王立坤，宋瑞麗，裴 巍，孫夢欣，楊軍明，王 欣

（1.東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院，哈爾濱 150030；2.東北農(nóng)業(yè)大學(xué)理學(xué)院，哈爾濱 150030）

全球大部分地區(qū)干旱范圍持續(xù)擴(kuò)大，水資源短缺現(xiàn)象嚴(yán)重。我國是旱災(zāi)發(fā)生頻繁國家之一，干旱成為制約糧食生產(chǎn)主要因素，旱災(zāi)造成的糧食損失巨大。旱災(zāi)脆弱性是導(dǎo)致干旱成災(zāi)前提[1]。農(nóng)業(yè)旱災(zāi)脆弱性是農(nóng)業(yè)生產(chǎn)遭受旱災(zāi)威脅程度與損失性質(zhì)的反映。農(nóng)業(yè)旱災(zāi)脆弱性研究通過評價(jià)旱災(zāi)脆弱性強(qiáng)度，分析旱災(zāi)脆弱性時(shí)空差異，確定干旱成災(zāi)根源，以提前作防災(zāi)、減災(zāi)準(zhǔn)備。

自20世紀(jì)90年代，學(xué)者開始關(guān)注旱災(zāi)脆弱性研究，由定性研究逐步趨向定量研究[2]，以期分析成災(zāi)因子，并提出合理防災(zāi)、抗旱、減災(zāi)建議。國外學(xué)者關(guān)于旱災(zāi)脆弱性研究較早，研究視角有微觀和宏觀兩方面?；谖⒂^視角農(nóng)戶脆弱性評價(jià)以農(nóng)戶為評價(jià)單位，Zarafshani等采用分層抽樣方法篩選樣本農(nóng)戶評價(jià)伊朗西部農(nóng)戶旱災(zāi)脆弱性等[3]。基于宏觀視角區(qū)域農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)以區(qū)域?yàn)樵u價(jià)單位，Wilhelmi等結(jié)合RS與GIS技術(shù)定量分析美國中西部內(nèi)布拉斯加州農(nóng)業(yè)干旱脆弱性[4]；Simelton等確定社會經(jīng)濟(jì)因子，運(yùn)用中國各省糧食產(chǎn)量與降雨量數(shù)據(jù)計(jì)算糧食作物干旱脆弱性指數(shù)，分析干旱敏感地區(qū)與非敏感區(qū)中脆弱性與各因子間相關(guān)關(guān)系[5]；Do等通過衛(wèi)星數(shù)據(jù)分析土壤水分利用效率和亞洲東北部干旱區(qū)域旱災(zāi)脆弱性[6]；Safavi等用GIS集成指標(biāo)，分析伊朗Zayandehrood河流域旱災(zāi)脆弱性[7]等。

