基于信息擴散理論的山東省日光溫室番茄低溫冷害風險評估

李楠+陳辰+張繼波

摘 要：基于1984年至2013年山東省設施農業生產季（每年10月至次年4月）自動氣象觀測站資料及2007年至2014年日光溫室小氣候自動觀測站資料，結合日光溫室內番茄低溫冷害等級指標，利用80%保證率方法，統計分析得到了日光溫室外番茄低溫冷害等級指標；應用該指標，對近30年山東省日光溫室番茄低溫冷害進行統計分析，結果表明，低溫冷害主要發生在12月、1月及2月；引入信息擴散理論，通過Matlab程序編寫，計算得到了全省122個縣站不同低溫冷害等級下不同發生時間長度的風險概率值；利用ArcGIS繪制得到全省低溫冷害發生風險概率分布圖。

關鍵詞：日光溫室；低溫冷害；風險評估；信息擴散；山東省

中圖分類號：S641.205+.3文獻標識號：A文章編號：1001-4942（2016）12-0124-05

Abstract Based on the data derived from the 122 auto-meteorological observation stations in Shandong Province in facility production season from 1984 to 2013 and the greenhouse auto-micro-climate observation stations in Linzi， Laiwu and Dongying from 2007 to 2014， the chilling injury grade indexes of tomato inside greenhouse were used to analyze the chilling injury grade indexes of tomato outside greenhouse by 80% guarantee rate method. Then the chilling injury grade indexes of tomato outside greenhouse were used to statistically analyze the change rules of the chilling injury of greenhouse tomato in Shandong Province in recent 30 years. The results showed that the chilling injury mainly happened in December， January and February. The risk probability values of 122 stations in Shandong under different chilling injury grades for different time lengths were calculated by the Matlab program based on the information diffusion theory. The risk probability distribution maps were drawn using ArcGIS platform for chilling injury in Shandong.

Keywords Greenhouse； Chilling injury； Risk assessment； Information diffusion； Shandong Province

低溫冷害是影響我國農業生產的主要災害之一，是指農作物生育期遭受低于其生長發育所需的環境溫度，引起農作物生育期延遲，或生殖器官的生理機能受到損害，導致農業減產的災害類型[1]。我國低溫冷害多發，相關研究主要集中在東北地區及新疆等地的大宗作物[2-6]，一般采用災害風險評估模型對其進行風險分析，而風險評估模型包括3類[7-16]：（1）描述災害本身發生強度等級及其發生概率的災害強度風險評估模型；（2）以災損指標表示的描述災害強度與承災體直接和間接損失的災損風險評估模型；（3）反映社會生產水平或承災體本身抗災能力的評估模型。然而，大多數風險系統具有模糊不確定性，基于此，黃崇福教授在《模糊信息優化處理技術及其應用》一書中系統提出了信息擴散理論，并將其引入風險評估中[17，18]。目前已有很多學者將信息擴散理論應用于災害的風險分析[19-22]，如馮利華等[22]利用基于信息擴散理論的風險評估方法對地震災害進行了風險分析；張麗娟等[20]依據信息擴散理論，提出了基于災害發生標準直接估算低溫冷害、干旱和洪澇風險的計算方法，是信息擴散理論在氣象災害風險評估方面充分應用的很好例子。

在大力推進現代農業發展的大環境下，設施農業成為主要的生產方式，對增加農民收入發揮了顯著作用。然而設施作物與大田作物的生長環境存在顯著差異，尤其我國北方冬季生產中所使用的大多為非加溫型日光溫室，其熱量完全依靠太陽輻射，受外界氣象條件影響極大[23，24]。番茄是山東省冬季日光溫室生產的主要反季節蔬菜之一，其產量及品質直接影響農民收益。因此，本文利用常見的風險評估模型中的第一類，即描述災害本身發生強度等級及其發生概率的災害強度風險評估模型，引入信息擴散理論，通過Matlab程序編寫計算不同程度低溫冷害的風險概率值，對山東省日光溫室番茄低溫冷害的發生風險進行評估，并利用ArcGIS繪制其分布圖，為實現設施生產防災減災提供數據支持。

