农作物自然灾害暴露研究进展

王 然，江 耀，张安宇，高 原，王静爱,3

(1.北京师范大学 地理科学学部，北京 100875;2.北京师范大学 地理学院区域地理实验室，北京 100875；3.北京师范大学 环境演变与自然灾害教育部重点实验室，北京 100875)

IPCC第五次报告中指出，在过去三十年里，每十年的地表温度比人类有记录以来的任何十年都高[1]。气候变化将导致降水格局重新分配，极端气候事件频发，所造成的影响在农业系统尤为突出[2-3]。据FAO统计，过去十年来全球因干旱、洪灾、风暴等极端事件造成的农业损失已占据全部损失的25%[4]，未来农业生产与粮食安全将面临严峻挑战。

随着灾害风险理论研究的逐步完善，暴露在风险评价中的重要地位得以凸显。SREX报告指出，极端气候影响严重性主要取决于承灾体的暴露和脆弱程度[5]，暴露的准确评估对灾害风险管理有着重要作用[6]，是区域防灾减灾工作的基础[7]。而在现实情况中，自然灾害所带来的影响时常呈现出“大灾小害”与“小灾大害”的局面，即严重灾害事件只带来很小损失，而看似强度不大的灾害却造成重大灾情，如2001年昆仑山口西8.1级地震，由于区域内人烟稀少、人口暴露少，并未发生人员伤亡；如果强度小的地震发生在人口密集区，则后果不堪设想，如1999年7月22日孟加拉南部发生4.2级地震，伤亡206人[8]。由此可见，灾害影响区域内人口、农业系统、基础设施与财产等暴露数量的多少，直接决定实际灾情的放大与缩小效应，乃至风险评估结果。

面对严峻的农业灾害形势，农作物自然灾害暴露研究将是评估未来全球粮食损失风险的前提与基础，暴露的理解认知、表达与计算是其中亟待归纳与探究的问题。本文将基于灾害系统理论，从认知层面梳理农作物暴露的内涵，从表达层面总结现有刻画暴露的指标体系，并从应用与方法层面，归纳综述各类农作物暴露指标的计算方式与模型，以期为农作物自然灾害暴露的准确刻画以及风险定量评估提供科学参考。

1 农作物暴露内涵与组成

1.1 暴露定义

“暴露”一词常常被用于各类科学领域。其中在医学领域运用较多，其含义是指人体处于某种特殊状态与环境(如病毒、细菌环境或遭受某种疾病等)[9]。在环境科学与化学领域内，学者将暴露定义为个人与某种物理或化学物质的接触[10]，而且指出暴露具有时间性，将其分为急性暴露与慢性暴露[11]。而经济学家眼中的暴露是讨论经济活动风险与经济效益方面的影响关系[12]。各学科中暴露的理解虽然有所差异，但是从本质上来说均是在讨论事物A与事物B或环境C的接触关系，即某种研究对象处于某类环境或事物的影响范围(或者受某类环境或事物影响下的某种研究对象)，而该研究对象的定量表达就是暴露量。

在灾害学领域中，学者们尝试参考上述概念思想定义灾害暴露与暴露量。目前研究中其内涵主要从两个层面来界定：一是空间维层面。UNDP首先将暴露定义为处于致灾因子影响下的一系列人或物，将其视作脆弱性指标之一，同时指出其与风险之间的相互关系，即没有暴露就没有风险[13]，而后其他相关组织与研究机构也对其定义进行了不断修改并逐步明确内涵[14-17](图1)。虽然不同研究机构与学者对暴露的理解并不统一，但其内涵均可归纳为致灾因子影响下的承灾体范围，即两者空间范围内的遭遇。暴露量则是致灾因子影响范围内承灾体的总量，其中包括人类及与其生产生活密切相关的基础设施总量，财产价值(房屋、农田、室内财产)和人口数量等[18-19]。

二是时间维层面。一些学者尝试以人口与城市等社会因素的变化为基础来刻画暴露类型与其空间分布变化[20]。而就暴露本身而言，现有研究中少有时间维概念的界定，可尝试借鉴化学领域的暴露定义思维，从灾害作用时间层面去理解暴露，采用短时性与持续性的灾害影响两个角度去深层次挖掘并完善暴露内涵。

