氣象災(zāi)害評(píng)估技術(shù)

1、1/ 5農(nóng)業(yè)氣象災(zāi)害評(píng)估研究姜緒彬農(nóng)業(yè)推廣碩士 Z09470106032Z09470106032農(nóng)業(yè)氣象災(zāi)害是影響農(nóng)作物產(chǎn)量和質(zhì)量的重要災(zāi)害之一，我國(guó)每年因各種 氣象災(zāi)害造成的農(nóng)業(yè)作物受災(zāi)面積大、經(jīng)濟(jì)損失多。隨著氣候變化的日趨明 顯，農(nóng)業(yè)氣象災(zāi)害的頻率增加、強(qiáng)度增強(qiáng)、危害加重，對(duì)國(guó)家糧食安全和農(nóng)業(yè) 可持續(xù)發(fā)展構(gòu)成嚴(yán)重威脅。農(nóng)業(yè)氣象災(zāi)害評(píng)估是研究災(zāi)害規(guī)律，進(jìn)行災(zāi)害區(qū) 劃、災(zāi)害管理和災(zāi)害風(fēng)險(xiǎn)預(yù)測(cè)的基礎(chǔ)。準(zhǔn)確及時(shí)評(píng)估農(nóng)作物在遭受農(nóng)業(yè)氣象災(zāi)害后的產(chǎn)量損失和經(jīng)濟(jì)損失，是當(dāng) 前農(nóng)業(yè)生產(chǎn)急需解決的問(wèn)題。準(zhǔn)確及時(shí)的災(zāi)害損失評(píng)估結(jié)果，可以科學(xué)認(rèn)識(shí)災(zāi) 害、了解災(zāi)情、提高災(zāi)害意識(shí)，為各級(jí)政府防災(zāi)減災(zāi)及救災(zāi)決策提供重

2、要依 據(jù)。農(nóng)業(yè)氣象災(zāi)害對(duì)農(nóng)業(yè)造成的影響通常以農(nóng)業(yè)氣象災(zāi)害指標(biāo)體系為依據(jù)進(jìn)行 評(píng)價(jià)，尤其是 2O2O 世紀(jì) 8080年代以來(lái)，我國(guó)學(xué)者以人工控制條件和大田試驗(yàn)以及 災(zāi)害資料統(tǒng)計(jì)分析為基礎(chǔ)，形成了主要農(nóng)業(yè)氣象災(zāi)害指標(biāo)體系，在此基礎(chǔ)上建 立了各種農(nóng)業(yè)氣象災(zāi)害評(píng)價(jià)的數(shù)學(xué)模型使災(zāi)害評(píng)價(jià)由定性逐漸向定量發(fā)展。其 研究對(duì)象涉及干旱、洪澇、連陰雨、熱帶氣旋、晚霜凍、干熱風(fēng)等多種農(nóng)業(yè)氣 象災(zāi)害。針對(duì)全球氣候變化，許多學(xué)者也對(duì)全球氣候變化背景下農(nóng)業(yè)氣象災(zāi)害 時(shí)空分布及強(qiáng)度對(duì)氣候變化的響應(yīng)進(jìn)行了研究。近年來(lái)隨著 3s3s 技術(shù)的應(yīng)用以及 作物模型的 1313 趨成熟，農(nóng)業(yè)氣象災(zāi)害評(píng)估在時(shí)間和空間的精細(xì)化程度方面得到

