关性较高，且因子间相关性较低，可作为连阴雨灾害评估的关键因子；连阴雨日数致灾临界值为3d，持续降水量致灾临界值在江淮区、沿江区和皖南地区分别为20、50和70mm。利用聚类分析法构建的包括江淮、沿江和皖南地区的安徽省油菜主产区花期连阴雨灾害评估指标为：轻度灾损率5%～10%、中度10%～20%、重度20%～30%和特重≥30%，其历史回代和独立样本检验表明轻度和中度准确率较高（88%～100%），重度和特重准确率相对较低（65%～70%）。

油菜；连阴雨日数；持续降水量；K-均值聚类分析；评估指标

油菜是安徽省种植面积最大的油料作物，常年种植面积90万～95万hm2，主要分布在沿淮、江淮丘陵、沿江平原及皖南地区[1]。安徽油菜种植一般于9月中下旬播种，翌年5月上中旬成熟收获，跨越秋冬春3季。在油菜整个生长季，连阴雨是最常见的农业气象灾害，其中3-4月是连阴雨灾害影响最敏感时期，此期油菜正值开花期，是产量形成的关键时期，此时安徽省淮河以南地区经常出现阶段性降水偏多，持续阴雨天气，光照不足，空气湿度大，导致油菜开花结荚不良，单株角果数减少，菌核病等油菜病虫害流行，影响油菜的正常生长发育和产量形成，导致油菜减产[2]。根据1961-2000年资料统计，江淮地区连阴雨引起的涝渍导致冬小麦、油菜减产5%～10%的几率为2～3a一遇，减产10%～20%几率为3～4a一遇，减产超过20%的几率为5～6a一遇[3]。连阴雨灾害已成为安徽省油菜生产的主要农业气象灾害。

近年来，国内连阴雨灾害多发地区的省份通过灾情普查、历史指标查询等，已在连阴雨灾害发生规律、风险区划和灾害影响的定性分析方面取得一些成果，韩沁哲等[4]结合低温连阴雨指标,分析了湖南省油菜生长期连阴雨气象灾害强度时空变化趋势；成林等[5]通过建立花期连阴雨灾害风险区划指数，对河南省夏玉米花期连阴雨开展了风险分析；李美荣等[6]利用连续3d以上的日数和无降水日数构建了连阴雨气象灾害指数，开展了陕西省苹果主产区的连阴雨风险分析。也有学者通过构建连阴雨强度指数[7-8]和阴雨日数类型[9]尝试定量评价灾害强度和可能造成的产量损失，但已有研究多针对特定作物和区域，其指标存在不可通用等问题，尤其针对安徽省油菜花期连阴雨灾害，目前指标还不够完善，尚不能满足气象为农服务的需求。本文拟以1980-2009年安徽省油菜花期连阴雨过程为研究对象，筛选出油菜花期连阴雨灾害关键致灾因子，建立关键致灾因子临界值，并基于K-均值聚类分析方法，构建油菜花期连阴雨灾害评估等级指标，以期为油菜花期连阴雨灾害定量分析和动态评估奠定基础。

1 资料与方法

1.1 资料来源

考虑油菜种植面积，并兼顾地理分布特点，选择以县(市)为行政单元的分布于江淮、沿江和皖南地区的44个气象台站作为研究对象，站点分布见图1。各站点1980-2014年逐日气象资料来源于安徽省气象局，1980-2014油菜面积、产量资料来源于安徽省统计局，1980-2014年油菜发育期资料为研究区域内14个农业气象观测站点观测资料。其中1980-2009年资料用于评估指标建立，2010-2014年资料用于检验指标准确性。

1.2 资料处理

1.2.1 油菜开花期

对研究区域内农业气象观测站点油菜历年发育期观测资料汇总排序表明，在80%保证率下，江淮区油菜开花期出现在3月中旬-4月下旬，沿江区和皖南地区在3月上旬-4月中旬。因此，江淮区的分析时段取3月10日-4月30日，沿江区和皖南地区的分析时段取3月1日-4月20日。

1.2.2 产量资料分析

一般在分析气象条件对农作物产量影响时，常通过时间序列分析等数学方法拟合趋势产量，以县（市）为统计单元，将实际产量(Y)分解为趋势产量项(Yt)和由气象条件变化引起的气象产量项(Yw)[10]，即

