基于矩阵等级法的杏扁花期和幼果期冻害风险区划研究

李婷，孙玉龙，陈笑娟

(1. 河北省气象灾害防御中心，河北 石家庄 050021；2. 河北省气象与生态环境重点实验室，河北 石家庄 050021)

目前杏扁冻害研究主要集中于天气系统分析、抗寒性试验以及生产管理三个方面。段雯瑜等[4]分析张家口一次强降温导致杏扁冻害过程的系统成因，并给出预报经验指标；王海娇等[5]研究了温湿度对杏扁开花坐果的影响，指出背阴坡、沟底的光照时间短，日积温低，会推迟花期。师占海等[6]分析了2016年5月河北省怀来县果树冻害的发生原因并提出灾后补救措施及政策性建议。近些年，从风险角度出发对雪灾[7]、雷电[8]和大风[9]等灾害开展风险分析，已成为灾害研究的新趋势。基于灾害风险分析理论[10,11]，自然灾害风险是自然灾害危险性和承灾体易损性的非线性函数，可通过致灾因子危险性、承灾体暴露性、承灾体易损性、防灾减灾能力等因子构建风险评价模型，进行风险分析[12,13]。同时，伴随GIS技术的发展，区划制图能够更加精细地把握灾害风险空间分布格局，识别重点承灾体受灾高风险区，对于有效防御和规避灾害损失、保障人民生命财产安全有重要意义。但目前针对河北省杏扁低温冻害的风险研究未见报道。

2016年底，《国家综合防灾减灾规划(2016—2020年)》要求加强灾害监测、预报预警与风险防范能力建设，开展以县为单位的综合风险与减灾能力调查，加强灾害风险评估。作为“中国仁用杏之乡”和河北省最大的杏扁生产基地，杏扁已成为蔚县的支柱产业之一，与广大农户的生产生活和县域经济息息相关[14]，对其进行低温冻害风险区划研究具有重要意义。本研究以蔚县为研究对象开展杏扁花期和幼果期冻害风险区划研究，分析低温冻害发生的危险性，并结合承灾体因素开展受灾风险区划，并辅以灾情进行效果验证，以期为整体把握杏扁种植规划及制定预防减灾措施提供参考。

1 数据来源与研究方法

1.1 数据来源

气温数据包括1974—2018年河北省蔚县及周边县域(阳原、宣化、涿鹿、涞源、易县)国家站的日最低气温和日平均气温，来自河北省气象局；承灾体数据为村庄级杏扁播种面积，来自蔚县气象局；灾情数据包括1995—2018年蔚县县域内15起低温冻害的发生时间、地点、受灾面积和灾情描述等字段，来自蔚县气象局；地理信息数据来自CGIAR-CSI SRTM 90 m数据库的河北省90 m分辨率数字化高程模型(DEM)，以及河北省第三测绘院提供的行政区划矢量数据(SHP)。

1.2 地形校正温度方法

由于研究区域内海拔高度差较大，温度垂直变化剧烈[15]，根据温度垂直递减规律，按照公式(1)将气象站点的最低温度要素归结到海平面上；利用 ArcGIS 10.6对气象站最低气温要素进行反距离权重(inverse distance weighted technique，IDW)[16]空间插值，得到海平面高度不同年份的日最低气温空间分布；结合DEM 数据，将海平面高度的最低温度还原到实际海拔高度，得到不同年份最低温度的空间真实值。温度垂直递减规律公式[15]如下：

T0=Ts+0.0065Hs；

(1)

Tc=Tc,0-0.0065Hd。

(2)

式中，Ts为某站点的实测温度(℃)；T0为订正到海平面的气温(℃)；Tc,0为空间插值后的海平面气温(℃)；Tc为将温度值还原到相应高程面后的气温(℃)；Hs和Hd分别为该观测站点和网格点上的海拔高度(m)。

1.3 致灾危险性区划方法

根据王迎春等[17]和李瑞平等[18]的研究，不同时期的杏扁抗寒性强弱为：花芽膨大期>花蕾期>始花期>盛花期>幼果期。以≥5℃积温达到216.8℃时判断为进入始花期，日平均气温稳定在9.5℃及以上的第10天判断为盛花期[19]，一般花期7～10天。杏树花期受冻的临界温度为始花期-3.9℃，盛花期-2.2℃，幼果期-0.6℃[19]。根据上述研究、专家指导及农业实际生产经验，确定杏扁花期和幼果期的冻害指标，见表1。

