區域糧食產量因災損失評估之內蒙古自治區災情?產量模型構建*

朱永昶，劉布春，劉 園，SHIRAZI zeeshan-sana

區域糧食產量因災損失評估之內蒙古自治區災情?產量模型構建*

朱永昶1,2，劉布春1**，劉 園1，SHIRAZI zeeshan-sana1

（1. 中國農業科學院農業環境與可持續發展研究所/作物高效用水與抗災減損國家工程實驗室/農業農村部農業環境重點實驗室，北京 100081；2. 中國氣象局氣象發展與規劃院，北京 100081）

基于1981?2020年內蒙古自治區農業氣象災害災情及該地區糧食作物播種面積和產量數據，構建災情?糧食作物產量評估模型，并對該模型進行驗證，以此估算該地區糧食作物因災減產量。結果表明：（1）1981?2020年內蒙古自治區糧食作物播種面積、總產和單產均呈顯著上升趨勢，增速分別為74.48×103hm2·a?1、78.85×104t·a?1和100.97kg·hm?2·a?1。（2）1981-2020年內蒙古農業氣象災害受災、成災面積均呈先上升后下降趨勢，同期全國農業氣象災害成災和受災面積亦呈先上升后下降趨勢。（3）干旱是該地區最主要的農業氣象災害，其受災和成災面積分別占歷年各災種的總受災和成災面積的64.10%和62.45%。灰色關聯度分析表明，在受災率和成災率水平上干旱是與糧食單產關聯度最高的農業氣象災害，在絕收率水平上風雹與糧食單產關聯度最高。（4）構建的災情-糧食作物產量評估模型模擬準確率較高，其模擬糧食產量與實際糧食產量呈極顯著相關（R2=0.99，P<0.01），歷年模擬平均相對誤差為0.20%，翌年試報相對誤差為2.49%。（5）1981-2020年內蒙古自治區糧食因災損失率呈極顯著下降趨勢（R2=0.77，P<0.01），降速為0.48個百分點·a?1，平均因災損失率為14.79%，68.42%的年份糧食單產因災損失率高于10%。綜上分析，基于1981-2020年統計數據構建的內蒙古自治區災情?糧食作物產量評估模型可以較好地模擬和預測糧食作物產量、評估糧食產量因災損失，從而滿足農業氣象業務和服務的需要。

糧食安全；農業氣象災害；災情；因災損失評估模型

內蒙古自治區（以下簡稱內蒙古）是國家重要農畜產品生產基地，2021年全區糧食總產量為3840.3×104t，占全國糧食總產量的5.62%，是中國第6大產糧省[1]和糧食輸出大省[2]。內蒙古未來糧食增產潛力受水資源、土地和自然災害等因素約束[3]，且依靠草地轉耕地等方式增加耕地面積實現糧食持續增產與北方重要生態屏障的區域發展定位相悖[4]。內蒙古大部分地區位于干旱、半干旱地區及農牧交錯帶，糧食生產極易受到農業氣象災害影響[5]，研究內蒙古農業氣象災害對糧食生產影響規律有助于最大限度降低農業氣象災害造成的損失，對穩定糧食生產、保障糧食安全具有重要意義。

農業氣象災害指導致農作物減產的異常天氣氣候[6]，約占自然災害的70%[7]。農業生產對天氣氣候要素具有高度依賴性，農業氣象災害可通過改變作物基本生長條件導致糧食減產[8]，從而對區域和全國范圍糧食安全產生影響[9]。影響糧食作物產量的農業氣象災害主要包括干旱、洪澇、低溫和風雹等[8]。氣候變化導致極端天氣氣候事件頻發且強度增大[10]，致使農業氣象災害發生規律變化[11]且災害影響更加復雜[12]，加劇了農業氣象災害對糧食生產的不利影響[11]。

農業氣象災害對不同區域糧食作物產量影響研究多采用災情數據統計分析[9,13]，構建災情?產量模型[14?17]及災害風險評估模型[18]，作物模型模擬[19?21]和灰色關聯度分析[22]等方法。Shi等[9]采用時序疊加法分析了旱澇災害對中國各省糧食產量損失的影響。劉玉汐等[13]基于東北地區災情數據構建災害強度指數分析了東北地區災情變化特征。Liu等[14?16]分別構建了華北平原、東北地區和長江中下游各省的災情-產量模型。李秀芬等[20]確定了基于WOFOST作物模型的內蒙古河套灌區玉米低溫冷害評價指標。Wang等[21]采用APSIM作物模型評估了遼寧春玉米干旱風險。

