江淮地区玉米涝渍指标构建及时空特征分析*

吴玉洁，霍治国，姜会飞，李建勇，李建平，吴 迪

(1.吉林省气象科学研究所/长白山气象与气候变化吉林省重点实验室，长春 130062；2.中国气象科学研究院，北京 100081；3.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；4.中国农业大学资源与环境学院，北京 100193；5.河南省平舆县气象局，驻马店 463400)

0 引言

江淮地区位于我国东部中纬度地区，受季风影响，易出现降水极端天气事件，是涝渍灾害重灾区。玉米作为区域主要粮食作物，其生长季同汛期时间重叠，故受涝渍灾害严重。1978年7月24—25日，砀山县全县积水农田达2.53万hm2，造成玉米倒伏；1979年7月10—30日，盐城市积水农田达10万hm2，伴随台风影响，陆集乡600hm2玉米基本倒伏，断秆率达30%；1991年，雎宁县全县2.7万hm2夏玉米受涝渍危害面积在1万hm2以上，占玉米种植面积的39.3%[1-3]。因此，研究揭示江淮地区玉米涝渍灾害时空变化特征对科学开展区域防洪减灾具有重要意义。

目前，国内外用于评估涝渍等级的指标模型形式多样，农业气象领域中，始终以气候指标、农业气象指标为研究核心。气候指标如降水距平百分率、降水标准差、SPI指数、K指数和Z指数等较为常用[4，5]，基于降水概率、连续日降水量、暴雨洪灾次数、面雨量等指标构建及划分方法也较为普遍[6-9]。此类指标可作为区域涝渍灾害的气候判别标准，但因未考虑土壤和作物因素，用于作物涝渍灾害的评估误差较大。农业气象指标则将气象要素同作物减产及受灾情况相结合，以作物受害的气象要素影响机制为建模依据，常用指标如作物水分盈亏指数(相对湿润度指数)、阴湿系数、干湿指数等[10-13]，或是以上述指标为原型改进的指标[14，15]。此外，基于过程雨量的作物涝渍灾害指标研究近些年也较为普遍[16，17]。

玉米是一种需水量大但不耐涝的作物，且各阶段受涝的敏感性不同。气象因素中除强降水外，连阴雨天气同样会促使玉米发生涝渍灾害。江淮地区玉米种植季降水显著，且播种前期常伴有梅雨天气易导致种子萌发期间发生霉变，造成涝渍灾害的发生。基于玉米涝渍受害过程及区域降水特征，文章以作物水分盈余指数为原型，引入玉米播种前底墒，利用层次分析法[18]确定各阶段受涝对减产率的影响权重，构建适用于江淮地区玉米涝渍等级评估的全生育期综合指数。此方法在玉米涝渍指标构建研究中鲜有报道，且通过对江淮地区春、夏玉米涝渍等级阈值的精细划分，实现对玉米涝渍灾害的精细化、精准化研究，可为各级政府及生产部门指挥玉米生产和防洪抗灾工作提供更有效的科学依据和指导意见。

1 材料与方法

1.1 资料来源与处理

以苏皖长江以北地区为研究区域，选取区域数据资料较完整的18个农业气象站(图1)及1981—2010年对应地面气象观测站的数据资料进行分析。其中，所用农业气象资料包括：玉米单产、生育期数据及灾情记录，来源于中国气象局气象档案馆存档的《作物生长发育状况记录年报表(农气表1)》，部分缺失的玉米单产数据由“中国种植业信息网—县级农作物数据库”补充，极少数缺失的生育期数据利用已有站点数据插值获得。所用逐日气象要素数据包括：降水量、平均气温、最高气温、最低气温，来源于国家级地面气象站基本气象要素日值数据集(V3.0)，对极少数气象要素的缺测值根据历年同期平均值进行补充。

图1 农业气象站地理方位分布

1.2 减产率序列构建

减产率是气象产量相对化处理后的负值结果[19]，公式为：

(1)

Y为玉米气象产量波动的百分率，取其中由典型涝渍年引起的负值序列作为最终减产率序列(%)；ya为作物实际单产(kg/hm2)；yt为趋势单产(kg/hm2)；t为年份(年)。根据已有研究常用划分标准，认为Y≤-5%为减产年，-10%