1.2 农作物暴露定义与指标

农作物暴露作为灾害暴露的一类，其空间维概念继承了上述暴露的基本内涵，但由于农作物生长过程受到水热等气象要素的制约，面向农作物暴露的致灾因子具有特定性，一般主要包括干旱、暴雨洪涝、高温与低温等持续性灾害。

农作物暴露指标的设定主要有两种思路，一是基于致灾因子属性，将致灾因子发生影响范围视作暴露，采用农作物种植区域内致灾因子强度、持续时间、变化程度与频率等物理量[21-23]，直接使用或构建形成暴露指标[24]。二是基于承灾体属性，将农作物承灾体空间分布范围视作暴露，其中可细分为作物种植范围(面积)，作物产量与作物经济价值[25]。

农作物暴露时间维概念的界定需要综合考虑致灾因子与农作物本身的特殊性。其一，农作物所面临的自然灾害一般具有持续性作用的特点[26]，如旱灾与热害等随着影响时间增加会出现致灾强度的累积增强效应。其二，农作物本身生育期跨度较长，各生长阶段所需的温度与水分等条件存在差异，导致其不同阶段面向各类灾害的敏感性不尽相同[27-28]。因此，农作物时间维的暴露内涵可以看做是致灾因子持续时间与农作物生育期内(面向该致灾因子)特殊敏感期的综合作用结果，即两者时间范围内的遭遇。

综上所述，农作物暴露内涵需要将原有二维理论提升为三维表达，可将其定义为致灾因子与承灾体在空间与时间维度上的综合作用(图2)，即时空范围内的遭遇。空间维度为在自然致灾因子影响区域内的农作物种植范围(面积)、产量与经济价值；时间维度为在自然致灾因子影响时间内的农作物所处的敏感生育期。其中种植范围(面积)、作物产量、经济价值以及敏感生育期的定量表达可作为农作物暴露的指标体系。

2 农作物暴露指标定量研究方法

2.1 种植范围计算方法

实际和未来农作物种植范围的确定方法存在差异。其中实际种植范围的界定主要有两种方法：利用农业统计数据或卫星遥感数据计算，而综合多种遥感卫星数据的方法可有效提高农作物种植范围的计算精度[29]。

未来种植范围(面积)的预估方法主要采用以下两种方式。

物种分布模型(Special Distribution Models， SDMs)：目前被广泛使用的方法，常见模型包括ENFA、GARP、Maxent等[30]，其中Maxent模型拥有较好的性能表现：模拟精度更高，具备区域与物种的普遍适用性[31-32]，同时该模型通过熵值最大概率分布可得到模拟结果的最优概率，用于种植分布范围可能性的定量表达。

图层约束法：采用GIS图层叠加分析方式，将物种分布的各类环境影响因素视为图层，通过多重判据叠加约束得到物种适宜分布区[33]。同时设置环境信息和物种环境条件的精度，可获得不同适宜度等级的预估结果[34-35]。

上述两种方法均需要合理选择变量参数来保证模拟结果准确性。其中主要变量参数侧重于自然因素，由于社会经济因素变化(如土地占用、技术革新、饮食习惯改变、人口增长等)同样制约着实际种植范围与面积，导致“气候适宜区不种植或非适宜区域可种植”的现象。为了提升预估结果的客观性，一些学者尝试加入城市扩张、人口变化、市场调控等社会经济发展指标，采用数学模型(如农业经济贸易模型(BLS)等)或构建指数(如人均等效耕地面积指数等)等方式进行模拟[36-38]，可作为综合计算农作物种植范围或面积变化的重要参考。

2.2 作物产量计算方法

作物产量计算主要有四种方法：文献综述法、统计模型、作物模型与多模型综合法。

(1)文献综述法：对于使用数据完整性、准确性与可获取性要求较高，通常适用于小区、省(州)区以及国家等较小尺度区域研究[39]。

图1 灾害学领域暴露概念发展过程

图2 农作物暴露的时空维度概念模型

(2)统计模型：通过多重线性回归分析可用于未来作物产量预测[40]。该方法可操作性较强，适用于国家以上的较大尺度区域，但模型校正与验证需长时间序列的气候数据和作物产量数据，同时存在数据统计精度[41]与尺度匹配等问题。

