基于灰色預測模型的山東省糧食災損量評估及災害關聯度分析

欒健，周玉璽

（山東農業大學經濟管理學院，山東 泰安 271018）

基于灰色預測模型的山東省糧食災損量評估及災害關聯度分析

欒健，周玉璽*

（山東農業大學經濟管理學院，山東 泰安 271018）

基于山東省1978-2012年糧食生產及自然災害數據，利用灰色預測模型量化分析自然災害對糧食生產的影響，估計糧食災損量并測算不同糧食作物災損量與不同自然災害間的關聯系數，得出結論如下：1）1979-2012年間，糧食總災損量年平均146.50萬t。平均波動周期5.67 a，總體來看波動幅度不斷減小，具體來看各周期振幅呈現減小、增加、減小的變化規律。2）1979-2012年間，小麥災損率平均波動周期6.60 a，災損平均變化率-0.33%；玉米災損率平均波動周期3.67 a，玉米災損平均變化率-0.43%。3）各類自然災害對小麥、玉米的影響程度均表現為：旱災＞風雹災害＞水災。

灰色預測模型；災損量；糧食生產；自然災害；山東省

自然災害對我國糧食產量的影響極大[1-3]，已經成為制約我國糧食生產的重要因素[4]。全球變暖背景下，極端天氣更具突發性、反常性與難預測性，導致自然災害發生頻率和影響范圍不斷擴大，給我國未來糧食生產帶來嚴峻的挑戰[5-6]；與此同時，隨著工業化和城鎮化進程的不斷推進，自然資源遭到過度掠奪，環境污染日益嚴重，加劇了自然災害的作用強度與影響程度。如何在氣候不斷惡化、資源日益稀少、環境污染逐年加劇的硬約束下降低自然災害對糧食生產的破壞程度，確保糧食穩定增產，是我國進入“新常態”后農業現代化發展亟待解決的關鍵問題。山東省地處黃河下游、華東沿海、京杭大運河中北段，是我國重要的糧食生產基地和運輸基地。2014年山東省糧食總產量4 596.60萬t，占全國糧食總產量的7.57%。實現山東省糧食總產量的穩步提升，對于保障國家糧食安全、維持糧食供需平衡具有重大意義。與此同時，山東省又是一個自然災害頻發的省份，旱災、洪澇災害、風雹災害、冰凍災害屢有發生，給糧食生產帶來了極大損失。2012年山東省受災面積1.82×106hm2，占全國受災面積的7.30%。因此，評估山東省糧食災損量，測算不同糧食作物災損量與不同自然災害間的關聯度，分析自然災害對山東省糧食生產的影響，對于提高山東省防災減災能力、實現糧食穩產增產、保障糧食安全具有重要意義。

我國關于自然災害對糧食生產影響的研究起步于20世紀80年代。具體來看，主要從以下視角分析自然災害對糧食生產的影響：1）糧食產量時序變化趨勢。糧食產量時序變化趨勢包括長期趨勢與短期趨勢，長期趨勢主要體現在糧食生產技術的長期提升，短期趨勢主要由自然災害的負面作用與前期政策因素的滯后效應共同決定。楊重玉[3]、龍方等[7]采用Logistic函數對糧食單產進行擬合并剝離出自然災害對糧食生產的影響，廓清了自然災害對糧食生產的時序影響。2）自然災害時空分布規律。不同學者從時空維度揭示自然災害的作用范圍、發生頻率[8-9]，探討了自然災害對糧食生產影響的階段性特征與區域性差異[4]。3）糧食災損量。根據受災程度的不同可將糧食災損面積分為受災面積（減產10%-30%）、成災面積（減產30%以上）、絕收面積（減產80%以上），依據各種面積的減產程度可有效度量糧食災損量的平均值，評估自然災害對糧食生產的影響程度[10-13]。4）糧食產量波動規律。自然災害的突發性決定其對糧食生產的影響以短期波動為主。張越杰和王軍[14]、龍方等[15]運用波動理論，厘清了自然災害造成的糧食產量與長期趨勢的偏離程度。王樹濤等[16]采用EMD分析法（經驗模態分解法）和剩余法測算各影響因素的波動量，并運用改進的灰色關聯分析法將兩兩比較判斷矩陣有機融合，得出自然因素對糧食生產波動的影響。此外，不少學者[1,10-11]將自然災害影響面積作為糧食生產的微觀影響要素，通過選取多種微觀要素建立多元回歸模型或C-D生產函數模型，測量成災面積對糧食產量的影響程度。

