錢永蘭，毛留喜，周廣勝（.國家氣象中心，北京0008；.中國氣象科學(xué)研究院，北京0008）

?

全球主要糧食作物產(chǎn)量變化及其氣象災(zāi)害風(fēng)險評估

錢永蘭1，毛留喜1，周廣勝2
（1.國家氣象中心，北京100081；2.中國氣象科學(xué)研究院，北京100081）

摘要：隨著糧食全球化趨勢和中國糧食安全戰(zhàn)略調(diào)整，準確了解中國和國外主要糧食作物生產(chǎn)狀況、產(chǎn)量變化及其氣象災(zāi)害風(fēng)險水平，對于氣候變化背景下保障中國糧食安全和國家“農(nóng)業(yè)走出去”戰(zhàn)略實施具有重要意義。該文以全球主要糧食生產(chǎn)國糧食產(chǎn)量資料為基本資料，通過作物氣象產(chǎn)量分離對全球主要糧食作物的產(chǎn)量變化進行了研究；用新構(gòu)建的減產(chǎn)概率系數(shù)pc和平均減產(chǎn)率d、減產(chǎn)率變異系數(shù)v定義了綜合氣象災(zāi)害風(fēng)險指數(shù)Pw，根據(jù)Pw≤2.0、2.0＜Pw≤4.0和Pw＞4.0將全球糧食主產(chǎn)區(qū)劃分為氣象災(zāi)害低風(fēng)險區(qū)、中風(fēng)險區(qū)和高風(fēng)險區(qū)。研究結(jié)果顯示，法國、德國和中國的小麥、美國、巴西、阿根廷的玉米和大豆、中國和越南的水稻產(chǎn)量水平在近50多年提升迅速，但區(qū)域差異明顯。加拿大和澳大利亞小麥、美國玉米、巴西和阿根廷大豆的Pw超過4.0，為氣象災(zāi)害高風(fēng)險區(qū)；俄羅斯和中國小麥、巴西和阿根廷玉米、美國和中國大豆、印度水稻的Pw介于2.0和4.0，為中風(fēng)險區(qū)；美國、德國、法國和印度小麥、中國玉米、中國、越南和泰國水稻的Pw小于2.0，為低風(fēng)險區(qū)。文中方法能夠直觀評估全球糧食產(chǎn)區(qū)糧食生產(chǎn)水平和綜合氣象災(zāi)害風(fēng)險，對宏觀了解和認識國內(nèi)外糧食生產(chǎn)狀況具有借鑒意義。

關(guān)鍵詞：糧食；作物；風(fēng)險評估；全球；產(chǎn)量；產(chǎn)量變化；氣象災(zāi)害

錢永蘭，毛留喜，周廣勝.全球主要糧食作物產(chǎn)量變化及其氣象災(zāi)害風(fēng)險評估[J].農(nóng)業(yè)工程學(xué)報，2016，32（01）：226-235.doi：10.11975/j.issn.1002-6819.2016.01.032 http://www.tcsae.org

Qian Yonglan, Mao Liuxi, Zhou Guangsheng.Changes in global main crop yields and its meteorological risk assessment [J].Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE）, 2016, 32（01）: 226-235.（in Chinese with English abstract）doi：10.11975/j.issn.1002-6819.2016.01.032 http://www.tcsae.org

1采用聯(lián)合國糧食及農(nóng)業(yè)組織的“糧食”概念，即谷物，包括麥類、豆類、粗糧類和稻谷類等。

0　引言

2012年聯(lián)合國糧食與農(nóng)業(yè)組織（Food and Agriculture Organization of the United Nations，簡稱FAO）啟動了“戰(zhàn)略思考進程”，對全球糧食發(fā)展趨勢與挑戰(zhàn)進行了分析，并提出了未來全球糧食與農(nóng)業(yè)的11大發(fā)展趨勢，其中包括全球糧食需求不斷增加、糧價上漲且高位波動、糧食生產(chǎn)全球化、氣候變化對農(nóng)業(yè)的影響越來越大、自然和人為災(zāi)害及危機將導(dǎo)致脆弱性不斷加劇等[1]。中國農(nóng)業(yè)也由此面臨新的機遇與挑戰(zhàn)[2-4]，中國政府的糧食安全戰(zhàn)略也由“糧食基本自給”調(diào)整為“谷物基本自給”，于2014年提出“以我為主、立足國內(nèi)、確保產(chǎn)能、適度進口、科技支撐”的糧食安全新戰(zhàn)略，并要求“提高統(tǒng)籌利用國際國內(nèi)兩個市場兩種資源的能力”[5]。

基于糧食全球化趨勢和中國糧食安全戰(zhàn)略調(diào)整的現(xiàn)實，準確了解中國和國外主要糧食作物生產(chǎn)狀況、產(chǎn)量變化及其氣象災(zāi)害風(fēng)險水平，對于氣候變化背景下保障中國糧食安全和國家“農(nóng)業(yè)走出去”戰(zhàn)略實施具有十分重要的意義。本文選擇關(guān)系國計民生的小麥、玉米、大豆、水稻四大糧食作物1為研究對象，選取上述四大糧食作物產(chǎn)量和出口量均具世界前列、對中國進口貿(mào)易具有可能影響的國家為研究區(qū)域，研究其近50a多以來糧食作物產(chǎn)量的變化及其氣象災(zāi)害風(fēng)險水平，為新形勢下的中國防災(zāi)減災(zāi)和政府決策提供科學(xué)依據(jù)和參考信息。

作物產(chǎn)量的變化可主要分解為兩個方面[6-19]（詳見下文公式1），一個是由社會技術(shù)水平?jīng)Q定的趨勢產(chǎn)量，另一個是由氣象要素影響的氣象產(chǎn)量。農(nóng)作物的氣象災(zāi)害風(fēng)險可通過對其受災(zāi)數(shù)據(jù)的直接評估得到[20-21]。在沒有具體災(zāi)情數(shù)據(jù)可供參照的情況下，農(nóng)作物氣象產(chǎn)量的波動可以反映一個地區(qū)糧食生產(chǎn)的氣象災(zāi)害風(fēng)險水平，因此可使用概率統(tǒng)計的方法基于這種“表象”數(shù)據(jù)進行氣象災(zāi)害風(fēng)險評估[22]。鄧國等[23-26]將風(fēng)險分析理論引入糧食生產(chǎn)風(fēng)險評估，通過相對氣象產(chǎn)量的解析密度曲線估計某一地區(qū)糧食生產(chǎn)的風(fēng)險水平，并進一步結(jié)合平均減產(chǎn)率、減產(chǎn)變異系數(shù)等指標進行中國省級糧食單產(chǎn)風(fēng)險區(qū)劃。研究已表明，“風(fēng)險”是由{＜概率，損失＞}所組成的事件空間[27-28]，因此氣象災(zāi)害風(fēng)險的大小由氣象災(zāi)害損失和其發(fā)生的概率決定，這是本文進行風(fēng)險評估的理論根據(jù)和基礎(chǔ)。

