长江中下游地区双季早稻冷害、热害危险性评价
姚蓬娟1, 王春乙1*,*, 张继权2
1.中国气象科学研究院, 北京 100081
2.东北师范大学灾害研究所,吉林 长春 130024
*通信作者:王春乙(1960-),男,辽宁丹东人,研究员,主要从事农业气象灾害风险评估、气候变化对农作物的影响研究.E-mail:wcy@cms1924.org

作者简介:姚蓬娟(1990-),女,山东荣成人,硕士研究生,主要从事农业气象灾害风险评估研究.E-mail:ypjcams@163.com

摘要

为分析农业气象灾害对长江中下游地区双季早稻生产的影响,选取对双季早稻影响最大的冷害、热害作为致灾因子研究长江中下游地区双季早稻生产的危险性。以长江中下游地区双季早稻种植区48个农业气象站点1961—2012年的气象资料为基础,结合1981—2010年的农业气象资料,判别并量化冷害和热害,以发育期为研究尺度构建双季早稻冷害、热害综合危险性评价模型,研究长江中下游地区双季早稻生长季冷害、热害的发生情况、危险性大小以及各发育期危险性比重。结果表明:①冷害在分蘖期最强,热害在灌浆期最强;冷害变弱,热害变强;山地和丘陵地区多冷害少热害,平原地区多热害少冷害,但靠近大面积水域的平原地区在孕穗或开花期时常有冷害发生。②各发育期的危险度高值区与灾害值的高值区范围相似;从全生育期危险性来看,浙江是危险最高的地区,其次是湖北,而湖南和江西种植条件较好。③从各发育期危险比重来看,整个研究区在灌浆期危险比重最高,其次是分蘖期,然后是开花期,孕穗期最低。湖北主要在孕穗、灌浆期危险,湖南主要在分蘖、开花和灌浆期危险,江西主要在分蘖和灌浆期危险,浙江在开花和灌浆期危险。

关键词: 危险性评价; 双季早稻; 长江中下游地区; 冷害和热害
中图分类号:P463.2 文献标志码:A 文章编号:1001-8166(2016)05-0503-12
Hazard Assessment of Cold and Hot Damage for Double-Season Early Rice (DSER) in Lower-Middle Reaches of the Yangtze River Basin
Yao Pengjuan1, Wang Chunyi1,*, Zhang Jiquan2
1.Chinese Academy of Meteorological Sciences, Beijing 100081, China
2.Institute of Natural Disaster Research, School of Environment, Northeast Normal University, Changchun 130024, China

First author:Yao Pengjuan (1990-), female, Rongcheng City, Shandong Province, Master student. Research areas include agricultural meteorological disaster risk assessment research.E-mail:ypjcams@163.com

Corresponding author:Wang Chunyi (1960-), male, Dandong City, Liaoning Province, Professor. Research areas include risk assessment of agricultural meteorological disaster and effects of climate change on crops.E-mail:wcy@cms1924.org

Abstract

Cold and hot damages which are both common disasters occurring in DSER growth time in lower-middle reaches of the Yangtze River Basin harm early rice. The two disasters occurrence should be deeply studied to protect the DSER yield. This study was based on meteorological data of 48 agricultural meteorological stations during 1961-2010 period and agricultural meteorological data during 1981-2010 for DSER in lower-middle reaches of the Yangtze River Basin. In this study, the growth time was divided into several phases according to the growth stage, including tillering stage, booting stage, flowering stage and filling stage. The disasters taking place at some stages was identified by building new judging standard and their intensity value was calculated by harm accumulated temperature calculation model. Fisher optimal division method was used to classify the disasters and H-P filter was used to consider the reduction of the yield. It was conducted to analize the disasters’ characteristics in growing season, the intensity of hazard and the weight of hazard at each stage by judging and quantifying cold and hot damage and developing hazard assessment model of disasters. All findings were displayed in maps by GIS technology. The results showed that: ①New disaster judging standard was more suitable for DSER and the hazard assessment model could reveal the disaster situation in lower-middle reaches of the Yangtze River Basin. ②Cold damage was severe at tillering stage while hot damage was severe at filling stage. In the view of the distribution of the decadal disaster intensity, cold damage became to be weak and hot damage became to be strong. Compared with the plains, mountainous region and hilly ground were attacked by cold damage frequently and hot damage rarely from the perspective of spatial distribution of disasters. Distinctly, plains near large areas of water were often harmed by cold damage at booting and flowering stage. ③The area of high hazard value and high disasters value at each stage were overlapped by each other roughly. Studying the hazard of the whole growth season showed that the highest hazard value was in Zhejiang province, and the next in Hubei Province. So Hu’nan and Jiangxi Provinces were quite suitable to grow DSER. ④In contrast with the hazard weight at each stage, the vulnerable phases of the whole growth time were in sequence of filling stage> tillering stage> flowering stage > booting stage. What’s more, aiming at defensing and fending off risk, some special stages in special province should be paid close attention including booting and filling stages in Hubei Province, tillering and flowering and filling stages in Hu’nan Province, tillering and filling stages in Jiangxi Province, flowering and filling stages in Zhejiang Province. The conclusion can be taken as theoretical basis for the government management of agricultural production, disaster prevention and mitigation.

