四川省水稻综合气象灾害风险区划*

邓国卫, 卿清涛, 徐金霞, 孙 俊

四川省水稻综合气象灾害风险区划*

邓国卫1,2, 卿清涛1**, 徐金霞1, 孙 俊3

(1. 四川省气候中心 成都 610072; 2. 中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室 成都 610072; 3. 中国气象局干部培训学院四川分院 成都 610072)

本文利用1981—2012年四川省82县的水稻单产资料, 采用HP滤波法, 进行水稻气象产量分离, 分歉收年和成灾年两个年型, 研究四川省水稻单产平均减产率、减产率变异系数和不同等级减产率风险概率的空间分布特征, 并基于成灾年风险区划指标, 开展四川省水稻综合气象灾害风险区划。结果表明: HP滤波法可用于四川省水稻气象产量分离, 四川省水稻气象产量具有显著的准4 a、7 a周期振荡特征。平均减产率从西南向东北方向呈现“高–低–高”分布特征, 80%以上县歉收年平均减产率介于2%~7%, 成灾年平均减产率介于6%~15%。各县歉收年减产率变异系数介于0.6~2.2, 成灾年减产率变异系数介于0~1.2; 减产率变异系数相对高值区位于西南山地西部、盆地南部和盆地北部山地。各级减产率风险概率大值区主要集中于广元和巴中地区, 还包括盐亭、古蔺、盐源、越西等县。四川省水稻综合气象灾害高风险区主要分布于盆地北部、盆地南部和西南山地西部等山区, 中等风险区主要分布于盆地丘陵区及盆周低山区, 低风险区主要分布于盆地平原、浅丘区和凉山州中东部。风险区划结果与四川省气象灾害分布和水稻农业气象灾害分布的研究成果相吻合, 可为四川省水稻防灾减灾提供科学依据和重要参考。

综合气象灾害; 风险区划; 四川; 水稻; 产量分离; 减产率

四川省位于青藏高原东侧, 受特殊地理位置、复杂地形和大气环流影响, 境内气象灾害种类多、范围广、频次高, 每年因气象灾害导致农业直接经济损失达百亿元, 居于全国前列[1-2]。水稻()是四川地区的主要粮食作物, 作为全国13个粮食主产区之一, 四川省水稻产量的丰歉与本地区乃至全国粮食安全密切相关。因此, 开展四川省水稻综合气象灾害风险区划, 对规避防范水稻生产风险, 保障粮食安全具有重要意义。

近几年针对农业气象灾害主要从致灾因子、孕灾环境、承灾体和防灾减灾能力4个方面建立评价指标开展风险区划或评估[3-4], 并取得良好效果。基于此方法, 王春乙等[5]研究了长江中下游地区双季早稻冷害、热害风险评价, 显示风险评价结果与多年平均减产率存在显著相关; 杨建莹等[6]研究了西南地区水稻洪涝灾害风险区划, 得出80%以上的水稻洪涝灾害发生在水稻洪涝灾害的次高、高风险区; 罗伯良等[7]研究了湖南省水稻干旱灾害风险区划, 发现区划结果与近3 a水稻干旱灾害赔付数据的地区分布特点基本一致。部分学者针对以上４个方面对四川省水稻也进行了气象灾害风险区划或评估。陈超等[8-9]从致灾因子危险性角度分别分析了四川省干旱、高温热害在水稻全生育期的风险分布, 指出四川省水稻干旱高风险区位于盆地中部和东北部,高温热害高风险区位于盆地东北及盆地南部; 庞艳梅等[10]分析了四川省单季稻各生育期低温灾害和高温灾害发生频率、强度, 发现四川省单季稻秧田期低温灾害和灌浆结实期高温灾害致灾因子危险性高; 王婷等[11]从承灾体脆弱性角度研究了四川省水稻干旱的抗灾能力, 得出四川省南部部分地区和盆地中部及东部水稻干旱灾害脆弱性较小, 抗灾能力较好。虽然上述方法所得结论得到了作物减产或灾情数据和信息的定性验证, 但存在以下不足: 一是以上方法主要是针对单一灾种, 由于同区域多灾种灾害的交错叠加、不同灾种孕灾环境和承灾体脆弱性不同等, 导致致灾因子危险性及其可能损失的时空量化难度较大, 上述方法应用于多灾种综合风险分析存在一定困难; 二是在致灾因子分析中, 一般是利用气象要素构建单灾种的致灾因子判识指标, 这些指标多数难以与水稻产量联系, 易出现有灾无害现象, 影响评估合理性。作物产量是致灾因子危险性、孕灾环境敏感性、承灾体暴露性和防灾减灾能力综合作用的最终体现, 由作物产量分离出气象产量的波动可反映一个地区农作物生产的气象灾害风险水平[12-13]。因此, 许多学者通过气象产量分离研究水稻综合气象灾害风险区划[14-15]。基于此方法, 邵立瑛等[16]研究了江苏省水稻生产的综合气象灾害风险区划, 指出与单灾种风险研究相比, 该评估结果更具实用性和可操作性; 韩语轩等[17]讨论了辽宁水稻综合气象灾害风险区划及其合理性, 区划结果与辽宁省气候变化趋势、气象灾害分布相吻合; 钱永兰等[18]分析了全球水稻等主要粮食作物的综合气象灾害风险, 发现作物产量趋势和综合气象灾害风险指数相结合, 可作为粮食生产的气象灾害损失评估重要指标。四川省水稻受干旱、洪涝、高温热害、低温冷害等多种气象灾害影响, 单一气象灾害风险区划或评估已有初步研究, 但开展水稻综合气象灾害风险区划或评估相关研究较为缺乏, 特别是四川地区气象灾害种类多、灾害区域叠加交错性普遍, 开展水稻综合气象灾害风险区划或评估需求迫切。本研究拟以四川省水稻种植区82个县1981—2012年的水稻单产数据为基础, 基于气象产量分离, 从气象灾害损失及其发生概率角度, 运用风险分析理论, 研究四川省水稻综合气象灾害风险区划, 研究结果可为四川省水稻防灾减灾和政府决策提供科学依据。

