东北三省春玉米旱灾动态风险评估

王亚许,吕 娟,左惠强,高 辉,屈艳萍,苏志诚，尹建明

(1. 中国再保险(集团)股份有限公司博士后工作站，北京 100033; 2. 中国水利水电科学研究院，北京 100038;3. 中再巨灾风险管理股份有限公司，北京 100052)

风险最显著的特征是不确定性，如何科学、全面地刻画灾害风险的不确定性是防灾减灾的重要内容[1]。旱灾作为自然灾害的一种，其发生发展缓慢，影响范围广，造成损失大。随着全球极端气象事件增多，农业旱灾损失及影响增大。据统计[2]，1950—2020年，我国年均粮食产量因旱损失达到81.8亿kg，2006—2020年平均农业因旱直接经济损失高达851.6亿元。旱灾风险评估是指导抗旱工作、减轻旱灾损失的有效途径，可为制定科学的抗旱预案、法律法规，采取科学合理的灾前预防措施等提供定量依据[3]。

目前旱灾风险评估大多着重旱灾静态风险，评估方法为搜集地区历史及本底数据，包括气象、水文、地形、土壤、作物、灾损、经济水平、抗旱能力等，在此基础上构建指标体系评估地区旱灾风险，评估结果在一定时期内保持不变，反映的是地区的气候、地形、社会经济等特点，可为旱灾预防等工作提供指导。许凯等[4]利用承德市1991—2005年的历史农业旱灾损失数据以及同期土壤相对湿度数据，分别建立历史旱灾损失频率曲线和旱灾损失与农业干旱指标关系曲线，评估承德市农业旱灾风险。张继权等[5]以辽宁西北部为研究区，从旱灾危险性、暴露性、脆弱性以及防灾减灾能力等四个方面，选取降水量、土壤相对湿度、作物播种面积、单产、抗旱支出、抗旱预案制定等22个指标，利用加权综合评价法和层次分析法等评估辽西北地区农业旱灾风险。Shahid等[6]基于风险的理论框架，选取人口密度、标准化降雨指数、田间持水量、作物产量水平及贫困水平等建立基于致灾性和脆弱性的农业动态风险评估模型评估孟加拉国农业旱灾风险。Carrão等[7]选用历史降水序列亏缺值、人口及牲畜密度、作物覆盖度、经济和基础设施指标分别评估全球危险性、暴露性及脆弱性，结果表明中亚、南美东南部、中欧和美国东南部旱灾风险较高。金菊良等[8]总结了旱灾风险评估方法，建立旱灾风险评估方法体系，包括旱灾风险系统的形成机制以及旱灾风险评估理论模式等，在此基础上构建了旱灾风险评估的初步理论框架。屈艳萍等[9]提出基于区域灾害系统理论、干旱事件过程的农业旱灾风险评估方法并分别在全国及辽西北地区展开案例分析。White等[10]在澳大利亚西南部开展蓝桉旱灾风险研究，通过分析蓝桉的生理指标与气象干旱、土壤水分的关系，建立针对蓝桉定量化的旱灾风险评估方法模型。以上研究从旱灾风险形成机理入手，选取影响干旱发生及损失指标评估农业旱灾风险，结果在一定时期内保持不变，没有考虑农业旱灾风险对时间变化的特征。

在干旱发生发展过程中，农业旱灾风险随时间动态变化。农业旱灾动态风险评估是在地区历史、本底数据的基础上，预测未来干旱演变趋势，评估不同干旱演变趋势下对农业造成的潜在损失，实现对农业旱灾风险的实时和滚动评估[11].本研究提出农业旱灾动态风险评估技术，以BCC/RCG-WG天气发生器[12]随机生成未来气象数据实现对未来干旱演变趋势预测，驱动APSIM作物模型模拟作物产量因旱损失[13]。构建期望产量因旱损失率指标评估农业旱灾动态风险。以东北三省为研究区，评估典型干旱年春玉米生育期内旱灾动态风险变化。APSIM模型能较好地模拟土壤-作物水分动态均衡，反映作物土壤水分关系，在模拟干旱下作物产量损失具有优势[14]。农业旱灾动态风险评估结果可为在旱灾发生过程中采取科学的抗旱应急措施等提供指导，对可用水量各部门分配、应急水源工程启用以及农业灌溉方案优化等尤为重要[15]。

