环渤海葡萄涝渍指标构建及风险评估

毛红丹 霍治国2)* 张 蕾 杨建莹 孔 瑞 李春晖 江梦圆

1)(中国气象科学研究院， 北京 100081) 2)(南京信息工程大学气象灾害预报预警与评估协同创新中心， 南京 210044) 3)(国家气象中心， 北京 100081)

引 言

葡萄是世界四大果树品种之一，中国葡萄产业在改革开放的40余年间得到快速发展，葡萄总产量位居世界首位，面积居世界第2位[1]。国家统计局数据显示，到2018年底葡萄栽培面积达7.25×105hm2，产量达1.37×107t，与改革开放前(1978年)相比，面积增加26.5倍，产量增加130.6倍。全球气候变化背景下，极端降水事件频发，近年我国遭受涝渍灾害次数比以往明显增多[2-3]。涝渍灾害是我国主要农业气象灾害，对农业生产的影响仅次于旱灾[4-6]，中国水旱灾害公报表明2018年全国因洪涝粮食减产1.21×107t，经济作物损失166.66亿元。环渤海湾葡萄栽培区是我国最大的葡萄产区，栽培面积和产量约占全国总量的36.2%和44.0%[7]。该区域属于暖温带半湿润季风气候区，降水量年内和区域内分布不均[8]，易发生涝渍灾害。葡萄耐涝能力弱，其关键发育期正值环渤海地区多雨时期，如遭遇短时强降雨或长时间持续降雨，将严重影响葡萄的产量和品质，造成葡萄大面积减产甚至绝收。涝渍灾害已成为威胁环渤海地区葡萄生产的主要气象灾害，构建葡萄涝渍灾害等级指标，对有针对性地开展葡萄涝渍灾害防涝减灾等具有重要意义。

国内外学者对葡萄涝渍灾害的研究，主要包括涝渍对葡萄的影响、葡萄耐涝能力以及涝渍相关指标等方面。涝渍灾害对葡萄的影响以及葡萄耐涝能力的研究主要基于淹水控制试验，通过人为控制外界水分条件，对葡萄的生理生态指标[9]、产量[10-11]以及果实品质[12-13]等方面进行研究，成果表明：葡萄在不同发育期耐涝能力有所不同，萌芽期和新梢生长期是需水关键期；开花坐果期要求降水较少，过多则影响花粉受精坐果；果实膨大期和着色成熟期如遇过度降水易引发病虫害，导致葡萄产量和品质下降。

涝渍相关指标的研究多基于天气气候尺度，从气象洪涝的定量分析和评估出发，常用指标有降水距平[14-17]、湿润度指数[18-19]等，涝渍灾害的形成不仅受当前降水量影响，还与前期降水量联系密切[5]。肖楠舒[20]、马延庆等[21]基于降水量和持续时间等因子构建葡萄霜霉病指标，采用连续两旬降水量之和超过100 mm为指标。张旭晖等[22]根据农田水分平衡原理，基于日涝渍灾害指标和权重指数构建涝渍灾害指数模型，系统分析江苏省农田涝渍时空分布规律和气候变化趋势。马晓群等[23]考虑农业旱涝的前期累积效应影响，以逐旬相对湿润度指数为基础，定量表征玉米涝渍形成的逐步累积以及前期影响的差异性，创建可反映旱涝渐变的累积湿润指数的经验公式。盛绍学等[24]利用气象资料、小麦发育期资料和产量资料等，构建包括涝渍脆弱度、气候风险指数、涝渍综合风险评估系数等不同的涝渍风险表征模型。上述指数或指标研究大多针对大田作物，在考虑前期影响时多以旬为尺度，只能在生长期结束后进行评估，缺乏对涝渍灾害过程监测评估的时效性，有关葡萄涝渍灾害指标，特别是基于葡萄涝渍灾变过程的指标研究鲜见报道。

