发布时间：2014-09-29 11:47所属分类：农业论文颁发浏览：1次插手珍藏

　　高工论文颁发 期刊保举 《农业工程》 是经旧事出书总署核准，由中国农业机械化科学研究院主管、卓众出书无限公司主办的农业工程类分析性学术期刊。创刊 于2011年，2012年改为月刊，国内统连续续出书物号CN 11-6025/S，国际尺度持续出书物号ISSN 2095

　　高工论文颁发期刊保举《农业工程》是经旧事出书总署核准，由中国农业机械化科学研究院主管、卓众出书无限公司主办的农业工程类分析性学术期刊。创刊 于2011年，2012年改为月刊，国内统连续续出书物号CN 11-6025/S，国际尺度持续出书物号ISSN 2095-1795。

　　注：我司能够操作《农业工程》的快速工作，需要委托我司的作者留意，《农业工程》需要按照要求确定字符，每双月的月底至下月初出刊，审稿需要5个工作日。细致问题征询请点击这里：《农业工程》相关问题

　　摘要：根据各省(市、自治区)1986―2011年的粮食产量、受灾面积和播种面积等数据，机关象灾祸的分析风险评价指数模子，操纵GIS平台对各省(市、自治区)的景象形象灾祸风险进行评估与区划。基于各省(市、自治区)景象形象灾损粮食产量的根本上，使用二次指数滑润法连系MATLAB算法，对2013年可能由景象形象灾祸丧失的粮食产量进行预测。成果表白，粮食出产的景象形象灾祸风险总体上是东部低于西部，南方低于北方。此中，江苏、上海等地域的分析风险指数最低，为0.0～1.0，其景象形象灾祸发生的次数少，即便发生灾祸也是轻灾为主，粮食产量比力不变;浙江、福建等地域的分析风险指数为1.0～2.5，属于次高风险;贵州、等地域因为经常发生景象形象灾祸而且大多灾祸比力严峻，严峻影响粮食产量，属于高风险区;、海南等地域的分析风险最高。通过对 2013年灾损粮食产量的预测，湖南、辽宁、、湖北和四川粮食灾损的相对较多，都达到600万t以上。

　　环节词：粮食产量,分析风险指数,风险评估与区划,二次指数滑润法,GIS

　　Evaluation and Regionalization of the Agriculture Meteorological Disasters in China

　　ZHOU Zhao-Ji，WANG Qian

　　(College of Economics and Management， Nanjing University of Information Science and Technology， Nanjing 210044， China)

　　Abstract： Based on the data of grain yield， disaster area and sown area from 1986 to 2011， the comprehensive risk evaluation model of meteorological disaster index was constructed. Meteorological disaster risks were assessed and zoned by GIS. Based on the meteorological disaster on grain yield， combining with the MATLAB algorithm and two exponential smoothing methods， the loss grain yield of 2013 caused by meteorological disasters was predicted. Results showed that meteorological disaster risk of grain production in eastern China was less than that in Western China， Southern China less than northern China. Jiangsu and Shanghai had the lowest comprehensive risk index， with value between 0 and 1. The number of meteorological disasters in these places was less， with slight disaster and stable grain yield. Zhejiang， Fujian and other places in the comprehensive risk index was between 1.0～2.5 which was belongs to high risk. Guizhou， Inner Mongolia and other places had serious disasters with strong impact on food production and was belonged to high risk area. Tibet， Hainan and other places had the highest risk. The prediction of grain yield showed Hunan， Liaoning， Hebei，Hubei and Sichuan had the most loss of grain caused by disasters， reaching more than 6.0×106 tons.

　　Key words： grain yield; comprehensive risk index; risk assessment and zoning; two exponential smoothing method; GIS

