劉瑞娜，楊太明**，陳 鵬，王曉東

?

安徽省油菜花期連陰雨災(zāi)害損失評估指標**

劉瑞娜1，楊太明1**，陳 鵬2，王曉東1

（1.安徽省農(nóng)業(yè)氣象中心/農(nóng)業(yè)氣象災(zāi)害評估及風險轉(zhuǎn)移實驗室，合肥 2300313; 2.合肥市氣象局，合肥 230031）

基于安徽省油菜主產(chǎn)區(qū)1980-2009年44個氣象臺站逐日氣象資料和油菜產(chǎn)量資料，采用數(shù)理統(tǒng)計方法，獲得油菜歷年災(zāi)損率以及花期連陰雨特征量指標即連陰雨日數(shù)、持續(xù)降水量和日照時數(shù)。按照引入因子對產(chǎn)量的影響最大且因子之間相關(guān)性較低的原則，篩選出連陰雨關(guān)鍵致災(zāi)因子并確定致災(zāi)因子臨界值。最后利用K-均值聚類分析方法，建立油菜花期連陰雨災(zāi)害評估等級指標，并利用2010-2014年連陰雨災(zāi)害樣本進行驗證。結(jié)果表明，油菜花期的連陰雨日數(shù)和持續(xù)降水量與減產(chǎn)率相關(guān)性較高，且因子間相關(guān)性較低，可作為連陰雨災(zāi)害評估的關(guān)鍵因子；連陰雨日數(shù)致災(zāi)臨界值為3d，持續(xù)降水量致災(zāi)臨界值在江淮區(qū)、沿江區(qū)和皖南地區(qū)分別為20、50和70mm。利用聚類分析法構(gòu)建的包括江淮、沿江和皖南地區(qū)的安徽省油菜主產(chǎn)區(qū)花期連陰雨災(zāi)害評估指標為：輕度災(zāi)損率5%～10%、中度10%～20%、重度20%～30%和特重≥30%，其歷史回代和獨立樣本檢驗表明輕度和中度準確率較高（88%～100%），重度和特重準確率相對較低（65%～70%）。

油菜；連陰雨日數(shù)；持續(xù)降水量；K-均值聚類分析；評估指標

油菜是安徽省種植面積最大的油料作物，常年種植面積90萬～95萬hm2，主要分布在沿淮、江淮丘陵、沿江平原及皖南地區(qū)[1]。安徽油菜種植一般于9月中下旬播種，翌年5月上中旬成熟收獲，跨越秋冬春3季。在油菜整個生長季，連陰雨是最常見的農(nóng)業(yè)氣象災(zāi)害，其中3-4月是連陰雨災(zāi)害影響最敏感時期，此期油菜正值開花期，是產(chǎn)量形成的關(guān)鍵時期，此時安徽省淮河以南地區(qū)經(jīng)常出現(xiàn)階段性降水偏多，持續(xù)陰雨天氣，光照不足，空氣濕度大，導(dǎo)致油菜開花結(jié)莢不良，單株角果數(shù)減少，菌核病等油菜病蟲害流行，影響油菜的正常生長發(fā)育和產(chǎn)量形成，導(dǎo)致油菜減產(chǎn)[2]。根據(jù)1961-2000年資料統(tǒng)計，江淮地區(qū)連陰雨引起的澇漬導(dǎo)致冬小麥、油菜減產(chǎn)5%～10%的幾率為2～3a一遇，減產(chǎn)10%～20%幾率為3～4a一遇，減產(chǎn)超過20%的幾率為5～6a一遇[3]。連陰雨災(zāi)害已成為安徽省油菜生產(chǎn)的主要農(nóng)業(yè)氣象災(zāi)害。