Y=Yt+Yw（1）

式中，实际产量（Y）为油菜籽粒总产量与种植面积的比值；趋势产量(Yt)采用直线滑动平均法确定，主要反映农业科技进步、农业政策、农业投入等对产量水平的影响，气象产量(Yw)反映当地气象条件波动所引起的产量波动，单位均为kg·hm-2。

当实际产量小于趋势产量时，减产量为趋势产量与实际产量的差值。由于该值为减产的绝对量，在不同农业生产水平下对灾情的反映不具可比性，因此引入灾损率(ΔY)，即

式中，ΔY表示实际产量与趋势产量的偏差率，是一个具有时空可比性的相对指标。

1.2.3 典型灾害年

以ΔY≥5%为油菜受灾减产的临界值，按照灾损率≥5%挑选出各站点的历史减产年。若某一年减产率≥5%站点超过该区域站点数的50%，则该年为该区域的典型灾害年。经统计，1980-2009年江淮区、沿江区和皖南地区连阴雨典型灾害年见表1。

表1 安徽省油菜主产区不同区域连阴雨典型灾害年分布

1.3 指标构建方法

1.3.1 致灾因子确定

基于《农业气象观测规范》中春季连阴雨气候标准[11]，连续3d或3d以上有降水（日降水量＞0.1mm）作为1次连阴雨过程。但以下情况也列为连阴雨日统计：在连阴雨过程中，允许1d无降水，但该日日照时数应＜2h；允许有微量降水（日降水量为0.1mm），但该日日照时数应＜4h。采用Matlab软件编程分别统计江淮区、沿江区和皖南地区典型灾害年油菜花期连阴雨日数、持续降水量和日照时数。其中连阴雨日数是指油菜花期出现连阴雨的总日数，持续降水量是指连阴雨日累积降水量，日照时数是指连阴雨日累积日照时数。

农业气象灾害最主要影响就是造成最终产量减小，因此，灾害指标构建必须首先考虑致灾因子与减产率的相互关系[12]。本文通过把上述气象因子分别与灾损率(ΔY)进行相关分析，按照引入因子对产量的影响最大，且因子之间相关性较低的原则，确定连阴雨灾害关键致灾因子。

1.3.2 致灾因子临界值的确定

通过对关键致灾因子（fi）给予连续的不同界限值（fij），按照fi≥fij对灾害样本进行筛选，并分别与灾损率进行相关性普查，当界限值大于某个值时，致灾因子与灾损率的相关性维持较高水平，说明此界限值处于判别灾害等级的门限状态，定义此界限值为该致灾因子临界值[13]。

1.3.3 灾害等级划分标准

利用SPSS软件中K-均值聚类分析方法，通过给定需要的聚类数目，按照聚类最优原则确定灾损率和致灾因子的聚类中心，并作为连阴雨灾害损失评估等级指标的确定依据。以临界值与第一类聚类中心的平均值和相邻聚类中心的平均值为界限，确定连阴雨灾害评估等级指标。

2 结果与分析

2.1 连阴雨致灾关键因子的确定

表2为44个站点1980-2009年油菜花期连阴雨日数(Rd)、持续降水量(R)和日照时数(S)分别与灾损率(ΔY)的相关分析结果。由表可见，3个因子即Rd、R和S与ΔY的相关系数分别为0.207、0.239、-0.274，均通过0.01水平的显著性检验，为极显著相关。进一步分析各因子之间的相关系数可见，Rd与S系列的相关系数为-0.404（P＜0.01），相关极显著，R与S间具有显著的负相关关系（R=-0.180，P＜0.05），R与Rd间也具有显著的相关关系（R=0.162，P＜0.05）。因为持续降水量与灾损率极显著相关，但与其它影响因子的相关性未达到极显著水平，因此，选择持续降水量为连阴雨灾害关键致灾因子，并在连阴雨日数和日照时数中选取一个因子作为连阴雨灾害关键致灾因子。考虑连阴雨日数对连阴雨灾害的形成起着至关重要作用[14]，因此，最终选取连阴雨持续日数和持续降水量作为连阴雨灾害评估的关键因子。

表2 安徽省44个站点1980-2009年连阴雨影响因子(Rd、R、S)及其与减产率间的相关分析(n=279)

注：*、**分别表示相关系数通过0.05、0.01水平的显著性检验。ΔY为灾损率(%)，Rd为连阴雨日数(d)，R为持续降水量(mm)，S为日照时数(h) , 江淮区分析时段取3月10日-4月30日，沿江区和皖南地区取3月1日-4月20日。下同。

Note:*is P<0.05,**is P<0.01.ΔY is the yield reduction rate(%)，Rd is continuous rainy days (d), R is continuous precipitation (mm), S is sunshine duration (h),the statistic period is 10thMarch-30thApril each year in Jianghuai area and 1stMarch-20thApril in Yanjiang and South Anhui. The same as below.