　　中国是一个景象形象灾祸品种繁多的国度，次要有干旱、台风、暴雨、热带气旋、寒潮、冰雹、冷冻、雪灾、热浪、沙尘暴、浓雾等景象形象灾祸，此中干旱、台风、暴雨、寒潮对中国农业的风险影响范畴最广，灾情最严峻。灾祸的发生导致农作物大面积减产、降质以至绝收，人民生命财富等遭到严重丧失，不只影响农业持续成长和农人糊口程度的提高，并且影响国民经济的成长。例如，1972年特大干旱年，重旱区京、津、晋、陕北、辽西干旱持续时间最长，不少河道断流，水库干涸;黄河在济南以下断流20 d，秋收作物受灾严峻，有的以至绝收。全国过去对农业景象形象灾祸进行了良多的预测和研究[1-3]，学者们通过度析农业景象形象灾祸的孕灾、致灾因子、承载体的抗灾防灾能力及灾情，得出这些灾祸因子与灾祸风险之间的关系，从而更深条理地农业景象形象灾祸对农业的影响，然后借助于各个处所的行政区划图等因子，做出农业景象形象灾祸的风险区划和评述。例如，陈怀亮等[1]按照农业景象形象灾祸风险阐发理论，以河南省小麦出产为例，对小麦产量影响较大的农业景象形象灾祸风险峻素和风险源进行了辨识，并在此根本上，通过机关灾度函数，使用概率和EFO等阐发方式，阐发了河南省小麦出产中次要农业景象形象灾祸――麦播旱涝、晚霜冻、干热风与青枯雨的发生、成长纪律及其对小麦产量的定量影响程度和风险概率，同时使用多因子分析风险指数模子对河南省小麦农业出产景象形象灾祸风险进行了分析区划。于飞等[2]对贵州农业景象形象灾祸分析风险进行了评价与区划，操纵聚类阐发将该省分为5类农业景象形象灾祸风险区域，又以分歧聚类区域为研究对象进行了灰色联系关系阐发，最初求得每种灾祸的联系关系度，最终确定了分歧聚类区域的次要灾祸，并在灰色联系关系阐发的根本上，成立了该省分析农业景象形象灾祸风险评价模子，并计较出该省各县的分析农业景象形象灾祸风险性分布，再操纵GIS空间阐发进行了分析农业景象形象灾祸风险区划。 本研究是基于前人研究的根本上，以粮食产量(指稻谷、小麦、玉米、豆类的总产量)来暗示景象形象灾祸对农业的影响，在对全国各省(市、自治区)的汗青粮食产量材料阐发的根本上，以省(市、自治区)为单元使用ArcGIS软件进行阐发，得出全国宏观层面的农业景象形象灾祸的风险评估与区划，定量得象灾祸对粮食产量的影响。最初对这些所获得的因为景象形象灾祸丧失的粮食产量，使用二次指数滑润法预测出接下来两年可能由景象形象灾祸惹起的粮食丧失的产量，以期为农业部分和部分供给必然的灾祸办事消息，为抗灾减灾、制定相关防御政策、最大程度地减轻农业因景象形象灾祸所致的丧失供给根据。

　　1灾祸评价模子的成立

　　所用到的各省(市、自治区)的粮食产量、受灾面积和总播种面积等数据都来历于积年的《中国统计年鉴》(Http：//。材料的时间序列为1986―2011年，共计26年。本研究区域是除了、澳门、以外的全国各省(市、自治区)。

　　1.1粮食产量的变异系数

　　变异系数可以或许无效反映数据的离散程度，其数据大小不只受变量离散程度的影响，并且还受变量平均程度的影响。一般而言，变量平均程度高，其离散程度的测度值也大，反之越小。粮食产量的变异系数一方面分析表征了各地域粮食出产受景象形象因子或其他生态前提影响的产量波动环境;另一方面它也能无效反映各地的抗灾减灾能力。粮食产量的变异系数大，申明产量的波动大，抗灾减灾能力衰，遭到景象形象灾祸影响的风险大。能够用公式(1)计较出变异系数的大小。

　　C= (1)

　　公式(1)中，C暗示粮食产量的变异系数，Y暗示各省(市、自治区)积年粮食的现实产量，暗示各省(市、自治区)积年粮食产量的平均值，n暗示样本容量，本研究样本为26年。

　　1.2景象形象灾祸的发生频次

　　采用一般比例法来求解因为景象形象灾祸所导致的粮食产量减产的具体数值。由于在一般环境下，极端景象形象灾祸是不易发生的，所以把景象形象灾祸所导致丧失的粮食产量与受灾面积相联系关系，各地域每年的现实产量与各地域未受灾的粮食种植面积相联系关系，即各地域每年的现实产量与粮食种植总面积与受灾面积之差相联系关系，能够获得如下公式：

　　(2)

　　公式(2)中，Q暗示各省(市、自治区)第i年因为景象形象灾祸导致的粮食减产量，S暗示各省(市、自治区)第i 年景象形象灾祸所导致的受灾面积，Y暗示各省(市、自治区)第i年的现实粮食产量，S暗示各省(市、自治区)第i年粮食的总播种面积。此中，S、 Y、S都是已知量，能够通过积年的《中国统计年鉴》查到相关数据;1、2、3暗示的是能够接管的误差范畴。

　　按照公式(2)能够求得由景象形象灾祸所惹起的丧失的粮食产量，而减产率是景象形象灾祸丧失的粮食产量与现实粮食产量和景象形象灾祸丧失的那部门产量的和的比值，用公式(3)暗示。

　　R=×100%(3)

