蕭煒鵬，龔建周*，崔海山*，胡月明

（1.廣州大學地理科學與遙感學院，廣州 510006；2.華南農(nóng)業(yè)大學資源環(huán)境學院，廣州 510642；3.廣州市華南自然資源科學技術(shù)研究院，廣州 510630；4.自然資源部建設(shè)用地再開發(fā)重點實驗室，廣州 510642；5.廣東省土地信息工程技術(shù)研究中心，廣州 510642；6.廣東省土地利用與整治重點實驗室，廣州 510642）

近幾十年來全球范圍的氣候變暖已成公認的事實，未來這種趨勢預計將會進一步加速。根據(jù)聯(lián)合國政府間氣候變化專門委員會（IPCC）第五次報告，1880—2012 年，全球平均地表溫度升高了0.85 ℃，其中1983—2012年可能是史上最暖的30年。在氣候變暖大趨勢下極端高溫、熱浪事件發(fā)生頻率呈增加趨勢，嚴重影響甚至威脅到人類健康及社會經(jīng)濟發(fā)展，IPCC 報告預計，未來極端氣候事件的發(fā)生量級、持續(xù)時間和頻率將持續(xù)增加[1-2]。

氣候變暖對中國農(nóng)業(yè)生產(chǎn)的負面影響已經(jīng)逐漸顯現(xiàn)，如果不采取適應(yīng)措施，到2030 年，中國種植業(yè)生產(chǎn)能力在總體上因氣候變暖可能會下降5%～10%；到21 世紀后半期，小麥、水稻、玉米等作物單產(chǎn)將最高下降37%[3]。氣溫變化一般比較連續(xù)，而極端高溫具有一定的突發(fā)性，且其發(fā)生時段往往與水稻的關(guān)鍵生長期和高溫敏感期重合，持續(xù)的高溫天氣導致水稻開花授粉受精不良、灌漿結(jié)實期縮短，因而直接降低水稻產(chǎn)量和品質(zhì)，威脅區(qū)域糧食生產(chǎn)安全[4]。隨著極端高溫天氣出現(xiàn)頻率增加，極端高溫發(fā)生時空特征、高溫熱害對水稻影響、水稻高溫熱害風險區(qū)提取及等級劃分等受到眾多學者的關(guān)注。任永建等[5]針對湖北省極端高溫事件展開研究，發(fā)現(xiàn)湖北省極端高溫發(fā)生頻次呈現(xiàn)東西部減少、中部增加的趨勢。沿淮地區(qū)高溫天氣也尤其頻繁，且發(fā)生時段多集中在7 月中旬至8 月上旬，正值一季稻抽穗揚花期，會對水稻產(chǎn)量造成明顯影響[6]。任義方等[7]利用歷史氣象資料和水稻生育期資料，通過分析區(qū)域不同程度高溫熱害發(fā)生頻次，進行了江蘇省水稻高溫熱害風險分區(qū)。此外李娟等[8]研究表明，西南地區(qū)可能因下墊面、地形、陸表過程反饋作用，對平均溫度的升高更為敏感，平均溫度每升高1 ℃，極端高溫日數(shù)增加4～9 d。2006 年，四川省由于盛夏高溫提前出現(xiàn)且持續(xù)時間長、降水少，經(jīng)歷了50多年來最嚴重的一次高溫干旱災害，全省農(nóng)業(yè)受熱害天氣影響損失達79.6 億元[9]。何永坤等[10]分析了1960—2008年四川盆地水稻熱害，發(fā)現(xiàn)熱害重發(fā)區(qū)集中在盆地中部。劉佳等[11]分析了1981—2014 年水稻抽穗揚花期和灌漿結(jié)實期高溫熱害的時空變化規(guī)律，結(jié)果表明四川省高溫熱害總次數(shù)呈上升趨勢，尤以2000 年后增幅最為顯著，2006 年和2013 年監(jiān)測出高溫熱害發(fā)生的站點最多，2010年、2014年居次。