1.3 玉米涝渍等级评估指标构建

以作物水分盈余指数(CWSI)为原型进行改进[13]，在降水量的计算项中，考虑播种前过度降水对玉米种子萌发的不良影响。基于玉米不同生育阶段涝渍敏感性差异，计算玉米各生育时期的水分盈余指数(WSIMj)并配以权重系数，得到玉米综合水分盈余指数(CWSIM)。公式为：

(2)

(3)

式(2)～(3)中，WSIMj为玉米在j阶段的水分盈余指数，j取1、2、3、4，分别表示播种—出苗期、出苗—拔节期、拔节—吐丝期、吐丝—成熟期；Rn为播种前n天总降水量(mm)，即底墒水(Rn仅在第1阶段中计算)；Rj为玉米在j阶段的总降水量(mm)；ETCj为玉米在j阶段实际蒸散总量(mm)；CWSIM为玉米综合水分盈余指数；wj为WSIMj的影响权重。

1.4 农田实际蒸散量计算

农田实际蒸散量常用计算公式为：

ETc=Kc×ET0

(4)

(5)

式(4)～(5)中，ETc为实际蒸散量(mm)；ET0为潜在蒸散量[20](mm)；Kc为作物系数，取初始生长期Kc=0.3，生育中期Kc=1.2，收获期Kc=0.6[21]；Tmean、Tmax、Tmin分别为日平均、最高、最低温度(°C)；Ra为大气顶层辐射[22](MJ/(m2.d))；λ为水汽化潜热，通常取2 450(MJ/kg)。

1.5 权重系数计算

WSIMj的权重系数由层次分析法确定[18]，其中，构造判断矩阵中的比较值可由现有玉米淹水试验结果[23]确定，因苗期受涝时人工补苗对结果的干扰较大，因此该阶段的权重设定为最小。

1.6 玉米涝渍等级评估指标阈值划分

利用SPSS软件，对CWSIM和其对应减产率序列Y做线性回归分析，对通过显著性检验的回归方程，根据Y的阈值划分涝渍等级的标准，可以确定对应CWSIM值划分涝渍等级的标准。

表1 启东站春玉米典型涝渍年Y同WSIM相关性

2 结果与分析

2.1 指标构建方法的选定

分别以播种前不同时间尺度的降水为底墒，并对典型涝渍年份玉米减产率(Y)同其全生育期/分生育阶段水分盈余指数(WSIM，表示未区分玉米各生育阶段涝渍敏感性的指数)做相关性分析，得到如下结果。

表1中，启东站春玉米Y同WSIM1～WSIM7均呈显著相关，相关性排序为：WSIM5>WSIM4>WSIM6>WSIM7>WSIM3>WSIM2>WSIM1。WSIM1最小，说明考虑播种前底墒的全生育期指标评价效果较不考虑底墒的更好；WSIM8～WSIM11均未通过显著性检验，说明以玉米某个关键生育期计算的指标，用于评价玉米因受涝造成的减产具有其局限性。

表2中，沭阳站夏玉米Y同WSIM1～WSIM11相关性排序有：WSIM9>WSIM5>WSIM3>WSIM1>WSIM4>WSIM2>WSIM7>WSIM6>WSIM11>WSIM8>WSIM10，除WSIM9外，其余均未通过相关性检验，说明沭阳站夏玉米因涝渍害引起的减产主要是受出苗—拔节期的涝渍害影响，而以常规的不区分阶段涝渍敏感性计算的全生育期指数无法说明此例情况。

WSIM8同对应Y成正相关关系，反观WSIM8的数值普遍高于WSIM9，而此阶段涝渍敏感性较出苗—拔节期更大，说明此阶段指数同Y的相关关系是异常的。通过对灾情资料及实际农民种植行为的分析，这种异常是由苗期强降水过后人为补苗，干扰了该期间指数同Y的相关关系造成的。所以，在构建指标时应考虑苗期人为因素对评估结果造成的影响。

表2 沭阳站夏玉米典型涝渍年Y同WSIM相关性

根据上述结论，对全生育期玉米涝渍指标进行分生育阶段计算，确定播种—出苗、出苗—拔节、拔节—吐丝、吐丝—成熟期4个阶段的权重系数依次为0.06、0.57、0.26、0.11，并结合不同时间尺度底墒，计算玉米综合水分盈余指数(CWSIM，表示考虑玉米各生育阶段涝渍敏感性的综合指数)，将其同Y做相关性分析，得到结果如下。