綜觀國內研究，自然災害對糧食生產的影響已由以往的定性研究轉變為更多的定量研究，并且可以歸納出以下幾點：農業自然災害以農業氣象災害為主，發生頻率高、作用范圍廣，嚴重制約著糧食的穩定增產和糧食綜合生產能力的提升。然而，自然災害造成的糧食災損量的評估由于在實際中具有難以準確統計和測算的特點，目前多數學者采用了減產分成法，即將受災面積、成災面積、絕收面積按固定比例估計災損量[8-9,15-16]。由于各災害影響面積災損量的比率在實際中不會完全一致，因此采用固定比例估計災損量的減產分成法是對糧食災損量的平均估計，準確度不高。且隨著時間的推移，自然災害對糧食生產的影響尚處于不斷變化中。本文以山東省為研究對象，利用灰色預測模型，全面考慮各種因素對糧食生產的影響并將自然災害之外的其他因素逐步分離，從糧食生產波動的角度量化分析自然災害的影響，計算災損率，測算不同糧食作物災損量與不同自然災害的關聯度，為山東省自然災害的防治提供依據與建議。

1 研究方法和數據來源

1.1 研究方法

采用灰色預測模型，逐步剔除其他因素的影響，得出自然災害造成的糧食災損量，并利用灰色關聯分析法確定不同災害造成的災損程度，與已有研究相比有以下不同之處：與使用減產分成法估計糧食災損量[10-13]相比，彌補了同一受災面積或成災面積災損狀況無法完全一致的問題，災損量估計的準確度有所提高；與多元回歸分析法[1,10-11]相比，更能體現出自然災害對糧食生產造成的時序變化與階段性差異。

1.1.1 糧食災損量評估模型 糧食總產量受糧食單產與糧食播種面積的影響，自然災害對糧食生產的危害主要是通過影響糧食單產的波動來實現的。目前，隨著城市化進程不斷加快，建筑用地不斷增加，農業生產受到第二、三產業的嚴重擠壓。在糧食單產受到自然災害的影響而波動的同時，種糧比較收益的減少導致糧食播種面積的減少，也是致使糧食減損量變化的重要原因，這一部分糧食損失并不能納入糧食災損量評估中。本文在估計糧食災損量時，首先逐步分離出自然災害對糧食單產的波動影響，再運用糧食總產量公式將播種面積變化的負面影響剔除，從而得到自然災害造成的糧食災損量，計算災損率。

1）糧食單產波動分解模型。糧食單產受諸多因素的共同影響，但總的來說可以歸納為三類：技術因素、社會因素、自然因素。技術因素主要包括糧食作物種植方式、排灌能力、作物育種等，主要表現為隨時間的推移而逐步遞增的趨勢，因此，技術趨勢產量項可以看作時間趨勢項的主要構成部分。社會因素主要代表著農業政策、農業補貼等因素對糧食生產的影響，這些因素的變化會引起糧食生產短期波動。自然因素是影響糧食單產短期波動的首要因素，雨熱條件充足、適合糧食作物生長的自然條件會促進糧食增收，而自然災害則會造成糧食減產。因此，糧食單產可以分解為時間趨勢項和短期波動項兩部分：

式中：yt是糧食實際單產，?t是糧食單產的長期趨勢項，主要代表糧食生產技術因素的主要影響；yf是糧食單產的短期波動項，表示社會因素和自然因素的影響之和。因此，

式中：yi表示社會因素影響，yd表示自然因素影響，結合（1）、（2）式，糧食單產表示為：

由于社會因素對糧食生產的影響多數年份中均為正向作用（國家對糧食種植支持力度不斷加大），因此，將式中的?t+yi定義為糧食單產增產能力，記為yp，所以，

糧食單產的時間趨勢項可以用灰色預測模型對糧食實際單產進行模擬，具體計算方法如下：原始數列和累加生成數列分別為：

對累加生成序列建立GM(1，1)預測模型為：

計算出模型參數a，u之后，即可通過下面的公式進行預測：

2）糧食總產量中自然災害災損量的評估模型。糧食總產量是糧食單產與糧食播種面積的乘積。設Ys為因播種面積的增減而導致的糧食總產量變化，?p為糧食總產量增產能力，St, St-1分別為本期和前一期的實際播種面積，則：

