基于模糊綜合評價法的江西煙葉種植氣象災害危險性區劃

劉志萍 余建華 周雨 龍余良 詹華斌

摘要：利用江西中南部40個氣象站1959—2018年的常規觀測資料，參考煙葉全生育期指標，運用模糊綜合評價法和層次分析法，基于ArcGIS空間分析功能，對江西煙葉種植氣象災害危險性特征進行分析和風險區劃。結果表明：影響江西中南部煙葉種植的主要氣象災害按權重大小依次為暴雨、冰雹、連陰雨、低溫冰凍和高溫熱害，其中暴雨洪澇災害致災因子危險性分布東部高、西部低；冰雹危險性分布西北高、東南低；連陰雨危險性西部高于東部，且內部呈現自北向南遞減的趨勢。低溫冰凍和高溫熱害危險性北部高于南部，東西分布比較均勻。綜合來看，江西煙葉種植區氣象災害危險性表現為北高南低的分布特征，其中高風險區主要分布在撫州和吉安兩市北部的部分地區。本研究區劃結果可為江西煙葉種植決策提供科學依據和技術支撐，最大限度地避免或減小氣象災害對煙葉種植的影響。

關鍵詞：模糊綜合評價法；煙葉種植；氣象災害；危險性；區劃

中圖分類號：S166，X43文獻標志碼：A論文編號：cjas20191100282

Risk Division of Meteorological Disasters for Tobacco Planting in Jiangxi： Based on Fuzzy Comprehensive Evaluation Method

Liu Zhiping， Yu Jianhua， Zhou Yu， Long Yuliang， Zhan Huabin

（Jiangxi Meteorological Service Center， Nanchang 330096， Jiangxi， China）

Abstract： Observation data of about 40 meteorological stations in the central and southern Jiangxi Province from 1959 to 2018 were used to explore the risk division of the meteorological disasters for tobacco planting， based on the analytic hierarchy process （AHP） method and the fuzzy comprehensive evaluation method. In order to get an accurate and elaborate division， the spatial analysis function of ArcGIS was adopted and the full growth period indicators of tobacco were taken into the study. The results showed that： in the weight order， the major meteorological disasters affecting tobacco planting in the central and southern Jiangxi were rainstorm， hail， continuous rainfall， low temperature freezing and heat injury， among which， rainstorm risk was higher in the east than that of in the west， and the risk of hail was higher in the northwest than that in the southeast， and the risk of continuous rain was higher in the west than that in the east with a decreasing trend from north to south， besides the risk of low-temperature freezing disaster and heat injury was higher in the north than the south， and was evenly distributed from east to west. Generally speaking， the comprehensive risk of meteorological disasters in tobacco planting areas in Jiangxi is distributed high in the north and low in the south， and the high-risk areas of comprehensive meteorological disasters are mainly distributed in the northern areas of Fuzhou and Ji’an. The results could minimize the impact of meteorological disasters on tobacco production in Jiangxi.

Keywords： Fuzzy Comprehensive Evaluation； Meteorological Disasters； Tobacco Planting； Risk； Distribution

0引言

江西省擁有63%的森林覆蓋率，22.78%的水域和濕地，憑借良好的光、溫、水、土等自然條件成為全國新興的優質煙葉產區之一。近年來，隨著全球氣候變暖，極端天氣頻發，暴雨洪澇、冰雹等氣象災害對煙葉種植影響也越來越嚴重[1-2]。據統計，2008年以來江西煙葉產區每年因氣象災害造成的煙葉減產占煙葉收購產量的20%～40%。因此，開展煙葉種植氣象災害危險性評價與區劃，對于防災減災、保障江西煙葉生產安全和農民收入具有重要的意義。

近年來，針對各類氣象災害的危險性評價和區劃研究已日趨成熟，歸納起來主要集中在2個方面：一是基于單因子氣象災害的風險區劃，如趙東杰等[3]運用回歸分析法，建立了江西省撫州地區煙葉熱害等級評估模型；李蒙等[4]基于GIS空間數據分析對云南煙區冰雹災害風險進行評價；費振宇等[5]以降水量距平百分率作為氣象干旱指標，得到由干旱頻次、干旱歷時和干旱烈度構成的干旱危險性綜合指數；譚孟祥等[6]基于MeteoGIS技術和廣西早稻實際生產情況，建立早稻高溫熱害空間分析模型；張玉芳等[7]統計不同等級低溫冷害類型以及發生頻率，對攀西烤煙低溫冷害進行風險評價和區劃。

