长沙市主要农业气象灾害风险区划

邱丽静 朱家亮 许海军

摘要    本文采用长沙地区4个国家气象站1981—2010年逐日气象资料与长沙地区地形高程资料（DEM），对影响长沙的6种气象灾害进行风险等级区划分析，以期为长沙市农业生产的气象灾害防御提供依据。结果表明，长沙市大部分地区为高温热害高风险区，干旱灾害、倒春寒灾害中等风险区，洪涝灾害、五月低温灾害、寒露风灾害低风险区;大围山、连云山、伪山为洪涝灾害、倒春寒灾害、五月低温灾害、寒露风灾害次高或高风险区，干旱灾害、高温热害低风险区;连云山与大围山之间的峡谷地带为洪涝灾害高风险区，长沙市区南部湘江河谷地带为倒春寒灾害高风险区;通过K-means聚类分析，长沙市农业气象灾害气候风险可划分为高温热害、干旱，较高的倒春寒的气候风险区等6个区。

关键词    农业气象灾害;分级;风险区划;湖南长沙

中图分类号    P429        文献标识码    A

文章编号   1007-5739（2020）22-0158-04                                                开放科学（资源服务）标识码（OSID）

Abstract    This paper used daily meteorological data of four national meteorological stations in Changsha area from 1981 to 2010 and topographic elevation data （DEM） in Changsha area to analyze the risk grade division of six kinds of meteorological disasters affecting Changsha， so as to provide the basis for the meteorological disaster prevention of agricultural production in Changsha. The results showed that， most areas of Changsha was high-risk area of high temperature and heat damage， moderate risk area of drought disaster， cold disaster of fall spring， low risk area of flood disaster， low temperature disaster of May， cold dew wind disaster; Dawei Mountain， Lianyun Mountain and Wei Mountain were secondary high-risk or high-risk areas of flood and waterlogging disasters， cold in late spring disasters， low temperature disasters in May and cold dew wind disaster， low risk areas of drought disaster， high temperature and heat hazard disasters; the valley zone between Lianyun Mountain and Dawei Mountain were high-risk areas of flood disaster， and the Xiangjiang River Valley in the southern part of Changsha were high-risk areas of cold in late spring disaster. Through K-means cluster analysis， the climate risk of agrometeorological disaster in Changsha could be divided into six regions， such as high temperature heat hazard， drought and high climate risk area of cold in late spring， etc.

Keywords    agrometeorological disaster; classification; risk zonation; Changsha Hunan

農业是气候影响最敏感的领域之一。农业气象灾害已成为最主要的农业自然灾害，由于其频率高、强度大，每年均给农业生产带来巨大的经济损失，已成为各地政府决策者重点关注和研究的对象。在全球气候变暖背景下，极端气候事件频发，气象灾害对农业的不利影响越来越受到社会的普遍关注。农业气象灾害风险区划作为气象灾害防御规划的依据，是构建防灾减灾体系的基础，日益引起学者和政策制定者的关注。许多学者对气象灾害风险评估进行了深入的研究，在自然灾害评估框架体系的建立[1-3]、洪水灾害模型与区域水灾的风险评估[4]、自然灾害经济损失函数[5]、台风灾害的风险评估[6]等方面取得了一些进展。在农业气象灾害风险评估方面，近年来有学者在农业生态地区法的基础上建立了华南果树生长风险分析模型[7]。

长沙属亚热带季风气候区，四季较分明，夏、冬两季长，春、秋两季短。春末夏初多雨，夏末秋季多旱;春温多变，夏秋多晴，严冬期短，暑热期长。在此气候背景下，农业生产因气象灾害造成的损失严重。洪涝、干旱、高温、倒春寒、五月低温、寒露风是影响最大的6种气象灾害。为此，本文针对以上6种气象灾害的危险性进行风险等级区划分析，为长沙市农业生产的气象灾害防御提供依据。

1    资料与方法

1.1    资料来源

采用长沙地区4个国家气象站1981—2010年日降水量、日最高气温、日平均气温、日最低气温等逐日气象资料及长沙地区地形高程资料（DEM）。

1.2    气象灾害分级方法

气象灾害等级根据2005年颁发的《湖南气象灾害述语和分级》地方标准划分。

1.2.1    洪涝。轻度洪涝（1级），4—9月任意10 d内降水总量为200～250 mm;中度洪涝（2级），4—9月任意10 d内降水总量为251～300 mm;重度洪涝（3级），4—9月任意10 d内降水总量为301 mm以上。