對極端高溫發(fā)生時間序列變化規(guī)律的研究主要采用線性趨勢法、Mann-Kendall 檢驗、Sen′s 斜率法、累計距平法等提取年（代）際的變化和發(fā)生極端高溫的典型年份，而極端高溫發(fā)生空間特征、水稻高溫熱害風險區(qū)劃及定級研究，大多是通過氣象站點數(shù)據(jù)和熱害指數(shù)等統(tǒng)計結(jié)果插值，最終以地區(qū)、省、縣為空間單元進行結(jié)果分析。大尺度的極端高溫發(fā)生空間分布研究能揭示范圍較廣的總體情況，對地形變化復雜區(qū)域卻不能很好反映，另外極端高溫熱害發(fā)生與當?shù)鼐用裆?、農(nóng)業(yè)生產(chǎn)密切相關(guān)，進一步以格網(wǎng)尺度為空間單元進行研究能更精準地提取出頻繁受極端高溫影響的水稻熱害風險區(qū)域，從而彌補大尺度研究的不足，也為局部地區(qū)防災減災措施、政策的制定與實施提供科學的參考。

本研究綜合前人研究結(jié)果，以南充市為研究區(qū)，利用南充市范圍內(nèi)的氣象站逐日最高氣溫數(shù)據(jù)進行整理以提取極端高溫發(fā)生典型年份和不同時段變化趨勢。利用17 個氣象站點（南充市周邊10 個站點及市域范圍內(nèi)7個站點）2000—2018年水稻抽穗揚花期（7—8 月）逐日最高溫度數(shù)據(jù)計算各站點的高溫熱害累積指數(shù)；借助ANUSPLIN 專業(yè)氣象插值軟件，以DEM數(shù)字高程數(shù)據(jù)為協(xié)變量進行插值，提取南充市極端高溫發(fā)生的空間分布特征；最終結(jié)合南充市域水稻、人口分布柵格數(shù)據(jù)、風險性分析模型，以格網(wǎng)尺度進行水稻熱害風險分區(qū)定級，以期為局部區(qū)域防災減災措施和政策的制定提供科學依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

南充市位于105°27′～106°58′E、30°35′～31°51′N，大部分區(qū)（縣）位于盆中淺丘區(qū)，東鄰達州市，南連廣安市，西與遂寧市、綿陽市接壤，北與廣元市、巴中市毗鄰，總面積12 477 km2。

研究區(qū)屬于亞熱帶濕潤季風氣候，7、8 月份最熱，一般8 月較7 月氣溫稍高，期間多數(shù)縣（市、區(qū)）的月平均氣溫都在27 ℃以上，屬于全省年平均氣溫較高且極端高溫天氣頻發(fā)的區(qū)域之一。降水量的季節(jié)分配很不均勻，降水強度為夏季最大、冬季最小，6—8月的降水總量可占全年的28%～34%。研究區(qū)常年云量大、日照少，多年平均日照總時數(shù)為1 369.1 h[12]。

南充市為國家規(guī)劃定位的成渝經(jīng)濟區(qū)北部中心城市，四川省東北城市群雙核之一，人口數(shù)量居全省第二[13-14]。近年來，城市經(jīng)濟建設(shè)不斷發(fā)展擴大，下墊面改變劇烈，可以預見未來高溫熱害天氣的出現(xiàn)會更加頻繁且強度增大[15-16]。

1.2 數(shù)據(jù)來源

本研究逐日氣象數(shù)據(jù)來源于中國氣象信息共享平臺（http：//data.cma.cn/data/），共選取2000—2018 年17 個國家級氣象觀測站點，包括南充市域范圍內(nèi)的閬中站、儀隴站、南部站、西充站、蓬安站、營山站、高坪站等7 個站點，以及南充市周邊的平昌、巴中、渠縣、岳池、廣安、蒼溪、鹽亭、射洪、蓬溪、遂寧等10 個站點，其分布如圖1 所示。用于提取南充市水稻種植區(qū)的多期Landsat系列遙感影像來源于地理空間數(shù)字云平臺（http：//www.gscloud.cn/）。2016年1 km格網(wǎng)人口分布數(shù)據(jù)來自于英國南安普敦大學WorldPop 數(shù)據(jù)集（http：//www.worldpop.org/）?？臻g分辨率30 m 的DEM 數(shù)字高程數(shù)據(jù)及行政區(qū)劃矢量數(shù)據(jù)來自中國科學院資源環(huán)境科學數(shù)據(jù)中心（http：//www.resdc.cn/De?fault.aspx）。

1.3 研究方法

本研究從兩個方面展開：一是南充市極端高溫發(fā)生時間特征分析，包括極端高溫發(fā)生異常年份的提?。欢悄铣涫袠O端高溫發(fā)生空間分布特征和水稻高溫熱害風險區(qū)識別定級。

