姚清仿

摘要 運用貴州省1998—2017年水災、旱災、風雹、冷凍4種農(nóng)業(yè)氣象災害受災面積及主要農(nóng)作物產(chǎn)量的數(shù)據(jù)，使用曲線擬合分析了貴州氣象災害變化特征。同時，基于灰色關聯(lián)度研究了4種農(nóng)業(yè)氣象災害的變化對稻谷、小麥、玉米單產(chǎn)的影響。結果表明，4種農(nóng)業(yè)氣象災害受災面積整體呈下降趨勢，農(nóng)作物受災面積的大小排序為：干旱>水災>風雹>冷凍。4種氣象災害對貴州整個糧食單產(chǎn)的影響排序為：旱災>風雹、冷凍>水災。4種氣象災害對稻谷、小麥、玉米3種主要農(nóng)作物單產(chǎn)的影響排序為：風雹>水災>旱災>冷凍。針對稻谷、小麥、玉米3種農(nóng)作物，同一種氣象災害的影響程度不同。

關鍵詞 農(nóng)業(yè);氣象災害;曲線擬合;灰色關聯(lián)度

貴州省處于云貴高原東側，是氣象及其次生災害高發(fā)省。近10年來，貴州省因氣象災害及其次生、衍生災害造成的直接經(jīng)濟損失占自然災害損失的95%以上，平均每年造成的直接經(jīng)濟損失都在100億元以上[1]。顯然，掌握農(nóng)業(yè)氣象災害的特點和發(fā)生規(guī)律，對于防御氣象災害，提高防災減災的能力，趨利避害，保障農(nóng)業(yè)增產(chǎn)具有十分重要的意義[2]。雖然目前許多學者[2-5]就貴州農(nóng)業(yè)氣象災害對農(nóng)作物整體產(chǎn)量的影響開展了研究，但沒有就貴州省不同的農(nóng)作物做深入的展開。筆者運用貴州省1998—2017年水災、旱災、風雹、冷凍4種農(nóng)業(yè)氣象災害受災面積及農(nóng)作物產(chǎn)量的數(shù)據(jù)，基于灰色關聯(lián)度找出了4種農(nóng)業(yè)氣象災害（水災、旱災、風雹、冷凍）分別對稻谷、小麥、玉米3種主要農(nóng)作物影響的主次關系，從而為有關決策部門指導農(nóng)業(yè)生產(chǎn)和防災減災工作提供科學性的依據(jù)，為貴州省主要農(nóng)業(yè)氣象災害影響評估和風險區(qū)劃提供參考。

1資料與方法

1.1數(shù)據(jù)來源

貴州省1998—2017年水災、旱災、風雹、冷凍4種農(nóng)業(yè)氣象災害受災面積來源于國家統(tǒng)計局（http：//data.stats.gov.cn/easyquery.htm？cn=EO103）和《中國氣象災害年鑒》。主要農(nóng)作物（稻谷、小麥、玉米）單位面積產(chǎn)量的數(shù)據(jù)來自于貴州省統(tǒng)計局（http：//stjj.guizhou.gov.cn/）。

1.2分析方法

為了探究不同農(nóng)業(yè)氣象災害的特征及其對主要農(nóng)作物的影響。一方面，使用指數(shù)曲線擬合四大災害（水災、旱災、風雹、冷凍）的變化趨勢，從而得到貴州省氣象災害變化趨勢。另一方面，由于灰色關聯(lián)分析能夠通過計算系統(tǒng)母因素與子因素相關程度，從而分析引起該系統(tǒng)發(fā)展的主要和次要因素[6]。所以，該文使用灰色關聯(lián)分析各種災害對主要農(nóng)作物（稻谷、小麥、玉米）的影響。與此同時，灰色關聯(lián)分析基于較低的數(shù)據(jù)要求更是在農(nóng)業(yè)氣象災害研究中得到了廣泛使用[4，7-11]?；疑P聯(lián)度分析的步驟如下。

2結果與分析

2.1農(nóng)業(yè)氣象災害變化的特征

為了分析各種氣象災害變化的特征，分別就各種農(nóng)業(yè)氣象災害的受災面積進行指數(shù)曲線擬合，分析各種自然災害在1998—2017年的變化。

2.1.1水災由圖1可知，1998—2017年貴州省水災平均受災面積為25.346萬hm2。水災受災面積整體呈下降趨勢，其每年平均以-0.03的變化率下降。貴州省在1999、2000、2010、2012年農(nóng)作物水災受災面積較大，尤其是1999年遭受水災的面積最大，為52.9萬hm2。2006、2011、2013年所遭受的水災受災面積較少，其中2011年水災的受災面積最少，為11.11萬hm2。