目前構建內蒙古災情-糧食作物產量評估模型定量評估該地區農業氣象災害對糧食產量影響的研究鮮見報道。本研究基于1981-2020年內蒙古自治區農業氣象災害災情和糧食產量統計數據，分析內蒙古糧食播種面積、產量趨勢及對國家糧食生產的貢獻，明晰該地區不同種類農業氣象災害災情變化規律及對糧食作物單產影響。構建災情-糧食作物產量評估模型，評估模型精準度，并采用該模型定量評估內蒙古農業氣象災害對糧食作物單產影響，以期為內蒙古糧食產量災害影響定量預測及農業防災減災救災等提供科學方法和依據。

1 資料與方法

1.1 研究區域

內蒙古自治區（37°24′N-53°23′N，97°12′E- 126°04′E）面積約1.18×106km2，大致為東北西南走向，地貌主要為高原，平均海拔為1000m[23]。氣候主要為中溫帶大陸性季風氣候，年平均氣溫?5～10℃，由西向東遞減，年降水量35～530mm，由東北向西南遞減[24]，年蒸發量在1200～3200mm，由東向西遞增[25]。

1.2 數據來源

1981-2020年全國（不含港澳臺地區）和內蒙古自治區小麥、玉米、水稻、大豆、薯類等糧食作物及糧食作物總播種面積、產量數據，干旱、洪澇、風雹和低溫等農業氣象災害導致的農作物受災、成災和絕收面積等災情數據，農作物播種面積數據來自于國家統計局數據庫（https://data.stats.gov.cn）和農業部種植業管理司農作物數據庫（http://zzys.agri.gov.cn）。

1.3 糧食氣象減產量估算模型及指標計算

1.3.1 受災率、成災率及絕收率

為避免播種面積變化引起的糧食產量波動，采用受災率、成災率和絕收率來分析相對災損[16]。計算式分別為

式中，Rc、Ra和Rd分別為受災率、成災率和絕收率（%）。Sc、Sa和Sd分別為農作物受災面積、成災面積和絕收面積（hm2），分別指農作物因災減產>10%、>30%和>80%的面積[26]。S 為農作物總播種面積（hm2）。由于內蒙古糧食作物占農作物播種面積比重較大（1981-2020年平均占比79%），假設農作物受災害影響比率穩定的情況下，農作物災損率近似等于糧食作物災損率。

1.3.2 糧食氣象減產量

糧食作物產量受氣候條件、技術措施和隨機噪聲等因素影響，可對應將糧食作物產量分離為氣象產量、趨勢產量和隨機產量，且隨機產量可忽略不計[15?16]，計算式為

式中，Y、Yw和Yt分別為實際產量、氣象產量和趨勢產量（kg·hm?2）。趨勢產量可采用線性回歸、滑動平均、正交多項式等多種方法模擬[15?16]。選取3a滑動平均法模擬趨勢產量，其分離的糧食氣象減產量與災情統計數據回歸模型的擬合優度最高。

期望產量為研究時段內最優氣候條件下的糧食產量，即該年趨勢產量與研究時段內最大氣象產量的和[15?16]，計算式為

式中，Yd和Ywmax分別為期望產量和研究時段內最大氣象產量（kg·hm?2）。

糧食氣象減產量為期望產量與糧食實際產量的差值[15?16]，計算式為

式中，Ywr為糧食氣象減產量（kg·hm?2）。

1.3.3 糧食因災減產量

干旱、洪澇、風雹和低溫等多種農業氣象災害均可造成糧食減產[8]，糧食因災減產量可由糧食氣象減產量與受災率、成災率和絕收率構建多元回歸方程模擬估算，計算式為

式中，Ywdr為糧食因災減產量（kg·hm?2），a、b和c分別為受災率、成災率和絕收率的回歸系數，d為常數項。

1.3.4 模型驗證

糧食產量計算式為

式中，Ys為模擬糧食產量（kg·hm?2）。通過對模擬值與實測值進行回歸分析，計算平均相對誤差等檢驗模擬準確性。

1.3.5 糧食因災損失率

糧食因災損失率為糧食因災減產量占期望產量的比例，計算式為

Rl=Ywdr/Yd（9）

式中，Rl為糧食因災損失率（%）。

1.4 災害特征指標計算

1.4.1 災害強度指數

災害強度指數可更好地表示農業氣象災害變化特征[13,27]，計算式為

DI=(0.3Ra+0.7Rd)/Rc×100%（10）

式中，DI為災害強度指數。

1.4.2 變異系數

災害變異系數表征災情變化與平均值的偏離情況[13]，計算式為

CVi=SDi/AVRi×100%（11）

式中，CVi為變異系數，SD為受災率、成災率標準差，AVR為受災率、成災率平均值。

1.4.3 M-K檢驗

M-K（Mann-Kendall）檢驗由H.B.Mann及M.G.Kendall提出，是一種非參數突變檢驗方法[28]，計算方法詳見符淙斌等[29]對M-K檢驗的具體定義和研究。

