龔 娟，何柳月，王素芬

(中國(guó)農(nóng)業(yè)大學(xué) 水利與土木工程學(xué)院，北京 100083)

干旱災(zāi)害具有頻率高、時(shí)效長(zhǎng)、范圍廣等特點(diǎn)，是我國(guó)人類歷史上造成國(guó)民經(jīng)濟(jì)損失最多的自然災(zāi)害之一[1]。在如今全球氣候變暖的影響下，我國(guó)南方濕潤(rùn)地區(qū)的極端干旱事件明顯增加，一直處于干旱與半干旱區(qū)的北方地區(qū)旱情日益嚴(yán)重。在干旱災(zāi)害給社會(huì)經(jīng)濟(jì)造成的損失中農(nóng)業(yè)損失更為嚴(yán)重，大規(guī)模的農(nóng)業(yè)旱災(zāi)不僅會(huì)引起人類饑餓、土地荒蕪、河流干涸，甚至有可能造成社會(huì)動(dòng)蕩[2]。因此，及時(shí)準(zhǔn)確地評(píng)估區(qū)域農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)，既可以指導(dǎo)農(nóng)業(yè)生產(chǎn)實(shí)踐，還有利于提高區(qū)域抗旱減災(zāi)能力。

全球?qū)r(nóng)業(yè)干旱災(zāi)害的研究起源于19世紀(jì)末期，但關(guān)于農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的研究卻是近50多年才興起的。迄今為止，農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的研究理論及方法仍較為薄弱，且尚未形成完整統(tǒng)一的評(píng)估體系[3-4]。目前國(guó)內(nèi)外研究者對(duì)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的研究主要可分為以下4類[3-5]：①基于氣象要素和土壤水分要素等提出的干旱指數(shù)(如降水距平百分率(Pa)、Palmer干旱指數(shù)(Palmer drought severity index，PDSI)、相對(duì)濕潤(rùn)度指數(shù)(Moisture index，MI)、標(biāo)準(zhǔn)化降水指數(shù)(Standardized precipitation index，SPI)和標(biāo)準(zhǔn)化降水蒸散指數(shù)(Standardized precipitation evapotranspiration index，SPEI)等)劃分農(nóng)業(yè)干旱災(zāi)害等級(jí)，監(jiān)測(cè)農(nóng)業(yè)旱災(zāi)時(shí)空變化情況[6-9]。此類研究已有成果較多，所需資料較易獲取，計(jì)算程序一般是開源的，但大多數(shù)指標(biāo)只能反映干旱的自然屬性，沒有考慮到其社會(huì)經(jīng)濟(jì)屬性；②基于區(qū)域自然災(zāi)害理論，考慮致災(zāi)因子和孕災(zāi)環(huán)境危險(xiǎn)性、承災(zāi)體暴露性、承災(zāi)體脆弱性和防災(zāi)減災(zāi)能力4個(gè)風(fēng)險(xiǎn)要素選取適宜的評(píng)價(jià)指標(biāo)來評(píng)估區(qū)域農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)[10-12]。此類研究方法較成熟，但在篩選評(píng)價(jià)指標(biāo)、確定指標(biāo)權(quán)重和構(gòu)建評(píng)價(jià)模型等方面不可避免地受決策者主觀意識(shí)影響；③基于歷史災(zāi)情資料，利用旱災(zāi)損失率評(píng)估農(nóng)業(yè)干旱災(zāi)害損失風(fēng)險(xiǎn)[13]。此類研究客觀性強(qiáng)、方法簡(jiǎn)單、評(píng)價(jià)結(jié)果形象直觀，但十分依賴歷史旱災(zāi)損失數(shù)據(jù)，且要求數(shù)據(jù)資料序列長(zhǎng)、精度高；④基于農(nóng)業(yè)旱災(zāi)物理成因的情景模擬法，從農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)系統(tǒng)中各影響因素的相互作用和其造成損失的物理成因機(jī)制角度出發(fā)，評(píng)估不同時(shí)空尺度下區(qū)域農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)[14]。此類研究成果較少，干旱事件中的不確定性因素和變化特征難以描述，不同情景下的損失過程復(fù)雜且難以模擬，精度無法保證。但該方法能從農(nóng)業(yè)干旱災(zāi)害物理成因角度分析和比較不同時(shí)空尺度下旱災(zāi)風(fēng)險(xiǎn)的絕對(duì)大小，且在不同情景模式下能模擬出發(fā)生干旱到旱情發(fā)展的整個(gè)變化過程，是當(dāng)前主要的發(fā)展方向?，F(xiàn)今，大多數(shù)研究只采用其中一類研究方法[13,15-16]，其中考慮農(nóng)業(yè)旱災(zāi)社會(huì)屬性的研究大多僅評(píng)估區(qū)域某一特定年份的風(fēng)險(xiǎn)，而將多種方法相結(jié)合分析區(qū)域農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)年際間變化特征的研究較少。

