安陽市農業干旱脆弱性評價及生態因子作用識別

李彥彬，王躍雄，杜雪芳

（華北水利水電大學，鄭州450046）

0 引 言

干旱是多因素共同作用而形成的復雜的自然現象，通常表現為水分短缺[1]，按形成機理，可以分為氣象干旱、水文干旱、農業干旱以及社會經濟干旱[2]。由于農作物對水分存在極大的需求性[3,4]，農業干旱往往會造成大范圍的糧食減產[5]，是我國農業發展所面臨的極大挑戰。據不完全統計，2004-2015年中國糧食由于干旱所造成的年均損失已達到640.7 億元[6]。人類活動加劇了干旱的非平穩化[7]，IPCC 第6 次會議指出[8]，在全球變暖大環境下，年均氣溫將持續上升，降水的概率越來越難以確定，全球干旱化趨勢愈加明顯，因此干旱綜合評價及預防研究迫在眉睫。目前農業干旱脆弱性是國內外研究的熱點，干旱脆弱性指[9]承載體及周圍環境在面對潛在的干旱危險所表現的敏感性抵抗力與恢復力。康永輝等[10]利用廣西大石山區的脆弱性評價研究表明，脆弱度與干旱風險指數大小變化趨勢一致，脆弱性對干旱綜合評價起著極為重要的作用；IDMP CEE[11]指出災害管理必須綜合各部門主動采取措施減少脆弱性以應對干旱；楊曉穎等[12]采用主成分分析法分別對內蒙古的水資源、農業、經濟及社會等因子進行了脆弱性分析；王立坤[13]等采用改進后的灰色關聯度與TOPSIS 模型分析了黑龍江西部地區生產水平、農業經濟等對干旱脆弱性的動態影響；宋一凡[14]等采用SWAT 模型從自然生態系統與人類-自然耦合系統兩個方面分析了過度放牧、植被退化和過度開發地下水對內蒙古艾布蓋河流域生態脆弱性的影響程度。

然而在過往研究中，很少有人關注生態因子對脆弱性的影響，在2000-2016年期間關于干旱脆弱性與生態系統間作用機理的研究僅占干旱脆弱性研究的10%[15]。國外有學者認為[16]即使沒有人類影響，干旱仍可能會因超出生態系統承載能力而發生。生態因子對旱災區土壤有機質質量的長期影響將造成生態平衡的破壞[17]，此種機理不易被察覺且不利于作物生長[18]。李寧[19]等利用工具計量推斷法得出，社會脆弱性與生態脆弱性間具有長期的相互作用，且社會脆弱性對生態的影響更大一些；郭澤呈[20]等在對甘肅省石羊河流域的生態脆弱性評價研究中，利用因子探測器得出綠度在一定程度上可以抑制溫度對干旱的影響程度；王茜[21]等對廣南縣的脆弱性評價也證明先天的自然生態環境對干旱脆弱性的影響同樣十分重要。所以，本研究在農業干旱脆弱性綜合評價體系中加入溫度植被干旱指數（Temperature vegetation dryness index，TVDI），以河南省安陽市旱災時空分布特征為例來檢驗綜合評價指數的可靠性，并探究干旱與生態因子的作用狀況及土壤水環境在因子貢獻中所占的比例，為該地區旱情評估提供理論依據。

1 材料與方法

1.1 研究區概況

安陽市位于河南省最北部，處于河南、河北、山西三省交界地帶，周圍遍布氣象觀測站點，數據齊全，研究區域及氣象站點分布如圖1所示。憑借東部平原的地形優勢，安陽市成為河南省最主要的糧食生產基地之一，年均種植面積約達59.65 萬hm2，下轄的湯陰縣、內黃縣及滑縣皆為產糧大縣，素有“豫北糧倉”之美稱。然而，安陽市降水較少，歷史年均降水量約為637.1 mm，且降水主要分布在夏季，春冬兩季降水量才占全年的1/5。干燥的氣候導致該市春旱發生頻繁，2017年便發生過一次嚴重旱災，2008-2014年時段內更是發生過5次干旱，這嚴重威脅到安陽市糧食生產安全。

圖1 區域概況圖及氣象站點分布Fig.1 Overview map of study area and weather stations distribution

1.2 數據來源

本研究收集了安陽市近30年（1989-2018年）的衛星數據、社會經濟數據和氣象數據。衛星數據來源于地理空間數據云（http://www.gscloud.cn/），主要為Landsat 8 數據，用來反演地表溫度；社會經濟數據來源于安陽市統計年鑒，主要包括人口密度、小麥產量、作物系數等；氣象數據來源于中國氣象數據網（http://data.cma.cn/），主要包括降水量、氣溫、風速、日照時數等信息。