因此，糧食總產量可以表示為：

式中：Yt表示糧食當期實際總產量，Yt-1表示糧食前一期實際總產量，Ys表示因播種面積的增減造成的糧食總產量的變化，?p表示在前一期基礎上的糧食增產能力，Yd表示自然災害造成的糧食災損量。因此，糧食災損量和災損率可以分別表示為：

1.1.2 糧食災損量與自然災害關聯度分析模型 在通過灰色預測模型剝離出自然災害造成的糧食災損量基礎上，為揭示不同自然災害對多種糧食作物的影響程度，通過運用灰色關聯分析法，測算旱災、水災、風雹災害與小麥、玉米災損量的關聯程度。主要步驟為：

1）確定母序列與子序列。設災損量為母序列x0(t)，各災害成災面積、受災面積為子序列xi(t)。

2）使用初值法對災損量和各災害成災面積、受災面積進行無量綱化處理。

3）計算母序列與各子序列在t年份的絕對差值：

4）兩極最大差和最小差可以分別表示為：

5）計算關聯系數：

6）計算關聯度：

1.2 數據來源

本文數據均來自于《中國統計年鑒》 （1979-2015）、《中國農業年鑒》（1979-2015）和中華人民共和國國家統計局網站（www.stats.gov.cn）。選取指標包括山東省糧食單產、糧食總產量、小麥單產、小麥總產量、玉米單產、玉米總產量、各類受災面積、成災面積（2013、2014年份各類成災面積數據缺失）、有效灌溉面積。本文中的糧食產量是指農業生產經營者日歷年度內生產的全部糧食數量，按作物品種包括谷物、薯類和豆類，主要糧食作物為小麥、玉米。本文分別針對糧食總體和小麥、玉米各自災損特征和災害關聯度進行測算與分析。由于2013、2014年山東省成災面積數據大量缺失，為保證計算結果的準確性與有效性，選取1978-2012年數據進行測算。

2 結果與分析

2.1 山東省糧食生產時序演變趨勢

自1978年以來，山東省糧食總產量總體表現為階段性上升趨勢（圖1），年均增長率2.23%，但同時受自然災害、市場和短期政策因素的影響，又表現出一定的波動性。具體來看，1978-1986年，農村改革和家庭聯產承包責任制的推行極大地激發了廣大農戶的種糧積極性，糧食總產量從2 250萬t提升至3 250萬t；1986-1996年，糧食總產量仍然大幅提升1 082.7萬t，但該階段波動性較大，主要原因在于糧食政策的變化以及1992年以來推行的市場經濟體制對糧食價格的波動影響；1996-2002年，糧食總產量出現大幅震蕩，分別在1996-1997年（下降480.48萬t）和1999-2002年（下降976.31萬t）出現兩次大幅下跌，市場經濟對糧食生產的負面影響開始浮現：糧食作物比較收益低，導致大量農戶調整農作物種植結構，減少糧食作物種植，另一方面，農資物品與糧食作物間不斷擴大的價格差也制約了農戶種糧積極性；2002-2014年以來，山東省糧食產量連續提升，從3 292.69萬t提升至4 596.6萬t，實現了糧食總產量“十二連增”。

圖1 山東省糧食總產量時序演變趨勢（1978-2014年）Fig. 1 Trends of temporal evolution of total grain output in Shandong from 1978 to 2014

