基于干旱灾害风险综合评估指数的西藏主要农区青稞干旱时空格局

史继清, 杨霏云, 边多, 周刊社, 甘臣龙

中国农学通报. 2021, 37(2): 80-87

PDF(1964 KB)
PDF(1964 KB)
中国农学通报 ›› 2021, Vol. 37 ›› Issue (2) : 80-87. DOI: 10.11924/j.issn.1000-6850.casb20200200107
资源·环境·生态·土壤·气象

基于干旱灾害风险综合评估指数的西藏主要农区青稞干旱时空格局

作者信息 +

Temporal and Spatial Patterns of Barley in Tibet Major Agricultural Areas Based on the Comprehensive Assessment Index of Drought Disaster Risk

Author information +
History +

摘要

为研究西藏主要农区青稞的干旱时空变化特征,笔者从干旱灾害的致灾因子危险性、承灾体易损性、灾损脆弱性、防灾减灾能力等4个风险因子考虑,采用专家打分法和熵权法确定各因素权重,构建干旱灾害风险综合评估模型,并进行干旱灾害时空格局分析。结果表明:干旱灾害综合风险整体呈现中间低、两边高的态势,高风险区分布比较分散,次高风险区多集中在研究区的边缘地带,中等风险区以左斜H型分布在拉萨、山南、林芝市部分区域,而次低和低风险区零星分布在加查、索县、比如、林芝等站;且干旱灾害风险较高年份出现在1999、2005、2006、2007、2009、2010、2012、2014、2015年。西藏主要农区青稞各个干旱风险因子的分布具有明显的区域差别和一定的连片性,研究区和分区的干旱趋势随年份递增而加重。

Abstract

To study the spatiotemporal changes of drought of barley in the main agricultural areas of Tibet, the authors took four risk factors, including the danger of drought disaster, the vulnerability of disaster victims, the vulnerability of disaster, and the ability to prevent and mitigate disaster, and adopted the expert score method and entropy weight method, to determine the weight of each factor to construct a comprehensive assessment model for drought risk and analyze the spatial and temporal pattern of drought disaster. The results showed that: the overall risk of drought disasters was generally low in the middle and high on both sides. The distribution of high-risk areas was relatively scattered. The sub-high-risk areas were mostly concentrated in the marginal zones of the study area. The middle-risk areas were distributed with left-sloping H-shape in parts of Lhasa, Shannan, and Linzhi, while the sub-low-risk and low-risk areas were scattered in Jiacha, Suoxian, and Linzhi stations; and the years with higher risk of drought disaster appeared in 1999, 2005, 2006, 2007, 2009, 2010, 2012, 2014, and 2015. The distribution of drought risk factors for barley in major agricultural areas in Tibet has obvious regional differences and a certain degree of continuity, and the drought trend in the study area and subdivision increases with each year.

关键词

青稞 / 干旱 / 风险综合评估指数 / 时空格局 / 熵权法

Key words

barley / drought / comprehensive risk assessment index / spatiotemporal pattern / entropy weight method

引用本文

导出引用
史继清 , 杨霏云 , 边多 , 周刊社 , 甘臣龙. 基于干旱灾害风险综合评估指数的西藏主要农区青稞干旱时空格局. 中国农学通报. 2021, 37(2): 80-87 https://doi.org/10.11924/j.issn.1000-6850.casb20200200107
Shi Jiqing , Yang Feiyun , Bian Duo , Zhou Kanshe , Gan Chenlong. Temporal and Spatial Patterns of Barley in Tibet Major Agricultural Areas Based on the Comprehensive Assessment Index of Drought Disaster Risk. Chinese Agricultural Science Bulletin. 2021, 37(2): 80-87 https://doi.org/10.11924/j.issn.1000-6850.casb20200200107