1.5 灰色關聯度分析

采用灰色關聯度分析方法（Grey Relation Analysis，GRA）[22,30?31]研究糧食單產與氣象災害相關程度。設置糧食作物單產為參考數列xo={xo(1), xo(2), xo(3),… , xo(n) }，設置受災率、成災率和絕收率為比較數列xi={xi(1), xi(2), xi(3),… , xi(n) }，并對數列值進行離差標準化[22]處理。關聯系數計算式為

關聯度計算式為

1.6 數據處理

使用Microsoft Excel及SPSS軟件進行數據分析與模型檢驗，包括相關分析和多元線性回歸等。

2 結果與分析

2.1 內蒙古自治區糧食播種面積和產量分析

2.1.1 糧食播種面積和種植結構

由圖1可見，1981-2020年內蒙古糧食作物播種面積呈極顯著增加趨勢（R2=0.86，P<0.01），年平均增長速率為74.48×103hm2·a?1，2020年內蒙古糧食播種面積為6833.17×103hm2，較1981年增長了77.30%。同期全國糧食播種面積呈波動變化趨勢，1981-2003年呈下降趨勢，特別是1998-2003年由113787.40×103hm2極顯著下降至99410.37×103hm2（R2=0.97，P<0.01），下降了12.63%，2004-2020年呈極顯著增加趨勢（R2=0.84，P<0.01），年平均增長速率為891.89×103hm2·a?1。內蒙古糧食作物播種面積占全國糧食作物播種總面積比例總體呈上升趨勢，由1981年的3.35%增長為2018年的5.85%。可見從糧食作物播種面積及占全國比重來講內蒙古作為產糧大省的地位愈加突出。

圖1 1981?2020年內蒙古自治區糧食播種面積與同期全國統計數據變化比較

注：*、**分別表示相關系數通過0.05、0.01水平的顯著性檢驗。缺港澳臺數據。下同。

Note:*is P<0.05，**is P<0.01. Lack of data of Hongkong, Macao and Taiwan. The same as below.

圖2表明，1981-2020年，內蒙古糧食作物種植結構變化較大，其中小麥、雜糧雜豆和薯類播種面積占總糧食作物總播種面積比例有所下降，分別由1981年的23.43%、49.74%和6.02%下降到了2020年的7.01%、12.98%和4.10%。1981-2020年內蒙古雜糧雜豆種植面積亦呈極顯著下降趨勢，年均下降速率為25.75×103hm2·a?1（R2=0.78，P<0.01），小麥種植面積總體呈下降趨勢（年均下降速率10.60×103hm2·a?1），其中1992-2003年極顯著下降（R2=0.83，P<0.01）。水稻和大豆播種面積占比均有增加，分別由1981年的0.42%、5.03%增至2020年的2.36%和17.59%，特別是玉米播種面積占比增加最大，由1981年的15.36%增至2020年的55.96%。1981-2020年內蒙古玉米、大豆和水稻種植面積亦呈極顯著上升趨勢，年均增長速率分別為80.80×103（R2=0.92，P<0.01）、25.20×103（R2=0.87，P<0.01）和3.63×103hm2·a?1（R2=0.65，P<0.01）。可見玉米正逐漸取代雜糧雜豆和小麥成為內蒙古最主要的糧食作物之一。

圖2 1981?2020年內蒙古自治區各類糧食作物種植面積及占比

2.1.2 糧食總產和單產

由圖3可知，1981-2020年內蒙古糧食總產量呈極顯著上升趨勢（R2=0.91，P<0.01），年平均增長速率為78.85×104t·a?1，2020年內蒙古糧食總產量為3664.10×104t，是1981年的7.18倍。1981-1997年全國糧食總產量亦呈極顯著上升趨勢（R2=0.90，P<0.01），1998-2003年呈極顯著下降趨勢（R2=0.87，P<0.01），2004-2020年極顯著上升（R2=0.94，P<0.01）。2020年全國糧食總產量較1981年上升105.98%，年均增長速率為861.18×104t·a?1。內蒙古糧食總產量占全國糧食總產量比重呈上升趨勢，由1981年的1.57%上升至2020年的5.47%。可見，內蒙古正逐漸成為中國北方重要的產糧大省。

圖3 1981?2020年內蒙古自治區糧食總產與同期全國統計數據變化比較

1981-2020年內蒙古及全國糧食單產均呈上升趨勢（圖4），年平均增長速率分別為100.97kg·hm?2·a?1和72.66kg·hm?2·a?1，內蒙古歷年糧食作物單產均低于全國平均水平。