從糧食種植種類來看，山東省糧食種植分為夏秋兩季，夏季以種植小麥為主（約占99%），秋季則以玉米為主（約占75%），以大豆、薯類作物及水稻為輔。隨著糧食作物種植結構的不斷調整，山東省小麥、玉米占比不斷提升，從1978年的62.91%提升至2014年的92.51%，平均占比83.39%。目前，山東省已形成以小麥、玉米種植為主，薯類、高粱、大豆、谷子等作物為輔的種植格局。山東省小麥生產波動狀況與糧食總產量波動狀況大致相似，除在1997年左右的部分年份下降之外，絕大多數年份均保持遞增趨勢，且單產均位于全國前列。相對于小麥來說，玉米生產由于其用途的擴展和消費結構的變化而日益得到重視。除較少年份外，玉米單產一直大幅領先于小麥。隨著山東省玉米管理技術的提升與種植面積的穩定，玉米總產量正逐年接近小麥總產量。

2.2 山東省自然災害種類及時序變化趨勢

山東省自然災害種類主要包括旱災、洪澇災害、冰凍災害、風雹及其他災害等。隨著氣候變化和人口增加對自然資源的過度掠奪，山東省自然災害呈現出顯著特點，表現為：1）作用范圍廣。1978-2012年間，山東省累積受災面積111.71×106hm2，累積成災面積52.96×106hm2，17地市的糧食生產均遭受不同程度的災害影響。2）自然災害種類多，各災害發生頻率逐年加劇，且具有季節性、交替性特點。旱災、水災、風雹災害為山東省主要自然災害。在成災面積中，三者分別占比57.33%、23.97%、12.43%，總和占比93.73%。首先，旱災是影響最大、影響區域最廣、波動最劇烈、發生最頻繁的災害。旱災受災率年平均41.11%，旱災成災率年平均19.48%。旱災成災面積與總成災面積的變化趨勢極為相似（圖2），發生嚴重自然災害的年份均是旱災成災面積較高的年份。如1981年山東省成災面積2.24×106hm2，僅旱災成災面積就達到2.15×106hm2，占成災面積的96.01%，為史上最高。其次，山東省水災、風雹災害相對于旱災來說影響較小。3）受災面積和受災強度加大。受災成災率年平均45.73%，即自然災害在農作物種植區發生時，有近乎一半的地區農作物實際收獲量將減少3成以上。此外，自然災害還表現出大災次數增加、小災次數減小的趨勢，其頻發性和不穩定性造成了糧食產量的極大波動，山東省防災、減災能力仍需進一步提高。

2.3 糧食災損評估結果及分析

2.3.1 糧食災損評估結果 根據1978-2012年山東省糧食單產、小麥單產、玉米單產數據，通過灰色預測模型分別對糧食、小麥、玉米單產長期趨勢項進行預測，結果如圖3所示，擬合方程為：

圖2 山東省自然災害變化趨勢（1978-2012年）Fig. 2 Temporal trends of natural disasters in Shandong from 1978 to 2012

三個預測公式中p值均大于0.8，c值均小于0.5，表明模型精度等級較好，均符合預測檢驗標準。在計算出時間趨勢項之后，糧食波動項即可通過糧食實際單產與時間趨勢項的差值得出。本文通過計算單產變化量的9 a滑動平均值作為社會因素的影響，計算出山東省各年糧食單產的增產能力，再通過式（8）至（12），測算出自然因素導致的糧食災損率。

圖3 山東省糧食、小麥、玉米災損率評估（1979-2012年）Fig. 3 Evaluation of the rate of grain loss caused by natural disasters in Shandong from 1978 to 2012

山東省糧食總災損率、小麥災損率、玉米災損率各年評估值見圖3。1979-2012年間，糧食總災損量累計達到4 981.01萬t，占糧食總產量的4.07%，年平均災損量146.50萬t；小麥災損量累計達到2 513.56萬t，占小麥總產量的4.37%；玉米災損量累計值1 813.17萬t，占玉米總產量的3.93%。其中絕大多數年份災損率均為正值，反映自然災害對糧食生產造成的負面影響程度。較少數年份災損率評估出現負值，這說明該年自然因素的正面作用大于其負面影響，即自然災害對糧食產量基本無影響，因此災損率出現負值。如1991、1994、1995、1998、1999年，山東省成災面積較小，相對來說屬于較少的風調雨順的年份，因此自然因素總體表現為正向作用。從變化趨勢上看，總災損率變化趨勢與成災面積演變趨勢較為相似：在1981、1989、1997、2002年山東省成災面積到達波峰，即發生嚴重自然災害時，糧食總災損率也達到各周期的最大值，二者在多數年份中均呈現同方向變化，體現了自然因素對糧食災損量的極大影響，這也說明采用灰色預測模型對糧食災損量的評估結果有效。