1.3.1 極端高溫發(fā)生異常年份識別

一般地，對極端性天氣事件的識別主要有兩種方法：一是特定閾值法，參考氣象要素的影響程度，將日最高氣溫≥35 ℃定義為極端高溫日[17]；二是基于統(tǒng)計概率分析（如均值、方差、統(tǒng)計分布等）計算得到判定閾值，本研究采用該方法進行極端高溫發(fā)生異常年份的識別。

圖1 研究區(qū)域氣象站點分布圖Figure 1 Distribution map of meteorological stations in the research area

引入年距平、累計距平法以獲取判定閾值。其中，氣溫年距平是指某一年氣溫均值與研究時段內(nèi)氣溫平均值的差，因此年距平有正距平和負距平之分，用于描述該年氣溫相對于平均值是偏高或偏低。在氣象上，常用年距平值的逐年累加，即氣溫累計距平，得到相鄰年份的氣溫變動情況，另外氣溫累計距平也能反映氣溫在較長時間序列是持續(xù)增加、持續(xù)減少或比較穩(wěn)定。年距平、累計距平計算公式[18-19]如下：

式中：LTi為第i年的氣溫累計距平；ΔTi為第i年的氣溫距平；Ti為第i年的7—8 月逐日最高氣溫平均值。

按時間序列繪制ΔTi柱狀圖和LTi變化曲線，即氣溫距平柱圖和累計距平曲線。由于年距平有正負之分，氣溫距平為正，累計距平曲線向上表明年際氣溫增加；氣溫距平為負，曲線呈下降趨勢，表明年際氣溫減??；當曲線持平，則年際氣溫保持穩(wěn)定不變。根據(jù)ΔTi和LTi曲線，將距平值明顯高于平均值、累計距平值增加顯著的年份，識別為極端高溫發(fā)生異常年份。

1.3.2 多年高溫熱害累積指數(shù)計算及ANUSPLIN 軟件空間插值

（1）水稻抽穗揚花期高溫熱害累積指數(shù)

以日最高氣溫35 ℃作為危害水稻正常生長的臨界溫度，此外綜合考慮相對濕度的影響，參考陽園燕等[20]的研究，定義單一年份水稻抽穗揚花期高溫熱害累積指數(shù)HISf的計算公式為：

式中：TDmax和RHD分別為致害最高氣溫（℃）和空氣相對濕度（%），本研究取35 ℃和70%；Timax、RHi分別為水稻抽穗揚花期（7—8 月）第i個極端高溫日的日最高氣溫（℃）和該日的最低空氣相對濕度；Tmax、RHmin為研究時段內(nèi)（2000—2018 年）水稻抽穗揚花期（7—8月）日最高氣溫（℃）的極大值和最低相對濕度（%）的極小值；n為各年水稻抽穗揚花期（7—8 月）極端高溫日數(shù)總和；Dfi為某個極端高溫日對應(yīng)的高溫危害權(quán)重系數(shù)；m代表該極端高溫日為7—8 月中的第m天，最大取值62（7—8月天數(shù)總和）。

研究時段（2000—2018 年）多年高溫熱害累積指數(shù)則將各年得到指數(shù)結(jié)果求和，作為反映區(qū)域近20年極端高溫熱害發(fā)生的頻率與強度指標，其公式如下：

式中：HISf(N)為某一年份的高溫熱害累積指數(shù)，N取值范圍為2000—2018年。

（2）基于多年高溫累積指數(shù)的ANUSPLIN軟件插值

考慮到氣溫的區(qū)域相關(guān)性，本研究用于插值的站點不僅含市域范圍內(nèi)7個站點，還包括周邊區(qū)域的10個站點（圖1）。ANUSPLIN 軟件為專業(yè)氣象插值軟件，由澳大利亞科學家Hutchinson 編寫，其內(nèi)置的薄板樣條法（Spline），區(qū)別于反距離權(quán)重法（IDW）、泰森多邊形法、克里金插值（Kriging），可以引入經(jīng)度、緯度、高程等多個因子作為協(xié)變量，從而實現(xiàn)插值結(jié)果逼真度和光滑度的最佳平衡，更加適用于地形變化較復雜的地區(qū)插值，其計算公式[21]為：

式中：Zi為空間i點的因變量；f為待估算的關(guān)于xi的未知平滑函數(shù)；xi為樣條獨立變量矢量；yi為獨立協(xié)變量；bT為獨立協(xié)變量系數(shù)；ei為隨機誤差。

