基于农业灾情数据的贵州省粮食单产灾损估算模型

杨世琼，左 晋，于 飞，谭 文

(贵州省山地环境气候研究所，贵州 贵阳 550002)

0 引言

【研究意义】贵州省是全国唯一没有平原支撑的省份，全省地貌属于喀斯特高原山地，农业生产基础薄弱[1-2]。受气候、地形影响，贵州省气象灾害灾种较多、灾害频繁、影响危害程度较严重[3]，其中以干旱、洪涝、冰雹、低温等农业气象灾害为典型，成为制约农业经济发展的重要因素之一。贵州省粮食作物播种面积约占农作物总面积的半数以上，因此抓好粮食生产，确保粮食安全是省委省政府高度重视的一项硬任务，也是全面推进乡村振兴、加快农业农村现代化的重点工作。近50年来，贵州省平均气温呈递增趋势，年际变化较大，降水量空间分布上极不均匀，南多北少，极端降水诱发地质灾害及石漠化[4-7]。气候变化背景下，极端气候事件频发，贵州省粮食安全面临较大风险。2009—2010年贵州省发生罕见的夏秋连旱叠加冬春连旱，干旱日数达242 d。据统计，2010年贵州省农作物受旱面积127.1万hm2，其中成灾65.6万hm2，绝收面积61.5万hm2，造成直接经济损失142.5亿元[2，8-9]。2014年贵州省先后出现10余次极端强降水天气，引发洪涝灾害，农作物受灾面积40.5万hm2，其中成灾面积34.1万hm2，绝收面积6.4万hm2，造成直接经济损失177.0亿元[10]。可见农作物受灾面积、成灾面积、绝收面积与产量之间存在一定关系。因此，探究粮食气候减产量与灾情的关系，构建基于灾情的粮食单产灾损估算，对科学预测粮食单产具有重要意义。【前人研究进展】目前，国内外关于灾害与粮食产量关系研究的方法主要有气象要素分析法[11-12]、自然灾害风险理论法[13-15]、作物模型法[16-17]及基于灾情数据分析法[18-23]等，其中灾情统计分析法数据易于获取，最能直接反应不同灾种及灾害程度对粮食生产的影响。王健等[19]基于农作物灾情统计数据与粮食单产构建气候减产量估算模型，并找到影响东北粮食减产的主要气象灾害；房世波等[20]通过灾情数据分析我国农业气象灾害的时空分布特征；林志宇等[21]利用灰色关联模型得到福建省不同农业气象灾种对粮食作物的影响；张轶等[24]利用多元线性回归模型构建长江中下游地区7省市农作物灾情与粮食减产量的回归模型，并用主成分分析法分析主要灾害。【研究切入点】前人使用的灾情统计数据多以农作物为对象[19，23]，然而粮食作物在农作物中的占比有限，以贵州省为例，近年来粮食播种面积仅占农作物播种面积的50%左右，且产业结构调整下逐年占比波动较大。因此，为了更好地研究粮食因灾受损情况，利用粮食灾情数据与减产量构建产量灾损估算模型。【拟解决的关键问题】通过灰色关联法分析不同灾种对具体粮食作物的影响，以期为贵州省防范化解农业气象自然灾害风险，提高及科学预测粮食单产提供决策依据。

1 资料与方法

1.1 数据来源

2010—2020年贵州省农业生产统计资料来自国家统计局贵州调查总队。粮食作物的播种面积每年均在变化，为剔除播种面积对产量的影响，研究的粮食产量均以单位面积产量表示，简称单产。由于贵州省全年粮食包括水稻、玉米、马铃薯、小麦和小杂粮，而2010—2020年水稻、玉米和马铃薯3种主要粮食作物的播种面积占全年粮食播种总面积的68.66%～78.84%。因此，选择研究的农业生产数据包括全年粮食、水稻、玉米和马铃薯的播种面积及单产。2010—2020年贵州省粮食灾情统计资料来自贵州省农业农村厅农情信息调度系统，包括干旱、洪涝、低温冷害、风雹的受灾面积、成灾面积和绝收面积。

1.2 研究方法

1.2.1 粮食作物灾情统计 农业灾情统计资料所定义的受灾、成灾、绝收面积分别为农作物因灾减产1成及以上、3成及以上、8成及以上的面积。为明确评估不同程度农业气象灾害对粮食单产的影响，确定粮食作物的受灾、成灾和绝收面积为因灾减产10%～29.9%、30%～79.9%和≥80%的面积。由于粮食作物的播种面积每年均在变化，为剔除由播种面积差异引起的波动，便于比较历年粮食的受灾情况，以受灾面积、成灾面积和绝收面积分别与当年播种面积的比值来表示粮食受灾情况。