單災種危險性評價雖然可以直觀定量地反映某一特定氣象災害的危害性程度，但是實際煙葉生產種植過程常常受多種氣象災害共同作用，單一災種的風險評價顯然不能滿足實際生產種植的需要，因而許多學者從多災種綜合風險角度紛紛展開研究，取得了顯著的成果。如陳家金等[8]利用多指標因子開展了福建省烤煙氣象災害綜合風險區劃；陳懷亮等[9]運用多因子綜合風險指數模型，分析了主要農業氣象災害對河南小麥生產影響的綜合風險。李世奎等[10]從災害風險分析角度出發，構建了一個由冬小麥干旱、漬澇以及夏季低溫冷害等組合的災害風險綜合評估體系。

目前國內在煙葉種植研究方面，一些省份相關研究已進入發展階段，除分析煙葉生產種植氣象災害影響外，云南、福建、貴州、廣西等省份還以GIS為平臺，開展了煙葉種植適應性分析和氣候適宜度區劃研究[11-14]。但是，氣象災害對江西煙葉種植區的影響研究仍停留在全生育期氣候影響的定性分析[15]階段，缺乏一套適合當地生產實際的氣象災害危險性定量評價指標。

本研究以江西煙葉生產種植為研究對象，基于模糊評價和層次分析法，定量分析氣候變化背景下，江西煙區氣象災害危險性特征，明確各地氣象災害危險性程度，以期為煙葉生產合理布局及風險防范提供科學參考，提升江西煙草氣象專業預報服務水平。

1研究區域及數據來源

1.1研究區域

江西省煙葉生產主要分布在中南部地區，經過30多年發展，目前已形成吉安、撫州和贛州三大主要煙葉種植區。2012年全省煙葉種植面積達1.2×104hm2，產量達到1.3×106t。隨著全球氣候變暖，極端天氣頻發，各類氣象災害均不同程度的給煙葉生產造成損失，尤其是煙葉移栽—旺長期，受暴雨洪澇和冰雹災害影響，導致煙株折斷、煙葉被打破，甚至沖毀，造成輕則減產，重則絕收，煙農損失慘重；其次煙葉移栽至大田前期，低溫凍害和連陰雨天氣影響，導致早花、生產延遲或凍傷、根脛病、葉斑病高發，也會造成一定程度的減產。氣象災害已成為影響煙葉種植產量的最重要的因素之一。

1.2數據來源及處理

本研究使用的江西省中南部40個煙葉種植縣1959—2018年常規觀測站歷史氣象數據，包括日平均氣溫、最高氣溫、最低氣溫、日降水量、冰雹日數、日照時數等，數據源于江西省氣象信息中心，質控后的數據正確率接近99%；基礎地理信息DEM高程數據來源于國際科學數據鏡像網站SRTM地形數據（http：//www. gscloud.cn），數據空間分辨率為90 m×90 m。江西煙區地形分布如圖1所示。

2研究方法

2.1主要氣象災害指標選取

充足的光照、適宜的溫度和水分是生產優質煙葉的必備條件，根據江西氣候特征，結合烤煙生物學規律及其全生育期特點，通過對比分析，去除共線性因子，得到影響江西煙區的主要氣象災害依次為暴雨、冰雹、連陰雨、低溫冰凍和高溫熱害，而干旱和臺風對煙葉生長影響甚微，最終篩選的主要氣象災害危險性指標如1所示。