國內(nèi)學(xué)者關(guān)于旱災(zāi)脆弱性研究起步較晚。目前，我國農(nóng)業(yè)旱災(zāi)脆弱性研究主要集中于宏觀視角。從暴露性、敏感性、恢復(fù)性、適應(yīng)性等多方面選取農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)指標(biāo)，分析指標(biāo)在評價(jià)體系中所占權(quán)重，利用模型評價(jià)農(nóng)業(yè)旱災(zāi)脆弱性。指標(biāo)權(quán)重確定方法有主觀、客觀和主、客觀組合3種，如專家評定[8]、層次分析法[9-10]等主觀賦值法；熵權(quán)法[11]、主成分分析[12]、灰色關(guān)聯(lián)分析[13]等客觀賦值法；主成分分析—德爾菲法[14]、熵值法—層次分析法、灰色關(guān)聯(lián)聚類分析法—博弈論思想等組合賦值法。我國農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)模型多樣化，多數(shù)模型在農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)中取得一定效果。例如，侯光良等分析青海東部農(nóng)業(yè)區(qū)氣象、農(nóng)業(yè)、社會經(jīng)濟(jì)統(tǒng)計(jì)指標(biāo)，采用等級化等數(shù)學(xué)分析方法將氣候變化壓力和內(nèi)在脆弱性綜合分析，確定農(nóng)業(yè)旱災(zāi)脆弱性等級[9]；陳萍等運(yùn)用綜合指數(shù)法生成鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)農(nóng)業(yè)生態(tài)系統(tǒng)干旱脆弱性指數(shù)[10]；曹永強(qiáng)等引入投影降維思想，將投影尋蹤技術(shù)運(yùn)用于農(nóng)業(yè)干旱脆弱性評價(jià)，評估大連市農(nóng)業(yè)干旱脆弱性評價(jià)強(qiáng)度[15]；康永輝等從區(qū)域農(nóng)業(yè)脆弱性和農(nóng)戶脆弱性兩個(gè)方面綜合選取評價(jià)指標(biāo)，運(yùn)用熵權(quán)法對評價(jià)指標(biāo)客觀賦值，融合模糊綜合評判法評價(jià)廣西大石山區(qū)特殊地理環(huán)境條件下農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度，分析評價(jià)結(jié)果并提出降低干旱脆弱性措施[11]；李夢娜等將灰色關(guān)聯(lián)聚類分析法和博弈論引入農(nóng)業(yè)干旱脆弱性評價(jià)，運(yùn)用綜合指數(shù)法構(gòu)建脆弱性模型，計(jì)算關(guān)中地區(qū)各城市農(nóng)業(yè)干旱脆弱性指標(biāo)值，在此基礎(chǔ)上采用因子貢獻(xiàn)度模型分析各指標(biāo)對每個(gè)城市農(nóng)業(yè)干旱脆弱性貢獻(xiàn)度[18]；徐晗利用熵權(quán)法和貢獻(xiàn)度模型，識別農(nóng)業(yè)干旱脆弱性影響因素，分析各因素貢獻(xiàn)度，從空間尺度綜合評價(jià)陜西省農(nóng)業(yè)干旱脆弱性[16]。

黑龍江省西部半干旱地區(qū)位于松嫩平原，是我國重要商品糧基地，也是我國干旱嚴(yán)重地區(qū)之一，降水量匱乏，旱災(zāi)發(fā)生頻繁，對糧食產(chǎn)量影響嚴(yán)重。本文收集并整理黑龍江省西部半干旱地區(qū)相關(guān)數(shù)據(jù)，建立農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)指標(biāo)體系，采用改進(jìn)灰色關(guān)聯(lián)度分析確定指標(biāo)權(quán)重，結(jié)合TOPSIS模型評價(jià)農(nóng)業(yè)旱災(zāi)脆弱性，確定黑龍江省西部半干旱地區(qū)農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度，分析結(jié)果并提出減弱農(nóng)業(yè)旱災(zāi)脆弱性建議，為西部半干旱地區(qū)農(nóng)業(yè)防災(zāi)、減災(zāi)、抗災(zāi)提供理論依據(jù)。

1 材料與方法

1.1 研究區(qū)域與數(shù)據(jù)來源

黑龍江省西部半干旱地區(qū)位于松嫩平原，地勢北高南低。東、北部為小興安嶺南麓，西、南部有松花江和嫩江徑流，中部多為湖泊和濕地。黑土發(fā)育廣泛，肥力較高，土質(zhì)適合作物生長。土地平坦開闊，人口密度小，耕地面積廣，適合大規(guī)模統(tǒng)一生產(chǎn)。糧食作物以玉米、大豆為主，局部地區(qū)適合種植早稻，作物一年一熟或兩年三熟。該地區(qū)屬于中溫帶大陸季風(fēng)氣候，農(nóng)業(yè)氣候區(qū)復(fù)雜，冬、春兩季氣候干冷，多半地區(qū)年平均降水量不足500 mm，且70%降水集中在7～8月份，春旱、伏旱、秋旱及連旱頻繁發(fā)生。近年來，旱災(zāi)成為該地區(qū)農(nóng)業(yè)生產(chǎn)最主要自然災(zāi)害，生態(tài)環(huán)境進(jìn)一步惡化，氣候暖干化引發(fā)其他自然災(zāi)害頻繁發(fā)生。

本文收集并整理2010～2015年《齊齊哈爾經(jīng)濟(jì)統(tǒng)計(jì)年鑒》數(shù)據(jù)，研究本區(qū)域農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度，分析區(qū)域旱災(zāi)成因。

