中國西南地區石漠化對玉米旱災風險的影響

潘東華，賈慧聰，陳 方，賀原惠子

?

中國西南地區石漠化對玉米旱災風險的影響

潘東華1，賈慧聰2※，陳 方2，賀原惠子2

（1. 民政部國家減災中心，北京 100124；2. 中國科學院遙感與數字地球研究所中國科學院數字地球重點實驗室，北京 100094）

為做好喀斯特地區農業旱災風險防范，揭示石漠化程度對作物旱災風險的影響機制。該文基于災害系統理論，引入基于物理過程的農作物模型EPIC（erosion productivity impact calculator），考慮西南喀斯特地貌背景，以水分脅迫累加值作為致災因子，與玉米產量損失進行脆弱性曲線模擬，基于此開展不同石漠化程度區玉米旱災產量的致災和成災損失風險評估。結果顯示，中國西南喀斯特地區玉米受旱減產的風險呈現從西北到東南增加的趨勢。在4種風險水平（2、5、10、20年一遇）下，面積占比最大的產量損失率主要集中分布在0.4～0.5區間內，這主要由地形地勢、降水差異和承災體的脆弱性所共同決定的；受石漠化影響，土層厚度為40 cm時，4種風險水平對應的減產率分別為5.8%、6.1%、7.8%、8.2%；該研究可以為中國第三大玉米主產區-西南山地玉米區的農業災害預警和保障國家糧食安全提供重要的科學依據和技術支持。

干旱；遙感；災害；石漠化；EPIC模型；玉米旱災；西南喀斯特地區

0 引 言

全球喀斯特地貌集中連片分布于歐洲中南部、北美東部和中國西南地區[1]。中國西南喀斯特出露面積高達50多萬km2，是世界三大喀斯特集中連片分布區中面積最大且巖性發育最強烈、生態環境最脆弱的喀斯特連續地帶，也是三大喀斯特地區中石漠化災害面積最大、災害影響最深刻的區域[2]。20世紀90年代后期，中國西南石漠化災害風險不斷擴大，嚴重威脅區域社會經濟可持續發展和2.2億人口賴以生存的空間，引起了學術界廣泛關注和各級政府的高度重視[3]。國內外對喀斯特地區的研究重點從早期側重于地貌及水文過程轉變到對喀斯特生態系統脆弱性、人類活動影響、生態重建等方面[4-6]。

石漠化（rock desertification）概念最早是在20世紀90年代提出的[7]。由于受人為因素的影響，在亞熱帶濕潤地區脆弱的巖溶生態環境背景下，石漠化是土地生產力下降，土層變薄，地表逐漸呈現類似荒漠景觀的土地退化過程[8]。中國西南喀斯特地區由于基巖裸露、土體淺薄、水分下滲等因素，使得該地區水土流失嚴重，水資源調蓄能力大大降低，一旦遭遇降水不足，極易導致農業旱災發生[9]。

目前對喀斯特地區旱災風險評估主要集中在氣象、水文等單要素或多指標的干旱評估，沒有考慮地貌對旱災成災機理的研究，尤其是本地區石漠化程度對土層厚度影響，分區旱災風險的評估研究還很薄弱。作物生長模擬模型有利于定量揭示作物生育生長的規律，為可持續農業和精準農業的研究提供科學工具。作物模型對東北、華北地區進行玉米產量模擬時，一般土層厚度都是遠遠大于玉米根系長度，而在喀斯特地區，由于石漠化的影響，導致同一土壤類型土層厚度在空間上存在明顯差異，且石漠化嚴重區土層厚度往往小于玉米主根系的長度（40 cm），相同降水條件下，土壤能保持的田間持水量可供作物維持蒸騰的時間要短于東北、華北等地。因此，研究石漠化程度對玉米產量的影響機理是解決西南喀斯特地區玉米旱災風險防范的關鍵。

1 研究區概況

中國西南喀斯特地區因存在巖石裸露率高、土層淺薄、“雙層”地質結構等特點而表現出地質性干旱，即使降雨充分，土壤能保持的田間持水量僅可供植物維持1～2周的蒸騰[10]，是全國生態區劃的旱性喀斯特生態系統區[11]。

