基于GIS 的陇东黄土高原地区干旱灾害风险综合评估

赵冬青，李政璇，余 瀚，张永凯

（1.甘肃省农业农村厅，甘肃兰州730000；2.兰州财经大学 农林经济管理学院，甘肃 兰州730020）

干旱是由降水和蒸发的收支不平衡造成的异常水分短缺现象，严重时对人类生产和生活带来较大危害。干旱是世界上造成经济损失最多的自然灾害，全球平均每年的旱灾损失为60 亿～80 亿美元。自20 世纪中后期，随着以变暖为标志的全球气候变化，全球陆地大部分地区存在干旱化趋势[1]。在21 世纪，部分地区干旱仍呈现持续时间增加和强度加强的趋势[2]。目前，干旱已经成为全球性最为严重的自然灾害之一，预防与减轻旱灾和旱灾风险成为当今世界的重要课题之一。

粮食是人类赖以生存和发展的基础，粮食安全事关国家安定和世界和平，长期以来是各国政府关注的重点。随着经济全球化的发展，粮食贸易成为影响国家粮食安全的重要因素。1990—2010年世界粮食贸易实物量呈上升趋势，2010年出口总量为27554.50 万t，进口总量为26738.10 万t，分别是1990年的4.3 倍和3.9 倍。严重频繁的气象灾害导致世界粮食减产，其中旱灾造成的损失占60%左右[3]，给粮食安全带来严重威胁。我国是一个干旱灾害频发的国家，据统计，1950—2010年平均每年受旱面积约215 万hm2，因旱减产粮食50 亿kg。近来，随着干旱呈现不断加重趋势，旱灾已经开始威胁到我国粮食安全和社会经济的可持续发展。

陇东黄土高原地区位于生态环境脆弱带，降水分布不均，干旱长久以来是严重制约当地工农业发展的主要灾害，给工业生产及人民生活均带来不利影响。因此，对这一地区加强自然灾害风险综合评估，建立和完善灾情监测、预警和评估体系显得日益迫切。本文以自然灾害风险评估理论为指导，以县级行政区为基本研究单元，从干旱致灾因子强度、农业承灾体脆弱性与暴露性出发，综合分析评估了陇东黄土高原地区干旱灾害风险，为政府部门在防灾减灾政策的制订方面提供一定的科学依据。

1 研究区概况

陇东黄土高原地区位于我国黄土高原沟壑区，东起陕西与甘肃交界地区，西至六盘山—关山，地理坐标为34°9′～36°28′N、105°33′～108°67′E，海拔在880～2857 m，降水量自东南向西北递减，属于典型的干旱半干旱大陆性气候。年平均气温在11℃，年降水量240～800 mm，降雨量主要集中在6—9月，全年无霜期140～160 d。该地区土质疏松，是黄土高原土壤侵蚀非常严重的地区，水土流失严重，沟壑纵横，地形支离破碎，地势西北高东南低，形成了典型的沟、峁、梁、塬、丘陵的黄土高原典型地貌特征，水系属于黄河流域，是我国水土流失严重的生态环境脆弱区，干旱对该地区农业生产和生态环境影响显著。

2 数据与方法

2.1 数据来源

考虑可行性与易得性，本文所用到的基础数据主要包括干旱致灾因子危险性数据和农业承灾体的脆弱性与暴露性数据。

干旱致灾因子危险性数据：1949—2018年间研究区内及附近共12 个气象站点的逐月降水、气温数据，来自中国气象数据网。

农业承灾体的脆弱性与暴露性数据：主要选取农作物播种面积、粮食播种面积、粮食产量、农业产值、有效灌溉面积这几个指标，由2018年甘肃省统计年鉴提取获得。

2.2 研究方法

2.2.1 干旱灾害风险评估模型 本文中的农业旱灾风险是指未来旱灾致灾因子可能产生的不利影响情景。较全面的风险定义是指未来某种不利事件的情景，自然灾害风险是灾害系统可能造成的未来不利事件情景[4，5]。当前关于风险的多种定义，其实质是使用不同的方法来刻画这种不利事件情景。风险是一个复杂的系统综合结果。风险分析的目的是通过对潜在致灾因子的分析以及对人口、社会经济等承灾体，包括其所处环境中对未来不利情景产生影响的脆弱性现状的评估，来确定风险的性质和程度的一种方法。