从培养基平板上刮取经活化的CEH-ST79菌落，用1%葡萄糖溶液制成菌悬液，制片，光学显微镜下观察其形状、大小、鞭毛和荚膜等形态学特征。

表1 杏扁花期和幼果期冻害等级及其气象指标

通过Matlab统计1974—2018年间各站点的花期和幼果期日最低气温最小值及其低于受冻临界温度的日数，构建年极值序列，基于Gumbel、Weibull、Wakeby等多种分布函数[20,21]，通过最大似然法(maximum likelihood estimation，MLE)估计不同模型参数，运用 KS 检验(Kolmogorov-Smirnov)对各个分布函数拟合优度进行排序，确定最优分布函数，进行概率分布拟合得出各站点不同年遇水平下的花期和幼果期日最低气温和低温冻害日数。

利用致灾强度指数评估蔚县杏扁低温冻害致灾因子危险性。将不同年遇水平的日最低气温和低温冻害日数进行Z-score标准化处理。Z-score法是原始数值与该组数据平均值的差再除以该组数据标准差的过程。

z=(x-μ)/σ

(3)

式中，x为原始数据，μ为平均值，σ为标准差。z值的量代表着原始数值和母体平均值之间的距离，是以标准差为单位计算。

结合现有灾情和专家经验确定杏扁低温冻害致灾危险性指标的权重系数，建立杏扁低温冻害致灾强度指数[公式(4)]，进行致灾危险性区划。

I=0.6X1+0.4X2

(4)

式中，I为致灾强度指数，X1、X2为标准化处理后的日最低气温和低温冻害日数。

1.4 风险矩阵评估法

考虑到灾情数据样本量有限，本研究采用风险矩阵等级评估法。区域气象灾害风险等级是对研究区内相对强度不同的致灾因子造成损失期望的定性评价[22,23]。公式如下：

RL=Hg×Vm×Em

(5)

式中，RL为承灾体受损风险的相对等级(risk level)，Hg为致灾因子的相对强度(hazard grade)，Vm为矩阵关系式(vulnerability matrix)，Em为承灾体的暴露性(exposure magnitude)。

依据蔚县低温冻害致灾因子的相对强度，将致灾危险性通过自然断点法进行分级，并赋值1、2、3、4、5；再依据承灾体的暴露程度，将杏扁种植面积与村面积的比值作为脆弱性指标，重分类为四个水平后赋值1、2、3、4，无杏扁种植为0。通过致灾因子的相对强度与承灾体的脆弱性，建立二者等级之间的矩阵关系[7]，见图1。将上述分级结果相乘，按照矩阵等级，对最终风险值进行分级。

图1 风险矩阵

2 结果与分析

2.1 致灾危险性区划

考虑到极端天气事件影响，本研究从不同年遇型(10、30、50年一遇)的致灾强度分析蔚县杏扁花期和幼果期的低温冻害致灾危险性，各县站点数据的最优分布函数及拟合检验结果见表2，均通过了0.01显著性检验。

表2 最优分布函数及KS检验结果

图2为不同年遇型蔚县杏扁花期和幼果期低温冻害危险性分布。随着重现期的增加，花期和幼果期的低温冻害致灾危险性呈现强度增加、影响范围扩大的趋势。从整体空间角度分析，蔚县杏扁受冻害影响的致灾高危区主要分布在3个区域：一是白草村乡、杨庄窠乡和涌泉庄乡等西北部(高值A区)，二是北水泉镇、吉家庄镇和桃花镇的东北边缘(高值B区)，三是海拔高度在1 500 m以上的南部山区(高值C区)，其低温冻害致灾危险性较高。总之，由于地形悬殊，呈现立体特征，其中，小五台山区危险性最高，南北山区次之。

以花期做分析(图2 a、b、c)，10年一遇的蔚县东北部地区和西部阳眷镇冻害危险性较低，南部的高值C区危险性在中等及以上等级，其中小五台区危险性最高，日最低气温在-4.5℃以下，一次低温冻害过程即可能导致绝收。30年一遇致灾强度下，除东北部外，大部分地区危险性可达中等及以上致灾水平。50年一遇，高值A区北部、B区东北角和C区处于高危险和极高危险水平，日最低气温达到-5℃以下，极可能导致绝收。

