农业气象灾害损失评估方法在产量预报中的应用

2021-12-23叶晓冰

广东蚕业 2021年11期

关键词：气象灾害农作物

叶晓冰

叶晓冰

（福建省永春县气象局福建泉州362601）

文章对农业气象灾害与农作物产量之间的关系进行了分析，并以单站模型、区域模型为切入点，说明了农业气象灾害损失评估模型的构建，提出了在农作物期望产量中剔除灾减产量这种实现农作物产量预报的方法。

农业气象灾害；灾害损失评估模型；产量预报；应用

整个农业生产过程普遍受到多种因素的影响，不同地区一般会形成相对独特的生态系统，且逐步趋于稳定。基于这样的情况，农作物产量可以依托气象灾害的情况与社会生产力发展水平进行估计，因此能够结合气象灾害损失评估完成产量预报。

1 农业气象灾害与农作物产量之间的关联性分析

土壤、气候、农业生产技术等均为对农作物产量产生影响的重要因素，同时，农作物的产量往往受到多种因素的综合性影响，且各个影响因素之间存在着一定的相互作用。在以往的农作物产量分析实践中，普遍依托性质与时间落实对农作物产量影响因素的划分，具体包括农业生产技术与气象条件，所对应的为技术趋势产量与气象产量。技术趋势产量主要为在排除气象灾害的条件下，农业技术稳定时所得到的农作物基本产量特征；气象产量主要为因气象灾害而引发的对农作物产量的直接影响[1]。在实际的农作物产量分析过程中，普遍会忽略高频气象年际变化对农作物产量的影响，这主要是因为在同一地区内部分气象灾害的连续出现较为常见。而就当前的情况来看，在农作物产量分析的过程中，并没有对气象灾害方面的影响进行单独考量，因此有必要重新搭建一种评估方法，以此更为精准地评估气象灾害对农作物产量所造成的影响。

2 农业气象灾害损失评估模型的构建

2.1 农业气象灾害的主要成灾因素

2.1.1 农作物受到气象灾害影响的强度

农业气象灾害影响范围与气象灾害影响的强度之间有着相对紧密的联系。农作物受到气象灾害影响的强度直接反映气候异常程度，一般情况下，与相应气象要素距平值的大小息息相关。

2.1.2 农作物受到气象灾害影响的覆盖度

气象灾害影响程度的大小不仅与其强度水平有着极为紧密的联系，还与自身尺度息息相关，具体而言，就是与该气象灾害在同一地区内的覆盖度有着密切的关联。通常来说，若是某种气象灾害在同一地区内有着极大的覆盖面积，则可以判定该气象灾害所产生的影响处于较高水平。从这一角度来看，可以使用气象灾害的覆盖度反映不同气象灾害在同一区域面积中所占据的百分比。

2.1.3 农作物受到气象灾害影响的敏感程度

在所受气象灾害相同的条件下，不同种类农作物的产量受到的影响存在着一定的差异；而同种农作物在不同的生长阶段，产量方面所受到的影响也存在着一定的差异，例如当农作物生长至灌浆期后发生干旱灾害，则最终减产量明显高于在小苗期发生干旱灾害的减产量[2]。通常情况下，农作物在生长至生殖生长期后，对气象灾害影响的敏感程度更高，而若是农作物处于苗期、成熟期时受到气象灾害影响，则所表现出的敏感程度维持在较低水平。从这一角度来看，农作物在不同生长阶段对气象灾害影响的敏感程度可以参考对应生长时期的气象灾害对于产量影响的大小从而完成确定。