表3中，启东站春玉米所有指标均通过显著性检验，且以CWSIM4即播种前15d降水为底墒计算的指标值同Y的相关性最大，相关系数为-0.996，通过了极显著检验。

表3 启东站春玉米典型涝渍年Y同CWSIM相关性

表4中，沭阳站夏玉米在改进指标后，原未通过显著性检验的指标均通过了检验，CWSIM1、CWSIM5、CWSIM7同Y的相关性大于仅考虑出苗—拔节期的情况，且以CWSIM7即播种前30d降水为底墒计算的指标值同Y的相关性最大，相关系数为-0.937，通过了极显著检验。

表4 沭阳站夏玉米典型涝渍年Y同CWSIM相关性

综合上述结论有：玉米区分阶段涝渍敏感性构建的综合指标更具代表性，对春、夏玉米均适用，且以考虑底墒的全生育期指标优于仅考虑玉米关键期和不考虑底墒的全生育期指标。因此，采用改进的玉米综合水分盈余指数(CWSIM)作为评估江淮地区玉米涝渍等级的指标，且春玉米以播种前15d降水作为底墒，夏玉米以播种前30d降水作为底墒。

2.2 指标阈值划分及验证

将启东站春玉米、沭阳站夏玉米的CWSIM同其对应Y做线性回归分析，分别得到对应关系式为：Y=-23.34CWSIM+13.69，R2=0.99；Y=-14.30CWSIM+10.64，R2=0.93。则CWSIM划分涝渍等级的阈值结果如表5。

表5 CWSIM涝渍等级划分阈值

表5中，对比CWSIM阈值，夏玉米对涝渍的耐受程度高于春玉米。造成该结果的原因除与玉米品种有关外，还同底墒水引入的时间尺度，季节温度和日照差异导致玉米需水量的不同等因素有关。因此，对同种作物不同季品种的涝渍等级评估指标的分级应有所区分。

以上述单站结果为参考标准，对江淮地区其他已有记录的站点进行验证(表6)，11个验证样本均达标，说明以单站指标为参照标准对于江淮地区玉米受涝情况评价基本适用。值得注意的是，典型涝渍年，当玉米减产率在15%以上达到重涝级别时，各站点的指数同Y的相关性已不再是简单的线性关系，因为极度降水过后的人为管理对最终玉米减产的影响是难以预估的，且当降水远大于玉米需水时涝渍灾害同玉米减产的相关关系也已不仅仅是线性相关，但这并不影响涝渍指数对玉米涝渍级别的判断结果。

表6 江淮地区CWSIM验证

2.3 江淮地区玉米水分盈余指数时空分布特征

利用求算出的已知站点指数，对区域进行空间插值，得到其春、夏玉米各发育阶段(WSIM)和全生育期(CWSIM)的水分盈余指数(由于苗前人为因素干扰较大，因此未对播种—出苗阶段的指数进行分析)，图2中3种颜色由浅至深分别表示低值区、中值区和高值区，主要结果如下。

图2中，春玉米出苗—拔节、拔节—吐丝期两个阶段的WSIM呈由北向南的纬向增加分布，且安徽省西南临江一带指数最大；吐丝—成熟期，安徽省西南临江一带、江苏省淮安市东部、扬州市及其周边区域为高值区，安徽省北部及中部的中心区域、江苏省东南边缘为低值区，其余为中值区。

(a.出苗—拔节期；b.拔节—吐丝期；c.吐丝—成熟期(1981—2010年年均值))图2 江淮地区春玉米各阶段WSI空间分布

图3中，夏玉米出苗—拔节期的WSIM呈由北向南的纬向增加分布，安徽省临江一带为高值区；拔节—吐丝期，江苏省东北部为高值区，安徽省中部及临江一带为低值区，其余为中值区；吐丝—成熟期指数呈由西至东的经向增加分布，江苏省东部临海一带为高值区。夏玉米各阶段WSIM的分布结果，同前人研究中江淮地区夏玉米受涝情况分布的结果大致相同[24]。

(a.出苗—拔节期；b.拔节—吐丝期；c.吐丝—成熟期(1981—2010年年均值))图3 江淮地区夏玉米各阶段WSI空间分布

图4中，对1981—2010年30年春玉米CWSIM每10年求1次平均值，分别得到a、b、c所示结果，d为1981—2010年30年的平均值。从空间看(4d)，春玉米CWSIM呈由北向南的纬向增加分布，分布规律对a、b、c同样适用，安徽省西南部沿江一带为高值区；从时间看，整体指数在不同时期的大小排序为1991—2000年>1981—1990年>2001—2010年，说明春玉米在30年受涝情况是先加重后减轻。