0 引言

青藏高原素有“世界屋脊”、“亚洲水塔”之称,西藏作为青藏高原的主体部分,是青藏高原气候变化的晴雨表[1],干旱灾害风险的变化趋势对该区乃至全球的气候变化、粮食安全和社会稳定都起着举足轻重的作用[2,3,4]。西藏近年来受全球气候变化的影响,气温升高,部分地区呈现暖干化趋势,出现了冰川退缩、冻土消融、生态环境退化等问题[5]。干旱灾害频发,成为近四十年来导致西藏粮食作物产量损失最重的农业气象灾害之一。1983年5月下旬—8月,山南的贡嘎、隆子,昌都的左贡、芒康、八宿,那曲的申扎等地发生严重干旱。据统计,全区农作物受旱面积157412 hm2,占播种面积的75.4%。其中因旱未能播种、播后未出苗和旱死绝收的农田达26013 hm2,有37352 hm2减产50%,96715 hm2减产20%[6]。2009年6月,是西藏自1979年以来遭遇的最严重干旱,西藏主要农区均遭受不同程度的旱灾,全区农作物受灾总面积达28313.7 hm2,其中绝收面积4856 hm2,占受灾面积的17%[7]。2014年4—6月,昌都市八宿县农牧区持续干旱,部分乡镇作物绝收,昌都市旱灾总面积达到3011 hm2,占全市春播面积的6.71%[8]
青稞是一种禾本科大麦属作物,适宜种植在海拔较高的高寒地带,是西藏的主要粮食作物,被誉为“粮食之母”,在西藏粮食安全保障体系中占据重要地位,开展西藏主要农区青稞干旱灾害风险评估研究工作刻不容缓。
根据灾害风险形成机理来进行风险综合评估已成为当前农业气象灾害风险评估的主要发展趋势[9]。国内外在此方面均取得了一些成果,如Blaiker[10]和Xu等[11]认为灾害是致灾因子危险性和承灾体脆弱性共同作用的结果;Okada等[12]增加了承灾体暴露性和环境脆弱性风险要素的相互作用;Zhao等[13]从干旱灾害的危险性、脆弱性、暴露性和防灾减灾能力等方面构建干旱灾害风险综合评估模型并进行了灾害的风险区划。近些年,基于灾害风险综合评估指数对灾害的时空特征进行分析的报道越来越多[14,15,16],但基于自然灾害风险综合评估模型的西藏地区灾害时空变化的研究鲜有报道,本研究考虑了西藏主要农区农业干旱的自然和社会大背景,从致灾因子危险性、承灾体易损性、灾损脆弱性、防灾减灾能力等4个方面入手,构建干旱灾害风险综合评估模型,对西藏主要农区和4个分区进行干旱灾害时空特征分析,以期为西藏政府部门提供防灾减灾理论支撑。

1 资料和方法

1.1 资料来源

西藏主要农区26个站(图1)的逐日气象观测资料(1981—2018年)由西藏自治区气象局提供。逐日资料缺测的个别时间,采用多年平均值代替;青稞实际单产、有效灌溉面积/播种面积、旱涝保收面积/播种面积、生产效率、大中小型拖拉机、农用运输车、当地农民纯收入、生产总值、地方财政收入等资料(1999—2017年)来自西藏自治区统计年鉴;各地市县级旱灾事件记录数据来源于《中国气象灾害大典》(西藏卷)[6]和《中国气象年鉴》(1990—2017年)[17];青稞观测站(拉萨、林芝、日喀则、泽当)各生育期数据(1984—2010年)来自上述4个地、市的气象局;青稞作物系数采用表1[18]的数据。
图1 研究区分区及气象站点分布图

Full size|PPT slide

表1 西藏主要农区青稞作物系数
站点 Kc 站点 Kc 站点 Kc
普兰 0.81 拉萨 0.75 米林 0.68
日喀则 0.75 墨竹工卡 0.78 昌都 0.67
聂拉木 0.78 尼木 0.74 丁青 0.72
定日 0.74 泽当 0.75 洛隆 0.71
拉孜 0.75 贡嘎 0.75 八宿 0.76
南木林 0.70 隆子 0.76 类乌齐 0.67
江孜 0.75 加查 0.75 左贡 0.71
索县 0.72 林芝 0.69 芒康 0.70
比如 0.77 波密 0.67

1.2 青稞种植的区域划分

西藏地势西北高、东南低,各地降水季节分配不均,东南湿润,西北干燥,雨季分明。根据罗红英[18]和宋善允等[19]研究,结合西藏自治区统计年鉴、区域地形特点、农业气候特征,将西藏青稞主要种植区分为4个子区域(图1):Ⅰ区(索县、比如、丁青、类乌齐、昌都、洛隆、八宿、左贡、芒康)、Ⅱ区(林芝、米林、波密、加查)、Ⅲ区(墨竹工卡、则当、拉萨、尼木、隆子、贡嘎)、Ⅳ区(南木林、日喀则、拉孜、定日、聂拉木、普兰、江孜)。