2.2 连阴雨致灾关键因子临界值的确定

依据上述连阴雨致灾因子临界值的定义，对已经确定的两个关键致灾因子给予不同的连续界限值，分别统计各致灾因子大于等于该设定界限值的样本序列，并与灾损率进行相关性普查，普查结果用图2的相关系数变化曲线表示。因为连续3d或3d以上有降水才能作为1次连阴雨过程[11]，因此，本研究阴雨日数连续界限值以3d为起始，以1d为间隔，最长为10d。持续降水量界限值以0mm为起始，以10mm为间隔，最大为100mm。

由图2可见，3个区的结果均显示，连阴雨日数≤3d时，该指标与灾损率的相关性维持在较高水平，这表明连阴雨日数临界值为3d，即当开花期连阴雨日数超过3d，可能会对油菜生长和产量形成产生不利影响。持续降水量与灾损率的相关系数先随着界限值增大而增大，当界限值大于等于某一个值时，相关系数不再呈现快速增大趋势，维持在较高水平上波动。从图中看出，江淮区、沿江区和皖南地区持续降水量界限值分别大于等于20、50、70mm时，持续降水量与灾损率相关性维持在较高水平。这表明江淮区、沿江区、皖南地区持续降水量临界值分别为20、50、70mm，即当江淮区油菜开花期持续降水量超过20mm，沿江区超过50mm，皖南地区超过70mm，可能会对油菜生长和产量形成造成不利影响。

2.3 连阴雨灾害评估等级的划分

为了排除其它灾害导致油菜减产的样本，依据上述致灾因子临界值，按照以下条件对江淮区、沿江区和皖南地区典型连阴雨灾害年样本进行筛选：①Rd≥t1，②R≥t2，③ΔY≥5%，t1和t2分别为Rd和R临界值，挑选出各区域主要由连阴雨引起减产的年份作为连阴雨灾损样本，应用SPSS软件分区域对灾害样本中Rd、R和ΔY进行K-均值聚类分析，设定聚类数为3类，用有限次逼近法，按照聚类最优原则，得到各区域灾损率和致灾因子的3个聚类中心以及每个聚类中的案例数（表3、表4）。从表中可以看出，一般灾损率较高的类中，致灾因子值也较高，案例数较少。

以临界值与第一类聚类中心平均值和相邻聚类中心平均值为界限，把江淮区、沿江区和皖南地区油菜开花期连阴雨灾害等级划分为轻度、中度、重度和特重共4个等级，见表5。

2.4 连阴雨灾害评估指标的检验

为检验聚类分析结果和所确定指标的准确性，将各区域典型灾害年样本进行回代检验，等级差≤1的准确率见表6。从表可知，样本准确率均在65%以上，其中轻度和中度灾害样本检验准确率较高，达88%～100%，重和特重灾害样本准确率相对较低，为65%～70%。

表3 不同区域灾损率和致灾因子聚类中心值

表4 不同区域聚类中心案例数

表5 安徽省油菜花期不同区域连阴雨灾害评估指标阈值

注：R值的个位数在1～5时取5，6～10时取10，ΔY值的个位数在1～4时取0，5～9时取10。

Note:The single digit of R take 5 when it is in the number of 1-5, take 10 when it is in 6-10. Single digit of ΔY take 0 when it is in the number of 1-4, take 10 when it is in 5-9.