1　研究資料

本文所用數(shù)據(jù)均來自聯(lián)合國糧食與農(nóng)業(yè)組織（簡稱糧農(nóng)組織或FAO）的統(tǒng)計數(shù)據(jù)庫，該數(shù)據(jù)庫資料以官方數(shù)據(jù)為主，部分資料為半官方或由FAO系統(tǒng)對多源數(shù)據(jù)進行融合計算得出，具有較強的可信度和可對比性。其中，糧食產(chǎn)量資料序列自1961年至2013年，糧食進出口資料序列自1961年至2011年；俄羅斯和烏克蘭糧食產(chǎn)量和出口量序列均從1992年開始。

2　研究區(qū)域和研究對象

為最大限度地反映當前全球糧食生產(chǎn)和貿(mào)易狀況，糧食產(chǎn)量和出口量均采用近5年平均值。通過對全球各國小麥、玉米、大豆、水稻4種作物的年產(chǎn)量（2009-2013年平均值）和出口量（2007-2011年平均值）進行排序，結(jié)合其當前和未來對中國進口的可能影響分析，最后確定作物年產(chǎn)量超過2000萬t、出口量全球占比超過5%的國家為研究區(qū)域2僅印度小麥出口量不足5%，由于產(chǎn)量居世界第二，文中也作為研究區(qū)域之一。，文中稱為糧食主產(chǎn)國（見表1）。中國是糧食生產(chǎn)大國，但不是出口大國，為描述中國在世界糧食生產(chǎn)中的地位并便于對比，將中國的小麥、玉米、水稻和大豆數(shù)據(jù)一并列出并進行分析。

研究區(qū)域中小麥主產(chǎn)國共8個，依次分別是中國、印度、美國、俄羅斯、法國、加拿大、澳大利亞和德國；玉米主產(chǎn)國有4個：美國、中國、巴西和阿根廷；大豆主產(chǎn)國有4個：美國、巴西、阿根廷、中國；水稻主產(chǎn)國有4個：中國、印度、越南和泰國。

表1　全球糧食主產(chǎn)國主要糧食作物產(chǎn)量及出口量占全球比重Table 1 Crop production and export quantity and percentage in the world of main producing countries

3　研究方法

3.1作物氣象產(chǎn)量分離

作物氣象產(chǎn)量分離是目前研究氣象因子與作物產(chǎn)量之間的關(guān)系最常用的方法。由于長時間序列的作物產(chǎn)量變化不僅與氣象因子有關(guān)，也與科技進步、物質(zhì)投入、環(huán)境、政策等有密切關(guān)系，其中科技進步水平對糧食單產(chǎn)的影響力最大，因此一般將作物產(chǎn)量分解為趨勢產(chǎn)量、氣象產(chǎn)量和隨機誤差3部分[6-19，23]（見公式1）。趨勢產(chǎn)量可看作是反映某一歷史時期某一生產(chǎn)區(qū)域生產(chǎn)力發(fā)展水平的長周期產(chǎn)量分量，氣象產(chǎn)量是以氣象要素為主的短周期變化因子影響的產(chǎn)量分量。

式中Y為實際產(chǎn)量，t；Yt為趨勢產(chǎn)量，t；Yw為氣象產(chǎn)量，t；ε為其它隨機產(chǎn)量，t，又被稱為“隨機噪聲”，可忽略不計。因此，一般研究中將實際作物產(chǎn)量直接分解為趨勢產(chǎn)量和氣象產(chǎn)量。即：

由公式（2）得到氣象產(chǎn)量，即：

由氣象產(chǎn)量和趨勢產(chǎn)量的比值可得到相對氣象產(chǎn)量，見公式（4）。相對氣象產(chǎn)量表明糧食波動的幅度，不受時間和地域的限制，具有可比性，因此能較好地反映氣象因子對產(chǎn)量的影響。

式中Yr為相對氣象產(chǎn)量，%。

當實際產(chǎn)量低于趨勢產(chǎn)量時，相對氣象產(chǎn)量為負值，稱為減產(chǎn)率；反之，當實際產(chǎn)量高于趨勢產(chǎn)量時，相對氣象產(chǎn)量為正值，稱為增產(chǎn)率。

3.2作物氣象災(zāi)害風(fēng)險評估指標

氣象災(zāi)害風(fēng)險的大小由氣象災(zāi)害損失和其發(fā)生的概率決定，氣象災(zāi)害損失可由減產(chǎn)率直接反映，減產(chǎn)率大則氣象災(zāi)害的影響大；而一個地區(qū)的作物受氣象災(zāi)害影響的大小還與受災(zāi)的頻率、災(zāi)害強度的波動性有較大關(guān)系。因此構(gòu)建一個地區(qū)的作物氣象災(zāi)害風(fēng)險指標需要從以上3個方面來考慮。

3.2.1平均減產(chǎn)率

對某一相對氣象產(chǎn)量序列{xi}，若xi＜0，其對應(yīng)的年份定義為減產(chǎn)年，平均減產(chǎn)率為d，則：

式中n是xi＜0的{xi}全部樣本數(shù)。

平均減產(chǎn)率可以反映多年糧食產(chǎn)量的平均減產(chǎn)水平。平均減產(chǎn)率大，說明一個地區(qū)氣象災(zāi)害對產(chǎn)量的影響程度大，相應(yīng)地，氣象災(zāi)害的風(fēng)險就大。

3.2.2減產(chǎn)率變異系數(shù)

對于同樣大小的平均減產(chǎn)率，年際間減產(chǎn)率差別大和小，其氣象災(zāi)害的風(fēng)險不同，波動性大，氣象災(zāi)害的風(fēng)險越大。減產(chǎn)年減產(chǎn)率的波動性，稱為減產(chǎn)率變異系數(shù)，見公式（6）。

式中v表示減產(chǎn)率變異系數(shù)；xi為減產(chǎn)率；n為對應(yīng)xi的所有減產(chǎn)年；d為平均減產(chǎn)率。

減產(chǎn)率變異系數(shù)可以描述減產(chǎn)率的年際波動大小，絕對值越大，則說明減產(chǎn)率的波動性越大，氣象災(zāi)害對糧食產(chǎn)量影響的穩(wěn)定性越差，相應(yīng)地，面臨的氣象災(zāi)害的風(fēng)險越大。