2.2 內蒙古自治區農作物災情分析

2.2.1 災害面積

圖5表明，1981?2020年內蒙古農業氣象災害受災和成災面積均呈先上升后下降趨勢，其中1981?2001年受災和成災面積均呈極顯著增加趨勢。同期全國總體農業氣象災害受災和成災面積均呈先上升后下降趨勢，其中1981?2003年分別以639.99×103hm2·a?1（R2=0.52，P<0.01）和598.82× 103hm2·a?1（R2=0.63，P<0.01）的速率極顯著上升，2004?2020年均極顯著下降。

圖4 1981?2020年內蒙古自治區糧食單產與同期全國統計數據變化比較

2.2.2 災害強度

內蒙古1981-2018年總體災害強度指數變化及其M-K檢驗如圖6和圖7所示。由圖可見，內蒙古總體災害強度指數波動性強（圖6），且在1983年和2019年存在突變現象（圖7），平均災害強度指數為66.80%。

2.2.3 災害種類

1981?2020年內蒙古各農業氣象災害災種占總災害影響面積比例不同（圖8），各災種成災面積占比依次為干旱（64.10%）、洪澇（16.68%）、風雹（13.02%）和低溫（6.21%），受災面積占比依次為干旱（62.45%）、洪澇（18.46%）、風雹（13.27%）和低溫（5.82%）。可見，就災害影響面積而言干旱和洪澇是內蒙古主要農業氣象災害。

由表1可見，無論是受災率還是成災率，內蒙古低溫災害變異系數在各災種中均最大，其次是洪澇、風雹和干旱災害，表明在北方干旱半干旱地區低溫和洪澇災情波動最大。

圖5 1981?2020年內蒙古自治區（a）和同期全國（b）受災、成災面積

Fig. 5 Disaster covered and affected area of IMAR (a) with national statistical data (b) from 1981 to 2020

圖6 1981?2018年內蒙古農業氣象災害強度指數變化

圖7 1981?2020年內蒙古農業氣象總體災害強度指數M-K檢驗

圖8 1981?2020年內蒙古自治區各災種受災面積（a）和成災面積（b）

表1 1981?2020年內蒙古各農業氣象災害受災率、成災率變異系數

2.2.4 災害影響

由表2可知，不同作物農業氣象災害與糧食作物單產關聯度排序不盡相同。在受災率、成災率和絕收率水平上，糧食作物單產與4類農業氣象災害關聯度大小分別表現為干旱>風雹>洪澇>低溫，干旱>風雹>低溫>洪澇，及風雹>干旱>洪澇>低溫。可見，干旱、風雹農業氣象災害對內蒙古糧食作物單產影響較大。

表2 內蒙古糧食作物單產與農業氣象災害的灰色關聯度

注：Rc、Ra和Rd分別為受災率、成災率和絕收率(%)。

Note: Rcis disaster covered rate, Rais affected rate, and Rdisdisaster failure rate(%).

2.3 內蒙古自治區災情-糧食產量模型

2.3.1 模型構建

基于內蒙古1981-2020年歷年糧食單產選取3a滑動平均法模擬趨勢產量，計算期望產量及相應氣象減產量，將糧食氣象減產量與農業氣象災害受災率、成災率和絕收率進行多元線性回歸分析，建立災情-產量模型為，Yw=387.574Rc+934.407Ra+ 411.930Rd+228.393（R2=0.29**，P<0.01）。表明內蒙古農業氣象災害受災率、成災率和絕收率與氣象減產量呈顯著正相關關系，即受災率、成災率和絕收率越高糧食因災損失越大。

2.3.2 模型驗證

根據災情-糧食產量模型計算內蒙古歷年糧食因災減產量和相應年份糧食產量模擬值，并與實際產量值進行比較，由圖9、圖10可見，模擬產量與實際產量呈極顯著相關（R2=0.99，P<0.01），二者相對誤差在?12.99%～10.80%，平均相對誤差為0.20%。采用災情-產量模型預測翌年糧食產量，相對誤差為2.49%。說明本研究構建的災情-糧食產量模型模擬較為準確。

圖9 內蒙古糧食作物模擬單產和實際單產

圖10 1981?2020年內蒙古糧食單產模擬誤差

2.3.3 糧食因災損失率

1981-2020年內蒙古糧食平均因災損失率為14.79%，分別有68.42%、44.74%和21.05%的年份糧食單產因災損失率高于10%、15%和20%（圖11），表明農業氣象災害對該省糧食單產影響較大。圖11同時表明，1981-2020年內蒙古糧食因災損失率呈極顯著下降趨勢（R2=0.77，P<0.01），降幅為0.48個百分點·a?1。