1.3 研究方法

1.3.1 西藏主要农区青稞站的播种和成熟期计算 由于青稞生育期资料有限,本研究利用西藏现有青稞生育期资料构建方程来计算其他站的播种期和成熟期。通过建立西藏青稞观测站的播种温度阈值与经度、纬度、海拔之间线性回归方程和播种时间与播种温度阈值之间线性回归方程,得到西藏主要农区26个青稞站的播种时间。其中,播种温度阈值是通过对青稞观测站的播种时间对应的平均温度计算5年滑动得到。
STV=9.494+2.593*Lat-0.85*Lng-6.534E-5*AltR2=0.526(P<0.01)
(1)
式中,STV为播种温度阈值(℃),Lat为纬度(°),Lng为经度(°),Alt为海拔(m)。
ST=5.2573*STV+38408R2=0.506(P<0.01)
(2)
式中,ST为播种时间(月/日),STV为播种温度阈值(℃)。通过建立西藏青稞观测站的全生育期天数与经度、纬度、海拔之间线性回归方程得到西藏主要农区26个青稞站的全生育期天数,将利用公式(1)和(2)计算得到的播种期与全生育期天数相加,即可得到26个青稞站的成熟期时间。
DAY=962.914-12.737*Lat-3.262*Lng-0.047*Alt R2=0.416(P<0.01)
(3)
式中,DAY为全生育期天数(d),Lat为纬度(°),Lng为经度(°),Alt为海拔(m)。1.3.2 熵权法 在构建干旱灾害风险综合评估模型时,利用熵权法确定致灾因子、承灾体、灾损和防灾减灾能力的权重。m个待评项目(m=26,包括拉萨、索县、林芝、日喀则等站),n个评价指标(n=4,包括致灾因子危险性、承灾体易损性、灾损脆弱性和防灾减灾能力),形成原始数量矩阵[20],见式(4)。
M=(rij)m*n
(4)
式中, rij 为第i个站点的第j个评价指标的值。各指标值权重的求算步骤为:(1)计算第i个项目中第j个指标值的比重 Gij
Gij=riji=1mrij
(5)
(2)计算所有站点中第j个指标的熵值 ej
ej=-ki=1m(Gij*lnGij) k=1lnm
(6)
(3)计算第j个指标的熵权 Hj
Hj=ejj=1nej
(7)
1.3.3 其他方法 本研究在干旱灾害风险综合评估模型构建的过程中,运用归一化方法对原始数据进行了处理[28];求解构建防灾减灾能力的8个因子的权重利用专家打分法;干旱灾害风险综合评估指数的线性变化趋势采用气候倾向率法;干旱风险分析的空间显示使用Kring插值分析。

2 西藏主要农区青稞干旱灾害的风险估算

灾害风险分析评价指标众多,本文从致灾因子危险性、承灾体易损性、灾损脆弱性、防灾减灾能力等风险因子考虑,选取自然水分亏缺率指数等12个指数来进行西藏主要农区青稞干旱风险估算。

2.1 致灾因子危险性

致灾因子危险性主要指因干旱灾害可能出现的危害程度,由干旱强度和对应的频率共同决定。青稞作为西藏特色粮食作物,播种前土壤含水量和主要生育期的降水量对其产量的影响十分关键,因此本研究选取了由青稞播种前有效底墒和全生育期需水量与供水量关系构成的自然水分亏缺率作为干旱强度指标。自然水分亏缺率可以描述为青稞全生育期的需水量与自然供水量的差值占需水量的百分率,其中,自然供水量由青稞播种前的土壤有效底墒、青稞全生育期内的有效降水量和地下水供水量得到[21]。基于不同等级(t)的自然水分亏缺率( Dt )及其出现的概率( Ft ),构建了自然水分亏缺率指数 Wt ,作为致灾因子危险性评价指标,计算方法见式(8)。
Wt=t=1nDt*Ft
(8)
式中, Wt 为自然水分亏缺率指数, Dt 为不同等级的自然水分亏缺率, F 为不同等级自然水分亏缺率出现的概率。 Wt 绝对值越大,发生干旱的可能性越大,对农业生产的影响程度越大。

2.2 承灾体易损性

承灾体易损性指干旱造成青稞减产的难易程度,用易损性指标 Vt 表示,计算公式如式(9)。

Vt=t=1nJt*Kt

(9)
式中, Vt 为易损性指标, Jt 为不同等级的易损性, Kt 为不同等级易损性出现的概率。其中,易损性J的计算见式(10)。

J=L+S+T3

(10)
式中,L为青稞生产效率指数,S为单位面积青稞农业产值,T为暴露指数。青稞生产效率指数(L):一般而言,农作物高产伴随着高风险,将西藏各县青稞播种亩产与西藏青稞亩产的比值,定义为各县青稞生产效率指数。单位面积青稞农业产值(S):由于单位面积产值的高低直接影响着各县的青稞收成,故定义为青稞亩产与单价之积。青稞暴露指数(T):针对各县作物可种植面积来说,青稞种植面积越大,意味着该县暴露于气象危险因子中的青稞越多,可能遭受的潜在损失就越大,气象灾害风险越大。因此,将各个县的青稞的种植面积与本县面积的比值定义为青稞暴露指数。

2.3 灾损脆弱性

灾损脆弱性指青稞遭受旱灾后的损失程度,本研究以西藏主要农区青稞减产率指数( It )作为灾损脆弱性评价指标,公式如式(11)。
It=t=1nRt*Pt
(11)
式中, It 为减产率指数, Rt 为不同等级的减产率, Pt 为不同等级减产率出现的概率。其中,“减产率”(R)定义为当年青稞实际产量低于对应年趋势产量的百分率[22],公式见式(12)。

R=y-y̅y̅(y<y̅)