1.2 農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)指標(biāo)體系

區(qū)域農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)是以區(qū)域復(fù)合體為研究對象的宏觀評價(jià)過程，選取評價(jià)指標(biāo)應(yīng)從區(qū)域生產(chǎn)水平、水利工程、生態(tài)環(huán)境、經(jīng)濟(jì)實(shí)力、抗旱組織等多因素入手，綜合考慮區(qū)域農(nóng)業(yè)旱災(zāi)脆弱性影響因素，分析各影響因素代表類型，以一定邏輯關(guān)系構(gòu)建多系統(tǒng)、多目標(biāo)評價(jià)體系，根據(jù)指標(biāo)值與系統(tǒng)最優(yōu)狀態(tài)關(guān)系，分為正向和逆向指標(biāo)。本文從適應(yīng)能力、敏感性、暴露性3方面篩選分類，構(gòu)建多系統(tǒng)、多目標(biāo)農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)指標(biāo)體系，通過分析區(qū)域農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度，總體認(rèn)識區(qū)域農(nóng)業(yè)旱災(zāi)脆弱性。旱災(zāi)脆弱性評價(jià)指標(biāo)體系見表1。

表1 農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)指標(biāo)體系Table1 Agricultural drought vulnerability assess index system

1.3 TOPSIS模型不足

TOPSIS模型，即為逼近理想解排序法，借助多屬性決策問題理想解和最劣解的供選方案優(yōu)劣排序方法[17]。TOPSIS模型缺點(diǎn)為指標(biāo)權(quán)重是由主觀賦值法確定，專家認(rèn)識及經(jīng)驗(yàn)差異使評價(jià)指標(biāo)權(quán)重存在差異性和隨意性，再經(jīng)某種特定運(yùn)算所得權(quán)重值具有固定性。農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)指標(biāo)體系中各指標(biāo)數(shù)據(jù)具有時(shí)空異變性，每項(xiàng)數(shù)據(jù)對評價(jià)結(jié)果均有影響。某些因素突變可引起部分因素變動，各指標(biāo)權(quán)重隨之變動。指標(biāo)權(quán)重應(yīng)是動態(tài)值，以各評價(jià)年為單元的指標(biāo)值是固定值，年際間指標(biāo)權(quán)重應(yīng)具體計(jì)算，在指標(biāo)數(shù)據(jù)大波動情況下，指標(biāo)權(quán)重差異較大。

1.4 改進(jìn)TOPSIS模型

針對以上不足改進(jìn)如下：①采用灰色關(guān)聯(lián)度分析法確定指標(biāo)權(quán)重[18]；②利用各評價(jià)單位無量綱數(shù)據(jù)列標(biāo)準(zhǔn)差確定灰色關(guān)聯(lián)度分析中分辨系數(shù)ρ[19]。不同年份指標(biāo)體系中數(shù)據(jù)不同，利用改進(jìn)灰色關(guān)聯(lián)度分析法計(jì)算指標(biāo)權(quán)重為動態(tài)值。某指標(biāo)數(shù)據(jù)突變致使權(quán)重計(jì)算結(jié)果偏離，關(guān)聯(lián)度排序出現(xiàn)差異。排除數(shù)據(jù)突變影響，指標(biāo)權(quán)重波動很小，關(guān)聯(lián)度排序基本穩(wěn)定。動態(tài)指標(biāo)權(quán)重更能體現(xiàn)該影響因素時(shí)效性，使最終評價(jià)結(jié)果更合理。運(yùn)用標(biāo)準(zhǔn)差計(jì)算所得ρ為客觀動態(tài)值，ρ與數(shù)據(jù)同步變化，消除兩極最大值對關(guān)聯(lián)系數(shù)失真影響。

1.4.1 指標(biāo)無量綱化

由于指標(biāo)層各指標(biāo)具有不同屬性與量綱，在評價(jià)前，需采用方法處理指標(biāo)值，將指標(biāo)值轉(zhuǎn)化為不受屬性和量綱影響指標(biāo)評價(jià)值。指標(biāo)值無量綱化處理使正、逆向指標(biāo)變化趨勢一致。本文采用閾值法消除指標(biāo)量綱與屬性。

具體方法如下：

其中：Xi為Xi'無量綱值；Xi'為第i評價(jià)單位某個(gè)指標(biāo)原始數(shù)據(jù)；分別為第i評價(jià)單位某個(gè)指標(biāo)最大值和最小值。