3、 明顯提高。目前國(guó)內(nèi)外關(guān)于農(nóng)業(yè)氣象災(zāi)害影響評(píng)估主要包括綜合模型評(píng)估、作 物模型評(píng)估和災(zāi)害風(fēng)險(xiǎn)評(píng)估，評(píng)估內(nèi)容包括作物產(chǎn)量損失、人類社會(huì)經(jīng)濟(jì)損失 和災(zāi)害風(fēng)險(xiǎn)區(qū)劃及管理等方面。綜合模型評(píng)估一般從災(zāi)害的強(qiáng)度、災(zāi)害覆蓋 度、作物對(duì)災(zāi)害的敏感度、抗災(zāi)能力以及社會(huì)生產(chǎn)力水平等因素入手，構(gòu)建災(zāi) 害評(píng)估指標(biāo)體系，利用回歸分析、模糊數(shù)學(xué)方法、灰色聚類分析 、層次分析法 和 BPBP 神經(jīng)網(wǎng)絡(luò)等多種數(shù)學(xué)方法，建立農(nóng)業(yè)氣象災(zāi)害綜合評(píng)估模型，進(jìn)行農(nóng)業(yè)氣 象災(zāi)害定性或定量評(píng)估。經(jīng)濟(jì)損失評(píng)估是綜合評(píng)估模型的另外一個(gè)重要評(píng)估內(nèi)容。李翠金采用降水 距平百分率和干旱指數(shù)確定了華北平原單站及區(qū)域的干旱等級(jí)，并依據(jù)干旱指 數(shù)建立了受

4、災(zāi)面積和成災(zāi)面積評(píng)估模型以及經(jīng)濟(jì)損失評(píng)估模式。王守榮等把災(zāi)害造成的經(jīng)濟(jì)損失分解為時(shí)間序列趨勢(shì)項(xiàng)、氣候異常影響項(xiàng)和隨機(jī)波動(dòng)項(xiàng)，建 2/ 5立了氣候異常直接經(jīng)濟(jì)損失統(tǒng)計(jì)預(yù)測(cè)模型。王鎮(zhèn)銘等根據(jù)受災(zāi)面積、經(jīng)濟(jì)損 失、GDPGDP值等資料，對(duì)浙江省重大旱澇氣象災(zāi)害對(duì)國(guó)民經(jīng)濟(jì)的影響進(jìn)行了評(píng) 估。襲祝香等根據(jù)統(tǒng)計(jì)資料及受災(zāi)面積，利用多元回歸方法，建立了吉林省歷 年洪澇損失序列和洪澇損失評(píng)估模型。吳蓁、吳富山等利用多元回歸方程對(duì)河 南省暴雨洪水災(zāi)害損失進(jìn)行了預(yù)評(píng)估，并提出了相應(yīng)的減災(zāi)對(duì)策。隨著計(jì)算機(jī)與信息技術(shù)的快速發(fā)展和人們對(duì)農(nóng)作物受災(zāi)機(jī)理理論認(rèn)識(shí)進(jìn)一 步深入，作物模型在農(nóng)業(yè)氣象災(zāi)害定量評(píng)估方面取得較大進(jìn)展。

5、作物生長(zhǎng)模型 在農(nóng)業(yè)氣象災(zāi)害評(píng)估中的優(yōu)勢(shì)在于機(jī)理性強(qiáng)，可以較好地反映出作物生育進(jìn) 程、產(chǎn)量與各生育階段溫度、降水量以及土壤水分動(dòng)態(tài)的關(guān)系，實(shí)現(xiàn)不同年型 下的動(dòng)態(tài)決策和氣候應(yīng)變管理。目前的作物模型主要有荷蘭deWitdeWit學(xué)派的系列模型、美國(guó)DSSATDSSAT莫型、澳 大利亞的APSIMAPSIM模型以及我國(guó)的CCSODCCSOD模型。其中荷蘭模型強(qiáng)調(diào)作物光合作 用，主要考慮土壤、氣候等因素的作用，是一個(gè)通用性強(qiáng)的模型，不同作物可 以通過(guò)改換作物參數(shù)和土壤、氣候數(shù)據(jù)而共用一個(gè)模型框架。美國(guó)的DSSATDSSAT模型每一種作物都有其獨(dú)立的模塊，考慮了品種遺傳特性、土壤、天氣和管理措 施等因素

