基于信息扩散理论的南方双季早稻气象灾害风险评估

王学林，黄琴琴，柳 军

基于信息扩散理论的南方双季早稻气象灾害风险评估

王学林1，黄琴琴2，柳 军1

（1.安徽省合肥市气象局，合肥 230000；2.南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044）

小满寒（GBC）和高温热害（HTD）是影响南方双季早稻生长发育及产量形成最主要的农业气象灾害。为了提高双季早稻气象灾害的预测预报能力，利用双季稻区142个站点1960−2012年常规气象观测数据，根据前人研究的关于小满寒和高温热害临界气象指标，统计分析各站点历年发生小满寒和高温热害次数，运用信息扩散理论对双季早稻种植区各站点进行精细化风险评估。结果表明：（1）双季早稻小满寒及高温热害年平均发生次数空间分布差异显著，小满寒发生次数由南向北大致呈逐级递增趋势，呈明显的带状分布，高温热害频发区主要集中在湖南衡阳、双峰、郴州一带，江西大部分地区以及浙江金华、衢州、丽水附近，湖北甲鱼、武汉、黄石以及安徽安庆部分地区。（2）小满寒和高温热害至少发生1次及以上的概率值空间分布特征较为相似，大部分地区均表现为明显的高概率区，重现期较短，再现率较高；小满寒及高温热害超越概率值低概率区随着年发生次数的增加而逐渐减小。（3）随着年发生次数的明显增加，早稻小满寒及高温热害重现期短的站点数减少，重现期长的站点数相应增加。

早稻；小满寒；高温热害；风险评估；信息扩散理论

水稻是中国的重要粮食作物，其播种面积约占全国粮食总面积的30%，稻谷产量约占粮食总产量的40%。据统计，仅2016年中国水稻种植面积为3016.24万hm2，总产量达20693.4万t，其安全稳定生产直接关系农民增收、农业增产甚至粮食安全。中国水稻可简单地划分为双季稻区和单季稻区，长江中下游地区（浙江、安徽、江西、湖北、湖南、广东、广西、海南、福建等）热量资源充足，河网密布，水稻产量占全国的70%，是中国重要的双季稻生产区。水稻在不同的发育阶段对温度要求较为严格，在双季早稻（生长季一般在3−8月）生长期间，如在幼穗分化期遇低温天气过程，会直接影响水稻的正常营养生长，延长发育进程，而抽穗灌浆期高温胁迫会造成水稻颖花不育、灌浆受阻、千粒重下降。近年来全球气候变化，极端高低温天气过程频发，严重制约着南方双季稻区早稻的安全稳定生产过程。因此，开展双季稻区早稻农业气象灾害风险评估，有利于提高早稻气象灾害防灾减灾能力，对优化调整双季早稻种植结构有重要的指导意义。

风险评估是对未来农作物遭受不同强度灾害的可能性及其可能产生后果的一种量化评估，是农业气象灾害应急时的重要决策依据。前人在农业气象灾害风险评估方面有着广泛的研究，如Lou等[1]以历年水稻洪涝灾情资料和水稻自身生理特性为主要依据，系统构建了洪涝灾害发生时，水稻产量损失定量化评估模型。Hao等[2]构建了干旱风险分析模型，并对中国农业气象旱灾进行风险评估，Ishimaru等[3]设计大田试验系统研究了台风对水稻倒伏程度的影响，为水稻生产区域在台风影响期间的抗倒伏性提供了科学依据。Marletto等[4]运用WOFOST作物生长模型定量评估了意大利北部地区小麦生产过程中气象条件的作用。罗培[5]从干旱灾害孕灾环境、灾害危险性、成灾体易损性等方面出发，运用模糊综合评价法对重庆干旱灾害进行了风险评估及区划。陈思宁等[6]选取茶树越冬期冻害及夏季旱热害致灾因子并进行模糊综合评价，系统分析了湖北省茶树气象灾害的分布特征。这些方法多侧重于田间试验或传统数据资料的统计分析，对大区域小样本数据进行风险评估存在大量的不确定性和模糊性。信息扩散理论是对样本值进行集值化处理以弥补样本不足导致风险评估不确定性的主要方法，主要适用于研究区域较大，而样本数据较少的风险评估。

