黑龍江省水稻產量風險分布及區劃

韓語軒 王莉雯等

摘要[目的]分析黑龍江省水稻產量風險的空間分布規律，并進行風險區劃。[方法]對黑龍江省歷年水稻單產相對氣象產量序列進行正態分布判別和偏態分布正態化處理，選取水稻平均減產率、減產率變異系數和減產率大于10%的風險概率作為評價指標，分析黑龍江省水稻產量風險的空間分布規律，并采用 Kmeans平均聚類算法進行黑龍江省水稻產量的災害風險區劃。[結果]按照水稻產量的災害風險區劃，將黑龍江省劃分為低、中、高3類風險區。黑龍江省水稻單產減產風險區呈整體連片、局部分散的特點。高風險區位于黑龍江省東北部和西南部地區，北部及東部地區為中風險區，而黑龍江省中部和南部地區風險最低，屬于低風險區。[結論]合理調整種植結構，加強水稻生產管理和完善灌溉設施是規避黑龍江水稻產量風險的主要措施。

關鍵詞黑龍江省；水稻；風險評價指標；風險區劃

中圖分類號S166文獻標識碼A文章編號0517-6611（2016）04-001-03

Risk Distribution and Regionalization of Rice Yield in Heilongjiang Province

HAN Yuxuan，WANG Liwen（School of Urban and Environment，Liaoning Normal University，Dalian，Liaoning 116000）

Abstract[Objective] To analyze spatial distribution law of rice yield risk in Heilongjiang Province and conduct risk zoning.[Method] Applying the average rice cut rate，the variation coefficient of cut rate and risk probability of cut rate at 10% or higher as the evaluation indicators，relative meteorological yield array of rice yield per unit in Heilongjiang Province in calendar years was processed by performing the discrimination of normal distribution and the normalization of skewness distribution，the spatial risk distribution of rice yield was analyzed.By using KMeans，the disaster risk regionalization of rice yield in Heilongjiang Province was conducted.[Result] This article divided Heilongjiang Province into low，medium and high three type areas of risk.The result indicated that risk areas of rice yield reduction are contiguous on the whole and scattered in a small part.Southwest and northeast of Heilongjiang Province were high risk area，well northern and eastern parts were medium one and central and southern parts belonged to low risk area.[Conclusion] The main measure to reduce the risk on rice output in Heilongjiang Province is to adjust the planting structure properly，to improve the rice management and to perfect the irrigation facilities.

Key wordsHeilongjiang Province； Rice； Risk evaluation indicators； Risk regionalization

近年來，全球各類極端天氣事件頻繁發生，由氣候異常變化引起的農業損失事件時有發生。據統計，1979～2008年我國主要作物的受災比例呈逐年增加的趨勢[1]。我國每年因氣象災害造成的農作物受災面積達5 000萬hm2，因災導致的單品種糧食產量波動可達20%左右，嚴重時可達30%以上[2]。黑龍江省作為我國重要的糧食生產基地，在水稻種植面積、生產總量以及商品量方面均居于我國首位[3]，其水稻產量的豐歉與我國糧食安全和社會穩定密切相關。同時，黑龍江省又是自然災害頻發的省份，因此建立適合黑龍江省的農業氣象災害風險評價體系與方法，開展黑龍江省水稻風險評估及其空間分布規律研究，為制定農業政策、采取科學的避災措施提供科學依據具有重要的現實意義。

為避免風險評價指數法中多種指標間的權重準確性問題和危險性研究中因指標難以與作物產量有直接聯系而出現的有災無害現象[4-5]，筆者根據1980～2011年黑龍江省56個縣（市）的水稻單產歉年平均減產率、災年減產率變異系數和年減產率≥10%的風險概率3個方面評價風險，并利用Kmeans平均聚類算法進行分類和風險區劃。

1材料與方法

1.1數據資料1980～2011年黑龍江省56個縣（市）水稻產量與播種面積資料，部分地區個別年份數據缺失或發現異常數據（特高或特低）核查后取舍處理。

1.2分離氣象產量的方法農作物的最終產量是在農業技術措施、氣象條件和隨機“噪聲”等自然和非自然因素的綜合影響下形成的[6-7]，按照以下公式計算：

Y=Yt+Yw+ΔY （1）

式中，Y為糧食單產；Yt為趨勢產量，反映一定歷史時期社會生產力發展水平的長周期產量分量；Yw為氣候產量，是指由年際間氣象因素變化所造成的產量波動分量；ΔY為隨機因素影響的產量分量，在實際計算中通常忽略不計。