1.3.3 水稻高溫熱害風險性分析

本研究的風險性分析從致災危險性和承災體暴露性兩方面進行考慮，致災危險性由多年高溫熱害累積指數(shù)反映，而承災體暴露性則是以水稻種植面積和人口分布密度來體現(xiàn)。新建研究區(qū)2.5 km×2.5 km 大小格網(wǎng)作為計算單元，探討格網(wǎng)尺度下不同區(qū)域的水稻高溫熱害風險性，并根據(jù)計算結(jié)果進行分等定級。

（1）風險性分析模型

多年高溫熱害累積指數(shù)越高、水稻面積和人口密度越大表示該格網(wǎng)內(nèi)遭受高溫熱害概率和因熱害發(fā)生導致的損失越大，即風險程度高，風險性模型如下：

式中：H表示多年高溫熱害累積指數(shù)；S表示水稻種植面積；P表示人口數(shù)量；wr1取值0.7、wr2取值0.3，分別對應(yīng)水稻種植面積和人口數(shù)量的權(quán)重。為了便于計算，將各指標進行歸一化處理。

（2）南充市水稻種植區(qū)的提取

水稻與旱地作物、林地等自然植被的光譜特征相似[22]，借助單一指數(shù)或一期遙感影像很難準確區(qū)別；而利用水稻生長特征、耕作收獲時期與其他自然植被、旱地作物的差異，則能較好地將它們區(qū)分。決策樹分類通過專家經(jīng)驗總結(jié)、數(shù)學統(tǒng)計和歸納等方法獲得分類規(guī)則，其最大的特點是將多時期及多源數(shù)據(jù)綜合利用以提高分類精度[23]。然而，南充市常年云霧天氣較多，難以獲取到同一年份多期可見度高（云量少）的遙感影像，還需借助相鄰年份影像作為補充。因此，本研究對南充市水稻種植范圍的提取利用2017年5月26日、2014年8月6日及10月25日，行列號為（38，128）、（39，128）的6景空間分辨率為30 m的TM遙感影像。對下載完成的遙感影像進行輻射定標、大氣校正、幾何校正、圖像拼接和研究區(qū)裁剪等一系列預處理后；分析三期影像（5、8、10月）中不同地物時序NDVI數(shù)值變化特征以設(shè)定決策樹各節(jié)點閾值，最終將各類地物區(qū)分并提取出水稻種植范圍（圖2）。分類結(jié)果則是利用田野調(diào)研獲得的GPS樣點數(shù)據(jù)和Google高分辨率衛(wèi)星地圖進行精度驗證。

（3）水稻高溫熱害風險區(qū)分等定級

圖2 水稻種植面積決策樹提取模型Figure 2 Decision tree model for extrating rice area

以格網(wǎng)為空間分析單元，風險區(qū)識別基于公式（7）計算結(jié)果進行，其結(jié)果不僅反映不同區(qū)域2000—2018 年極端高溫天氣發(fā)生的頻率、強度（即致災因子的危險性），還體現(xiàn)了因高溫熱害造成損失的可能性大?。词転捏w的暴露性）。運用自然斷點法對風險性分析計算結(jié)果進行重新分類，將值介于0～0.09、0.09～0.23、0.23～0.61 的區(qū)域分別定義為水稻高溫熱害低、中、高風險區(qū)。

2 結(jié)果與分析

2.1 年距平、累計距平對高溫異常年份的識別結(jié)果

研究區(qū)2000—2018 年逐日最高氣溫的年距平及累計距平曲線如圖3 所示。從距平柱圖可知，2006、2011、2013、2016、2017 年和2018 年的水稻抽穗揚花期（7—8 月）平均日最高氣溫明顯高于多年均值水平（19 年均值），其中2006、2017 年高于多年均值2 ℃以上；2016、2018 年高于多年均值1 ℃以上；2011、2013年則高出0.5 ℃以上。參考中國氣象局《全國氣候影響評價》標準，計算日均最高氣溫距平值ΔTi與標準差Q的比值（ΔTi/Q），結(jié)果顯示2006 年ΔTi/Q值大于2，屬于氣溫異常偏高年份；2017 年ΔTi/Q值大于1.5，屬氣溫顯著偏高年份；2016、2018 年ΔTi/Q值大于1，屬氣溫偏高年份。因此，可以推測2006 年為研究時段南充市極端高溫發(fā)生最嚴重的年份，其次為2017年，極端高溫天氣出現(xiàn)日數(shù)顯著偏多，2011、2013、2016年和2018年也較常年明顯偏多。