近年來，國內(nèi)連陰雨災(zāi)害多發(fā)地區(qū)的省份通過災(zāi)情普查、歷史指標查詢等，已在連陰雨災(zāi)害發(fā)生規(guī)律、風險區(qū)劃和災(zāi)害影響的定性分析方面取得一些成果，韓沁哲等[4]結(jié)合低溫連陰雨指標,分析了湖南省油菜生長期連陰雨氣象災(zāi)害強度時空變化趨勢；成林等[5]通過建立花期連陰雨災(zāi)害風險區(qū)劃指數(shù)，對河南省夏玉米花期連陰雨開展了風險分析；李美榮等[6]利用連續(xù)3d以上的日數(shù)和無降水日數(shù)構(gòu)建了連陰雨氣象災(zāi)害指數(shù)，開展了陜西省蘋果主產(chǎn)區(qū)的連陰雨風險分析。也有學(xué)者通過構(gòu)建連陰雨強度指數(shù)[7-8]和陰雨日數(shù)類型[9]嘗試定量評價災(zāi)害強度和可能造成的產(chǎn)量損失，但已有研究多針對特定作物和區(qū)域，其指標存在不可通用等問題，尤其針對安徽省油菜花期連陰雨災(zāi)害，目前指標還不夠完善，尚不能滿足氣象為農(nóng)服務(wù)的需求。本文擬以1980-2009年安徽省油菜花期連陰雨過程為研究對象，篩選出油菜花期連陰雨災(zāi)害關(guān)鍵致災(zāi)因子，建立關(guān)鍵致災(zāi)因子臨界值，并基于K-均值聚類分析方法，構(gòu)建油菜花期連陰雨災(zāi)害評估等級指標，以期為油菜花期連陰雨災(zāi)害定量分析和動態(tài)評估奠定基礎(chǔ)。

1 資料與方法

1.1 資料來源

考慮油菜種植面積，并兼顧地理分布特點，選擇以縣(市)為行政單元的分布于江淮、沿江和皖南地區(qū)的44個氣象臺站作為研究對象，站點分布見圖1。各站點1980-2014年逐日氣象資料來源于安徽省氣象局，1980-2014油菜面積、產(chǎn)量資料來源于安徽省統(tǒng)計局，1980-2014年油菜發(fā)育期資料為研究區(qū)域內(nèi)14個農(nóng)業(yè)氣象觀測站點觀測資料。其中1980-2009年資料用于評估指標建立，2010-2014年資料用于檢驗指標準確性。

1.2 資料處理

1.2.1 油菜開花期

對研究區(qū)域內(nèi)農(nóng)業(yè)氣象觀測站點油菜歷年發(fā)育期觀測資料匯總排序表明，在80%保證率下，江淮區(qū)油菜開花期出現(xiàn)在3月中旬-4月下旬，沿江區(qū)和皖南地區(qū)在3月上旬-4月中旬。因此，江淮區(qū)的分析時段取3月10日-4月30日，沿江區(qū)和皖南地區(qū)的分析時段取3月1日-4月20日。

1.2.2 產(chǎn)量資料分析

一般在分析氣象條件對農(nóng)作物產(chǎn)量影響時，常通過時間序列分析等數(shù)學(xué)方法擬合趨勢產(chǎn)量，以縣（市）為統(tǒng)計單元，將實際產(chǎn)量(Y)分解為趨勢產(chǎn)量項(Yt)和由氣象條件變化引起的氣象產(chǎn)量項(Yw)[10]，即

Y=Yt+Yw（1）

式中，實際產(chǎn)量（Y）為油菜籽?？偖a(chǎn)量與種植面積的比值；趨勢產(chǎn)量(Yt)采用直線滑動平均法確定，主要反映農(nóng)業(yè)科技進步、農(nóng)業(yè)政策、農(nóng)業(yè)投入等對產(chǎn)量水平的影響，氣象產(chǎn)量(Yw)反映當?shù)貧庀髼l件波動所引起的產(chǎn)量波動，單位均為kg·hm-2。

當實際產(chǎn)量小于趨勢產(chǎn)量時，減產(chǎn)量為趨勢產(chǎn)量與實際產(chǎn)量的差值。由于該值為減產(chǎn)的絕對量，在不同農(nóng)業(yè)生產(chǎn)水平下對災(zāi)情的反映不具可比性，因此引入災(zāi)損率(ΔY)，即

式中，ΔY表示實際產(chǎn)量與趨勢產(chǎn)量的偏差率，是一個具有時空可比性的相對指標。

1.2.3 典型災(zāi)害年

以ΔY≥5%為油菜受災(zāi)減產(chǎn)的臨界值，按照災(zāi)損率≥5%挑選出各站點的歷史減產(chǎn)年。若某一年減產(chǎn)率≥5%站點超過該區(qū)域站點數(shù)的50%，則該年為該區(qū)域的典型災(zāi)害年。經(jīng)統(tǒng)計，1980-2009年江淮區(qū)、沿江區(qū)和皖南地區(qū)連陰雨典型災(zāi)害年見表1。