趨勢產量采用直線滑動平均法進行模擬[8]，經過比較并考慮產列序列的長短，滑動步長取 11。求出趨勢產量后，根據式（1）可得到氣象產量：

Yw=Y-Yt （2）

根據式（2）進一步得到相對氣象產量：

x=Yw/Yt （3）

1.3氣象產量分布正態檢驗和正態化處理為驗證水稻產量序列分解結果的優劣，采用偏度-峰度檢驗法對分解的氣象產量進行正態檢驗[8]。經檢驗，研究區域有45個站點的減產率通過α=0.01 水平的正態性檢驗，占總研究站的80.35%，表明黑龍江省水稻減產率大體上服從正態分布。對于不符合正態分布的站點數據，采取偏態分布正態化處理[9]。

1.4風險評價指標

1.4.1平均減產率。當實際產量低于趨勢產量，即相對氣象產量為負值時，為減產，而實際單產低于趨勢產量的百分率稱為“減產率”[10]。定義相對氣象產量小于零的年份為歉收年份，相對氣象產量小于5%（即減產率大于5%）的年份為成災年份[6]。按照以下公式計算平均減產率：

P=（ni=1xi）/n （4）

式中，xi和n分別為相應年型的相對產量序列和年數。

1.4.2減產率變異系數。減產率變異系數表示相對氣象產量偏離其平均值的程度。減產率變異系數越大，則糧食生產面臨的風險越大。按照以下公式計算減產率變異系數：

V=ni=1（xi-）2/（n-1）（5）

式中，xi為相應年型的減產率序列，為相應的平均減產率，n為年數。

1.4.3風險概率。風險概率是指根據分布函數曲線計算的糧食單產不同增產率和減產率出現的概率。風險概率的正態分布函數為：

F（x）=1σ2π∫x-∞exp-（x-μ）22σ2dx（6）

則隨機變量x在區間（x1，x2）內發生的概率為：

P（x1≤x≤x2）=∫x2x1f（x）dx（7）

1.5風險區劃方法聚類是指按照一定的量度將樣本分到不同類的過程，在聚類結果中同一類的樣本具有較大相似性[11]。K-平均聚類算法是動態聚類方法的一種，是最經典的也是應用范圍最廣的聚類算法。該方法通過給定或隨機選擇K個初始聚類中心，其他樣本根據其與中心的相似程度分配到最類似的類中。

以黑龍江省56個縣（市）為樣本集，每個樣本選取歉年平均減產率、災年減產率變異系數和年減產率≥10%的風險概率3個指標。由于水稻單產災年減產率、歉年減產率變異系數不是研究的風險區劃因子，故略去。

2結果與分析

2.1水稻單產風險指標的分布規律

2.1.1水稻單產歉年減產率的分布。從圖1可以看出，根據水稻單產的歉年平均減產率的高低將黑龍江省56個縣（市）分為3個級別：低值區（5.32%～14.80%）、中值區（14.80%～19.41%）、高值區（19.41%～28.89%）。低值區的縣（市）有24個，集中分布于黑龍江中部和南部；中值區縣（市）有20個，主要分布在中南部之外的周邊地區，呈東西向條帶狀分布；高值區的縣（市）有12個，分布于黑龍江省東北部和西部部分地區，具有整體上分散、小面積連片的特點。

2.1.2水稻單產災年減產率變異系數的分布。從圖2可以看出，根據災年減產率變異系數的高低將黑龍江省56個縣（市）分為3個級別：低值區（0.301～0.584）、中值區（0.584～0.794）、高值區（0.794～1.033）。低值區的縣（市）有24個，主要分布于黑龍江中南部、東北部和西北部部分地區，具有整體上分散、小面積連片的特點；中值區的縣（市）有19個，廣泛分布于中南部以外的大部分地區；高值區的縣（市）有13個，分布于黑龍江北部和西部個別地區。

2.1.3水稻單產減產率≥10%的風險概率的分布。根據水稻單產的減產率≥10%的風險概率，將黑龍江省56個縣（市）分為3個級別：低值區（16.3%～24.51%）、中值區（24.51%～30.23%）、高值區（30.23%～38.44%）。從圖3可以看出，低值區的縣（市）有16個，主要分散于黑龍江南部；中值區的縣（市）有19個，主要分布于北部；高值區的縣（市）有21個，分布于東北、西南部地區（圖3）。

2.2黑龍江省水稻產量的災害風險區劃選取歉年平均減產率、災年減產率變異系數和減產率≥10%的風險概率3個指標作為評價水稻單產減產的風險要素。采用Kmeans平均聚類算法將黑龍江省分為低、中、高3類水稻單產減產風險區，每類風險區的劃分標準及分布情況見表1。

從圖4可以看出，黑龍江省水稻單產減產風險區呈整體連片、局部分散的特點。黑龍江省西部和東北地區為水稻減產高值集中區，北部及東南部分地區為水稻減產中值區，而低值區主要分布在中部和南部。