本研究以南方双季稻种植区基本气象观测站常规气象观测数据为依托，根据前人研究的双季早稻“小满寒”和“高温热害”致灾的临界气象指标，并统计分析历年各站点发生灾害次数序列值，在此基础上，进一步利用信息扩散法对双季早稻种植区进行风险评估，建立早稻“小满寒”、“高温热害”风险评估概率图，旨在为南方地区早稻生产可持续发展提供科学依据。

1 资料与方法

1.1 气象资料

气象数据由国家气象信息中心气象资料室提供，包括南方双季稻种植区（安徽、浙江、江西、湖北、湖南、福建、广西、广东、海南岛等）142个台站（图1）1960−2012年日平均气温、日最低气温和日最高气温。选定5月10日−6月10日发生的低温过程为早稻“小满寒”，7月1日−8月31日发生的高温天气过程为早稻“高温热害”，利用以上时段内1960−2012年各站点的逐日气象观测资料，统计分析小满寒及高温热害年发生次数序列值。首先对历年各站点以上两个时段内的日最低气温、日平均气温及日最高气温进行质量控制，对缺测值大于5d的数据予以剔除，缺测值少于5d的站点数据予以插补，以保证站点数据记录长度一致。各站点分布如图1所示。

图1 双季稻种植区主要气象观测站点分布

1.2 小满寒和高温热害

“小满寒”指春末夏初的低温冷害天气现象，此时正值双季早稻幼穗分化阶段，“小满寒”的出现会使水稻幼穗分化受阻，影响花粉粒的正常发育进程，导致部分幼穗雄性不育，造成短穗、小穗或小粒，使产量降低，是危害早稻生长的一种气象灾害[7−9]。“高温热害”主要出现在盛夏时节，此时南方处于副热带高压控制，持续的高温天气过程使处于灌浆乳熟阶段的早稻籽粒灌浆减弱，影响干物质积累，降低籽粒重[10−12]。以上两种灾害是制约南方双季稻区早稻生长的主要气象灾害。引用前人的研究结果[9,13−14]，提出“小满寒”和“高温热害”的临界气象指标分别为日平均气温≤22℃且日最低气温≤16℃连续2d及以上、日平均气温≥30℃且日最高气温≥35℃连续3d及以上。具体计算时按照“小满寒”和“高温热害”发生过程进行统计，即只要达到以上临界气象指标就算作一次灾害过程，遇临界日期时也按照实际情况连续统计。

1.3 灾害发生次数

运用Matlab、Excel软件统计南方早稻种植区142个站点历年相应时段内发生灾害的次数，利用信息扩散理论对发生次数序列值进行风险评估，风险评估分布图用ArcGIS 10.0软件中的反距离权重插值法实现。

1.4 信息扩散理论

信息扩散理论[15−16]是为了弥补信息不足而考虑优化利用样本模糊信息的一种对样本进行集值化的模糊数学处理方法。可以将一个分明值的样本点，变成一个模糊集。即把单值样本点扩散成集值样本点。假设研究的早稻小满寒及高温热害指标论域为U={u1, u2, u3, …, un}，其中ui为灾害指标论域的取值，n为论域取值个数，设灾害指标的一个单值观测样本为yj（j=1, 2, 3, …, m），m为样本个数，本研究中灾害指标论域ui为某站点53a灾害发生次数序列值，论域选择不重复，发生相同次数灾害算作一次，n为本站点灾害发生次数序列值的最大值。m取集合[0，n]中的每个整数值，n取值主要决定于站点灾害发生次数序列值，而m取值随n动态变化，则函数fj(ui)为将样本观测值携带的信息扩散给论域U上的每一个取值ui，即

