福建省龙眼生长和产量的多灾种综合风险评估

福建省龙眼生长和产量的多灾种综合风险评估

福建是中国龙眼的主要产区。龙眼主要分布在沿海地区的山区。该地区的台风、干旱、冻害、供暖、阴凉和降雨等农业气象灾害影响了龙眼的生长发育和产量。目前,国内在作物单项灾害的风险评估指标、模型和方法等方面的研究成果较多,如冬小麦干旱风险区划研究、水稻干旱风险区划研究、农业洪涝灾害的风险评估与风险模型研究、作物冻害风险区划研究、沿海地区台风灾害风险评价、区域冰雹灾害特征分析与风险区划、果树寒冻害风险分析与区划以及灾害风险评估指标和方法研究等.多灾种对作物综合影响的风险评估研究则鲜见报道,仅薛昌颖等、陈家金等、邓国等、李世奎等和孙文堂等分别采用历年平均减产率、减产率变异系数、减产率发生概率和抗灾能力作为风险评估指标来评估主要农业气象灾害对作物产量影响的综合风险,陈怀亮等运用多因子综合风险指数模型,分析了3种主要农业气象灾害对河南小麦生产影响的综合风险.对多灾种综合风险评估理论和方法体系的研究还需要深入探讨.本文基于影响龙眼生长发育和产量的致灾因子危险性、龙眼脆弱性以及种植区的防灾减灾能力,构建影响龙眼产量的多灾种综合风险评估指标体系,综合主客观赋权法确定了风险指标权重,对影响福建省龙眼产量的主要农业气象灾害进行综合风险评估,以期为龙眼的合理布局和防灾减灾提供依据,同时为作物或果树主要农业气象灾害综合风险评估提供方法和思路.1研究领域和方法1.1龙眼种植面积福建省龙眼种植区主要分布在沿海区域.2009年,福建省龙眼实有面积7.13×104hm2,采摘面积5.0×104hm2.龙眼种植面积从高到低的地区依次为泉州>漳州>莆田>厦门>福州>宁德>龙岩,南平和三明市无龙眼种植,泉州市龙眼种植面积占全省龙眼总种植面积的34.9%,其次是漳州市,占30.7%.龙眼种植面积大于0.6×104hm2的县(市)有南安市、泉州市辖区、莆田市辖区和漳浦县.1.2水、风速资料福建省龙眼种植区各县1971—2008年气温、降水、风速资料来源于福建省气象部门各台站的日观测数据;1992—2008年龙眼种植面积、产量及其他社会经济资料来源于历年《福建经济与社会统计年鉴》.1.3评估方法1.3.1生态风险评估指标通过分析影响福建省龙眼产量的致灾因子危险性,确定影响龙眼产量的致灾因子危险性评估指标;分析龙眼受重大农业气象灾害影响的脆弱性,即承险体的暴露性和敏感性,确定承险体脆弱性指标;分析龙眼种植区防灾减灾能力,确定农业防灾减灾能力大小的指标,构建出影响龙眼产量的多灾种综合风险评估指标体系.综合分析历史灾害强度、频率以及孕灾环境,应用层次分析法、熵权系数法的主、客观赋权法确定风险评估指标的权重;基于单灾种风险评估综合指数间一定的函数关系,建立多灾种综合风险评估模型;计算出龙眼种植区最小评估单元即各县的风险评估指数.利用GIS制作影响福建省龙眼产量的综合风险区划图,评估福建重大农业气象灾害对龙眼产量影响的风险程度.在方法体系中,指标体系构建和指标权重确定是关键.1.3.2确定综合权重本文综合应用层次分析法、专家打分法和熵权系数法确定风险评估指标权重.首先采用层次分析法和专家打分法确定风险评估指标的主观权重,再利用熵权系数法确定风险评估指标的客观权重,最终将主观权重和客观权重相结合得出主客观综合权重值作为风险评估指标权重值.1)主观权重的确定方法:采用层次分析法(AHP),由16位专家按照1~9比例标度法对各层次指标的重要性进行两两比较,并将比较的结果bjk(j,k=1,2,…,n)写成n×n阶矩阵(B)的形式,构建出各指标的判断矩阵.然后,采用“和积法”对判断矩阵进行归一化处理,求出判断矩阵的权值向量和特征根,计算一致性比率判断矩阵是否符合随机一致性指标.2)客观权重的确定:采用熵权系数法确定风险评估指标的客观权重.设有n个评价对象,每个评价对象有m个评价指标,则评价指标特征值的矩阵(X)如下:按照参与评价的各项指标值越大风险越高型(式3)和指标值越小风险越高型(式4)对式(2)中的特征值进行归一化处理.式中:max(Xij)、min(Xij)分别为第i个指标值第j个待评价对象的最大和最小值.