Keyword: Hazard assessment; DSER; The lower-middle reaches of the Yangtze River Basin; Cold and hot damage.
1 引 言

长江中下游地区水热资源相对充足, 稻作制度主要为早、晚两季。在双季早稻生长过程中冷害、热害时常发生, 影响产量。1992年6月前后一个月内降雨日数达15 d以上, 气温持续偏低, 再加上光照不足, 使正处于孕穗、抽穗和开花期的早稻空壳率明显增加; 1993年, 5月寒天气严重, 湖南全省僵苗面积有17万hm2, 导致分蘖缓慢, 每公顷苗数偏少45万~75万株[1]; 2003年夏季副热带高压维持在长江中下游地区导致水稻受灾严重, 其中江西省因高温减产约12.2亿kg, 造成经济损失达67亿元[2]。冷害、热害成为影响长江中下游地区双季早稻生长的主要农业气象灾害。

自然灾害的危险性用以描述致灾因子的强度, 主要取决于灾害的活动规模(强度)和活动频次(概率)[3]。以危险度作为危险性大小的度量。目前危险性评价大多将对作物影响较大的农业气象灾害风险要素和风险源作为致灾因子, 选择一系列参数或方法描述致灾因子, 建立评估模型对灾害危险性进行评价[4]。不同学者构建模型的思路和方法差异很大。有学者以灾害指标值度量致灾因子强度, 以不同方法得到的概率模型度量致灾因子发生概率, 构建危险性模型[5, 6]; 有学者针对致灾因子危险性选取多类指标, 通过层次分析等方法确定指标权重后得到加权灾害值, 再与其相应发生频率构建模型[7]; 也有学者将灾损率考虑在内, 以灾害减产率为强度指标, 与灾害发生概率共同构建危险性模型[8]等。专家研究农业气象灾害致灾因子时多选择对作物影响最大的单一灾种, 对基于全生育期的单一灾种危险性进行研究, 如单一研究冷害、干旱、寒害、洪涝、热害对全生育期东北玉米[9]、华北冬小麦[6, 10, 11]、海南荔枝[12]、湖北棉花[13]、长江中下游水稻[14]的危险性等。随着风险理论的发展以及科学指导农业生产的需求加强, 农业气象灾害危险性研究向多灾种动态评估方向发展。陈怀亮等[15]以等权重的方法对影响冬小麦生长的4种农业气象灾害进行综合风险分析区划; 于飞等[16]基于信息扩散理论结合灰色关联方法对8种主要农业气象灾害进行多灾种综合风险评价; 陈家金等[17]针对龙眼不同发育期分别选取气温、风速、连阴雨日数、干旱天数等作为致灾因子, 采用主客观相结合的方法确定各要素权重进而构建综合风险指数模型; 蔡菁菁等[18]、张玉静等[19]、高晓容等[7, 20]和王春乙等[21]将作物生长季划分为不同的生长阶段选择对作物产生重要影响的多个致灾因子进行动态危险性评价。

从当前的研究成果来看, 长江中下游地区双季早稻冷害、热害缺少区域一致的判别指标和量化指标, 多灾种综合危险性评价未形成统一模型, 未见对长江中下游地区双季早稻冷害、热害危险性的动态研究。因此, 本文首先确定冷害、热害评价指标, 掌握灾害的时空分布情况; 然后构建双季早稻冷害、热害危险性动态评价模型, 进而构建综合危险性评价模型; 最后根据综合危险性评价模型分析研究区不同发育期危险性高低以及各发育期危险性比重, 挖掘不同地区冷害、热害重点发生时期, 以期指导农业生产。

2 研究资料和研究方法
2.1 研究资料

本研究以长江中下游早稻种植区为研究范围(包括湖北部分地区、湖南大部分地区、江西、浙江), 选用观测双季早稻的48个农业气象站点(图1)1981— 2010年发育期资料(播种、出苗、三叶、移栽、返青、分蘖、拔节、孕穗、抽穗、乳熟、成熟期普遍期)计算各站点平均发育期; 结合与农业气象资料站相同台站1961— 2012年逐日最高气温、最低气温和日平均气温资料以及站点经纬度资料, 分析灾害的发生情况, 结合各省《气象灾害大典》[22~25], 检验结果可靠性; 利用农业气象站所在县统计局统计的县平均产量资料计算灾年减产率, 以分析研究区冷害、热害危险性。

图1 研究区域及气象站点Fig.1 Study area and agro-meteorological stations

2.2 研究方法

2.2.1 灾害值分级— — Fisher最优分割法

在本研究中采用Fisher最优分割法对灾害强度划分等级。Fisher最优分割法是一种对有序样本进行分割的统计学方法, 其分割原则是使各类内部样本之间差异最小, 而各类之间差异最大。本研究采用此方法划分灾害等级。将灾害值样本从小到大排序, 得到有序样本{(x1, y1), (x2, y2), (x3, y3), …, (xn, yn)}, 类内样本之间的差异程度用“ 直径” 来描述, 定义为该类内样本值与对应的最小二乘线性回归估计值的离差平方和[26]。令D(i, j)表示类样本{(xi, yi), (xi+1, yi+1), (xi+2, yi+2), …, (xj, yj)}的直径, 则:

D(i, j)=(ys-y˙s)2s=ij1

式中:ysxs对应的样本值, y˙sxs对应的最小二乘线性回归的估计值。D(i, j)越小, 表示类内样本越集中。

将某种分类方法下各类的直径之和定义为误差函数F(n, k), 当nk固定时, F(n, k)值越小, 表示各类的离差平方和越小, 分类越合理。则:

Fn, k=minDis, is+1-1s=1k(2)

k=2时, 最优二分割的误差函数为:

Fn, 2=min2jnD1, k-1+Dj, n(3)

根据动态规划的最优原理, 得到Fisher最优分割问题的递推公式:

Fn, k=minkjnFj-1, k-1+Dj, n(4)

研究中将冷害划分为一般冷害和严重冷害2个等级, 热害划分为轻度热害、中度热害和重度热害3个等级。通过计算F(n, k), 对各灾害划分不同等级。

2.2.2 分离趋势产量— — HP滤波方法

研究采用HP滤波方法从县平均产量中分离趋势产量。一般农作物实际产量可以分为3个部分:趋势产量、随历史气象条件波动的气象产量和一般忽略不计的随机“ 噪声” 。气象产量与趋势产量的比值作为相对气象产量, 公式表示为:

y=Y-YtYt×100%(5)