從累計距平曲線可以看出，2000—2010 年累計距平曲線僅在2006 年有短暫大幅上升，其余年份走勢不斷向下；而2010—2018 年累計距平曲線僅在2012 年有小幅下降，其余年份不斷上升。累計距平值由2000 年的-1.38 ℃降至2010 的-6.61 ℃再升至2018 年的接近0 ℃，表明2010 年為南充市氣溫變化的轉(zhuǎn)折點。2015—2018 年連續(xù)4 年累計距平曲線大幅上升，可以預見，未來南充市極端高溫天氣出現(xiàn)的頻率和發(fā)生的強度持續(xù)增大。

圖3 2000—2018年南充市水稻抽穗揚花期平均日最高氣溫年距平及累計距平圖Figure 3 Diagram of annual changes and cumulative anomalies of extremely high temperature during rice heading-flowering in Nanchong City from 2000 to 2018

2.2 縣域尺度極端高溫發(fā)生空間分布特征

基于公式（5）計算得出17 個站點的多年高溫熱害累積指數(shù)，利用ANUSPLIN 軟件進行插值并裁剪出研究區(qū)范圍，結(jié)果如圖4 所示?？傮w上，受緯度地帶性及地形、地勢影響，南部各縣（區(qū)）水稻抽穗揚花期（7—8 月）高溫熱害累積指數(shù)值高于北部各縣（市）；縣域范圍內(nèi)有較廣山地分布，其熱害累積指數(shù)值的差異較大。通過對近20 年氣象數(shù)據(jù)整理得出南充市各氣象站點極端高溫發(fā)生累計天數(shù)及高溫累計度數(shù)，蓬安縣、營山縣為南充市遭受極端高溫天氣最頻繁的兩個縣，極端高溫日數(shù)累計（日最高氣溫大于35 ℃的天數(shù)之和）均超過400 d，極端高溫累計度數(shù)（各極端高溫日的當日最高氣溫與35 ℃差值求和）均超過700 ℃；其次為高坪區(qū)、南部縣和西充縣，高溫累計日數(shù)均超過300 d，且高溫累計度數(shù)均超過570 ℃。位于市域范圍最北部的閬中市雖極端高溫累計天數(shù)也超過300 d，但其累計度數(shù)明顯小于偏南部的縣（區(qū)），表明該市極端高溫發(fā)生強度普遍不高。位于市域東北部的儀隴縣則是經(jīng)受極端高溫熱害最小的縣，極端高溫日數(shù)為109 d，高溫累計度數(shù)僅為50 ℃，均較大幅度低于其他縣（區(qū)）。結(jié)合圖4B 可知，縣內(nèi)地形主要以山地、丘陵為主，且相鄰的營山縣東北部也分布著較廣山地，因而可以有效阻擋和緩解高溫熱浪的深入和影響。

2.3 水稻高溫熱害風險區(qū)識別

對水稻高溫熱害累積指數(shù)插值結(jié)果、南充市水稻和人口分布柵格圖分別在2.5 km×2.5 km 格網(wǎng)的尺度下進行分區(qū)統(tǒng)計，并對統(tǒng)計值進行歸一化處理后輸入至對應(yīng)的格網(wǎng)單元。引入風險性分析模型，利用三個格網(wǎng)圖層統(tǒng)計結(jié)果進行計算，最終得出南充市各等級水稻高溫熱害風險區(qū)分布圖，如圖5所示。

（1）水稻種植區(qū)分布

利用決策樹分類提取南充市水稻種植范圍（圖5B），共提取水稻種植面積1.439×105hm2，與統(tǒng)計年鑒結(jié)果相近。通過實地調(diào)研和Google 高分辨地圖生成的驗證樣本進行精度檢驗，顯示決策樹分類總體精度為83.5%，提取結(jié)果較為理想。南充市各縣（市、區(qū)）均有較密集的水稻種植區(qū)分布（格網(wǎng)值大于0.3），其在高坪區(qū)、蓬安縣和營山縣呈集中連片式分布，在閬中市、儀隴縣和南部縣則是沿河流、谷地呈較明顯的條帶狀分布。南部縣西北部、閬中市北部及儀隴縣東北部為地勢較高的山地，該區(qū)域由于地形的限制幾乎很少有水稻種植區(qū)分布（格網(wǎng)值小于0.19）。