結論與討論

（1） 黑龍江省歉年平均減產率的低值區位于中部和南部，中高值區的北部和西部地區歉年平均減產率為14.80%～28.89%，以東北部和西南部最高；災年減產率變異系數的低值區主要分布于黑龍江中南部，在北部部分地區亦有分布，中高值區廣泛分布于中南部以外的大部分地區；從年減產率≥10%的風險概率來看，黑龍江全省都處于較高風險水平，全省風險概率值為16.30%～38.44%，其中低值區分散在南部地區，高值區主要集中在東北部和西南部。

（2）各地區3種指標的總體分布都呈現北高南底、周邊高中間低的特點。在指標搭配上，中南部（如五常市、綏化市、方正縣等）的各項指標值較一致，均處于低風險范疇；而平均減產率和減產率概率都位于高值區的撫遠縣、黑河市、杜爾伯特縣等地，變異系數卻很小，說明這些地區水稻產量穩定，但一直處于高風險狀態。

（3）將黑龍江省水稻單產分為低、中、高3類風險區，各風險區呈整體連片，局部分散的特點。黑龍江省西部和東北地區為水稻減產高值集中區，北部及東南部分地區為水稻減產中值區，而低值區主要分布在中部和南部。

水稻最終產量的形成是多種因素共同作用的結果，其過程錯綜復雜很難具體區分和量化。為驗證產量風險區劃結果的合理性，將該研究風險區劃結果與相關研究成果進行對比。結果表明風險區劃與黑龍江省地形因子、光、熱、水總資源豐富度、匹配狀況和資源利用效率的研究結果[12]相吻合。資源條件最好的地區位于黑龍江省中南部（綏化、慶安、鐵力、五常、巴彥、尚志等），適合水稻作物的生長，屬低風險區。位于松嫩平原的齊齊哈爾、甘南等西南部地區水資源短缺，一定程度上限制了水稻的生產，而黑龍江省的北部、東北地區的撫遠、黑龍江省東部地區資源匹配狀況較差。此外，該研究中風險區劃與黑龍江省水稻冷害分布的研究結果高度一致[13-14]，冷害強度與頻率分布高的地區其減產風險越大。通過對區劃結果的比對與分析，很好地證實了該研究中水稻產量風險區劃的合理性，同時也驗證了地形因子、光、熱、水資源，尤其是低溫對水稻產量的影響。近些年，東北地區在作物結構和品種布局上都有較大的調整，水稻種植區和偏晚熟品種不斷北移東擴[15]，另一方面，氣候變暖仍存在不確定性[16]。因此，合理調整種植結構，在高風險區適當減少水稻種植面積，提高抗寒抗旱水稻品種的種植比例，加強水稻生產管理和完善灌溉設施是規避黑龍江水稻產量風險的主要措施。

44卷4期韓語軒等黑龍江省水稻產量風險分布及區劃參考文獻

[1] 房世波，陽晶晶，周廣勝.30年來我國農業氣象災害變化趨勢和分布特征[J].自然災害學報，2011，20（5）：69-73.

[2] 羅伯良，張超，黃晚華.基于信息擴散法的湖南水稻生產水災風險評估[J].中國農業氣象，2009，30（3）：458-462.

[3] 周旭.黑龍江省水稻生產可持續發展研究[D].長春：吉林大學，2014.

[4] 房世波，齊月，韓國軍，等.1961-2010 年中國主要麥區冬春氣象干旱趨勢及其可能影響[J].中國農業科學，2014，47（9）：1754-1763.

[5] 林貴美，李小泉，江文，等.2011年云南香蕉寒害調查[J].中國熱帶農業，2011（6）：50-52.

[6] 李世奎.中國農業災害風險評價與對策[M].北京：氣象出版社，1999：122-130，337-228.

[7] 房世波.分離趨勢產量和氣候產量的方法探討[J].自然災害學報，2011，20（6）：13-18.

[8] 薛昌穎，霍治國，李世奎，等.華北北部冬小麥干旱和產量災損的風險評估[J].自然災害學報，2003，12（1）：131-139.

[9] 秦建侯，鄧勃，王小芹.分析測試數據統計處理中計算機的應用[M].北京：化學工業出版社，1990：187.

[10] 王素艷，霍治國，李世奎，等.北方冬小麥干旱災損風險區劃[J].作物學報，2005，31（3）：267-274.

[11] 胡偉.改進的層次K均值聚類算法[J].計算機工程與應用，2013，49（2）：157-159.

[12] 程遠.氣候變化背景下基于GIS的黑龍江省農業氣候資源分析[D].哈爾濱：東北農業大學，2012：55-57.