1 材料与方法

1.1 研究区概况

东北三省是指我国的黑龙江、吉林及辽宁省，面积为79.18万km2，地形以平原和山地为主，平均海拔500～800 m。年平均降水量在400～1 000 mm，整体呈现出从南到北逐渐降低的趋势[16]。东北三省是我国重要的粮食产区，耕地面积占全国耕地面积的16.8%，粮食产量约占全国粮食总产量的20%。东北三省主要种植作物为玉米，播种面积为759.4万hm2，占农作物播种面积的67.6%[17]，主要分布区见图1。东北三省大部分耕地无灌溉条件，为雨养农业，因此旱灾是影响粮食产量的主要灾害。

图1 东北三省玉米种植分布及选取气象站点分布

1.2 资料与方法

1.2.1 大田试验 本研究在东北三省各选择一个试验站点，实测土壤数据及春玉米的作物生长数据。分别为农业部阜新农业环境与耕地保育科学观测试验站(48.00°N，121.65°E)，试验年份为2015—2017年；吉林省长春市双阳区试验站(43.31°N，125.37°E)，试验年份为2013—2014年；黑龙江省农业科学院国家级农业示范区 (45.7°N，126.6°E)，试验年份为2012—2013年。各站点播种及收获日期见表1。试验站点单作玉米品种均采用东北三省常见的‘郑单958’品种，由于试验年份较短，为了得到更多春玉米试验数据样本，本研究将春玉米设置为不同种植密度，分别为6、 9、12株·m-2。试验方案设置不同的小区，每个小区长12 m，宽5 m[19]。试验田块在播种前施肥，包括氮肥40.5 kg·hm-2(N)，磷肥87 kg·hm-2(P2O5)和钾肥22.5 kg·hm-2(K2O)。

表1 各试验站点播种及收获时间

实测土壤数据包括试验田块分层土壤质地、水分特性等数据，具体包括分层土壤容重、凋萎系数、田间持水量、饱和含水量、pH等，其中阜新市站点土壤数据设置见表2。春玉米生长观测数据包括播种到开花日数、生育期日数及产量。试验主要用于设置APSIM作物模型参数、田间管理方式、对APSIM模型进行品种参数率定验证等，为APSIM模型在东北三省模拟春玉米生长提供试验数据支撑。

表2 阜新市站点APSIM模型土壤水分参数设置

1.2.2 气象数据 气象数据是驱动作物模型模拟春玉米生长最重要的数据。气象数据主要来源于中国气象数据网(http://data.cma.cn//)，根据春玉米种植分布、站点的空间分布、气象数据序列长度及数据质量，在东北三省选取49个国家基准、基本气象站1961—2020年逐日气象数据，包括逐日降雨、最低/最高气温、风速、相对湿度以及日照时数等气象要素。

土壤特性数据用于作物模型土壤模块参数的设置，土壤数据根据东北三省各地区土壤类型、3个站点大田试验测量以及文献[20]而定。东北三省主要的土壤类型包括暗棕壤黑土带、黑钙土以及棕壤、褐土带。其中棕壤、褐土带主要分布于辽宁省；黑钙土主要分布在松辽平原西部；棕壤、褐土带主要分布在黑龙江和吉林部分地区。

作物数据主要用于作物种植参数设置以及作物品种参数的率定。作物生长发育观测数据来源于东北三省3个试验站点的作物观测数据、各省份作物播种的经验数据，如播种高峰期等。

1.2.3 研究方法 本研究假设干旱发生发展趋势为随机事件，选用天气发生器随机生成未来气象要素的大量样本，描述未来干旱演变的不确定性和趋势概率。气象数据在作物生育期内分为两部分，评估时刻之前已知实测气象数据和之后天气发生器随机生成气象情景数据，假设情景样本数为n，则每一种气象情景下对应干旱事件的趋势概率为：