表1 安徽省油菜主產(chǎn)區(qū)不同區(qū)域連陰雨典型災(zāi)害年分布

1.3 指標構(gòu)建方法

1.3.1 致災(zāi)因子確定

基于《農(nóng)業(yè)氣象觀測規(guī)范》中春季連陰雨氣候標準[11]，連續(xù)3d或3d以上有降水（日降水量＞0.1mm）作為1次連陰雨過程。但以下情況也列為連陰雨日統(tǒng)計：在連陰雨過程中，允許1d無降水，但該日日照時數(shù)應(yīng)＜2h；允許有微量降水（日降水量為0.1mm），但該日日照時數(shù)應(yīng)＜4h。采用Matlab軟件編程分別統(tǒng)計江淮區(qū)、沿江區(qū)和皖南地區(qū)典型災(zāi)害年油菜花期連陰雨日數(shù)、持續(xù)降水量和日照時數(shù)。其中連陰雨日數(shù)是指油菜花期出現(xiàn)連陰雨的總?cè)諗?shù)，持續(xù)降水量是指連陰雨日累積降水量，日照時數(shù)是指連陰雨日累積日照時數(shù)。

農(nóng)業(yè)氣象災(zāi)害最主要影響就是造成最終產(chǎn)量減小，因此，災(zāi)害指標構(gòu)建必須首先考慮致災(zāi)因子與減產(chǎn)率的相互關(guān)系[12]。本文通過把上述氣象因子分別與災(zāi)損率(ΔY)進行相關(guān)分析，按照引入因子對產(chǎn)量的影響最大，且因子之間相關(guān)性較低的原則，確定連陰雨災(zāi)害關(guān)鍵致災(zāi)因子。

1.3.2 致災(zāi)因子臨界值的確定

通過對關(guān)鍵致災(zāi)因子（fi）給予連續(xù)的不同界限值（fij），按照fi≥fij對災(zāi)害樣本進行篩選，并分別與災(zāi)損率進行相關(guān)性普查，當界限值大于某個值時，致災(zāi)因子與災(zāi)損率的相關(guān)性維持較高水平，說明此界限值處于判別災(zāi)害等級的門限狀態(tài)，定義此界限值為該致災(zāi)因子臨界值[13]。

1.3.3 災(zāi)害等級劃分標準

利用SPSS軟件中K-均值聚類分析方法，通過給定需要的聚類數(shù)目，按照聚類最優(yōu)原則確定災(zāi)損率和致災(zāi)因子的聚類中心，并作為連陰雨災(zāi)害損失評估等級指標的確定依據(jù)。以臨界值與第一類聚類中心的平均值和相鄰聚類中心的平均值為界限，確定連陰雨災(zāi)害評估等級指標。

2 結(jié)果與分析

2.1 連陰雨致災(zāi)關(guān)鍵因子的確定

表2為44個站點1980-2009年油菜花期連陰雨日數(shù)(Rd)、持續(xù)降水量(R)和日照時數(shù)(S)分別與災(zāi)損率(ΔY)的相關(guān)分析結(jié)果。由表可見，3個因子即Rd、R和S與ΔY的相關(guān)系數(shù)分別為0.207、0.239、-0.274，均通過0.01水平的顯著性檢驗，為極顯著相關(guān)。進一步分析各因子之間的相關(guān)系數(shù)可見，Rd與S系列的相關(guān)系數(shù)為-0.404（P＜0.01），相關(guān)極顯著，R與S間具有顯著的負相關(guān)關(guān)系（R=-0.180，P＜0.05），R與Rd間也具有顯著的相關(guān)關(guān)系（R=0.162，P＜0.05）。因為持續(xù)降水量與災(zāi)損率極顯著相關(guān)，但與其它影響因子的相關(guān)性未達到極顯著水平，因此，選擇持續(xù)降水量為連陰雨災(zāi)害關(guān)鍵致災(zāi)因子，并在連陰雨日數(shù)和日照時數(shù)中選取一個因子作為連陰雨災(zāi)害關(guān)鍵致災(zāi)因子。考慮連陰雨日數(shù)對連陰雨災(zāi)害的形成起著至關(guān)重要作用[14]，因此，最終選取連陰雨持續(xù)日數(shù)和持續(xù)降水量作為連陰雨災(zāi)害評估的關(guān)鍵因子。