（i=1, 2, …, n; j=1, 2, …, m） （1）

式中，fj(ui)表示观测样本值yj扩散到点ui上的信息量，ui为信息吸收点。h为扩散窗宽，表示信息扩散的控制范围，其值与样本容量有关。

其中

对扩散后的信息进行归一化处理，则归一化后的函数gj为

对所有的单值观测样本均进行以上处理，可获得一个m×n的矩阵，进一步获得指标值为ui的样本个数q(ui)，即

q(ui)的物理意义是：由观测样本集合U = {u1, u2, u3, …, un}经信息扩散推断出，如果早稻小满寒及高温热害观测值只能取u1, u2, u3, …, un中的一个，则在将ui均看作是样本代表时，观测值为ui的样本个数为q(ui)个。显然q(ui)通常不是一个正整数，但一定是一个不小于零的数值。再令

则p(ui)就是样本落在ui处的频率值，即概率的估计值。对于灾害指标X={x1, x2, x3,…, xn}，将xi取论域u中的一个元素ui，则超越ui的概率为

式中，p(u≥ui)就是所要求的风险评估值。

2 结果与分析

2.1 早稻生育期小满寒和高温热害发生次数的空间分布

由图2a可见，1960−2012年，研究区内早稻小满寒灾害年平均发生次数总体上表现为北部多于南部，湖北巴东、房县、老河口以北，安徽寿县、蚌埠、滁州以北，浙江杭州、嵊县以东地区年平均发生次数最多，达4次以上，其次为湖南通道、武冈、邵阳、安化、石门沿线以北，湖北宜昌、荆州、天门、武汉、黄石以北，安徽淮河以南地区，浙江中西部以及福建东北部沿线一带，平均每年发生2～3次以上小满寒灾害。南部地区大多每年平均发生＜1次，小满寒灾害对这些地区早稻生长影响较小。由图2b可见，早稻高温热害频发区主要分布在湖南衡阳、双峰、郴州一带，江西大部分地区以及浙江金华、衢州、丽水附近，湖北甲鱼、武汉、黄石以及安徽安庆部分地区，平均每年发生4～7次早稻高温热害天气过程，安徽大部分地区，湖北中北部，湖南中东部地区次之，低值区主要分布在海南、广西中西部广大区域以及广东南部边缘地带。

2.2 早稻小满寒及高温热害发生的风险概率

限于站点资料有限，采用信息扩散理论对已知站点历年小满寒及高温热害发生次数进行集值化处理，以便对双季早稻主要农业气象灾害进行精细化风险评估。以各站点历年发生小满寒及高温热害次数序列值为研究对象，考虑到不同站点不同灾害发生次数序列值范围存在差异及计算精度要求，选取一维实数空间上的集合[0，k+4]作为小满寒及高温热害指标论域，其中k表示某站点发生小满寒和高温热害次数的最大值，其控制点离散论域间隔选为1，各站点指标论域随k值动态变化。应用Matlab软件根据式（1）−（7）进行编程，计算可得双季稻种植区各站点发生相应次数的风险估计值（超越概率），限于篇幅，仅给出江西景德镇站点计算结果。根据1960−2012年景德镇站的统计结果，其小满寒发生次数的最大值n=5，最小值为0，因此，其控制点论域[0, n+4]设置为X={X1, X2, X3,…Xn}={0, 1, 2, …, 9}，此时，样本个数m=53，利用式（3）计算得到相应的扩算窗宽h=0.2582，最终计算得到该站发生相应次数小满寒的风险概率值，并作小满寒的概率密度曲线（PDC）和超越概率密度曲线（TPDC），结果见图3a。根据相应的统计结果，同理可得该站发生相应次数高温热害的风险概率计算结果如图3b。

图2 早稻发生小满寒（a）及高温热害（b）年平均次数的空间分布（1960−2012年）

注：小满寒指5月10日−6月10日日平均气温≤22℃且日最低气温≤16℃连续2d及以上；高温热害指7月1日−8月31日日平均气温≥30℃且日最高气温≥35℃连续3d及以上。

sNote：Grain buds cold is daily average temperature≤22℃ and daily minimum temperature≤16℃for 2 consecutive days and above in May 10th to June 10th；high temperature damage is daily average temperature ≥30℃ and daily maximum temperature ≥35℃ for 3 consecutive days and above in July 1st-August 31st.