以西南地區為主的中國南方地區是中國三大玉米主產區之一，種植面積和總產量分別占全國玉米總面積、總產量的30%左右[12]。而玉米又是該地區的第二大糧食作物，該區的許多山區迄今仍以玉米作為主食之一；同時該地區是中國生豬飼養、生豬出欄、飼料生產的最大地區，也是玉米調入的最大地區。干旱是影響中國西南山地玉米區玉米高產穩產的第一非生物脅迫因素。

中國西南喀斯特地區主要分布在以貴州高原為中心的貴州、云南、廣西、四川、重慶、湖南、湖北及廣東8省市區（圖1），該區人口眾多，集“老、少、邊、窮”為一體，森林覆蓋率低，特別是黔滇渝川，僅為20%～35%，而且分布極為不均，海拔相對高差大（15～4 000 m）。云貴高原崇山峻嶺，人均耕地面積少（500～800 m2），耕地土層薄，旱地占70%～75%，且坡耕地占70%～85%。地表喀斯特出露面積達51萬km2，土地石漠化面積10.51萬km2，占喀斯特山區總面積的近20%（表1）；土地石漠化面積大于1 000 km2的縣份20個、大于500 km2的縣份有74個[13]。本文將已有的西南地區土地利用數據（2010年）中水澆地和旱地類型作為玉米種植范圍分布。

圖1 中國西南地區石漠化等級圖[14]

表1 中國西南地區石漠化等級統計

2 數據和方法

2.1 EPIC(erosion productivity impact calculator)模型

侵蝕—生產力影響評估模型（EPIC）是1984年美國農業部研制的水土資源管理和作物生產力評價模型。適合于模擬作物輪作、耕作實踐、種植日期、灌溉和施肥策略等[15]。經過廣泛驗證和多次完善，已經在美國、法國、中國等多個國家成功地應用到作物估產、氣候變化影響評價、精準農業、區域農業規劃等多個領域。EPIC以日為時間步長，可模擬從一個生長季到上百年的農田水土資源及作物生產力的動態變化。作為一種多作物通用型作物生產系統模擬模型，EPIC模型能夠模擬上百種作物、牧草和樹木生長，其特點是根據各種作物生理生態過程的共性來研制其主體框架，再結合作物的生長參數和田間管理參數分別進行各作物的生長模擬[16]。

“丹玉十三”是中國西南地區累計推廣超過十年、推廣面積最大的玉米品種[17]，全生育期120～130 d，株高230～250 cm，穗位高100 cm，種植密度為3 000株[18-19]。由于數據限制，本文只選擇了數據序列較好的典型玉米品種“丹玉十三”這一個品種的作物遺傳參數作為中國西南喀斯特地區的玉米遺傳參數，在無灌溉的條件下，通過EPIC模型模擬研究區1966—2005年玉米的生長過程。

2.2 數據準備

2.2.1 氣象數據

本研究的氣象數據來源于國家氣象局信息中心提供的氣象站點數據。包括西南喀斯特地區209個站點 1961—2010年的日降水量、日最高氣溫、日最低氣溫、日照時數、日相對濕度和日平均風速和日太陽輻射數據，通過IDW（inverse distance weighted）空間插值方法構建模型所需要的網格化氣象數據庫。由于缺少EPIC模型所需要的完整的太陽輻射數據，利用日照時數和天文輻射量計算出了日太陽輻射值。本文參照李克煌[20]給出的計算太陽輻射的公式，具體形式如下：

式中0代表天文輻射量，cal/(cm2·)，即每月15日的日總量；代表每天的日照時數；代表每月的平均日晝長度。

2.2.2 土壤數據

EPIC模型需要大量的輸入數據來描述土壤屬性和質地特性。本文采用的土壤空間數據來源于聯合國糧農組織（FAO）編制的全球土壤類型分布圖。土壤粒徑級配，即土壤機械組成數據，是土壤屬性數據中最重要的一類數據。由于FAO的土壤屬性數據中缺乏飽和水導率、容重、可利用水含量等參數，因此需要基于土壤粒徑級配數據插值計算。本文運用土壤水分特性軟件，將美國分級標準下的土壤粒徑級配數據和土壤有機質含量等數據輸入，計算輸出EPIC模型中所需的飽和水導率（KS）、土壤容重（）、田間持水量（FC）、萎蔫系數（）等參數。實際土層厚度分布數據來源于中國科學院南京土壤研究所中國土壤數據庫。