受灾率(Ks)=Ss/S×100%

成灾率(Kc)=Sc/S×100%

绝收率(Kj)=Sj/S×100%

总受灾率K=Ks+Kc+Kj

式中，Ss、Sc、Sj分别为受灾面积、成灾面积及绝收面积；S为粮食播种面积。

1.2.2 粮食气候减产量计算 通过粮食实际单产、趋势单产、气候单产及期望单产等指标，计算粮食气候减产量。

Y=Yt+Yw+O

式中，Y为粮食实际单产；Yt为趋势单产，通常由时间序列分析方法等数学方法对其进行拟合(本研究中以3 a滑动平均法分离的气候单产与农业灾情统计资料的拟合程度最高)，表示除气象条件外，由品种特性、土壤肥力、农业科技水平、管理水平等因子影响下的趋势单产；Yw为气候单产，通常根据其与气象因子的关系，建立数学模型求得；O为随机噪音(kg/hm2)，通常可忽略不计。

为合理解释贵州省粮食单产受农业气象灾害影响，以研究时段内最优气候条件下的粮食单产为期望单产。

Yd=Yt+Ywmax

式中，Yd为期望单产，Yt为趋势单产，Ywmax为研究时段内气候单产最大值。假定研究时段内实际单产未达到历史最优气候条件单产的年份为气候减产年，为区别于气候单产，并反映贵州省每年均有不同类型农业气象灾害发生的情况，定义粮食气候减产量为期望单产与粮食实际单产的差值。

ΔYw=Yd-Y

式中，ΔYw为粮食气候减产量，Yd为期望单产，Y为粮食实际单产。

1.2.3 农业气象灾害影响的灰色关联分析 采用灰色关联法评价干旱、洪涝、低温和风雹4种气象灾害在受灾率、成灾率及绝收率水平上对贵州省全年粮食、水稻、玉米、马铃薯气候单产的影响程度。构建各作物2010—2020年气候单产的原始序列Yt= {Yt(n)，n= 1，2，…，11}，以4种农业气象灾害的受灾率、成灾率和绝收率为评价指标，构建比较序列Kij= {Kij(n)，n= 1，2，…，11}，其中i=1，2，3，4分别表示干旱、洪涝、低温和风雹，j=1，2，3分别表示受灾率、成灾率及绝收率，建立灰色关联模型。

1.2.4 粮食单产灾损估算模型构建 贵州省农业灾情分为干旱、洪涝、低温和风雹4种农业气象灾害，而粮食减产实际是由多种灾害共同影响造成，因此，研究以粮食气候减产量与4种灾害的总受灾率、总成灾率和总绝收率建立多元回归模型，以估算粮食的气候减产量。

ΔYw= a1Kts+a2Ktc+a3Ktj+b

式中，ΔYw为粮食气候减产量；Kts、Ktc、Ktj分别为总受灾率、成灾率和绝收率；a1、a2、a3分别为受灾率、成灾率及绝收率的回归系数，b为残差项。

1.2.5 基于灾损的粮食单产估算模型构建 在粮食气候减产量估算基础上，得到粮食实际单产与粮食气候减产量的关系，构建区域粮食单产估算模型。

2 结果与分析

2.1 贵州省粮食作物的农业气象灾害变化特征

从图1可看出，2010—2020年贵州省粮食作物在干旱、洪涝、风雹和低温等农业气象灾害的变化特征。

2.1.1 干旱 粮食干旱总受灾率在2010年、2011年及2013年发生比率较大，尤其是2011年达45.62%，为历史重灾年份[24]；2014开始，干旱总受灾率的变化幅度趋于平稳，且均低于5%，其中2014年总受灾率最小，为0.16%。近年来贵州省粮食作物干旱总发生率呈大幅下降趋势，逐年的受灾、成灾比率相当，绝收比率较小。

2.1.2 洪涝 近年来贵州省粮食作物洪涝灾害的总发生率变化幅度较大，尤其是2010—2015年波动较大，其中最大值出现在2014年，为7.22%，最小值为2018年的0.92%。从整体趋势看，洪涝灾害呈略减趋势，逐年受灾率>成灾率>绝收率。

2.1.3 风雹 近年来风雹的总发生率在2012—2013年波动较大，最大值出现在2013年，为2.19%；最小值为2011年的0.41%，逐年受灾率>成灾率>绝收率。

2.1.4 低温 低温灾害在2011年出现异常高值，发生达4.59%，其余年份均小于1.5%，最小值为2010年的0.07%，较其他灾种而言，风雹的逐年绝收面积明显小于受灾及成灾面积。