由图3a可以看出，在早稻生长发育过程中，江西景德镇站点53a来小满寒发生次数序列值在1～9次之间，发生相应次数的概率值均低于0.2，但随着年发生次数的增加，风险概率值逐渐降低，年发生6次及以上的概率仅为0.1左右，早稻小满寒灾害发生次数序列值具有较强的不确定性。从早稻小满寒年发生次数的超越概率密度曲线可以看出，随着年发生次数的增加，其风险概率值呈近似直线型下降趋势，年发生3次及以下的概率值约在0.5以上。从图3b可知，此站点早稻高温热害概率密度曲线呈现先增加后减小的趋势，年发生5次高温热害的概率最大，约为18%，总的来说，高温热害受灾可能性相对较小，但曲线的论域范围较大，不确定性较为明显。从高温热害发生的超越概率密度曲线可知，超越概率呈一个反“S”型分布，曲线有一个从凸到凹的过程，表明对应的概率密度曲线有一个极大值，符合相应的概率密度曲线所反映的情况，此曲线陡度相对平缓，表明南方双季稻种植区早稻高温热害发生的情况离散性较强，具有较高的不确定性。

2.3 双季早稻小满寒风险评估

由图4a可见，研究区内发生1次及以上早稻小满寒灾害的概率自南向北呈明显减少的带状分布特征，风险概率较低的地区主要分布在海南岛及广东西部地区，其概率值低于0.33，即3a才能遇见一次及以上小满寒灾害。广西百色、靖西、东兴、钦州、玉林、梧州一带，广东高要、增城沿线附近年发生一次及以上小满寒的概率次之，1.5～3a一遇。年发生1次及以上小满寒灾害高概率区分布范围较广，基本集中在0.68～1.00之间，重现期为1～1.5a，发生风险的周期短、再现率高。年发生2次及以上的概率分布特征（图4b）与发生1次及以上较为相似，但发生概率较高的区域面积有所缩小，超越概率值在0.67～1之间波动，基本上集中在柳州、蒙山、贺县、连县、韶关、连平、梅县、漳州以北地区，概率相对较低的区域面积进一步扩大到广西西南部、广东中部广大区域，而低概率区域面积相对保持稳定。从年发生3次及以上的超越概率分布图（图4c）可见，除房县、岳阳、宁国、南平等局部地区外，大部分区域发生3次及以上的概率都低于0.66，即每1.5～3a会发生3次及以上的小满寒天气过程，其中低概率区与图4b低概率区略为相似。除低概率区面积略有扩大外，年发生4次及以上的超越概率分布图（图4d）与年发生3次及以上的超越概率分布格局大致相同。由年发生5次及以上的超越概率分布图（图4e）可见，早稻小满寒灾害低概率区主要集中在海南、广东、广西、赣南、湖南东南部、福建西南部、浙南、鄂北局部地区以及湖北与安徽的交界处，大致为3a以上遭遇一次5次及以上的小满寒天气过程。由图4f−图4h可见，对于年发生6次及以上，整个研究区基本呈现为低概率区，超越概率值集中在0～0.33，3a以上才会遇见一次年发生6次及以上的小满寒灾害天气过程。