式中:YYt分别为实际产量和趋势产量, Y-Yt为气象产量, 相对气象产量的负值即减产率。计算减产率的重点是分离趋势产量, HP滤波方法模拟得到的趋势产量与实际产量有相近的变化趋势, 能够反应实际产量的变化特点[27]。其工作原理相当于一个高通滤波器, 高频部分被通过, 低频部分被滤除。假设实际产量数据是由长期趋势产量和短期波动产量2部分组成, 则:

yt=gt+ct6

式中:yt是扣除噪声的实际产量; gt为趋势项, ct为波动项, gt是下面方程最小化问题的解:

mingtL=[ct2t=1+λgt-2gt-1+gt-2)2t=3(7)

HP滤波的最优解就是将上式对g1, g2, …, gn一阶求导, 得到结果的矩阵形式为:

(1+λ1-210000-25-410001-46-410000000-21)·g1g2g3gT=y1y2y3yT8

整理后得g=(λ F+1)-1· y。当λ =0时, 满足最小化问题解的趋势序列即为原始产量序列, 随λ 值增加, 趋势线更趋于光滑。一般根据经验, 对于年度数据λ 参考值为100[28]。在Matlab中编程计算出gt, 进而求出各站每年的减产率。

2.2.3 标准化处理

在危险性评价时, 为避免不同指标量纲不统一影响危险性大小, 对灾害值做标准化处理, 有:

Xi=xi-xminxmax-xmin9

式中:Xi为标准化处理后的灾害值, xi为原灾害值, xminxmax分别为灾害的最小值和最大值。经标准化处理后, 各灾害值的范围为[0, 1], 便于危险性大小的比较。

2.2.4 危险性评价模型的建立

对于全生育期单一灾害的危险性而言, 灾害发生的强度越大, 频次越高, 危险性就越高[3], 所以用灾害强度和频次的乘积来表示危险性。但在研究多个发育期多个灾种危险性时, 需要考虑到在不同发育期发生不同灾害对早稻产量的影响是不同的, 这意味着发育期和灾种是影响综合危险性的另外2个因子, 因此在危险性模型中引入权重的概念, 则:

H=i=1aj=1bXij·wij10

式中:H表示危险性, i表示灾种(冷害和热害), a为该发育期灾种数, j表示i灾种发生的不同发育期, bi灾种发生的发育期数, Xij表示每年第i种灾害在第j发育阶段的危害积温累积值; wij表示第i种灾害在第j发育阶段的权重系数。

(1) 权重确定

以灾损率作为评价某发育期某灾种对早稻危险性的贡献指标[18], 则将权重定义为灾害发生频次和灾损率的函数。本研究分析的早稻发育期灾害包括分蘖期冷害、孕穗期冷害、开花期冷害、开花期热害和灌浆期热害, 同一种灾害在不同的发育期有不同的影响, 而且不同的灾害在同一发育期的影响也不同。权重系数应当能够表现出某灾种在某阶段对产量影响的相对大小。所以将权重系数分解为2个部分:一是单一灾种在不同发育期的权重系数, 用来表示在单一灾害发生在不同发育期对产量的影响程度不同; 二是不同灾种之间的权重系数, 用来表示不同灾害对产量的影响不同。

先研究单一灾种在不同发育期的权重系数。针对研究区各站点历年资料, 筛选出单独于分蘖期、孕穗期、开花期发生一般冷害、严重冷害以及开花期、灌浆期发生轻度热害、中度热害、重度热害导致减产(减产率≥ 5%)的年份, 计算出相应的各发育期各等级灾害出现时的平均减产率以及各站点灾害发生次数。每年的产量看做单位1, 每年减产率看做该年的灾损, 某个发育期的灾损以不同等级灾害发生时造成的平均减产率与相应等级灾害发生频次乘积累计得到。研究冷(热)害发生的某发育期所造成的灾损占该灾种造成灾损的比重, 得到单一灾种在不同发育期的权重系数。则该地区某发育期总灾损表示为:

Yj=k=1cfjk·yjk11

式中:Yjj发育期总减产, k为灾害的等级, c为该灾害等级数, fjk为该地区第j阶段等级为k的灾害发生的频次, yjk为研究区j阶段等级为k的该灾害发生时的平均灾损。

用各发育期总减产与该灾害在生育期内造成总灾损的比重表示该地区单灾种发育期权重wj, 公式表示为:

wj=Yjj=1bYj=k=1cfjk·yjkj=1bk=1cfjk·yjk12

再考虑不同灾种的权重系数。筛选出研究区中只发生冷(热)害的年份, 计算出研究区冷(热)害的平均减产率和各站冷(热)害发生频次, 二者乘积即为冷(热)害对该站造成的总灾损。单灾种灾损与两灾种总灾损的比值即为该地区此灾种的权重。

wc=fc·ycfc·yc+fh·yh13wh=fh·yhfc·yc+fh·yh14

式中:wcwh分别为冷害和热害权重, fcfh分别为某站冷害和热害发生频次, ycyh分别为发生冷害和热害的平均减产率。

(2) 各发育期、各灾种危险性模型

各发育期危险性模型表示为:

分蘖期危险性H=Xcj·wc·wj15孕穗期危险性H=Xcj·wc·wj16

开花期危险性H=Xcj· wc· wj+Xhj· wh· wj (17)

灌浆期危险性H=Xhj· wh· wj(18)

各灾种危险性模型表示为:

冷害危险性H=j=13Xcj·wc·wj19热害危险性H=j=12Xhj·wh·wj20

生长季危险性模型表示为:

H=j=13Xcj·wc·wj+j=12Xhj·wh·wj21

式中:j为发育期, wc为冷害权重系数, wh为热害权重系数, Xcj为每年j发育期冷害积温累积值, Xhj为每年j发育期热害积温累积值。

3 灾害指标的确定
3.1 灾害判别指标

3.1.1 判别指标的提出

冷害、热害的临界温度指标并不是一个稳定的值[29], 针对长江中下游地区双季早稻种植特点, 将籼稻生长临界低温和临界高温作为本研究区双季早稻的冷害和热害临界温度指标。结合灾害发生情况[26~30]以及国家标准[31, 32]等, 根据发生时期、临界温度和临界发生天数制定了冷害、热害判别指标, 具体见表1

表1 灾害判别标准 Table 1 The judging standard of disasters

3.1.2 判别指标的验证

开花期低温、开花期高温、灌浆期高温的判别指标是根据国标建立, 而分蘖期低温和孕穗期低温在国标中是以5月低温来定义判别指标。GB/T 27959-2011《南方水稻、油菜和柑橘低温灾害》中规定5月低温是双季早稻分蘖期至幼穗分化期内连续5 d或以上日平均气温≤ 20 ℃。本研究将5月低温更加细致地划分为分蘖期低温和孕穗期低温, 并以日平均温度17 ℃和20 ℃持续3 d以上分别作为灾害判别指标。因此, 需对本研究判别指标进行验证, 以辨别本研究灾害判别指标的合理性。

从各省灾害大典描述冷害的文字中筛选出发生分蘖期冷害、孕穗期冷害或者5月低温的年份作为灾害发生年, 分别用国标和本研究判别指标处理1961— 2000年的气象数据筛选出灾害年, 将筛选结果与灾害发生年进行对比。从结果来看, 用国标判断湖南地区有4年未检测出灾害年, 江西有2年未检测出灾害年; 用本研究指标判断湖南地区有1年未检测出灾害年, 江西有1年未检测出灾害年。而且本研究指标可以精确判断某发育期是否受灾, 对灾害的判断更加敏感细致。所以本研究制定的判别指标可能更合理。

3.2 危害积温的计算

3.2.1 热害积温的计算

热害积温是在发生热害的过程中, 逐时温度高于热害临界温度的累积量。一日内热害积温Ht是该天每小时气温高于临界温度的积累量:

Ht=t1t2T(t)-Tc]dt TtTc(22)

式中:Ht为一日热害积温(℃· d), Tc为指标的临界温度(℃), T(t)为高于临界温度的t时刻的温度(℃)。

某次热害过程所形成的热害积温是逐日热害积温的累加。但是由于许多台站逐小时气象资料过短, 故将气温的日变化简化为图2所示的模型, 所求的逐日热害积温就转化为图2中阴影部分的面积。某次热害过程的危害积温表示为:

Ht过程=j=1j=nt=0t=24T(t)j-Tc]dtdj    =j=1j=n12(Tmaxj-Tc)2Tmaxj-Tminjdj=12(Tmaxj-Tc)2Tmaxj-Tminjj=1nTtTc(23)

式中:Ht过程为过程热积温(℃· d), Tmax为过程中第j日的最高温度(℃), Tmin为过程中第j日的最低温度(℃), n为热害过程的持续天数(d)。

图2 临界值为日最高气温的热害积温计算模型Fig.2 The hot accumulated temperature calculation model of the critical value for daily maximum temperature

某年热害积温Ht表示该年所有热害过程的危害积温累加之和, 公式为:

Ht=i=1mHt过程i24

式中:m为该年热害过程发生的次数, Ht过程i为第i次过程热害积温。

分别计算出各站开花期热害积温和灌浆期热害积温, 并对其从小到大排序, 用Fisher最优分割法将热害划分为轻、中、重3级, 结果见表2

表2 热害等级划分(单位:℃· d) Table 2 The hot damage grading (unit:℃· d)

3.2.3 冷害积温的计算

冷害的判定标准采用的是日平均温度, 所以过程冷积温表示为:

Ct过程=24·Tc-Tjj=1n(25)

Tj为冷害过程中第j天日平均气温(℃)。

得到过程冷害积温之后再按公式(24)计算某年的冷害积温。

对各发育期冷害积温从小到大进行排序, 用Fisher最优分割法将冷害划分为一般冷害和严重冷害2级, 分级结果见表3

表3 冷害等级划分(单位:℃· d) Table 3 The cold damage grading(unit:℃· d)
4 结果与分析
4.1 双季早稻冷害、热害发生情况

利用1981— 2010年发育期资料得到各站点平均发育期, 根据2.1指标结合平均发育期判别出灾害年, 再用2.2危害积温计算方法处理气象资料得到冷害、热害危害积温。利用GIS技术将冷害积温和热害积温按年代统计显示在地图上(图3)。

从分蘖期冷害的分布(图3a)来看, 浙江各年代分蘖期冷害发生较少, 而其他三省分蘖期冷害相对较重, 特别是靠近雪峰山、幕阜山、罗霄山区的站点冷害发生最为严重。其分布特点与山区地形相吻合, 海拔越高, 春季回温较慢, 早稻分蘖期热量条件受到限制, 低温冷害发生较多。从孕穗期冷害的分布(图3b)来看, 长江沿岸、洞庭湖区、鄱阳湖区和汉江附近孕穗期冷害明显较重。其分布特点与长江中下游地区水系分布相吻合, 水系附近春末夏初升温较慢, 早稻孕穗期热量条件受限, 冷害影响早稻孕穗。从开花期冷害的分布(图3c)来看, 湖南山区和浙江沿海地区最重。其分布在内陆与山区地形相关, 在沿海与水系相关, 海拔高或者靠近水域地区在夏季升温比平原地区慢, 不能满足早稻开花期热量需求导致受害。从开花期热害的分布(图3d)来看, 浙江省是受开花期热害影响严重的省份, 丘陵地区影响最重, 其他三省受影响均较小。从灌浆期热害的分布(图3e)来看, 有3个区域发生强度较高, 分别位于湖北东部、湖南中东部和浙江。灌浆期热害的分布与山区和丘陵地形分布相吻合, 盛夏土壤比热低升温快, 高于早稻灌浆期临界高温则导致早稻受害。