基于以上认识，本文中的旱灾风险概念模型R可认为是多种情景下产生损失可能性的高低，表达为致灾强度H、暴露度E 以及脆弱性V 三者的系统性结果（见公式1）。

基于此，结合实际的数据获取情况，陇东黄土高原地区农业旱灾风险评估模型构建如图1 所示。

2.2.2 干旱致灾因子危险性 本文中旱灾致灾因子采用多个年遇型情景表达，同时引入了孕灾环境要素修正。风险表达有多种形式，本文采用“地学图谱”的思路，根据数据时间序列的长短，分多个年遇型情景进行讨论。虽然孕灾环境因素并不直接作用于灾情的形成过程，但往往对灾情起着重要的放大或者缩小的作用。因而从“孕灾环境—致灾因子—承灾体”三位一体的区域灾害系统观点来看，现有的灾害风险评估模型对孕灾环境的考虑不足，需从灾害系统论观点出发构建包含“孕灾环境—致灾因子—承灾体”三要素的风险评价模型。本文引入地形因子对结果进行进一步修正。

2.2.2.1 致灾因子强度指标选择。选择累积PalmerZ指数作为致灾因子强度指标。由土壤水分亏缺计算得到PDSI 对监测长期干旱状况是一个非常有用的指标。然而农作物在关键生长季节对短期的水分亏缺高度敏感，同时前期土壤干旱情况对后期土壤中的水分状况也会产生影响，而目前无论是PDSI、CMI还是Z 指数，都只是用于干旱监测过程，对于这些干旱指标所表征的干旱发生时段及其对作物产量的影响研究还很少涉及。尤以累积Z 指数与作物产量减损情况的相关性最好，其次是CMI 指数，而目前对干旱监测中所广泛采用的PDSI 干旱指数，无论是当前生育期PDSI 指数还是生育期累积PDSI 指数，作物产量对指数的敏感性并不好。

2.2.2.2 旱灾致灾因子强度计算与修正。利用选择的12 个站点逐月气象数据，利用PDSI 计算程序，获得12 个站点上逐月Z 指数，美国内布拉斯卡-林肯大学的干旱研究中心的Nathan（2004）开发了一套基于FORTRAN 语言的PDSI 干旱指数的计算程序，并将其转译为C++，加入了参数修正模块[6]。该程序可计算每月的初始PDSI 指数、每周及每月的修正PDSI指数、Z 指数以及每周土壤水分湿度指数（CMI）。

分析本区内主要农作物为冬小麦、春玉米，确定其生长期分别为10月到次年6月、4月到9月，分别针对2 种作物计算累积Z 指数。根据资料的完备情景，得到1958—2018年共计61年的累积Z指数时间序列，经排序后统计，选取60年一遇、20年一遇、10年一遇、5年一遇共4 个情景来表达致灾因子强度。

利用ArcGIS 10.4 中反距离权重方法将气象站点对应的Z 指数插值为栅格数据，然后应用尹衍雨（2012）的地形修正方法[7]，即采用岭回归得到地形与致灾强度的拟合关系，进行孕灾环境的要素修正。

2.2.3 农业承灾体脆弱性 脆弱性指数的方法通常用于区域尺度上的承灾体系统脆弱性分析中，区域承灾体系统是由一定区域内多种承灾体综合形成的复杂要素系统。该方法的核心首先在于构建合理指标体系，同时要考虑到数据的可获取性以及研究对象的特征，通常选取研究区域内的受灾人口、经济发展水平等方面的指标进行评估；其次在指标进行综合时，采用专家经验法、层次分析法与灾情数据进行相关分析的方法等来确定指标综合的权重[8，9]。

2.2.4 农业承灾体暴露度 本区内县级行政区面积差异较大，综合考虑区域特性及数据可利用性。研究中选取粮食种植面积与农作物播种面积的比值作为暴露性指标。同时，抗旱能力能有效降低农作物在旱灾中的暴露度。抗旱能力表征地区在干旱发生前及干旱致灾过程中，该地区基于人为措施降低旱灾造成损失的能力。已有研究中表征地区抗旱能力的指标主要包括农民人均纯收入、单位面积机井数量、单位面积兴利库容、单位面积机械总动力、单位面积农村劳动力、有效灌溉面积占耕地面积比例、专职抗旱人员数量及抗旱服务组织覆盖率等。区域抗旱能力与灌溉率密切相关，本文在粮食种植面积中减去有效灌溉面积作为表征区域抗旱能力的指标。