(12)
式中,R为减产率,y为青稞实际产量, y̅ 为青稞趋势产量。趋势产量表征产量的历史演变趋势,常用的模拟趋势产量的方法有线性模拟、非线性模拟、分段模拟、滑动平均模拟、指数平滑模拟等,本文选用三次多项式对西藏各地市青稞趋势产量进行模拟(表2)。
表2 西藏各地市青稞趋势产量模拟方程
地市 趋势产量模拟方程 R2 n MAPE/%
拉萨 y̅=0.064t3-2.9145t2+42.798t+623.89 0.83 19 2.72
昌都 y̅=0.1028t3-3.2368t2+33.425t+391.8 0.82 19 2.32
山南 y̅=0.0965t3-2.8497t2+27.208t+694.47 0.53 19 2.52
日喀则 y̅=0.0839t3-3.3803t2+51.169t+556.72 0.95 19 2.09
那曲 y̅=0.1039t3-3.1933t2+28.398t+300.22 0.73 19 4.29
阿里 y̅=0.1224t3-4.0024t2+39.895t+303.66 0.39 19 5.56
林芝 y̅=0.0845t3-2.0448t2+10.944t+533.83 0.43 19 3.14
注:MAPE[23]为模拟单产与实际单产的平均绝对百分误差。

2.4 防灾减灾能力

防灾减灾能力是表征抗灾性能随着时间变化的一个指标,取决于当地水利设施和社会经济水平。文中选取大中拖拉机数量、小型拖拉机数量、农用运输车、有效灌溉面积/播种面积、旱涝保收面积/播种面积、农牧民纯收入、地方财政收入、生产总值,采用专家打分法求解权重(见表3),并对8组数据进行去量纲化处理,得到各站的防灾减灾能力指标 At ,具体公式如式(13)。
表3 构成防灾减灾能力的各因子权重
防灾减灾能力因子 权重 防灾减灾能力因子 权重
有效灌溉面积/播种面积a1 0.22 大中型拖拉机a5 0.10
旱涝保收面积/播种面积a2 0.20 生产总值a6 0.08
小型拖拉机a3 0.16 农牧民纯收入a7 0.06
农用运输车a4 0.13 地方财政收入a8 0.05

At=t=1nCt*Et

(13)
式中, At 为防灾减灾能力指标, Ct 为不同等级的防灾减灾能力, Et 为不同等级防灾减灾能力出现的概率。
其中,防灾减灾能力C由式(14)计算得到。
C=c1*a1+c2*a2+c3*a3+c4*a4+c5*a5+c6*a6+c7*a7+c8*a8
(14)
式中,C为防灾减灾能力, c1 c2 c3 c4 c5 c6 c7 c8 分别为有效灌溉面积/播种面积、旱涝保收面积/播种面积、小型拖拉机、农用运输车、大中型拖拉机、生产总值、农牧民纯收入、地方财政收入, a1 a2 a3 a4 a5 a6 a7 a8 分别为对应的权重。

2.5 干旱灾害风险综合评估模型

基于致灾因子危险性、承灾体易损性、灾损脆弱性、防灾减灾能力,构建了干旱灾害风险综合评估模型。
Bt=(Wt*a+Vt*b+It*c)(At*d)
(15)
式中, Bt 为干旱灾害风险综合评估指数; Wt 为致灾因子危险性; Vt 为承灾体易损性; It 为灾损脆弱性; At 为地区的防灾减灾能力;abcd分别为致灾因子危险性、承灾体易损性、灾损脆弱性和防灾减灾能力的权重系数。
利用熵权法计算得到致灾因子危险性、承灾体易损性、灾损脆弱性和防灾减灾能力的权重,见表4
表4 干旱灾害风险综合评估各要素权重
干旱灾害风险因子
熵权
致灾因子危险性a 0.26
承灾体易损性b 0.24
灾损脆弱性c 0.23
防灾减灾能力d 0.27
干旱灾害风险综合评估模型涵盖了与灾害相关的所有因素,数值大小表征旱灾风险强度。致灾因子危险性、承灾体易损性、灾损脆弱性越大,旱灾风险越大,而防灾减灾能力越强,旱灾风险越小。

3 结果与分析

3.1 西藏主要农区青稞干旱的空间分布特征

利用ArcGIS 10.4中的自然间断断点分级法(Jenks),分别将致灾因子危险性指标W、承灾体易损性指标V、灾损脆弱性指标I、防灾减灾能力指标A及干旱灾害风险综合评估指数B划分为低、次低、中等、次高、高等5个等级,以此得到西藏主要农区青稞干旱灾害致灾因子危险性、承灾体易损性、灾损脆弱性、防灾减灾能力及干旱灾害综合风险区划图(图2)。
图2 基于不同干旱灾害风险指标的风险区划