从各年代冷害、热害发生强度来看, 分蘖期冷害在1980s最重, 2000s最弱; 孕穗期冷害在1970s最重, 有60%的区域受到灾害影响, 2000s发生最弱, 其他年代基本相当; 开花期冷害1990s最重, 2000s没有发生开花期冷害; 开花期热害2000s最重, 1980s最轻; 灌浆期热害2000s最重, 1960s最轻。

图3 双季早稻各发育期危害积温的年代际变化分布图
(a)分蘖期冷害; (b)孕穗期冷害; (c)开花期冷害; (d)开花期热害; (e)灌浆期热害
Fig.3 The distribution of the decadal disaster intensity in each period of DSER
(a)Cold damage at tilling stage; (b)Cold damage at booting stage; (c)Cold damage at flowering stage; (d)Hot damage at flowering stage; (e)Hot damage at filling stage

4.2 双季早稻冷害、热害危险性评价

根据1.2.4各发育期危险性模型, 计算得到研究区各发育期的危险度(图4a~f)。图4e开花期危险度是开花期冷害危险度与开花期热害危险度之和。

分蘖期冷害危险度(图4a)高值区主要分布在湖南和江西中北部以及湖北东南部, 而浙江地区几乎不发生分蘖期冷害, 对产量的影响也很小, 危险度低于0.03。这与分蘖期冷害积温高值区分布相一致, 平原区危险度低, 山区危险度高。孕穗期冷害危险度(图4b)在大部分地区都很低, 对早稻整个生长季产量的影响相对较小。但在湖北东部江汉平原与江西北部鄱阳湖平原地区和浙江中南部沿海地区危险度相对较高, 这两处都靠近大面积水域, 可能因4~5月升温比内陆慢而在孕穗期不能提供充足的热量对早稻产量造成影响。研究区开花期冷害危险度(图4c)最低, 在空间分布上从东向西先降低后增加, 主要在湖南和浙江两省较为严重; 研究区开花期热害危险度(图4d)在浙江省最重, 其他各省发生较少, 危险度低于0.03; 从开花期危险度(图4e)来看, 长江中下游中部地区危险度很低, 其次是西部湖南地区, 浙江地区最为严重。灌浆期是研究区早稻危险度最高的阶段, 热害危险度(图4f)高值区与热害积温高值区分布相似, 主要在湖北东部、湖南与江西腹部、浙江中西部和江西东北部3个区域, 其中浙江省最严重地区, 危险度达到0.5以上。

从整个研究区(图5)来看, 湖南南部和江西东南部危险度很低, 种植条件最好, 冷害和热害都很少发生, 是优良的双季早稻种植区。而湖南、江西腹地危险度在0.3左右, 是由于灌浆期热害较多导致危险度略高。湖北地区危险度东高西低, 种植条件略差, 阳新和蕲春分别是由冷害和热害严重影响的地区, 导致危险度较高。浙江是最不利于双季早稻种植的省份, 除分蘖期灾害影响少之外的其他各发育期的危险度都比其他省高, 特别是灌浆期高温热害严重影响早稻产量, 成为双季早稻种植的高危险区。

图4 双季早稻各发育期灾害危险度分布
(a)分蘖期冷害危险度; (b)孕穗期冷害危险度; (c)开花期冷害危险度; (d)开花期热害危险度; (e)开花期危险度; (f)灌浆期热害危险度
Fig.4 The distribution of the disaster hazard in each period of DSER
(a)Cold damage at tilling stage; (b)Cold damage at booting stage; (c)Cold damage at flowering stage; (d)Hot damage at flowering stage; (e)Multiple disasters at flowering stage; (f)Hot damage in filling stage

图5 研究区危险度空间分布Fig.5 The spatial distribution of hazard in map

4.3 双季早稻各发育期危险度权重

将每个站各发育期危险度与站点总危险度的比值定义为各发育期危险权重, 其中将开花期冷害和开花期热害危险权重相加, 得到开花期危险权重。分析研究区各发育期危险权重, 研究各地区产量在不同发育期受影响的程度, 分析整个长江中下游地区影响双季早稻产量的关键时期。

从单个发育期来看(图6), 分蘖期是对冷害对产量影响最大的时期, 约有50%的区域危险权重在0.25以上, 其中湖南和江西在分蘖期造成产量损失较高, 特别是江华地区最为严重, 约70%的减产来自于分蘖期低温冷害, 而浙江和湖北地区权重较低。在孕穗期, 大部分地区权重低于0.1, 对产量的影响不大, 相对来说较为安全, 但对于局部地区例如在湖北东部和临武、椒江等地危险性比重达到0.3以上, 也需要得到当地的重视。在开花期, 湖南和浙江省约50%的区域权重在0.25以上, 其中邵东和嘉兴在开花期分别容易发生严重的冷害和热害, 对危险度的贡献高于0.5, 江汉平原和洞庭湖区以及江西和湖南南部地区早稻开花期危险较低, 对产量的影响低于0.1。灌浆期是影响产量最重的时期, 热害的减产率虽然略低于冷害, 但是因为在灌浆期热害发生非常频繁, 对产量的影响很大, 是大多数地区早稻减产的关键发育期。约有70%的地区在灌浆期危险权重高于0.5, 其中蕲春、麻城、金华、丽水等站权重甚至高于0.75, 除湖南中部和南部的少数地区, 其他地区都要关注早稻灌浆期受热害的情况。