(a.1981—1990年年均值；b.1991—2000年年均值；c.2001—2010年年均值；d.1981—2010年年均值)图4 江淮地区春玉米CWSIM时空分布

同理，得到夏玉米CWSIM时空分布图5。从空间看(图5.d)，夏玉米CWSIM由北向南呈近辐射状条带分布(分布规律对a、b、c不尽相同)，安徽省北部偏东一带为低值区，安徽省沿江及江苏省东南边缘为高值区，其余为中值区。从时间看，整体指数在不同时期的大小排序为1991—2000年>2001—2010年>1981—1990年。图5.a，安徽省沿江一带为高值区，安徽省北部、江苏省西北部和沿江中段地带为低值区，其余为中值区；图5.b，分布规律整体同图5.a相近，图5.b较图5.a，安徽省沿江带的高值区面积明显增大，低值区面积减小且向安徽省和江苏省的北部中心区域转移，江苏省东南部指数增加；图5.c，指数分布规律与图5.a、图5.b均不同，江淮区域被中值区整体覆盖，说明安徽省沿江一带涝情减轻，但江淮北部地区加重。

综合春、夏玉米的情况，安徽省沿江一带是玉米涝渍害发生的重灾区，且1991—2000年较其前后10年涝情最重。

(a.1981—1990年年均值；b.1991—2000年年均值；c.2001—2010年年均值；d.1981—2010年年均值)图5 江淮地区夏玉米CWSIM时空分布

3 结论与讨论

3.1 主要结论

(1)春玉米的轻、中、重涝CWSIM阈值依次为：0.80≤CWSIM<1.01，1.01≤CWSIM<1.23、CWSIM≥1.23。夏玉米依次为：1.09≤CWSIM<1.44，1.44≤CWSIM<1.79，CWSIM≥1.79。

(2)各阶段WSIM分布规律，春玉米为：出苗—拔节期、拔节—吐丝期呈由北向南的纬向增加分布；吐丝—成熟期高值区位于安徽省西南临江一带、江苏省淮安市东部、扬州市及其周边区域，低值区位于安徽省北部及中部的中心区域、江苏省东南边缘，其余为中值区。夏玉米为：出苗—拔节期呈由北向南的纬向增加分布；拔节—吐丝期高值区位于江苏省东北部，低值区位于安徽省中部及临江一带，其余为中值区；吐丝—成熟期指数呈由西向东的经向增加分布。

(3)春玉米近30年CWSIM时空分布规律为：空间上，由北向南呈纬向增加分布。时间上，整体指数在不同时期的排序为1991—2000年>1981—1990年>2001—2010年；夏玉米的规律为：空间上，由北向南呈近辐射状条带分布。时间上，整体指数在不同时期的排序为1991—2000年>2001—2010年>1981—1990年。综合说明，安徽省沿江一带是玉米涝渍害发生的重灾区，且1991—2000年较其前后10年涝情最重。

3.2 问题讨论

(1)受资料数量与质量的限制，区域指标研究常以单站结果作为区域结果。但实地考察证明，即便是邻近区域，指标的差异也可能非常明显。这与土壤特性、地势、地下水埋深、局地小气候、人为影响等众多因素有关。实现区域化研究仍需依靠充足而准确的数据资源。进一步完善农业气象站布局，增设作物观察点和观测指标以提供充足的观测数据，对于农业气象的精准化、精细化研究是必不可少的。而伴随着遥感技术的日益成熟，卫星遥感监测及反演技术也已成为协助研究的关键方法，可有效提高观测效率。

(2)统计生育期的农业气象站数量的局限给区域分析带来困难，且单个站点的统计数据难以实现连续长时间记录。构建长时序列时需要人为处理补全，以多年均值替代或以单站、邻近站数据替代等方法较为常用，使结果存在较大误差，而运用积温理论推测作物发育期可有效提高准确率，减小误差结果[25]。

(3)该研究以CWSIM同Y的相关关系进行分析，可对全生育期的受涝程度进行定量判断。对各生育阶段WSIM仅对比分析了指数的分布情况，一定程度上可反映出玉米不同阶段的受涝程度，但若做出定量判断，还需结合各阶段具体受涝记录进行分析。后续研究可从各阶段玉米受涝次数、受涝等级的统计结果与阶段指数的相关关系方面入手，进一步实现对玉米涝渍等级评估的精细化研究。