2.2.3 田間觀測數據

EPIC模型需要詳細的田間管理數據，這些數據必須具體到各個措施操作的時間，相應的定量措施等，并且允許用戶模擬較復雜的作物輪作。EPIC模型中有2種灌溉和施肥措施可以選擇：手工設置和自動設置。本文詳細的田間管理數據來自于農作物田間觀測數據庫，資料來源于全國農業氣象站點的年報表。錄入完成全國1980—2010年所有站點玉米生育狀況觀測記錄數據，共錄入680份作物生育狀況觀測記錄年報表，共計138多個農業氣象觀測站點（圖2），其中西南地區23個站點。經過對該數據的整理和校對，建立農業氣象觀測站報表數據管理系統，為EPIC模型調整玉米作物參數提供了主要的數據。這些數據包括：播種期、種植密度、灌溉期、灌溉量、施肥期、施肥量、收獲期和收獲工具等。

圖2 玉米田間試驗站點分布圖

2.3 EPIC模型的參數率定

具體調整玉米作物參數的方法是：按照模型需要的輸入數據，將試驗站點貴州省貴陽市國家基準氣候站1986—1991年的日氣象數據、土壤數據和實際的田間管理數據（耕作日期、管理措施等）輸入到設置好的站點EPIC模型中，將輸出的作物產量和實際測得的作物產量進行擬合（圖3），通過反復運行模型，運用試錯法調整主要參數值，比較年際間產量變化趨勢和產量值是否一致，同時也參考了中國農業科學院和美國Texas A&M大學的專家們對作物參數調整的有關文獻[21-23]，最終確定“丹玉十三”玉米品種的47個作物遺傳參數。其中9個高敏感性的玉米作物參數分別為：能量-生物量轉換因子、收獲指數、最適溫度、基點溫度、最大潛在葉面積指數、生長季峰值點、葉面積生長參數1、葉面積生長參數2、葉面積指數下降率。

圖3 “丹玉十三”典型玉米品種模擬產量和實測產量的驗證

2.4 玉米旱災產量損失風險評估

關于本文風險評估流程中所用數據的時間尺度一致性問題，首先致災因子危險性評價應與氣象數據保持一致。1961—2010年的氣象數據是為了計算不同年遇型（2、5、10、20年一遇）干旱風險，氣象數據序列越長，風險計算結果相對越準確，是相對獨立的。受資料記錄限制，目前從中國氣象局資料室僅有權限查詢到1980—2010年的玉米生育狀況觀測記錄數據，且農業氣象站點的玉米生育狀況觀測記錄數據作為模型參數率定之用，不需要所有年份的數據。通過導出EPIC模型的運行結果，發現模型的運行需要前5a的訓練期，才能使得模型的參數更加穩定，因此剔除了前5a的模型輸出結果，故從1966—2010年模擬的結果中提取每年整個生長季的影響作物生長的WS（water stress）值。

以1 km玉米分布網格為評價單元，玉米產量損失脆弱性曲線構建：考慮石漠化程度分區，即同一土壤類型不同石漠化程度區土層厚度不同，設定2種情景對模型進行模擬，1情景為完全滿足玉米水分需求，2情景為完全雨養，其他參數都一致，2種情景下的玉米產量差異認為是由水分脅迫導致的旱災產量損失，以全生育期水分脅迫累加值作為干旱致災指數（），與產量損失率值（）擬合構建脆弱性曲線。其中干旱致災指數、產量損失率分別由式（2）、式（3）計算得到。

1）干旱致災指數的具體計算如下：

式中為玉米生長季內的干旱致災指數，H為年網格的干旱致災指數，WS為第天的水分脅迫值，為生長季內受水分脅迫影響的天數，max為模擬的所有網格所有年份內的最大值，min為模擬的所有網格所有年份內的最小值。