得到如下归一化矩阵:计算第i个评价指标、第j个待评价对象的评价指标特征值(Pij):计算第i个评价指标的熵(ei):计算第i个评价指标的熵权重(ai):3)主客观综合权重的确定:为了全面反映评价指标的重要性,将决策者对各指标给出的主观权重(ωi,由AHP法确定)与客观权重(αi,由熵权系数法确定)相结合,最终确定各指标的综合权重(σi):2结果与分析2.1冷山培育龙头企业综合风险评估指标体系区域自然灾害综合风险的高低取决于该区域的致灾危险性和脆弱性水平.本文在充分辨识影响福建省龙眼生长发育和产量的主要农业气象灾害、龙眼本身面对各种气象灾害所表现的脆弱性大小以及龙眼种植区投入防灾减灾的工程措施的基础上,从致灾因子危险性、承险体脆弱性和防灾减灾能力三方面构建了影响龙眼产量的多灾种综合风险评估指标体系(图1).2.1.1农业气象灾害对天麻栽培立法影响评估指标通过对影响龙眼产量的致灾因子危险性进行分析,确定了影响龙眼产量的致灾因子危险性评估指标.以冬季(12月至翌年2月)极端最低气温、开花至成熟期(5—9月)日最大平均风速、花芽分化前及分化期(12月至翌年3月)的低温总寒积量、果实膨大期(7—9月)连旱天数、开花期(4—5月)连阴雨天数5个致灾因子在不同强度下的历年平均发生频率分别作为越冬期冻害、开花至成熟期风害、花芽分化期暖害、果实膨大期旱害和开花期湿害的危险性评估指标(表1),以考虑不同强度农业气象灾害对龙眼产量影响的风险大小.2.1.2立法指标:农业气象灾害对龙眼产量的影响从龙眼在面对主要农业气象灾害造成危险时所表现出的物理暴露性、应对灾害打击固有的敏感性来考量龙眼脆弱性.采用各县龙眼种植面积占全省总种植面积的比例反映龙眼的物理暴露性,种植面积比例越大,其所承受的灾害风险越大.遇到农业气象灾害时的减产情况可一定程度综合反映龙眼自身应对灾害的敏感性,因此,本文采用歉年龙眼单位面积产量的平均减产率、歉年减产率变异系数和减产率≤-10%的发生概率3个指标来综合反映影响龙眼产量的主要农业气象灾害综合敏感性.其中,减产率发生概率是利用正态分布函数计算龙眼相对气象产量减产所对应的概率大小.2.2材料的风险评估指标根据上述权重计算方法,先构建龙眼风险评估的特征矩阵,评价对象为最小评估单元(县),评价指标包括图1所示的所有指标.C1-D、C2-D、C3-D、C4-D、C5-D特征矩阵值为不同强度风险指标历年平均发生的频次,B2-C、B3-C特征矩阵值为各指标实际计算值,B1-C、A-B特征矩阵值为指标风险指数值.对风险评估的特征矩阵的原始数据进行计算,得出风险评估指标体系各指标的综合权重(表2).2.3风险指数的确定在确定各风险指标的权重后,根据式(10)逐级计算各评价对象的风险评估指数(λj,表3).2.4基于gis的风险指数测算由于有些风险指标评估指数是基于评估单元(县)气象测站单点观测值计算而来,属点状数据,未能精细反映评估单元(县)内其他点的风险情况.因此,本文利用GIS技术对与地理因子密切相关的致灾因子进行地理插值推算,将点状数据转化为面状格网数据,解决无气象观测资料地区的风险指数计算问题,实现风险评估指数的空间连续分布;对其他评估因子采用基本单元值计算,以面上数据代表评估单元内的任一点数据.通过对风险评估指标体系中各指标构成因子权重进行加权,得出致灾因子危险性、龙眼脆弱性、种植区防灾减灾能力和综合风险指数的评估模型.2.4.1受影响因素风险评估指数的地理计算模型2.4.2风险指数评价模型将计算得出的致灾因子危险性、龙眼脆弱性、防灾减灾能力和综合风险的构成因子权重进行加权,得出各风险指数评估模型(表5).2.5风险等级划分采用自然断点法(不等值分级方法)对风险评估指标进行分级,即通过某一指标范围内所有数据值与平均值之差的原则来寻找特征点,并结合对实地风险大小调查的情况,按各风险指标归一化指数划分出风险等级,限于篇幅,表6仅列出一级和二级风险指标等级划分标准;然后根据影响龙眼产量的各风险指数评估模型(表5),按照影响龙眼产量的农业气象灾害综合风险评估体系,将各图层逐级叠加,得到影响龙眼产量的单灾种及多灾种综合风险分布图.2.6单因素风险评估2.6.1受影响因素的风险2.6.2立法政策原因选用的种类龙眼生产重度脆弱的县市有