2.2數據歸一化處理

由于不同災害類型有不同的量級和量綱單位，為方便因子之間的比較，對各類災害因子進行歸一化處理，計算見公式（1）。

2.3江西煙葉種植氣象災害危險性模型的建立

目前普遍使用綜合評價法主要有層次分析法、模糊綜合評價法、數據包絡分析法和人工神經網絡評價法等[16-17]。鑒于氣象災害系統是一個復雜的系統，災害危險性與固有的不確定性特征很難用精確的數字來表征，本研究參考胡波等[18]對寧波暴雨洪澇災害風險區劃方法，采用模糊綜合評價法對煙葉生產過程中的氣象災害危險性進行風險區劃。

2.3.1隸屬函數的構建隸屬函數[19-20]一般用于描述模糊集合，通過隸屬度矩陣實現模糊性事物的定量化，因此構造合理的隸屬函數是模糊評價理論應用的核心。常用的隸屬函數主要有矩形分布、正態分布、梯形分布、拋物線分布及三角形分布等，本研究基于標準差分級法，將災害等級劃分為1～5個級別，分別代表低風險（1級）、較低風險（2級）、中等風險（3級）、較高風險（4級）、高風險（5級），依據各致災因子指標特點，選取梯形隸屬函數，計算各致災因子指標歸屬于對應級別的值。具體公式分別見（2）～（6）。

2.3.2指標權重確定指標權重確定方法有主觀賦權法和客觀賦權法兩類，其中主觀賦權法直觀便捷，并且大體能反映評價指標間的相對重要性差異。目前普遍使用的主觀賦權法為層次分析法[21-2（2]Analytic Hierarchy Process，簡稱AHP），它是一種對指標進行定性定量風險評估的方法，該方法將風險評估問題分解為若干個評價因子和層次指標，作為評估的指標體系；進而建立判斷矩陣，計算各判斷矩陣的最大特征值和特征向量，表征各評價指標的重要程度；通過層次排序和一致性檢驗，最終得到各指標的權重系數。

2.3.3模糊綜合評價模型當致災因子指標權重系數和模糊評價矩陣確定后，將權重模糊集和各評價單元的評價矩陣通過合成運算得到各風險因子模糊評判集R，則有公式（7）。

2.4空間數據分析方法

相關性分析結果表明，暴雨洪澇、冰雹、連陰雨、低溫冰凍和高溫熱害與海拔高度有一定的相關性，為提升危險性評估的精細化程度，采取多元回歸方法建立觀測站點海拔高度、經度、緯度與各致災因子指標的線性回歸方程。各站點實際值減去模擬值得到誤差值，基于高精度DEM數據，利用ArcGIS反距離權重插值將模擬值和誤差值分別插值到各柵格點上，獲取像元大小為30 m×30 m的模擬圖層和誤差圖層。基于柵格計算、圖層疊加功能以及標準差分級法，得到研究區域內各致災因子指標的分布，完成江西煙區氣象災害危險性評估和等級區劃。

3結果與分析

3.1主要氣象災害危險指數分析

基于模糊綜合評價和GIS技術，對柵格化的致災因子指標建立風險評價集合，各致災因子指標等級劃分如表2所示，其中，I～V級分別代表低風險、較低風險、中等風險、較高風險和高風險，各評價因子指標權重采用層次分析法計算得出。

江西中南部煙葉種植區主要氣象災害危險性指數分布如圖2所示。由圖2a可見，江西煙葉種植區暴雨洪澇災害致災因子危險性空間分布具有一定的地域性差異：東部高西部低。暴雨洪澇致災因子高風險區主要分布在資溪、宜黃、南豐、黎川、石城和寧都地區，這些地區年均暴雨日數多、日降水量大，危險性高，其中臨川、寧都、石城地區觀測到的年均暴雨日數分別達到7.09、6.07、5.53天，日最大降水量分別達到324.6、208.8、244.1 mm。低風險區主要分布在吉安和贛州兩市的西部，其中萬安、信豐、永新、遂川年均暴雨日數僅有3.38、3.47、3.81、1.41天，日最大降水量為131.2、185.1、173.2、156 mm。

