中國洪澇災害農業致災性時空分布規律

管新建，劉 源，孟 鈺，臧亞文，呂 鴻

(鄭州大學水利科學與工程學院，河南 鄭州 450001)

中國是農業生產大國，創造了以不足世界9%的耕地養活世界近21%人口的奇跡，研究洪澇災害農業致災性時空變化規律是保障農業生產和社會穩定的重要環節。洪澇災害具有多重屬性，對于其致災性研究是通過其自然屬性角度，即從洪澇災害的致災后果和致災因子來評價。洪澇通常會造成房屋倒塌、經濟損失、人員傷亡、農田淹沒等災害，而農業洪澇災害是由于洪澇過程中的大量積水使得農作物生長發育受限、減產等的氣象災害。對農業致災性影響研究從“凡有過度即為致災”角度考慮，具體體現為對農作物受災、成災面積的影響。目前，國內外學者們已經提出了一些較為成熟的農業洪澇災害研究方法，在時間尺度上常用方法包括累積距平百分率分析法、帕爾默干旱指數(Palmer drought severity index, PDSI)分析法、Mann-Kendall法、Z指數法、氣象洪澇指標法等[1-4]；在空間尺度上，研究多基于GIS分析技術對相關指標進行空間插值與展布,通過目視解譯或聚類尋找規律性特征[5-7]。無論是時間或空間規律分析，都是基于洪澇災害表征指標序列值的描述性分析[8-10]，因此如何深入挖掘災害指標聯系，對反映時空規律分析的準確性至關重要。

綜上，針對中國農業整體大空間范圍、長時間尺度相結合的時空序列分析較少，且目前研究多集中在歷史時間序列特征分析，對于災害未來趨勢預測的研究較少。本文利用歷史洪澇災情農業受災、成災面積數據，采用了九點二次平滑法、時間序列分析法和空間聚類對1950—2018年中國洪澇災害農業致災性時空分布進行研究，通過對洪澇災害農業致災性時空分布規律及其致災因子的分析，揭示國內洪澇災害對農業致災性的影響和發展規律，以期為提高農業水災害防治管理水平、保障國家糧食安全提供科學依據和決策參考。

1 研究區概況與數據來源

中國地處亞洲東部，東臨太平洋，地勢西高東低。中東部季風區土壤肥沃氣候適宜，科技水平高，農業耕地面積達全國60%以上的，其中北方熱量低積云少地勢開闊，以旱地為主，南方熱量高降水充沛多丘陵和山地，以水稻田為主。根據《中國水旱災害公報(2016)》的統計顯示，2016年中國農業用地面積為528萬km2，占全國土地面積的56.21%，占世界土地面積的10.85%。中國年降水充沛但時空分布極不均勻，加上城市化進程的加快、氣候驟變等原因使得洪澇災害頻發，對中國農業生產和發展造成嚴重影響。

本研究所用數據來源于《中國水旱災害公報》和洪澇災害統計資料。1950—2018年全國及各省(自治區、直轄市)農業洪澇災害受災、成災面積數據、農業洪澇災情資料來源于中國種植業信息網的災情數據庫。澳門、香港特別行政區及臺灣地區指標數據不完整，故沒有進行統計分析。

2 研究方法

選取農業洪澇災害受災、成災面積2個指標表征農業致災程度，受災面積指因洪澇造成在田農作物產量損失10%及以上的播種面積，成災面積指因洪澇造成在田農作物產量損失30%及以上的播種面積，兩者在農業致災變化研究中具有一定的代表性。在時間尺度上，采用九點二次平滑法進行受災情況的趨勢分析并建立ARIMA預測模型對農業洪澇災害受災、成災面積集成預測，提高預測結果的可靠性；在空間尺度上，根據目標函數下的聚類算法進行空間聚類分析，得到農業洪澇災害受災、成災面積的空間變化。

2.1 九點二次平滑法

九點二次平滑法基于最小二乘法原理，可以對時間序列進行趨勢分析。數據x的擬合公式為

(1)

(2)