（2）人口分布

根據(jù)南充市1 km分辨率人口分布柵格圖（圖5C）可知，南充市人口分布具有明顯的中心性，各縣（市、區(qū)）的河谷平原地帶均有明顯的人口密集分布區(qū)域，且與周邊格網(wǎng)值差異巨大。水稻分布的高密集區(qū)一定程度上與人口分布密集區(qū)域重合，說明極端高溫天氣的發(fā)生不僅威脅了大面積的水稻生產(chǎn)，也影響了眾多人群的生活品質(zhì)。

（3）各類水稻高溫熱害風險區(qū)識別

圖4 研究區(qū)高程圖及各地站點極端高溫發(fā)生累計日數(shù)和累計度數(shù)Figure 4 DEM maps of study area and cumulative number of days and degrees of extremely high temperature at each site

圖5 各等級水稻高溫熱害風險區(qū)的分布Figure 5 Distribution of high，medium and low risk areas of high-temperature disasters

根據(jù)風險性分析結(jié)果（圖5D）對三類風險區(qū)比例及其在各縣（市、區(qū)）分布情況進行統(tǒng)計（表1）。從表1可知，南充市近半數(shù)區(qū)域為水稻高溫熱害的中、高風險區(qū)，其中高坪區(qū)、營山縣分布著數(shù)量最多的熱害高風險區(qū)，此外，南部縣、蓬安縣和儀隴縣也有少量高風險區(qū)分布；水稻高溫熱害中風險區(qū)在各縣均有分布且數(shù)量差異較明顯，高坪區(qū)分布數(shù)量最多，其次是儀隴縣、南部縣、蓬安縣，營山縣、閬中市和西充縣也有一定數(shù)量分布；低風險區(qū)為占比最大的水稻高溫熱害風險區(qū)類型，閬中市、南部縣分布著近1/4 市域面積的低風險區(qū)，儀隴縣、營山縣、西充縣也有大片熱害低風險區(qū)分布。結(jié)合圖5D及南充市高程圖可知，熱害低風險區(qū)主要位于市域西北部、北部和東北部的丘陵和山地；熱害中風險區(qū)主要位于市域中部的河谷地區(qū)；熱害高風險區(qū)則處在市域南部和東南部的平原地區(qū)。說明高溫熱浪從城市偏南部進入，頻繁影響市域南部的縣（區(qū)），在進一步向北部縣（市）移動時，受緯度地帶性和地形阻擋影響導致發(fā)生強度逐漸減弱，從而使偏北部縣的水稻密集種植區(qū)經(jīng)受高溫熱害的頻次和強度較南部的縣（區(qū)）明顯減少。另外，海拔較高的山地、丘陵地帶由于地形限制，可供利用的耕地面積稀少，因而該區(qū)域為水稻高溫熱害低風險區(qū)。

表1 各縣（市、區(qū)）三類高溫熱害風險區(qū)網(wǎng)格占比（%）Table 1 Proportion of three types of high temperature disaster grids in all counties

3 討論

3.1 ANUSPLIN插值結(jié)果驗證

以ANUSPLIN 插值軟件為代表的區(qū)域精細化方法在國內(nèi)外得到了廣泛的應(yīng)用，錢永蘭等[24]基于中國境內(nèi)667 個基本和基準地面氣象觀測站點的氣象資料進行插值，并使用未參與插值的全國1 667 個站點作為精度檢測站點，將ANUSPLIN 的樣條插值結(jié)果與反距離權(quán)重法和普通克里格法的插值結(jié)果進行對比，顯示ANUSPLIN 軟件插值的誤差最小，其結(jié)果同樣表明，適當增加站點數(shù)和提高DEM 精度可進一步提高插值精度。

實際驗證法是目前應(yīng)用較為廣泛的一種空間插值精度評價方法，其將部分氣象站點作為建模數(shù)據(jù)，用于插值計算；另一部分站點作為驗證數(shù)據(jù)，不參與插值計算。本研究采用該方法對ANUSPLIN 軟件生成的多年高溫熱害累積指數(shù)插值結(jié)果驗證，選擇已獲取的17 個氣象站點中的14 個作為插值數(shù)據(jù)，其余3個站點作為驗證站點，分別為閬中站、蓬安站和廣安站。根據(jù)插值結(jié)果，提取3 個檢測站點的軟件估算值，將其與實際計算值進行對比，從而獲得絕對誤差和相對誤差（表2）。