1.3 研究方法

1.3.1 層次分析法

層次分析法[22]是一種可以將定性與定量問題相結合的分析方法，能夠很好地將主觀問題進行客觀分析。通常根據專家對研究問題的主觀意見構建判斷矩陣，由判斷矩陣求解特征向量，最后計算出指標的權重。本文所選指標個數為8，故隨機一致性指標RI取1.41。

1.3.2 指標標準化

為了便于計算，采用標準化原則消除各數據單元之間的差異，正向、負向指標的標準化處理方式有所不同[23]。對于正向指標有：

對于負向指標有：

式中：xst為經標準化處理后的結果，取值范圍為[0,1]；xmax為處理指標所存在的最大值；xmin為處理指標所存在的最小值；xi為處理指標當前的任意值。

1.3.3 加權綜合評價法

本文采用加權綜合評價法來構建脆弱性評價模型，其公式為：

式中：V為脆弱性綜合評價指數；n為所選指標的個數；ωj為第j項指標所占的權重；Iij為第i要素的第j項指標的標準值。

1.3.4 比較分析法

通過比較評價結果與實際受災情況，可以清晰判斷評價模型的精確與否。通過滑動趨勢法對小麥年產量數據進行處理得到逐年減產率，其計算步驟如下[24]：

第一步為產量的加性分解過程：

式中：Y為小麥實際產量，kg/hm2；Yw為反映小麥受氣候波動影響的氣象產量，kg/hm2；Yt為小麥趨勢產量，kg/hm2，表示因相鄰幾年科技進步影響有限所擬的小麥產量自然波動狀況；ΔY為隨機產量，kg/hm2，小麥增產和減產很少由于局部突變造成，都是受某一因素長期作用，所以一般認為ΔY為0。

第二步為計算小麥趨勢產量：

式中：p表示方程時序號；K為滑動步長（本次研究規定為11 a）；n為樣本個數30；Yp為第p年小麥的趨勢產量，kg/hm2；t為時間序號（當p=1 時，t=1,2,…,K;當i=n-K+1 時，t=n-K+1，n-K+2，n-K+3,…,n）。

第三步用多年平均去除波動的差異性：

式中：為第t年份小麥的平均趨勢產量，kg/hm2；m表示每時序方程計算的序號；q為每時序方程計算的總個數，與n和K有關（本研究q為6）。

第四步為計算逐年減產率：

式中：YRR為小麥的逐年減產率，%，本研究利用逐年減產率表征實際受災程度。

1.3.5 因子貢獻度評價法

因子貢獻度評價法可清晰反映各因子對脆弱性評價的貢獻程度[25]，厘清影響因子的主次關系，其公式為：

式中：Cij為指標層的第i要素的第j項指標的因子貢獻度大小；ωj為第j項指標所占的權重；Sij代表第i要素的第j項指標的隸屬度；Ui為準則層的貢獻度，表示第i要素的因子貢獻度大小。

2 評價指標的選取

從干旱的致災機理考慮，一般認為[26,27]氣象、作物需水等自然環境條件與社會經濟條件是影響脆弱性的主要因素。本文在總結前人研究成果基礎上，結合系統性、獨立性和易獲取性的原則，選取了8項指標建立小麥的農業干旱脆弱性綜合評價體系，如表1所示。

表1 小麥干旱風險脆弱性綜合評價指標體系Tab.1 The drought vulnerability integrated evaluation index system of wheat

敏感性分為自然型因子與社會型因子。自然型敏感性指標反映自然環境對干旱的抵抗能力，包括標準化降水指數（Standardized Precipitation Index，簡稱SPI）、作物水分虧缺指數（Crop Water Deficit Index，簡稱CWDI）與溫度植被干旱指數（Temperature Vegetation Dryness Index，簡稱TVDI）。SPI表示降水出現概率的多少，由Gamma 概率分布函數正態化與標準化處理得到，本文選擇半年尺度的降水指數作為評價指標[28]；CWDI表示小麥不同生理階段的需水狀況，從作物自身角度反映干旱的致災程度，由日照、氣溫等數據通過Penman-Monteith 公式求得，具體公式見文獻[29]；TVDI是Sandholt[30]提出的一種生態指標，從生態穩定性方面評價自然環境的抵抗力，除表示區域內植被覆蓋度，還反映了10～20 cm 土壤層的土壤水水環境[31]。TVDI由地表溫度與NDVI通過干、濕邊方程求得[32]，當數值越大時，土壤含水率越少，抵抗能力也逐漸減弱。