6、的作用以及土壤碳循環(huán)，考慮相同作物不同品種之間的特性，在氣候 影響評(píng)價(jià)領(lǐng)域應(yīng)用比較廣泛。澳大利亞的 APSIMAPSIM模擬系統(tǒng)的核心突出的是土 壤，而不是植被、天氣和管理措施引起的土壤特征變量的連續(xù)變化。國(guó)內(nèi)高亮 之等發(fā)展的CCSODCCSOD模型具有機(jī)理性和通用性，同時(shí)也注重實(shí)用性，面向基層農(nóng) 業(yè)管理者和農(nóng)田管理者，提供作物優(yōu)化栽培體系。2020 世紀(jì) 8O8O 年代中期，以農(nóng)業(yè)專家系統(tǒng)為代表的評(píng)估模型開(kāi)始應(yīng)用于農(nóng)業(yè) 管理，其應(yīng)用范圍也逐漸從單一的病蟲(chóng)害診斷轉(zhuǎn)向生產(chǎn)管理經(jīng)濟(jì)決策分析、生 態(tài)環(huán)境評(píng)估等。伴隨著作物模型的進(jìn)一步發(fā)展， CERECERE系列模型也逐漸被許多國(guó) 家廣泛應(yīng)用于不同環(huán)境

7、條件下的作物估產(chǎn)、干旱評(píng)價(jià)以及氣候變化對(duì)農(nóng)業(yè)的影 響。國(guó)內(nèi)農(nóng)業(yè)評(píng)估模型研究開(kāi)始于 2020世紀(jì) 8080 年代初期， 9090年代后金之慶等采 用作物模擬模型與氣候變化情景耦合的方法，評(píng)價(jià)了全球氣候變化對(duì)我國(guó)東 北、華北和長(zhǎng)江中下游平原大豆產(chǎn)量和灌溉量的影響。王石立利用水分脅迫的 后效性及作物不同發(fā)育階段對(duì)水分脅迫的敏感性，研制出實(shí)際水分條件下的冬 小麥生長(zhǎng)模擬模式，并利用該模式對(duì)干旱進(jìn)行了動(dòng)態(tài)、客觀評(píng)估。孫寧等利用APSIMAPSIMWheatWheat 模型的模擬結(jié)果評(píng)估了北京地區(qū)干旱造成的冬小麥產(chǎn)量風(fēng)險(xiǎn)。張 3/ 5雪芬等利用WOFOSTWOFOST模型，選取干物質(zhì)重、穗重、莖重等模型輸

8、出量定量評(píng)估 了黃淮平原晚霜凍對(duì)產(chǎn)量的影響。馬樹(shù)慶應(yīng)用改進(jìn)后的玉米生長(zhǎng)發(fā)育和干物質(zhì)積累動(dòng)態(tài)模型，采用新的玉米 低溫冷害指標(biāo)和參數(shù)，建立了玉米低溫冷害發(fā)生及損失程度。張建平等借助 WOFOSTWOFOST模型在東北地區(qū)玉米適應(yīng)性驗(yàn)證的基礎(chǔ)上，實(shí)現(xiàn)了東北地區(qū)玉米低溫 冷害的定量化評(píng)估。災(zāi)害風(fēng)險(xiǎn)是指各種危險(xiǎn)因子未來(lái)若干年內(nèi)發(fā)生的可能性及 其可能達(dá)到的災(zāi)害程度。災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)是一項(xiàng)在災(zāi)害危險(xiǎn)性、災(zāi)害危害性、災(zāi) 害預(yù)測(cè)、社會(huì)承災(zāi)體脆弱性、減災(zāi)分析及相關(guān)的不確定性研究的基礎(chǔ)上進(jìn)行的 多因子綜合分析工作。災(zāi)害風(fēng)險(xiǎn)管理是指人們對(duì)可能遇到的各種災(zāi)害風(fēng)險(xiǎn)進(jìn)行 識(shí)別、估計(jì)和評(píng)價(jià)，并在此基礎(chǔ)上進(jìn)行有效地控制和處置災(zāi)害風(fēng)