以幼果期做分析(图2 d、e、f)，10年一遇南部山区的危险性在中等及以上水平，其他大部分河川和丘陵地区的危险性较低，日最低气温在-2.5℃以上。30年一遇中西部处于中等水平，日最低气温可达-3℃；高值A区百草村乡北部和C区大部达到高和极高危险水平。50年一遇A区阳眷镇达到高危险水平。30年和50年一遇致灾强度下，花期受中度及以上危险等级的范围大于幼果期，说明花期受极端低温影响的危险性更高。

2.2 承灾体暴露度和脆弱性分析

灾害风险是致灾因子危险性和承灾体暴露度及脆弱性共同作用的结果[24]。暴露度是指暴露在灾害影响范围内的承灾体(杏扁)的种植规模或者价值量及空间分布特征，是界定自然灾害风险存在与否的必要条件之一。在相同致灾强度下，承灾体的暴露度越高，损失风险越大。图3为蔚县的杏扁种植面积分布，总体呈现南少北多的特征。南部的小五台、柏树乡南部、南杨庄乡和草沟堡乡等海拔较高的山区几乎没有种植，其他大部分地区种植面积在100 hm2以下。北水泉镇、黄梅乡、柏树乡北部、宋家庄等乡镇的部分村庄种植面积在200～300 hm2之间，黄梅乡的烟墩庄种植面积最大，为366.1 hm2，其次为北水泉镇的杨庄，为346.9 hm2。

杏扁承灾体脆弱性利用暴露程度来表征，脆弱性指标为种植面积与村面积的比值，分布特征与暴露度基本一致。南部各乡镇的脆弱性相对较低，北部的北水泉镇、黄梅乡、吉家庄镇、南岭庄乡、陈家洼乡、常宁乡，以及柏树乡、白乐镇局部村庄等密集种植区的脆弱性较高。

2.3 风险等级分析

将分级赋值后的致灾因子相对强度与承灾体脆弱性建立风险矩阵关系，得到相对期望损失等级即为风险等级。基于自然灾害风险分级方法[25]，并根据实际需要对图1的分级指标进行适当调整，将最终风险值分成五级：极高(15～20)、高(10～14)、中等(5～9)、低(3～4)、极低(1～2)，见表3。

表3 风险分级矩阵评估指数

通过矩阵等级法，得到蔚县不同重现期下杏扁低温冻害风险区划图，如图 4 所示。从不同风险水平分析，随着重现期的增加，杏扁受灾风险呈现强度增加、影响范围扩大的趋势。从空间分布来看，风险高值区大多位于黄梅乡、北水泉镇、陈家洼乡、南岭庄乡、常宁乡等东北部地区，分布在杏扁种植较多的乡镇。

图3 蔚县杏扁种植面积空间分布

以花期做分析(图4 a、b、c)，重现期为10年一遇时，杏扁低温冻害中风险区零星分布在北水泉镇、黄梅乡、宋家庄乡、下宫村乡等的部分村庄，其他大部分地区为低风险或无风险。30年一遇时，北水泉镇、黄梅乡、陈家洼乡南部、南岭庄乡等部分村庄出现高风险，而阳眷镇西堡村、白草村乡小羊圈村、柏树乡庄窼村、南岭庄乡东双塔村、陈家洼乡曲家庄、北水泉镇赵家嘴村、黄梅乡榆涧村北等出现极高风险，其他种植区处于中风险及以下。50年一遇，北水泉镇、陈家洼乡、南岭庄乡、黄梅乡等种植面积在100 hm2以上的村庄呈现高风险，部分村庄处于极高风险。