1 资料与方法

1.1 研究区域概况和数据来源

四川省甘孜、阿坝地区位于川西高原, 平均海拔3 000 m以上, 年均降水量低于800 mm, 不适宜水稻种植。四川盆地平坝、丘陵地区以及盆地周边区域、川西南河谷地带为水稻主要种植区。该区域水资源丰富, 年降水量接近1 000 mm及以上。本文选用除甘孜、阿坝州以外包含凉山州、攀枝花、成都、德阳、绵阳等四川省其余19个市州作为研究区域(图1)。研究区大部分地区海拔在2 000 m以下, 包含四川盆地、盆周山区、西南山地及河谷等地形地貌, 具有较好的光、热、水等水稻耕作条件, 也是四川人口的主要聚集地, 其中区内盆地平坝和丘陵地区海拔介于200~800 m, 是四川水稻的主要产地, 其水稻种植面积约占全省水稻总面积的85%。

图1 研究区域分布(a)及四川省各地高程(b)

共收集到研究区域内82个县1981—2012年的县级水稻单产数据, 均来自于四川省农业气象中心。在产量序列中, 个别县存在1~3年时段资料短缺, 在资料处理时采用其前后2年的均值代替, 并选取气候背景相似、地理位置相近值进行订正。未收集到资料的县主要分布于成都、德阳、眉山、乐山、广安等市(州)。

1.2 气象产量分离

在气候变化对粮食产量影响研究中, 将作物产量分解成趋势产量、气象产量和随机误差是最常用方法[12-13]。趋势产量为反映生产力发展水平的长周期产量分量, 气象产量为受气候因子影响的短周期产量分量, 随机误差对产量影响基本无规律可循, 且所占比例不大, 常被视为随机噪音, 一般可忽略不计。因此, 实际作物产量常被分解成趋势产量和气象产量两部分, 即:

由气象产量和趋势产量的比值可进一步得到相对气象产量, 即:

1.3 平均减产率

平均减产率在一定程度上反映了一个地区因灾损失的总体程度, 是反映地域气象灾害强弱的重要指标。平均减产率大, 说明产量受气象灾害影响程度大, 相反, 气象灾害影响程度就小。其计算公式为:

1.4 减产率变异系数

减产率变异系数可以反映减产率偏移平均值的程度, 值越大表明气象灾害造成影响的年际波动越大, 产量损失越不稳定; 反之, 离散性小, 表明产量损失较稳定。该值一定程度上反映了某一地区气象灾害波动情况和防灾减灾能力, 计算公式为:

1.5 减产风险概率估计及风险指数

为进一步评估水稻单产减产风险程度大小, 构建一个针对区域单元水稻减产风险指数。根据研究区水稻减产率的区间分布特征, 将减产率划分为8个区间, 分别为[-5%, 0)、[-10%,-5%)、[-15%,-10%)、[-20%,-15%)、[-25%,-20%)、[-30%,-25%)、[-40%,-30%)、[-50%,-40%)。风险指数计算公式为:

1.6 综合气象灾害风险区划

归一化公式为:

此外, 在计算过程中对无资料县进行了空间插值。具体方法为: 由于资料是以县级为单元, 在空间插值前, 首先提取有资料县行政区域几何中心点, 将县级数据赋予几何中心点, 采用普通克里金法进行空间栅格插值, 然后提取无资料县行政区域几何中心点值, 将其作为县级数据。另外, 还采用了Morlet小波分析法进行气象产量周期分析。

2 结果与分析

2.1 四川省1981—2012年水稻气象产量变化

从四川省1981—2012年水稻气象产量的周期变化看, 四川省水稻气象产量具有显著的准周期振荡特征(图2)。由图2a可见, 方差极值出现在4 a、7 a、12 a时间尺度, 说明准4 a、7 a、12 a周期振荡明显。考虑到12 a时间尺度都受到小波分析边界影响, 增加了分析的不确定性, 重点分析4 a、7 a时间尺度。由图2b可见, 4 a时间尺度周期振荡在整个时域上的分布并不均匀。1993年以前振荡不明显, 气象产量以偏多为主。1993年以后, 波动性增强, 准4 a周期振荡显著, 共经历“偏少—偏多”4个明显周期。2005年之后, 周期振荡虽继续维持, 但开始减弱。7 a时间尺度周期振荡在整个时域上的分布相对较为均匀, 共出现“偏多—偏少”4个完整周期, 2005年以后周期中心出现下移, 并略有减弱。总体上看, 20世纪80年代主要呈现准7 a周期振荡, 准4 a周期振荡不明显; 90年代准4 a、7 a周期均较为显著, 且小尺度周期嵌套在大尺度周期中; 2000年以后准4 a、7 a时间尺度周期中心趋于合并, 并不断减弱。四川省水稻生育期主要集中于5—9月, 将气象产量的周期变化与罗玉等[21]研究的四川省汛期(5—10月)降水要素的周期变化进行对比可知, 四川地区汛期(5—10月)总降水量、降水百分率、强降水量、暴雨日数等降水要素也具有显著的3~4 a周期振荡和6~8 a周期振荡, 且周期性趋势与分离的气象产量变化大体一致。降水要素的偏多偏少与导致水稻减产的旱涝灾害密切相关, 也与日照、气温等影响作物生长的气象要素有关联, 水稻气象产量的周期变化与降水要素的年际周期振荡相一致, 进一步说明了本文采用的HP滤波法开展气象产量分离科学合理, 为后续基于气象产量灾损分析的综合气象灾害风险区划提供基础。

图2 四川省1981—2012年水稻气象产量小波变换方差(a)和小波变换(b) (图b中粗实线为影响锥曲线, 线上部为受边界影响区域)

2.2 四川省1981—2012年水稻平均减产率

四川省水稻单产平均减产率从西南向东北方向呈现“高－低－高”分布特征, 较高减产率主要分布于盆周山区及西南山地(图3)。由图3a可见, 歉收年平均减产率介于1%~16%。其中70%的县平均减产率介于4%~8%, 主要分布于盆地南部和西南山地东部; 20%的县平均减产率≤4%, 主要分布于宜宾、泸州等盆地南部地势平坦区和流经西昌沿线的安宁河谷区; 10%的县平均减产率≥8%, 主要分布于广元、巴中等盆北山区, 仅广元南部的剑阁、苍溪县和绵阳的盐亭县等3县平均减产率超过12%。由图3b可见, 成灾年平均减产率介于6%~40%。其中, 盆地中部平坦区和西南山地东部低山区大部分县成灾年平均减产率介于8%~12%; 盆周山区及西南山地西部大部分县成灾年平均减产率≥12%; 广元市的剑阁和苍溪县、达州的万源县、绵阳的盐亭县、雅安

图3 四川省1981—2012年歉收年(a)和成灾年(b)的水稻平均减产率分布

的荥经县、宜宾的高县和珙县、凉山州的冕宁县、攀枝花的盐边等9个山区县的成灾年平均减产率≥20%。与歉收年平均减产率空间分布相比, 成灾年平均减产率约为前者的2~3倍, 广元、巴中等盆周北部山区歉收年与成灾年均为较高减产率区, 但雅安、乐山、宜宾南部等盆周南部山区歉收年平均减产率基本与盆中地区一致, 而成灾年出现了明显的大值区。可见, 成灾年平均减产率的空间分布具有更明显的空间差异性和与复杂地形的对应关系。