2）產量損失率的具體計算如下：

式中V為年網格旱災的單位產量損失率，Y1和Y2分別為1和2兩種情景下的單位產量，max(Y1j)為網 格多年最大單位產量，max(Y1j)為網格多年最小單位產量。

3 結果與分析

3.1 旱災致災危險性評價結果

基于網格統計單元的模擬信息，通過提取每年玉米生長季內受水分脅迫影響的水分脅迫因子值（WS），計算得到每年玉米整個生長季的致災強度指數。從1966—2010年模擬的結果中提取每年整個生長季的影響作物生長的WS值，根據致災強度指數的計算公式，計算得出每個8 km網格單元上每年的玉米旱災致災強度指數值，繪制了西南喀斯特地區玉米致災強度指數平均值的空間分布圖（圖4）。

總體來看，旱災致災指數均值空間分布呈西北—東南向遞減趨勢，其中，中度致災干旱（0.4～0.5）區域分布面積最大，約占西南玉米分布區的55.78%；輕度致災干旱（0.3～0.4）區域約占31.61%，主要分布在四川盆地東部、重慶西北部以及廣西、廣東的中部等區域；另外，重度致災干旱（0.5～0.7）的2個高值區集中分布在湖北中東部和廣東南部，約占6.10%。這主要與降水系統的異常以及下墊面的地域差異即地形地貌條件有關。

圖4 中國西南喀斯特地區玉米旱災致災指數平均值分布

3.2 旱災風險性評價結果

根據上述對中國西南喀斯特地區玉米旱災致災強度指數和自然脆弱性的分析，本文在無灌溉并保證養分充足的情景下，通過空間EPIC模型模擬了玉米種植區內 8 km網格單元上玉米的生長過程后，計算出每個生長季的致災強度指數，結合玉米“丹玉十三”品種的脆弱性，計算出西南喀斯特地區玉米受旱災打擊的產量損失率。在此基礎上，繪制在西南地區不同致災水平下的成災風險系列圖，包括了4個風險水平：2年一遇、5年一遇、10年一遇和20年一遇（圖5）。

圖5 中國西南喀斯特地區玉米旱災成災風險圖

整體來看，中國西南喀斯特地區玉米受旱減產的風險高發區呈現從西北到東南擴散的趨勢。在4種風險水平下，面積占比最大的產量損失率主要集中分布在0.4～0.5區間內。在2年一遇、5年一遇、10年一遇、20年一遇的風險水平下產量損失率等級（0.4～0.5）的玉米產區占西南玉米總產區的比例分別為55.89%、54.17%、48.99%、44.33%；其次，產量損失率等級（0.3～0.4）的玉米產區占西南玉米總產區的比例分別為32.18%、26.38%、23.46%、20.87%。

無論在哪個風險水平下，湖北中東部和廣東南部地區的減產損失率都是最高，達到0.5以上減產率等級。經統計，隨著年遇型的增加，極端減產風險等級（0.6～1）所占玉米總分布區的比例是逐漸增加的，從2年一遇的5.02%、5年一遇的14.39%、10年一遇的23.37%上升至20年一遇的31.33%。而同樣隨年遇型的增加，微度減產率等級以下的區域（0.1～0.2）所占玉米總分布區的比例從2年一遇的1.06%、5年一遇的0.68%、10年一遇的0.60%，下降至20年一遇的0.54%。

對比圖4和圖5，玉米干旱致災和成災風險的格局大體相似，但前者的分布規模大于后者，前者主要表明的是致災風險，后者則是致災與成災風險的綜合反映；也就是說，發生干旱的區域不一定都成災，承災體對旱災脆弱的區域，成災的可能性越大。從減產風險高值區的動態分布來看，2年一遇水平下的減產風險高值區主要集中在湖北中部和廣東南部附近。這與其致災風險水平高是一致的。隨年遇型的增加，到了20年一遇水平，減產風險高值區也逐漸向東向南擴展，四川東部、湖北中東部、貴州北部、廣西中南部、廣東南部位于重度減產風險等級（>0.5）之上。這反映了中國石漠化生態系統的承災閾值彈性小，農業產值高同時具有旱災風險高的特點，同時承災體的抗旱能力（如灌溉能力）決定了干旱成災的機率和旱災災情大小。