　　公式(3)中，R暗示粮食减产率。

　　按照公式(2)、(3)能够求得各省(市、自治区)每年的粮食减产率。研究以粮食减产率来界定灾年品级，减产率在5%～15%为轻灾年，16%～30%为灾年，31%～50%为重灾年，51%～70%为严峻灾年，大于71%为特严峻灾年。按照灾年的界定分类环境，能够获得全国各省(市、自治区)灾年发生的次数，如表1所示。

　　1.3灾年的平均减产率

　　为了使全国各省(市、自治区)的景象形象灾祸风险程度表征的更较着，需要计较出各省(市、自治区)粮食的平均减产率，其计较公式如公式(4)所示。

　　A= (4)

　　公式(4)中，A暗示各省(市、自治区)积年粮食的平均减产率，R暗示各省(市、自治区)第i年的粮食减产率。

　　1.4灾年风险指数

　　根据与上文界定的灾祸品级，采用概率分布函数法来求解各品级景象形象灾损发生的概率。因为影响景象形象产量的各类景象形象因子的时间序列具有正态分布的特征，即极端的景象形象前提发生的概率较小，一般的景象形象前提发生的概率较多，相对景象形象产量序列也具有正态分布的性质[4]。因而能够机关减产率平均值()和减产率序列的均方差()的概率密度函数，如公式(5)所示。

　　f(x)=e(5)

　　按照概率分布函数的定义，分歧程度粮食减产率x(x1P(x1风险概率指数为：

　　D= (7)

　　公式(6)、(7)中，P暗示各个品级粮食减产率呈现的概率，T暗示各品级灾年呈现的次数，D暗示风险概率指数。各省(市、自治区)灾祸发生风险概率如图1所示。

　　1.5抗灾指数

　　各省(市、自治区)的抗灾防灾能力也会对粮食产量发生必然程度的影响，这里用现实产量与理论极大产量的比值来暗示抗灾指数，它反映的是农业出产分析抗灾能力的强弱，现实产量高反映了该地域的农业出产程度高，也间接地反映了农业抗灾减灾能力强。抗灾指数的计较公式如公式(8)所示。

　　K=(8)

　　公式(8)中，K暗示抗灾指数，Y暗示各省(市、自治区)第i年中粮食产量的最大值。

　　1.6灾祸风险评估

　　分析风险指数与积年粮食的平均减产率、景象形象灾祸风险概率指数和粮食产量的变异系数呈正向联系关系，与抗灾指数呈反向联系关系，能够用公式(9)计较。

　　Z=×A×C×D (9)

　　公式(9)中，Z暗示分析风险指数。

　　为了使分析风险指数更具有直观性，对数据进行极差尺度化，按公式(10)计较。

　　Ii=×10(10)

　　公式(10)中，Ii暗示极差尺度化后的数据，I为原始数据，I和I别离为每一列中的最大值和最小值。 2农业风险区划

　　农业景象形象灾祸风险区划的目标在于把致灾因子呈现后有无风险或带来风险的大小进行分区，农业景象形象灾祸风险的地区差别，合理地划分出各省(市、自治区)农业景象形象灾祸风险大小的范畴，并对各风险区内积年粮食的平均减产率、粮食产量的变异系数和风险指数等进行分析评价，为及防灾部分确定防灾重点地域、重点灾祸、重点防灾时间等供给科学根据，把灾祸形成的丧失降低到最低限度，推进农业不变持续成长。按照分析风险指数，对农业风险进行划分，定义0.04.0为极高风险。

　　为了愈加直观地描述各省(市、自治区)由景象形象灾祸惹起的粮食丧失分布的空间特征，使用ArcGIS平台绘制象灾祸分析风险区划图(图2)。从图2能够看出，中国的粮食出产的景象形象风险具有较着的区域分布特征。就全国来看，粮食出产的景象形象风险全体上是东部低于西部，南方低于北方。此中，分析风险指数最低的地域是江苏，它不只发生灾年的可能性小，且灾祸大多都是轻灾，粮食产量比力不变，适合粮食作物的发展。、辽宁、、、上海、安徽、江西、山东、河南、湖北、湖南、广东、广西、重庆、四川的景象形象灾祸分析风险指数也较低，均在0.0～1.0之间，这些地域粮食产量比力不变。浙江、福建、云南、陕西、新疆的分析风险指数为1.0～2.5，要高于江苏、上海等地，属于次高风险区域。贵州、、甘肃、山西属于粮食产量不不变区域，即高风险区域，这里经常发生景象形象灾祸，并且发生的灾祸大多比力严峻，严峻影响粮食产量。例如贵州，这里光照前提差，多雨潮湿，灾年减产程度和风险概率较大等都导致贵州粮食产量的不不变性。天津、、海南、、青海、是极高风险区，这些处所景象形象灾祸极易发生，从而导致粮食严峻减产。例如海南，位于中国的东南沿海地域，地处温带、热带过渡带，为典型的带季风天气，季风天气以致秋冬干旱每5年发生一次;有时在特定的环流影响下使秋雨较多，形成粮食作物根茎腐臭;冬季和初春在北方冷空气的影响下，粮食作物蒙受低温寒害，以致减产等。综上所述，这些地域更要做好灾祸的应急办理和防灾减灾工作。