表2 安徽省44個站點1980-2009年連陰雨影響因子(Rd、R、S)及其與減產(chǎn)率間的相關(guān)分析(n=279)

注：*、**分別表示相關(guān)系數(shù)通過0.05、0.01水平的顯著性檢驗。ΔY為災(zāi)損率(%)，Rd為連陰雨日數(shù)(d)，R為持續(xù)降水量(mm)，S為日照時數(shù)(h) , 江淮區(qū)分析時段取3月10日-4月30日，沿江區(qū)和皖南地區(qū)取3月1日-4月20日。下同。

Note:*is P<0.05,**is P<0.01.ΔY is the yield reduction rate(%)，Rd is continuous rainy days (d), R is continuous precipitation (mm), S is sunshine duration (h),the statistic period is 10thMarch-30thApril each year in Jianghuai area and 1stMarch-20thApril in Yanjiang and South Anhui. The same as below.

2.2 連陰雨致災(zāi)關(guān)鍵因子臨界值的確定

依據(jù)上述連陰雨致災(zāi)因子臨界值的定義，對已經(jīng)確定的兩個關(guān)鍵致災(zāi)因子給予不同的連續(xù)界限值，分別統(tǒng)計各致災(zāi)因子大于等于該設(shè)定界限值的樣本序列，并與災(zāi)損率進行相關(guān)性普查，普查結(jié)果用圖2的相關(guān)系數(shù)變化曲線表示。因為連續(xù)3d或3d以上有降水才能作為1次連陰雨過程[11]，因此，本研究陰雨日數(shù)連續(xù)界限值以3d為起始，以1d為間隔，最長為10d。持續(xù)降水量界限值以0mm為起始，以10mm為間隔，最大為100mm。

由圖2可見，3個區(qū)的結(jié)果均顯示，連陰雨日數(shù)≤3d時，該指標與災(zāi)損率的相關(guān)性維持在較高水平，這表明連陰雨日數(shù)臨界值為3d，即當開花期連陰雨日數(shù)超過3d，可能會對油菜生長和產(chǎn)量形成產(chǎn)生不利影響。持續(xù)降水量與災(zāi)損率的相關(guān)系數(shù)先隨著界限值增大而增大，當界限值大于等于某一個值時，相關(guān)系數(shù)不再呈現(xiàn)快速增大趨勢，維持在較高水平上波動。從圖中看出，江淮區(qū)、沿江區(qū)和皖南地區(qū)持續(xù)降水量界限值分別大于等于20、50、70mm時，持續(xù)降水量與災(zāi)損率相關(guān)性維持在較高水平。這表明江淮區(qū)、沿江區(qū)、皖南地區(qū)持續(xù)降水量臨界值分別為20、50、70mm，即當江淮區(qū)油菜開花期持續(xù)降水量超過20mm，沿江區(qū)超過50mm，皖南地區(qū)超過70mm，可能會對油菜生長和產(chǎn)量形成造成不利影響。

2.3 連陰雨災(zāi)害評估等級的劃分

為了排除其它災(zāi)害導(dǎo)致油菜減產(chǎn)的樣本，依據(jù)上述致災(zāi)因子臨界值，按照以下條件對江淮區(qū)、沿江區(qū)和皖南地區(qū)典型連陰雨災(zāi)害年樣本進行篩選：①Rd≥t1，②R≥t2，③ΔY≥5%，t1和t2分別為Rd和R臨界值，挑選出各區(qū)域主要由連陰雨引起減產(chǎn)的年份作為連陰雨災(zāi)損樣本，應(yīng)用SPSS軟件分區(qū)域?qū)?zāi)害樣本中Rd、R和ΔY進行K-均值聚類分析，設(shè)定聚類數(shù)為3類，用有限次逼近法，按照聚類最優(yōu)原則，得到各區(qū)域災(zāi)損率和致災(zāi)因子的3個聚類中心以及每個聚類中的案例數(shù)（表3、表4）。從表中可以看出，一般災(zāi)損率較高的類中，致災(zāi)因子值也較高，案例數(shù)較少。