3.3 不同石漠化程度對玉米旱災產量損失的影響

已有相關研究表明，土壤是作物生長的主要限定因子，中國西南喀斯特地區種植玉米的旱坡地土壤瘠薄，保水保肥能力差，是制約玉米產量提高的重要因素[24-28]。玉米全生育期能從土壤中吸取的水量，除取決于降雨量和降雨分布外，關鍵還取決于土壤的土層厚度。以土壤有效水含量（容積）20%計算，土層20～40 cm的土壤，土壤供水能力僅為40～80 mm，而土層超過80 cm的，土壤供水能力達160 mm以上。同時，在玉米全生育期中，由于土層厚度不同，土壤對降雨蓄積能力存在明顯差異，土層厚度<40cm時，壤中流損失達74～247 mm，土層厚度>100 cm時，壤中流損失僅為33～143 mm，兩者平均值相差73 mm，土層厚度直接影響玉米對同期降雨的利用[29-30]。

統計顯示，中國西南玉米種植區土層厚度80cm的面積約占63%，其中土層厚度20～40 cm的面積約占23%（圖6），而這些地區也是玉米旱災頻發的地區。通過分析不同致災風險水平下的減產損失率（計算網格的均值）與土層厚度的關系，結果顯示，不同致災風險水平下，土層厚度對玉米的減產率差別較大，2年、5年、10年和20年一遇致災水平下，土層厚度為40cm時，對應的減產率分別為5.8%、6.1%、7.8%、8.2%；土層厚度為80 cm時，對應的減產率分別為3.8%、4.5%、5.5%、6.0%（圖7）；總體而言，玉米減產率與土層厚度呈明顯的負相關，即隨著土層厚度的增加玉米減產率逐漸減小，且當土層厚度大于150 cm時，減產率趨于穩定，且一般小2%。因此，加快推進西南喀斯特石漠化的綜合治理，不僅能夠減輕作物旱災損失，更重要的是它對構筑長江、珠江兩大流域上游的生態屏障和實現本地區持續發展具有重要的現實意義。

圖6 中國西南喀斯特地區土層厚度圖

圖7 不同致災風險水平下的減產損失率與土層厚度的關系

4 結 論

1）在已經實現的空間作物模型計算機產量模擬的基礎上，考慮西南喀斯特地貌背景，利用典型玉米品種模型結構參數，開展不同石漠化程度區玉米旱災產量的致災和成災損失風險評估。結果顯示，在4種風險水平（2、5、10、20年一遇）下，面積占比最大的產量損失率主要集中分布在0.4～0.5區間內。隨著年遇型的增加，極端減產風險等級（0.6～1）所占玉米總分布區的比例是逐漸增加的，從2年一遇的5.02%、5年一遇的14.39%、10年一遇的23.37%上升至20年一遇的31.33%。四川東部、湖北中東部、貴州北部、廣西中南部、廣東南部位于重度減產風險等級（>0.5）之上。這主要是地形地勢、降水差異和承災體的脆弱性共同作用的結果。

2）作物模型對東北、華北地區進行玉米產量模擬時，一般土層厚度都是遠遠大于玉米根系長度，而在喀斯特地區，由于石漠化的影響，導致同一土壤類型土層厚度在空間上存在明顯差異，且石漠化嚴重區土層厚度往往小于玉米主根系的長度（40 cm），相同降水條件下，土壤能保持的田間持水量可供作物維持蒸騰的時間要短于東北、華北等地。研究結果顯示，不同致災風險水平下，土層厚度對玉米的減產率差別較大，2年、5年、10年和20年一遇致災水平下，土層厚度為40cm時，對應的減產率分別為5.8%、6.1%、7.8%、8.2%；土層厚度為80 cm時，對應的減產率分別為3.8%、4.5%、5.5%、6.0%。因此，研究不同土層厚度對玉米產量的影響機理是做好喀斯特地區玉米旱災風險防范的關鍵。

[1] John G, Smith D. Human impact on the Cuilcagh Karst areas[M]. Italy: Universita Dipadova, 1991: 23－28.