2.1.2旱災由圖2可知，1998—2017年貴州省旱災平均受災面積為44.663萬hm2。旱災受災面積整體呈下降趨勢，其每年平均以-0.13的變化率下降，其變化幅度顯著地大于水災受災面積的變化幅度。貴州省旱災受災面積在1998—2007年變化較為平穩(wěn)，2008—2014年旱災受災面積則出現(xiàn)較大幅度變化。貴州省2010、2011、2013年農(nóng)作物旱災受災面積較大，尤其是2011年旱災受災面積最大，為182.25萬hm2。2014—2017年所遭受的旱災受災面積較少，其中2016年旱災受災面積最少，為0.7萬hm2。

2.1.3 風雹由圖3可知，1998—2017年貴州省風雹平均受災面積為11.543 5萬hm2。風雹受災面積整體呈下降趨勢，其每年平均以-0.05的變化率下降，其變化幅度大于水災受災面積的變化幅度。貴州省1998、1999、2002、2013、2014年農(nóng)作物風雹受災面積較大，尤其是2011年遭受風雹的面積最大，為32.3萬hm2。2008—2012年、2015—2017年農(nóng)作物風雹受災面積較少，其中2017年的風雹受災面積最少，為3.6萬hm2。

2.1.4冷凍由圖4可知，1998—2017年貴州省冷凍平均受災面積為15.606萬hm2，其整體呈下降趨勢。冷凍受災面積對時間變量的彈性為-83.1，尤其是2007—2012年波動比較大。貴州省2000、2002、2008、2013、2011年農(nóng)作物冷凍受災面積較大，其中2008年冷凍受災面積最大，為149.87萬hm2，原因在于2008年我國南方遭受了百年不遇的特大持續(xù)性低溫雨雪冰凍災害[13]。2004—2007年、2012—2017年農(nóng)作物冷凍受災面積較少，變動平穩(wěn)，其中2004年冷凍受災面積最少，為0.27萬hm2。

2.1.5不同氣象災害的對比分析由圖5可知，冷凍受災面積在4種災害中最低，但2008—2011年造成受災面積瞬間達到了最大值，這意味著冷凍天氣對農(nóng)作物的影響雖然一般較小，但是一旦遇到突發(fā)性、持續(xù)性的低溫天氣，將會給農(nóng)作物造成巨大損失。旱災受災面積普遍高于其他3種農(nóng)業(yè)氣象災害受災的面積，這意味著干旱應當是貴州省農(nóng)作物生產(chǎn)中考慮的首要因素。水災和風雹受災面積的變化較為平穩(wěn)，其中水災受災面積顯著大于風雹受災面積。不難發(fā)現(xiàn)，單從氣象災害的受災面積來看，各種氣象災害對農(nóng)作物產(chǎn)量影響的排序為：干旱>水災>風雹>冷凍，該結果與伍國勇等[5]的結論一致。

2.2主要農(nóng)作物產(chǎn)量影響的灰色關聯(lián)性分析

雖然前文從災害受災面積大小的角度分析了其對農(nóng)作物的影響，但是針對具體的農(nóng)作物（稻谷、小麥、玉米），使用灰色關聯(lián)度的方法，結果表明同一災害對農(nóng)作物有不同的影響（表1）。

對于整個糧食單產(chǎn)而言，4種氣象災害影響的排序為：旱災>風雹、冷凍>水災（表1）。旱災仍然是影響貴州糧食單產(chǎn)的重要因素，做好蓄水或抗旱作物的培育才能在一定程度上提高整個糧食的單產(chǎn)，風雹和冷凍對整個糧食單產(chǎn)的影響相當，其影響程度顯著地大于水災，這意味著在糧食的生產(chǎn)過程中要注意風雹和冷凍的防護。

由表1可知，4種氣象災害對稻谷、小麥、玉米3種不同農(nóng)作物的單產(chǎn)影響排序皆為風雹>水災>旱災>冷凍。風雹對稻谷的影響最大，貴州應在稻谷、小麥、玉米生長過程中注意防風和防雹措施的建設。冷凍災害對稻谷、玉米的關聯(lián)度最小。水災對3種農(nóng)作物的影響顯著大于旱災的影響，這意味著在稻谷、小麥、玉米的生長過程中，應注意水澇的疏通，防汛設施的建設。

同一種氣象災害對稻谷、小麥、玉米的影響程度也不一樣。水災對3種農(nóng)作物影響的排序為：玉米>小麥>稻谷，旱災對3種農(nóng)作物影響的排序為：稻谷>玉米>小麥，這主要是因為3種作物對水的依賴程度不同。風雹對3種作物影響的排序為：稻谷>小麥>玉米，其原因主要在于風雹災害在貴州持續(xù)時間長，損害強度大。冷凍對3種作物影響的排序為：小麥>玉米>稻谷，其原因主要在于3種農(nóng)作物生長時間不同。