表6 各区域连阴雨灾害评估指标检验结果(1980-2009年)

查阅2010-2014年历史灾情资料发现，2014年4月中旬安徽省淮河以南地区出现连阴雨天气。此时正值油菜盛花-结荚阶段，由于过程雨量大，持续阴雨日数多，连阴雨造成油菜开花授粉受阻，结实率降低，产量下降。通过对该年油菜籽产量资料分析处理，发现主产区44个站点油菜减产≥5%的有26个。利用连阴雨灾害评估指标对该年连阴雨灾害程度进行评估，其结果与实际灾损等级见表7。由表可知，等级差为0的站点有21个，占全部站点的81%，等级差为1或-1的站点有5个，占19%。等级差≤0的准确率为81%，等级差≤1的准确率为100%。由于此次连阴雨对油菜仅造成轻度和中度灾害，因此，重度和特重评估指标未得到检验。

表7 2014年连阴雨灾害样本检验结果

3 结论与讨论

连阴雨指较长时间持续阴雨天气造成日照少、空气湿度大，影响作物正常生长或收获的灾害天气过程[15]，降水日数、降水量和日照时数是与连阴雨危害密切相关的气象因子。黄毓华等[16]利用春季降雨量、日照时数与小麦产量的关系构建了阴湿系数，但降水日数对连阴雨灾害形成起到至关重要的作用，有时甚至是决定性作用，利用阴湿系数作为评估连阴雨灾害强度指标仍存在不可忽视的偏差[14]。盛绍学等[3]研究表明，降水日数、持续降水量和日照时数因子中，对产量的影响大小依次为降水日数＞持续降水量＞日照时数。本文在前人研究基础上，将连阴雨日数、持续降水量和日照时数分别与灾损率进行相关分析，按照引入因子对产量影响较大，且因子间相关性较低为原则，筛选出的关键致灾因子为连阴雨日数和持续降水量。其中阴雨日数临界值均为3d，持续降水量江淮区、沿江区、皖南地区分别为20、50、70mm。确定的关键致灾因子不仅对产量影响最大，且不同因子间交叉性小，克服了以往连阴雨灾害指标表述不全，指标间交叉性大的不足。

聚类分析是指将物理或抽象对象的集合分组为类似的对象组成的多个类的分析过程，其中K-means算法是划分聚类中较为普遍的一种算法。目前该算法已在气象数据分析和农业气象灾害等级判别方面得到应用[17]。本文基于K-均值聚类分析方法，分区域建立了连阴雨灾害评估等级指标，把安徽省连阴雨灾害划分为轻度、中度、重度和特重共4个等级。从结果可以看出，连阴雨灾害指标在不同区域存在明显差异，相同灾损等级条件下，一般南方致灾因子强度大于北方，这可能与不同区域油菜种植品种有关，查阅近年来安徽省农业气象观测站油菜种植品种资料可知，江淮区以种植白菜型油菜为主，该油菜品种植株矮小，须根多，抗病力弱，不耐涝；沿江及其以南地区以种植甘蓝型油菜为主，尤其是皖南地区，该油菜品种植株高大，根系发达，抗病力强，耐寒，耐湿[18]。在实际应用中，不同区域使用针对该区域的评估指标，能够提高灾害评估的准确性。

历史回代和独立样本检验表明，本文建立的评估指标在判别连阴雨轻度和中度灾害时，效果较理想（88%～100%），但在判别重度和特重灾害时，效果略差（65%～70%），存在低估错判现象。这一方面是由于油菜产量灾损受多因素复合影响，而严重的连阴雨往往会带来其它次生灾害，如农田洪涝，病虫草害流行等。查阅历史灾情记载可知，低估错判出现时，该年病虫害发生情况往往较重。另一方面是由于评估指标构建有一定局限性，连阴雨灾害是由各类气象因子综合作用引起的[19]，理论上，灾害发生时的天空云量、辐射量、空气相对湿度等均可作为连阴雨灾害指标的因子,本文为使指标简单实用，仅从阴雨日数和持续降水量2个因素对连阴雨灾害进行评估，未考虑其它不利因素。随着今后对灾害判定和评估方法的深入和细化，应将更多气象条件和作物品种信息纳入连阴雨灾害的研究范畴[9]。

参考文献References

[1]马晓群,吴文玉,张辉.农业旱涝指标及在江淮地区监测预警中的应用[J].应用气象学报,2009,20(2):186-194．

Ma X Q,Wu W Y,Zhang H.The agricultural drought and flood index and its operational application to monitoring and early-warning in Jianghuai area[J].Journal of Applied Meteorological Science,2009,20(2):186-194.(in Chinese)

[2]刘瑞娜,杨太明,陈金华,等.安徽省春季连阴雨分布特征及其对油菜产量影响评估[J].中国农学通报,2012,28(34): 252-256.