图6 各发育期危险权重
(a)分蘖期; (b)孕穗期; (c)开花期; (d)灌浆期
Fig.6 The weight of hazard at different stage
(a)Tilling stage; (b)Booting stage; (c)Flowering stage; (d)Filling stage

从地区来看(表4), 湖南中东部澧县、南县、平江、娄底、湘乡地区双季早稻产量受分蘖期和开花期冷害以及灌浆期热害的影响不相上下, 偏西地区冷害略高, 偏东地区热害略严重; 湖南东部的常德、冷水滩、衡阳、茶陵, 湖北东部的麻城、江夏、洪湖、蕲春和江西中南部的莲花、泰和、南康、南昌、瑞昌、广丰等地产量损失主要来自于灌浆期热害; 江西北部湖口、樟树、余干等地早稻产量主要受分蘖期冷害和灌浆期热害的影响; 浙江主要在开花期和灌浆期减产。

表4 各发育期危险性比重 Table 4 The weight of hazard at different stage
5 结论与讨论

从冷害、热害发生情况的年代际分布来看, 1970s孕穗期冷害最重, 1980s分蘖期冷害最重, 1990s开花期冷害最重, 2000s开花期热害和灌浆期热害最重。从空间分布来看, 分蘖期冷害重点影响研究区中西部, 孕穗期冷害重点影响研究区北部, 开花期冷害重点影响东部和西部, 开花期热害重点影响东部, 灌浆期重点影响北部、中心和东部。由于长江中下游地区纬度跨度小, 经度跨度大, 冷害和热害的经向或纬向分布不明显, 主要受地形的影响。研究结果与现有结果一致[33~35]

早稻各发育期的冷害、热害综合危险性高值区基本与灾害发生严重区相一致。从整个研究区来看, 湖南和江西危险性最低, 生长条件最好, 湖北次之, 浙江最差。湖南早稻的开花期和分蘖期、江西来看, 早稻的分蘖期和灌浆期、湖北早稻的孕穗期和灌浆期、浙江早稻的开花期和灌浆期都是重点防灾减灾时期。

危险性评价是从致灾因子的角度评价主要农业气象灾害(冷害、热害)对长江中下游地区双季早稻生产的影响, 全面掌握整个双季早稻种植风险还有许多工作需要开展。首先, 当前研究对各发育期危险性进行了细致描述, 然而灾害发生也存在年际变化、年代际变化, 在后期工作中还需要深入研究。其次, 致灾因子、承灾体、孕灾环境是灾害形成的三要素, 要整体把握风险的大小还需要对暴露性、脆弱性、防灾减灾能力等进行细致分析。第三, 冷害和热害是影响双季早稻产量的主要农业气象灾害, 但在早稻生长过程中连阴雨和暴雨洪涝[36]等灾害也时常发生, 多种复合灾害共同发生对早稻将会产生何种影响还有待进一步研究。

The authors have declared that no competing interests exist.