第二類研究在確定評(píng)價(jià)指標(biāo)權(quán)重方面，常采用主成分分析法、層次分析法(AHP)、加權(quán)綜合評(píng)價(jià)法、模糊綜合評(píng)價(jià)法、模糊集對(duì)評(píng)價(jià)法、人工神經(jīng)網(wǎng)絡(luò)法等[17-20]。這些研究方法具有較大的主觀性或多依賴于統(tǒng)計(jì)方法，使得計(jì)算過程復(fù)雜，研究結(jié)果不夠客觀，且沒有考慮到農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的不確定性特征、所獲數(shù)據(jù)的不完整性和各因素導(dǎo)致災(zāi)害形成機(jī)理的模糊性。而粗糙集能充分考慮數(shù)據(jù)之間的不確定性關(guān)系，避免不完備信息帶來的影響，不需要提供原始數(shù)據(jù)以外的任何先驗(yàn)知識(shí)，降低了人為主觀因素的影響。但其只適合處理離散型數(shù)據(jù)，在處理連續(xù)型數(shù)據(jù)時(shí)會(huì)造成部分連續(xù)型數(shù)據(jù)屬性信息缺失。故為保證歷史數(shù)據(jù)的連續(xù)性，考慮農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)等級(jí)的模糊性，將粗糙集中的經(jīng)典目標(biāo)集合推廣到模糊集合，上下區(qū)間拓展到模糊區(qū)間，等價(jià)關(guān)系擴(kuò)展為模糊關(guān)系，建立模糊粗糙集模型[21]。本文基于農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的不確定性特征和評(píng)價(jià)等級(jí)的模糊性，運(yùn)用模糊粗糙集模型，同時(shí)結(jié)合SPEI評(píng)估河套灌區(qū)2003-2017年間農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的時(shí)空變化特征，通過與層次分析法得到的評(píng)價(jià)結(jié)果比較，并結(jié)合農(nóng)業(yè)生產(chǎn)實(shí)際討論了模糊粗糙集模型應(yīng)用于該領(lǐng)域的可行性。

1 研究區(qū)域

河套灌區(qū)位于黃河中游內(nèi)蒙古自治區(qū)西部的巴彥淖爾盟，包括磴口縣、臨河區(qū)、杭錦后旗、五原縣和烏拉特前旗五個(gè)區(qū)縣，是我國(guó)重要的商品糧油生產(chǎn)基地。在我國(guó)灌溉區(qū)中河套灌區(qū)設(shè)計(jì)灌溉面積最大，灌溉水引自黃河流域，灌溉面積達(dá)116.2萬公頃。灌區(qū)位于西北半干旱地區(qū)，屬于大陸性季風(fēng)氣候，冬季漫長(zhǎng)且干燥寒冷，夏季短而舒適。灌區(qū)多年平均降水量不足200 mm，多年平均蒸發(fā)量達(dá)1 500～2 000 mm，年際間降水變化幅度較大，年內(nèi)降水較為集中，7-9月份降水最充沛，約占全年降水量的70%。該地區(qū)農(nóng)業(yè)灌溉用水量占地區(qū)總利用水量的90%以上，農(nóng)業(yè)生產(chǎn)和農(nóng)業(yè)生態(tài)環(huán)境受引黃水量變化影響較大，是個(gè)缺少灌溉就沒有農(nóng)業(yè)的地區(qū)。