圖11 1981?2020年內蒙古糧食因災損失率

3 結論與討論

3.1 討論

3.1.1 農業氣象災害對內蒙古糧食產量具有重大影響

氣候變化背景下不斷增加的干旱、洪澇、低溫和風雹等災害會造成糧食作物減產[14,32?33]。本研究發現，內蒙古干旱、洪澇等農業氣象災害占比較大，與中國農業氣象災害時空格局分布符合[34]，通過分析內蒙古糧食作物產量與農業氣象災害間的關系構建災情?產量模型，表明受災率、成災率和絕收率均對糧食作物氣象減產量產生影響，與東北等地區相關研究結果一致[15]，建立的內蒙古災情-產量模型擬合精度低于王健等[15]對于黑龍江、吉林和遼寧等省份的研究，而高于張軼等[16]建立的江蘇、上海、浙江和湖南等省份的模型模擬精度，這可能是由于各省復種指數、災情復雜情況等不同及各研究統計方式不同[16]導致的。模型的構建和糧食因災損失率的計算均證明農業氣象災害對內蒙古糧食產量具有重大影響。

3.1.2 模型不確定性解釋分析

受限于缺乏縣域及分作物農業氣象災害災情數據，本文基于省級統計數據開展研究。由于內蒙古東西跨度較大，實際農業氣象災害災情及不同作物主產區地域分布不均，不同作物單產存在差異且不同農業氣象災害對作物單產影響存在差異[6]等原因，基于糧食作物平均單產與農業氣象災害災情數據建立的災情-產量模型存在不確定性。農業氣象災害發生規律復雜、不確定性大，該模型預測未來糧食產量效果還需進一步驗證。

3.1.3 采取防災減災措施是內蒙古糧食持續增產重要途徑

1981-2020年內蒙古糧食產量呈上升趨勢，在2021年躍居全國第6大產糧省[1]，這一方面與內蒙古不斷增長的糧食作物種植面積有關[35]，另一方面也可能與種植結構調整[36]以及水、化肥和農藥等農業資源投入增加[37?38]等因素有關。內蒙古作為中國北方重要的生態屏障[4]，未來應繼續以開墾草地為耕地等方式擴大耕地面積且應減少化肥、農藥等使用，大部分區域位于干旱、半干旱地區[5]的內蒙古未來糧食增產受土地、水資源等諸多限制。1981-2020年內蒙古糧食因災損失率超10%的年份占總年份的68%以上，雖在采取防災減災措施的情況下內蒙古糧食因災損失率呈整體下降趨勢，進一步加強農業氣象災害防災減災技術措施，減少糧食因災損失，提高糧食產量是內蒙古保持糧食增產的重要途徑之一。

3.2 結論

1981-2020年內蒙古自治區糧食作物播種面積、總產和單產均呈總體上升趨勢，內蒙古及全國農業氣象災害受災面積和成災面積均呈先上升后下降趨勢。干旱是內蒙古最主要的農業氣象災害，占歷年各災種受災和成災面積的64.10%和62.45%。在受災率、成災率和絕收率水平上，糧食作物單產與各農業氣象災害關聯度排序分別為干旱>風雹>洪澇>低溫、干旱>風雹>低溫>洪澇和風雹>干旱>洪澇>低溫。農業氣象災害對內蒙古糧食產量影響較大，1981-2020年內蒙古糧食平均因災損失率為14.79%，有68.42%的年份糧食單產因災損失率高于10%。構建的內蒙古災情-糧食作物產量評估模型模擬準確率較高，模擬產量與實際產量呈極顯著相關（R2=0.99，P<0.01），且歷年模擬平均相對誤差為0.20%，可用于未來糧食產量預測。

[1] 國家統計局.國家統計局關于2021年糧食產量數據的公告[R].http://www.gov.cn/xinwen/2021-12/06/content_5656247. htm. 2021.

National Bureau of Statistics.Announcement of the National Bureau of Statistics on 2021 grain output data[R]. http://www.gov.cn/xinwen/2021-12/06/content_5656247.htm.2021.(in Chinese)

[2] 郭相平,余濤,吳夢洋,等.中國省區虛擬水流動及對農業用水的影響[J].排灌機械工程學報,2018,36(8):744-749.

Guo X P,Yu T,Wu M Y,et al.Virtual water flow and its impact on agricultural water utilization among provinces of China[J]. Journal of Drainage and Irrigation Machinery Engineering,2018, 36(8):744-749.(in Chinese)

[3] 王一杰,邸菲,辛嶺.我國糧食主產區糧食生產現狀、存在問題及政策建議[J].農業現代化研究,2018,39(1):37-47.

Wang Y J,Di F,Xin L.The status and problems of grain production in the main grain production areas of China and policy suggestions[J].Research of Agricultural Modernization, 2018,39(1):37-47.(in Chinese)

[4] 李玉紅.內蒙古糧食生產與生態安全屏障建設研究[J].生態經濟,2017,33(3):115-119.