以臨界值與第一類聚類中心平均值和相鄰聚類中心平均值為界限，把江淮區(qū)、沿江區(qū)和皖南地區(qū)油菜開花期連陰雨災(zāi)害等級劃分為輕度、中度、重度和特重共4個等級，見表5。

2.4 連陰雨災(zāi)害評估指標的檢驗

為檢驗聚類分析結(jié)果和所確定指標的準確性，將各區(qū)域典型災(zāi)害年樣本進行回代檢驗，等級差≤1的準確率見表6。從表可知，樣本準確率均在65%以上，其中輕度和中度災(zāi)害樣本檢驗準確率較高，達88%～100%，重和特重災(zāi)害樣本準確率相對較低，為65%～70%。

表3 不同區(qū)域災(zāi)損率和致災(zāi)因子聚類中心值

表4 不同區(qū)域聚類中心案例數(shù)

表5 安徽省油菜花期不同區(qū)域連陰雨災(zāi)害評估指標閾值

注：R值的個位數(shù)在1～5時取5，6～10時取10，ΔY值的個位數(shù)在1～4時取0，5～9時取10。

Note:The single digit of R take 5 when it is in the number of 1-5, take 10 when it is in 6-10. Single digit of ΔY take 0 when it is in the number of 1-4, take 10 when it is in 5-9.

表6 各區(qū)域連陰雨災(zāi)害評估指標檢驗結(jié)果(1980-2009年)

查閱2010-2014年歷史災(zāi)情資料發(fā)現(xiàn)，2014年4月中旬安徽省淮河以南地區(qū)出現(xiàn)連陰雨天氣。此時正值油菜盛花-結(jié)莢階段，由于過程雨量大，持續(xù)陰雨日數(shù)多，連陰雨造成油菜開花授粉受阻，結(jié)實率降低，產(chǎn)量下降。通過對該年油菜籽產(chǎn)量資料分析處理，發(fā)現(xiàn)主產(chǎn)區(qū)44個站點油菜減產(chǎn)≥5%的有26個。利用連陰雨災(zāi)害評估指標對該年連陰雨災(zāi)害程度進行評估，其結(jié)果與實際災(zāi)損等級見表7。由表可知，等級差為0的站點有21個，占全部站點的81%，等級差為1或-1的站點有5個，占19%。等級差≤0的準確率為81%，等級差≤1的準確率為100%。由于此次連陰雨對油菜僅造成輕度和中度災(zāi)害，因此，重度和特重評估指標未得到檢驗。

表7 2014年連陰雨災(zāi)害樣本檢驗結(jié)果

3 結(jié)論與討論

連陰雨指較長時間持續(xù)陰雨天氣造成日照少、空氣濕度大，影響作物正常生長或收獲的災(zāi)害天氣過程[15]，降水日數(shù)、降水量和日照時數(shù)是與連陰雨危害密切相關(guān)的氣象因子。黃毓華等[16]利用春季降雨量、日照時數(shù)與小麥產(chǎn)量的關(guān)系構(gòu)建了陰濕系數(shù)，但降水日數(shù)對連陰雨災(zāi)害形成起到至關(guān)重要的作用，有時甚至是決定性作用，利用陰濕系數(shù)作為評估連陰雨災(zāi)害強度指標仍存在不可忽視的偏差[14]。盛紹學(xué)等[3]研究表明，降水日數(shù)、持續(xù)降水量和日照時數(shù)因子中，對產(chǎn)量的影響大小依次為降水日數(shù)＞持續(xù)降水量＞日照時數(shù)。本文在前人研究基礎(chǔ)上，將連陰雨日數(shù)、持續(xù)降水量和日照時數(shù)分別與災(zāi)損率進行相關(guān)分析，按照引入因子對產(chǎn)量影響較大，且因子間相關(guān)性較低為原則，篩選出的關(guān)鍵致災(zāi)因子為連陰雨日數(shù)和持續(xù)降水量。其中陰雨日數(shù)臨界值均為3d，持續(xù)降水量江淮區(qū)、沿江區(qū)、皖南地區(qū)分別為20、50、70mm。確定的關(guān)鍵致災(zāi)因子不僅對產(chǎn)量影響最大，且不同因子間交叉性小，克服了以往連陰雨災(zāi)害指標表述不全，指標間交叉性大的不足。