1.4.2 參考序列及關(guān)聯(lián)系數(shù)

應(yīng)用灰色系統(tǒng)理論分析關(guān)鍵是選擇參考序列，計(jì)算各指標(biāo)與參考序列之間關(guān)聯(lián)系數(shù)和關(guān)聯(lián)度。單位面積糧食產(chǎn)量是農(nóng)區(qū)經(jīng)濟(jì)收益關(guān)鍵，因此以單位面積糧食產(chǎn)量作為參考序列更具現(xiàn)實(shí)意義。假定Xki表示第i被評價(jià)單位第k指標(biāo)評價(jià)值。則Xi＝（X1i，X2i，…，Xni）是以第 i被評價(jià)單位所有指標(biāo)評價(jià)值為分量組成向量。參考序列X1(k)＝{X1(1)，X1(2)，…，X1(n)}，k＝1，2，…，n。

關(guān)聯(lián)性是曲線幾何形狀間差別，因此以曲線間差值，作為關(guān)聯(lián)程度衡量尺度。對于一個(gè)參考數(shù)列X1，有多個(gè)比較數(shù)列X2，X3，…，Xn可以用下述關(guān)系表示比較曲線與參考曲線在各點(diǎn)差。

式中：r(k)為是第i評價(jià)單位第k指標(biāo)比較曲線xi與參考曲線xi相對差值，即xi對x1在k評價(jià)單位關(guān)聯(lián)系數(shù)；ρ為分辨系數(shù)。

式（3）中ρ作用是消除因兩級最大差值過大對計(jì)算關(guān)聯(lián)系數(shù)r值失真影響。通常取ρ=0.5；當(dāng)ρ≤0.5453時(shí)，易于觀察分辨率變化；一般取ρ≤0.5；當(dāng) ρ≥0.5，關(guān)聯(lián)度計(jì)算值變化幅度逐漸減小，ρ變化對評價(jià)排序結(jié)果無影響，ρ取值在[0.5，1]均可。為避免主觀因素過多干擾，計(jì)算各評價(jià)單位各列標(biāo)準(zhǔn)差確定分辨系數(shù)，方法簡單，可平衡兩級最大差值影響，降低主觀隨意性，使結(jié)果更具時(shí)效性。

具體方法如下：

式中：i=1，2，…，m；σmax＝max{σ1，σ2，…，σm}；σmin＝min{σ1，σ2，…，σm}。1.4.3 關(guān)聯(lián)度及指標(biāo)權(quán)重

關(guān)聯(lián)系數(shù)表示各評價(jià)單位數(shù)據(jù)間關(guān)聯(lián)程度，將各評價(jià)單位關(guān)聯(lián)系數(shù)集中，求平均值?；疑P(guān)聯(lián)度分析方法利用灰色關(guān)聯(lián)評估中關(guān)聯(lián)系數(shù)矩陣關(guān)聯(lián)強(qiáng)度分析確定各指標(biāo)權(quán)重。

計(jì)算公式如下：

式中：N為序列數(shù)據(jù)個(gè)數(shù)，ri為序列各個(gè)時(shí)刻關(guān)聯(lián)系數(shù)，Ri為序列關(guān)聯(lián)度。

1.4.4 理想解距離、最劣解距離及相對貼近度

由式（8）構(gòu)造規(guī)范化矩陣，形成規(guī)范化矩陣Zij=(zij)mn，根據(jù)規(guī)范化矩陣，確定被評價(jià)單位各指標(biāo)理想解和最劣解，即為矩陣Zij各列最大值Z+和最小值 Z-，分別記為Z+＝{，，…，}；Z-＝{，…，。不同向性指標(biāo)理想解和最劣解求解不同，正向時(shí)：＝max{Z1j， Z2j， …， Zmj}，＝min{Z1j， Z2j， …，Zmj}；逆向時(shí)：＝min{Z1j，Z2j，…，Zmj}，Z＝max{Z1j，Z2j，…，Zmj}。再計(jì)算規(guī)范化矩陣Zij中各方案到理想解距離和最劣解距離，最后計(jì)算各樣本點(diǎn)與理想解相對貼近度Ci。Ci值越大，表明距離最優(yōu)解越近，農(nóng)業(yè)旱災(zāi)脆弱性性越嚴(yán)重?？砂碈i量化反映某評價(jià)單位農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度，并加以比較分析。