[2] 黃秋昊，蔡運龍. 基于RBFN模型的貴州省石漠化危險度評價[J]. 地理學報，2005，(5)：771－778. Huang Qiuhao, Cai Yunlong. Hazardous assessment of Karst Rocky desertification in Guizhou Province: An application of the RBFN model[J]. Acta Geographica Sinica, 2005, (5): 771－778. (in Chinese with English abstract)

[3] 黃曉云，常晟，王靜愛，等. 中國喀斯特脆弱生態環境石漠化風險評價方法[J]. 世界林業研究，2013，(6)：45－51. Huang Xiaoyun, Chang Sheng, Wang Jingai, et al. Rockification risk evaluation method for fragile ecological environment in China’s Karst Region[J]. World Forestry Research, 2013, (6): 45－51. (in Chinese with English abstract)

[4] Cruse R, Gelder B, Flanagan D, et al. Daily estimates of rainfall, water runoff, and soil erosion in Iowa[J]. Journal of Soil and Water Conservation, 2006, 61(4): 191－199.

[5] Marques M J, Bienes R, Perez-Rodriguez R, et al. Soil degradation in Central Spain due to sheet water erosion by low-intensity rainfall events[J]. Earth Surface Processes and Landforms, 2008, 33(3): 414－423

[6] 蔡雄飛，王濟，雷麗，等. 不同雨強對中國西南喀斯特山區土壤侵蝕影響的模擬研究[J]. 水土保持學報，2009，23(6)：5－13. Cai Xiongfei, Wang Ji, Lei Li, et al. Laboratorial simulation of different rainfall intensity influence on soil erosion in Southwest Karst Area, China[J]. Journal of Soil and Water Conservation, 2009, 23(6): 5－13. (in Chinese with English abstract)

[7] 王德爐，朱守謙，黃寶龍. 石漠化的概念及其內涵[J]. 南京林業大學學報：自然科學版，2004，(6)：87－90. Wang Delu, Zhu Shouqian, Huang Baolong. Discussion on the conception and connotation of rocky desertification [J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2004, (6): 87－90. (in Chinese with English abstract)

[8] Tu Y L. The analysis on reason and present situation of land rock desertification, Guizhou province. In: Li Jing, Development and Harness in Carbonate Rock Area[M]. Guizhou People’s Publishing House, Guiyang, China: 58－70.

[9] Jiang Z C, Lian Y Q, Qin X Q. Rocky desertification in Southwest China: Impacts, causes, and restoration[J]. Earth- Science Reviews, 2014, 132: 1－12.

[10] 李安定，盧永飛，韋小麗，等. 花江喀斯特峽谷地區不同小生境土壤水分的動態研究[J]. 中國巖溶，2008，(1)： 56－62. Li Anding, Lu Yongfei, Wei Xiaoli, et al. Studies on the regime of soil moisture under different microhabitats in Huajiang karst valley[J]. Carsologica Sinica, 2008, (1): 56－62. (in Chinese with English abstract)

[11] 王世杰，李陽兵. 喀斯特石漠化研究存在的問題與發展趨勢[J]. 地球科學進展，2007，22(6)：573－582. Wang Shijie, Li Yangbing. Problems and development trends about researches on Karst Rocky desertification[J]. Advances In Earth Science, 2007, 22(6): 573－582. (in Chinese with English abstract)

[12] 李高科，潘光堂. 西南玉米區種質利用現狀及研究進展[J]. 玉米科學，2005，(2)：3－7. Li Gaoke, Pan Guangtang. The utilization present situation and study advances of the germplasm in Southwest Maize Zone[J]. Journal of Maize Sciences, 2005, (2): 3－7. (in Chinese with English abstract)

[13] 潘東華，袁藝，賈慧聰，等. 我國典型區因旱飲水困難人口快速評估模型研究[J]. 災害學，2014，29(3)：34－39. Pan Donghua, Yuan Yi, Jia Huicong, et al. Rapid assessment model of population in drinking water access difficulties because of drought in different regions of China[J]. Journal of Catastrophology, 2014, 29(3): 34－39. (in Chinese with English abstract)

[14] 王靜愛，左偉. 中國地理圖集[M]. 北京：中國地圖出版社，2009.

[15] Cabelguenne M, Debaeke P H, Puech J, et al. Real time irrigation management using the EPIC-PHASE model and weather forecasts[J]. Agricultural Water Management, 1997, 32: 227－238.