3結論與啟示

運用貴州省1998—2017年水災、旱災、風雹、冷凍4種農(nóng)業(yè)氣象災害受災面積及主要農(nóng)作物產(chǎn)量的數(shù)據(jù)，使用曲線擬合分析了貴州氣象災害變化特征，同時，基于灰色關聯(lián)度研究了4種農(nóng)業(yè)氣象災害變化對稻谷、小麥、玉米單產(chǎn)的影響，結論如下：貴州4種農(nóng)業(yè)氣象災害受災面積整體呈下降趨勢，農(nóng)作物受災面積的大小排序為：干旱>水災>風雹>冷凍。氣象災害對貴州整個糧食單產(chǎn)的影響排序為：旱災>風雹、冷凍>水災;氣象災害對稻谷、小麥、玉米3種主要農(nóng)作物單產(chǎn)的影響排序為風雹>水災>旱災>冷凍。稻谷、小麥、玉米不同的生長條件以及氣象災害不同的周期性，使得同一種氣象災害對稻谷、小麥、玉米3種農(nóng)作物呈現(xiàn)了不同程度的影響。

基于上述結論，不同的氣象災害對整個糧食單產(chǎn)和具體農(nóng)作物的影響大小不一樣，在指導具體某種農(nóng)作物生產(chǎn)時應當具體分析。此外，無論是整個糧食的單產(chǎn)還是具體的農(nóng)作物，風雹的影響均位于自然災害前列，這意味貴州省在農(nóng)業(yè)生產(chǎn)中，應加強風雹措施的建設，或者劃分區(qū)域，重點防范。

參考文獻

[1] 趙勇軍. 今年我省氣候狀況受超強厄爾尼諾影響較大[EB/OL]. 2016-04-16. http：//m.sohu.com/a/69611297_119665.

[2] 王春乙，婁秀榮，王建林. 中國農(nóng)業(yè)氣象災害對作物產(chǎn)量的影響[J]. 自然災害學報，2007，16（5）：37-43.

[3] 鮑文. 貴州農(nóng)業(yè)氣象災害及其防災減災能力建設[J]. 湖北農(nóng)業(yè)科學，2013，52（3）：533-537.

[4] 邱爽，周光美.農(nóng)業(yè)氣象災害對糧食產(chǎn)量影響的實證研究——基于西南四省市數(shù)據(jù)[J].生態(tài)經(jīng)濟，2019，35（1）：108-113，124.

[5] 伍國勇，陸安霞. 農(nóng)業(yè)氣象災害對農(nóng)業(yè)產(chǎn)出的影響程度研究——基于貴州省1980—2011年數(shù)據(jù)的實證[J]. 農(nóng)村經(jīng)濟與科技，2014，25（3）：20-23.

[6] 唐啟義. DPS數(shù)據(jù)處理系統(tǒng)：實驗設計、統(tǒng)計分析及數(shù)據(jù)挖掘[M]. 北京：科學出版社，2010.

[7] 林志宇，田貴良. 氣象災害對福建糧食產(chǎn)量影響的灰色關聯(lián)分析[J]. 中國農(nóng)業(yè)氣象，2016，37（1）：77-83.

[8] 馬雅麗，欒青，王志偉，等.山西省主要農(nóng)業(yè)氣象災害變化特征及其對農(nóng)作物產(chǎn)量的影響[J].中國農(nóng)業(yè)氣象，2010，31（S1）：150-154.

[9] 彭傳梅. 河南省農(nóng)業(yè)氣象災害對糧食產(chǎn)量影響的灰色關聯(lián)度分析[J]. 江西農(nóng)業(yè)學報，2017，29（4）：106-110.

[10] 王秋京，馬國忠，李宇光，等.黑龍江省主要農(nóng)業(yè)氣象災害特征及其對糧食產(chǎn)量影響的灰色關聯(lián)分析[J].南方農(nóng)業(yè)學報，2015，46（5）：823-827.

[11] 朱夢媛.遼寧省主要農(nóng)業(yè)氣象災害變化特征及其對農(nóng)作物產(chǎn)量的影響[J]. 安徽農(nóng)學通報，2019，25（4）：133-135，44.

[12] 申卯興，薛西鋒，張小水. 灰色關聯(lián)分析中分辨系數(shù)的選取[J]. 空軍工程大學學報，2003（1）：68-70.

[13] 金傳芳，鄭國璋，韓軍青. 2008年初我國南方低溫雨雪冰凍災害分析 [J]. 山西師范大學學報，2009，23（2）：94-98.

責任編輯：鄭丹丹