3.2.3減產(chǎn)風(fēng)險概率

小幅減產(chǎn)的概率大還是大幅減產(chǎn)概率大，所面臨的氣象災(zāi)害明顯不同。因此，確定不同減產(chǎn)幅度區(qū)間的概率大小對于評估氣象災(zāi)害風(fēng)險具有重要意義。

由于每年的氣象條件、農(nóng)業(yè)生產(chǎn)措施等不同造成糧食產(chǎn)量的不確定性，使得在相當長的一段時間內(nèi)的相對氣象產(chǎn)量序列具有隨機連續(xù)變量序列的特點，相關(guān)研究也表明氣象產(chǎn)量一般服從正態(tài)分布[24]。通過對文中研究對象所有樣本進行正態(tài)性檢驗，證明研究中所涉及的各國糧食相對氣象產(chǎn)量序列均具有正態(tài)性分布的特點。因此，可以根據(jù)相對氣象產(chǎn)量序列{X}的樣本平均值μ和樣本標準差σ來建立概率密度函數(shù)，見公式（7）：

然后，可以根據(jù)分布函數(shù)曲線計算糧食產(chǎn)量在不同增產(chǎn)率和減產(chǎn)率區(qū)間出現(xiàn)的概率，見公式（8）。

式中x為相對氣象產(chǎn)量，%；p為特定的增減產(chǎn)率，%。也即，通過公式（9）可以求出某一增減產(chǎn)區(qū)間（x1，x2]的概率。

文中對全球重點產(chǎn)糧區(qū)不同作物的減產(chǎn)概率進行了分段計算。不同減產(chǎn)水平的概率大小就可以反映糧食減產(chǎn)的風(fēng)險大小。

但是，上述方法并不能直觀評價一個地區(qū)糧食減產(chǎn)的概率大小，因此本文構(gòu)建了一個針對區(qū)域單元減產(chǎn)概率大小的減產(chǎn)概率系數(shù)。將減產(chǎn)率區(qū)間劃分為不同的子區(qū)間［x1，0）,［x2，x1）…［-1，xn-1），其中0＞x1＞x2＞…＞xn-1＞-1，分別對應(yīng)不同的減產(chǎn)水平，將上述區(qū)間對應(yīng)的減產(chǎn)概率分別記為p1，p2，…，pn，則可以構(gòu)造一個減產(chǎn)概率系數(shù)：

式中an為對應(yīng)減產(chǎn)區(qū)間［xn，xn+1）的權(quán)重值；C為常數(shù)，是pc對應(yīng)的理論最大值，即最右區(qū)間（減產(chǎn)最大區(qū)間）概率為50%（作物減產(chǎn)概率最大約為50%，減產(chǎn)概率全部落在最大減產(chǎn)區(qū)間即對應(yīng)pc的理論最大值），而其余區(qū)間概率為0對應(yīng)的pc值。如果權(quán)重值取自然數(shù)1，2，3，…，n，則：

本研究將減產(chǎn)率區(qū)間設(shè)為6個區(qū)間，分別為［-3%，0）、［-5%，-3%）、［-7%，-5%）、［-10%，-7%）、［-15%，-10%）、［-50%，-15%），由于減產(chǎn)幅度越大，則氣象災(zāi)害風(fēng)險越高，因此將各區(qū)間權(quán)重值依次升高，分別設(shè)為1、2、3、4、5、6，則常數(shù)C=3。

3.3氣象災(zāi)害風(fēng)險指數(shù)和風(fēng)險分區(qū)

根據(jù)公式5、6、10構(gòu)建的3個糧食作物產(chǎn)量氣象災(zāi)害風(fēng)險指標平均減產(chǎn)率d、減產(chǎn)率變異系數(shù)v、減產(chǎn)概率系數(shù)pc，構(gòu)建不同地區(qū)不同作物產(chǎn)量的綜合氣象災(zāi)害風(fēng)險評估指標Pw，稱為綜合氣象災(zāi)害風(fēng)險指數(shù)。

Pw值越大，則糧食生產(chǎn)風(fēng)險越大。Pw值的對比不受地區(qū)和作物的限制。

根據(jù)綜合氣象災(zāi)害風(fēng)險指數(shù)的大小，將全球糧食主產(chǎn)區(qū)分為3個等級：低風(fēng)險區(qū)（Pw≤2.0）、中風(fēng)險區(qū)（2.0＜Pw≤4.0）、高風(fēng)險區(qū)（Pw＞4.0）。

4　全球主要糧食作物產(chǎn)量變化及其氣象災(zāi)害風(fēng)險評估

4.1全球主要糧食作物產(chǎn)量變化

主要分析全球糧食主產(chǎn)國主要糧食作物產(chǎn)量水平的變化和產(chǎn)量的波動性。產(chǎn)量水平的變化主要看趨勢產(chǎn)量，產(chǎn)量的波動性主要看相對氣象產(chǎn)量的變化。

4.1.1小麥

全球小麥主產(chǎn)國主要分布在北美、歐洲、東亞、南亞和澳大利亞，各個地區(qū)的小麥產(chǎn)量水平存在較大差異（見圖1）。

西歐的小麥產(chǎn)量水平最高，德國、法國小麥目前趨勢產(chǎn)量4參照近5年平均值，精確至100 kg/hm2分別為7 500、6 800 kg/hm2，較1960年代提高了2倍左右。近年西歐小麥單產(chǎn)呈下降趨勢，法國2000年至2007年小麥單產(chǎn)均超過7 000 kg/hm2，2008年以后逐年下降，單產(chǎn)從2007年的7 025 kg/hm2下降至2013年的6 588 kg/hm2；德國2005年至2010年，小麥單產(chǎn)均超過7 500 kg/ hm2，2011年以后逐年下降，2013年已下降至7 388 kg/hm2。趨勢產(chǎn)量的變化見圖1。

圖1　世界小麥主產(chǎn)國小麥趨勢產(chǎn)量變化（1961-2013年）Fig.1 Global wheat trend yield change of main producing countries

中國和印度的小麥趨勢產(chǎn)量變化趨勢較為接近，呈現(xiàn)逐年上升趨勢，且中國的上升趨勢快于印度。中國小麥單產(chǎn)的起點最低，20世紀60年代初的趨勢產(chǎn)量約600 kg/hm2，2013年已上升至4 800 kg/hm2，目前產(chǎn)量水平僅次于西歐。印度小麥趨勢產(chǎn)量由20世紀60年代初的800 kg/hm2，上升至2013年的近3 000 kg/hm2。