1 數據來源與研究方法

1.1 數據來源

試驗數據來源于1984年至2013年設施農業生產季內（當年10月至次年4月）山東省自動氣象觀測站（共122站，不含泰山站）逐日最低氣溫數據資料，2007年至2014年臨淄、萊蕪、東營三個日光溫室小氣候自動觀測站逐小時最低氣溫數據資料。

1.2 數據處理

基于文獻查閱得到的日光溫室內番茄低溫冷害等級指標，將日光溫室內小氣候逐日觀測數據資料與相同地區的自動氣象站觀測數據資料進行匹配提取，利用80%保證率分別計算不同等級低溫發生時溫室內、外氣象資料對應關系，最終確定低溫冷害的外界氣象等級指標。

將日光溫室的種植季分為三季，即秋季（10-11月）、冬季（12月-翌年2月）、春季（3-5月）。根據日光溫室番茄發生低溫冷害的外界氣象等級指標，統計1984-2013年10月至次年4月日光溫室番茄發生不同等級低溫冷害的日數，采用信息擴散理論方法，對30年日光溫室番茄發生低溫冷害的概率風險進行信息擴散計算，得到全省30年來各年代、各季節不同低溫冷害發生等級的風險概率值，即災害發生的致災因子危險性判斷值。

1.3 研究方法

信息擴散方法是為了彌補信息不足而優化利用樣本模糊信息的一種對樣本進行集值化的模糊數學處理方法。當樣本點不多時，所有樣本點提供給我們去認識風險的知識并不完善，具有模糊不確定性[17，18，25]，此時不應該把一個樣本點的信息看作確切的觀測值，而應該把它看作是樣本點的代表，看作是一個集值，是一個模糊集觀測樣本點。基于信息擴散理論的評估模型可通過設定災害指數論域、利用信息擴散函數將單值觀測樣本點進行信息擴散、對樣本點進行歸一化信息分布計算等最終得到樣本點概率估計值[20]。

在信息擴散評估模型中，擴散函數與擴散系數是關鍵，直接關系到結果準確與否[4，11，23]。黃崇福教授對不同擴散函數進行了驗證，結果表明，在樣本容量不大的情況下，簡單正態分布要優于指數分布和對數正態分布，故本文選用正態擴散函數（公式1）。

式中，h為擴散系數，可根據樣本最大值b和最小值a及樣本點個數來確定[4，20]。

2 結果與分析

2.1 日光溫室外番茄低溫冷害等級指標構建

日光溫室番茄生長過程中，當氣溫低于6℃時，生長受到嚴重影響，10℃以下生長緩慢，15℃以上為最適生長溫度，因此，將6、10、15℃作為劃分日光溫室番茄低溫冷害等級的閾值。

將臨淄、萊蕪、東營三個日光溫室小氣候自動觀測站數據與對應的三個地區自動氣象觀測站數據匹配提取，并按80%保證率方法求算，得到日光溫室外番茄低溫冷害氣象等級指標（表1）。

2.2 日光溫室番茄低溫冷害風險發生時間變化

2.2.1 日光溫室番茄低溫冷害發生規律 利用1984至2013年日光溫室番茄主要生長季內（每年10月至次年4月）全省122個自動氣象監測站逐日最低氣溫觀測資料，結合日光溫室外番茄低溫冷害等級指標進行統計，重度冷害平均發生天數為20.2天，中度冷害平均發生天數為16.4天，輕度冷害平均發生天數為57.7天。從近30年全省日光溫室番茄苗期低溫冷害累計發生天數逐年變化圖（圖1）中看出，以輕災為主，發生天數明顯高于重度和中度冷害；重度冷害與中度冷害多年平均發生天數接近。各月平均冷害發生天數從10月至次年4月分別為0.3、8、25、29、22、10天和0.5天（圖2），表明日光溫室番茄低溫冷害主要發生在冬季3個月內。