2 研究方法

2.1 農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

區(qū)域自然災(zāi)害理論[22]認(rèn)為自然災(zāi)害系統(tǒng)由致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體三者構(gòu)成，反映了農(nóng)業(yè)干旱災(zāi)害的產(chǎn)生原因、外部環(huán)境及作用客體。本文從致災(zāi)因子與孕災(zāi)環(huán)境危險(xiǎn)性、承災(zāi)體暴露性、承災(zāi)體脆弱性以及防災(zāi)減災(zāi)能力四個(gè)角度構(gòu)建農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系[23]。

(1)危險(xiǎn)性

危險(xiǎn)性反映了區(qū)域發(fā)生干旱災(zāi)害的可能性大小，主要指自然環(huán)境因素。本文選擇干旱強(qiáng)度、土壤相對(duì)濕度和單位面積水資源量作為農(nóng)業(yè)干旱災(zāi)害危險(xiǎn)性評(píng)價(jià)指標(biāo)。標(biāo)準(zhǔn)化降水蒸散指數(shù)[24](SPEI)既能反映研究區(qū)的降水和蒸發(fā)蒸騰量，又能體現(xiàn)干旱發(fā)生的時(shí)間和大小，常被用來表征區(qū)域干旱強(qiáng)度，具體計(jì)算方法見文獻(xiàn)[9]。土壤相對(duì)濕度即土壤含水量與田間持水量之比，能綜合反映土壤含水情況及地表水文過程。單位面積水資源量能體現(xiàn)當(dāng)?shù)厮Y源的豐富程度。

(2)暴露性

暴露性著重體現(xiàn)了承災(zāi)體的社會(huì)屬性。農(nóng)業(yè)人口比例、耕地率和復(fù)種指數(shù)被選作暴露性評(píng)價(jià)指標(biāo)。農(nóng)業(yè)人口比例反映了區(qū)域?qū)r(nóng)業(yè)生產(chǎn)的依賴程度。耕地率和復(fù)種指數(shù)(農(nóng)作物總播種面積與耕地總面積之比)體現(xiàn)區(qū)域農(nóng)作物耕種情況，反映了當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)規(guī)模。

(3)脆弱性

脆弱性表征承災(zāi)體遭受干旱災(zāi)害破壞的性能，強(qiáng)調(diào)了農(nóng)業(yè)生產(chǎn)的自然屬性。本文選用農(nóng)業(yè)生產(chǎn)總值比例、單位面積糧食產(chǎn)量和萬元GDP用水量作為脆弱性評(píng)價(jià)指標(biāo)。農(nóng)業(yè)生產(chǎn)總值比例(農(nóng)業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值的比例)和單位面積糧食產(chǎn)量體現(xiàn)了地區(qū)農(nóng)業(yè)生產(chǎn)水平。萬元GDP用水量能反映區(qū)域產(chǎn)業(yè)結(jié)構(gòu)用水效率是否合理。

(4)防災(zāi)減災(zāi)能力

防災(zāi)減災(zāi)能力表示人類活動(dòng)對(duì)干旱災(zāi)害的預(yù)防和應(yīng)對(duì)能力。本文選用人均GDP、水資源開發(fā)利用率和有效灌溉率作為防災(zāi)減災(zāi)能力評(píng)價(jià)指標(biāo)。人均GDP可反映當(dāng)?shù)厝罕娛杖胨?。水資源開發(fā)利用率和有效灌溉率體現(xiàn)了當(dāng)?shù)毓喔人胶退こ淘O(shè)備普及情況。

本文涉及的降水量、潛在蒸散量、土壤相對(duì)濕度數(shù)據(jù)來源于NASA數(shù)據(jù)平臺(tái)的饑荒預(yù)警系統(tǒng)網(wǎng)絡(luò)(FFWS NET)土地?cái)?shù)據(jù)同化系統(tǒng)(FLDAS)，1990-2019年月尺度0.1°×0.1°的柵格數(shù)據(jù)集；社會(huì)經(jīng)濟(jì)等基礎(chǔ)數(shù)據(jù)均來源于2003-2017年《巴彥淖爾盟統(tǒng)計(jì)年鑒》，主要包括農(nóng)業(yè)人口數(shù)量、耕地面積、農(nóng)作物播種面積、農(nóng)業(yè)生產(chǎn)總值、地區(qū)生產(chǎn)總值、糧食產(chǎn)量、有效灌溉面積等。區(qū)域用水量、區(qū)域水資源總量來源于2003-2017年《巴彥淖爾盟水資源公報(bào)》。