聚類分析是指將物理或抽象對象的集合分組為類似的對象組成的多個類的分析過程，其中K-means算法是劃分聚類中較為普遍的一種算法。目前該算法已在氣象數(shù)據(jù)分析和農(nóng)業(yè)氣象災(zāi)害等級判別方面得到應(yīng)用[17]。本文基于K-均值聚類分析方法，分區(qū)域建立了連陰雨災(zāi)害評估等級指標，把安徽省連陰雨災(zāi)害劃分為輕度、中度、重度和特重共4個等級。從結(jié)果可以看出，連陰雨災(zāi)害指標在不同區(qū)域存在明顯差異，相同災(zāi)損等級條件下，一般南方致災(zāi)因子強度大于北方，這可能與不同區(qū)域油菜種植品種有關(guān)，查閱近年來安徽省農(nóng)業(yè)氣象觀測站油菜種植品種資料可知，江淮區(qū)以種植白菜型油菜為主，該油菜品種植株矮小，須根多，抗病力弱，不耐澇；沿江及其以南地區(qū)以種植甘藍型油菜為主，尤其是皖南地區(qū)，該油菜品種植株高大，根系發(fā)達，抗病力強，耐寒，耐濕[18]。在實際應(yīng)用中，不同區(qū)域使用針對該區(qū)域的評估指標，能夠提高災(zāi)害評估的準確性。

歷史回代和獨立樣本檢驗表明，本文建立的評估指標在判別連陰雨輕度和中度災(zāi)害時，效果較理想（88%～100%），但在判別重度和特重災(zāi)害時，效果略差（65%～70%），存在低估錯判現(xiàn)象。這一方面是由于油菜產(chǎn)量災(zāi)損受多因素復(fù)合影響，而嚴重的連陰雨往往會帶來其它次生災(zāi)害，如農(nóng)田洪澇，病蟲草害流行等。查閱歷史災(zāi)情記載可知，低估錯判出現(xiàn)時，該年病蟲害發(fā)生情況往往較重。另一方面是由于評估指標構(gòu)建有一定局限性，連陰雨災(zāi)害是由各類氣象因子綜合作用引起的[19]，理論上，災(zāi)害發(fā)生時的天空云量、輻射量、空氣相對濕度等均可作為連陰雨災(zāi)害指標的因子,本文為使指標簡單實用，僅從陰雨日數(shù)和持續(xù)降水量2個因素對連陰雨災(zāi)害進行評估，未考慮其它不利因素。隨著今后對災(zāi)害判定和評估方法的深入和細化，應(yīng)將更多氣象條件和作物品種信息納入連陰雨災(zāi)害的研究范疇[9]。

參考文獻References

[1]馬曉群,吳文玉,張輝.農(nóng)業(yè)旱澇指標及在江淮地區(qū)監(jiān)測預(yù)警中的應(yīng)用[J].應(yīng)用氣象學(xué)報,2009,20(2):186-194．

Ma X Q,Wu W Y,Zhang H.The agricultural drought and flood index and its operational application to monitoring and early-warning in Jianghuai area[J].Journal of Applied Meteorological Science,2009,20(2):186-194.(in Chinese)

[2]劉瑞娜,楊太明,陳金華,等.安徽省春季連陰雨分布特征及其對油菜產(chǎn)量影響評估[J].中國農(nóng)學(xué)通報,2012,28(34): 252-256.

Liu R N,Yang T M,Chen J H,et al.Study on the distribution characteristics of spring continuous precipitation and assessment of rape yield losses in Anhui province[J].Chinese Agricultural Science Bulletin,2012,28(34):252-256.(in Chinese)

[3]盛紹學(xué),馬曉群,石磊,等.江淮地區(qū)油菜澇漬災(zāi)害氣候生態(tài)特征及其指標的研究[A].中國氣象學(xué)會2005年年會論文集[C].合肥:安徽科學(xué)技術(shù)出版社,2005.

Sheng S X,Ma X Q,Shi L,et al.Reserch on characters of climatic ecology and index for waterlogging of rape in zone of Yangtse river and Huaihe river[A].Paper Collection of 2005 Chinese Meteorological Society[C].Hefei:Anhui Science and Technology Press,2005.(in Chinese)

[4]韓沁哲,羅伯良,周偉,等.湖南省油菜生長期連陰雨氣象災(zāi)害發(fā)生強度的時空特征[J].湖南農(nóng)業(yè)科學(xué),2012,(19):93-96.

