衢州市双季晚稻秋季低温冷害风险评估模型

余丽萍 汪晨 兰小建 潘欣 陈建明

（1 衢州市气象局，浙江衢州324000；2 衢州市农业农村局，浙江衢州324000；第一作者：420884349@qq.com）

我国是世界上的主要水稻生产国，水稻产量位居世界第一[1]。江南双季水稻生产的增收对我国粮食生产的保障贡献较大。浙江双季晚稻抽穗开花期正值夏秋交替季节，双季晚稻生产常常会受到阴雨寡照导致的冷害影响[2]。秋季低温冷害是长江中下游地区双季晚稻最主要的农业气象灾害，双季晚稻在抽穗开花期遭受低温天气影响后，将导致空壳和秕粒率增大而减产。有研究表明，低温日数越长，出现时间越早，强度越强，与水稻空壳率及产量的减少密切相关[3]。衢州地区地处浙江金衢盆地西端，是以农业生产为主的地市，农业绿色发展走在浙江省乃至全国前列，被农业农村部列入“部市共建农业绿色发展先行市”计划，涌现出了粮油等九大支柱产业。连作晚稻是衢州市农业生产的主要作物之一，常年生产面积1.3 万hm2，产量9.0 万t 以上。王健林[4]指出，灾害风险分析是农业生产和管理者掌握相关灾害发生风险规律、及其致灾风险因子提供客观定量化的依据。目前，针对晚稻秋季低温冷害的评估，主要根据气象要素温度为主要因子进行评估，比较单一，缺少降水、日照等诸多因子参与。为掌握衢州市双季晚稻秋季低温冷害发生规律，以提高秋季双季晚稻低温冷害的预测预警技术水平，笔者在参阅相关领域文献的基础上，针对9 月衢州市双季晚稻抽穗期，选择对其发育有明显不利影响的气象因子，采用主成分分析法确定主成分，建立各主成分的表达式，建立综合评价指标模型，这对及早提醒粮食种植户提前采取防御措施、保障粮食安全生产具有现实意义。

1 资料与方法

1.1 资料来源

1951—2018 年9 月的日观测气象资料来源于衢州市气象局；晚稻生育期观测数据（1990—2011 年）来源于龙游县国家一级农业试验站；衢州市统计年鉴来源于衢州市统计局农调队；农业灾情资料来源于衢州市农业农村局。

1.2 研究方法

1.2.1 秋季低温冷害主要气象因子

9 月衢州双季晚稻处于抽穗开花发育期，也是夏秋季节交替阶段，南撤的西太平洋副热带高压势力减弱，北部冷空气势力逐渐加强南下，因此，频繁出现大幅降温和阴雨寡照天气，导致晚稻不能正常抽穗开花，空壳秕粒增多，最终减产。参考王素艳等[5-6]研究指出的影响水稻正常发育的气象因子，选择9 月1 日至30 日积温、日照时数、降水日数、降水量等6 个变量组成评价因子。

1.2.2 主成分分析法原理及表达式

黄嘉佑[7]指出，主成分分析是气象上多变量分析中最常用方法之一。主成分分析与回归、判别分析有所不同，主成分分析主要是作为一种分析方法而不是预报预测方法。设有p 个空间点，n 个样本，记p 个空间点上要素为x1，x2，…，xp，其观测值为xk（ik=1，2，…，p；i=1，2，…，n）由p 个变量线性组合成新变量，表达式为：

表1 1951—2018 年衢州市晚稻秋季低温冷害综合指标中度以上年份

余丽萍等[8]用主成分分析法对春季早稻苗期低温冷害引用了多要素的气象因子进行较全面、客观的分析，由于主成分分析方法能够解决多个气象因子存在信息重叠、相关的状况，因此选择该分析方法。

本文采用衢州市本站资料数据，第1 步对原始变量的数据进行标准化处理；第2 步计算出协方差矩阵，求出协方差矩阵的特征根及累计方差贡献率；第3 步用特征值大于1 作为主成分提取标准，本案提取了2个主成分，m=2。 以上计算过程通过SPSS 统计软件实现。最后把特征向量与标准化后的变量数据相乘，最终算出各主成分表达式如下：

F1为第一主成分；F2为第二主成分；ZX 为各个因子标准化后的数据。

1.2.3 双季晚稻秋季低温冷害风险评估模型

选择2 个主成分后，再采用综合评价指标分析法，建立双季晚稻秋季低温冷害风险评估模型。以2 个主成分的贡献率为权重构造指标评价模型（4），把2 个主成分的贡献都加入进来，这样就不会导致所有的因子信息丢失，表达式如下：

K 为综合指标，λ 为各成分的特征根。最后得出双季晚稻秋季低温冷害风险评估模型为：

由公式（5）得出晚稻秋季低温冷害评估模型，可以看出：第1 项因子积温越小、第2 项因子日照时数越少，而第3 项至第6 项变量值越大，对评价指标的贡献越大，水稻受灾害影响越严重。

1.2.4 评价指标等级分割

由公式（5）计算出1951—2018 年衢州市晚稻秋季低温冷害综合评价指标K，利用软件SPSS Statistics 层次聚类统计方法，通过选择系统聚类、合并进程表、离差平方和法等选项进行数据分析。把K＞0 的年份进行聚类分析，从系统距离R=5 来看，可将衢州秋季低温阴雨寡照灾害指标初步划分为3 类。如表2 所示，第Ⅰ类（轻度）：0＜K≤0.15 为一般（19 个样本），所占比例56%；第Ⅱ类（中度）：0.15＜K≤0.3 为较严重（12 个样本），所占比例 35%；第Ⅲ类（重度）：K＞0.3 为严重（3 个样本），所占比例9%。