美國、加拿大的小麥趨勢產(chǎn)量增長幅度不大。美國20世紀60年代初的小麥趨勢產(chǎn)量為1 600 kg/hm2，2013年為3000kg/hm2；加拿大20世紀60年初為1300 kg/hm2，2013年為3 000 kg/hm2。

澳大利亞小麥的產(chǎn)量水平提升緩慢，20世紀60年初的小麥產(chǎn)量為1 100 kg/hm2，2013年為1 700 kg/hm2。

全球各地小麥的產(chǎn)量波動性也存在明顯差異（見圖2）。加拿大、澳大利亞、俄羅斯小麥的相對氣象產(chǎn)量波動較為劇烈，且澳大利亞小麥相對氣象產(chǎn)量在-30%～-50%的頻率較高，是世界小麥生產(chǎn)最不穩(wěn)定的地區(qū)。相比而言，印度、美國、法國和德國小麥的相對氣象產(chǎn)量波動性較小。中國20世紀90年代以來，小麥的相對氣象產(chǎn)量波動較小，20世紀60年代中后期至20世紀80年代呈現(xiàn)長期的負向波動，20世紀80年代至20世紀90年代呈現(xiàn)較長時間的正向波動。

圖2　全球小麥主產(chǎn)國小麥相對氣象產(chǎn)量序列（1961-2013年）Fig.2 Long time sequence of global wheat relative meteorological yield of main producing countries

4.1.2玉米

全球玉米主產(chǎn)國主要分布在南北美洲的美國、巴西、阿根廷和亞洲的中國，各個地區(qū)的產(chǎn)量水平也存在較大差異，但全球玉米產(chǎn)量水平呈現(xiàn)明顯快速增長態(tài)勢（見圖3）。

圖3　世界玉米主產(chǎn)國玉米趨勢產(chǎn)量變化（1961-2013年）Fig.3 Global corn trend yield change of main producing countries

美國是全球玉米產(chǎn)量水平最高的地區(qū)，玉米趨勢產(chǎn)量自20世紀60年代初的4 000 kg/hm2打到2013年的9 500 kg/hm2，在高起點的基礎(chǔ)上翻了一番。南美地區(qū)玉米產(chǎn)量增長也很迅速，阿根廷從20世紀60年代初的1 900 kg/hm2增加到2013年的6 800 kg/hm2，增長2.5倍；巴西從20世紀60年代初的1 400 kg/hm2，增加到2013年的4 400 kg/hm2，增長2.0倍；但阿根廷玉米產(chǎn)量水平明顯高于巴西。中國玉米趨勢產(chǎn)量從20世紀60年代初的1 200 kg/hm2增加到2013年的5 600 kg/hm2，增長3.5倍。

全球各地玉米的相對氣象產(chǎn)量波動較大（見圖4）。阿根廷的相對氣象產(chǎn)量波動最劇烈，美國的相對氣象產(chǎn)量可達-25%，巴西超出-10%的頻率也較高，中國玉米的相對氣象產(chǎn)量變化相對較小，一般在正負10%以內(nèi)振蕩。

4.1.3大豆

全球大豆主產(chǎn)國和玉米主產(chǎn)國一致，美洲大豆的產(chǎn)量水平較為接近，中國大豆的產(chǎn)量水平低于美洲（見圖5）。

圖4　全球玉米主產(chǎn)國玉米相對氣象產(chǎn)量序列（1961-2013年）Fig.4 Long time sequence of global corn relative meteorological yield of main producing countries

圖5　世界大豆主產(chǎn)國大豆趨勢產(chǎn)量變化（1961-2013年）Fig.5 Long time sequence of global soybean trend yield change of main producing countries

美國大豆趨勢產(chǎn)量增長平穩(wěn)，20世紀60年代初美國大豆單產(chǎn)約1 600 kg/hm2，2013年已達2 900 kg/hm2。巴西大豆產(chǎn)量增長迅速，20世紀60年代初僅1 000 kg/ hm2，2013年已與美國大豆產(chǎn)量并駕齊驅(qū)。阿根廷大豆自20世紀60年代中期至2000年前后一直高于巴西，21世紀00年代中期開始巴西大豆產(chǎn)量穩(wěn)定超過阿根廷，目前單產(chǎn)水平已相差300 kg/hm2，當前巴西、阿根廷大豆產(chǎn)量水平分別為2 900、2 600 kg/hm2。中國大豆產(chǎn)量水平較低，且增長緩慢，20世紀60年代大豆單產(chǎn)約700 kg/hm2，2013年為1 700 kg/hm2。

全球各地大豆的相對氣象產(chǎn)量均呈現(xiàn)較大的波動性（見圖6）。其中，阿根廷大豆的氣象產(chǎn)量波動較大，最大減產(chǎn)幅度接近30%且波動頻繁；其次是巴西；美國和中國大豆歷史最大減幅均不到20%，氣象產(chǎn)量的波動也相對較小。

圖6　全球大豆主產(chǎn)國大豆相對氣象產(chǎn)量序列（1961-2013年）Fig.6 Long time sequence of global soybean relative meteorological yield of main producing countries

4.1.4水稻

全球水稻主產(chǎn)國主要在亞洲，東亞中國、南亞印度和東南亞的越南、泰國（見圖7）。

中國水稻產(chǎn)量高且增長快，近年呈現(xiàn)緩慢下降態(tài)勢。20世紀60年代初，中國水稻單產(chǎn)約2 300 kg/hm2，2013年已達6 500 kg/hm2，增長近2倍。越南水稻產(chǎn)量增長迅猛，從20世紀60年代的1 900 kg/hm2增長至2013年的5 500 kg/hm2。印度和泰國水稻產(chǎn)量增長較為緩慢，分別從20世紀60年代的1 400、1 800 kg/hm2增長至2013年的3 400、3 000 kg/hm2，且泰國水稻近年產(chǎn)量呈現(xiàn)下降趨勢。

圖7　世界水稻主產(chǎn)國水稻趨勢產(chǎn)量變化（1961-2013年）Fig.7 Global rice trend yield change of main producing countries

世界水稻的相對氣象產(chǎn)量波動總體小于其它作物,一般在正負10%以內(nèi)波動（見圖8）。印度水稻的氣象產(chǎn)量波動相對較大，中國和泰國的總體平穩(wěn)，越南在20世紀90年代以前波動較大，之后的相對氣象產(chǎn)量非常穩(wěn)定。