Full size|PPT slide

图2(a)可以看出,西藏主要农区青稞干旱灾害致灾因子危险性整体上从东向西呈递增趋势。高危险区主要分布在普兰、八宿、隆子等地,其值均在0.5以上;次高危险区主要集中在日喀则的定日、拉孜、江孜及山南市区、昌都南部;中等危险区主要汇集在日喀则、拉萨市的大部分地区和山南市周边地区;次低危险区零星汇聚在南木林、聂拉木、芒康和林芝市周边地区;低危险区多见于索县、比如、林芝市中心地区和昌都市边缘地区。
图2(b)可以看出,西藏主要农区青稞干旱灾害承灾体易损性整体上呈现中间高、两边低的态势。高易损区主要分布于日喀则市东南部;次高易损区主要集中于日喀则市北部和拉萨、山南市西部;中等易损区主要分布于昌都市和拉萨、山南市东部;次低易损区以偏45°钝角U型集中于林芝市大部;其他为低易损区。
图2(c)可以看出,西藏主要农区青稞干旱灾害灾损脆弱性分布比较有规律,以日喀则以西为界,脆弱性由东向西呈块状递增;日喀则以东均为次低脆弱区,包括昌都、拉萨、山南市。
图2(d)可以看出,西藏主要农区青稞干旱灾害防灾减灾能力分布从东向西呈递增趋势。防灾减灾能力较高的地区主要集中于日喀则市和普兰站;防灾减灾能力次高的地区主要分布于拉萨和山南市;中等防灾减灾能力区主要集中在林芝大部分地区;次低区主要分布在昌都市;防灾减灾能力最弱的地区出现在索县和比如站。
图2(e)可以看出,西藏主要农区青稞干旱灾害综合风险整体上呈现中间低、两边高的态势。高风险区分布比较分散,主要包括日喀则南部和山南市局部地区,此区域多属于高原温带半干旱气候,年降水量仅250~400 mm,青稞主要生育期内水分亏缺严重,加之承灾体属于高、次高易损性风险区范畴,致使该区风险最大。次高风险区主要集中在日喀则、拉萨、昌都市大部,此区域多分布在研究区的边缘地带,也是西藏种植青稞的优势区;本区内的大部分地区致灾因子和承灾体均属于次高、中等风险区,灾损和防灾减灾能力多属于次低风险区,综合各项指标,本区为次高风险区。中等风险区以左斜H型分布在拉萨、山南、林芝市部分区域,此区域气候多样,降水极为不均;虽然致灾因子、承灾体、灾损均属于低、次低风险区,但其防灾减灾能力较弱,综合各项指标,该区属于中等风险区;次低风险区零星分布在加查、索县、比如等站,致灾因子、承灾体、灾损大部分属于低、次低风险区,防灾减灾能力属于低、次高范围,综合各指标,该区域为次低风险区;低风险区范围较小,主要集中在林芝、比如等站,此区域致灾因子、承灾体、灾损多属于低风险区,降水充沛、土壤底墒良好的优势极大削弱了其防灾减灾能力的弱势,故该区域属于风险最小的区域。

3.2 干旱灾害风险综合评估模型的验证

利用《中国气象灾害大典》(西藏卷)和1990—2017年《中国气象年鉴》中记录的各地市县级旱灾干旱事件,绘制了西藏主要农区青稞地市、县级旱灾频次分布图(图3),并对前面构建的干旱灾害风险综合评估模型及其区划结果进行了验证。结合图3(a)、(b)发现,山南、日喀则、昌都市发生旱灾的频次较多,拉萨市、索县、比如发生旱灾的次数偏少,这与图2给出的干旱灾害风险综合评估模型的区划图基本吻合,从空间尺度上证明本研究的区划结果具有一定的使用价值。
图3 西藏主要农区青稞地市、县级旱灾频次分布

Full size|PPT slide

3.3 西藏主要农区青稞干旱的年际变化特征

图4为西藏主要农区青稞研究区及其4个分区干旱灾害风险综合评估指数时间序列图,由图可以看出,研究区与4个分区变化趋势基本同步,干旱灾害风险值明显增大,意味着干旱化趋势显著,除了2004年处于下降趋势,2005、2009、2014和2015年均处在上升趋势,进一步证明随着年份的递增旱灾风险呈上升态势。
图4 西藏研究区及4个分区干旱灾害风险综合评估指数时间变化