Li Y H. On grain production and ecological security barrier construction in Inner Mongolia[J].Ecological Economy, 2017,33(3):115-119.(in Chinese)

[5] 李長生,李彰俊,楊文義,等.內蒙古農業氣象災害發生規律的探討[J].內蒙古氣象,2009(6):14-17.

Li C S, Li Z J,Yang W Y,et al.The development and defense response of agro-meteorological disaster in Inner Mongolia[J].Meteorology Journal of Inner Mongolia, 2009(6):14-17.(in Chinese)

[6] 王春乙,婁秀榮,王建林.中國農業氣象災害對作物產量的影響[J].自然災害學報,2007(5):37-43.

Wang C Y,Lou X R,Wang J L.Influence of agrometeorological disasters on output of crop in China[J]. Journal of Natural Disasters,2007(5):37-43.(in Chinese)

[7] 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(6):692-703.

Huo Z G,Li S K,Wang S Y,et al.Study on the risk evaluation technologies of main agrometeorological disasters and their application[J].Journal of Natural Resources,2003(6):692-703.(in Chinese)

[8] Xu X M,Tang Q H.Spatiotemporal variations in damages to cropland from agrometeorological disasters in mainland China during 1978-2018[J].Science of the Total Environment, 2021,785(2-4):147247.

[9] Shi W J,Wang M L,Liu Y T.Crop yield and production responses to climate disasters in China[J].Science of the Total Environment,2020,750:141147.

[10] IPCC.Climate change 2021:the physical science basis. Contribution of working group I to the Sixth Assessment Report of the IPCC[M].UK:Cambridge University Press, 2021.

[11] 趙其國,錢海燕.低碳經濟與農業發展思考[J].生態環境學報,2009,18(5):1609-1614.

Zhao Q G,Qian H Y.Low carbon economy and thinking of agricultural development[J].Ecology and Environmental Sciences,2009,18(5):1609-1614.(in Chinese)

[12] Li R P,Yu W Y,Feng R,et al.Identification and characteristics of combined agrometeorological disasters caused by low temperature in a rice growing region in Liaoning Province,China[J].Scientific Reports,2021,11: 9968.

[13] 劉玉汐,任景全,孫月,等.1971-2016年東北地區農業氣象災害損失變化特征及影響[J].干旱氣象,2020,38(4):647-654.

Liu Y X,Ren J Q,Sun Y,et al.Characteristics of loss caused by agrometeorological disaster and its impact from 1971 to 2016 in Northeast China[J].Journal of Arid Meteorology, 2020,38(4):647-654.(in Chinese)

[14] Liu Y,Liu B C,Yang X J,et al.Relationships between drought disasters and crop production during ENSO episodes across the North China Plain[J].Regional Environmental Change,2014,15(8):1689-1701.

[15] 王健,劉布春,劉園,等.基于農業災情的東北糧食產量估算模型及災損分析[J].中國農業氣象,2013,34(5):720-726.

Wang J,Liu B C,Liu Y,et al.Grain yield estimation models and loss analysis based on agro-meteorological disaster exposure in Northeast China[J].Chinese Journal of Agrometeorology,2013,34(5):720-726.(in Chinese)

[16] 張軼,劉布春,楊曉娟,等.基于農作物災情的長江中下游地區糧食產量損失評估[J].中國農業氣象,2018,39(4): 280-291

Zhang Y,Liu B C,Yang X J,et al.Grain yield loss evaluation based on agro-meteorological disaster exposure in the middle-lower Yangtze plain[J].Chinese Journal of Agrometeorology,2018,39(4):280-291.(in Chinese)

[17] 單琨,劉布春,劉園.基于自然災害系統理論的遼寧省玉米干旱風險分析[J].農業工程學報,2012,28(8):186-194.

Shan K,Liu B C,Liu Y.Analysis on drought risk of maize based on natural disaster system theory in Liaoning province[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(8):186-194.(in Chinese)

[18] Wang Y,Zhang Q,Wang S P,et al.Characteristics of agro-meteorological disasters and their risk in Gansu Province against the background of climate change[J]. Natural Hazards,2017,89:899-921.

[19] 張雪芬,余衛東,王春乙.基于作物模型災損識別的黃淮區域冬小麥晚霜凍風險評估[J].高原氣象,2012,31(1): 277-284.

Zhang X F,Yu W D,Wang C Y.Risk evaluation for spring frost disaster of winter wheat in Yellow Huang-Huai River regions based on crop model[J].Plateau Meteorology, 2012,31(1):277-284.(in Chinese)

[20] 李秀芬,馬樹慶,趙慧穎,等.基于WOFOST模型的內蒙古河套灌區玉米低溫冷害評價[J].中國農業氣象,2016, 37(3):352-360.