計(jì)算公式如下：

2 結(jié)果與分析

2.1 指標(biāo)權(quán)重分析

通過灰色關(guān)聯(lián)度分析與標(biāo)準(zhǔn)差計(jì)算所得指標(biāo)權(quán)重和分辨系數(shù)結(jié)果見表2。

表2 2009～2014年分辨系數(shù)與指標(biāo)權(quán)重Table2 Resolution ratio and index weight in 2009-2014

由表2可知，分辨系數(shù)ρ值在[0.616 6，0.691 9]，與經(jīng)驗(yàn)取值 0.5 相差 0.1～0.2，且ρ值在[0.5，0.7]變化對關(guān)聯(lián)度排序結(jié)果無影響。計(jì)算所得ρ值排除主觀因素，消除兩極最大值對關(guān)聯(lián)系數(shù)失真影響。

利用改進(jìn)灰色關(guān)聯(lián)度分析計(jì)算所得指標(biāo)權(quán)重不具有定性，浮動區(qū)間多在0～0.015，各年關(guān)聯(lián)度排序存在差異，指標(biāo)數(shù)據(jù)異動致使權(quán)重計(jì)算結(jié)果偏離。數(shù)據(jù)異動主要有人為因素（農(nóng)業(yè)機(jī)械總動力、農(nóng)業(yè)技術(shù)人員、機(jī)電井眼、耕地灌溉率等）和自然因素（降水量、土壤含水量、溫度等）。例如，2010～2011年全區(qū)年平均降水量約在435 mm，2011年擴(kuò)大耕地面積，作物需水量增加，但降水量不足，作物缺水程度加重。為抵御旱災(zāi)，增加各地區(qū)鄉(xiāng)村勞動力、農(nóng)業(yè)技術(shù)人員和機(jī)電井眼，加大灌溉用水量，降低損失量。該年降水量作為主導(dǎo)因素，其權(quán)重值提升0.0166，鄉(xiāng)村勞動力、農(nóng)業(yè)機(jī)械總動力和機(jī)電井眼等被動因素權(quán)重值減小，指標(biāo)權(quán)重排序變動較大。自然因素影響不可避免，可調(diào)控人為因素適應(yīng)自然因素變動，調(diào)整指標(biāo)權(quán)重排序，降低農(nóng)業(yè)旱災(zāi)脆弱性。

2.2 農(nóng)業(yè)旱災(zāi)脆弱性等級

相對貼近度值越大，農(nóng)業(yè)旱災(zāi)脆弱性越嚴(yán)重。將脆弱性等級劃分為5級，見表3。

表3 農(nóng)業(yè)旱災(zāi)脆弱性等級Table3 Grades of agricultural drought vulnerability

通過改進(jìn)TOPSIS模型計(jì)算2009～2014年黑龍江省西部半干旱地區(qū)各市（區(qū)、縣）農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)結(jié)果見圖1。

黑龍江省半干旱地區(qū)農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度由大到小依次為克東縣、克山縣、拜泉縣、依安縣、富裕縣、訥河市、泰來縣、甘南縣、市轄區(qū)、龍江縣，其中克東縣、克山縣、拜泉縣、依安縣、富?？h、訥河市為重度脆弱，泰來縣、甘南縣、市轄區(qū)為中度脆弱，龍江縣為輕度脆弱，全區(qū)農(nóng)業(yè)受旱影響機(jī)率較大。2010年，克東縣、拜泉縣農(nóng)業(yè)旱災(zāi)脆弱性為特重，相對貼近度值分別高達(dá)0.858、0.840，龍江縣農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度最輕，其相對貼近度值在2009年低至0.364。