9、險(xiǎn)，以最低的 成本實(shí)現(xiàn)最大安全保障的決策過(guò)程。災(zāi)害風(fēng)險(xiǎn)評(píng)估與管理已逐漸成為災(zāi)害科 學(xué)、地球科學(xué)的發(fā)展方向、重點(diǎn)領(lǐng)域和前沿課題。災(zāi)害風(fēng)險(xiǎn)分析在國(guó)外的研究起步較早，但多側(cè)重于經(jīng)濟(jì)領(lǐng)域和重大自然災(zāi) 害等方面，在農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)方面研究成果并不多。農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估 在我國(guó)大致開(kāi)始于 2020 世紀(jì) 9090 年代，前期以災(zāi)害風(fēng)險(xiǎn)分析技術(shù)方法探索研究為 主，以風(fēng)險(xiǎn)分析技術(shù)為核心，探討了農(nóng)業(yè)自然災(zāi)害風(fēng)險(xiǎn)分析的理論、概念、方 法和模型。后來(lái)逐步發(fā)展到以災(zāi)害影響評(píng)估的風(fēng)險(xiǎn)化、數(shù)量化技術(shù)方法為主， 構(gòu)建災(zāi)害風(fēng)險(xiǎn)分析、跟蹤評(píng)價(jià)、災(zāi)后評(píng)估、應(yīng)變對(duì)策的技術(shù)體系。王石立等分 析了小麥各發(fā)育階段在有限灌溉條件下的干旱

10、指標(biāo)及發(fā)生概率，計(jì)算出了干旱 引起的減產(chǎn)率，得出冬小麥各發(fā)育階段及全生育期的干旱風(fēng)險(xiǎn)度并進(jìn)行分級(jí)定 量評(píng)估。鄧國(guó)等以風(fēng)險(xiǎn)理論為指導(dǎo)，初步探討了糧食生產(chǎn)中的風(fēng)險(xiǎn)問(wèn)題，并從 糧食產(chǎn)量序列人手采用解析概率密度曲線積分的方法，著重糧食產(chǎn)量的波動(dòng)情 況，定量地反映該地區(qū)糧食生產(chǎn)風(fēng)險(xiǎn)水平的高低狀況。針對(duì)農(nóng)業(yè)生產(chǎn)中大范圍 農(nóng)業(yè)氣象災(zāi)害影響的定量評(píng)估需求，霍治國(guó)、李世奎等將風(fēng)險(xiǎn)原理有效地引入 農(nóng)業(yè)氣象災(zāi)害影響評(píng)估，豐富和拓展了災(zāi)害風(fēng)險(xiǎn)內(nèi)涵，建立了災(zāi)害影響評(píng)估的 技術(shù)體系，實(shí)現(xiàn)了災(zāi)害風(fēng)險(xiǎn)的量化評(píng)估。薛昌穎、王素艷等利用北方冬小麥近 50a50a的實(shí)際單產(chǎn)資料和氣象資料，進(jìn) 行冬小麥產(chǎn)量災(zāi)損風(fēng)險(xiǎn)評(píng)估和風(fēng)險(xiǎn)類型劃分