图3 景德镇站点早稻小满寒（a）及高温热害（b）的概率密度曲线（PDC）及超越概率密度曲线（TPDC）

分别统计不同风险水平下，重现期为1～2a、2～5a、5～10a和＞10a所影响的站点数，由表1可知，研究区有22个站点历年从未发生过1次及以上或2次及以上小满寒灾害天气过程，整个南方双季早稻小满寒重现期全部集中在1～2a，即1～2a遭遇一次或两次小满寒天气过程；有97个站点年发生3次及以上的重现期在1～2a，而其它24个站点遭遇3次以上小满寒的重现期为2～5a一次；仅12个站点年发生4次及以上的重现期在1～2a，大多数站点在2～5a，其中一个站点重现期达到10a以上；仅6个站点年发生5次及以上的重现期为1～2a，即以上6个站点发生5次以上小满寒灾害的再现周期为1～2a，而2～5a、5～10a的再现周期分别骤增到90、24个站点；当年发生6次及以上−8次及以上时，1～2a重现期的站点个数相对较为稳定，2～5a重现期的站点数逐渐减少，5～10a再现期的站点数先增加后减少，而＞10a的站点数逐渐增加，至少发生8次及以上的站点数已达到132个，各站点发生8次以上的小满寒至少10a才出现一次。

图4 各地双季早稻发生不同次数（X）小满寒灾害的概率

表1 不同发生次数下各重现期小满寒影响的站点数目

2.4 双季早稻高温热害风险评估

南方双季早稻高温热害不同风险水平下的风险概率分布如图5所示。图5a表明，高温天气对南方双季早稻影响较大，在早稻生长发育过程中，几乎每个省份均有可能遭受不同程度的高温热害，大部分地区的超越风险概率值集中于0.68～1之间，1～1.47a一遇，广西北部地区，广东及福建东南部等地次之，为1.47～2.97a一遇，岳阳、宁国、波阳等局部地区是双季早稻高温热害少发区，约3a以上发生一次高温热害天气过程。年发生2次及以上高温热害超越概率分布情况（图5b）与发生2次及以上较为相似，但高概率区域面积显著减小，主要集中在湖南东南部、江西西南部、江西与浙江交界处的玉山、金华一带以及湖北巴东、宜昌、荆州附近，低概率区域面积变化不大。从年发生3次及以上高温热害超越概率分布（图5c）可以看出，高温热害高概率区多集中在衡阳、遂川、吉安、樟树一带，双季早稻大部分区域发生3次及以上的概率均低于0.66，为1.47～2.97a一遇，其中低概率区较图5b下的低概率区面积有所增加。从图5d可以看出，发生次数≥4次时，早稻高温热害发生概率普遍较低，大部分地区概率值低于0.63。由图5e可见，早稻高温热害低概率区面积进一步扩大，发生5次及以上的高温热害过程表现为中间概率高，四周概率低的特征。从图5f−图5h可见，整个研究区高温热害超越概率分布基本相似，高概率区主要分布在湖南东部、江西中部地区以及浙江西部一带。

双季早稻高温热害不同风险下各重现期所影响的站点数如表2所示。由表可见，除30个站点历年均未发生1次及以上高温热害天气过程外，其它站点的再现周期均在1～2a之间，即1～2a发生一次；有16个站点年发生2次及以上高温热害天气，重现周期变长，为2～5a；32个站点年发生3次及以上高温热害天气过程，重现期为1～2a，2～5a的重现期迅速增加到80个站点，其中一个站点的重现期超过10a；当年发生4次及以上高温热害天气过程时，1～2a、2～5a、5～10a、＞10a所影响的站点数分别为17、75、18、33个；从表中X≥5至X≥8次的站点数据可以看出，低重现期的站点数逐渐减小，相应的高重现期站点数逐渐增加，当风险概率为8时，仅有一个站点年发生8次及以上的高温热害，重现期为1～2a，而＞10a的重现期近126个站点，多数站点发生8次及以上高温热害可能性约10a以上一遇。