表2 插值結(jié)果誤差驗證Table 2 Error validation of interpolation results

根據(jù)表2 中的絕對誤差可知，ANUSPLIN 插值結(jié)果與實際觀測值偏離較小；相對誤差（絕對誤差/實際計算結(jié)果）為2.0%～6.7%，表明ANUSPLIN 插值結(jié)果精度較高。另外，利用ANUSPLIN 軟件插值完成后，還會輸出.log 日志文件和.grid 柵格文件，分別用于記錄插值過程和輸出柵格的標準差大小，均可作為插值結(jié)果精度和可信度的判斷依據(jù)。

3.2 風險區(qū)對下墊面的考慮

本研究基于高溫熱害風險性分析模型計算結(jié)果對南充市各等級水稻高溫熱害風險區(qū)域進行識別，該模型綜合考慮致災因子的危險性和承災體的暴露性。其中致災體危險性是基于多年高溫熱害累積指數(shù)值大小進行判別，其反映了南充市2000—2018 年水稻高溫熱害天氣發(fā)生的頻率及強度。而承災體的暴露性則是由水稻面積和人口數(shù)量分布大小體現(xiàn)，因此災害分區(qū)結(jié)果較為科學、可信。但不足的是，研究中并未考慮到下墊面對于風險區(qū)劃的影響，根據(jù)前人研究成果可知，城市不透水面會產(chǎn)生熱島效應(yīng)，對區(qū)域增溫有較大的貢獻率[25-26]；相反，水體、綠地則對局部地表增溫具有緩沖作用[27]。除此以外，區(qū)域內(nèi)的社會經(jīng)濟水平、基礎(chǔ)設(shè)施狀況等體現(xiàn)風險應(yīng)對能力的指標也是影響水稻高溫熱害風險區(qū)劃的重要因素。因此，在未來工作中可以進一步結(jié)合地表覆被、社會經(jīng)濟狀況等進行更全面的水稻高溫熱害風險性分析，從而為人們合理趨利避害、城市規(guī)劃改造、農(nóng)業(yè)生產(chǎn)安排等提供參考和借鑒。

4 結(jié)論

（1）在2000—2018 年研究時段內(nèi)，2006、2016、2017年和2018年南充市水稻抽穗揚花期（7—8月）平均日最高氣溫均明顯高于常年水平，其中2006 年屬于氣溫異常偏高年份，2017 年屬于氣溫顯著偏高年份，2016年和2018年則是氣溫偏高年份。由此可得，2006 年為極端高溫發(fā)生強度最大的年份，其次為2017 年，2016 年和2018 年極端高溫發(fā)生日數(shù)和高溫累計度數(shù)也較常年明顯偏多。

（2）2010 年為研究時段南充市氣溫變化的轉(zhuǎn)折點，2010—2018 年水稻抽穗揚花期平均日最高氣溫明顯高于2000—2010 年。2015—2018 年氣溫累計距平曲線逐年向上，從2015年的-5.48 ℃升至2018年的接近0 ℃?？梢灶A見，未來南充市極端高溫天氣出現(xiàn)的頻率和強度將持續(xù)增大。

（3）2000—2018 年，蓬安縣、營山縣為南充市遭受極端高溫天氣最頻繁的兩個縣，其次為高坪區(qū)、南部縣和西充縣。位于市域北部的閬中市極端高溫發(fā)生天數(shù)雖也累計超過300 d，但其高溫累計度數(shù)明顯偏小，出現(xiàn)的極端高溫天氣強度普遍不高。

（4）水稻分布的高密集區(qū)域在一定程度上與人口分布密集區(qū)重合，說明極端高溫天氣發(fā)生不僅會威脅大面積的水稻生產(chǎn)，同時也影響了眾多人群的生活品質(zhì)。

（5）南充市近半數(shù)區(qū)域為水稻高溫熱害的中、高風險區(qū)，其中高風險區(qū)在高坪區(qū)、營山縣分布數(shù)量最多；中風險區(qū)在各縣均有較廣泛分布，其中高坪區(qū)分布數(shù)量最多，其次是儀隴縣、南部縣、蓬安縣和營山縣；低風險區(qū)主要位于南部縣西北部、閬中市北部和營山縣東北部的山地、丘陵。由此可得，地形地勢是影響水稻高溫熱害區(qū)劃的重要因素。