11、。以歷年平均減產(chǎn)率、災(zāi)年減產(chǎn)率 變異系數(shù)、不同減產(chǎn)率及其發(fā)生的概率和抗災(zāi)指數(shù)作為產(chǎn)量災(zāi)損風(fēng)險(xiǎn)評(píng)估指 標(biāo)，提出了北方冬小麥產(chǎn)量災(zāi)損綜合風(fēng)險(xiǎn)類型分類指標(biāo)和綜合風(fēng)險(xiǎn)區(qū)劃指標(biāo)。 4/ 5劉榮花等從冬小麥產(chǎn)量的實(shí)際損失角度出發(fā)，對(duì)減產(chǎn)率、發(fā)生概率及產(chǎn)量的變 異系數(shù)等因子分析，構(gòu)建了華北平原冬小麥干旱產(chǎn)量損失風(fēng)險(xiǎn)評(píng)估模型，并對(duì) 華北平原冬小麥進(jìn)行了災(zāi)損風(fēng)險(xiǎn)區(qū)劃。羅培從干旱災(zāi)害發(fā)生的成災(zāi)環(huán)境、災(zāi)害 發(fā)生的可能性，以及承載體的易損性三方面選取了地貌、災(zāi)害頻率、人口、社 會(huì)經(jīng)濟(jì)等評(píng)價(jià)因子，應(yīng)用模糊評(píng)價(jià)法建立了干旱災(zāi)害孕災(zāi)背景、災(zāi)害危險(xiǎn)性、 成災(zāi)體 _易損性等數(shù)學(xué)模型，得到了重慶干旱災(zāi)害的風(fēng)險(xiǎn)評(píng)估及其區(qū)劃。目 前

12、，綜合模型評(píng)估研究多是建立在統(tǒng)計(jì)分析基礎(chǔ)上的經(jīng)驗(yàn)性模型 （不涉及系統(tǒng)內(nèi) 部運(yùn)行機(jī)理 ）或靜態(tài)模型 （不含時(shí)間變量 ），常常存在統(tǒng)計(jì)樣本量的不足和氣候變 量生物學(xué)意義不明確等問(wèn)題，對(duì)災(zāi)情很難達(dá)到動(dòng)態(tài)、快速、準(zhǔn)確的評(píng)估。在氣 象災(zāi)害的分布規(guī)律研究方面，多采用離散點(diǎn)氣象資料進(jìn)行分析，對(duì)極端天氣氣 候引發(fā)的重大農(nóng)業(yè)氣象災(zāi)害頻率、強(qiáng)度和發(fā)生區(qū)域遷移的影響研究甚少。其次 從適用的空間范圍上，這些模型往往只適用于統(tǒng)計(jì)數(shù)據(jù)的特定環(huán)境，存在地區(qū) 適應(yīng)性差，起不到在不同區(qū)域、不同時(shí)期評(píng)估農(nóng)業(yè)生產(chǎn)狀態(tài)的作用。尤其是在 極端天氣氣候條件下，利用統(tǒng)計(jì)方法進(jìn)行災(zāi)害損失評(píng)估，其效果將受影響。作 物生長(zhǎng)模型雖然已經(jīng)取得了長(zhǎng)足

13、進(jìn)步，利用作物模型進(jìn)行農(nóng)業(yè)氣象災(zāi)害定量評(píng) 估也有一定優(yōu)勢(shì)。但由于氣象災(zāi)害對(duì)農(nóng)業(yè)影響的復(fù)雜性，至今在農(nóng)業(yè)氣象業(yè)務(wù) 中還沒(méi)有形成成熟的定量化評(píng)估方法?，F(xiàn)有模型的許多部分還有較多的經(jīng)驗(yàn)性 成分，諸多生理生態(tài)過(guò)程仍需要深人研究并進(jìn)一步完善，與模型應(yīng)用相匹配的 參數(shù)獲取、估算與計(jì)算方法仍很不完善，災(zāi)害損失評(píng)估效果在區(qū)域尺度上仍有 待改進(jìn)。其次，由于作物模型的模擬時(shí)間步長(zhǎng)一般是以 1d1d 為單位，而對(duì)于危害 持續(xù)時(shí)間小于1d1d，或者只有幾個(gè)小時(shí)的農(nóng)業(yè)氣象災(zāi)害的評(píng)估，可能達(dá)不到理想 效果。另外，有關(guān)作物模型的基本原理和各種模型的建立研究較多，而模型的 應(yīng)用研究較少。目前我國(guó)開(kāi)展的農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估研究