(3)作物模型：该方法的使用最为广泛，常见模型有CERES，WOFOST，APSIM和EPIC等[42]。而大部分模型为站点模型，不适用于全球尺度，通常采用的办法是结合地学统计方法处理空间变异信息，通过GIS空间分析技术将各单元模拟结果进行空间化综合表达。而面向灾害风险评价应用，EPIC相较于其他模型在土壤水分、养分循环和土壤侵蚀等方面模拟更加准确，在环境变化模拟方面具有先天优势，可以用于不同气候情景下作物产量与水分、温度胁迫模拟研究。

(4)多模型综合法：主要是采用多种作物模型计算产量，并将模拟结果进行综合处理与表达。单一模型在预测气候变化影响方面存在结果不确定性，其原因有三方面：①模型结构设计的不确定性，针对不同应用目的，模型所考虑的影响因素存在差异，一般均加入水分、温度、光照等关键因子参与模拟，但对于其它因素(如病虫害、杂草等)的选取会有所侧重[43]。②模型参数取值的不确定性，模拟过程中所采用的田间管理方法与措施、作物属性和土壤等参数存在差异[44]。③模型结果具有时效性，可能无法合理表达现代作物品种改良以及田间管理改善的影响[45]。多模型综合方法能够在一定程度上保证参数选取的全面性，提高模拟精度[46]，兼备作物品种的普适性。

作物产量计算方法已开始由单模型向多模型综合方向转变，能够有效降低作物模型产量预估的不确定性，并且采用跨学科思想可提供综合考虑自然和社会经济因素条件的理论框架，提升作物产量模拟的精度水平。但各模型的机理、结构、参数以及输入变量存在差异，需在实际应用时着重注意与解决。

2.3 经济价值计算方法

农作物经济价值的主要研究方法包含两个层面：第一层面是农作物经济价值本身，通过作物单产、收获面积与市场价格等指标计算得到。这种简单换算的目的是增加农作物暴露与其他承灾体暴露可比性，本质还是自然条件下的农作物暴露，无法体现出社会经济因素影响。第二层面是研究经济价值对农作物生产活动的影响。以Ricardian analysis方法最为常见[47]，该方法利用气象、土壤以及人口、社会经济等数据，通过回归分析构建最优效用曲线方程(式1)，用以刻画不同环境条件下农作物种植的经济效益[48]，可作为区域农业种植品种选择的参考指标之一。

(1)

式中：i为商品类型；Pi为市场价格；Qi为产量；Ki为生产过程中所有购买投入；E为外部环境变量，如气候因素(温度、降水等)、土壤类型和经济因素(市场准入等)；Li为生产商品的土地；Ci为所有购买投入(除土地)的成本函数；w为所有因素投入价格；PL为未来每公顷净收益；V为未来净生产力的现有价值。

但在实际应用中学者们不断发现该方法存在一定缺陷：一是模型中将农作物市场价格视为常量，忽略价格变化带来的效益波动[49]。针对这一问题，有学者提出未来农业资源模型(Future Agricultural Resources Model， FARM)[50-51]，进行市场供需关系模拟得到价格变化预估。二是忽略国家地区政策或饮食习惯等社会经济因素对区域农作物选择的影响。针对这一问题，有学者采用SPAM模型并根据当地饮食习惯，将作物分为自留和出售两部分，对出售部分采用完全竞争市场选择方法处理，为解决该问题提供思路借鉴[52]。

今后研究中经济效益将成为农作物种植范围与面积预估的重要指标，以经济效益作为主导进行农户种植决策更加符合实际规律。如Wu等通过构建作物决策模型实现主要粮食作物未来播种面积预测[53]，但如何在单元区域内根据效益优先度进行种植比例规划还是一个难点，尚需深入研究。

2.4 暴露时间维定量表达

根据前文暴露内涵的理解，时间维暴露指标应包括致灾因子持续时间与农作物敏感生育期两个层面。现有研究在各类农业致灾因子的刻画方面已经相对完善，通过水热因素指标即可确定致灾因子持续时间，如面向高温可采用连续日最高气温超过某一阈值的累积日数[54-56]，同时根据致灾强度能够分级定义不同程度的持续时间。而农作物各生长阶段面向不同灾害会呈现出不同的敏感特性，研究中需划分出具体敏感期分时段讨论，如水稻面对热害的敏感期是开花期与灌浆期[57-58]。同时各个敏感生育期中所需的水热因子也存在差异，需要根据具体适宜条件来确定致灾持续时间。目前对于温度条件的研究较为全面，学者通过田间实验获得主要粮食作物关键生育期的四类温度阈值[59](图3)，其中包括致死低温、绝收低温、绝收高温与致死高温。这类指标可以作为划定不同生长阶段高温与低温灾害的理论参考，有助于灾害危险性计算与农作物敏感期脆弱性刻画。