3 结果与分析

3.1 干旱致灾因子年遇型强度等级

本文所采用方法在传统地学空间插值方法的基础上采用岭回归方法对结果进一步修正，得到经过地形纠正的致灾因子分布图，大体趋势上与原图相符合，但更能体现致灾强度的细微变化，因而具有较高的空间分辨率。

对每种作物的不同生育期，以20年一遇的致灾因子强度为基础，采用自然断点分级方法进行分级，然后外推到其他年遇型上，使得4 个年遇型之间的等级结果可以进行比较。可以看出2 种不同生长期的作物，相应的旱灾致灾因子强度都呈现出东低西高的东西分异格局，在北部存在一个较高的局部区域。同时，随着年遇型的提高，致灾因子强度等级逐渐提高（见图2、图3）。

3.2 农业承灾体脆弱性等级与暴露度

从空间分布特征可以看到，脆弱度较高的县（区）主要分布于东部、南部，低脆弱区主要分布于中部和北部。从县（区）级尺度上来看，脆弱度的变异程度较小（见图4）。

对于暴露度的计算结果如图5 所示，暴露度较高的县（区）主要分布于北部、南部，并不呈现连片分布，表明从县（区）级尺度上来看，暴露度的变异程度较大。

3.3 干旱灾害风险等级

为了对比分析各指标计算结果，对危险性、暴露性、脆弱性对应的指标均进行归一化处理。依据公式1 的计算模型，综合致灾因子强度和承灾体暴露度、脆弱度，可得到研究区内的旱灾风险。

因致灾因子评价可达到年遇型表达，但脆弱度仅能得到等级，因此最终风险计算结果表达为年遇型情景下的农作物旱灾风险等级。针对2 种作物的不同生育期，以20年一遇的风险等级指数为基础，采用自然断点分级方法进行分级，然后外推到其他年遇型上，使得4 个年遇型之间的等级结果可以进行比较。

从冬小麦的结果来看，陇东黄土高原区内农业综合风险等级最高的地区主要集中在平凉市西部地区，庆阳市东南部与平凉市的东部地区处于次高风险区，而中北部区域对应的旱灾风险等级较低。多个年遇结果进行对比，呈现出随年遇型增加，其整体风险等级水平上升（见图6）。

从春玉米的结果来看，与冬小麦呈现基本一致的空间分异格局，陇东黄土高原区内农业综合风险等级最高的地区主要集中在平凉市的西部地区，庆阳市东南部与平凉市的东部地区处于次高风险区，而中北部区域对应的旱灾风险等级较低。将多个年遇结果进行对比，呈现出随年遇型增加，其整体风险等级水平上升的变化趋势（见图7）。

4 结论与讨论

对于干旱致灾因子，2 种不同生长期的作物相应的旱灾致灾因子强度都呈现出东低西高的东西分异格局，在北部存在一个较高的局部区域。

对于作物承灾体来说，脆弱度较高的县（区）主要分布于东部、南部，低脆弱区主要分布于中部和北部。在县（区）级尺度脆弱度的变异程度较小。暴露度较高的县（区）主要分布于北部、南部，在县（区）级尺度上暴露度的变异程度较大。

风险分析结果用风险等级来表达，对于冬小麦，陇东黄土高原区内农业综合风险等级最高的地区主要集中在平凉市西部地区，庆阳市东南部与平凉市东部地区处于次高风险区，而中北部区域对应的旱灾风险等级较低。对于春玉米，与冬小麦呈现基本一致的空间分异格局，陇东黄土高原区内农业综合风险等级最高的地区主要集中在平凉市的西部地区，庆阳市东南部与平凉市的东部地区处于次高风险区，而中北部区域对应的旱灾风险等级较低。

影响干旱灾害风险的因素很多，指标选择、归类以及定量化方面目前存在一定困难，而且有些指标数据信息不全甚至难以获取。同时，对于干旱灾害风险的认识深度也影响了分析的过程与结果。本文中对于干旱致灾因子的分析较为深入，通过计算得到了分作物、分年遇型的强度结果。但对于承灾体，受数据限制对其脆弱性、暴露度分析还有待进一步加强，直接限制了风险分析结果的精度。因此，对于农作物承灾体，在对其受旱成灾过程与机制的进一步分析中，得到如脆弱性曲线等更定量的结果，会有助于提高风险分析结果的精度，从而使得风险评估结果更精确，更具有参考价值。