圖8　全球水稻主產(chǎn)國水稻相對氣象產(chǎn)量序列（1961-2013年）Fig.8 Long time sequence of global rice relative meteorological yield of main producing countries

4.2全球主要糧食作物氣象災(zāi)害風(fēng)險狀況

4.2.1平均減產(chǎn)率

小麥：澳大利亞的平均減產(chǎn)率最高，其次是加拿大，其平均減產(chǎn)率均低于-10%。法國、中國、德國和美國的平均減產(chǎn)率居于中等水平，保持在-10%～5%。印度小麥平均減產(chǎn)率較低，在-5%以內(nèi)（見表2）。

表2　世界糧食主產(chǎn)國糧食平均減產(chǎn)率Tab.2 Crop yield reduction rates of main producing countries（%）

玉米：從表2可以看出，阿根廷和美國的平均減產(chǎn)率較高，巴西其次，中國玉米的平均玉米減產(chǎn)率最低，低于美國和阿根廷50%。

大豆：大豆的平均減產(chǎn)率較高，其中巴西和阿根廷大豆平均減產(chǎn)率均低于-10%。美國和中國的平均減產(chǎn)率也均低于-5%。

水稻：世界各地水稻的平均減產(chǎn)率都居于低位，僅印度的平均減產(chǎn)率略高，為-5.8%。

4.2.2減產(chǎn)變異系數(shù)

小麥：全球小麥的減產(chǎn)變異系數(shù)總體較高（見表3）。其中加拿大、印度、澳大利亞的變異系數(shù)最大。法國和德國的小麥減產(chǎn)變異系數(shù)相對較小。中國和美國居于中位水平。

玉米：全球玉米的減產(chǎn)變異系數(shù)略小于小麥。美國和中國玉米的減產(chǎn)變異系數(shù)高于巴西和阿根廷。

大豆：全球大豆的平均減產(chǎn)變異系數(shù)在各大作物中最低。美國和阿根廷大豆的減產(chǎn)變異系數(shù)較大，巴西和中國大豆的減產(chǎn)變異系數(shù)相對較小。

水稻：全球水稻的減產(chǎn)變異系數(shù)總體較高，最高為越南，其次是泰國，中國和印度也均低于-0.8。

表3　世界糧食主產(chǎn)國糧食減產(chǎn)變異系數(shù)Table 3 Annual variation coefficients of crop yield reduction rates in main producing countries

4.2.3減產(chǎn)風(fēng)險概率分布和減產(chǎn)概率系數(shù)

本文將減產(chǎn)率設(shè)置了6個區(qū)間，在低減產(chǎn)區(qū)間的概率高而高減產(chǎn)區(qū)間的概率低，則表明糧食生產(chǎn)的風(fēng)險相對較低，減產(chǎn)概率系數(shù)相應(yīng)也低；反之，在高減產(chǎn)區(qū)間的概率高而低減產(chǎn)區(qū)間的概率低，則糧食生產(chǎn)的風(fēng)險相對較高，減產(chǎn)概率系數(shù)相應(yīng)也高。

小麥：美國、印度、德國等國家的減產(chǎn)概率主要集中在低減產(chǎn)區(qū)間（表4），小麥生產(chǎn)的氣象災(zāi)害風(fēng)險相對較低；澳大利亞、加拿大、俄羅斯在高減產(chǎn)區(qū)間的概率大于低減產(chǎn)區(qū)間的概率，小麥氣象災(zāi)害風(fēng)險相對較大；法國、中國的減產(chǎn)概率主要集中在低減產(chǎn)區(qū)間，但高減產(chǎn)區(qū)間的發(fā)生概率均超過美國、德國和印度，但遠低于俄羅斯、加拿大和澳大利亞，因此小麥氣象災(zāi)害風(fēng)險處于中等至偏低水平。

表4　世界糧食主產(chǎn)國糧食減產(chǎn)風(fēng)險概率分布Table 4 Risk probability distribution of crop loss in main producing countries

玉米：中國玉米的減產(chǎn)概率主要分布在低減產(chǎn)區(qū)間，玉米生產(chǎn)的氣象災(zāi)害風(fēng)險相對較低；美國、巴西的減產(chǎn)概率從低減產(chǎn)區(qū)間到高減產(chǎn)區(qū)間基本呈現(xiàn)逐漸減小的趨勢；阿根廷的減產(chǎn)概率在高減產(chǎn)區(qū)間的比重偏大，玉米生產(chǎn)的氣象災(zāi)害風(fēng)險偏高。

大豆：阿根廷的減產(chǎn)概率主要集中在高減產(chǎn)區(qū)間，大豆生產(chǎn)的氣象災(zāi)害風(fēng)險較大；其次是巴西；美國、中國的減產(chǎn)概率主要分布在低減產(chǎn)區(qū)間，大豆生產(chǎn)的氣象災(zāi)害風(fēng)險相對較小，其中美國小于中國。

水稻：水稻主產(chǎn)國的水稻減產(chǎn)概率基本都集中在低減產(chǎn)區(qū)間，表明水稻生產(chǎn)的氣象災(zāi)害風(fēng)險相對較低，明顯低于其它糧食作物。在4個水稻主產(chǎn)國中，印度和越南在高減產(chǎn)區(qū)間的概率略大于中國和泰國，但總體差距較小。

4.2.4氣象災(zāi)害風(fēng)險指數(shù)和風(fēng)險分區(qū)

小麥：澳大利亞小麥的綜合氣象災(zāi)害風(fēng)險指數(shù)為12.1（見表5），因此其小麥生產(chǎn)的氣象災(zāi)害風(fēng)險高（見圖9），加拿大的綜合氣象災(zāi)害風(fēng)險指數(shù)為6.6，較其降低一半，但仍屬高風(fēng)險區(qū)；中國、俄羅斯的綜合氣象災(zāi)害風(fēng)險指數(shù)大于2.0，為中等風(fēng)險區(qū)；美國、印度、德國、法國均小于2.0，為小麥生產(chǎn)低風(fēng)險區(qū)。

玉米：美國玉米的綜合氣象災(zāi)害風(fēng)險指數(shù)為4.2，為高風(fēng)險區(qū)；巴西和阿根廷分別為2.5和3.9，為中等風(fēng)險區(qū)；中國為1.4，為低風(fēng)險區(qū)。

大豆：巴西和阿根廷大豆的綜合氣象災(zāi)害風(fēng)險指數(shù)分別為4.1和5.4，大豆生產(chǎn)的風(fēng)險高；美國和中國均為2.4，為中等風(fēng)險區(qū)。