2.2 气象灾害损失评估模型

2.2.1 单站模型

单站模型主要考量的是对单一气象测站代表的地域气象灾害损失评估，此时可以搭建起如下模型：

其中，表示农作物减产量，表示农作物不同生长阶段下对气象灾害影响的敏感程度，表示气象灾害覆盖程度，表示气象灾害的强度。

在展开气象损失评估模型的搭建之前，针对不同气象灾害序列，必须要提前完成标准化处理，即对原始的气象灾害序列进行变化处理，具体如下：

随后，需要求取同一农作物在相同生长阶段受到气象灾害影响的强度与覆盖度的乘积，然后求和得到农作物在相同生长阶段内受到的综合气象灾害影响，所使用的表达式如下：

在该表达式内，表示同一农作物在同一生长阶段受到的综合气象灾害影响，表示农作物在同一生长阶段受到的第种气象灾害，表示气象灾害覆盖程度；表示气象灾害的强度。

在此基础上，还要针对农作物在不同生长阶段受到的所有气象灾害赋予权重值，相加处理后得到年度综合气象灾害影响，结合历年因为气象灾害而生成的农作物减产量数据，依托对权重系数的协调，获取到农作物不同生长阶段受到气象灾害影响的敏感程度。以某地区为例，该地区一年内只能收获一季作物，生长周期可以划分为四个阶段，所受到的气象灾害敏感程度分别设定为A1、A2、A3及A4，此时则有：

A1，A2，A3，A4＞0

A1+A2+A3+A4=1

在上述表达式中，表示鉴定对象，1～4表示该地区农作物在不同生长阶段（4个）中受到的综合气象灾害。对的各种组合与农作物减产量分别展开普查，设定最终鉴定结果为相关系数的绝对值达到最高水平且稳定性强的组合，以此确定出农作物在不同生长阶段受到气象灾害影响的权重值。

此时，可以获取到一个综合序列，不仅能够对农作物在不同生长阶段所受到气象灾害影响的敏感程度进行表示，还可以反映出气象灾害覆盖程度以及气象灾害的强度。

2.2.2 区域模型

依托逐点相加的方式处理单站灾害损失评估结果，即可获取到区域范围内的气象灾害损失评估结果。但是在实践中能够了解到，若是台站数量相对较多，则逐一相加的处理方式烦琐程度随之提升。基于此，实践中可以参考不同地区气象条件的异同，将整个区域划分为多个块区，结合普查的方式确定出单个块区内同一农作物：（1）在相同生长阶段，历年所受到气象灾害影响的强度与覆盖度；（2）在不同生长阶段，历年所受到气象灾害影响的敏感程度。将各个片区所得到的气象灾害损失评估结果进行相加处理，即可获取到区域模型。与单站模型相比，区域模型最为明显的差异为必须要对每个片区的面积因素进行考量，一般可以使用下式进行表达：

在该表达式中，表示农作物减产量，表示片区面积，表示农作物在不同生长阶段受到气象灾害影响的敏感程度，表示气象灾害覆盖程度，表示气象灾害的强度。区域综合变量一般可以应用下式进行表达：

3 产量预报中农业气象灾害损失评估的具体应用

以不同气象灾害对农作物产量造成的损失评估为切入点展开对气象灾害损失评估模型的搭建，在农作物期望产量中剔除灾减产量，即可以获取到农作物实际产量的估算数值，更为准确地完成农业气象灾害条件下的农作物产量预报。结合前文的分析能够了解到，依托性质与时间落实对农作物产量影响因素的划分，具体包括农业生产技术与气象条件，所对应的为技术趋势产量与气象产量[3]，可以使用如下表达式进行表达：

=t+w

在该表达式中，表示农作物产量，t表示技术趋势产量，w表示气象产量。理论上来说，如果可以在不存在气象灾害的条件下，由影响农作物产量的其他因素确定出农作物产量大小，并在相应产量数据中剔除农作物实际产量，即可以更为直接地获取到在农业气象灾害影响下的农作物损失量。

在当前的农业生产实践中，受到多种因素的影响，不同地区一般会形成相对独特的生态系统，且逐步趋于稳定。基于这样的生态系统，农作物产量主要受到气象灾害的情况与社会生产力发展水平两方面内容的影响。不可避免的是，农作物的产量也会受到除上述两项内容之外的其他随机“噪声”的影响，例如病虫害等等。但是，这些“噪声”普遍可以依托人为操作进行控制，如推行病虫害预警与定期查杀等等。因此为了方便得到最终估计结果，在本次研究中设定除上述气象灾害的情况与社会生产力发展水平之外的其他随机“噪声”因素可以忽略不计，此时则有：

D=h-

在该表达式中，D表示农业气象灾害减产量，h表示农作物期望产量，表示农作物实际产量。依托该公式即可完成对农业气象灾害减产量的评估，从而实现产量预报。