冰雹危險性（圖2b）分布呈現自西北向東南減少的趨勢，高危險區主要分布在安福、吉水、永豐、峽江等地，冰雹年平均日數分別為0.44、0.55、0.81、0.55天，冰雹最大直徑分別達到1.2、0.8、1.0、2.0 cm。連陰雨危險性（圖2c）西部高于東部地區，且內部呈現自北向南遞減的趨勢。連陰雨致災因子高風險區主要分布在安福、永新、井岡山、寧岡、崇義等地區，這些地區連陰雨發生次數頻繁且過程持續時間長，其中安福、永新、崇義年平均連陰雨發生次數分別為6.74、7.09、6.30次，連陰雨最長持續24天。低風險區主要分布在東部地區，連陰雨發生次數最少出現在石城（3.22次），持續天數最短為會昌（10天）。低溫冰凍危險性指數（圖2d）東西分布比較均勻，北部高于南部。低溫冰凍高風險區主要分布在安福、臨川、樂安、宜黃、井岡山地區，年平均低溫日數分別為37.17、43.21、45.28、43.67、56.33天，低風險區主要分布在龍南、全南、會昌、南康等地區，其中龍南地區年平均低溫日數僅有7.22天。高溫熱害危險性指數（圖2e）與低溫冰凍危險性指數分布近似相近，北部較高南部較低。高溫熱害高危險區主要分布在東鄉、峽江、永豐、臨川、吉安等地區，高溫日數最多為峽江（41.16天）地區。

3.2氣象災害綜合危險性評價與區劃

基于GIS技術，以90 m×90 m空間網格為基本區劃單元，根據江西煙葉種植區主要氣象災害危險性指數區劃結果和評估模型，計算研究區域內氣象災害綜合危險性指數（DRI）。利用自然斷點分級法將綜合危險性分為5個等級，分別為低風險（I級）、較低風險（II級）、中等風險（III級）、較高風險（IV級）、高風險（V級），對應的危險性指數依次為DRI<0.3、0.3≤DRI<0.45、0.45≤DRI<0.55、0.55≤DRI<0.75、DRI≥0.75，得到江西煙葉種植區綜合氣象災害危險性分布，如圖3所示。

從圖3可以看出，江西煙葉種植區氣象災害綜合危險性呈現北高南低的分布態勢，東西向分布較均勻。綜合危險性高風險區主要位于贛中的北部地區，包括撫州市北部的臨川、東鄉、金溪等縣、安福及吉安市東北部的部分地區。較高風險區主要位于贛中的南部地區，包括撫州市南部的黎川、南豐、宜黃等縣以及吉安市南部的泰和、永新和萬安縣；中等風險區區主要位于贛州市的北部地區，包括寧都、興國、贛縣、石城等縣；較低風險區分布在大余、會昌、興豐和瑞金縣；低風險區分布在贛州市的南部和吉安市的西部地區。

4討論

4.1區劃結果特征分析

基于GIS技術，采用模糊評價和層次分析法，分析影響江西煙葉種植的主要氣象致災因子，建立江西煙葉種植氣象災害危險性模型。結果表明：暴雨洪澇危險性東高西低，高風險區主要分布在撫州東北部地區，最大日最大降水量為臨川324.6 mm。連陰雨和冰雹危險性西高東低，連陰雨高風險區主要分布吉安和贛州兩市西部地區，最長持續24天，冰雹高風險區主要分布在吉安西部地區，最大冰雹直徑2 cm。高山地區低溫冷害危險性較高，平原或丘陵地區高溫熱害危險性較高?？傮w而言，綜合危險性高風險區主要分布在撫州市北部的臨川、東鄉、金溪、安福等縣及吉安市東北部的部分地區。

與單災種的氣象災害評估模型相比，本研究的模型能夠比較全面的描述影響江西煙葉種植氣象災害的類型、發生頻次和發生強度等，從而對氣象災害綜合危險性進行客觀的評價。因缺少災損資料，后期對煙區進行跟蹤考察，結果表明江西中南部煙葉種植區遭受的不利天氣條件主要是移栽期的低溫陰雨、大田前期強對流天氣（雷暴大風、冰雹、強降水等），實際災情基本符合災害危險性區劃結果，說明文中的參考指標具有一定的科學性。本研究結果可為江西煙葉種植決策提供科學依據和技術支撐，最大限度地避免或減小氣象災害對煙葉生產的影響。