Liu R N,Yang T M,Chen J H,et al.Study on the distribution characteristics of spring continuous precipitation and assessment of rape yield losses in Anhui province[J].Chinese Agricultural Science Bulletin,2012,28(34):252-256.(in Chinese)

[3]盛绍学,马晓群,石磊,等.江淮地区油菜涝渍灾害气候生态特征及其指标的研究[A].中国气象学会2005年年会论文集[C].合肥:安徽科学技术出版社,2005.

Sheng S X,Ma X Q,Shi L,et al.Reserch on characters of climatic ecology and index for waterlogging of rape in zone of Yangtse river and Huaihe river[A].Paper Collection of 2005 Chinese Meteorological Society[C].Hefei:Anhui Science and Technology Press,2005.(in Chinese)

[4]韩沁哲,罗伯良,周伟,等.湖南省油菜生长期连阴雨气象灾害发生强度的时空特征[J].湖南农业科学,2012,(19):93-96.

Han Q Z,Luo B L,Zhou W,et al.Analysis of spatial-temporal features of occurring intensity of continuous rain in growth period of rape in Hunan province[J].Hunan Agricultural Sciences,2012,(19):93-96.(in Chinese)

[5]成林,刘荣华.河南省夏玉米花期连阴雨灾害风险区划[J].生态学杂志,2012,31(12):3075-3079.

Cheng L,Liu R H.Disaster risk zoning of continuous rain during florescence of summer maize in Henan province[J].Chinese Journal of Ecology,2012,31(12):3075- 3079.(in Chinese)

[6]李美荣,李星敏,李艳莉,等.基于连阴雨灾害指数的陕西省苹果生长风险分析[J].干旱气象,2011,29(1):106-109.

Li M R,Li X M,Li Y L,et al.Analysis of apple growth risk based on continuous rainy days disaster index in Shanxi province[J].Journal of Arid Meteorology,2011,29(1):106- 109.(in Chinese)

[7]刘璐,马杰.陕西苹果成熟期连阴雨指数及预报方法研究[J].气象,2012,38(8):1012-1016.

Liu L,Ma J.Research on index of continuous rainfall days and forecasting method in Shanxi apple maturity period[J].Meteorological Monthly,2012,38(8):1012-1016.(in Chinese)

[8]李德,景元书,祁宦.安徽省冬小麦灌浆期连阴雨灾害等级指标的确定[J].中国农学通报,2015,31(9):56-62.

Li D,Jing Y S,Qi H.Index determination of continuous rain disaster during the filling stage of winter wheat in Anhui[J].Chinese Agricultural Science Bulletin,2015, 31(9):56-62.(in Chinese)

[9]成林,刘荣华.夏玉米生长中后期连阴雨灾害指标研究[J].中国农业气象,2014,35(2):221-227.

Cheng L,Liu R H.Disaster index of continuous overcast and rainy day during mid and late growth period of summer maize[J].Chinese Journal of Agrometeorology,2014,35(2): 221-227.(in Chinese)

[10]王馥棠,陈京铃.产量预报方法研究(1):总论与趋势产量[A].气象科学技术集刊(3)[C].北京:气象出版社,1982:7-10.

Wang F T,Chen J L.Study on yield prediction method (1):general and trend yield[A].Meteorological science and technology(3)[C].Beijing:China Meteorological Press,1982: 7-10.(in Chinese)

[11]安徽省气象局资料室.安徽气候[M].合肥:安徽科学技术出版社,1982:75-79.

Reference Room of Anhui Meteorological Bureau.Anhui climate[M].Hefei:Anhui Science and Technology Press,1982: 75-79.(in Chinese)

[12]陆魁东,彭莉莉,黄晚华,等.气候变化背景下湖南油菜气象灾害风险评估[J].中国农业气象,2013,34(2):191-196.

Lu K D,Peng L L,Huang W H,et al.Meteorological disaster risk assessment of oilseed rape under climate change conditions[J].Chinese Journal of Agrometeorology,2013, 34(2):191-196.(in Chinese)

[13]刘静,马力文,张晓煜,等.春小麦干热风灾害监测指标与损失评估模型方法探讨:以宁夏引黄灌区为例[J].应用气象学报,2004,15(2):217-224.

Liu J,Ma L W,Zhang X Y,et al.A method for monitoring dry-hot wind of spring wheat and estimating its yield losses:an example in irrigated areas of Ningxia[J].Quarterly Journal of Applied Meteorology,2004,15(2):217-224.(in Chinese)

[14]盛绍学,霍治国,石磊.江淮地区小麦涝渍灾害风险评估与区划[J].生态学杂志,2010,29(5):985-990.