14、大多是基于氣象和 作物資料，通過(guò)計(jì)算災(zāi)害概率、災(zāi)損統(tǒng)計(jì)、變異系數(shù)等分析災(zāi)害的風(fēng)險(xiǎn)性，沒(méi) 有考慮概率風(fēng)險(xiǎn)模型對(duì)災(zāi)害不確定性的描述，在實(shí)際風(fēng)險(xiǎn)評(píng)估中勢(shì)必引起一定 的誤差。氣象災(zāi)害風(fēng)險(xiǎn)識(shí)別研究較多，氣象災(zāi)害風(fēng)險(xiǎn)形成機(jī)理研究較少；氣象 災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)關(guān)于自然屬性的研究較多，關(guān)于社會(huì)屬性的研究較少；單一氣象 災(zāi)害風(fēng)險(xiǎn)研究較多，綜合氣象災(zāi)害風(fēng)險(xiǎn)研究較少。不易量化的氣象災(zāi)害風(fēng)險(xiǎn)因 素在評(píng)估中如何體現(xiàn)，還有待進(jìn)一步研究。由于作物模型能對(duì)作物重要生理過(guò) 程及其氣象、土壤等環(huán)境條件的關(guān)系進(jìn)行數(shù)值模擬，人為再現(xiàn)農(nóng)作物生長(zhǎng)發(fā)育 過(guò)程，能夠從機(jī)理上定量描述作物生長(zhǎng)過(guò)程及其與環(huán)境因素之間的關(guān)系，可以反映作物與氣候環(huán)境的相互

15、作用，因此以農(nóng)業(yè)模型為基礎(chǔ)的農(nóng)業(yè)氣象災(zāi)害評(píng)估 5/ 5技術(shù)將得到加強(qiáng)。今后模型將以面向用戶、簡(jiǎn)便、準(zhǔn)確為原則，由面向上層研 究轉(zhuǎn)為面向基層生產(chǎn)用戶研究。一方面農(nóng)業(yè)評(píng)估模型與土壤水分等生態(tài)模型相 結(jié)合，形成農(nóng)業(yè)生產(chǎn)優(yōu)化決策系統(tǒng)；另一方面應(yīng)用人工智能的技術(shù)方法建立領(lǐng) 域?qū)＜抑R(shí)模型，并與數(shù)學(xué)模型融合形成農(nóng)業(yè)綜合評(píng)估專家系統(tǒng)。作物模擬的 可視化與管理決策系統(tǒng)結(jié)合也將是今后的方向之一。農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)的新方法、新理論和新概 念將不斷引入、完善和發(fā)展。在災(zāi)害成災(zāi)機(jī)理研究基礎(chǔ)上，災(zāi)害致災(zāi)因子危險(xiǎn) 性、承災(zāi)體脆弱性和區(qū)域防災(zāi)能力研究將進(jìn)一步深入。其次，由于不同類型的 氣象災(zāi)害有著不同的孕災(zāi)環(huán)境，不同的風(fēng)險(xiǎn)因素在風(fēng)險(xiǎn)評(píng)估中的作用也不同， 不同學(xué)者對(duì)同一種承災(zāi)體提出的不同的風(fēng)險(xiǎn)指標(biāo)和不同的風(fēng)險(xiǎn)評(píng)估模型，由于 標(biāo)準(zhǔn)不統(tǒng)一，造成統(tǒng)一孕災(zāi)環(huán)境下同一災(zāi)害風(fēng)險(xiǎn)評(píng)估結(jié)果有較大差異。風(fēng)險(xiǎn)評(píng) 估指標(biāo)和風(fēng)險(xiǎn)評(píng)估模型的標(biāo)準(zhǔn)將相對(duì)統(tǒng)一。由于農(nóng)業(yè)氣象災(zāi)害對(duì)農(nóng)業(yè)造成的影響是多方面的，在災(zāi)損定量評(píng)估方面大 都只注重對(duì)農(nóng)業(yè)受損等直接經(jīng)濟(jì)損失的研究，而忽略了對(duì)社會(huì)