鉴于此，本文以中国环渤海地区葡萄主产区为研究对象，利用气象资料、葡萄发育期资料以及葡萄涝渍历史灾情资料，充分考虑前期水分盈亏的影响，构建葡萄逐日涝渍指数，并结合历史灾情样本涝渍灾变过程解析结果，通过统计分析方法构建包含涝渍持续时间以及灾害强度的环渤海葡萄涝渍灾害等级指标体系，并在此基础上开展葡萄涝渍灾害风险评估。上述指标可实现对葡萄涝渍灾害过程的实时动态判识评估，填补葡萄涝渍灾害等级指标的空白，具有较好的业务应用前景，为开展葡萄防灾减灾气象服务、灾害保险等提供基础支撑。

1 资料与方法

1.1 研究资料

1.1.1 研究区概况

研究区域为中国环渤海葡萄主产区，根据全国葡萄种植面积与产量数据(http:∥zzys.agri.gov.cn)，结合前人研究及葡萄种植区划[7,25]，研究区域包括北京、天津、河北、山东、辽宁。该区域位于中国东部沿海(34°23′～43°26′N，113°04′～125°46′E)，区域内地形和地貌类型复杂多样，年平均气温为8～12℃，多年平均降水量为800 mm，属于暖温带半湿润季风气候区，四季分明、冬干夏湿。

1.1.2 资料来源

气象资料来源于国家气象信息中心，包括1980—2019年中国环渤海地区323个国家基本气象站的逐日日照时数、降水量、平均温度、日最高气温、日最低气温、平均风速和平均气压等，去除缺测率超过5%的站点，对个别缺测数据用历年平均值替代进行插补，最后筛选得到303个国家基本气象站的逐日地面气象观测数据，研究区域内气象站点分布如图1所示。葡萄涝渍历史灾情资料来源于《中国气象灾害大典》(北京卷、天津卷、河北卷、山东卷、辽宁卷)[26-30]、《中国气象灾害年鉴》[31]、葡萄灾情调查、果园灾情记录以及媒体报道等。

图1 研究区域内气象站点分布Fig.1 Distribution of weather stations in target area

1.1.3 资料处理

基于葡萄不同发育阶段对涝渍敏感的差异性，结合国内学者对环渤海地区葡萄发育期的研究记录数据及环渤海地区实际情况[20,32-33]，本研究将涝渍对葡萄的影响时段划分为萌芽-新梢生长期、开花坐果期、果实膨大期和着色成熟期。

葡萄涝渍灾害程度分级，依据《中国气象灾害大典》(北京卷、天津卷、河北卷、山东卷、辽宁卷)和《中国气象灾害年鉴》中关于葡萄涝渍灾害的相关记录，按照葡萄涝渍受灾程度的描述，将涝渍受灾程度分为轻度、中度、重度3个等级，其中对应的描述为：轻度涝渍，部分受灾、受损；中度涝渍，严重受渍、成灾、部分绝收；重度涝渍，大量减产、绝收、冲走果树。根据灾害记录中涝渍发生的时间、地点与降雨过程，结合葡萄的不同发育阶段，反演葡萄历史涝渍灾害过程，共得到葡萄不同发育阶段、不同等级涝渍灾害样本130个。随机选取葡萄不同发育阶段、不同灾害等级涝渍灾害样本104个进行指标构建，预留26个样本进行指标验证。

1.2 研究方法

1.2.1 涝渍指数的构建

研究表明:作物在进化历程中，为适应环境形成了有效的适应反应机制，某地主栽作物类型及其品种，是对平均气候状态长期选择和适应的较好结果，涝渍灾害发生的直接原因是作物水分盈亏明显偏离平均状态[34]，因此为消除站点内的时间差异、站点间的空间差异等影响，将某地作物当前水分盈亏状况与该地区历史平均态水分需求状况相比较进行涝渍评估更有针对性。参考作物相对湿润度指数的计算公式，构建葡萄涝渍指数M5i。

(1)

ETci=Kci×ET0i。

(2)

式(2)中，Kci为葡萄作物系数，参考1998年FAO-56推荐的分段单值平均作物系数法[35]和文献[20]，对葡萄萌芽-新梢生长期、开花坐果期、果实膨大期、着色成熟期4个发育阶段的Kc进行逐月划分，4—10月的Kc分别为0.35，0.45，0.52，0.85，0.80，0.60，0.45，ET0i为某站点第i日的参考作物蒸散量(单位：mm),计算方法采用FAO推荐的Penman-Monteith公式[35]。