Sheng S X,Huo Z G,Shi L.Risk assessment and regionalization of waterlogging disaster for wheat in Jianghuai region[J].Chinese Journal of Ecology,2010, 29(5):985-990.(in Chinese)

[15]林迢,箭根梅,裘鹏霄,等.浙江早稻播种育秧期连阴雨发生规律分析[J].中国农业气象,2001,22(3):10-15.

Lin T,Jian G M,Qiu P X.Study on cloudy-rainy weather for several days during the seeding and seedling-raising stage of early rice in Zhejiang[J].Chinese Journal of Agrometeorology,2001,22(3):10-15.(in Chinese)

[16]黄毓华,武金岗,高苹.淮河以南春季三麦阴湿害的判别方法[J].中国农业气象,2000,21(1):23-26.

Huang Y H,Wu J G,Gao P.The method for identification of spring cloudy-moist hazard of wheat in the region to the south of Huaihe river[J].Chinese Journal of Agrometeorology,2000,21(1):23-26.(in Chinese)

[17]许丽利.聚类分析的算法及应用[D].长春:吉林大学, 2010:23-25.

Xu L L.Cluster analysis algorithm and its application[D].Changchun:Jilin University,2010:23-25.(in Chinese)

[18]吴永成,牛应泽,郭世星,等.四川省近10年来育成的甘蓝型油菜品种的特点分析[J].西南农业学报,2011,2(6):2054-2056.

Wu Y C,Niu Y Z,Guo S X,et al.Analysis of variety characteristics of oilseed rape (L) in Sichuan province past 10 years[J].Southwest China Journal of Agricultural Sciences,2011,2(6):2054-2056.(in Chinese)

[19]王健林.现代农业气象业务[M].北京:气象出版社, 2010:156-157.

Wang J L.Modern agricultural meteorological service[M].Beijing:China Meteorological Press,2010:156-157.(in Chinese)

Evaluation Index of Continuous Rain to Rape during Anthesis in Anhui Province

LIU Rui-na1, YANG Tai-ming1,CHEN Peng2, WANG Xiao-dong1

(1.Anhui Agricultural Meteorological Center/Laboratory for Agri-meteorological Disaster Assessment & Risk Change, Hefei 230031, China; 2.Hefei Meteorological Bureau, Hefei 230031)

Based on daily meteorological data of 44 observation stations and rape yield data from each county (city) from 1980 to 2014 in Anhui province, yield losses of rape and relevant characteristic quantities of continuous rain such as continuous rainy days, continuous precipitation and sunshine duration during anthesis were calculated by use of mathematical statistics. According to the principle that the factors with the greatest impact on the yield are induced and the correlations between the factors are lowest, the disaster causing factors were chosen and their critical values were determined. In the last, the grade indices of continuous rain disaster were established by K- means clustering analysis method and the index’s veracity was verified by means of the yield losses and investigated disaster date during 2010-2014.The results showed that the main influence factors of continuous rain disaster to rape during anthesis were continuous rainy days and continuous precipitation. The threshold values of continuous rainy days were 3 days and the threshold values of continuous precipitation were 20mm, 50mm and 70mm respectively in Jianghuai, Yanjiang and South Anhui. Based on this, the grade indices of continuous rain disaster was established respectively for Jianghuai, Yanjiang and south Anhui by using K- means clustering analysis method. The damage could be defined as slight when the yield losses was between 5%-10%，moderate when the yield losses was between 10%-20%, severe when the yield losses was between 20%-30% ,extra severe when the yield losses was more than 30%.The testing results indicated that the accurate rate of slight and moderate indices were higher（88%-100%）, while the accurate rate of severe and extra severe indices were relatively low（65%-70%）.

Rape; Continuous rainy days; Continuous precipitation; K-means clustering analysis; Evaluation indices

10.3969/j.issn.1000-6362.2016.04.012

2015-12-24

通讯作者。E-mail：ytm0305@126.com

安徽省科技攻关计划项目（1501031078）；安徽省气象局科技发展基金项目（KM201413）

刘瑞娜（1986-），女，硕士，工程师，主要从事农业气象研究及业务服务工作。E-mail:naxybz@sina.com