水稻：世界水稻生產(chǎn)相比其它作物而言，綜合氣象災(zāi)害風(fēng)險明顯偏低，僅印度的綜合氣象災(zāi)害風(fēng)險指數(shù)為2.1，為中等風(fēng)險區(qū)，但為中等風(fēng)險的低值區(qū)。

表5　全球糧食主產(chǎn)國糧食生產(chǎn)綜合氣象災(zāi)害風(fēng)險指數(shù)Table 5 Integrated risk index of crop meteorological disaster in main producing countries

5　結(jié)論與討論

1）全球小麥高產(chǎn)區(qū)在西歐，其次是中國；玉米的高產(chǎn)區(qū)在美國；大豆的高產(chǎn)區(qū)在美洲；水稻的高產(chǎn)區(qū)為中國和越南。全球主要糧食作物產(chǎn)量水平近50多年得到較大提高，尤其美洲的玉米和大豆、歐洲和亞洲的小麥、東亞和南亞的水稻產(chǎn)量水平提升快速；但歐洲的小麥和亞洲的水稻在達到產(chǎn)量極值后，近年呈現(xiàn)下降趨勢。

2）世界小麥的綜合氣象災(zāi)害風(fēng)險最高，其次是大豆和玉米，水稻的綜合氣象災(zāi)害風(fēng)險最低。世界糧食生產(chǎn)的高風(fēng)險分別為澳大利亞和加拿大的小麥生產(chǎn)，美國的玉米生產(chǎn)，阿根廷和巴西的大豆生產(chǎn)；印度水稻生產(chǎn)的風(fēng)險高于其它地區(qū)。

3）中國的小麥和大豆生產(chǎn)的氣象風(fēng)險相對偏高，玉米和水稻生產(chǎn)的氣象風(fēng)險相對偏低。中國糧食生產(chǎn)的綜合氣象災(zāi)害風(fēng)險指數(shù)與國外其它地區(qū)相比總體偏低，可能與中國抗災(zāi)減災(zāi)有密切關(guān)系。

4）如果高風(fēng)險地區(qū)的糧食生產(chǎn)水平高，氣象災(zāi)害的破壞力即災(zāi)害損失將更大。因此，作物趨勢產(chǎn)量和綜合氣象災(zāi)害風(fēng)險指數(shù)相結(jié)合，可作為糧食生產(chǎn)的氣象災(zāi)害損失評估的重要指標。

由于產(chǎn)量分離方法的不同對風(fēng)險評估結(jié)果有一定影響[7，30]，但對總趨勢的影響有限；本文在研究中因地制宜，通過比較R2擇優(yōu)選取二次或三次多項式曲線擬合為主,對不同國家采取不盡相同的產(chǎn)量分離方法，力求使得趨勢產(chǎn)量模擬曲線符合其社會技術(shù)發(fā)展的實際，保證了本研究的可信度。在概率計算過程中，俄羅斯的樣本為小樣本（22個，即22 a的產(chǎn)量數(shù)據(jù)，＜30個），雖具有一定的代表性，但對評估結(jié)果可能有一定的影響，為保證全球評估的完整性，一并列出供對比參考。

張峭等利用農(nóng)作物受災(zāi)數(shù)據(jù)直接評估其氣象災(zāi)害風(fēng)險，在國外災(zāi)情數(shù)據(jù)難以獲取的情況下，本文提出的方法可供國外地區(qū)氣象災(zāi)害評估提供可供借鑒的思路和指標，屬于章國材等歸納的基于“表象”數(shù)據(jù)和概率統(tǒng)計方法進行氣象災(zāi)害風(fēng)險評估的方法。本文提出的方法與鄧國、葉濤等國內(nèi)相關(guān)專家學(xué)者提出的相關(guān)方法具有一致性，均基于風(fēng)險理論和概率統(tǒng)計方法，但有所改進，構(gòu)建了新的評估指標“減產(chǎn)概率系數(shù)”和“綜合氣象災(zāi)害風(fēng)險指數(shù)”；且上述方法現(xiàn)多用于國內(nèi)糧食生產(chǎn)的氣象災(zāi)害風(fēng)險評估，本文用于對全球地區(qū)糧食生產(chǎn)氣象災(zāi)害風(fēng)險評估尚屬首次。鄧國等基于平均減產(chǎn)率、減產(chǎn)變異系數(shù)和風(fēng)險概率通過迭代自組織動態(tài)聚類算法對中國省級產(chǎn)區(qū)進行氣象災(zāi)害風(fēng)險分區(qū)，本文在平均減產(chǎn)率、減產(chǎn)變異系數(shù)的基礎(chǔ)上，提出了風(fēng)險概率系數(shù)的指標，并利用這3個指標構(gòu)建了綜合氣象災(zāi)害風(fēng)險指數(shù)，直接作為糧食生產(chǎn)氣象災(zāi)害風(fēng)險分區(qū)的依據(jù)，不僅簡單易操作，而且表達和理解也更為直觀。

圖9　世界糧食主產(chǎn)國糧食生產(chǎn)氣象災(zāi)害風(fēng)險等級Fig.9 crop meteorological risk degree of main producing countries

[參考文獻]

[1]夏敬源，聶闖.全球糧食與農(nóng)業(yè)領(lǐng)域發(fā)展趨勢[J].世界農(nóng)業(yè)，2012，9（總401）：12-13.

[2]白石，梁書民.世界糧食供求形勢與中國農(nóng)業(yè)走出去戰(zhàn)略[J].世界農(nóng)業(yè)，2007，11（總343）：5-9.

[3]陳印軍，王勇，盧布，等.國際糧食形勢及我國糧食生產(chǎn)潛在危機與對策[J].中國農(nóng)業(yè)資源與區(qū)劃，2009，30（1）：9-16.Chen Yinjun, Wang Yong, Lu Bu, et al.International grain situation and latency crisis and countermeasures for grain protection in China[J].China Journal of Agricultural Resources and Regional Planning, 2009, 30（1）: 9-16.（in Chinese with English abstract）

[4]高芳.全球農(nóng)業(yè)市場化背景下中國農(nóng)業(yè)的現(xiàn)狀、機遇和挑戰(zhàn)[J].世界農(nóng)業(yè)，2013，9（總第413）：173-176.

[5] 2015年中央一號文件《關(guān)于加大改革創(chuàng)新力度加快農(nóng)業(yè)現(xiàn)代化建設(shè)的若干意見》[R].

[6]王馥堂.農(nóng)業(yè)氣象產(chǎn)量預(yù)報概述，氣象科技，1983，（2）：36-41.