总体看，干旱为贵州省2010—2013年主要的农业气象灾害，2014年开始，农业气象灾害逐步由旱转涝，而低温及风雹对粮食作物影响相对较小。

图1 2010—2020年贵州省粮食作物气象灾害特征Fig.1 Meteorological disaster characteristics of cereal crops in Guizhou from 2010 to 2020

2.2 贵州省粮食作物气候单产与灾情的灰色关联性

由表1看出，全年粮食气候单产与干旱、洪涝、风雹和低温4种灾害类别的受灾率和成灾率的关联度分别为0.744 1和0.747 7、0.697 1和0.700 3、0.708 4和0.701 5、0.727 9和0.719 1，受灾及成灾水平均表现为干旱>低温>风雹>洪涝；与绝收率的关联度分别为0.740 7、0.687 1、0.698 5和0.696 4，绝收水平表现为干旱>风雹>低温>洪涝。水稻气候单产与4种灾害的受灾率的关联度分别为0.722 3、0.701 1、0.710 2和0.734 0，受灾水平为低温>干旱>风雹>洪涝；与成灾率的关联度分别为0.723 3、0.703 2、0.703 5和0.719 7，成灾水平表现为干旱>低温>风雹>洪涝；与绝收率的关联度分别为0.719 0、0.690 0、0.703 7、0.693 3，绝收水平表现为干旱>风雹>低温>洪涝。玉米气候单产与4种灾害的受灾率和成灾度的关联度分别为0.630 9和0.635 7、0.581 2和0.578 6、0.600 3和0.596 7、0.608 1和0.611 4，受灾与成灾水平均表现为干旱>低温>风雹>洪涝；与绝收率的关联度分别为0.637 7、0.582 6、0.597 6和0.581 3，绝收水平表现为干旱>风雹>洪涝>低温。马铃薯气候单产与4种灾害的受灾率的关联度分别为0.710 8、0.590 0、0.600 3和0.653 2，受灾水平表现为干旱>低温>风雹>洪涝；与成灾率的关联度分别为0.740 1、0.587 9、0.582 2和0.635 3，成灾水平表现为干旱>低温>洪涝>风雹；与绝收率的关联度分别为0.762 4、0.571 1、0.582 3和0.581 2，绝收水平表现为干旱>风雹>低温>洪涝。

将同一灾种的3个评价指标的关联序相加并对比排序，可综合表征同一气象灾害对不同作物气候单产的影响，干旱影响程度排序为全年粮食=玉米=马铃薯>水稻，洪涝为马铃薯>全年粮食>水稻>玉米，风雹为水稻=玉米>全年粮食>马铃薯，低温为水稻>玉米>全年粮食=马铃薯。

表1 贵州省粮食作物气候单产与4种灾害的灰色关联度和关联序Table 1 Gray relational degree and order between climate yield per unit area of grain crops and four disaster types in Guizhou

2.3 贵州省粮食气候减产量估算模型的建立与验证

2.3.1 粮食气候减产量估算模型 利用气候减产量(ΔYw)与农业灾情统计资料(总受灾率Kts、总成灾率Ktc和总绝收率Ktj)建立多元回归模型：ΔYw= 189.2Kts+ 4 490.6Ktc+50.0Ktj+85.2(R2=0.760)，回归模型决定系数通过0.01水平的显著性检验，且模型的总受灾率、总成灾率和总绝收率系数均为正值，表明总受灾率、总成灾率和总绝收率与气候减产量呈正相关关系，即受灾率、成灾率及绝收率越高，气候减产量越大，粮食因灾损失量也越大。

图2 贵州省粮食实际单产与模拟单产比较Fig.2 Comparison between actual and simulated yield per unit area of grain crops in Guizhou

资料对区域粮食灾损量和粮食单产具有较强的指示作用，能为粮食单产估算和农业气象灾害评价提供可靠依据。

2.3.3 模型应用 以粮食作物灾情统计资料构建的贵州省粮食单产估算模型具有良好的模拟精度。从贵州省粮食实际单产与模拟单产的相对误差(图 3)可知，2010—2020年贵州省粮食实际单产与模拟单产的误差绝对值均低于10%，其中低于5%的比率达 81.8%，相对误差的平均值为-0.18%，误差范围相对合理。但是，由于不同产量水平的作物在相同的受灾、成灾、绝收面积下，其实际减产量存在一定差异，而本研究是以平均单产作为主要研究对象，并未考虑水稻、玉米、马铃薯3种粮食作物因种植结构变化而引起区域产量的水平波动，这也是模型误差的主要因素之一。