Han Q Z,Luo B L,Zhou W,et al.Analysis of spatial-temporal features of occurring intensity of continuous rain in growth period of rape in Hunan province[J].Hunan Agricultural Sciences,2012,(19):93-96.(in Chinese)

[5]成林,劉榮華.河南省夏玉米花期連陰雨災(zāi)害風險區(qū)劃[J].生態(tài)學(xué)雜志,2012,31(12):3075-3079.

Cheng L,Liu R H.Disaster risk zoning of continuous rain during florescence of summer maize in Henan province[J].Chinese Journal of Ecology,2012,31(12):3075- 3079.(in Chinese)

[6]李美榮,李星敏,李艷莉,等.基于連陰雨災(zāi)害指數(shù)的陜西省蘋果生長風險分析[J].干旱氣象,2011,29(1):106-109.

Li M R,Li X M,Li Y L,et al.Analysis of apple growth risk based on continuous rainy days disaster index in Shanxi province[J].Journal of Arid Meteorology,2011,29(1):106- 109.(in Chinese)

[7]劉璐,馬杰.陜西蘋果成熟期連陰雨指數(shù)及預(yù)報方法研究[J].氣象,2012,38(8):1012-1016.

Liu L,Ma J.Research on index of continuous rainfall days and forecasting method in Shanxi apple maturity period[J].Meteorological Monthly,2012,38(8):1012-1016.(in Chinese)

[8]李德,景元書,祁宦.安徽省冬小麥灌漿期連陰雨災(zāi)害等級指標的確定[J].中國農(nóng)學(xué)通報,2015,31(9):56-62.

Li D,Jing Y S,Qi H.Index determination of continuous rain disaster during the filling stage of winter wheat in Anhui[J].Chinese Agricultural Science Bulletin,2015, 31(9):56-62.(in Chinese)

[9]成林,劉榮華.夏玉米生長中后期連陰雨災(zāi)害指標研究[J].中國農(nóng)業(yè)氣象,2014,35(2):221-227.

Cheng L,Liu R H.Disaster index of continuous overcast and rainy day during mid and late growth period of summer maize[J].Chinese Journal of Agrometeorology,2014,35(2): 221-227.(in Chinese)

[10]王馥棠,陳京鈴.產(chǎn)量預(yù)報方法研究(1):總論與趨勢產(chǎn)量[A].氣象科學(xué)技術(shù)集刊(3)[C].北京:氣象出版社,1982:7-10.

Wang F T,Chen J L.Study on yield prediction method (1):general and trend yield[A].Meteorological science and technology(3)[C].Beijing:China Meteorological Press,1982: 7-10.(in Chinese)

[11]安徽省氣象局資料室.安徽氣候[M].合肥:安徽科學(xué)技術(shù)出版社,1982:75-79.

Reference Room of Anhui Meteorological Bureau.Anhui climate[M].Hefei:Anhui Science and Technology Press,1982: 75-79.(in Chinese)

[12]陸魁東,彭莉莉,黃晚華,等.氣候變化背景下湖南油菜氣象災(zāi)害風險評估[J].中國農(nóng)業(yè)氣象,2013,34(2):191-196.

Lu K D,Peng L L,Huang W H,et al.Meteorological disaster risk assessment of oilseed rape under climate change conditions[J].Chinese Journal of Agrometeorology,2013, 34(2):191-196.(in Chinese)

[13]劉靜,馬力文,張曉煜,等.春小麥干熱風災(zāi)害監(jiān)測指標與損失評估模型方法探討:以寧夏引黃灌區(qū)為例[J].應(yīng)用氣象學(xué)報,2004,15(2):217-224.

Liu J,Ma L W,Zhang X Y,et al.A method for monitoring dry-hot wind of spring wheat and estimating its yield losses:an example in irrigated areas of Ningxia[J].Quarterly Journal of Applied Meteorology,2004,15(2):217-224.(in Chinese)

[14]盛紹學(xué),霍治國,石磊.江淮地區(qū)小麥澇漬災(zāi)害風險評估與區(qū)劃[J].生態(tài)學(xué)雜志,2010,29(5):985-990.