2.3 四川省1981—2012年水稻减产率变异系数

水稻单产减产率变异系数空间分布与平均减产率明显不同(图4)。由图4a可见, 歉收年减产率变异系数介于0.6~2.2, 其中盆地大部及西南山地东部各县介于0.8~1.2; ≥1.2主要分布于盆周山区和西南山地西部, 共计24个县, 且呈零散分布; ≥1.6的县主要分布于雅安荥经至凉山州冕宁沿线、攀枝花和宜宾南部等山区, 从图3b可知该区域也是农业气象灾害较重地区。由图4b可见, 成灾年减产率变异系数介于0~1.2, 明显小于歉收年, 其中研究区大部分县(占86%)介于0.3~0.7, 说明各县成灾年气象灾害造成的产量损失相对较为稳定。空间分布大体趋势与歉收年较为接近, 相对大值区主要分布于盆周山区和西南山地西部。可见, 山区复杂地形孕灾环境对气象灾害作物灾损具有更复杂影响。

图4 四川省1981—2012年歉收年(a)和成灾年(b)水稻减产率变异系数

2.4 四川省水稻减产风险概率分布

四川省水稻单产减产率风险概率在盆地地区呈现北部偏高、南部偏低分布, 在西南山地地区呈现西部偏高、东部偏低分布(图5)。由图5a可见, 对于单产减产率≥5%的风险概率, 研究区85%的县介于10%~30%; 风险概率≤20%的县主要分布于盆地南部及西南山地东部; 风险概率>20%的县主要分布于盆地北部及西南山地西部, 特别是绵阳北部、广元、巴中、达州等盆周北部山区; 风险概率超过30%, 并且除凉山越西、泸州古蔺县外, 风险概率超过40%的县也主要集中于此区域。由图5b可见, 对于单产减产率≥10%的风险概率, 研究区83%县低于10%; 盆地南部及西南山地东部大部分县风险概率低于5%; 盆地北部山区大部分县风险概率超过10%; 广元旺苍、苍溪县、绵阳盐亭县、泸州古蔺县、凉山州越西县风险概率较大, 超过30%。由图5c、5d可见, 水稻单产减产率≥15%和≥20%风险概率减小明显, 前者88%县风险概率低于5%, 后者90%县风险概率低于2%。但风险概率大值区空间分布较为一致, 主要集中于广元和巴中地区, 还包括泸州古蔺县等县。综上可见, 气象灾害导致水稻减产的风险概率盆地北部明显高于其他地区, 特别是广元、巴中等盆周北部山区, 单产减产率≥5%风险概率超过30%, 且还存在一定的高减产概率, 凉山州盐源、越西和泸州古蔺县附近区域减产风险概率也明显高于周边地区, 这些区域均具有较高的气象灾害风险。

图5 四川省水稻不同减产风险概率的空间分布

2.5 四川省水稻综合气象灾害风险区划

根据公式(11)计算四川省水稻综合气象灾害风险区划指数, 运用自然断点法, 自动划分为3个等级: 低风险区(0.14~0.22)、中等风险区(0.23~0.31)、高风险区(0.32~0.58), 得到四川省水稻综合气象灾害风险区划(图6、表1)。

低风险区主要分布于盆地平原、浅丘区和凉山州中东部, 包括成都、眉山、雅安北部、南充西部、乐山东北部、凉山州中东部等地区大部分县, 共计75县, 占总县数的50%。该区域除凉山州外, 地形均较为平坦, 历年气象灾害对水稻单产的影响相对较小, 各县歉收年、成灾年的平均减产率分别仅为4.4%、10.1%。统计减产率≥5%风险概率平均为14.2%, 减产率≥10%风险概率平均为2.8%。可见,低风险区气象灾害造成高减产的风险概率较低。

图6 四川省水稻综合气象灾害风险区划

中等风险区主要分布于盆地丘陵区及盆周低山区, 包括德阳、绵阳、遂宁、达州、广安、泸州、乐山南部等区域大部分县, 共计52县。与低风险区相比, 该区域歉收年、成灾年平均减产率略有增大, 但减产风险概率增加更为明显, 其中, 减产率≥5%风险概率平均为20.7%, 减产率≥10%风险概率平均为6.1%, 远高于低风险区。

高风险区主要分布于盆地北部、盆地南部和西南山地西部等山区, 包括广元中东部各县、巴中各县、达州万源、绵阳盐亭、雅安荥经、泸州古蔺、宜宾南部各县、凉山州盐源、攀枝花盐边等24县。统计各县均值表明, 高风险区歉收年、成灾年平均减产率分别为8.5%、19.3%, 减产率≥5%风险概率为35.4%, 减产率≥10%风险概率为19.0%。可见, 高风险区内平均减产率及减产风险概率均较大, 特别是成灾年, 气象灾害对水稻单产减少作用明显, 该区域应是水稻气象灾害防御防治重点区。