图5 各地双季早稻发生不同次数（X）高温热害的概率

表2 不同发生次数下各重现期高温热害影响的站点数目

（续表）

3 结论与讨论

3.1 结论

（1）南方双季稻种植区（安徽、浙江、江西、湖北、湖南、福建、广西、广东、海南岛等地）1960−2012年早稻小满寒和高温热害年平均发生次数空间分布差异较大，小满寒灾害从南到北大致呈现明显递减的带状分布特征，其中以湖北巴东、房县、老河口以北，安徽寿县、蚌埠、滁州以北，浙江杭州、嵊县以东地区年平均发生次数最多，而南部地区大多每年平均发生＜1次。早稻高温热害年平均发生次数呈现由长江中下游中部向四周逐渐减少的趋势，高值区主要分布在湖南衡阳、双峰、郴州一带，江西大部分地区以及浙江金华、衢州、丽水附近，湖北甲鱼、武汉、黄石以及安徽安庆部分地区，低值区主要位于海南、广西中西部广大区域以及广东南部一带。

（2）南方早稻种植区发生小满寒灾害1次及以上的概率总体上南部地区小于北部，而概率值在0.68～1.00之间的高概率区分布范围最广，重现期为1～1.5a，发生风险的周期较短，再现率相对较高。随着年发生次数的逐渐增加，高发生概率区所影响的范围逐渐减小，低概率区所占面积相应扩大。风险概率水平越高，低重现期影响的站点数越少，受高重现期影响的站点数越多。

（3）在南方双季早稻生长发育过程中，发生1次及以上高温热害高概率区影响范围广，几乎每个省份均有可能遭受不同程度的高温热害天气过程，广西北部地区，广东及福建东南部等地1.47～2.97a发生一次高温热害天气过程，而岳阳、宁国、波阳等地持续3a以上才发生一次高温热害天气过程。随着年发生次数的逐渐增加，其高概率区所影响的范围呈减小的趋势，低概率区受影响的面积逐步扩大，发生8次及以上全研究区表现为发生概率较低。

3.2 讨论

江西水稻小满寒灾害年平均发生0～4次，高值区主要分布在江西东北部和西北部局部地区，本研究结果与白光志等[13]得出的结论较为一致，但高温热害空间分布存在一定的差异，这可能是由于本研究以高温热害发生过程为单位统计导致的。从双季早稻高温热害年平均发生次数分布图可以看出，南方高温热害发生总体呈现中间高四周低的特点，高值区主要分布在江西、浙江西部、皖南南部、湖北和湖南东部地区，这与郭建茂等[17]对两湖地区高温热害分布的研究结果较为相似，主要是由于这些地区在7−8月长期受副热带高压控制而出现持续高温天气过程，而这段时间刚好处于江西及周边附近各省双季早稻抽穗开花期。因此，在双季早稻实际生产中，可以将本研究结果作为参考，适当优化双季稻种植布局，调整最佳播期，加强熟性搭配[18]，改善稻田微气象条件[19]，以抵御高温热害对双季早稻产量品质造成的影响。

本研究根据双季早稻生长过程中的主要气象灾害，利用前人的研究结果直接计算各站点灾害发生次数序列值，采用信息扩散理论对小样本站点数据资料进行风险评估，避免了样本数据资料有限造成的误差，在早稻实际防灾减灾工作中有一定的参考价值和应用价值，也为农作物气象灾害风险评估提供了新方法和新思路。但是，由于本研究是应用前人研究的小满寒及高温热害临界气象指标，对于具体的早稻品种，其抗寒、抗高温差异较大，因此，今后应进一步进行人工控制实验，针对特定品种，系统研究早稻小满寒及高温热害致灾机理，找出致灾临界气象指标。同时，由于气象观测站点与双季早稻种植区有一定距离，对研究结果也会造成一定偏差，以后的研究中还需进一步完善。

[1]Lou W P,Wu L H,Chen H Y,et al.Assessment of rice yield loss due to torrential rain:a case study of Yuhang County, Zhejiang Province,China[J].Natural Hazards,2012,60:311-320.

[2]Hao L,Zhang X,Liu S.Risk assessment to China’s agricultural drought disaster in county unit[J].Nat Hazards,2012,61: 785-801.

[3]Ishimaru K,Togawa E,Ookawa T.New target for rice lodging resistance and its effect in a typhoon[J].Planta,2008,227(3): 601-609.