[7]房世波.分離趨勢產(chǎn)量和氣候產(chǎn)量的方法探討[J].自然災(zāi)害學(xué)報，2011，20（6）：13-18.Fang Shibo.Exploration of method for discrimination between trend crop yield and climatic fluctuant yield[J].Journal of natural disasters, 2011, 20（6）: 13-18.

[8]何永坤，唐余學(xué)，張建平.中國西南地區(qū)干旱對玉米產(chǎn)量影響評估方法[J].農(nóng)業(yè)工程學(xué)報，2014，30（23）：185-191.He Yongkun, Tang Yuxue, Zhang Jianping.Evaluation method for effects of drought disaster on yields of maize in Southwest China[J].Transactions of the Chinese Society of Agricultural Engineering（Transactions of the CSAE）, 2014, 30（23）: 185－191.（in Chinese with English abstract）

[9]張愛民，馬曉群，楊太明，等.安徽省旱澇災(zāi)害及其對農(nóng)作物產(chǎn)量影響[J].應(yīng)用氣象學(xué)報，2007，18（5）：619-625.Zhang Aimin, Ma Xiaoqun, Yang Taiming, et al.The influence of drought and waterlogging disasters on crop yields in Anhui Province[J].Journal of Applied Meteorological Science, 2007，18 （5）: 619-625.（in Chinese with English abstract）

[10]蒲金涌，張存杰，姚小英，等.干旱氣候?qū)﹄]東南主要農(nóng)作物產(chǎn)量影響的評估[J].干旱地區(qū)農(nóng)業(yè)研究，2007，25（1）：167-171.Pu Jinyong, Zhang Cunjie, Yao Xiaoying, et al.Assessment on the influence of drought climate on main crop yield in Southeast of gansu[J].Agricultural Research in the Arid Areas, 2007, 25 （1）: 167-171.（in Chinese with English abstract）

[11]馬曉群，陳曉藝.農(nóng)作物產(chǎn)量災(zāi)害損失評估業(yè)務(wù)化方法研究[J].氣象，2005，31（7）：72-75.Ma Xiaoqun, Chen Xiaoyi, An operational method of crop yield disaster Loss evaluation[J].Meteorological Monthly, 2005, 31 （7）: 72-75.（in Chinese with English abstract）

[12]譚方穎，王建林，宋迎波.華北平原近45年農(nóng)業(yè)氣候資源變化特征分析[J].中國農(nóng)業(yè)氣象，2009，30（1）：19-24.Tan Fangying, Wang Jianlin, Song Yingbo, et al.Analysis of changing characteristics of agricultural climate resources over last 45 years in North China Plain[J].Chinese Journal of Agrometeorology, 2009, 30（1）: 19-24.（in Chinese with English abstract）

[13]魏瑞江，宋迎波，王鑫.基于氣候適宜度的玉米產(chǎn)量動態(tài)預(yù)報方法[J].應(yīng)用氣象學(xué)報，2009，20（5）：622-627.Wei Ruijiang, Song Yingb, Wang Xin.Method for dynamic forecast of corn yield based on climatic suitability[J].Journal of Applied Meteorological Science, 2009, 20（5）: 622 -627.（in Chinese with English abstract）

[14]易雪，王建林，宋迎波.氣候適宜指數(shù)在早稻產(chǎn)量動態(tài)預(yù)報上的應(yīng)用[J].氣象，2010，36（6）：85-89.Yi Xue,Wang Jianlin,Song Yingbo.Application of climatic suitability index to dynamical prediction of early rice yield[J].Meteorological Monthly, 2010, 36（6）: 85-89.（in Chinese with English abstract）

[15]王培娟，張佳華，謝東輝，等.A2和B2情景下冀魯豫冬小麥氣象產(chǎn)量估算[J].應(yīng)用氣象學(xué)報，2011，22（5）：549-557.Wang Peijuan, Zhang Jiahua, Xie Donghui, et al.Estimation for weather yield of winter wheat under A2 and B2 scenarios in Hebei, Shandong and Henan Provinces[J].Journal of Applied Meteorological Science, 2011, 22（5）: 549-557.（in Chinese with English abstract）

[16]陳斐，楊沈斌，申雙和，等.基于主成分回歸法的長江中下游雙季早稻相對氣象產(chǎn)量模擬模型[J].中國農(nóng)業(yè)氣象，2014，35（5）：522-528.Chen Fei, Yang Shenbin, Shen Shuanghe, et al.Simulation model of relative meteorological yield of double-cropping early rice in middle and lower reaches of Yangtze River based on principal component regression[J].Chinese Journal of Agrometeorology, 2014, 35（5）: 522-528.（in Chinese with English abstract）

[17]李永華，高陽華，廖良兵，等.重慶地區(qū)玉米氣象產(chǎn)量變化及氣候影響因子簡析[J].西南大學(xué)學(xué)報（自然科學(xué)版），2007，29（30）：104-109.Li Yonghua，Gao Yanghua, Liao Liangbing, et al.Changes of maize meteorological yields and an analysis of main climatic affecting factors in Chongqing[J].Journal of Southwest University （Natural Science Edition）, 2007, 29（30）: 104-109.（in Chinese with English abstract）

[18]牛浩，陳盛偉.山東省玉米氣象產(chǎn)量分離方法的多重比較分析[J].山東農(nóng)業(yè)科學(xué)，2015，47（8）：95-99.Niu Hao, Chen Shengwei.Multiple comparative and analyses of separation methods for meteorological yield of corn in Shandong Province[J].Shandong Agricultural Science, 2015, 47（8）: 95-99.（in Chinese with English abstract）

[19]王光宇.安徽省農(nóng)業(yè)氣象災(zāi)害糧食損失率評估[J].安徽系統(tǒng)新科學(xué)與綜合研究，2008，24（3）：330-332.Wang Guangyu.Assessment of grain loss rate caused by agriculture meteorology disaster in Anhui Province[J].System Science and Comprehensive Studies in Agriculture, 2008, 24（3）: 330-332.（in Chinese with English abstract）

[20] Zhang Qiao, Ke Wang, Xi Zhang.Study on the assessment approach for crop loss risk[J].Agriculture and Agricultural Science Procedia 1, 2010: 219-225.

[21]張峭，王克.我國農(nóng)業(yè)自然災(zāi)害風(fēng)險評估與區(qū)劃[J].中國農(nóng)業(yè)資源與區(qū)劃，2011，32（3）：32-36.Zhang Qiao, Wang Ke.Assessment and regional planning of Chinese agricultural natural disaster risks[J].Chinese Journal of Agricultural Resources and Regional Planning, 2011, 32（3）: 32-36.（in Chinese with English abstract）

[22]章國材.氣象災(zāi)害風(fēng)險評估與區(qū)劃方法[M]，北京：氣象出版社，2010.