Pk=1/n

(1)

其中，Pk为情景k的概率；n为样本数，n越大越能代表未来发生干旱情景的各种可能。

将潜在产量与各情景模拟产量之间的差值作为产量因旱损失，潜在产量定义为各情景模拟产量的最大值，则作物产量因旱损失率计算为：

(2)

基于农业旱灾风险定义，构建不同气象情景下春玉米产量期望损失率指标评估农业旱灾动态风险，计算公式为：

(3)

其中，R为农业旱灾动态风险指标，即期望产量因旱损失率。

根据农业旱灾动态风险评估指标划分风险等级大小，本研究定义阈值如表3。

此外,分布式电源的接入还会对电网可靠性产生影响。分布式新能源发电相对传统发电是较新的概念和实践,还在不断探索和改进的阶段,会在一定程度上降低电网可靠性。但随着技术进步和机制体制管理的不断完善,分布式新能源发电将日益发挥其独特优势,提高供电可靠性。分布式发电的合理配置可以降低峰荷时系统对电网输送容量的需求,以避免输配电的阻塞。利用分布式发电满足尖峰负荷的需要,从而延缓相应的输配电建设投资。但用户的分布式电源在属性上是不会由电网根据自身需要配置的,在需要的节点实行节点电价,有利于用户从自身利益出发配置分布式电源,帮助电网延缓设备投资[11]。

表3 农业旱灾动态风险等级阈值

选取决定系数(R2)、标准均方根误差(NRMSE)、相对误差(RE)等统计指标评价APSIM模型及BCC/RCG-WG天气发生器的模拟效果。R2反映模拟值与实测值的一致性，NRMSE和RE反映模拟值与实测值的相对误差。

(4)

(5)

(6)

2 结果分析

农业旱灾动态风险变化评估时段主要考虑作物生育期，东北三省春玉米种植时间大致在4月下旬到5月上旬，收获时间大致在9月中下旬，故本研究农业旱灾动态风险评估时间起点选择在5月1日，以周为步长，滚动评估农业旱灾动态风险，直至春玉米生育期结束，最后一次评估为9月18日，基本涵盖东北三省春玉米的生育期。

2.1 APSIM作物模型模拟效果评估

APSIM模型模拟生育期结果表明，试验虽然设置不同的种植密度，但是在各不同种植密度下的春玉米生育期保持不变。图2a～c为三个试验站点各年份实测与模拟春玉米开花日数、生育期日数及产量评价结果,决定系数R2分别为0.622、0.873、0.501。播种到开花日数、生育期日数和产量NRMSE均在10%以下。开花日数与生育期日数绝对误差在4 d以内，产量绝对误差小于560 kg·hm-2。评价指标表明，APSIM模型在东北三省模拟郑单958品种春玉米的生育期和产量效果较好。

图2 APSIM模型模拟生育期及产量结果比较

2.2 天气发生器模拟效果评估

分析东北三省49个国家基本气象站点BCC/RCG-WG天气发生器6个气象要素年均值的模拟效果，如图3所示，各气象要素的模拟结果R2均大于0.9，表明BCC/RCG-WG天气发生器对各气象要素年均值的模拟效果较好。其中对最高、最低气温的模拟R2在0.99左右，模拟效果最好。

图3 BCC/RCG-WG天气发生器模拟气象要素年均值效果评估

图4 BCC/RCG-WG天气发生器模拟各气象要素月均值相对误差

2.3 农业旱灾动态风险评估

本研究建立的农业旱灾动态风险评估技术可实现旱灾风险的实时评估，本文以2000典型干旱年为例阐述其评估过程并根据农业旱灾动态风险指标(式-3)及阈值划分(表-3)分析评估结果。2000年夏季发生大范围特大干旱，由于发生在春玉米生育期，东北三省平均减产50%以上[21]。该场次干旱在发生事件、影响范围、干旱程度等方面在东北三省实属罕见，具有一定的代表性。本研究选择2000年，研究春玉米生育期内的农业旱灾动态风险变化，评估结果见图5，其中评估时间分别以年-月-日和日序形式标明。