葡萄在不同发育阶段对水分的需求不同，前期水分盈亏状况也会对当前葡萄生长发育产生影响，在考虑前期水分盈亏影响时，采用权重递减的思路，即假定当日水分盈亏状况对该日M5i贡献最大，当日前几日的水分盈亏情况对当日M5i贡献随时间前移而递减，且所有因子总权重为1。

(3)

综合文献[36]及灾情记录反演结果，考虑当日前5 d的水分盈亏前效影响情况效果最佳，因此，式(3)中n=5；k为包含当日在内的前k天，即当日k=1，当日前1日k=2，依次类推，k=1,2,…,n。因此当日权重系数ωi为5/15，前1日的权重系数为4/15，依次类推。环渤海葡萄涝渍指数M5i公式如下：

(4)

1.2.2 指标阈值的确定

高斯分布的Lilliefors检验是通过对累积频率分布的比较，判断样本是否遵从高斯分布，它提出变量遵从高斯分布的原假设，判断其是否符合正态分布[37]。若样本序列不符合正态分布，可对原始序列数据进行初等函数变换(如对数、平方根、立方根等)，使序列峰度-偏度系数减小，从而符合正态分布[38]。

采用t分布区间估计方法，估计样本的重现水平[39]。采用样本平均值的90%置信区间表征样本的M5i逐日累加值区间，以90%置信区间的上、下置信区间为界限，作为达到该葡萄涝渍等级的M5i累加值的临界值。

1.2.3 指标验证

在构建指标前，随机预留26个独立葡萄涝渍灾害样本，用于葡萄涝渍等级指标的验证。26个葡萄涝渍灾害样本包括萌芽-新梢生长期样本2个，开花坐果期样本2个，果实膨大期样本10个，着色成熟期样本12个。根据验证样本中记载涝渍发生的时间、地点，依据构建的葡萄涝渍等级指标，计算得到葡萄涝渍等级，对比验证其与历史记录灾情等级的一致性。

1.2.4 致灾风险指数

葡萄涝渍致灾风险指数指给定地理区域一定时段内葡萄轻度、中度、重度涝渍发生的可能性，即研究给定区域内葡萄涝渍的发生概率或重现期。综合考虑葡萄不同发育阶段涝渍等级及其发生概率，构建葡萄涝渍致灾风险指数评估模型：

(5)

式(5)中，Dr为涝渍致灾风险指数，Qj为第j个等级涝渍灾害的强度，m为涝渍的等级数(本文m=3)，Pj为第j个等级涝渍灾害发生的概率。涝渍灾害发生概率(Pj)的计算方法采用信息扩散法[40-42]。

2 结果与分析

2.1 葡萄涝渍灾害过程反演

根据灾情记录，反演对应时间和地点的降水过程，得到对应灾情记载时间前15 d到后15 d的降水和M5i序列。根据反演的各灾情样本对应的降雨过程，得到各灾情样本对应灾害过程的M5i逐日值，分别统计各个涝渍过程中M5i在阈值0，1，2，3，4，5，6之间的持续日数及其过程中逐日累加值，根据统计结果得到不同M5i阈值下灾害样本的被判识率(图2)。

由图2可以看到，各个灾害过程中M5i在0，1，2，3时，灾害样本被判识率均为100%；在4，5，6时，灾害样本被判识率均小于100%，且随阈值增加被判识率逐渐减少。基于判识率最大、空判率最小的原则，选择3作为阈值，即统计M5i≥3的持续日数及其过程中M5i逐日累加值进行葡萄涝渍灾害等级指标构建。

图2 葡萄不同M5i阈值下灾害样本被判识率Fig.2 Identification rate of grape disaster samples under different M5i threshold