表1 四川省水稻综合气象灾害风险分区减产特征

3 讨论

综合气象灾害风险区划是水稻气象灾害风险区划的热点和难点问题, 通过单灾种的叠加分析, 难以获取合理的综合风险区划。本文将水稻产量视为农业技术发展和气象灾害综合作用的结果, 基于气象产量分离, 从气象灾害灾损角度研究四川省水稻综合气象灾害风险区划。与以往单灾种气象灾害风险区划从灾害危险性、暴露性、脆弱性和防灾减灾能力４个方面构建风险区划模型相比, 本研究选用成灾年单产平均减产率、减产率变异系数、减产风险概率3个指标构建综合风险区划模型, 避免多灾种以上4方面难以量化难题。韩语轩等[17]、钱永兰等[18]已运用类似方法开展了相关研究, 验证了方法的合理性。考虑到气象产量分离对风险区划结果有较大影响, 本文选用包容性更好的HP滤波法开展产量分离并进行验证, 结果表明气象产量分离效果较好。

研究区具有典型的盆地、山地特征, 区划结果显示盆周山区及西南山地西部高山区风险等级偏高, 而盆中及西南山地东部河谷、低山区风险等级偏低, 较好地反映了复杂地形对农业气象灾害风险地域分布的影响。由于四川省水稻综合气象灾害风险评估或区划的研究较少, 为进一步分析本文风险区划结果的合理性, 将水稻综合气象灾害风险区划结果与《四川省气候综合图集》[1]和前人有关四川省农业气象灾害分布研究成果进行对比分析。根据《四川省气候综合图集》, 四川省共有3个暴雨中心, 分别位于巴中、绵阳和雅安附近; 德阳、绵阳两市南部至资阳地区以及攀枝花附近降水量相对较少, 为干旱区; 泸州、广安和达州南部为干旱高温区; 宜宾南部为连阴雨严重区。上述区域均位于综合气象灾害风险区划的中、高风险区。陈超等[8-9]研究表明水稻生育期内高温热害高风险区位于泸州古蔺, 次高风险区位于南充东部、广安和达州南部; 水稻孕穗—开花期干旱较高风险区位于资阳、遂宁、南充、巴中、达州等地, 开花—成熟期则位于泸州、南充、广安、达州等地区。但王婷等[11]研究表明资阳、遂宁、南充境内部分地区水稻干旱承灾体脆弱性较小, 有利于减小干旱灾害的负面影响。对比可见, 高温、干旱高风险区与本文区划结果有较好对应关系。杨建莹等[6]指出四川省水稻全生育期洪涝灾害高危险区位于绵阳以及雅安至乐山附近; 曹艳秋等[22]指出凉山州水稻花期(7月下旬至8月)发生低温冷害次数, 盐源地区最多, 影响也最大。上述研究结论均与综合风险区划结果有较好的对应关系。广元、巴中和达州北部地区位于大巴山—米仓山南麓, 地形地貌复杂, 属典型的盆周山区。该区域雨量充足, 但时空分布极不均, 既是盆地三大暴雨中心之一, 又属川东传统旱区, 水稻生育期内常出现旱涝交替, 严重影响水稻产量。区域内盛夏低温灾害也是导致水稻减产的重要气象灾害之一, 且经济欠发达, 农业生产投入不足, 抗灾能力弱。本文风险区划结果和各风险区划指标均显示该区域属于高风险区。综上可见, 本文风险区划结果与四川省气象灾害和水稻农业气象灾害分布的研究成果相吻合, 区划结果可信度较高, 可为四川省水稻防灾减灾提供科学指导。同时, 本文是从气象灾害导致水稻减产损失程度角度进行风险区划分析, 具有更好的灾害评估属性和成灾针对性, 可避免基于气象灾害指标开展评估导致的“有灾无害”现象。

另外, 本文对无资料县进行了空间插值, 增加了无资料县风险区划的不确定性。但80%无资料县位于海拔700 m以下的平原、浅丘区, 该区域地势平坦, 气候类型单一, 气候要素与周边地区相近, 且研究表明采用的普通克里金插值法对年降水量、年积温等与水稻生产密切相关气象要素的空间插值效果较好[23]。因此, 由空间插值造成无资料县风险区划结果的不确定性可控。但在计算减产风险概率分布时, 本文对不符合正态分布的相对气象产量序列进行了偏态分布正态化处理, 降低了数据的精度, 以及由于田间观测不足易导致农业气象产量观测数据存在较大误差[9],造成研究结果存在一定的不确定性。

4 结论

本文采用四川省82个县1981—2012年水稻县级单产资料, 基于气象产量分离, 分歉收年、成灾年两个年型分析水稻单产平均减产率、减产率变异系数、减产风险概率等风险区划指标特征, 并从气象灾害造成水稻减产角度对四川省水稻综合气象灾害进行风险评价和区划, 主要结论如下:

1)HP滤波法可用于四川省水稻气象产量分离, 分离的气象产量具有显著的准4 a、7 a周期振荡特征, 与四川省汛期降水周期振荡特征一致。

2)水稻单产歉收年平均减产率介于1%~16%, 成灾年平均减产率介于6%~40%, 两者高减产率主要分布于盆周山区及西南山地西部。与歉收年相比, 成灾年平均减产率的空间分布具有更明显的空间差异性和与复杂地形的对应关系。水稻单产歉收年减产率变异系数介于0.6~2.2, 成灾年减产率变异系数介于0~1.2, 后者明显小于前者, 具有更小的减产损失波动, 两者相对大值区也主要分布于盆周山区和西南山地西部。

3)水稻单产减产率风险概率呈现盆地北部偏高、南部偏低, 西南山地西部偏高、东部偏低特征。大部分县随着减产率增加, 风险概率减小明显。其中, 80%以上县水稻单产减产率≥5%风险概率低于30%、减产率≥10%风险概率低于10%、减产率≥15%风险概率低于5%、减产率≥20%风险概率低于2%。但各级减产率风险概率大值区空间分布变化较小, 主要集中于广元和巴中地区, 还包括盐亭、古蔺、盐源、越西等县, 该地区为气象灾害导致高减产的潜在高概率区域。

4)四川省水稻综合气象灾害高风险区主要分布于盆地北部、盆地南部和西南山地西部等山区, 包含24县; 中等风险区主要分布于盆地丘陵区及盆周低山区, 包含52县; 低风险区主要分布于盆地平原、浅丘区和凉山州中东部, 包含75县。区划结果与四川省气象灾害分布和水稻农业气象灾害分布的研究成果相吻合,可信度较高, 可为四川省水稻防灾减灾提供科学指导。

[1] 四川省气象局. 四川省气候综合图集[M]. 北京: 气象出版社, 2016: 132–160 Sichuan Provincial Meteorological Service. Comprehensive Climatic Atlas of Sichuan Province[M]. Beijing: China Meteorological Press, 2016: 132–160

[2] 赵珊珊, 高歌, 黄大鹏, 等. 2004—2013年中国气象灾害损失特征分析[J]. 气象与环境学报, 2017, 33(1): 101–107ZHAO S S, GAO G, HUANG D P, et al. Characteristics of meteorological disaster losses in China from 2004 to 2013[J]. Journal of Meteorology and Environment, 2017, 33(1): 101–107

[3] HAN L Y, ZHANG Q, MA P L, et al. The spatial distribution characteristics of a comprehensive drought risk index in southwestern China and underlying causes[J]. Theoretical and Applied Climatology, 2016, 124(3/4): 517–528

[4] 王春乙, 张继权, 霍治国, 等. 农业气象灾害风险评估研究进展与展望[J]. 气象学报, 2015, 73(1): 1–19WANG C Y, ZHANG J Q, HUO Z G, et al. Prospects and progresses in the research of risk assessment of agro-meteorological disasters[J]. Acta Meteorologica Sinica, 2015, 73(1): 1–19

[5] 王春乙, 姚蓬娟, 张继权, 等. 长江中下游地区双季早稻冷害、热害综合风险评价[J]. 中国农业科学, 2016, 49(13): 2469–2483 WANG C Y, YAO P J, ZHANG J Q, et al. Risk assessment of cold and hot damages for double-cropping early rice (DCER) in lower-middle reaches of the Yangtze river basin[J]. Scientia Agricultura Sinica, 2016, 49(13): 2469–2483

[6] 杨建莹, 霍治国, 吴立, 等. 西南地区水稻洪涝灾害风险评估与区划[J]. 中国农业气象, 2016, 37(5): 564–577 YANG J Y, HUO Z G, WU L, et al. Flood risk assessment and zoning for rice in Southwest China[J]. Chinese Journal of Agrometeorology, 2016, 37(5): 564–577

[7] 罗伯良, 黄晚华, 帅细强, 等. 湖南省水稻生产干旱灾害风险区划[J]. 中国农业气象, 2011, 32(3): 461–465 LUO B L, HUANG W H, SHUAI X Q, et al. Risk division of drought disaster for rice production in Hunan Province[J]. Chinese Journal of Agrometeorology, 2011, 32(3): 461–465

[8] 陈超, 庞艳梅, 徐富贤, 等. 四川水稻不同生育阶段的干旱风险评估[J]. 干旱地区农业研究, 2018, 36(6): 184–193CHEN C, PANG Y M, XU F X, et al. Risk assessment of drought on rice at different growth stages in Sichuan Province[J]. Agricultural Research in the Arid Areas, 2018, 36(6): 184–193