[16] 賈慧聰，潘東華，王靜愛，等. 基于EPIC 模型的黃淮海夏播玉米旱災風險評價[J]. 地理學報，2011，66(5)： 643－652. Jia Huicong, Pan Donghua, Wang Jingai, et al. Maize drought disaster risk assessment based on EPIC Model: A case study of maize region in Northern China[J]. Acta Geographica Sinica, 2011, 66(5): 643－652. (in Chinese with English abstract)

[17] 張景蓮. 1982年以來我國玉米品種演變規律及未來育種對策研究[D]. 鄭州：河南農業大學，2007. Zhang Jinglian. Study on Maize (L) Varieties Evolvement Regularity Since 1982 and Future Breeding Strategy in China[D]. Zhengzhou: Henan Agricultural University, 2007. (in Chinese with English abstract)

[18] 王懿波，王振華，王永普，等. 中國玉米主要種質雜交優勢利用模式研究[J]. 中國農業科學，1997，30(4)：16－24. Wang Yibo, Wang Zhenhua, Wang Yongpu, et al. Studies on the heterosis utilizing models of main maize germplasms in China[J]. Scientia Agricultura Sinica, 1997, 30 (4): 16－24. (in Chinese with English abstract)

[19] 黎裕，王天宇. 我國玉米育種種質基礎與骨干親本的形成[J]. 玉米科學，2010，18(5)：1－8. Li Yu, Wang Tianyu. Germplasm base of maize breeding in China and formation of foundation parents[J]. Journal of Maize Sciences, 2010, 18(5): 1－8. (in Chinese with English abstract)

[20] 李克煌. 氣候資源學[M]. 北京：氣象出版社，1995.

[21] 余福水. EPIC模型應用于黃淮海平原冬小麥估產的研究：以欒城為例[D]. 北京：中國農業科學院，2007. Yu Fushui. Yield Estimation of Winter Wheat with EPIC Model in Huang-huai-hai Plain- A Case Study in Luancheng, Hebei[D]. Beijing: Chinese Academy of Agricultural Sciences, 2007. (in Chinese with English abstract)

[22] Chung S W, Gassman P W, Huggins D R, et al. EPIC tile flow and nitrate loss predictions for three minnesota cropping systems[J]. Journal of Environmental Quality, 2001, 30 (3): 822－830.

[23] Jonghan Ko, Giovanni Piccinni, Evelyn Steglich. Using EPIC model to manage irrigated cotton and maize[J]. Agricultural Water Management, 2009, 96(9): 1323－1331.

[24] Rong T Z, Li W C, Yang K C, et al. Maize Breeding of Southwest Ecological Regions in China[M]. Beijing: China Agriculture Press, 2003.

[25] Zhou Z F. Application of remote sensing and GIS technology for land desertification in Guizhou Karst region[J]. Bulletin of Soil and Water Conservation, 2001, 21(3): 52－63.

[26] Zhang J H, Yang W Y, Zhao X J. Cause of drought and countermeasures in hilly area of central Sichuan Basin[J]. Tillage and cultivation, 1998, 3: 63－65.

[27] Swan J B, Shaffer M J, Paulson W H, et al. Simulating the effects of soil depth and climatic factors on corn yield[J]. Soil Science Society of America Journal, 1987, 51(4): 1025－1032.

[28] 郭慶法，王慶成，汪黎明. 中國玉米栽培學[M]. 上海：上海科學技術出版社，2004.

[29] Christensen L A, David E M. Toward a general method of estimating productivity-soil depth response relationships[J]. Journal of Soil and Water Conservation, 1988, 43(2): 199－202.

[30] Pagoulatos A. The probability of precipitation and the crop-yield, soil–depth function[J]. Journal of Soil and Water Conservation, 1989, 44(4): 349－351.