2.2 葡萄不同等级涝渍指标构建

根据灾害样本反演结果，统计M5i≥3持续日数分别为3，4，5，6，7，8，9，10 d及以上时，轻度、中度和重度涝渍的样本量占该持续日数总样本量的百分比，结果如图3所示。由图3可以看到，94.7%的轻度涝渍样本M5i≥3持续日数为3～4 d，82.4%的中度涝渍样本M5i≥3持续日数为5～6 d，64.7%的重度涝渍样本M5i≥3持续日数为7 d 及以上。因此，按照M5i≥3的持续日数划分，初步判识指标为：持续3～4 d为轻度，持续5～6 d为中度，持续7 d及以上为重度。

图3 葡萄不同等级涝渍灾害样本量占总样本量的百分比(M5i≥3)Fig.3 The samples percentage of grape waterlogging disasters of different grades in the total samples (M5i≥3)

根据上述初步判识指标对历史灾情等级进行判别时，有些灾例的判识结果不准确。以着色成熟期为例，2009年8月18日费县站灾情样本记录反演结果表明：M5i≥3持续日数为5 d，初步判识等级应为中度涝渍，但是其历史灾情记录描述为重度涝渍，反演其相应过程M5i逐日累加值达到148，因此初步判识指标出现误差，即仅依靠M5i≥3的持续日数对涝渍灾害等级的判识不准确，需要添加辅助指标，即通过界定M5i≥3过程中M5i逐日累加值上下限阈值修正初步判识结果，进行葡萄涝渍灾害等级判识。

根据初步判识指标统计303个气象站1980—2019年所有可能涝渍过程，即筛选条件为M5i≥3的持续日数至少为3 d。每个发育阶段均统计得到3组M5i逐日累加值序列，分别对每个发育期3～4 d，5～6 d，7 d及以上过程中M5i≥3的逐日累加值序列进行正态分布检验，对不符合正态分布的数据序列进行初等函数变换，变换后的新样本序列通过正态分布检验(达到90%信度水平)。结合灾情样本的数据分布，利用t分布区间估计方法，得到平均值90%置信区间(表1)。

表1 葡萄发育阶段不同持续日数过程涝渍指数M5i逐日累加值序列平均值90%置信区间Table 1 90% confidence interval of the mean value of the cumulative M5i in the process of different duration during grape growth stages

当过程中M5i逐日累加值超过其相应序列90%置信区间上限时，涝渍灾害等级强度加1级，小于其对应序列90%置信区间下限值时，涝渍灾害等级强度降1级，由此确定葡萄不同发育阶段、不同涝渍等级的涝渍指标区间。为应用方便，对阈值进行取整(表2)。

表2 葡萄不同发育阶段涝渍灾害等级指标Table 2 The grape waterlogging disaster level indicators during different growth stages

本文所得葡萄不同发育阶段涝渍灾害等级指标以M5i≥3的持续日数为初步判识指标，初步判定等级后，再对过程中M5i进行累加，得到过程中M5i逐日累加值，根据累加值大小，对初步判定等级进行修正，得到最终涝渍灾害等级。

以着色成熟期为例，2008年8月11日北京站样本灾情记录描述为轻度涝渍，灾情样本反演结果，M5i≥3持续5 d，初步判定其涝渍等级为中度，计算得到过程中M5i逐日累加值为28，小于中度涝渍等级相对应的M5i累加值下限阈值29，则修正该过程涝渍灾害等级强度降一级，为轻度涝渍，与灾情记录等级相符。2011年8月9日大连站样本灾情记录描述为中度涝渍，灾情样本反演结果M5i≥3持续6 d，初步判定其涝渍等级为中度，计算得到过程中M5i逐日累加值为61，位于阈值区间内，则最终该样本计算等级为中度涝渍，与灾情记录等级相符；2000年8月8日兴城站样本灾情记录描述为重度涝渍，灾情样本反演结果M5i≥3持续5 d，初步判定其涝渍等级为中度，计算M5i逐日累加值为139，大于中度涝渍等级相对应的M5i累加值上限阈值86，则修正该过程涝渍灾害等级强度加一级，为重度涝渍，与灾情记录等级相符。