[4]Marletto V,Ventura F,Fontana G,et al.Wheat growth simulation and yield prediction with seasonal forecasts and a numerical model[J].Agricultural and Forest Meteorology, 2007,147(1-2):71-79.

[5]罗培.基于GIS的重庆市干旱灾害风险评估与区划[J].中国农业气象,2007,28(1):100-104.

Luo P.Risk assessment and division of drought hazard based on GIS in Chongqing city[J].Chinese Journal of Agrometeorology, 2007,28(1):100-104.(in Chinese)

[6]陈思宁,申双和,刘敏,等.湖北省茶树气象灾害模糊综合评价及区划[J].农业工程学报,2010,26(12):298-303.

Chen S N,Shen S H,Liu M,et al.Fuzzy synthetical evaluation of meteorological disasters to(L.O.Ktze) and its regionalization in Hubei Province[J].Transactions of the CSAE,2010,26(12):298-303.(in Chinese)

[7]耿立清,王嘉宇,陈温福.孕穗-灌浆期低温对水稻穗部性状的影响[J].华北农学报,2009,24(3):107-111.

Geng L Q,Wang J Y,Chen W F.Effect of low temperature on panicle characters of rice during booting and grain filling period[J].Acta Agriculturae Boreali-Sinica,2009,24(3):107-111. (in Chinese)

[8]孙擎,杨再强,高丽娜,等.低温对早稻幼穗分化期叶片生理特性的影响及其与产量的关系[J].中国生态农业学报,2014, 22(11):1326-1333.

Sun Q,Yang Z Q,Gao L N,et al.Effect of low temperature stress on physiological characteristics of flag leaf and its relationship with grain yield during panicle primordium differentiation stage of early rice[J].Chinese Journal of Eco-Agriculture,2014,22(11):1326-1333.

[9]魏丽.“高温逼熟”和“小满寒”对江西省早稻产量的影响[J].气象,1991,17(10):47-49.

Wei L.Influences of high-temperature forced maturity and grain buds cold on yield of early rice in Jiangxi province [J].Meteorological Monthly,1991,17(10):47-49.(in Chinese)

[10]曾凯,居为民,周玉,等.高温逼熟等级对早稻品质与产量特征的影响[J].中国农学通报,2011,27(30):120-125.

Zeng K,Ju W M,Zhou Y,et al.Influences of high temperature induced maturity on the quality and yield characteristics of early rice[J].Chinese Agricultural Science Bulletin,2011, 27(30):120-125.(in Chinese)

[11]李静,王术,王伯伦,等.不同水稻品种灌浆特性研究[J].农业现代化研究,2008,29(4):490-493.

Li J,Wang S,Wang B L,et al.On grain filling properties of different rice cultivars[J].Research of Agricultural Modernization, 2008,29(4):490-493.(in Chinese)

[12]杨晓春,林瑞坤,吴振海.水稻高温热害的研究进展[J].福建农业科技,2006,(2):68-69.

Yang X C,Lin R K,Wu Z H.The research progress of rice hot disaster of high temperature[J].Fujian Agricultural Science and Technology,2006,(2):68-69.(in Chinese)

[13]白光志,孔萍,余焰文,等.江西省双季稻气象灾害风险评估研究[J].气象与减灾研究,2014,37(4):50-55.

Bai G Z,Kong P,Yu Y W,et al.Study on the meteorological risk assessment of double cropping rice in Jiangxi province [J].Meteorology and Disaster Reduction Research,2014,37 (4):50-55.(in Chinese)

[14]金志凤,杨太明,李仁忠,等.浙江省高温热害发生规律及其对早稻产量的影响[J].中国农业气象,2009,30(4):628-631.

Jin Z F,Yang T M,Li R Z,et al.High temperature induced heat damage and its impacts on early rice yields in Zhejiang province[J].Chinese Journal of Agrometeorology,2009, 30(4):628-631.(in Chinese)

[15]黄崇福.自然灾害风险评价理论与实践[M].北京:科学出报社,2005.