社會型敏感性指標反映環境抵抗干旱不利影響的能力，本文選取人口密度、小麥種植面積比重和抗旱面積3種指數作為評價指標。人口密度和抗旱面積分別表示社會環境和作物自身對干旱的抵抗能力；而小麥種植面積比重則表示作物的暴露性程度，由于干旱具有擴散性，當干旱發生時，接觸程度越大，干旱造成的經濟損失也越大。

恢復力表示干旱剛發現時，人們降低旱災程度的社會經濟能力，本文選擇復種指數、人均GDP 作為評價指標。復種指數指一年內作物的種植次數，由作物種植面積與耕地面積求得，種植次數越多，干旱造成的產糧損失越少；人均GDP則反映社會經濟承受糧食損失的能力，GDP 越高，人們越能承受減產帶來的損失。

3 結果與分析

3.1 權重的確定

在綜合考慮專家意見的基礎上，對以上8項指標構建判斷矩陣，具體判斷結果見表2。為證明判斷矩陣的合理性，首先計算了最大特征值λmax、綜合一致性指標CI和一致性比例CR，計算結果分別為8.453、0.065和0.046，一致性比例CR小于1，故判斷矩陣通過了一致性檢驗。其次利用層次分析法最確定各項農業干旱脆弱性評價指標所占的權重，結果見表3。由表可知，降水、作物需水、植被覆蓋度與土壤水環境仍是影響干旱的主要因素，其次為小麥種植面積比重與抗旱面積。

表2 安陽市農業干旱脆弱性指標判斷矩陣Tab.2 Determination matrix of agricultural drought vulnerability indicators in Anyang City

表3 各項農業干旱脆弱性指標權重Tab.3 Weighting of each agricultural drought vulnerability indicator

3.2 農業干旱脆弱性的時序評價

由于2002年河南省對安陽市行政區劃進行了重大調整，將原有的鐵西區、郊區調整為殷都區、龍安區，故本文收集了安陽市2003-2018年的數據來進行農業干旱脆弱性時序評價。為消除各指標的量綱，利用公式（1）和（2）得出8項指標的標準值，見表4。

表4 各項指標標準化處理結果Tab.4 Standardized processing results for each indicator

在充分考慮降水供給、作物水分需求、土壤水環境及社會因素的共同作用下，基于線性加權綜合評價法計算得到安陽市農業干旱脆弱性綜合評價指數，其取值范圍為[0,1]。當指數數值越高時，表示該地區抵抗干旱的能力越弱，干旱造成的損失也越大。有研究表明[33]，不同程度的干旱狀態，其發生概率也不同，輕度干旱和中度干旱在災害發生概率中占比最高，各為34.1%和9.2%；而出現重旱和極端干旱的可能性極低，分別只有4.4%和2.3%。本次農業干旱脆弱性綜合評價等級界限參照了該理論，具體劃分與評價結果見表5和表6。

表5 脆弱性綜合評價等級分類界限Tab.5 Vulnerability comprehensive evaluation level classification boundaries

由表6可清晰看出，綜合評價指標與逐年減產率的評價結果均顯示，在2003年到2018年期間安陽市大約出現過10次干旱，且以輕度干旱為主，這與陳少丹[34]的結論一致；自2010年以后，隨著社會生產力的提高，社會型敏感性與恢復力指數逐漸降低，干旱的發生概率也隨之下降。但仔細觀察可發現，干旱年份的自然型敏感指數均表現出較高水平，這說明氣候環境條件仍是決定干旱的主要因素。橫向比較可知，除2009、2011 和2012 這3 個年份，含TVDI的脆弱性評價等級與受災等級均保持一致，而不含TVDI的評價等級有五年與受災等級不一致，含TVDI的評價精度比不含TVDI的提高了12.5%，這說明本綜合評價指數在時序干旱脆弱性評價上是可行的。

表6 2003-2018年安陽市農業干旱脆弱性綜合評價隸屬度Tab.6 Subordination degree of agricultural drought vulnerability integrated evaluation of Anyang City in 2003-2018

3.3 農業干旱脆弱性的空間評價

直觀分析農業干旱脆弱性綜合評價指數的評價效果，選擇距今最近的2017年作為干旱典型年，采用ArcGIS 繪制安陽市農業干旱脆弱性風險區劃與逐年減產率空間分布圖，如圖2所示。由圖2（a）可以看出，干旱集中出現在安陽北部及東南地區，尤以文峰區的干旱風險嚴重，其次為北關區、殷都區、龍安區、湯陰縣、安陽縣、滑縣、內黃縣；圖2（b）顯示的受災最嚴重地區為安陽縣，其次為北關區、文峰區、湯陰縣、滑縣。