2.3.2 糧食災損量波動特征與變化趨勢分析 從總災損率變化的波動特征看，平均周期約為5.67 a。其中，各周期內波峰與波谷之間的距離分別為26.49%，18.50%，7.12%，11.04%，15.33%，7.67%，呈現出減小、減小、增加、增加、減小的趨勢。具體來看：1978-1984年間，糧食災損率均較高，并在1981年達到最大值26.39%。1984-1991年和1991-1995年間，兩階段內自然災害的負面影響較前一時段出現了不同程度的下降。1995至1998、1998至2004年間，糧食災損量再次上浮波動，尤其在2002年山東省發生嚴重旱災時，災損率達到14.26%。當嚴重自然災害發生時，糧食災損量急劇提升，糧食總產量仍然大幅波動。自2004年之后，災損率的變化趨勢與受災面積的走勢發生偏離，即在受災面積隨年份變化而不斷波動的同時，糧食災損率穩定性增加，波動幅度再次下降。小麥災損率和玉米災損率的變化周期及趨勢與糧食總災損率大致相似，二者的災損率曲線圍繞總災損率曲線上下波動，小麥災損率平均波動周期6.60 a，玉米災損率平均波動周期3.67 a。小麥災損平均變化率-0.33%，玉米災損平均變化率-0.43%，二者均為負值，表明災損率總體呈現下降趨勢。

2.4 糧食災損量與自然災害關聯度結果與分析

2.4.1 糧食災損量與自然災害關聯度結果 基于不同糧食作物災損量評估數據，建立糧食災損量與自然災害關聯分析模型，測算結果見表1。表1中各指標的關聯度均接近或大于0.7，屬于中強度關聯。從自然災害種類看，關聯度排序為：旱災成災面積＞旱災受災面積＞風雹災害受災面積＞風雹災害成災面積＞水災受災面積＞水災成災面積。旱災受災面積、成災面積與災損量的關聯度最大，分別為0.839 5、0.852 6，表明旱災是影響山東省糧食生產的首要災害，其次為風雹災害、水災。從糧食作物種植結構看，玉米的災損關聯度平均值0.788 5，大于小麥的0.758 4，自然災害對玉米的影響程度略高于小麥。

表1 小麥、玉米災損量與災害受災、成災面積關聯度Table 1 Correlation degrees between the rates and areas affected by natural disasters

小麥災損量與各種災害面積的關聯順序表現為：旱災成災面積＞旱災受災面積＞風雹災害受災面積＞風雹災害成災面積＞水災受災面積＞水災成災面積，玉米災損量與各種災害面積的關聯順序為：旱災成災面積＞旱災受災面積＞風雹災害成災面積＞風雹災害受災面積＞水災受災面積＞水災成災面積。二者受自然災害的影響程度大致相似，均表現為旱災＞風雹災害＞水災。玉米的各災害關聯度均略高于小麥，表明各種自然災害對玉米生產影響更大。

2.4.2 糧食災損量與自然災害關聯特征分析 從自然災害種類看，不同自然災害對糧食生產的影響程度為：旱災＞風雹災害＞水災。旱災是山東省發生最為頻繁、影響范圍最廣的自然災害。山東省多發生春旱、春夏連旱、夾秋旱，具有季節性、隨機性、連發性和連片性特點。

降水的減少引發氣象干旱，地表水分的持續蒸發和水資源存儲量的減少導致土壤水分無法滿足糧食作物生長的水分需求，致使糧食作物無法進行正常生理活動，造成糧食減產或絕收。與此同時，旱災對糧食生產的負面影響具有滯后效應：當年的干旱造成該年糧食減產的同時，也會造成水資源儲備量的降低，從而減少來年糧食生產的水資源供給，引發來年的糧食生產問題，即一年發生旱災可能造成后續幾年的糧食持續減產，因此其對糧食生產的影響程度最大。水災、風雹災害對糧食生產的影響程度相對較低，但二者具有明顯的突發性和難預防性特征，變化幅度較大，這無疑加大了防災減災難度。