2.2.2 日光溫室番茄低溫冷害風險時間變化 結合2.1中全省各縣站生產季內不同月份內出現日光溫室番茄低溫冷害的日數，確定離散論域選取為：

通過上述分析可知，山東省日光溫室番茄低溫冷害主要發生在冬季，因此，利用信息擴散理論，確定離散論域，分別對12月、1月及2月的不同冷害等級發生概率進行計算。因全省站點過多，文中僅以魯西北、魯中、魯南三個地區的代表站點，即東營、濰坊、臨沂為例，給出不同低溫冷害發生時間下的中度冷害發生概率變化（圖3）。由圖3可以看出，生長季內，各代表站點發生5天中度低溫冷害的風險概率最大，其中東營接近80%，濰坊12月及2月的概率超過80%，臨沂1月概率在90%左右；發生10天中度低溫冷害的風險明顯降低，東營、濰坊僅為20%左右，臨沂1月較大，在50%左右，但12月和2月同樣明顯低于5天概率；發生15天及更長時間低溫冷害的風險各代表站均極小，可忽略不計。

2.3 日光溫室番茄低溫冷害風險空間變化

利用ArcGIS9.3繪制山東省日光溫室番茄低溫冷害發生概率分布圖，其中概率值過小的冷害發生時長不單獨繪圖，如12月內低溫冷害發生時間分別為15、20、25、31天的概率值全省均約為0，不列出概率分布圖，同理，若該月內某時間長度的災害發生概率值全省差別不大，均不列出概率分布圖。

從圖4可以看出，山東省12月日光溫室番茄，各地發生10天輕度低溫冷害的概率均在84%以上，除魯西北北部、魯中東部、半島南部及魯西南局部地區在84%～96%之間，其他地區均在96%以上；中度低溫冷害發生可能性較大的地區為魯西北中東部及半島內陸地區，概率值在20%～47%；重度低溫冷害主要集中在魯西北中部、魯中東部等地，概率在55%～74%之間，魯南大部、半島北部及東部發生概率最小，僅在17%以下。

1月，發生10天輕度低溫冷害的概率呈現中、北部較低，東、南部較高的趨勢，其中，魯西南地區概率最大，在89%以上；中度低溫冷害發生概率較高的區域主要為魯西北及半島局部，范圍小，且分布不均；重度低溫冷害主要發生在山東中、北部地區，其中，魯西北大部均在93%以上，表明發生10天重度低溫冷害的可能性極大（圖5）。

2月，發生10天輕度低溫冷害的概率分布無明顯規律，全省發生概率均在80%以上，各地局部均在98%出現可能性；發生10天中度低溫冷害的概率分布特點與發生5天的相似，仍為東部地區大，西部地區小，其中，半島地區發生概率最大，在12%～28%之間；全省大部地區重度低溫冷害發生概率在29%以下，其中，魯南大部地區僅在8%以下，魯西北、魯中及半島內陸局部地區發生風險較大，概率在42%～66%，為需要關注的地區（圖6）。

3 討論與結論

（1）利用日光溫室內、外氣象觀測數據，基于80%保證率方法，統計得到日光溫室外番茄低溫冷害氣象等級指標，該指標為開展低溫冷害風險區劃的基礎。

（2）利用1984-2013年日光溫室番茄主要生長季內自動氣象監測站逐日最低氣溫觀測資料，結合低溫冷害氣象等級指標，統計得到全省122個自動氣象站30年平均重度冷害發生天數為20.2天，中度冷害發生天數16.4天，輕度冷害發生天數57.7天，且主要發生在冬季。

（3）利用信息擴散理論，分別計算山東省各月內不同時間長度、不同災害等級的發生概率，并利用ArcGIS分析制圖，得到日光溫室番茄發生低溫冷害的概率分布，為開展精細化服務提供了依據。

（4）信息擴散理論已被應用于多種自然災害的風險分析，理論方法成熟，可以利用該理論方法對山東省設施農業不同災害類型進行分析，進而更好地為設施生產提供指導性服務。

參 考 文 獻：

[1] 王書裕. 農作物冷害的研究[M]. 北京：氣象出版社，1995.