Li X F,Ma S Q,Zhao H Y,et al.Evaluation on maize chilling injury based on WOFOST Model in Hetao Irrigation region in Inner Mongolia[J].Chinese Journal of Agrometeorology,2016,37(3):352-360.(in Chinese)

[21] Wang Y X,Lv J,Wang Y C,et al.Drought risk assessment of spring maize based on APSIM crop model in Liaoning province,China[J].International Journal of Disaster Risk Reduction,2020,45:101483.

[22] 高姣姣,徐剛.重慶市氣象災害與農作物單產的灰色關聯度分析[J].西南大學學報(自然科學版),2016,38(2):32-36.

Gao J J,Xu G.Gray correlation analysis of meteorological disasters and crop yield in Chongqing[J].Journal of Southwest University(Natural Science Edition),2016,38(2): 32-36.(in Chinese)

[23] 王紅霞,柳小妮,郭婧,等.AMMRR插值法的改進及其在內蒙古草地綜合順序分類中的應用[J].中國生態農業學報,2013,21(7):904-912.

Wang H X,Liu X N,Guo J,et al.Improvement of AMMRR interpolation and application in CSCS classification of Inner Mongolia grassland[J].Chinese Journal of Eco- Agriculture,2013,21(7):904-912.(in Chinese)

[24] 滑永春,薩如拉,王冰.內蒙古草原NPP時空變化及驅動力[J].中國沙漠,2021,41(5):130-139.

Hua Y C,Sa R L,Wang B.Spatial and temporal variation of grassland NPP and its driving forces in Inner Mongolia[J].Journal of Desert Research,2021,41(5):130- 139.(in Chinese)

[25] 樂榮武,張娜,王晶杰,等.2000-2019年內蒙古草地地上生物量的時空變化特征[J].中國科學院大學學報,2022, 39(1):21-33.

Le R W,Zhang N,Wang J J,et al.Spatiotemporal variation of grassland aboveground biomass in Inner Mongolia from 2000 to 2019[J].Journal of University of Chinese Academy of Sciences,2022,39(1):21-33.(in Chinese)

[26] 徐磊,張峭.中國農業巨災風險評估方法研究[J].中國農業科學,2011,44(9):1945-1952.

Xu L,Zhang Q.Assessment approach for agricultural catastrophic risk in China[J].Scientia Agricultura Sinica, 2011,44(9):1945-1952.(in Chinese)

[27] 趙映慧,郭晶鵬,毛克彪,等.1949-2015年中國典型自然災害及糧食災損特征[J].地理學報,2017,72(7):1261-1276.

Zhao Y H,Guo J P,Mao K B.Spatio-temporal distribution of typical natural disasters and grain disaster losses in China from 1949 to 2015[J].Acta Geographica Sinica, 2017,72(7):1261-1276.(in Chinese)

[28] 丁一匯,張莉.青藏高原與中國其他地區氣候突變時間的比較[J].大氣科學,2008(4):794-805.

Ding Y H,Zhang L.Intercomparison of the time for climate abrupt change between the Tibetan Plateau and other regions in China[J].Chinese Journal of Atmospheric Sciences, 2008(4):794-805.Chinese)

[29] 符淙斌,王強.氣候突變的定義和檢測方法[J].大氣科學,1992(4):482-493.

Fu C B,Wang Q.The definition and detection of the abrupt climate change[J].Chinese Journal of Atmospheric Sciences,1992(4):482-493.(in Chinese)

[30] 譚學瑞,鄧聚龍.灰色關聯分析:多因素統計分析新方法[J].統計研究,1995(3):46-48.

Tan X R,Deng J L.Grey correlation analysis: a new method for multivariate statistical analysis[J].Statistical Research, 1995(3):46-48.(in Chinese)

[31] 鮑新中,武鵬,周雨.基于聚類-灰色關聯分析的財務預警指標篩選研究[J].中國注冊會計師,2012(7):72-78.

Bao X Z,Wu P,Zhou Y.Research on financial early- warning index screening based on clustering-grey correlation analysis[J].Chinese Certified Public Accountant, 2012(7): 72-78.(in Chinese)

[32] Tao F L,Zhang S,Zhang Z.Changes in rice disasters across China in recent decades and the meteorological and agronomic causes[J].Regional Environmental Change,2013 (13):743-759.

[33] Zhai R,Tao F L,Lall U,et al.Larger drought and flood hazards and adverse impacts on population and economic productivity under 2.0 than 1.5°C warming[J].Earth's Future,2020, 8(7):1-17.

[34] 桑婧,郝璐.近30年中國主要農業氣象災害典型場時空格局分異特征[J].中國生態農業學報,2018,26(9):1302-1314.