[9] 陈超, 庞艳梅, 刘佳. 四川省水稻高温热害风险及灾损评估[J]. 中国生态农业学报(中英文), 2019, 27(4): 554–562 CHEN C, PANG Y M, LIU J. Assessment of risk and yield loss of rice in Sichuan Province due to heat stress[J]. Chinese Journal of Eco-Agriculture, 2019, 27(4): 554–562

[10] 庞艳梅, 刘佳, 陈超. 四川省单季稻高低温致灾因子危险性分析[J]. 西南大学学报: 自然科学版, 2017, 39(8): 9–16 PANG Y M, LIU J, CHEN C. Analysis of high and low temperature hazard risks for single cropping rice in Sichuan[J]. Journal of Southwest University: Natural Science Edition, 2017, 39(8): 9–16

[11] 王婷, 袁淑杰, 王婧, 等. 四川省水稻干旱灾害承灾体脆弱性研究[J]. 自然灾害学报, 2013, 22(5): 221–226 WANG T, YUAN S J, WANG J, et al. Study on vulnerability of drought hazard affected rice in Sichuan Province[J]. Journal of Natural Disasters, 2013, 22(5): 221–226

[12] 赵东妮, 王艳华, 任传友, 等. 3种水稻趋势产量拟合方法的比较分析[J]. 中国生态农业学报, 2017, 25(3): 345–355 ZHAO D N, WNAG Y H, REN C Y, et al. Comparative analysis of three fitting methods of rice trend yield[J]. Chinese Journal of Eco-Agriculture, 2017, 25(3): 345–355

[13] 王桂芝, 陆金帅, 陈克垚, 等. 基于HP滤波的气候产量分离方法探讨[J]. 中国农业气象, 2014, 35(2): 195–199 WANG G Z, LU J S, CHEN K Y, et al. Exploration of method in separating climatic output based on HP filter[J]. Chinese Journal of Agrometeorology, 2014, 35(2): 195–199

[14] YE T, NIE J J, WANG J, et al. Performance of detrending models of crop yield risk assessment: Evaluation on real and hypothetical yield data[J]. Stochastic Environmental Research and Risk Assessment, 2015, 29(1): 109–117

[15] 邓国, 王昂生, 周玉淑. 粮食生产风险水平的概率分布计算方法[J]. 南京气象学院学报, 2002, 25(4): 481–488 DENG G, WANG A S, ZHOU Y S. Grain yield risk level calculated by probability distribution[J]. Journal of Nanjing Institute of Meteorology, 2002, 25(4): 481–488

[16] 邵立瑛, 申双和, 高磊, 等. 江苏省水稻生产的综合气象灾害风险评估[J]. 科学技术与工程, 2015, 15(32): 232–239 SHAO L Y, SHEN S H, GAO L, et al. Evaluating integrated meteorological disaster risk in rice production of Jiangsu Province[J]. Science Technology and Engineering, 2015, 15(32): 232–239

[17] 韩语轩, 房世波, 梁瀚月, 等. 基于减产概率的辽宁水稻灾害风险区划[J]. 生态学报, 2017, 37(23): 8077–8088 HAN Y X, FANG S B, LIANG H Y, et al. Disaster risk regionalization of rice based on its reduction probability in Liaoning Province[J]. Acta Ecologica Sinica, 2017, 37(23): 8077–8088

[18] 钱永兰, 毛留喜, 周广胜. 全球主要粮食作物产量变化及其气象灾害风险评估[J]. 农业工程学报, 2016, 32(1): 226–235QIAN Y L, MAO L X, ZHOU G S. Changes in global main crop yields and its meteorological risk assessment[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(1): 226–235

[19] 魏凤英. 现代气候统计诊断与预测技术[M]. 第2版. 北京: 气象出版社, 2007: 32–35 WEI F Y. Modern Diagnosis of Climate Statistics and Its Prediction[M]. 2nd ed. Beijing: China Meteorological Press, 2007: 32–35

[20] 邓国卫, 孙俊, 郭海燕, 等. 四川绵竹山洪灾害风险区划[J].高原山地气象研究, 2013, 33(2): 69–73 DENG G W, SUN J, GUO H Y, et al. Regional torrent risk zonation for Mianzhu City in Sichuan[J]. Plateau and Mountain Meteorology Research, 2013, 33(2): 69–73

[21] 罗玉, 陈超, 马振峰, 等. 1961—2015年四川省汛期极端降水指数时空变化研究[J]. 西南大学学报: 自然科学版, 2018, 40(9): 133-141 LUO Y, CHEN C, MA Z F, et al. Spatial-temporal variation of extreme precipitation indices during the main flood season in 1961–2015 in Sichuan[J]. Journal of Southwest University: Natural Science Edition, 2018, 40(9): 133-141