2.2 模糊粗糙集模型

因農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)結(jié)果無法準(zhǔn)確描述，即決策屬性未知。在評(píng)估農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)時(shí)，模糊粗糙集模型可以通過計(jì)算條件屬性(評(píng)價(jià)指標(biāo))對(duì)決策屬性(風(fēng)險(xiǎn)結(jié)果)的重要程度，從各條件屬性之間的相關(guān)關(guān)系出發(fā)解決權(quán)重分配問題。以2010年為例，各評(píng)價(jià)指標(biāo)權(quán)重的具體計(jì)算步驟[25]如下：

(1)首先將所有評(píng)價(jià)指標(biāo)值歸一化到[0.5-1]區(qū)間內(nèi)[26]，以消除各數(shù)據(jù)在范圍和量綱上引起的誤差，同時(shí)避免數(shù)據(jù)出現(xiàn)零值。然后通過ArcGIS將所有歸一化后的評(píng)價(jià)指標(biāo)值轉(zhuǎn)換為空間分辨率為0.1°×0.1°的柵格圖層(共147個(gè)柵格)，各柵格對(duì)應(yīng)的評(píng)價(jià)指標(biāo)值構(gòu)成農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)分類決策信息表(表1給出了部分柵格的決策信息)。決策信息表中的對(duì)象集X={x1,x2,…,xn}(n=147)，條件屬性ci(i=1,2,…,m)(m=12)，構(gòu)成原始數(shù)據(jù)矩陣A。

(1)

(2)按模糊集理論[27]對(duì)決策信息表中的條件屬性值進(jìn)行分類，得出原始數(shù)據(jù)矩陣A的分類結(jié)果Y。

Y={Y1,Y2,…,YS}.

(2)

Ys表示s類別中條件屬性值的等價(jià)集。部分條件屬性值的分類結(jié)果見表2。

表2 部分條件屬性值的分類結(jié)果Table 2 The classification results of partial conditional attributes

(3)刪除某條件屬性ci(i=1,2,…,m)后，剩余條件屬性值構(gòu)成新的數(shù)據(jù)矩陣，同(2)對(duì)該矩陣進(jìn)行分類，得到各剩余條件屬性的分類結(jié)果Ei。依次刪除條件屬性ci(i=1,2,…,m)，得到分類集E。

E={E1,E2,…,Em}.

(3)

(4)利用模糊粗糙集模型的相關(guān)定義，求解各條件屬性ci對(duì)決策屬性D的重要程度。首先求取決策屬性等價(jià)集的下近似集的并集：

(4)

式中，1≤s≤S，且由條件屬性C-{ci}確定的分類等價(jià)集為Ei。

再計(jì)算屬性C-{ci}對(duì)D的依賴程度γ(C-{ci},D)，然后得到條件屬性ci的重要程度SGF(ci,C,D)。

(5)

SGF(ci,C,D)=γ(C,D)-γ(C-{ci},D).

(6)

(7)

(5)根據(jù)各條件屬性ci對(duì)決策屬性D的重要程度，采用歸一化處理方法(公式7)得到各評(píng)價(jià)指標(biāo)的分配權(quán)重，各風(fēng)險(xiǎn)要素的權(quán)重為其所包含的各個(gè)評(píng)價(jià)指標(biāo)權(quán)重之和。表3給出了各評(píng)價(jià)指標(biāo)的重要程度和權(quán)重結(jié)果。

表3 農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的重要程度和權(quán)重(模糊粗糙集模型)Table3 Importance and weights of agricultural drought risk assessment index by fuzzy rough set model