式中xi為第i個數據。

2.2 時間序列分析法

對于上述時間序列{xi}，建立ARIMA模型對樣本數據進行相對完整的描述與預測。以下為ARIMA模型具體的實現步驟：

步驟1提取趨勢信息。通過隨機時序方法[4]提取確定性信息，利用差分法提取趨勢信息：

?xt=xt-xt-1

(3)

式中：xt為t時刻的時間序列樣本；?xt為一階差分值。

步驟2差分計算。若xt有曲線趨勢，使用低階差分就能夠顯示出線性趨勢，計算中常采用的是步長為12周期的差分計算：

?x12?xt=?xt-?xt-12

(4)

步驟3白噪聲檢驗。若序列{Xt}滿足式(5)條件，則該序列為為白噪聲序列。

(5)

式中：T為時間序列；t、s為兩個任意時間；γ為協方差函數。

步驟4隨機性分析。使用Barlett定理構造檢驗統計量來檢驗序列的純隨機性。首先，給出原假設H0(式(6))與備擇假設H1(式(7))。

ρ1=ρ2=…=ρm=0 (?m≥1)

(6)

?ρk≠0 (?m≥1，k≤m)

(7)

式中：ρ為相關系數；m為指定延遲期數；k為延遲階數。其次，圍繞上述假設，使用LB統計量SLB判斷序列是否為隨機序列：

(8)

式中：n為樣本個數；χ2(m)為自由度為m的卡方分布。上式表明LB服從自由度為m的卡方分布,若SLB值小于準測值時，可拒絕原假設H0，認為序列非隨機。

步驟5根據自相關系數(autocorrelation coeffi-

cient， ACF)和偏自相關系數(partical autocorrelation coefficient，PACF)圖確定ARIMA模型取值范圍[11-13]，采用赤池信息量(Akaike information criterion，AIC)最小原則，進行最優模型選擇：

(9)

Yt=??wlnXt

(10)

式中：w為步長；?為梯度算符。

2.3 空間聚類

在模糊聚類算法中，基于目標函數的均值聚類(fuzzy C-means，FCM)分析應用較為廣泛。FCM算法中，假設X=(x1,x2，…,xn)為目標整理數據，數據可劃分為h個區域，V=(v1,v2…,vh)和U=(uij)分別為聚類中心和隸屬度矩陣：

(11)

通過對樣本xi與每個聚類中心的距離用其隸屬度平方加權，求得目標函數J的最小值：

(12)

式中g為模糊指數。通過引入迭代優化方法對式(9)求解，以拉格朗日乘數法為基礎，可得到：

(13)

(14)

當滿足設置的迭代條件后，數據聚類過程結束。

3 結果與分析

3.1 時間變化特征

圖1為中國1950—2018年洪澇災害農業受災、成災面積九點二次平滑結果。由圖1可見，20世紀50—90年代中末期農業受災、成災面積呈現持續上升狀態，有9個省份農作物受災面積超過了年度農作物播種面積的10%，是受災面積最小年份1966年的近10倍，是多年受災面積平均值的2.6倍；近7個省份成災面積超過農作物播種面積的15%，是多年成災面積平均值的2.3倍。20世紀90年代農業受災情況表現較為顯著增加，年均受災面積為1 086萬hm2，年均成災面積906萬hm2，受災、成災面積最大值均出現在1991年，20世紀90年代暴雨頻發，特別是1991年的江淮流域和1998年長江流域發生持續性特大暴雨，給中國農業帶來了嚴重影響[14-16]。進入21世紀后中國水利工程配套率隨經濟發展而逐步提高，防災的工程措施與災害保險、災害預報預警等非工程措施進一步結合，從圖1可以看出農業受災、成災嚴重程度呈現下降的趨勢。但隨著暴雨等極端天氣發生頻次趨多、強度趨強，洪災對農業的脅迫效應不容忽視，應加強災害預警和災害防治風險管理水平。