[2] 杜鵬，李世奎. 農業氣象災害風險評估模型及應用[J]. 氣象學報，1997，55（1）： 95-102.

[3] 霍治國，李世奎，王素艷，等. 主要農業氣象災害風險評估技術及其應用研究[J]. 自然資源學報，2003，18（6）：692-703.

[4] 陳紅. 基于信息擴散理論的黑龍江省主要氣象災害風險評估研究[D]. 哈爾濱：哈爾濱師范大學，2011.

[5] 李文亮，張冬有，張麗娟. 黑龍江省氣象災害風險評估與區劃[J]. 干旱區地理，2009，32（5）： 756-758.

[6] 譚宗琨. 廣西農業氣象災害風險評價及災害風險區劃[J]. 廣西氣象，1997，18（1）： 44-50.

[7] 王春乙，張繼權，霍治國，等. 農業氣象災害風險評估研究進展與展望[J]. 氣象學報，2015，73（1）： 1-19.

[8] 李世奎，霍治國，王素艷，等. 農業氣象風險評估體系及模型研究[J]. 自然災害學報，2004，13（1）： 77-86.

[9] 張繼權，李寧. 主要氣象災害風險評價與管理的數量化方法及其應用[M]. 北京：北京師范大學出版社，2007.

[10]薛曉萍，李楠，楊再強. 日光溫室低溫冷害風險評估技術研究[J]. 災害學，2013，28（3）： 61-65.

[11]黃崇福，白海玲. 模糊直方圖的概念及其在自然災害風險分析中的應用[J]. 工程數學學報，2000，17（2）：71-76.

[12]趙靜，張繼權，嚴登華，等. 基于格網GIS的豫北地區干旱災害風險區劃[J]. 災害學，2012，27（1）：55-58.

[13]史培軍. 災害研究的理論與實踐[J]. 南京大學學報（自然科學版），1991：37-42.

[14]史培軍. 再論災害研究的理論與實踐[J]. 自然災害學報，1996，5（4）：6-17.

[15]史培軍. 三論災害研究的理論與實踐[J]. 自然災害學報，2002，11（3）：1-9.

[16]羅培. 區域氣象災害風險評估[D]. 重慶：西南師范大學，2005.

[17]黃崇福. 自然災害風險評價理論與實踐[M]. 北京：科學出版社，2005.

[18]白海玲，黃崇福. 自然災害的模糊風險[J]. 自然災害學報，2000，9（1）：47-53.

[19]劉引鴿，繆啟龍，高慶九. 基于信息擴散理論的氣象災害風險評價方法[J]. 氣象科學，2005，25（1）：84-89.

[20]張麗娟，李文亮，張冬有. 基于信息擴散理論的氣象災害風險評估方法[J]. 地理科學，2009，29（2）：250-254.

[21]馮利華. 基于信息擴散理論的氣象要素風險分析[J]. 氣象科技，2000，28（1）：27-29.

[22]馮利華，稱歸燕. 基于信息擴散理論的地震風險評估[J]. 地震學刊，2000，20（1）：19-21.

[23]李楠，薛曉萍，張繼波，等. 日光溫室黃瓜低溫冷害預警模型構建技術研究[J]. 山東農業科學，2015，47（9）：106-111.

[24]陳思寧，黎貞發，劉淑梅. 設施農業氣象災害研究綜述及研究方法展望[J]. 中國農學通報 2014，30（20）：302-307.

[25]丁燕，史培軍. 臺風災害的模糊風險評估模型[J]. 自然災害學報，2002，11（1）：34-43.