2.3 層次分析法

層次分析法[28](Analytic Hierarchy Process，AHP)以決策者主觀思維判斷為主構(gòu)造判斷矩陣求取指標(biāo)權(quán)重。考慮到各評(píng)價(jià)指標(biāo)相對(duì)于不同風(fēng)險(xiǎn)要素的重要程度判斷規(guī)則不同，先計(jì)算單個(gè)風(fēng)險(xiǎn)要素評(píng)價(jià)指標(biāo)的權(quán)重，再得到各評(píng)價(jià)指標(biāo)相對(duì)于目標(biāo)層(農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn))的最終權(quán)重值。以危險(xiǎn)性指標(biāo)權(quán)重計(jì)算為例，具體實(shí)施步驟如下：

(1)建立層次結(jié)構(gòu)模型。根據(jù)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中各指標(biāo)間的相互影響關(guān)系，建立一個(gè)由目標(biāo)層(農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn))、準(zhǔn)則層(危險(xiǎn)性)和指標(biāo)層(危險(xiǎn)性評(píng)價(jià)指標(biāo))構(gòu)成的遞階層次模型。

(2)構(gòu)造判斷矩陣。參考專家意見和相關(guān)文獻(xiàn)成果[1,19,23,29-30]，采用1-9標(biāo)度為危險(xiǎn)性評(píng)價(jià)指標(biāo)兩兩對(duì)比打分，構(gòu)成判斷矩陣B，如表4所示。

表4 危險(xiǎn)性(H)指標(biāo)判斷矩陣Table 4 Judgment matrix of hazard (H) indicator

(3)層次單排序。根據(jù)公式(8)計(jì)算判斷矩陣B的最大特征值λmax和特征向量ω，得到指標(biāo)層與上一層相對(duì)重要程度的量化數(shù)值排列，從而獲得最優(yōu)的決策方案。

Bω=λmax.

(8)

(4)一致性檢驗(yàn)。計(jì)算判斷矩陣B的一致性比率CR，若CR<0.1，則認(rèn)為判斷矩陣B具有較滿意的一致性。否則需要重新構(gòu)造判斷矩陣，直到其一致性滿足要求為止。

(9)

(10)

(11)

表5 危險(xiǎn)性(H)分項(xiàng)指標(biāo)權(quán)重Table 5 Weights of hazard (H) sub-indicators

(5)由公式(12)得到各評(píng)價(jià)指標(biāo)相對(duì)于目標(biāo)層的最終權(quán)重值ωqi。同理，由步驟(1)-(4)計(jì)算4個(gè)風(fēng)險(xiǎn)要素所對(duì)應(yīng)的權(quán)重，最后得到農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的權(quán)重結(jié)果見表6。

(12)

2.4 旱災(zāi)風(fēng)險(xiǎn)評(píng)估模型的構(gòu)建

根據(jù)聯(lián)合國(guó)人道主義事務(wù)部給出的風(fēng)險(xiǎn)定義[31]，采用農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)指數(shù)(Agricultural Drought Risk Index，ADRI)來量化農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)，評(píng)估模型如下：

(13)

式中，PH,PE,PV,PR分別指農(nóng)業(yè)干旱災(zāi)害危險(xiǎn)性、暴露性、脆弱性和防災(zāi)減災(zāi)能力四個(gè)子系統(tǒng)量化值；wH、wE、wV、wR分別指4個(gè)系統(tǒng)各自對(duì)應(yīng)的權(quán)重系數(shù)。

(14)

式中，Pj代表第j子系統(tǒng)的量化值，j為系統(tǒng)H、E、V、R；xij為j子系統(tǒng)中n個(gè)評(píng)價(jià)指標(biāo)中i指標(biāo)的歸一化屬性值，wij為該評(píng)價(jià)指標(biāo)的權(quán)重值。

3 結(jié)果分析

3.1 時(shí)間變化特征

基于區(qū)域自然災(zāi)害理論和模糊粗糙集模型評(píng)估河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)，得到2003-2017年間內(nèi)蒙古河套灌區(qū)5個(gè)區(qū)縣的4個(gè)風(fēng)險(xiǎn)要素的變化情況，分別如圖1(a)，1(b)，1(c)和1(d)所示。由圖1(a)可知，烏拉特前旗和磴口縣由于單位面積水資源量最少造成兩地的危險(xiǎn)性遠(yuǎn)高于臨河區(qū)、五原縣和杭錦后旗。研究區(qū)的整體危險(xiǎn)性水平在2003-2017年間稍有下降，但烏拉特前旗和磴口縣的危險(xiǎn)性水平年際間波動(dòng)幅度較大，臨河區(qū)、五原縣和杭錦后旗相對(duì)平穩(wěn)。