Full size|PPT slide

用线性趋势法分析研究区及4个分区干旱灾害风险综合评估指数的气候倾向率,分别为0.64 B/10 a(研究区)、0.80 B/10 a(Ⅰ区)、0.06 B/10 a(Ⅱ区)、0.33 B/10 a(Ⅲ区)、0.45 B/10 a(Ⅳ区),均达到0.01的显著性水平(除了Ⅱ区),分析可知近20年来干旱灾害风险综合评估指数的气候倾向率均大于0,表明西藏主要农区干旱化趋势明显。气候倾向率绝对值Ⅰ区>研究区>Ⅳ区>Ⅲ区>Ⅱ区,说明西藏主要农区半湿润区的干旱趋势大于半干旱区大于湿润区。
图4分析得到西藏主要农区干旱灾害风险综合评估指数高值有2个时间段:2009、2014—2015年,这2个时间段均发生在研究年份后10年,旱灾风险值超过2.0,最大值年发生在2015年,达到3.0;Ⅰ区干旱灾害风险综合评估指数高值有4个时间段:1999、2007、2009、2014—2015年,最高值在2015年,达到5.2;Ⅱ区干旱灾害风险综合评估指数高值有2个时间段:2005、2009,最高值在2009年,达到2.7;Ⅲ区干旱灾害风险综合评估指数高值有4个时间段:2005—2006、2009—2010、2012、2015年,最高值年份在2015年;Ⅳ区干旱灾害风险综合评估指数高值有2个时间段:2009、2015年(最高年),均发生在研究年份后10年。综上分析发现,无论西藏主要农区还是其分区,干旱灾害风险综合评估指数高值持续时间都很短,且高值时间段均出现在2009年,与《中国气象灾害大典》(西藏卷)及2009年《中国气象年鉴》干旱历史记录相吻合。
通过分析西藏主要农区及各分区自1999年以来干旱灾害风险综合评估指数,高值持续出现,但规律性较差。1999、2005、2006、2007、2009、2010、2012、2014、2015年,西藏主要农区及4个分区出现干旱灾害风险值较高现象。《中国气象灾害大典》(西藏卷)记录了2002年之前的干旱事件,大旱年份有1999、2001、2002年;《中国气象年鉴》记录了2017年之前的干旱事件,大旱年份有2001、2002、2005、2006、2009、2010、2012、2014、2015年。除Ⅰ区2007与2015年、Ⅲ区2012与2015、Ⅳ区2015年,干旱高值年未与西藏干旱历史记录一致外,其它高值年均能与历史记录相对应。

4 讨论

4.1 干旱灾害风险综合评估模型的论述

干旱风险指标选择的恰当与否直接关系到干旱风险评估结果的准确性。鉴于不同学者在构建干旱灾害风险评估模型时选取的干旱指标、模型构建方法、指标权重识别方法等均存在差异,且获取数据途径有别导致掌握的不甚全面,尤其是抗灾能力方面指标大多不一致,最终导致同一区域同一灾害的评估结果不同[22]。崔鹏等[24]认为评估“一带一路”地区气象干旱风险灾害是致灾因子危险性和承灾体脆弱性共同作用的结果;张强等[25]认为致灾因子、承灾体脆弱性和孕灾环境敏感性即可反映干旱灾害的特征;薛昌颖等[9]在构建防灾减灾能力时仅选用有效灌溉面积比重单一指标,忽略了社会经济因素的影响;王莺等[26]对抗旱指数的处理选择与1之间的差值同其他指数构建干旱灾害风险综合评估模型;徐玉霞等[27]将构建干旱综合模型的4个要素的二级指标也赋予不同权重,可能会造成主观因素对综合指标的误差。
综上,本研究基于农业灾害辨识、风险评估技术方法、灾情史料等[28],综合考虑了危险性、易损性、脆弱性、防灾减灾能力等4个风险因子,选取自然水分亏缺率指数作为致灾因子的危险性指标、青稞生产效率指数等作为承灾体的易损性指标、减产率指数作为灾损的脆弱性指标、有效灌溉面积比例等作为防灾减灾能力指标,并利用熵权法求算各风险因子的权重,构建了干旱灾害风险综合评估模型。各风险因子的选取和风险评估模型的建立符合西藏当地干旱实际状况和社会背景,符合自然灾害风险理论。

4.2 干旱灾害风险区划结果的论述

本研究将基于干旱灾害风险综合评估指数得到的区划结果与灾情事实进行对比验证,区划结果尊重客观事实,因此构建的干旱灾害风险综合评估模型用于西藏主要农区干旱风险区划和灾害时空规律分析是合理和可靠的。此外,由于主观分区的划分、干旱指标的选取、数据的完整等原因造成西藏主要农区及4个分区的Ⅰ区2007与2015年、Ⅲ区2012与2015、Ⅳ区2015年的干旱高值年未与西藏干旱历史记录一致,但是其它高值年均能与历史记录相对应。
将本研究的分析结果与已有的研究结果进行对比,袁雷等[29]对西藏旱季和雨季的干旱及重旱频率进行了评述,从选取的指标看,主要完成了干旱的危险性评价,从其计算的西藏雨季干旱频率看,阿里地区、昌都和日喀则市干旱发生频率最高,这些地区在本文关于干旱危险性的评价多处于中高值区,两者结论基本一致;从年代际来看,21世纪初雨季干旱频率超过20世纪80年代和90年代,这与本研究得出干旱随年份递增的结论也比较一致。由于青稞产量数据原因,本文时间序列只选择1999—2017年,而金建新等[1]选择的是1981—2012年,故与其得出的干旱程度随时间推移递减结论完全相反;仅分析相同时间段1999—2012年发现,金建新与本研究的时间序列上的干旱结论一致。