图5 2000年春玉米生育期内东北三省农业旱灾动态风险评估结果

从5月1日播种到5月底，东北三省农业旱灾动态风险变化不大，且整体风险较小，表明该阶段发生干旱对春玉米产量的影响较小。此时东北三省大部分地区呈现出IV级风险，其中黑龙江省大庆市、黑河市出现III级风险。6月农业旱灾动态风险呈现出增加的趋势，中等风险地区面积逐渐扩大，部分地区出现较高风险。大庆市、绥化市部分地区农业旱灾动态风险为I级。整体来说黑龙江北部、辽宁省西部农业旱灾动态风险较高。7月严重干旱持续，农业旱灾动态风险迅速升高，7月中旬农业旱灾动态风险最高，此时东北三省农业旱灾动态风险评估指标平均为0.23，黑龙江省北部地区风险最高，辽宁省西部、吉林中部地区农业旱灾动态风险较高。农业旱灾动态风险增加明显表明该阶段发生干旱对春玉米产量影响较大，7月下旬，农业旱灾动态风险逐渐降低，8月中旬之后东北三省农业旱灾动态风险一直处于低风险且保持不变，表明8月中旬之后发生干旱，对春玉米产量影响较小。

续图5 2000年春玉米生育期内东北三省农业旱灾动态风险评估结果

以阜新国家气象站(站点编号54237)为例分析农业旱灾动态风险变化过程(见图6)。该站点播种～七叶期(日序121～185)发生特大干旱，拔节～抽雄期(日序185～205)发生轻旱，开花～成熟(日序206～263)未发生干旱。播种～拔节期发生严重干旱但对产量的影响不大，潜在产量略有增加，最终导致农业旱灾动态风险增加。拔节之后，干旱程度减轻，此时潜在产量和平均产量却明显减少，表明该阶段发生干旱对产量的影响较为敏感，潜在产量、平均产量迅速下降。开花～吐丝期(日序205～233)此时无干旱胁迫发生，且花期之后即使水分充足，产量因旱损失严重，潜在产量和平均产量几乎没有变化。由于随机生成的未来气象数据时间越来越短(评估时刻到春玉米生育期结束)，干旱事件的不确定性越来越小，农业旱灾动态风险越来越小。乳熟～成熟期(日序233～263)，该阶段未发生干旱，潜在产量和平均产量趋于相等，表明该阶段气象数据对产量不敏感。

图6 阜新站点春玉米旱灾动态风险变化过程

3 讨 论

农业旱灾动态风险的变化主要与发生干旱的程度和所处的生育期有关。东北三省春玉米平均生育期苗期为5～6月，该阶段处于以生根、分化茎叶为主的营养生长阶段，需水量较小，地上部茎、叶量的增长比较缓慢，故发生重旱对春玉米生长影响较小，农业旱灾动态风险较低。苗期潜在产量略有增加可能是因为前期作物受旱有利于作物蹲苗，后期水分充足时，对前期干旱有完全的补偿作用。拔节～抽雄期春玉米需水量迅速增加，生长迅速，该阶段发生干旱影响结实器官的发育，即使发生轻旱潜在产量和平均产量却明显减少，表明该阶段发生干旱对产量的影响较为敏感。潜在产量损失小于平均产量损失表明后期水分充足时，对春玉米产量具有一定的水分补偿作用。开花～吐丝期是玉米授粉期，该阶段发生干旱会导致花期不遇，籽粒数减少，因此也是春玉米产量形成的关键期。潜在产量迅速下降，该阶段发生干旱对产量造成的影响，即使后期水分充足，也几乎无水分补偿作用[22]。