罗源、莆田市辖区、晋江、厦门、龙海、漳浦、诏安、东山、平和和华安,原因是这些县市歉年平均减产率和减产率(≤-10%)发生概率大,即龙眼灾损的敏感性强,容易因灾而大幅减产,而且龙眼种植面积也相对较大(除罗源外),暴露性较大,导致脆弱性大;安溪县和永春县的龙眼种植面积属中等,但歉年平均减产率小,而且严重歉年发生的概率相对较小,龙眼对主要农业气象灾害的敏感性相对较小,脆弱性属于轻度;其余种植区的脆弱性属中等,主要是由于历年灾害造成的产量损失较大以及大幅减产发生概率较高,部分县市如南安、仙游还因为种植面积大,暴露性也大,存在中度脆弱性风险(图2b).2.6.3防灾原理及防治难点龙眼种植区防灾减灾能力呈现不规则分布,福安、罗源和晋江防灾减灾能力较低;霞浦县、福州市辖区、福清、长乐、永泰、仙游、永春、南安、华安、长泰、龙海和漳浦防灾减灾能力较高;其余种植区防灾减灾能力属于中等(图2c).防灾减灾能力低的地区主要是由于有效灌溉面积比例相对偏低.此外,福安、罗源的农民人均纯收入偏低,投入的防灾资金较有限.2.7主要农业气象灾害对龙眼产量影响的风险大小龙眼种植区评估单元气象观测点各灾种综合风险归一化指数为0.01~1,其中,指数值>0.5的有东山和漳平,东山主要由风害风险高所致,而漳平则是由于冻害风险高;指数值在0.2~0.5的县市有福安、闽清、永泰、仙游;指数值在0.1~0.2的有霞浦、连江、罗源、厦门、平和、南靖和华安;其余县市在0.1以下(表3).从图3可以看出,长乐以南沿海县市低海拔种植区(除东山县外)主要农业气象灾害对龙眼产量影响的风险较轻;重度风险以上的区域主要分布在龙岩的漳平市,漳州的东山、平和、南靖、华安,泉州市的永春、安溪,莆田和仙游的北部山区,福州市的闽清、闽侯、罗源及市辖区的山区,宁德市的福安、霞浦、宁德市辖区的山区,其中,东山、漳平和其他海拔高的山区有严重风险;其余种植区属中度风险.从风险构成来看,长乐以南沿海县市低海拔种植区(除东山县外)的致灾因子危险性较低,且防灾减灾能力较强,虽然脆弱性也比较大,但由于影响权重较小,使主要农业气象灾害对该种植区龙眼产量影响的风险总体偏轻;东山岛因为存在严重风害而使致灾危险性较高,加之脆弱性较大,导致风险严重,内陆海拔较高的山区则因为存在重度以上冻害危险性,会出现重度以上风险;其余种植区由于对龙眼产量起主导影响的致灾因子危险性属中等,故综合风险亦属中度.从龙眼种植区历年发生的主要气象灾害以及造成产量损失的实际情况分析,长乐以南沿海低海拔种植区的冻害发生少且相对较轻,龙眼产量灾损总体偏轻;而北部种植区及中南部内陆山区冻害发生频率较高且较严重,东山半岛的风害及旱害较其余种植区严重,其龙眼产量灾损总体偏重.这也一定程度验证了上述风险评估的合理性.3评估指标体系的完善本文基于影响龙眼产量的致灾因子危险性、龙眼脆弱性和种植区防灾减灾能力,结合指标的代表性、数据的来源性,构建了由4级指标组成的综合风险评估指标体系,较充分地表达了影响龙眼产量的环境因素.当然,还有一些评估指标由于缺乏数据来源,暂时无法入选到指标体系当中,今后随着观测资料的补充,可进一步完善风险评估指标体系.在多指标综合风险评估中,每个指标对评估对象所起的作用不同,因此,必须选择合理的指标权重确定方法,以合理的反映各指标对风险的贡献大小.本文综合运用层次分析法和熵权系数法确定指标权重,通过主、客观权重的融合,较好的反映了各评价指标的重要性,克服了单纯使用某一主观或客观赋权方法带来的局限性,使确定的权重更科学、合理,从而保证了评估结果的可靠性.本评估方法具有一定的全面性和客观性,可推广应用至多灾种综合风险评估中.评价结果提供了福建龙眼产量可能遭受多灾种潜在损失程度的风险信息,具有一定的实际应用价值,对于政府和农业部门合理规划龙眼布局,指导龙眼防灾减灾具有重要意义.本文是以县域为最小基本单元的风险评估,在地形复杂的福建省,若要进一步提高评估精度,在有资料来源的基础上,将来可考虑以乡、村为基本单元开展风险评估.2.1.3生态风险评估防灾减灾能力指种植区人类社会为保障龙眼免受、少受农业气象灾害而采取的基础及专项的防备措施力度大小.结合数据来源,龙眼种植区在基础防灾减灾能力方面,主要考虑防