4.3 下一步研究方向

由于当前西藏保持多年连续气象资料的国家标准气象监测站密度稀疏、空间分布不均,新增站点时间序列较短、农业生态系统等关键生态区内监测站点缺乏等问题,本研究选取的主要研究区站点有限,对相关研究的精细化程度有一定影响。本研究针对西藏青稞的分区划分多以市界以及邻近划分原则,有一定主观性,易造成分区上的不太谨慎。在今后的研究中,应充分运用遥感资料,弥补气象观测数据少而分布不均的缺陷。

5 结论

本研究基于致灾因子危险性、承灾体易损性、灾损脆弱性、防灾减灾能力等4个风险要素方面的干旱评价指标,构建干旱灾害风险综合评估模型,对各风险因子的指标值和风险综合指数的时空分布进行分析得出:致灾因子危险性、防灾减灾能力由东向西整体上呈现递增走势;灾损脆弱性分布较规律;干旱灾害风险综合指数呈现中间低、两边高的态势,承灾体易损性与之相反。分析干旱灾害风险综合评估指数时间序列得到:随着年份的递增,干旱均有加重的趋势。

参考文献

[1]
金建新, 张娜, 桂林国. 西藏地区干旱指标的时空演变[J]. 水土保持研究, 2019,26(5):377-380.
[2]
祁栋林, 裴玉芳, 晁红艳, 等. 青海省海东市不同等级降水和旱涝关系研究[J]. 中国农学通报, 2020,36(4):101-112.
[3]
李瑞英, 任崇勇. 1971-2015年鲁西南地区旱涝演变时空分布特征[J]. 中国农学通报, 2020,36(4):95-100.
[4]
贾建英, 韩兰英, 万信, 等. 甘肃省冬小麦干旱灾害风险评估及其区划[J]. 干旱区研究, 2019,36(6):1478-1486.
[5]
中华人民共和国国务院新闻办公室. 青藏高原生态文明建设状况[EB/OL]: http://www.tibet.cn/cn/zt2019/wdzg/bps/201908/t20190816_6664089.html,2018-08-16.
[6]
温克刚, 刘光轩. 中国气象灾害大典(西藏卷)[M]. 北京: 气象出版社, 2007: 21-25.
[7]
许小峰. 中国气象年鉴[M]. 北京: 气象出版社, 2010: 462.
[8]
许小峰. 中国气象年鉴[M]. 北京: 气象出版社, 2015: 346.
[9]
薛昌颖, 张弘, 刘荣花. 黄淮海地区夏玉米生长季的干旱风险[J]. 应用生态学报, 2016,27(5):1521-1529.
[10]
Blaiker P, Cannon T. Risk: Natural Hazard. People’s Vulnerability and Disasters[M]. London , UK: Rutledge, 1994: 147-167.
[11]
Xu L, Zhang Q, Zhang J, et al. Extreme meteorological disaster effects on grain production in Jilin Province, China[J]. Journal of Integrative Agriculture, 2017,16(2):486-496.
[12]
Okada N, Tatano H, Hagihara Y, et al. Integrated Research on Methodgical Development of Urban Diagnosis for Disaster Risk and Its Applications. Kyoto: Disaster Prevention Research Institute Annuals, Kyoto University, 2004.
[13]
Zhao H, Xu Z X, Zhao J . A drought rarity and evapotranspiration-based index as a suitable agricultural drought indicator[J]. Ecological Indicators, 2017,82:530-538.
[14]
何斌, 王全九, 吴迪, 等. 基于灾害风险综合指标的陕西省农业干旱时空特征[J]. 应用生态学报, 2016,27(10):3299-3306.
随着气候变化,农业干旱直接威胁粮食安全.本文以陕西省为研究对象,基于自然灾害风险理论,综合考虑干旱灾害影响因素,从致灾因子的危险性、承灾体的暴露性、环境的脆弱性和地区的抗旱能力4个风险要素选取指标,采用层次分析法确定指标权重,构建自然灾害风险综合指标,分析2009—2013年陕西省农业干旱时空特征.结果表明: 研究期间,陕北地区农业干旱风险略呈下降趋势;陕南地区呈急剧升高态势,以商洛市为甚;关中地区基本稳定,以咸阳市最高、西安市最低.陕西省农业干旱风险大体呈现从南向北逐渐递增现象.
 