4.2致災因子的選取分析

氣候條件是影響煙葉種植產量和品質的主導因素，傳統的研究大多是側重于煙葉種植適宜度研究[24-26]，以各市縣的生態氣候指標（降水、日照、溫度、濕度等）為依據，其結果表現的是當地平均狀況。本研究聚焦各類災害性天氣對煙區的影響，綜合評估暴雨、冰雹、連陰雨、低溫冰凍和高溫熱害5類主要災害性天氣致災危險性，指標選取綜合考慮了影響煙葉生長全生育期的主要氣象災害。對比發現，兩者都是基于煙葉種植多項氣候指標進行定量分析和評價；但是兩者側重點不同：適宜度研究側重氣候的普遍性，而本研究中的危險性區劃代表氣候的異常性和極端性。因此，在一定程度上，可以認為這兩種區劃結果是相輔相成、相互補充的。

4.3風險指標的科學性問題

影響煙葉種植風險的因子眾多，除氣象因子致災危險性外，各地應對和防范氣象災害的能力、煙區種植面積大小等都有一定的影響。如煙葉種植面積大，表明暴露性越高，其所承受的災害風險程度越高。防災減災能力越高，由于災害性天氣造成的損失越小，災害風險程度越低。本研究僅考慮了致災危險性因子，承災體的脆弱性因子和防災減災能力因子并未納入風險指標體系中，后期研究中還有待完善。

在主要氣象致災因子選取時，主要是根據江西氣候特征，缺少具體到某種災害造成的災情影響資料，資料的完整性還需進一步補充。本研究中致災因子影響時段是綜合考慮了江西中南部煙區致災天氣危險性發生時段，由于江西周邊環山，地形復雜，不同地區不同煙葉品種氣象災害影響時段也不盡相同。因此，可進一步針對特定煙區某一品種煙葉種植進行致災風險區劃，僅可能減小因致災因子影響時段的差異而導致的風險估計偏差。

5結論及種植建議

江西中南部氣象災害綜合危險性呈現北高南低的分布態勢。低風險區分布在贛州市的南部和吉安市的西部地區；較低風險區分布在大余、會昌、興豐和瑞金縣；中等風險區區主要位于贛州市的北部地區；較高風險區主要分布在撫州市南部以及吉安市南部地區；高風險區主要分布在撫州市東北部及吉安市東北部的部分地區，這些地區在實際煙葉種植過程中，需特別注意暴雨洪澇和冰雹災害的預防。對于贛州市的南部低風險區，可合理調整煙葉生長布局，適當增加種植，充分發揮優勢，確保當地煙葉的高質優產。值得注意的是，極端高低溫、暴雨和強對流性天氣受地形和海拔高度制約[27-30]，因此煙葉種植選址需充分考慮種植區地形和海拔因素，確定合適的煙葉種植海拔高度，降低風險。

參考文獻

[1]黃廷炎，沈長華，陳家金，等.2010年南平市異常氣候對烤煙生長發育和產量的影響[J].亞熱帶農業研究，2011，7（4）：266-269.

[2]王珊珊，楊希，詹媛.三明市近20年春季氣象資源分析及對烤煙生長發育的影響[J].福建農業科技，2012（6）：51-53.

[3]趙東杰，趙喆，等.高溫熱害氣象指標對成熟期煙葉的影響評估[J].中國煙草科學，2017，38（5）：62-69.

[4]李蒙，朱勇，吉文娟，等.基于GIS的云南煙區冰雹災害風險評價[J].中國農業氣象，2012，33（1）：129-133.

[5]費振宇，孫宏巍，金菊良，等.近50年中國氣象干旱危險性的時空格局探討[J].水電能源科學，2014，32（12）：5-10.

[6]譚孟祥，何燕，王瑩，等.基于MeteoGIS的廣西早稻高溫熱害精細化區劃[J].西南大學學報：自然科學版，2019，41（8）：27-32.

[7]張玉芳，劉琰琰，杜成勛，等.董孝攀西地區烤煙低溫冷害空間分布特征分析[J].江西農業大學學報，2017，39（6）：1112-1118.