3 结论与展望

3.1 结论

(1)农作物暴露内涵可归纳为在致灾因子影响范围与持续时间内农作物属性的时空维度综合表达。原有研究将暴露限定在空间层面，不足以体现暴露时间对风险或灾情的影响：一方面灾害作用时间能够影响灾情，另一方面农作物的灾害敏感生育期同样决定灾情。因此，农作物暴露的理解需要由空间单维度向时空双维度转变，时间维的加入能够更加全面地反映灾害持续时间的累积效应，以及农作物特殊敏感期对灾害风险与灾情的放大或缩小作用。

(2)农作物空间维暴露指标一般采用种植范围(面积)、产量与经济价值。种植范围计算的主要方法包括作物分布模型与图层约束两类，前者较为成熟并能够得到预估结果的精度评定，后者操作较为便捷。作物产量计算中使用作物生长模型更为常见，其中EPIC模型在灾害风险研究中拥有更好适用性。经济价值方面则更倾向于利用经济效益作为农户种植决策的依据，进而成为预测未来农作物种植范围(面积)乃至种植比例的主要参考因素。

(3)农作物时间维的暴露指标一般采用不同等级致灾因子强度的持续时间与农作物对应敏感生育期的综合表达方式。致灾因子持续时间可根据农作物面向灾害的具体适宜水热条件来确定。而在敏感生育期方面，现有研究已对主要粮食作物作了深入实验与分析，一般认为抽穗开花期与灌浆期是作物敏感时期。

(4)农作物各类暴露指标计算均有较为成熟方法，但在种植范围(面积)与产量等方面存在适用尺度、结果精度与参考因素的局限性。对于种植范围(面积)而言，自然与社会经济因素相结合才能更加客观地反映现有与未来的农作物分布情况。对于作物产量而言，多模型综合方法能够解决单一方法中常见的尺度与精度缺陷。因此，多因素考量与多模型综合的方式是提高暴露预估结果准确性与客观性的有效途径。

3.2 展望

随着灾害风险学科的不断发展，现有农作物风险评价理论思路与框架已较为成熟[60-62]，但在风险结果准确性、客观性与细致化的要求下仍存在一定不足与局限。在相关研究工作中，引入暴露新概念并优化解决暴露定量表达存在的问题，有助于完善理论框架，今后可考虑从以下两个方向进行改进(图4)。

图3 主要粮食作物生长关键期温度阈值

图4 农作物灾害风险评价框架的改进思路

①常量向变量转变，单自然因素向自然-社会经济多因素综合转变：在进行未来风险评估时，需要考虑种植范围与面积等因素的变化，不应将暴露指标视作常量。同时计算过程中应综合考量多种影响因素，温度、降水等自然因素只是决定研究区域内农作物是否适宜种植，而人口、城市、市场、饮食习惯等社会因素的变化往往影响农作物价格、需求与栽种意愿，进而制约种植范围、种植面积(比例)、产量与经济价值。因此，为了使风险评估结果更加符合客观规律，多因素综合方式进行暴露计算势在必行。另外，社会经济因素中灾害设防水平也容易被忽视，其水平提高能够极大减少暴露程度，应在今后研究中作为重要因素加以描述。如面对暴雨洪涝灾害时，河流沿岸修筑堤坝，洪水来临时转移安置群众并加固堤坝，可以有效减少人口、农田与财产的暴露与损失[63-64]。

②空间维向时空维转变：灾害风险研究框架中应融入暴露时间维的新理解，使得风险评估结果更加细致化，从而揭示深层次规律。研究过程中将单一空间维暴露延展至时空维，而不是拘泥于其空间分布变化的探讨。评价结果也不应局限于农作物整个生长期的总风险，可根据生育期特性细分阶段，进行各个敏感时期的风险计算，实现衡量风险贡献率的目的，同时也可进行区域风险差异比较。由于全球气候变化普遍导致农作物适宜生长期延长与适宜种植范围扩大，分阶段的风险呈现有助于决策者抓住关键时期，因地(时)制宜地调整播种日期与种植区域以减少暴露，控制潜在灾害损失，有效进行风险防范与管理。