從糧食作物種植結構看，不同糧食作物受自然災害影響差異較大。小麥與玉米災損率年平均值較為接近，但災損率平均波動周期相差較大：玉米災損率平均波動周期為3.67 a，表明受自然災害影響更加頻繁。另一方面，由于二者自身種植特征不同，同種自然災害對不同糧食作物的影響時段也有較大差異：旱災對小麥與玉米總產量均有較大影響，但春旱、夾秋旱對小麥總產量影響較大。山東省以冬小麥種植為主，約在每年的10月開始種植。當夾秋旱發生時，空氣干燥、蒸發旺盛會造成土壤水分流失過快，嚴重降低了小麥的出苗率與整齊度。當春旱發生時，也會大大降低小麥單產。而7-8月的旱災則主要對玉米造成“卡脖旱”，導致玉米灌漿嚴重受阻，促使產量下降。

對于風雹災害來說，由于4-6月是冬小麥生長的關鍵時期，因此這一時期的風暴災害對小麥生產有著重大影響。而夏秋兩季的風雹災害則易造成玉米倒伏，造成玉米減產。此外，山東省水災多發于夏季，且發生頻率與影響范圍較低，其對小麥、玉米的影響程度低于旱災和風雹災害。因此，為全面提升糧食總產量對自然災害的抵御能力，更應根據糧食作物種植特征和自然災害頻發時段進行有針對性的防災、減災。

3 結論

基于灰色預測模型，對山東省糧食災損量進行測算，并通過灰色關聯分析法測算不同糧食作物災損量與各種自然災害間的關聯度，得出結論如下：

1）1979-2012年間，糧食總災損量累計達到4 981.01萬t，占糧食總產量的4.07%，年平均災損量146.50萬t。平均波動周期5.67 a，總體來看波動幅度不斷減小，具體來看各周期振幅呈現減小、增加、減小的變化規律。

2）1979-2012年間，小麥災損量累計達到2 513.56萬t，占小麥總產量的4.37%，災損率平均波動周期6.60 a，災損平均變化率-0.33%；玉米災損量累計值1 813.17萬t，占玉米總產量的3.93%。災損率平均波動周期3.67 a，玉米災損平均變化率-0.43%。

3）各類自然災害對小麥、玉米的影響程度均表現為：旱災＞風雹災害＞水災。旱災與糧食災損量關聯度0.852 6，是影響山東省糧食總產量的首要自然災害。

4 對策建議

針對目前山東省糧食災損狀況，本文提出建議如下：

1）完善農田水利基礎設施建設。對于糧食生產來說，保證農業用水的有效供給是維持糧食穩定增產、提高自然災害抵御能力的關鍵。因此，山東省必須加大水利基礎設施投入，提高有效灌溉率，并根據各類自然災害和水資源的空間分布特征，加強自然災害頻發地區的農田水利基礎設施的建設與完善，合理調配水資源，提升自然災害綜合防控能力。

2）大力推廣節水灌溉技術，提高水資源利用率。山東省糧食生產受旱災影響最為嚴重，在水資源稟賦相對不足的條件下，有效提升糧食生產用水效率是實現糧食穩產增產的重要途徑。根據各地市氣候特點和糧食種植特征，引導農民使用節水灌溉技術，推廣節水灌溉，降低糧食災損量。

3）建立自然災害風險預警機制，提高對洪澇災害和風雹災害的監測能力，最大限度地縮減突發性自然災害對糧食生產的負面影響。加強自然災害預測體系建設，實現水文、氣象、環境監測站的協同檢測，并積極推進新型檢測系統的研制與開發。與此同時，更要完善自然災害預報體系，及時、精準地發布自然災害預警信息，減少災害損失。

[1] 李茂松, 李章成, 王道龍, 等. 50年來我國自然災害變化對糧食產量的影響[J]. 自然災害學報, 2005, 14(2): 55-60.