圖1(b)顯示，2003-2008年間，各區(qū)縣暴露性變化較為平穩(wěn)，五原縣和杭錦后旗的暴露性明顯高于烏拉特前旗和臨河區(qū)，遠(yuǎn)高于磴口縣。2009-2011年間，各區(qū)縣暴露性波動(dòng)明顯，磴口縣由于農(nóng)業(yè)人口比例大幅增加以及復(fù)種指數(shù)的上升導(dǎo)致暴露性急劇增加，臨河區(qū)的暴露性也因?yàn)閺?fù)種指數(shù)的增加而增加。2011-2014年間，各區(qū)縣的暴露性較穩(wěn)定，杭錦后旗由于農(nóng)業(yè)人口比例、耕地率和復(fù)種指數(shù)都最高導(dǎo)致暴露性指數(shù)遠(yuǎn)高于其他4個(gè)區(qū)縣?？偟膩碚f，在研究年限內(nèi)，各區(qū)縣暴露性波動(dòng)較大，暴露性原本最低的磴口縣增加明顯，臨河區(qū)和烏拉特前旗略有增加，五原縣和杭錦后旗增加不明顯。除此以外，各區(qū)縣的暴露性水平之間的差距也隨著時(shí)間的變化逐漸縮小。

圖1(c)表明，2003-2007年間，磴口縣和五原縣的脆弱性明顯高于另外3個(gè)區(qū)縣，五原縣的脆弱性水平波動(dòng)較大。2007-2011年間，磴口縣的脆弱性依然最高，五原縣脆弱性略有下降。臨河區(qū)、烏拉特前旗和杭錦后旗因農(nóng)業(yè)生產(chǎn)總值比例減小以及萬元GDP用水量增加導(dǎo)致脆弱性水平明顯提升。2012-2017年間，各區(qū)縣之間的脆弱性波動(dòng)顯著，后期均呈下降趨勢(shì)，且差距也隨時(shí)間的變化逐漸縮小。杭錦后旗和五原縣的脆弱性先大幅上升并于2015年超過磴口縣后逐漸降低。烏拉特前旗的脆弱性水平起初驟降后略有回升但仍低于前期水平。

從圖1(d)可看出，在研究期間，各區(qū)縣前期的防災(zāi)減災(zāi)能力變化較為平穩(wěn)，差距較小。磴口縣和五原縣后期防災(zāi)減災(zāi)能力劇烈波動(dòng)，因有效灌溉率下降導(dǎo)致防災(zāi)減災(zāi)能力大幅降低，并分別于2011年和2012年達(dá)到最低水平，此后明顯回升?？偟膩碚f，臨河區(qū)和杭錦后旗的防災(zāi)減災(zāi)能力一直很高，烏拉特前旗變化較為平穩(wěn)，磴口縣和五原縣防災(zāi)減災(zāi)能力波動(dòng)最大，灌區(qū)整體防災(zāi)減災(zāi)能力呈下降趨勢(shì)。

圖1 農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)要素時(shí)間變化圖Fig.1 Time variation diagram of agricultural drought risk factors

綜合危險(xiǎn)性、暴露性、脆弱性和防災(zāi)減災(zāi)能力四個(gè)風(fēng)險(xiǎn)要素，由公式(13)得到河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)如圖1(e)所示。由圖可知，在研究年限內(nèi)，臨河區(qū)和杭錦后旗的農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)變化較為平穩(wěn)，兩條風(fēng)險(xiǎn)時(shí)間變化曲線的相關(guān)系數(shù)為0.887，表明兩地風(fēng)險(xiǎn)值相近，變化趨勢(shì)大致相同。磴口縣和五原縣的風(fēng)險(xiǎn)前期無明顯波動(dòng)，中期由于暴露性增加，防災(zāi)減災(zāi)能力減弱，分別于2011和2012年達(dá)到峰值，后期風(fēng)險(xiǎn)水平也相對(duì)較高。烏拉特前旗風(fēng)險(xiǎn)值標(biāo)準(zhǔn)差為0.144，低于其余各區(qū)縣，說明其風(fēng)險(xiǎn)變化幅度最小。河套灌區(qū)整體危險(xiǎn)性與脆弱性變化趨勢(shì)相反，但防災(zāi)減災(zāi)能力卻持續(xù)降低，導(dǎo)致農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)呈上升趨勢(shì)。