图3 2010—2020年贵州省粮食实际单产与模拟单产的相对误差Fig.3 The relative error between actual and simulated yield per unit area of grain crops in Guizhou from 2010 to 2020

3 讨论

利用近11 年(2010—2020年)贵州省粮食作物主要农业气象灾情(干旱、洪涝、风雹、低温)数据分析发现，贵州省4种灾害的平均总受灾率由高到低依次为干旱(10.44%)、洪涝(3.47%)、风雹(0.90%)、低温(0.86%)，表明，干旱灾害发生频率高、范围广、影响力大，仍是影响贵州省粮食产业发展的主要气象灾害，与姚清仿等[25-26]的研究结果一致。贵州省4种农业气象灾害总受灾率均呈递减趋势，尤其是干旱及洪涝灾害下降趋势明显，其中干旱及洪涝分别从2014年及2015年开始大幅度减小。2010—2013年贵州省农业气象灾情以干旱为主，从2014年开始，农业气象灾害发生逐步由旱转涝，而低温及风雹对粮食作物影响相对较小。

干旱、洪涝、低温和风雹4种灾害与粮食气候单产的关联度表明，干旱在全年粮食、水稻、玉米、马铃薯的综合关联度排位第一，不同灾害程度以成灾率最高，说明近年来干旱是以发生程度中等、范围较广的特点成为影响贵州省粮食因灾减产的主要农业气象灾害，与前人的研究结论[27-29]一致。低温综合关联度排第二，是除干旱外主要的农业气象灾害，其绝收率明显大于受灾率及成灾率，因此低温灾害的发生以程度重、山地环境下局地性强为特点，主要以贵州常见的倒春寒和水稻秋风灾害为典型，在作物关键生育期发生突发性的低温灾害往往会遭到不可恢复的损失。而洪涝和风雹不是全省粮食生产的首要农业气象灾害。随着气候变化日趋明显和对粮食产量需求增加，贵州省应不断扩大高产、耐旱、耐寒粮食作物的种植范围，注意区域农业水资源综合利用开发，控制农业干旱风险的增加，因地制宜，合理规划调整种植制度，确保粮食安全。对近年来贵州省粮食气候减产量(ΔYw)与总受灾率(Kts)、总成灾率(Ktc)、总绝收率(Ktj)进行回归分析，构建灾损评估模型：ΔYw= 189.2Kts+ 4 490.6Ktc+50.0Ktj+85.2(R2=0.760，P<0.01)。总受灾率、总成灾率和总绝收率与气候减产量呈极显著正相关关系，即灾害程度越高，气候减产量越大，粮食因灾损失也越大，与生产实际相符。对由灾损模型计算得到粮食单产模拟值与实际值进行相关性分析，相关性极显著(P<0.01)，说明利用当年粮食受灾统计数据在一定程度上可作为估算粮食单产的有效参考。研究构建的基于灾情数据的灾损估计模型与作物模型法、气象要素分析法等方法相比，数据量小、输入参数较少、可实现动态分析，可用于多种主要气象灾害的综合灾损评估，尤其对于容易获取农业灾情动态数据的部门估算区域粮食单产非常适用。研究使用粮食灾情数据取代前人多用的农作物灾情数据，可有效避免每年因种植结构调整引起的区域产量水平波动，从而更精确地估算粮食气候减产量，最终达到降低模拟误差的效果。但研究的灾损模型受限于粮食灾情数据统计序列较短，未细分至作物种类、产量水平等因素，因此该模型还有待于后期进一步完善以降低估算误差。

4 结论

对近11 年(2010—2020年)贵州省粮食作物主要农业气象灾情(干旱、洪涝、风雹、低温)数据进行统计分析，研究贵州省粮食气候减产量与灾情的关系，构建基于灾情的粮食单产灾损估算模型。结果表明，从发生频率看，干旱为贵州省2010—2013年主要的农业气象灾害，2014年起逐步由旱转涝；发生程度中等、范围较广的干旱及程度较重、局地性强的低温灾害是造成贵州省粮食作物减产的主要灾害。

构建了粮食气候减产量(ΔYw)与总受灾率(Kts)、总成灾率(Ktc)、总绝收率(Ktj)的灾损评估模型：ΔYw= 189.2Kts+ 4 490.6Ktc+50.0Ktj+85.2(R2=0.760，P<0.01)，气候减产量与农业灾情统计数据存在呈极显著正相关关系，即灾害程度越高，气候减产量越大，粮食因灾损失也越大。通过模型估算得到的模拟单产与实际单产的相关性显著(P<0.01)，且误差在合理范围内，一定程度上可作为估算粮食单产的有效参考。