Li M S, Li Z C, Wang D L, et al. Impact of natural disasters change on grain yield in China in the past 50 years[J]. Journal of Natural Disasters, 2005, 14(2): 55-60.

[2] 馮穎, 姚順波, 郭亞軍. 基于面板數據的有效灌溉對中國糧食單產的影響[J]. 資源科學, 2012, 34(9): 1734-1740.

Feng Y, Yao S B, Guo Y J. Unit area crop yield response to effective irrigation in China based on a panel data model[J]. Resources Science, 2012, 34(9): 1734-1740.

[3] 楊重玉. 自然災害與湖南糧食產量的灰色關聯度分析[J]. 湖南農業大學學報(社會科學版), 2013, 14(2): 6-9.

Yang Z Y. Gray correlation of natural disasters and the grain output in Hunan[J]. Journal of Hunan Agricultural University (Social Sciences), 2013, 14(2): 6-9.

[4] 馬九杰, 崔衛杰, 朱信凱. 農業自然災害風險對糧食綜合生產能力的影響分析[J]. 農業經濟問題, 2005(4): 14-17, 79.

Ma J J, Cui W J, Zhu X K. Impacts of natural disasters on comprehensive capacity of grain production in China: An analysis[J]. Issues in Agricultural Economy, 2005(4): 14-17, 79.

[5] 趙建軍, 蔣遠勝. 氣候變化對我國農業受災面積的影響分析——基于1951-2009年的數據分析[J]. 農業技術經濟, 2011(3): 112-118.

Zhao J J, Jiang Y S. Impacts of climate change on agricultural disaster stricken area: Analysis based on data in 1951-2009[J]. Journal of Agrotechnical Economics, 2011(3): 112-118.

[6] 覃志豪, 唐華俊, 李文娟. 氣候變化對我國糧食生產系統影響的研究前沿[J]. 中國農業資源與區劃, 2015, 36(1): 1-8.

Qin Z H, Tang H J, Li W J. Front issues in studying the impacts of climate change on grain farming system in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2015, 36(1): 1-8.

[7] 龍方, 楊重玉, 彭澧麗. 自然災害對中國糧食產量影響的實證分析——以稻谷為例[J]. 中國農村經濟, 2011(5): 33-44.

Long F, Yang Z Y, Peng L L. An empirical study on the impacts of natural disasters on China’s grain output: Taking paddy rice as an example[J]. Chinese Rural Economy, 2011(5): 33-44.

[8] 李茂松, 李森, 李育慧. 中國近50年旱災災情分析[J]. 中國農業氣象, 2003, 24(1): 8-11.

Li M S, Li S, Li Y H. Studies on drought in the past 50 Years in China[J]. Chinese Journal of Agrometeorology, 2003, 24(1): 8-11.

[9] 江麗, 安萍莉. 我國自然災害時空分布及其糧食風險評估[J].災害學, 2011, 26(1): 48-53, 59.

Jiang L, An P L. Temporal and spatial distribution and grain risk assessment of natural disasters in China[J]. Journal of Catastrophology, 2011, 26(1): 48-53, 59.

[10] 羅小鋒. 自然災害對湖北糧食產量的影響分析[J]. 災害學, 2007, 22(2): 109-113.

Luo X F. Analysis of effects of natural calamity on grain yield[J]. Journal of Catastrophology, 2007, 22(2): 109-113.

[11] 段小紅. 旱災對甘肅省糧食生產的影響分析[J]. 干旱區資源與環境, 2011, 25(7): 35-38.

Duan X H. The impact of drought to grain production in Gansu Province[J]. Journal of Arid Land Resources and Environment, 2011, 25(7): 35-38.

[12] 張星, 張春桂, 吳菊薪, 等. 福建農業氣象災害的產量災損風險評估[J]. 自然災害學報, 2009, 18(1): 90-94.

Zhang X, Zhang C G, Wu J X, et al. Risk assessment of yield losses from agro-meteorological disasters in Fujian Province[J]. Journal of Natural Disasters, 2009, 18(1): 90-94.