参考文献
[1] National Agricultural Meteorological Disaster Database[DB/OL]. [2016-01-26]. http: //202. 127. 42. 157/moazzys/zaihainew/index. htm.
[全国农业气象灾害库[DB/OL]. [2016-01-26]. http://202.127.42.157/moazzys/zaihainew/index.htm.] [本文引用:1]
[2] Gao Suhua, Wang Peijuan. High Temperature Damage and It’s Impacts on Rice in the Middle and Lower Reaches of the Yangtze River[M]. Beijing: China Meteorological Press, 2009.
[高素华, 王培娟. 长江中下游高温热害及对水稻的影响[M]. 北京: 气象出版社, 2009. ] [本文引用:1]
[3] Zhang Jiquan, Li Ning. Quantitative Methods and Applications of Risk Assessment and Management on Main Meteorological Disasters[M]. Beijing: Beijing Normal University Press, 2007.
[张继权, 李宁. 主要气象灾害风险评价与管理的数量化方法及其应用[M]. 北京: 北京师范大学出版社, 2007. ] [本文引用:2]
[4] Wang Chunyi, Zhang Jiquan, Huo Zhiguo, et al. Prospects and progresses in the research of risk assessment of agro-meteorological disasters[J]. Acta Meteorologica Sinica, 2015, 73(1): 1-19.
[王春乙, 张继权, 霍治国, . 农业气象灾害风险评估研究进展与展望[J]. 气象学报, 2015, 73(1): 1-19. ] [本文引用:1]
[5] Zhang Lei, Huo Zhiguo, Huang Dapeng, et al. Winter chilling damage risk zoning for watermelon and vegetables in the Hainan Island [J]. Chinese Journal of Eco-Agriculture, 2014, 22(10): 1 240-1 251.
[张蕾, 霍治国, 黄大鹏, . 海南冬季主要瓜菜寒害风险区划[J]. 中国生态农业学报, 2014, 22(10): 1 240-1 251. ] [本文引用:1]
[6] Ren Yifang, Zhao Yanxia, Wang Chunyi. Winter wheat drought disaster insurance risk assessment and regionalization in Henan Province[J]. Journal of Applied Meteorological Science, 2011, 22(5): 537-548.
[任义方, 赵艳霞, 王春乙. 河南省冬小麦干旱保险风险评估与区划[J]. 应用气象学报, 2011, 22(5): 537-548. ] [本文引用:2]
[7] Gao Xiaorong, Wang Chunyi, Zhang Jiquan, et al. A risk assessment system of the main meteorological disasters for maize in Northeast China[J]. Scientia Agricultura Sinica, 2014, 47(21): 4 257-4 268.
[高晓容, 王春乙, 张继权, . 东北地区玉米主要气象灾害风险评价模型研究[J]. 中国农业科学, 2014, 47(21): 4 257-4 268. ] [本文引用:2]
[8] Cai Daxin, Wang Chunyi, Zhang Jinghong, et al. Cold-damage risk analysis and division of banana production in Hainan Province of South China based on yield[J]. Chinese Journal of Ecology, 2013, 32(7): 1 896-1 902.
[蔡大鑫, 王春乙, 张京红, . 基于产量的海南省香蕉寒害风险分析与区划[J]. 生态学杂志, 2013, 32(7): 1 896-1 902. ] [本文引用:1]
[9] Ma Shuqing, Xi Zhuxiang, Wang Qi. Risk of evaluation of cold damage to corn in Northest China[J]. Journal of Disasters, 2003, 12(3): 137-141.
[马树庆, 袭祝香, 王琪. 中国东北地区玉米低温冷害风险评估研究[J]. 自然灾害学报, 2003, 12(3): 137-141. ] [本文引用:1]
[10] Liu Ronghua, Wang Youhe, Zhu Zixi, et al. Risk assessment of climatic drought for winter wheat in Henan[J]. Agricultural Research in the Arid Areas, 2008, 25(6): 1-4.
[刘荣花, 王友贺, 朱自玺, . 河南省冬小麦气候干旱风险评估[J]. 干旱地区农业研究, 2008, 25(6): 1-4. ] [本文引用:1]
[11] Wang Suyan, Huo Zhiguo, Li Shikui, et al. Risk assessment of drought effect on yield of winter wheat in Northern China[J]. Journal of Disasters, 2003, 12(3): 118-125.
[王素艳, 霍治国, 李世奎, . 干旱对北方冬小麦产量影响的风险评估[J]. 自然灾害学报, 2003, 12(3): 118-125. ] [本文引用:1]
[12] Liu Jinluan, Du Yaodong, Mao Huiqin. Risk analysis and zonation of cold damage to litchi in South China[J]. Journal of Natural Disasters, 2003, 12(3): 126-130.
[刘锦銮, 杜尧东, 毛慧琴. 华南地区荔枝寒害风险分析与区划[J]. 自然灾害学报, 2003, 12(3): 126-130. ] [本文引用:1]
[13] Gao Jing, Hou Shuangshuang, Jiang Huifei, et al. Flood risk analysis in cotton for Hubei Province[J]. Journal of China Agricultural University, 2011, 16(3): 60-66.
[高静, 侯双双, 姜会飞, . 湖北省棉花洪涝灾害风险分析[J]. 中国农业大学学报, 2011, 16(3): 60-66. ] [本文引用:1]
[14] Du Zixuan, Liu Jing, Liu Weichang. Risk analysis of the high temperature heat damage in the middle and lower reaches of Yangtze River based on information diffusion[J]. Meteorological and Environmental Sciences, 2012, 35(2): 8-14.
[杜子璇, 刘静, 刘伟昌. 基于信息扩散理论的长江中下游地区高温热害风险分析[J]. 气象与环境科学, 2012, 35(2): 8-14. ] [本文引用:1]
[15] Chen Huailiang, Deng Wei, Zhang Xuefen, et al. Analysis and zoning of agro-meteorological disasters risk for wheat growing in Henan Province[J]. Journal of Natural Disasters, 2006, 15(1): 135-143.
[陈怀亮, 邓伟, 张雪芬, . 河南小麦生产农业气象灾害风险分析及区划[J]. 自然灾害学报, 2006, 15(1): 135-143. ] [本文引用:1]
[16] Yu Fei, Gu Xiaoping, Luo Yuxiang, et al. Comprehensive risk assessment and demarcation of agro-meteorological disasters in Guizhou Province[J]. Chinese Journal of Agrometeorology, 2009, (2): 267-270.
[于飞, 谷晓平, 罗宇翔, . 贵州农业气象灾害综合风险评价与区划[J]. 中国农业气象, 2009, (2): 267-270. ] [本文引用:1]
[17] Chen Jiajin, Wang Jiayi, Li Lichun, et al. Integrated risk evaluation of multiple disasters affecting Longyan yield in Fujian Province[J]. Chinese Journal of Applied Ecology, 2012, 23(3): 819-826.
[陈家金, 王加义, 李丽纯, . 影响福建省龙眼产量的多灾种综合风险评估[J]. 应用生态学报, 2012, 23(3): 819-826. ] [本文引用:1]
[18] Cai Jingjing, Wang Chunyi, Zhang Jiquan. An assessment of the drought disaster and chilling injury hazard for maize in the variour growth stages in Northest China[J]. Acta Meteorologica Sinica, 2013, 71(5): 976-986.