Huang C F.Theory and practice of natural disaster risk assessment [M].Beijing:Science Press,2005.(in Chinese)

[16]Hao L,Zhang X,Shu Z.Risk assessment model to natural disaster in county unit based on information diffusion technology [J].Adv Mat Res,2010,225-226:839-842.

[17]郭建茂,白玛仁增,梁卫敏,等.两湖地区水稻抽穗开花期高温热害时空分布[J].中国农业气象,2019,40(1):51-61.

Guo J M,Pema R Z,Liang W M,et al.Temporal and spatial distribution of heat damage during heading and flowering stage of rice in Hubei and Hunan province [J].Chinese Journal of Agrometeorology,2019,40(1):51-61.(in Chinese)

[18]杜尧东,沈平,王华,等.气候变化对广东省双季稻种植气候区划的影响[J].应用生态学报,2018,29(12):4013-4021.

Du Y D,Sheng P,Wang H,et al.Impacts of climate change on climatic division for double cropping rice in Guangdong Province[J].Chinese Journal of Applied Ecology,2018,29 (12):4013-4021.(in Chinese)

[19]江晓东,华梦飞,胡凝,等.不同水源灌溉对水稻高温热害影响的微气象学分析[J].中国农业气象,2019,40(4):260-268.

Jiang X D,Hua M F,Hu N,et al.Micrometeorological analysis of the effects of different irrigation water sources on the heat stress of rice[J].Chinese Journal of Agrometeorology,2019, 40(4):260-268.(in Chinese)

Risk Assessment for Meteorological Disasters of Early Rice in the Southern Double- Season Region Based on Information Diffusion Theory

WANG Xue-lin1, HUANG Qin-qin2, LIU Jun1

(1.Hefei Meteorology Bureau of Anhui Province, Hefei 230000, China; 2.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044)

Grain buds cold and hightemperaturedamage are the most important agro-meteorological disasters affecting growth-development and yield formation of early rice in southern China.In order to improve the forecasting ability of double-season early rice meteorological disasters, in this paper, based on critical meteorological indicators related to grain buds cold and high temperature damage of previous studies, conventional meteorological observation data was used coming from 142 basic stations of double-season rice regions from 1960 to 2012, the occurrence for grain buds cold and high temperature damage was analyzed. Using information diffusion theory, conducted a refined risk assessment for different stations of early rice planting area. The results showed that, (1)annual mean numbers for early rice grain buds cold and high temperature damage distributed significant difference, and annual mean numbers for early rice grain buds cold basically showed progressively increasing from south to north, showing obvious zonal distribution. However, prone areas of high temperature damage mainly located in Hengyang, Shuangfeng, Binzhou areas of Hunan Province, and most parts in Jiangxi of Province areas, and Jinhua, Quzhou, Lishui of Zhejiang Province, and Jiayu, Wuhan, Huangshi Hubei Province, and some areas of Anqing in Anhui Province.(2)The spatial distribution characteristics of transcend probability value occurred in least one time and above for grain buds cold and high temperature damage were similar, and most areas showed significant high probability areas, as well as shorter return period and higher reproduction rate. The low probability zone of transcend probability value for grain buds cold and high temperature damage decreased as the number of years of occurrence increases.(3)With the significant increase in the number of occurrences, the station numbers of short return period for grain buds cold and high temperature damage of early rice reduced and station numbers of longer return period corresponding increased.

Early rice；Grain buds cold；High temperature damage；Risk assessment; Information diffusion theory

10.3969/j.issn.1000-6362.2019.11.005

王学林,黄琴琴,柳军.基于信息扩散理论的南方双季早稻气象灾害风险评估[J].中国农业气象,2019,40(11):712-722

2019−03−13

安徽省气象局硕博士工作启动经费项目“巢湖流域水稻涝害风险评估”（RC201707）

王学林（1987−），硕士，工程师，主要从事农业气象灾害研究。E-mail：912856253@qq.com