Sheng S X,Huo Z G,Shi L.Risk assessment and regionalization of waterlogging disaster for wheat in Jianghuai region[J].Chinese Journal of Ecology,2010, 29(5):985-990.(in Chinese)

[15]林迢,箭根梅,裘鵬霄,等.浙江早稻播種育秧期連陰雨發(fā)生規(guī)律分析[J].中國農(nóng)業(yè)氣象,2001,22(3):10-15.

Lin T,Jian G M,Qiu P X.Study on cloudy-rainy weather for several days during the seeding and seedling-raising stage of early rice in Zhejiang[J].Chinese Journal of Agrometeorology,2001,22(3):10-15.(in Chinese)

[16]黃毓華,武金崗,高蘋.淮河以南春季三麥陰濕害的判別方法[J].中國農(nóng)業(yè)氣象,2000,21(1):23-26.

Huang Y H,Wu J G,Gao P.The method for identification of spring cloudy-moist hazard of wheat in the region to the south of Huaihe river[J].Chinese Journal of Agrometeorology,2000,21(1):23-26.(in Chinese)

[17]許麗利.聚類分析的算法及應(yīng)用[D].長春:吉林大學(xué), 2010:23-25.

Xu L L.Cluster analysis algorithm and its application[D].Changchun:Jilin University,2010:23-25.(in Chinese)

[18]吳永成,牛應(yīng)澤,郭世星,等.四川省近10年來育成的甘藍型油菜品種的特點分析[J].西南農(nóng)業(yè)學(xué)報,2011,2(6):2054-2056.

Wu Y C,Niu Y Z,Guo S X,et al.Analysis of variety characteristics of oilseed rape (L) in Sichuan province past 10 years[J].Southwest China Journal of Agricultural Sciences,2011,2(6):2054-2056.(in Chinese)

[19]王健林.現(xiàn)代農(nóng)業(yè)氣象業(yè)務(wù)[M].北京:氣象出版社, 2010:156-157.

Wang J L.Modern agricultural meteorological service[M].Beijing:China Meteorological Press,2010:156-157.(in Chinese)

Evaluation Index of Continuous Rain to Rape during Anthesis in Anhui Province

LIU Rui-na1, YANG Tai-ming1,CHEN Peng2, WANG Xiao-dong1

(1.Anhui Agricultural Meteorological Center/Laboratory for Agri-meteorological Disaster Assessment & Risk Change, Hefei 230031, China; 2.Hefei Meteorological Bureau, Hefei 230031)

Based on daily meteorological data of 44 observation stations and rape yield data from each county (city) from 1980 to 2014 in Anhui province, yield losses of rape and relevant characteristic quantities of continuous rain such as continuous rainy days, continuous precipitation and sunshine duration during anthesis were calculated by use of mathematical statistics. According to the principle that the factors with the greatest impact on the yield are induced and the correlations between the factors are lowest, the disaster causing factors were chosen and their critical values were determined. In the last, the grade indices of continuous rain disaster were established by K- means clustering analysis method and the index’s veracity was verified by means of the yield losses and investigated disaster date during 2010-2014.The results showed that the main influence factors of continuous rain disaster to rape during anthesis were continuous rainy days and continuous precipitation. The threshold values of continuous rainy days were 3 days and the threshold values of continuous precipitation were 20mm, 50mm and 70mm respectively in Jianghuai, Yanjiang and South Anhui. Based on this, the grade indices of continuous rain disaster was established respectively for Jianghuai, Yanjiang and south Anhui by using K- means clustering analysis method. The damage could be defined as slight when the yield losses was between 5%-10%，moderate when the yield losses was between 10%-20%, severe when the yield losses was between 20%-30% ,extra severe when the yield losses was more than 30%.The testing results indicated that the accurate rate of slight and moderate indices were higher（88%-100%）, while the accurate rate of severe and extra severe indices were relatively low（65%-70%）.

Rape; Continuous rainy days; Continuous precipitation; K-means clustering analysis; Evaluation indices

10.3969/j.issn.1000-6362.2016.04.012

2015-12-24

通訊作者。E-mail：ytm0305@126.com

安徽省科技攻關(guān)計劃項目（1501031078）；安徽省氣象局科技發(fā)展基金項目（KM201413）

劉瑞娜（1986-），女，碩士，工程師，主要從事農(nóng)業(yè)氣象研究及業(yè)務(wù)服務(wù)工作。E-mail:naxybz@sina.com