[22] 曹艳秋, 罗佳, 邢开瑜, 等. 四川凉山水稻花期冷害特征及其对产量的影响[J]. 贵州农业科学, 2017, 45(11): 18–22 CAO Y Q, LUO J, XING K Y, et al. Chilling injury of rice flowering and its impact on yield in Liangshan Prefecture of Sichuan Province[J]. Guizhou Agricultural Sciences, 2017, 45(11): 18–22

[23] 李军龙, 张剑, 张丛, 等. 气象要素空间插值方法的比较分析[J]. 草业科学, 2006, 23(8): 6–11 LI J L, ZHANG J, ZHANG C, et al. Analyze and compare the spatial interpolation methods for climate factor[J]. Pratacultural Science, 2006, 23(8): 6–11

Integrated meteorological disaster risk regionalization of rice in Sichuan Province*

DENG Guowei1,2, QING Qingtao1**, XU Jinxia1, SUN Jun3

(1. Sichuan Climate Center, Chengdu 610072, China; 2. Chengdu Institute of Plateau Meteorology, China Meteorological Administration / Key Laboratory of Heavy Rain and Drought-Flood Disasters in Plateau and Basin of Sichuan Province, Chengdu 610072, China; 3. Sichuan Branch of China Meteorological Administration Training Centre, Chengdu 610072, China)

The trend and meteorological yields were decomposed using the High-Pass (HP) filtering method based on the data of rice yield per unit area from 1981 to 2012 in 82 counties of Sichuan Province, China. The spatial distribution characteristics of average yield loss rate, variation coefficient of yield loss rate, and risk probability of different yield loss rate in different grades were analyzed in the lean years and disaster years with the relative meteorological yield, which was calculated with the trend and meteorological yields. Integrated meteorological disaster risk zoning was carried out on the basis of the risk zoning indexes of the disaster years. The HP filter method could be applied to the separation of the meteorological yield in Sichuan Province. The meteorological yield of rice in Sichuan Province had significant quasi-4 a and 7 a periodic oscillation characteristics. The average yield loss rate showed a high-low-high distrib from southwest to northeast in the study area. More than 80% of counties displayed an average yield loss rate of 2%-7% in the lean years and 6%-15% in the disaster years. For all counties, the variation coefficient of yield loss rate was 0.6-2.2 in the lean years and 0-1.2 in the disaster years. The areas with relatively high variation coefficient of yield loss rate were located in the west of southwestern mountainous region, the southern parts of the basin and the mountainous region in the northern part of the basin. The large-value probability areas of different yield loss rates were mainly concentrated in Guangyuan City and Bazhong City, as well as in Yanting, Gulin, Yanyuan, Yuexi. The high-risk areas of rice integrated meteorological disaster were mainly distributed in the mountainous regions of the southern, northern and southwestern parts of the basin. The medium-risk areas were mainly located in the hilly region of the basin and the surrounding low mountainous region. The low-risk areas were mainly distributed in the plain and shallow hilly regions of the basin and the east-central Liangshan Prefecture. The results of risk zoning were consistent with the distribution data of the meteorological disasters and the rice agro-meteorological disasters in Sichuan Province. The data provide a scientific basis and important reference for rice disaster prevention and mitigation in Sichuan Province.

Integrated meteorological disaster; Risk regionalization; Sichuan; Rice; Yield separation; Yield loss rate

, E-mail: qingqt79531@foxmail.com

Aug. 2, 2019;

S166; P49

10.13930/j.cnki.cjea.190577

邓国卫, 卿清涛, 徐金霞, 孙俊. 四川省水稻综合气象灾害风险区划[J]. 中国生态农业学报(中英文), 2020, 28(5): 621-630

DENG G W, QING Q T, XU J X, SUN J. Integrated meteorological disaster risk regionalization of rice in Sichuan Province[J]. Chinese Journal of Eco-Agriculture, 2020, 28(5): 621-630

* 四川省科技厅应用基础研究项目(2018JY0643, 2018JY0341)、高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目(省重点实验室2018-重点-05-01)资助

卿清涛, 主要从事应用气象、气候风险区划的研究。E-mail: qingqt79531@foxmail.com

邓国卫, 主要从事气象灾害风险与气候资源评估研究。E-mail: z20041170019@163.com

2019-08-02

2019-12-27

* This study was supported by the Basic Research Project of Science and Technology Program of Sichuan (2018JY0643, 2018JY0341), and the Fund of the Key Laboratory of Heavy Rain and Drought-Flood Disasters in Plateau and Basin of Sichuan Province (2018-key-05-01).

Dec. 27, 2019