2.3 農(nóng)業(yè)旱災(zāi)脆弱性時(shí)空差異

2010年克東縣、克山縣、拜泉縣和富裕縣相對貼近度值較大，降水量匱乏，機(jī)電井眼數(shù)不足以提供應(yīng)急灌溉用水量，農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度加重。而2011年降水量依然有限，但鄉(xiāng)村勞動力、農(nóng)業(yè)技術(shù)人員和機(jī)電井均增加，旱災(zāi)發(fā)生時(shí)，增加灌溉用水量，減少旱災(zāi)對糧食產(chǎn)量影響，農(nóng)業(yè)災(zāi)承載力提高。2012年克東縣、克山縣、依安縣和訥河市農(nóng)業(yè)旱災(zāi)性脆弱性強(qiáng)度下降較少，2013年稍有回升，對比4個(gè)區(qū)域數(shù)據(jù)可知，2012年脆弱性驟降主因是旱地面積比重大幅度減少，耕地灌溉率分別提高1.6%、3.5%、8.0%（見圖2）。

圖1 2009～2014年各市(區(qū)、縣)農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)結(jié)果Fig.1 Results of agricultural drought vulnerability assessment in counties in 2009-2014

圖2 各市(區(qū)、縣)農(nóng)業(yè)旱災(zāi)脆弱性時(shí)空差異Fig.2 Spatiotemporal difference of agricultural drought vulnerability assessment in counties

克東縣、克山縣、訥河市、拜泉縣及富?？h在合理調(diào)控區(qū)域復(fù)合體各影響因素，增加糧食產(chǎn)量同時(shí)，農(nóng)業(yè)旱災(zāi)脆弱性總體呈下降趨勢，脆弱性強(qiáng)度減輕。近年來，市轄區(qū)、龍江縣和泰來縣播種面積持續(xù)增加，合理調(diào)整其他因素，確保糧食產(chǎn)量，相對貼近度值無較大波動，農(nóng)業(yè)旱災(zāi)脆弱性穩(wěn)定，應(yīng)興修水利，降低糧食損失，減弱農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度。依安縣和甘南縣注重增加糧食產(chǎn)量，其他影響因素調(diào)控不合理，農(nóng)業(yè)旱災(zāi)脆弱性加重，未來工作重點(diǎn)是制定合理技術(shù)方案，提高糧食產(chǎn)量降低農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度。

3 討論與結(jié)論

本文計(jì)算各指標(biāo)與參考序列間關(guān)聯(lián)程度，確定指標(biāo)權(quán)重，分析農(nóng)業(yè)旱災(zāi)脆弱性系統(tǒng)內(nèi)在規(guī)律。同時(shí)引入標(biāo)準(zhǔn)差法確定指標(biāo)權(quán)重，消除經(jīng)驗(yàn)取值弊端，使權(quán)重值更具現(xiàn)實(shí)意義。評價(jià)結(jié)果與現(xiàn)狀基本一致。本文存在以下不足：①評價(jià)指標(biāo)篩選以現(xiàn)有年鑒數(shù)據(jù)庫為準(zhǔn)，可供選取數(shù)據(jù)有限，尤其是水利條件和抗旱組織方面數(shù)據(jù)缺失，模型評價(jià)結(jié)果存在偏差，難以全面反映農(nóng)業(yè)旱災(zāi)脆弱性強(qiáng)度及時(shí)空差異；②改進(jìn)TOPSIS模型完全基于客觀角度，雖可消除主觀隨意性和固定性，但需多地區(qū)驗(yàn)證模型合理性并加以改進(jìn)。

本文采用灰色關(guān)聯(lián)度分析確定指標(biāo)權(quán)重，改進(jìn)分辨系數(shù)確定方法，建立農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)模型，評價(jià)黑龍江省西部半干旱地區(qū)農(nóng)業(yè)旱災(zāi)脆弱性，結(jié)論如下：

a.利用改進(jìn)灰色關(guān)聯(lián)分析計(jì)算指標(biāo)權(quán)重值為動態(tài)值，各年評價(jià)指標(biāo)關(guān)聯(lián)度排序不同，原因在于評價(jià)指標(biāo)數(shù)據(jù)突變致使權(quán)重計(jì)算結(jié)果偏離。

b.時(shí)空差異分析結(jié)果表明，黑龍江省西部半干旱地區(qū)東北部為重度脆弱區(qū)，占本研究區(qū)一半，其余區(qū)域多為中度脆弱區(qū)，極易發(fā)生旱災(zāi)。近年來，研究區(qū)域在實(shí)現(xiàn)糧食增產(chǎn)同時(shí)，合理調(diào)配區(qū)域復(fù)合體中相關(guān)影響因素，使農(nóng)業(yè)旱災(zāi)脆弱性逐年減輕。

[1] 商彥蕊.河北省農(nóng)業(yè)旱災(zāi)脆弱性區(qū)劃與減災(zāi)[J].災(zāi)害學(xué),2001,16(3):28-32.