　　3灾损粮食产量的预测

　　3.1预测模子

　　研究表白，汗青数据对将来的影响是随时间间隔的增加而递减的。因而，愈加切确的方式是对各个察看数据按照时间挨次进行加权平均作为预测值。而指数滑润法满足这一要求，此外它还具备简单的递推形式。所谓的指数滑润法是指通过对汗青数据滑润平均数的求解，继而对时间序列进行平均批改的一种方式[5]。本研究把前面所求得的每年各省(市、自治区)由景象形象灾祸所丧失的粮食产量作为汗青材料，以这些材料来预测出接下来两年全国各省(市、自治区)由景象形象灾祸丧失的粮食产量。建立模子[6，7]如下：

　　设时间序列为q1，q2，...，qt，为加权系数，则一次简单的挪动平均值Mt(1)的计较公式如公式(11)所示。

　　Mt(1)=(qt+qt-1+qt-N+1)=Mt-1(1)+(11)

　　以Mt(1)作为qt-N的最佳估量值，则有：

　　Mt(1)=+(1-)Mt-1(1)(12)

　　设=，用St取代Mt(1)，即得公式(12)一次指数滑润法的计较公式，如公式(13)所示。

　　St(1)=qt+(1-)St-1(1)(13)

　　在一次指数滑润法的根本上再做一次指数滑润，获得公式(14)所示的二次指数滑润法。

　　St(2)=St(1)+(1-)St-1(2)(14) 公式(13)、(14)中，St(1)为一次指数的滑润值， St(2)为二次指数的滑润值。预测方程为：

　　t+m=at+btmm=1，2，，n(15)

　　at=2St(1)-St(2)(16)

　　bt=(St(1)-St(2))(17)

　　3.2预测成果

　　为了愈加速速地得出各省(市、自治区)各年份的预测值，在MATLAB中对其进行数据处置，编制响应的算法可以或许愈加敏捷地获得各年份的预测值。按照公式(2)求得的景象形象灾损粮食产量，获得2013年全国各省(市、自治区)的灾损粮食产量预测值，如表2所示。

　　4小结与会商

　　因为中国地处环承平洋灾祸带和欧亚灾祸带这两大世界灾祸带的交汇处，使得中国的灾祸品种繁多，灾祸勾当活跃，灾祸发生频次高。因而，灾祸惹起的粮食出产不不变成为了持久搅扰中国农业成长历程的要素。在深切研究景象形象灾祸对农业影响的根本上，阐发不划一级农业景象形象灾祸发生风险的时间和空间分布特点及纪律，从而能够通过调整作物结构避过作物对农业景象形象灾祸最为的时段，通过调整农作类或品种，趋利避害协调作物与间的顺应性，减轻农业景象形象灾祸丧失。

　　本研究从粮食产量灾损角度对中国的粮食减产风险进行了区域阐发，并通过比力景象形象分析风险指数对中国粮食出产的农业景象形象灾祸风险进行了区划，以期更好地为防灾减灾和农业出产供给根据。在基于各省(市、自治区)景象形象灾损粮食产量的根本上，使用二次指数滑润法连系MATLAB算法，对2013年可能由景象形象灾祸丧失的粮食产量进行了预测，为和决策部分制定农业出产打算、采纳防灾减灾办法以及安全理赔等供给科学根据。除此之外，通过加强农作物的水肥办理和病虫防治，提高对天气资本的操纵率及光合产品的堆集，提拔农作物抗御农业景象形象灾祸能力和灾后恢复能力，达到减轻灾祸丧失、提高种植效益的目标。为了最大限度地提高农业资本的无效操纵率，使农业向高产、稳产改变，粮食作物的风险办理和决策目标系统将会是下一步研究的重点。

　　参考文献：

　　[1] 陈怀亮，邓伟，芬，等.河南小麦出产农业景象形象灾祸风险阐发及区划[J].天然灾祸学报，2006，15(1)：135-143.

　　[2] 于飞，谷晓平，罗宇翔，等.贵州农业景象形象灾祸分析风险评价与区划[J].中国农业景象形象，2009，30(2)：267-270.

　　[3] 吴俊铭，谷小平，徐永灵，等.贵州省农业景象形象灾祸风险区划研究[J].贵州农业科学，1999，27(2)：3-8.

　　[4] 薛昌颖，霍，李世奎，等.北方冬小麦产量灾损风险类型的地舆分布[J].使用生态报，2005，16(4)：620-625.