[8]陳家金，黃川容，孫朝鋒，等.基于GIS的福建省烤煙氣象災害綜合風險區劃[J].中國農業氣象，2016，37（6）：711-719.

[9]陳懷亮，鄧偉，張雪芬，等.河南小麥生產農業氣象災害風險分析及區劃[J].自然災害學報，2006，15（1）：135-143.

[10]李世奎，霍治國，王素艷等，農業氣象災害風險評估體系及模型研究[J].自然災害學報，2004，13（1）：77-88.

[11]孟丹，陳正洪，李建平，等.基于GIS的湖北西部煙草種植氣象災害危險性分析[J].中國農業氣象，2015，36（5）：625-630.

[12]蔡長春，鄧環，趙云飛，等.湖北省植煙區生態氣候因子的主成分分析和區域劃分[J].煙草科技，2011，31（2）：64-69.

[13]董謝瓊，徐虹，楊曉鵬，等.基于GIS的云南省烤煙種植區劃方法研究[J].中國農業氣象，2005，26（1）：16-19.

[14]莫建國，古書鴻，李洪勛，等.基于GIS的威寧縣烤煙種植精細化氣候區劃[J].貴州農業科學，2014，42（2）：77-80.

[15]龍余良，黃芬根，董保華，等.江西省煙葉氣象災害分析與預警[A].中國氣象學會.推進氣象科技創新加快氣象事業發展——中國氣象學會2004年年會論文集（下冊）[C].中國氣象學會：中國氣象學會，2004：1.

[16]胡永宏，等.綜合評價方法[M].科學出版社，2000.

[17]Otar V， Nino T， Avtandil A， et al. Vulnerability，hazards and multiple risk assessment for Georgia[J].Natural Hazards，2012，64（3）：2021-2056.

[18]胡波，丁燁毅，何利德，等.基于模糊綜合評價的寧波暴雨洪澇災害風險區劃[J].暴雨災害，2014，33（4）：380-385.

[19]顧婷婷，鄧闖，潘婭英，等.基于模糊綜合評價法的浙江省高速公路暴雨災害風險評估[J].干旱氣象，2018，36（5）：873-878.

[20]劉俊娟，王煒，程琳，等.基于梯形隸屬函數的區間數模糊評價方法[J].系統工程與電子技術，2009，31（2）：390-392.

[21]謝小梅，胡豹.基于層次分析法的米果果小鎮創意農業發展水平模糊綜合評價[J].浙江農業科學，2019，60（11）：2152-2155.

[22]彭勇剛，黃肖寒，莫益江，等.基于層次分析法的農業氣象災害風險區劃指標權重分析[J].氣象研究與應用，2018，1（3）：22-35.

[23]陳家金，黃川容，孫朝鋒，等.福建省茶葉氣象災害致災危險性區劃與評估[J].自然災害學報，2018，27（1）：198-207.

[24]彭麗麗，王文學，冀浩，等.臨滄市雙江縣植煙土壤養分特征及生態位適宜度評價[J].西南農業學報，2018，31（3）：544-549..

[25]符勇，周忠發，王昆，等.基于貴州喀斯特高原山區的煙草種植適宜性研究[J].江蘇農業科學，2014，42（9）：92-95.

[26]黃初龍.基于GIS的烤煙氣候適宜性分析及精細化區劃——以尋甸縣為例[J].農業與技術，2020，40（2）：136-141.

[27]吳荷，譚政華，孫越峰，崔耀鵬.遼寧東部地形對降水影響的數值試驗[J].現代農業科技，2019（23）：196-197.

[28]胡園春，安廣池，楊寧，等.主要氣象因子與冬小麥產量的灰色關聯度分析[J].農學學報，2020，10（2）：92-95.

[29]蔣菊芳，齊月，王鶴齡，等.武威市光熱水匹配及其對農作物的影響[J].中國農學通報，2020，36（3）：66-73.

[30]蓋志佳，張敬濤，劉婧琦，等.低溫脅迫對大豆幼苗形態生理指標及籽粒產量的影響[J].農學學報，2019，9（12）：1-4.