[2] Shahid S,Behrawan H.Drought risk assessment in the western part of Bangladess[J].Natural Hazards,2008,46(3):391-413.

[3] Zarafshani K,Sharafi L,Azadi H,et al.Drought vulnerability assessment:The case of wheat farmers in Western Iran[J].Global and Planetary Change,2012,98-99(6):122-130.

[4] Wilhelmi O V,Wilhite D A.Assessing Vulnerability to Agricul-tural Drought:A Nebraska Case Study[J].Natural Hazards,2002,25(1):37-58.

[5] Simelton E,Fraser E D G,Termansen M,et al.Typologies of crop-drought vulnerability:An empirical analysis of the socioeconomic factors that influence the sensitivity and resilience to drought of three major food crops in China(1961-2001)[J].Environmental Science and Policy,2009,12(4):438-452.

[6] Do N,Kang S.Assessing drought vulnerability using soil moisturebased water use efficiency measurements obtained from multisensor satellite data in Northeast Asia dryland regions[J].Journal of Arid Environments,2014,105:22-32.

[7] Safavi H R,Esfahani M K,Zamani A R.Integrated index for assessment of vulnerability to drought,case study:Zayandehrood River Basin,Iran[J].Water Resources Management,2014,28(6):1671-1688.

[8] 楊彬云,吳容軍,鄭有飛,等.河北省農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)[J].安徽農(nóng)業(yè)科學(xué),2008,36(15):6499-6502.

[9] 侯光良,肖景義,李生梅.基于氣候變化的干旱脆弱性評價(jià)——以青海東部為例[J].自然災(zāi)害學(xué)報(bào),2012,21(2):163-168.

[10] 陳萍,陳曉玲.鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)農(nóng)業(yè)系統(tǒng)的干旱脆弱性評價(jià)[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(8):8-13.

[11] 康永輝,解建倉,黃偉軍,等.廣西大石山區(qū)農(nóng)業(yè)干旱成因分析及脆弱性評價(jià)[J].自然災(zāi)害學(xué)報(bào),2014,23(3):24-32.

[12] 王鶯,王靜,姚玉璧,等.基于主成分分析的中國南方干旱脆弱性評價(jià)[J].生態(tài)環(huán)境學(xué)報(bào),2014,23(12):1897-1904.

[13] 李夢娜,錢會,喬亮.關(guān)中地區(qū)農(nóng)業(yè)干旱脆弱性評價(jià)[J].資源科學(xué),2016,38(1):166-174.

[14] 汪霞,汪磊.西南喀斯特地區(qū)農(nóng)業(yè)旱災(zāi)脆弱性評價(jià)——以貴州省為例[J].廣東農(nóng)業(yè)科學(xué),2014,41(22):181-186.

[15] 曹永強(qiáng),馬靜,李香云,等.投影尋蹤技術(shù)在大連市農(nóng)業(yè)干旱脆弱性評價(jià)中的應(yīng)用[J].資源科學(xué),2011,33(6):1106-1110.

[16] 徐晗.基于熵權(quán)法的陜西省農(nóng)業(yè)干旱脆弱性評價(jià)及影響因子識別[J].干旱地區(qū)農(nóng)業(yè)研究,2016,34(3):198-205.

[17] 梁祖美,曾金賜,楊振川.TOPSIS法在綜合評價(jià)食品衛(wèi)生工作中的應(yīng)用[J].現(xiàn)代預(yù)防醫(yī)學(xué),2004,31(2):275-276.

[18] 付強(qiáng).數(shù)據(jù)處理方法及其農(nóng)業(yè)應(yīng)用[M].北京:科學(xué)出版社,2006.

[19] 趙越,張曉琴.基于譜效關(guān)系的灰色關(guān)聯(lián)度分辨系數(shù)確定[J].太原師范學(xué)報(bào):自然科學(xué)版,2013(4):1-3.