以幼果期做分析(图4 d、e、f)，10年一遇致灾强度下，白草村乡小羊圈村、南岭庄乡南岭庄村处于极高风险，陈家洼乡南部、南岭庄乡大部、宋家庄乡西柳林和上苏庄、下宫村乡果庄子村和芦家寨村东部等地处于中风险。30年一遇，南岭庄乡、陈家洼乡、阳眷镇、白草村乡部分村庄处于极高风险，南岭庄乡、陈家洼乡、北水泉镇、黄梅乡、常宁乡等的部分村庄出现高风险。50年一遇，南岭庄乡、陈家洼乡、涌泉庄乡、白草村乡、阳眷镇等的部分村庄处于极高风险，而高风险主要分布在北水泉乡、陈家洼乡、南岭庄乡、宋家庄乡、下宫村乡等地的部分村庄。30年和50年一遇花期受冻害高风险区总体大于幼果期，这与花期低温冻害致灾因子危险性较高有关。

3 讨论

对照致灾危险性区划和承灾体暴露度及脆弱性区划，杏扁受灾高风险区主要出现在种植相对集中、暴露度高且致灾强度处于中等及以上等级的地区，这种空间格局是致灾危险性和承灾体脆弱性共同作用的结果。应尽量避免在海拔高于1 500 m的地方种植杏扁，同时，需要注意的是杏扁低温冻害大多发生在地势较低的沟谷，该区域气温变率较缓[2]，冷空气存留时间较长，所以受前期气温偏高和小气候的影响，果树前期生长过快，组织生长不充实[6,26]，抗冻能力弱。因此，对于山谷地区，建议主栽耐寒性较强的品种，或采取措施加强耐冻锻炼。

为检验上述风险区划效果，进一步梳理1995—2018年蔚县15起杏扁低温冻害灾情信息。统计各乡镇低温冻害灾情发生频次，将风险等级的高值区和部分乡镇的灾情发生频次(3次及以上)进行对比分析，发现(表4)灾情频次较多的乡镇均处于风险区划高风险和极高风险区，包括常宁乡、黄梅乡北部、北水泉镇中部、南岭庄乡北部和陈家洼乡南部等，该地区需加强果农的防灾减灾意识和技术。

表4 部分乡镇低温冻害发生频次(3次及以上)

对于花期而言，受中等及以上危险等级的范围大于幼果期，因为相比幼果期，花期气温偏低，出现降温天气的频率更高，所以其致灾危险性较高，受极端低温冻害的风险也相对较高，因此这一时期更需要密切关注天气降温情况，同时提高低温过程预报与预警的精确度，对于“倒春寒”现象能够尽早预报，及早采取预防措施，缓解冻害对杏扁产量的影响。

4 结论

4.1 蔚县杏扁受低温冻害影响的致灾危险性呈现立体特征，高危区主要分布在东北部边界地区、西北部边界和南部山区。10年一遇，南部山区处于中等及以上危险水平，小五台区危险性最高；30年一遇，大部分地区达中等及以上；50年一遇，西北部和南部山区达高和极高危险水平。30年和50年一遇较幼果期而言，花期受极端低温影响的危险性较高。

图4 蔚县杏扁花期(a、b、c)和幼果期(d、e、f)低温冻害风险区划

4.2 随重现期的增加，杏扁受低温冻害影响的风险呈现强度增加、影响范围扩大的趋势。相同致灾水平的花期和幼果期冻害风险分布特征大体一致，黄梅乡、北水泉镇、陈家洼乡、南岭庄乡、常宁乡等北部地区风险较高，多为杏扁种植密集区。

4.3 蔚县杏扁暴露度与脆弱性分布特征基本一致，总体呈现北高南低，受灾高风险区主要分布在暴露度高且致灾强度处于中等及以上等级的地区，大多在黄梅乡、北水泉镇、陈家洼乡、南岭庄乡、常宁乡等乡镇。

本研究对于整体把握杏扁种植风险以及防御决策具有一定的参考价值。但是，由于灾情信息数量受限，通过风险矩阵对杏扁种植区进行风险等级的定性评价，尚处于对杏扁低温冻害风险研究的探索阶段，结果精度还需提高。今后将考虑搜集更大空间尺度的多源灾情数据，进而对灾情信息进行深入挖掘，尝试构建“致灾强度-承灾体损失”的脆弱性曲线[27]，研究不同冻害等级的阈值，与气温预报相结合，来实现对杏扁低温冻害损失风险的定量评估，并基于GIS技术，对结果实现格点化，为预防措施的制定与实施提供有力支撑。此外，对于致灾强度的危险性指标，考虑加入低温持续时间和发生时刻等更为精细的因子，合理优化评价指标，对评估模型进一步完善。