2.3 葡萄涝渍灾害等级指标验证

用预留的26个独立样本，对葡萄涝渍灾害等级指标进行验证，将结果分为3大类，即完全符合、基本符合、完全不符合，其中基本符合为指标计算等级与历史记录等级相差一级。验证结果见表3，结果表明：计算等级与历史记录完全符合的样本共22个，占全部样本的84.6%；计算等级与历史记录基本符合的样本共2个，为1994年青龙和1997年承德，占全部样本的7.7%，即完全符合和基本符合占总样本量的92.3%；计算等级与历史记录完全不符合的样本共2个，为1985年密云和2011年栖霞，占全部样本的7.7%。考虑到灾情描述存在一定误差，可以认为指标对历史灾情判识具有较好有效性，表明构建的葡萄涝渍等级指标能较好反映葡萄涝渍灾害的实际发生情况。

表3 葡萄涝渍灾害指标验证Table 3 Verification of grape waterlogging disaster indicators

2.4 葡萄涝渍灾害风险分析

基于已构建的中国环渤海地区葡萄涝渍灾害等级指标和303个气象站资料，利用信息扩散法，计算1980—2019年303个气象站葡萄轻度、中度、重度涝渍的风险概率，葡萄不同发育阶段不同涝渍等级风险概率的站次比如图4所示。葡萄萌芽-新梢生长期和开花坐果期分别有69.64%和61.06%的气象站轻度涝渍发生概率大于20%，40.26%和42.57%的气象站中度涝渍发生概率小于5%，92.74%和87.46%的气象站重度涝渍发生概率小于5%；葡萄果实膨大期轻、中、重度涝渍分别有95.04%，43.23%，12.21%的气象站发生概率大于20%；葡萄着色成熟期轻度、中度、重度涝渍分别有98.02%，83.50%，23.76%的气象站发生概率大于20%。

图4 葡萄不同发育阶段不同等级涝渍发生概率站次比Fig.4 Station ratio of grape waterlogging disaster probability at different grades during different growth stages

综上所述，1980—2019年环渤海主产区葡萄各发育阶段均为轻度涝渍发生范围最大，中度涝渍次之，重度涝渍发生范围最小，各发育阶段重度涝渍灾害发生范围随发育进程推进逐渐增大，果实膨大期和着色成熟期的轻度、中度、重度涝渍灾害发生范围明显大于前两个发育阶段。

综合考虑不同等级葡萄涝渍灾害发生概率和灾害强度，计算葡萄涝渍灾害风险指数，环渤海地区葡萄涝渍灾害风险空间分布情况如图5所示。总体上，葡萄涝渍灾害致灾风险随着葡萄发育进程的推进逐步增加，由小到大的顺序为萌芽-新梢生长期、开花坐果期、果实膨大期和着色成熟期。环渤海地区葡萄主产区属于暖温带半湿润季风气候，春季少雨，葡萄前期生长发育受涝渍影响较小；夏季多雨，降雨主要集中在7—9月，此时正值葡萄的果实膨大期和着色成熟期，导致葡萄生长发育后期涝渍灾害风险较大。

图5 葡萄涝渍致灾风险指数空间分布Fig.5 Spatial distribution of grape waterlogging disaster risk index

研究区域内萌芽-新梢生长期的涝渍灾害致灾风险指数普遍在0.6以下，只有辽宁的东南部地区及山东南部和东部小部分地区风险指数高于0.6，表明葡萄萌芽-新梢生长期不是涝渍灾害的高风险时期。

与萌芽-新梢生长期相比，开花坐果期的涝渍灾害致灾风险指数略有增加，高风险区域范围略有改变，主要位于辽宁的东南部地区，低风险区域位于河北南部的大部分地区。

果实膨大期和着色成熟期的涝渍灾害致灾风险明显增高，高风险区域范围较前两个发育阶段也明显扩大，由环渤海地区东南部区域向西北方向推进。除河北西北部小部分地区风险指数值低于0.3外，剩余大部分地区的葡萄涝渍灾害致灾风险指数在0.6以上，两个发育阶段均为葡萄涝渍灾害的高风险时期。