Sang J,Hao L.Spatio-temporal patterns of typical agro- meteorological disasters in China in the past 30 years[J].Chinese Journal of Eco-Agriculture,2018,26(9): 1302-1314.(in Chinese)

[35] 孫通,封志明,楊艷昭.2003-2013年中國縣域單元糧食增產格局及貢獻因素研究[J].自然資源學報,2017,32(2): 177-185.

Sun T,Feng Z M,Yang Y Z.Study on spatiotemporal patterns and contribution factors of China’s grain output increase at the county level during 2003-2013[J].Journal of Natural Resources,2017,32(2):177-185.(in Chinese)

[36] 王軍,張越杰.中國糧食增產的主要因素貢獻分解與實證估算[J].統計與決策,2020,36(1):44-48.

Wang J,Zhang Y J.Decomposition and empirical estimation of main factors contributing to grain yield Increase in China[J].Statistics and Decision,2020,36(1): 44-48.(in Chinese)

[37] 苗珊珊.糧食生產核心區糧食產量“十連增”是否具有可持續性:基于河南省糧食種植結構調整的視角[J].農林經濟管理學報,2015,14(6):567-576.

Miao S S.Sustainability of “Ten Consecutive Increase” in core grain production area based on the perspective of grain planting structure adjustment[J].Journal of Agro- Forestry Economics and Management,2015,14(6): 567-576. (in Chinese)

[38] 陶江,楊德剛.50年來新疆糧食增產因素的主成分分析[J].干旱區地理,2004(1):95-99.

Tao J,Yang D G.Analysis on factors of Xinjiang grain increase production in recent 50 years with principal components method[J].Arid Land Geography,2004(1): 95-99. (in Chinese)

Assessment Regional Grain Yield Loss- Formulation of Agrometeorological Disaster-Yield Model of Inner Mongolia Autonomous Region

ZHU Yong-chang1,2, LIU Bu-chun1, LIU Yuan1, SHIRAZI Zeeshan-Sana1

(1．Institute of Environment and Sustainable Development in Agriculture, CAAS/National Engineering Laboratory of Efficient Crop Water Use and Disaster Reduction/Key Laboratory of Agricultural Environment, Ministry of Agriculture and Rural Affairs, Beijing 100081,China; 2．CMA Institute for Development and Programmer Design, Beijing 100081)

The aim of this paper is to assess the loss of grain production caused by agrometeorological disasters in the Inner Mongolia Autonomous Region (IMAR), which is an important grain production base of China. The disaster-yield assessment model was formed and verified using grain production, yield, planting area and agrometeorological disaster conditions data of the IMAR from 1981 to 2020, and the loss of grain yield caused by meteorological disasters was assessed by this model. The results showed that grain production, yield and planting area observed an escalating trend from 1981 to 2020, and the rate of increase was 78.85×104t·y?1, 100.97kg·ha?1·y?1and 74.48×103ha?1·y?1. The covered and affected area of agrometeorological disasters for the IMAR and National both increased and then decreased during the 1981-2020 period. Drought was the most important agrometeorological disaster in the IMAR, and the covered and affected area was 64.10% and 62.45%, respectively, accounting the total covered and affected area of all kinds of disasters in 1981?2020. The grey correlation analysis showed that drought had the highest correlation with grain yield at the level of disaster covered and affected rate, and hail had the highest correlation with grain yield at the level of disaster destory rate. The disaster-yield assessment model constructed by this study was of high simulation accuracy, and the linear regression coefficients (R2) and the slop between the simulated and measured grain yield was 0.99 and 0.98, respectively (P < 0.01). The average relative simulation yield was 0.20% and relative simulation error of the following year grain yield was 2.49%. Grain yield loss rate due to disaster in the IMAR decreased (R2=0.77，P<0.01) from 1981 to 2020 with a rate of 0.48 percentage points·y?1, and average grain yield loss rate was 14.79% and there were 68.42% of years which grain yield loss rate above 10%. The disaster-yield assessment model of the IMAR formulated in this study can simulate and predict grain yield, and assess the loss of grain yield due to disasters, which can meet the needs of agrometeorological services.

Food security;Agrometeorological disasters;Condition of disaster;Disaster-yield loss model

10.3969/j.issn.1000-6362.2023.01.004

朱永昶,劉布春,劉園,等.區域糧食產量因災損失評估之內蒙古自治區災情-產量模型構建[J].中國農業氣象2023,44(1):36-46

2022?01?15

中國農業科學院科技創新工程協同創新任務（CAAS-XTCX2018023）；中國農業科學院科技創新工程（CAAS-ASTIP-2014-IEDA）

劉布春，研究員，主要從事農業減災研究，E-mail: liubuchun@caas.cn

朱永昶，E-mail: zhuyongchangcma@126.com