利用K-Means 聚类算法，设定聚类数目K 为3，随机选取3 个初始质心，计算所有样本到3 个质心的距离，不断优化选定距离最近的质心类别（图1）。KMeans 的聚类结果和层次聚类的结果一致。

2 结果与分析

2.1 双季晚稻秋季低温冷害指标的年际分布

由公式（5）计算出1951—2018 年衢州市本站双季晚稻秋季低温冷害指标K。从图2 可以看出，双季晚稻秋季低温冷害历史发生概率为每2 年发生1 次，上世纪50 年代双季晚稻秋季低温冷害概率为70%，其中以中度灾害居多，重度灾害1953 年，为历史最重年；上世纪60 年代双季晚稻秋季低温冷害概率为20%，为历史最轻年代；上世纪70 年代双季晚稻秋季低温冷害概率为60%，3 级灾害分布均匀，重度灾害2 次；上世纪80年代和本世纪00 年代双季晚稻秋季低温冷害概率分别为70%、60%，多以轻度灾害为主；上世纪90 年代和本世纪10 年代双季晚稻秋季低温冷害概率为30%，是强度较弱的年代。横贯衢州市68 年来晚稻秋季低温冷害综合指标K，显而易见1953 年、1970 年、1973 年双季晚稻秋季低温灾害是相当严重的。

2.2 双季晚稻低温冷害严重年的气候概况特征

从上述3 年的衢州市本站双季晚稻低温冷害灾害较重年9 月主要影响因子数据资料分析如下：1953 年9 月6 日至9 日平均温度为19.3℃，比常年同期异常偏低7.0 ℃，为历史最低记录；总雨量为42.1 mm，比常年同期异常偏多32.0 mm，偏多316.8%；雨日4 d，比常年同期偏多3 d，为历史最多记录；总日照时数为0.1 h，比常年同期异常偏少28.4 h，偏少99.6%。1970 年9 月26 日至30 日平均温度为19.8℃，比常年同期异常偏低2.7℃，为历史最低记录；总雨量为12.9 mm，比常年同期偏多7.6 mm，偏多143.4%；雨日3 d，比常年同期偏多2 d，为历史最多记录；总日照时数为13.2 h，比常年同期（28.5 小时）异常偏少 15.3 h，偏少 53.7%。1973 年9 月11 日至14 日平均温度为21.2℃，比常年同期异常偏低3.4℃，总雨量为50.0 mm，比常年同期异常偏多38.5 mm，偏多334.8%；雨日3 d，比常年同期偏多1 d，总日照时数为13.4 h，比常年同期异常偏少7.7 h，偏少36.5%。

图1 1951—2018 年衢州市晚稻秋季低温冷害综合指标K＞0 的初始数据集（a）、随机3 个初始质心（b）、标记每个样本为该样本距离最小的质心类别（c）、不断优化迭代后的最终类别（d）

图2 1951—2018 年衢州市晚稻秋季低温冷害综合指标年际分布

2.3 双季晚稻秋季低温冷害综合指标与产量的相关性

根据衢州市统计年鉴双季晚稻产量资料分析，较严重的3 年中粮食（无详细晚稻资料）均出现减产，特别是1953 年衢州粮食减产达13.6%。2004 年以后，政府对水稻种植农户实行补贴后，增加了农民种植水稻的积极性及稳定性，2004 年、2010 年、2015 年发生了双季晚稻秋季低温冷害中度灾害，而这3 年的晚稻单产均为减产年。显而易见，主成分分析及评价分析法适用衢州市双季晚稻低温冷害灾害的评估。

3 结论与讨论

确定衢州双季晚稻抽穗开花期的低温冷害灾害影响包括温度、降水、日照等气象因子，采用主成分分析法选择2 个主成分，继而采用综合评价分析法建立了双季晚稻低温冷害灾害评估模型，计算出1951—2018年衢州市低温冷害评价指标。根据聚类分割法把低温冷害等级分成3 级（轻度、中度、重度）。

1951 年至2018 年衢州市本站双季晚稻低温冷害发生频率为2 年出现1 次，而强度为上世纪50 年代最强，上世纪60 年代双季晚稻秋季低温冷害为历史最轻；上世纪80 年代和本世纪00 年代双季晚稻秋季低温冷害多以轻度灾害为主；上世纪90 年代和本世纪10 年代为双季晚稻秋季低温冷害强度较弱的年代。1953 年、1970 年、1973 年低温冷害最为严重。

把历年晚稻秋季低温冷害评价指标与相对应时段的气候概况进行验证，结果显示，评估指标与气候异常状况显著相关，68 年中3 年出现了最为严重的秋季低温冷害灾害，9 月期间均出现阶段性气候异常，并且晚稻产量明显减产。说明了评价指标能真实反映双季晚稻秋季低温冷害灾害程度，采用主成分分析及综合评价分析法对双季晚稻抽穗期的低温冷害进行评估是可行的，其他地区可参考应用。

早稻苗期低温冷害是可以根据相关气象预报产品预测出来。目前，在实际气象预报业务工作中，平均气温、降水量、云量等基础气象要素可参考预报时效较长的 EC、OCF、WRF、NCEP 等数值预报产品信息进行预测，再推算出双季晚稻低温冷害灾害评估模型中的积温、日照时数、无日照天数、降水日数、降雨量、持续3 d以上连续降水的日数6 个影响因子，从而对未来的低温冷害进行预评估。将天气气候预测的先进技术、方法引进到晚稻秋季低温冷害气候预测预警中，提前给政府、管理部门、种植大户发布相关信息，积极应对双季晚稻秋季低温冷害的威胁，助力农民增产、增收，保障粮食生产安全。