3 结论与讨论

以中国环渤海地区葡萄主产区为研究对象，在构建逐日涝渍指数M5i的基础上，以历史灾情反演、灾情样本重建和灾害过程解析为主线，构建适用于中国环渤海葡萄主产区的葡萄涝渍灾害等级指标体系，并在此基础上开展葡萄涝渍灾害风险分析，主要结论如下：

1) 从历史灾情分析出发，构建环渤海地区葡萄不同发育阶段轻度、中度、重度涝渍灾害指标。葡萄各发育阶段均以M5i≥3的持续日数为主导判识指标，轻度、中度和重度涝渍主导判识指标分别为持续3～4 d，5～6 d和7 d及以上，并对过程中M5i逐日累加值阈值进行界定作为辅助指标，最终构建得到环渤海地区葡萄不同发育阶段涝渍灾害等级指标。

2) 环渤海地区葡萄各发育阶段均以轻度涝渍发生范围最大，中度涝渍次之，重度涝渍发生范围最小，各发育阶段重度涝渍灾害发生范围随发育进程的推进逐渐增大，果实膨大期和着色成熟期的轻度、中度以及重度涝渍灾害发生范围明显大于前两个发育阶段。

3) 环渤海地区葡萄不同发育阶段涝渍灾害风险从小到大依次为萌芽-新梢生长期、开花坐果期、果实膨大期和着色成熟期，葡萄涝渍灾害高风险区域主要位于山东东南部、辽宁东南部、河北东北部。

葡萄涝渍灾害的形成是多种因素综合作用的结果，其中天气条件是涝渍发生发展的致灾危险性因素。由于降水较多且排水不畅，葡萄果树根系和地上部分生长发育受阻，还易引发病虫害[10,12-13,43]，导致葡萄减产和品质下降。葡萄涝渍等级指标构建过程基于对历史灾情的加工整理和再分析，所采用的灾害样本覆盖中国环渤海葡萄主产区，且灾情记录时间跨度大，通过对历史灾情样本的统计分析，反演葡萄涝渍灾害发生发展过程，本文构建的葡萄涝渍灾害等级指标具有科学性和区域代表性。

本文参考相对湿润度指数，考虑当日及前期水分盈亏的综合影响，构建得到葡萄逐日涝渍指数M5i。涝渍灾害是一个动态过程，目前涝渍灾害风险评估的研究大多是静态的、灾后的评估。由于降水等气象资料在气象业务中可以实时获取，因此本文构建的基于降水量和需水量的葡萄涝渍灾害指标可以实现对葡萄涝渍过程的动态判识评估，为开展区域涝渍灾害监测预警与评估提供重要技术支撑。

本文采用等级权重与历史灾害发生概率相乘的方法构建风险指数，该构建方法常见于农业气象灾害研究中，如水稻高温热害[44]、苹果干旱[45]、农业洪涝[46]等，在实际生产中，葡萄涝渍灾害的发生不仅与降水、果树需水特征密切相关，葡萄果树的树龄、品种、地形地貌及灌溉状况很大程度上影响葡萄涝渍灾害的形成，后续研究将综合考虑危险性、脆弱性和种植区域的防灾减灾能力，优化风险指数模型[47]。果树灾害指标研究尚处于起步阶段，本文参考苹果干旱[48]、玉米冷害[49]等指标构建方法，通过搜集历史灾情样本，对其进行反演分析用于指标构建，因此研究中资料的可靠性至关重要。目前葡萄涝渍灾害方面的研究基础较为薄弱，灾情记载的详尽程度不一，这可能与葡萄产业在当地的影响和重要程度以及前期对林果生产等关注度不足有关。由于灾情记录样本较少，同时受灾损资料及葡萄发育期资料的限制，无法通过葡萄关键发育阶段涝渍强度和等级分阶段量化灾损情况。未来随着产量和品质资料的补充，葡萄灾情资料和发育期资料的完善，以及果园管理情况、土壤状况和葡萄果树耐涝能力等资料的不断丰富，可在葡萄前期水分盈亏状况对当前涝渍过程影响权重赋值方法、葡萄涝渍指数算法以及涝渍灾害各等级指标阈值厘定方法等方面继续深入研究。