[13] 高茂盛, 范建忠, 吳清麗. 旱澇災害對陜西省糧食生產的影響研究[J]. 中國農業大學學報, 2012, 17(3): 149-153.

Gao M S, Fan J Z, Wu Q L. Influence of drought and flood disasters on grain production in Shaanxi Province[J]. Journal of China Agricultural University, 2012, 17(3): 149-153.

[14] 張越杰, 王軍. 吉林省糧食產量波動分析[J]. 農業技術經濟, 2007(3): 74-79.

Zhang Y J, Wang J. On the grain output fluctuation in Jilin Province[J]. Journal of Agrotechnical Economics, 2007(3): 74-79.

[15] 龍方, 楊重玉, 彭澧麗. 糧食生產波動影響因素的實證分析——以湖南省為例[J]. 農業技術經濟, 2010(9): 97-104.

Long F, Yang Z Y, Peng L L. Empirical analysis on the impact factors of fluctuation in grain production: Case of Hunan[J]. Journal of Agrotechnical Economics, 2010(9): 97-104.

[16] 王樹濤, 李新旺, 門明新, 等. 基于改進灰色關聯度法的河北省糧食波動影響因素研究[J]. 中國農業科學, 2011, 44(1): 176-184.

Wang S T, Li X W, Men M X, et al. Study on the influencing factors of grain production in Hebei Province based on gray correlation degree method[J]. Scientia Agricultura Sinica, 2011, 44(1): 176-184.

（責任編輯：王育花）

An estimation of grain loss caused by natural disasters in Shandong Province based on grey prediction model and its correlation with disasters

LUAN Jian, ZHOU Yu-xi
（College of Economics and Management, Shandong Agricultural University, Tai’an, Shandong 271018, China）

Based on the data of grain production and natural disasters from 1978 to 2012 in Shandong Province, and applying the grey prediction model, this paper conducted a quantitative analysis of the effect of the natural disasters on grain production and the grain loss and calculate the correlation coefficients between different kinds of grain loss caused by natural disasters and different kinds of natural disasters. Results show that: 1) The annual average of grain loss caused by natural disasters is 1.465 0 million tons from 1979 to 2012. The average period of its fluctuation is 5.67 years. And the fluctuation range is decreasing with a trend of decreasing, increasing and decreasing pattern. 2) The average period of the fluctuation of wheat loss is 6.6 years from 1979 to 2012 with a changing rate of -0.33% on average. And the period of the fluctuation of corn loss is 3.67 years on average with a changing rate of -0.43%. And 3) the levels of all kinds of the natural disasters’ effects on wheat and corn are in the following decreasing order: drought, strong wind and hail, and flood.

grey prediction model; grain loss caused by natural disasters; grain production; natural disasters; Shandong Province

ZHOU Yu-xi, E-Mail: sofia612@sdau.edu.cn.

F326.11

A

1000-0275（2016）06-1068-08

10.13872/j.1000-0275.2017.0127

欒健, 周玉璽. 基于灰色預測模型的山東省糧食災損量評估及災害關聯度分析[J]. 農業現代化研究, 2016, 37(6): 1068-1075.

Luan J, Zhou Y X. An estimation of grain loss caused by natural disasters in Shandong Province based on grey prediction model and its correlation with disasters[J]. Research of Agricultural Modernization, 2016, 37(6): 1068-1075.

國家社科基金項目（16BJY053）；教育部人文社科基金項目（11YJA630217）；山東農業大學現代農業發展研究院項目(14xsk2-02)。

欒健（1991-），男，山東煙臺人，碩士研究生，研究方向為資源與環境經濟，E-mail：luanjian110550@126.com；通訊作者：

周玉璽（1970-），男，山東濰坊人，教授、博士生導師，研究方向為資源與環境經濟，E-mail：sofia612@sdau.edu.cn。

2016-05-18，接受日期：2016-09-27

Foundation item: National Social Science Foundation of China (16BJY053); Humanities and Social Science Foundation of the Ministry of Education (11YJA630217); Project of Modern Agricultural Development Research Institute of SDAU (14xsk2-02).

Received 18 May, 2016;Accepted 27 September, 2016