1.2.2    干旱。选择4—9月降水量距平百分率指标Pa作为气象干旱指标。轻度气象干旱（1级），-30%

1.2.3    高温热害。轻度高温热害（1级），日最高气温≥35 ℃连续5～10 d;中等高温热害（2级），日最高气温≥35 ℃连续11～15 d;重度高温热害（3级），日最高气温 ≥35 ℃连续16 d或以上。

1.2.4    倒春寒。3月中旬至4月下旬任意10 d平均气温低于历史同期平均值2 ℃或以上，并低于前10 d平均气温，则该10 d为倒春寒。轻度倒春寒（1级），ΔTi> -3.5 ℃;中度倒春寒（2级），-5.0 ℃<ΔTi≤-3.5 ℃;重度倒春寒（3级），ΔTi>-5.0 ℃或多段（含2段）出现倒春寒。

1.2.5    五月低温。5月连续3 d或以上日平均气温≤20 ℃达到五月低温标准。轻度五月低温（1级），日平均气温为18～20 ℃连续5～6 d;中度五月低温（2级），日平均气温18～20 ℃连续7～9 d或日平均气温为15.6～17.9 ℃连续7～8 d;重度五月低溫（3级），日平均气温18～20 ℃连续10 d或以上或日平均气温≤15 ℃连续5 d或以上。

1.2.6    寒露风。9月日平均气温≤20 ℃连续3 d或以上达到寒露风标准。轻度寒露风（1级），日平均气温为18.5～20.0 ℃连续3～5 d;中等寒露风（2级），日平均气温17.0～18.4 ℃连续3～5 d;重度寒露风（3级），日平均气温≤17 ℃连续3 d或以上或日平均气温≤20 ℃连续6 d或以上。

1.3    农业气象灾害气候风险指数

农业气象灾害气候风险指数是根据低温冷害、高温热害等主要农业气象灾害指标及气象干旱、洪涝灾害指标，分别统计各灾害强度及其发生频率，以灾害气候风险指数I（某种灾害的不同强度指数S及其相应出现频率P的函数）作为灾害区划指标，其表达式为：

式（1）中，i为灾害强度（i=1为轻度灾害，i=2为中度灾害，i=3为重度灾害）;Si为灾害强度指数;P为灾害发生频次;j为灾害类别。

在历史数据的基础上，根据专家评分法给定式（1）中各个等级的P值，则可得：

洪涝气候风险指数=（1级频次×1/6+2级频次×2/6+3级频次×3/6）×100/年份;

干旱气候风险指数=（1级频次×1/10+2级频次×2/10+3级频次×3/10+4级频次×4/10）×100/年份;

高温热害气候风险指数=（1级频次×1/6+2级频次×2/6+3级频次×3/6）×100/年份;

五月低温气候风险指数=（1级频次×1/6+2级频次×2/6+3级频次×3/6）×100/年份;

倒春寒气候风险指数=（1级频次×1/6+2级频次×2/6+3级频次×3/6）×100/年份;

寒露风气候风险指数=（1级频次×1/6+2级频次×2/6+3级频次×3/6）×100/年份。

1.4    K-means分析方法

K-means法又称快速聚类法，是由Mac Queen于1967年提出的，它将数据看成K维空间上的点，以距离作为度量个体“亲疏程度”的指标。一般地，K-means法易于产生指定类别数的聚类结果，而类数的确定离不开实践经验的积累。聚类分析算法的基本步骤[8]如下：①指定聚类数目K;②确定K个初始的聚类中心;③根据最近原则进行聚类，分别计算每个样本到各个聚类中心的距离，将对象分配到距离最近的聚类中心所代表的类中;④所有对象分配完成后，重新计算K个聚类的中心;⑤与前一次计算得到的K个聚类中心比较，如果聚类中心发生变化，转③，否则转⑥;⑥重复上述过程，当质心不发生变化时停止并输出聚类结果。

一般地，针对连续属性数据，使用误差平方和SSE作为度量聚类质量的目标函数，对于2种不同的聚类结果，选择误差平方和较小的作为分类结果。记Ei表示第i类样本集合，ei表示第i类样本中心，连续属性的SSE计算公式为：

2    结果与分析

2.1    洪涝