潘東華，賈慧聰，陳 方，賀原惠子. 中國西南地區石漠化對玉米旱災風險的影響[J]. 農業工程學報，2017，33(23)：172－178. doi：10.11975/j.issn.1002-6819.2017.23.022 http://www.tcsae.org

Pan Donghua, Jia Huicong, Chen Fang, He Yuanhuizi. Impacts of rocky desertification on maize drought risk in Southwest China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(23): 172－178. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.23.022 http://www.tcsae.org

Impacts of rocky desertification on maize drought risk in Southwest China

Pan Donghua1, Jia Huicong2※, Chen Fang2, He Yuanhuizi2

(1.100124,; 2.100094,)

Frequent drought stress was one of the major factors limiting the crop growth and distribution in the Karst region of Southwest China. In order to prevent the risk of agricultural drought in Karst region and reveal the impact mechanism of rocky desertification degree on the crop drought risk, based on the disaster system theory and the EPIC (erosion productivity impact calculator) crop model, the risk assessment of hazard-inducing factors and disaster loss of maize drought in different areas of rocky desertification was carried out. Taking 1 km grid as the evaluation unit, 2 scenarios were set up in simulation during the period of 1966-2010. The Scenario S1was completely satisfied with the moisture requirement of maize, the Scenario S2was completely rain fed, and the other parameters were the same. The difference in maize yield between the 2 scenarios was considered to be the drought loss due to water stress. Considering the Karst topography in Southwest China, taking the accumulated value of water stress during the whole growth period as the hazard-inducing factor, the physical vulnerability curve was simulated with the maize yield loss. The results showed that, in 4 risk levels (once in 2, 5, 10 and 20 years), the yield loss rate with the largest distribution area in Southwest China was mainly distributed in the 0.4-0.5 range.With the increase of annual occurrence rate, the proportion of extreme yield loss risk grade (0.6-1) area accounting for the total maize distribution area was gradually increasing, which was 5.02%, 14.39%, 23.37% and 23.37% at the level of once in 2, 5, 10, and 20 years. Eastern Sichuan, central-eastern Hubei,northern Guizhou, central-southern Guangxi and southern Guangdong reached the loss risk grade higher than 0.5, which was mainly decided by the terrain, precipitation differences and vulnerability of hazard-affected body. Generally when simulating maize production in the Northeast and North China by the crop model, the soil thickness was much larger than the root length of maize. In the Karst area, due to the influence of rocky desertification, the thickness of soil layers of the same soil type was significantly different in space, and the thickness of the soil layer in the serious rocky desertification area was often less than the main root length of maize (40 cm). Under the same rainfall conditions, the time to maintain transpiration for the crops from the field water-holding capacity that the soil can maintain in Karst areas was shorter than the Northeast, North China and other places. The results showed that under different levels of disaster risk, the maize yield loss rate due to soil thickness was quite different. When the soil thickness was 40 cm, the corresponding yield loss rates were 5.8%, 6.1%, 7.8% and 8.2% respectively at the level of once in 2, 5, 10 and 20 years.When the soil thickness was 80 cm, the corresponding yield loss rates were 3.8%, 4.5%, 5.5%, and 6.0%, respectively. Therefore, studying the mechanism of maize yield affected by different soil layer thicknesses was the key to prevent maize drought risk in Karst areas. This research can provide important scientific basis and technical support for agricultural drought disaster reduction and food security of maize regions in Southwest China.

drought; remote sensing; disasters; rocky desertification; EPIC crop model; maize drought; Southwest Karst regions

10.11975/j.issn.1002-6819.2017.23.022

X43

B

1002-6819(2017)-23-0172-07

2017-05-23

2017-09-19

國家自然科學基金項目“極端氣候事件對我國旱災適應性的影響機制研究”（41471428）；國家自然科學基金項目“我國華北地區土壤水效用對玉米旱災風險的影響機制研究”（41671505）；國家重點研發計劃“中高緯度濕地系統對氣候變化的響應研究”（2016YFA0602302，2016YFB0502502）；中國氣象局蘭州干旱氣象研究所資助項目“基于信息圖譜的因旱需救助人口動態估算研究”（IAM201609）

潘東華，江蘇丹陽人，博士，副研究員，主要研究方向為干旱災害評估與風險防范研究與管理研究。Email：pandonghua@ndrcc.gov.cn

賈慧聰，山東聊城人，博士，副研究員，主要研究方向為GIS&RS在自然災害風險分析中的應用研究。Email：jiahc@radi.ac.cn