[23]鄧國，王昂生，李世奎，等.風(fēng)險分析理論及方法在糧食生產(chǎn)中的應(yīng)用初探[J].自然資源學(xué)報，2001，16（3）：221-226.Deng Guo, Wang Angsheng, Li Shikui, et al.Risk theory and method and its initial application in grain yield[J].Journal of Natural Resources, 2001, 16（3）: 221-226.（in Chinese with English abstract）

[24]鄧國，王昂生，周玉淑,等.糧食生產(chǎn)風(fēng)險水平的概率分布計算方法[J].南京氣象學(xué)院學(xué)報，2002，25（4）：481-488.Deng Guo, Wang Angsheng, Zhou Yushu, et al.Grain yield risk level calculated by probability distribution[J].Journal of Nanjing Institute of Meteorology, 2002, 25（4）: 481-488.（in Chinese with English abstract）

[25]鄧國，王昂生，周玉淑，等.中國糧食產(chǎn)量不同風(fēng)險類型的地理分布[J].自然資源學(xué)報，2002，17（2）：210-215.Deng Guo, Wang Angsheng, Zhou Yushu, et al.Geographicaldistribution of China′s grain yield risk area[J].Journal of Natural Resources, 2002, 17（2）: 210-215.（in Chinese with English abstract）

[26]鄧國，王昂生，周玉淑，等.中國省級糧食產(chǎn)量的風(fēng)險區(qū)劃研究[J].南京氣象學(xué)院學(xué)報，2002，25（3）：373-379 Deng Guo, Wang Angsheng, Zhou Yushu, et al.China grain yield risk division at the level of province[J].Journal of Nanjing Institute of Meteorology, 2002, 25（3）: 373-379.（in Chinese with English abstract）

[27] Smith keith, Petley david N.Environmental hazards-assessing risk and reducing disaster[J].first edition, London and New York: Routledge, 1991.

[28]葉濤，聶建亮，武賓霞，等.基于產(chǎn)量統(tǒng)計模型的農(nóng)作物保險定價研究進展[J].中國農(nóng)業(yè)科學(xué)，2012，45（12）：2544-2550.Ye Tao, Nie Jianliang, Wu Binxia, et al.Crop insurance premium pating based on yield simulation models[J].Scientia Agricultura Sinica, 2012, 45（12）: 2544-2550.（in Chinese with English abstract）

[29]張金艷，李小泉，張鐔.全球糧食氣象產(chǎn)量及其與降水量變化的關(guān)系[J].1999，10（3）：3-7.Zhang Jinyan, Li Xiaoquan, Zhang Tan.The characteristics of weather yield for global crop and its relationship with precipitation[J].Quarterly Journal of Applied Meteorology, 1999, 10（3）: 3-7.（in Chinese with English abstract）

[30] Ye Tao, Nie Jianliang, Wang Jun, et al.Performance of detrending models of crop yield risk assessment:evaluation on real and hypothetical yield data[J].Stoch Environ Res Risk Assess, 2015, 29: 109-117.

Changes in global main crop yields and its meteorological risk assessment

Qian Yonglan1, Mao Liuxi1, Zhou Guangsheng2
（1.National Meteorological Center，Beijing 100081, China；2.Chinese Academy of Meteorological Sciences，Beijing 100081, China）

Abstract:Crop yield changes regularly along with technological progress and climate change.Technological progress usually leads to the increase of crop yield, while climate fluctuations especially meteorological disasters often result in crop loss.In this paper, the long time-sequence crop yield was decomposed into the trend yield and the meteorological yield, which were respectively considered as the results of agricultural technology development and climate fluctuation.The trend yield could indicate the speed of technological progress and the potentiality of the crop output in a specific time interval.Meanwhile the meteorological yield could manifest the yield fluctuation that was resulted from the meteorological disasters, which could then be used to assess the potential risk of crop loss in a specific region.The results of yield decomposition of wheat, corn, soybean and paddy rice in main production countries of the world suggested that the yields increased rapidly in last 50 years for soybean and corn in the United States of America, Brazil and Argentina, for wheat in France, Germany and China, and for rice in China and Vietnam.Wheat yields of some European countries such as France and Germany, and rice yields of some Asian countries such as China and Thailand, had reached a peak and then decreased in recent years.As for as the meteorological risk assessment, besides crop yield reduction rate and its annual variation coefficient that were commonly used in studies, a new indicator of risk probability coefficient was built which was calculated based on the risk probability distribution function of crop loss using a weighted method.The risk probability distribution function was firstly obtained by a statistical method based on the relative meteorological yield series of a country.Standard normal transformation was then carried out, and the risk probability distribution could be divided into different intervals.The probability of each interval was assigned with different weight that increased progressively from low reduction rate to high reduction rate.The obtained integrated risk index（Pw）could indicate the risk degree of different crops in different regions.Three risk degrees i.e.low, moderate and high risk degree were divided, which were Pw≤2.0, 2.0＜Pw≤4.0 and Pw＞4.0, respectively.The results suggested that the meteorological risks of wheat in Canada and Australia, corn in America, and soybean in Brazil and Argentina were high and the Pwwas more than 4.0.The risks of wheat in Russia and China, corn in Brazil and Argentina, soybean in America and China, and rice in India were moderate.The Pwvalues of wheat in America, Germany, France and India, corn in China, and rice in China, Vietnam and Thailand were less than 2.0, which meant their meteorological risks were low.The method in this paper can be helpful to evaluate the change trend of crop yield and assess the meteorological risk of agricultural production at global scale.

Keywords:grain; crops; risk assessment; global; yield; yield change; meteorological disaster

作者簡介：錢永蘭（1975-），女（漢族），山東人，高工，博士，從事應(yīng)用氣象、農(nóng)業(yè)遙感應(yīng)用方面的研究。北京國家氣象中心，100081。Email：qianyl@cma.gov.cn

基金項目：公益性行業(yè)（氣象）科研專項（GYHY201106030）；財政部“國內(nèi)外作物產(chǎn)量氣象預(yù)報專項”和“氣候變化對農(nóng)業(yè)的影響”項目

收稿日期：2015-07-23

修訂日期：2015-11-18

中圖分類號：P49，S166

文獻標志碼：A

文章編號：1002-6819（2016）-01-0226-10

doi：10.11975/j.issn.1002-6819.2016.01.032