[蔡菁菁, 王春乙, 张继权. 东北地区玉米不同生长阶段干旱冷害危险性评价[J]. 气象学报, 2013, 71(5): 976-986. ] [本文引用:2]
[19] Zhang Yujing, Wang Chunyi, Zhang Jiquan. Hazard analysis of drought disaster for winter wheat in North China[J]. Journal of Natural Disasters, 2014(6): 183-192.
[张玉静, 王春乙, 张继权. 华北地区冬小麦干旱危险性分析[J]. 自然灾害学报, 2014(6): 183-192. ] [本文引用:1]
[20] Gao Xiaorong, Wang Chunyi, Zhang Jiquan, et al. Risk assessment and zoning of the main meteorological disasters for maize in Northeast China[J]. Scientia Agricultura Sinica, 2014, 47(24): 4 805-4 820.
[高晓容, 王春乙, 张继权, . 东北地区玉米主要气象灾害风险评价与区划[J]. 中国农业科学, 2014, 47(24): 4 805-4 820. ] [本文引用:1]
[21] Wang Chunyi, Cai Jingjing, Zhang Jiquan. Risk assessment of drought and chilling injury of maize in Northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(6): 238-245.
[王春乙, 蔡菁菁, 张继权. 基于自然灾害风险理论的东北地区玉米干旱、冷害风险评价[J]. 农业工程学报, 2015, 31(6): 238-245. ] [本文引用:1]
[22] Wen Kegang, Chen Shuangxi. China Meteorological Disasters Ceremony: The Jiangxi Volume[M]. Beijing: China Meteorological Press, 2006.
[温克刚, 陈双溪. 中国气象灾害大典: 江西卷[M]. 北京: 气象出版社, 2006. ] [本文引用:1]
[23] Wen Kegang, Chen Shuangxi. China Meteorological Disasters Ceremony: The Hubei Volume[M]. Beijing: China Meteorological Press, 2006.
[温克刚, 陈双溪. 中国气象灾害大典: 湖北卷[M]. 北京: 气象出版社, 2006. ] [本文引用:1]
[24] Wen Kegang, Chen Shuangxi. China Meteorological Disasters Ceremony: The Hunan Volume[M]. Beijing: China Meteorological Press, 2006.
[温克刚, 陈双溪. 中国气象灾害大典: 湖南卷[M]. 北京: 气象出版社, 2006. ] [本文引用:1]
[25] Wen Kegang, Chen Shuangxi. China Meteorological Disasters Ceremony: The Zhejiang Volume[M]. Beijing: China Meteorological Press, 2006.
[温克刚, 陈双溪. 中国气象灾害大典: 浙江卷[M]. 北京: 气象出版社, 2006. ] [本文引用:1]
[26] Gao Feng, Liu Jiang, Yang Xingang, et al. Study on optimization of thermal key points for machine tools based on Fisher optimal segmentation method[J]. Journal of Scientific Instrument, 2013, 34(5): 1 070-1 075.
[高峰, 刘江, 杨新刚, . 基于Fisher最优分割法的机床热关键点优化研究[J]. 仪器仪表学报, 2013, 34(5): 1 070-1 075. ] [本文引用:2]
[27] Wang Guizhi, Lu Jinshuai, Chen Keyao, et al. Exploration of method in separating climatic output based on HP Filter[J]. Chinese Journal of Agrometeorology, 2014, 35(2): 81-85.
[王桂芝, 陆金帅, 陈克垚, . 基于HP滤波的气候产量分离方法探讨[J]. 中国农业气象, 2014, 35(2): 81-85. ] [本文引用:1]
[28] Liang Shiying, Sun Dongsheng, Yang Xiuping, et al. Prediction analysis of grain yield in China during 2008-2020[J]. Issues in Agricultural Economy, 2008 (Suppl. 1): 132-140.
[梁仕莹, 孙东升, 杨秀平, . 2008 —2020年我国粮食产量的预测分析[J]. 农业经济问题, 2008(增刊1): 132-140. ] [本文引用:1]
[29] Li Minzheng. Study on autumn chilling damage index of Shanyou 6[J]. Journal of Agricultural Science, 1982, (4): 177-180.
[李民政. 汕优6号秋季低温冷害指标问题的研究[J]. 浙江农业科学, 1982, (4): 177-180. ] [本文引用:1]
[30] Lu Kuidong, Luo Boliang, Huang Wanhua, et al. Risk evaluation of the effects of chilling in May on early rice production in Hunan Province[J]. Chinese Journal of Agrometeorology, 2011, (2): 283-289.
[陆魁东, 罗伯良, 黄晚华, . 影响湖南双季早稻生产的五月低温的风险评估[J]. 中国农业气象, 2011, (2): 283-289. ] [本文引用:1]
[31] GB/T 27959-2011 Low Temperature Disaster of Southern Rice, Rapeseed and Orange[S]B/T 27959-2011 Low Temperature Disaster of Southern Rice, Rapeseed and Orange[S]. Beijing: Stand ards Press of China, 2011.
[GB/T 27959-2011, 南方水稻、油菜和柑桔低温灾害[S]B/T 27959-2011, 南方水稻、油菜和柑桔低温灾害[S]. 北京: 中国标准出版社, 2011. ] [本文引用:1]
[32] GB/T 21985-2008 Temperature Index of High Temperature Harm for Main Crops[S]B/T 21985-2008 Temperature Index of High Temperature Harm for Main Crops[S]. Beijing: Stand ards Press of China, 2008.
[GB/T 21985-2008, 主要农作物高温危害指标[S]B/T 21985-2008, 主要农作物高温危害指标[S]. 北京: 中国标准出版社, 2008. ] [本文引用:1]
[33] Yang Bingyu, Shen Shuanghe, Tao Sulin, et al. Spatial and temporal pattern of rice heat injury in Jiangxi[J]. Chinese Journal of Agrometeorology, 2012, 33(4): 615-622.
[杨炳玉, 申双和, 陶苏林, . 江西省水稻高温热害发生规律研究[J]. 中国农业气象, 2012, 33(4): 615-622. ] [本文引用:1]
[34] Yang Taiming, Chen Jinhua, Jin Zhifeng, et al. Study on the law of rice high temperature induced heat damage and its relationship with rice yield structure in Anhui and Zhejiang Province[J]. Chinese Agricultural Science Bulletin, 2013, 29(27): 97-104.
[杨太明, 陈金华, 金志凤, . 皖浙地区早稻高温热害发生规律及其对产量结构的影响研究[J]. 中国农学通报, 2013, 29(27): 97-104. ] [本文引用:1]
[35] Cheng Y, Huang J, Han Z, et al. Cold damage risk assessment of double cropping rice in Hunan, China[J]. Journal of Integrative Agriculture, 2013, 12(2): 352-363. [本文引用:1]
[36] Ye Dianxiu, Zhao Shanshan, Wang Youmin, et al. An overview of the main meteorological disasters in China in 2012[J]. Journal of Catastrophology, 2013, 28(3): 128-132.
[叶殿秀, 赵珊珊, 王有民, . 2012年我国主要气象灾害回顾[J]. 灾害学, 2013, 28(3): 128-132. ] [本文引用:1]