圖2 2017年安陽市農業干旱脆弱性及受災減產分區Fig.2 Agricultural drought vulnerability and affected yield reduction of Anyang City in 2017

對比圖2所示的兩類結果可知，農業干旱脆弱性區劃與逐年減產率反映的實際受災情況在空間分布上基本吻合，干旱狀況均出現在安陽北部，與劉勤娣[35]的結論一致，這是由于西部太行山脈擋住了來自西北方向的低壓冷空氣所致。

3.4 因子貢獻分析

為探尋生態因子對農業干旱脆弱性綜合評價的影響程度，同樣以2017年為干旱典型年，分別對含TVDI與不含TVDI的兩種因子貢獻度進行識別，如圖3所示。雖然加入社會型因素減少了TVDI在敏感性因子貢獻度的比重，但含TVDI的因子貢獻度均高于不含TVDI的，尤其以林州市的結果差距最大，含TVDI的分別比不含TVDI的高出10%與23%；而在殷都區、龍安區和滑縣，兩種貢獻度基本一致。由此推斷，在城市類地區，土壤含水量較少，土壤水環境較差，TVDI表征的植被覆蓋度與土壤水環境對脆弱性影響相對較弱；在非城市類地區，土壤含水量是影響作物生長的關鍵因素之一，TVDI表征的植被覆蓋度與土壤水環境對脆弱性評價起著較為重要的作用。

圖3 安陽市各縣因子貢獻度分析Fig.3 Analysis of the contribution by counties in Anyang

4 討 論

本文在充分考慮生態因子對脆弱性綜合評價影響的基礎下，構建了安陽市農業干旱脆弱性綜合評價指數，從時間與空間序列上檢驗了指數的準確度，并分析了TVDI表征的生態植被與土壤水環境對敏感性因子貢獻度變化的影響程度。對比表4與表6結果可發現，在年均降水最稀缺的2011年與2014年，其脆弱性風險值并不是最高的；在2013年與2018年同樣出現了降水少而脆弱性強的情況，從而推斷雖然降水仍是決定干旱脆弱性的主要因素，但隨著社會發展水平的提高，降水對農業干旱的影響程度正在降低，這與田豐[36]在華北平原的研究結果是一致的。觀察圖2可知，脆弱性較重的地區集中分布在城市區或農業種植區，這與王鵬[37]的結果是一致的，這是由于該類地區水資源開發程度較高，而植被覆蓋少，地下水環境不良所致。由圖3可得，土壤水環境對敏感性因子貢獻度有明顯提高作用，這與Du[38]的加入土壤背景調整因子可提高脆弱性評價精度的結論一致，Liang[39]也發現在河南地區土壤水分環境對氣候波動和干旱變化的影響較其他地區更為顯著。綜上所述，雖然層次分析法較為傳統，但根據專家經驗，可較為準確地確定各指標的權重，評價結果與受災變化的一致性也驗證了本綜合評價指數的準確性。

通過對比含TVDI與不含TVDI的評價結果和因子貢獻度可得，土壤水環境在農業干旱評價中發揮著重要作用，生態植被對土壤水環境的改善可以抑制地表蒸騰[40]，降低地表溫度的升高[41]，因此在未來干旱評價中應適當加大生態因子的影響比例，尤其是土壤水環境。由于TVDI會受到云層和衛星質量的影響，需要針對不同情形采用不同的濾波處理，所以該綜合評價指數的適用性還有待作進一步驗證。未來計劃擴大研究范圍，通過趨勢檢驗與突變檢驗等方法進一步分析降水與生態因子對脆弱性的影響關系。

5 結 論

本文采用層次分析法和線性加權綜合評價方法構建了農業干旱脆弱性綜合評價指數，計算了安陽市下轄9個區域的脆弱性風險指數，結果表明：

（1）在時序評價中，分析表明安陽市干旱發生頻率較高，以輕度干旱為主，其中氣候條件仍是影響該區域干旱發生的主要原因；含TVDI 指標的綜合評價指數的評價結果與逐年減產率所表示的實際受災情況基本一致，其精確度比不含TVDI的提高了12.5%。

（2）在空間評價中，分析表明評價結果與逐年減產率的變化趨勢基本一致，受災地區主要集中在北部平原，在安陽市未來旱災治理中應以北部降水少的地區為主開展預防工作。

（3）各縣因子貢獻度變化表明，在非城市地區，土壤水環境占自然型敏感因子貢獻度的比例最高可達23%，最低也在5%以上，故生態因子對農業干旱脆弱性評價起著較高的影響。