(a) 受災面積

3.2 洪澇災害趨勢分析

圖2為ARIMA模型運行結果，對數據進行差分處理直至通過平穩性檢驗和白噪聲檢驗，通過從小滯后階數中進行嘗試，確定相關系數，對3組數據進行建模。經過比較AIC值，最終選定的模型分別為ARIMA(6,1,1)，ARIMA(7,1,1)。最后在此環境下安裝預測包，完成對農業致災危害性的預測。

(a) 受災面積

由圖2可見，在20世紀80年代，中國農作物平均受災面積為0.688億hm2，平均成災面積498 萬hm2，90年代中國洪澇受災及成災面積數值出現了3次高峰值，結合當年資料和觀測數據發現全國出現較大范圍的暴雨天氣。特別是1998年受太陽黑子活動和超強厄爾尼諾現象影響，中國長江流域發生特大洪水，對下游城市居民和生態環境造成了巨大影響[17]。進入21世紀以來暴雨天氣頻次減少，水利工程相關設施更加完善，自2000年以來農業平均受災、成災面積為102萬hm2、54萬hm2，大幅度低于20世紀90年代。未來防災減災工作不僅要關注暴雨洪澇災害影響的區域差異和災害本身的發生特點，也要關注區域農業的工程配套設施、社會經濟發展水平及生態環境等方面的變化，因地制宜地制定防災減災對策。

3.3 空間變化特征

選取1988年、1998年、2008年、2018年作為典型年對各省份農業洪澇災害受災面積進行空間聚類。在聚類分析之前，計算霍普金斯統計量驗證數據可以分析聚類的合理性，1988年、1998年、2008年、2018年的計算結果分別為0.577 9、0.544 2、0.522 1和0.511 9，滿足聚類前提。在R語言中利用拐點法確定了聚類簇數為5類，代表不同典型年下獲取的空間受災面積程度的分類，結果見表1。

表1 典型年聚類結果

由表1可見，中國西部內陸地區青海、甘肅、寧夏、西藏、新疆和華北山西受洪澇脅迫影響較小，處于洪災低風險區；北方地區內蒙古、河北，東北地區吉林、遼寧，華南地區安徽、江西是洪災中風險區；瀕海地區如廣西、福建，華南地區及西南地區四川等因降雨多、人口密集等原因，受洪澇災害影響較大，是洪澇災害致災的高危風險區。農作物年均受災面積占到全國總受災面積10%以上的省份有黑龍江、江蘇、安徽、江西、山東、河南、福建、廣東8個省，受災面積總和接近全國50%。據統計，農作物受災、成災面積均達到50萬hm2的有黑龍江、湖北、湖南、廣東、廣西、四川及江淮地區；年均洪澇災害農作物受災、成災面積大于150萬hm2的省份主要有湖南、湖北兩省，這兩省年均受災成災面積接近種植面積的1/5。從農作物受災率(受災面積占耕種面積的比例)來看，黃河流域、松遼流域、西南地區，以及華北地區的北京、天津、河南和西北內流區甘肅、寧夏、青海等受災率小于5%。江淮地區長江中下游和兩廣沿海地區農作物洪澇災害受災面積、受災率偏高，如海南、浙江年均洪澇災害受災率均在15%以上。洪澇災害的防治與當地經濟發展水平及產業分布息息相關，高危地區應加強人為干預，建立洪澇災害預警響應機制，針對降雨多發區和多發季節，農業、交通業以及城市防洪辦應出臺多項預防及應對措施，以“洪水管理”理念取代傳統的“洪水控制”技術。

4 結 語

本文從中國洪澇災害農業受災、成災面積出發，運用ARIMA模型時間序列方法進行趨勢分析。在時間尺度上，20世紀60—80年代前期洪災對農業影響較小，變化幅度?。?0世紀80年代后期，指標年際變化劇烈且致災性影響較大，總的來說，1950—2018年洪澇對農業致災性影響整體呈增加的趨勢?？臻g聚類結果表明，洪澇災害對農業的致災性區域主要位于長江流域中下游、東北地區、華中華南地區等區域，地形和強暴雨天氣對洪澇農業致災性的強度和頻率影響較大，地區經濟發展水平高和水利工程設施較為完善的區域農業脆弱性低、抗災害脅迫能力強。