[15]
杨若子. 东北玉米主要农业气象灾害的时空特征与风险综合评估[D]. 南京:南京信息工程大学, 2015: 5.
[16]
史继清. 基于风险区划的农业干旱保险费率厘定以及风险管理初探[D]. 南京:南京信息工程大学, 2013: 7.
[17]
中国气象年鉴[M]. 北京: 气象出版社, 1990—2017.
[18]
罗红英, 崔远来. 西藏主要农区青稞作物系数的计算分析[J]. 灌溉排水学报, 2014,33(1):116-119.
[19]
宋善允, 王鹏祥. 西藏气侯[M]. 北京: 气象出版社, 2013:11-13, 385-387.
[20]
史继清, 德吉, 旺杰, 等. 基于干旱综合风险指标的冬小麦保险费率厘定[J]. 中国农业气象, 2014,35(6):663-668.
基于自然水分亏缺率指数、降水距平百分率指数和抗旱指数以及三者权重系数构建干旱综合风险指标,对西藏林芝地区冬小麦种植风险进行评估;同时,利用冬小麦单产减产率与不同干旱指标建立回归方程,发现单产减产率与干旱综合风险指标回归方程的决定系数最高(R2=0.904,P<0.05);在此基础上利用非参数法计算出不同保障水平下的修正纯保险费率,得到适于研究区的保险费率厘定模型。结果表明,保障水平高于80%时修正的纯保险费率可作为农户投保的标准;100%、95%、90%保障水平下修正纯保险费率最高的为察隅,85%、80%保障水平下修正纯保险费率最高的为米林,保险公司可根据投保农户选取的冬小麦保障水平和种植区域支付相应的费率。
[21]
王素艳, 霍治国, 李世奎, 等. 北方冬小麦干旱灾损风险区划[J]. 作物学报, 2005,31(3):267-274.
本文基于风险分析的原理,利用北方冬麦区长年小麦产量资料和气象资料,建立了适用于北方冬小麦干旱灾损风险评估的指标体系,包括自然水分亏缺率风险指数、减产率风险指数和抗灾性能趋势向量系数等风险评估指标的意义、表达模式和估算技术、计算和分区。结果表明,北方冬小麦各项风险评估指标均具有明显的区域差异和一定的连
[22]
薛昌颖, 霍治国, 李世奎, 等. 华北北部冬小麦干旱和产量灾损的风险评估[J]. 自然灾害学报, 2003,12(1):131-139.
[23]
Louie Ren, Yong Glasure. Applicability of the Revised Mean Absolute Percentage Errors (MAPE) Approach to Some Popular Normal and Non-normal Independent Time Series[J]. International Advances in Economic Research, 2009,15(4):409-420.
[24]
崔鹏, 邹强, 陈曦, 等. “一带一路”自然灾害风险与综合减灾[J]. 中国科学院院刊, 2018,33(增刊2):38-43.
[25]
张强, 王劲松, 姚玉璧, 等. 干旱灾害风险及其管理[M]. 北京: 气象出版社, 2018.
[26]
王莺, 王劲松, 姚玉璧. 甘肃省河东地区气象干旱灾害风险评估与区划[J]. 中国沙漠, 2014,34(4):1115-1124.
干旱灾害是世界上危害最为严重的自然灾害之一。通过对干旱灾害风险成因的深入分析,结合灾害学理论,从干旱灾害的致灾因子危险性、孕灾环境脆弱性、承灾体暴露性和防灾减灾能力等4个方面入手,构建干旱灾害风险评估模型,然后依据甘肃省河东地区相关气象、生态和社会经济数据,在GIS平台下将干旱灾害的自然属性和社会属性统一起来进行干旱灾害风险评估与区划。结果表明:(1)研究区致灾因子危险性等级有自中部向东西两边逐渐降低的趋势,7个地区中干旱灾害危险性自大到小依次是天水、平凉、陇南、定西、临夏、甘南和庆阳。(2)研究区孕灾环境脆弱性有自北向南逐渐降低的趋势,脆弱性自大到小依次是庆阳、临夏、定西、平凉、天水、甘南和陇南。(3)研究区承灾体暴露性自大到小依次是天水、平凉、临夏、定西、陇南、庆阳和甘南。(4)防灾减灾能力自大到小依次是临夏、天水、平凉、定西、陇南、庆阳、甘南。(5)河东地区自北向南干旱灾害风险逐渐降低,干旱风险自大到小依次是定西、天水、庆阳、平凉、临夏、甘南和陇南。
[27]
徐玉霞, 许小明, 杨宏伟, 等. 基于GIS的陕西省干旱灾害风险评估及区划[J]. 中国沙漠, 2018,38(1):192-199.
[28]
李世奎, 霍治国, 王道龙. 中国农业灾害风险评估与对策. 北京: 气象出版社, 1999.
[29]
袁雷, 刘依兰, 马鹏飞. 基于标准化降水指数的1981—2013年西藏干旱时空特征分析[J]. 中国农学通报, 2015,31(25):228-234.

基金

西藏自治区重点科技计划“藏北典型生态区生态环境遥感监测评估”(XZ201703-GA-01)
中国气象局气候变化专项“气候变化对西藏春青稞产量的影响研究”(CSF201935)
西藏特色作物气候适宜性分析及区划(CCSF202038)
西藏自治区自然科学基金“基于MCI指数的西藏主要农作物保险费率厘定的应用研究”

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
PDF(1964 KB)

45

Accesses

0

Citation

Detail

段落导航
相关文章

/