2000年春季及秋季降水正常，干旱主要发生在夏季。全省降水量比正常年份显著减少，为496.9 mm，比多年平均降水量偏少近30%。6—7月干旱尤为严重，辽宁大部降水为历年同期降水量的一半，严重干旱区降水量仅为历年同期降水量的30%[23]。2000年东北乃至全国发生大范围特大干旱，而且干旱发生在春玉米关键需水期对春玉米产量造成了严重影响。已有研究表明APSIM模型对东北地区玉米生育期和最终产量具有较好的模拟结果，该模型在东北地区具有较好的适应性[24]。

与本研究不同，一些研究计算干旱事件在历史中发生的概率，如Sun等[252]计算降水频率和来水频率定义城市干旱发生频率，强调城市干旱事件在历史中发生的频率。一些研究将典型年气象要素或者假设气象要素情景代替未来干旱演变趋势，具有一定的局限性，如Huang等[26]利用假设未来气象数据情景和典型年气象数据替换评估时刻之后的逐日气象数据，驱动作物模型模拟作物因旱损失，评估农业旱灾动态风险。本研究采用未来气象数据的随机模拟计算未来干旱事件发生的随机概率在方法上具有一定的创新性。本研究与已有研究结果具有一致性，如Zhang等[27]分析吉林省玉米种植区风险结果表明，7月吉林省玉米旱灾损失敏感性最高，吉林中西部地区旱灾风险较高，东南部风险较低，东北三省春玉米拔节抽雄期风险较高。Liu等[28]分析辽宁西北部玉米旱灾风险，表明玉米各生育期阶段旱灾风险不同，辽宁省西北部玉米旱灾风险较高。

本研究也存在一定不足，首先天气发生器的效果评估只分析了各气象要素的年平均值模拟效果和月平均值的模拟相对误差，下一步研究可从多个角度分析天气发生器的模拟效果，如气象要素的月极大值、极小值，在不同阈值下的分布等。再者，本研究在站点选取等考虑了春玉米的种植分布，但在风险分析时，未考虑春玉米的种植分布，导致大兴安岭等地区出现农业旱灾动态风险较高。

4 结 论

本研究提出农业旱灾动态风险评估技术方法，选取东北三省为研究区，利用BCC/RCG-WG天气发生器对未来逐日气象数据随机模拟，驱动APSIM作物模型，建立期望产量因旱损失率指标评估2000年东北三省农业旱灾动态风险，主要得出以下结论：

(1)本研究选取的APSIM作物模型和BCC/RCG-WG天气发生器在东北三省具有较好的适用性。APSIM作物模型模拟春玉米播种到开花日数、生育期日数以及产量与试验观测结果决定系数R2均大于0.5，标准均方根误差NRMSE均在10%以下，表明APSIM模型在东北三省模拟春玉米生长效果较好；BCC/RCG-WG天气发生器生成100个气象要素样本与1961—2020年气象数据年均值R2均在0.9以上，月平均降雨、最高气温、最低气温、日照时数、相对湿度及平均风速平均相对误差分别为9.1%、9.9%、14.5%、6.1%、14.7%和21.6%

(2)东北三省2000年5—6月农业旱灾动态风险变化不大，此时处于苗期，发生干旱对春玉米产量影响较小。7月到8月中旬，春玉米处于拔节～吐丝期，农业旱灾动态风险变化较大，该阶段发生干旱对春玉米产量形成影响较大，此时东北三省农业旱灾动态风险指标最高达到0.23。8月中旬之后东北三省处于低风险且保持不变，直到春玉米成熟收获。此时春玉米处于乳熟～成熟期，表明该阶段发生干旱对春玉米产量影响不大。从空间分布上看，黑龙江省北部、辽宁省西北部地区农业旱灾动态风险较高。辽宁省南部，吉林省东南部地区农业旱灾动态风险较低。

(3)从单站点分析性结果表明苗期发生干旱，后期水分充足时对苗期干旱影响有较强补偿作用。拔节期发生干旱对产量的影响较大，且后期水分充足时水分补偿作用较弱。