3.2 空間變化特征

根據(jù)風(fēng)險(xiǎn)圖制作要求[32]和自然斷點(diǎn)分級(jí)法[26]，本文將河套灌區(qū)2003-2017年的農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)指數(shù)平均值劃分為高、中、低3個(gè)等級(jí)，得到農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)空間分布圖。如圖2所示，臨河區(qū)和杭錦后旗處于低風(fēng)險(xiǎn)區(qū)，磴口縣和烏拉特前旗處于中風(fēng)險(xiǎn)區(qū)，五原縣風(fēng)險(xiǎn)等級(jí)最高。

圖2 農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)空間分布特征Fig.2 Spatial distribution characteristics of agricultural drought risk

危險(xiǎn)性方面，考慮河套灌區(qū)西南高而東北低的地形特征，土壤鹽分從高地向低地運(yùn)移，導(dǎo)致五原縣和烏拉特前旗土壤蒸發(fā)量大、鹽分累積量高、持水能力差，且烏拉特前旗和磴口縣的單位面積水資源量最少，使危險(xiǎn)性呈現(xiàn)東西兩邊高、中間低的分布情況。暴露性方面，五原縣和杭錦后旗的農(nóng)業(yè)人口比例和耕地率均為全區(qū)最高，使兩地暴露性水平偏高，且磴口縣暴露性水平最低。脆弱性方面，五原縣和磴口縣的脆弱性偏高，這是由于五原縣耕地率和農(nóng)業(yè)人口比例最大但單位面積糧食產(chǎn)量最低，磴口縣用水效率低且農(nóng)業(yè)生產(chǎn)總值比例最小。防災(zāi)減災(zāi)能力方面，杭錦后旗和臨河區(qū)水利工程化水平、水資源利用效率和人均GDP均較高，抗旱能力也相應(yīng)較強(qiáng)，五原縣人民經(jīng)濟(jì)發(fā)展水平低，抗旱能力也最弱。綜上所述，五原縣暴露性和脆弱性高，抗旱能力不足，導(dǎo)致其風(fēng)險(xiǎn)最高；臨河區(qū)和杭錦后旗危險(xiǎn)性最低、抗旱能力最強(qiáng)，故風(fēng)險(xiǎn)等級(jí)最低；磴口縣危險(xiǎn)性和脆弱性高，但其暴露性最低且抗旱能力中等，烏拉特前旗危險(xiǎn)性最高，其余三項(xiàng)風(fēng)險(xiǎn)要素均處于中等水平，故這兩地處于中風(fēng)險(xiǎn)區(qū)。

3.3 模型驗(yàn)證

為驗(yàn)證模型可靠性，基于前文層次分析法求得的農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)權(quán)重，由公式(13)得出該方法的風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果，如圖3、圖4所示。結(jié)果顯示，兩種方法得到的各區(qū)縣風(fēng)險(xiǎn)時(shí)間變化曲線相關(guān)系數(shù)均超過0.6，年際間變化趨勢(shì)基本一致。磴口縣和五原縣分別于2011、2012年達(dá)到研究期風(fēng)險(xiǎn)最大值，與模糊粗糙集模型得到的結(jié)果相同。由圖4可看出，運(yùn)用層次分析法得到的河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)分布與模糊粗糙集模型得到的空間分布相同，呈現(xiàn)五原縣最高，烏拉特前旗和磴口縣次之，杭錦后旗和臨河區(qū)最低。因此，認(rèn)為模糊粗糙集模型能夠評(píng)估農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)。由于模糊粗糙集模型考慮了所獲資料的不完整性以及農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的不確定性和模糊性特征，且無需提供任何原始數(shù)據(jù)以外的先驗(yàn)信息，故其結(jié)果比層次分析法更具優(yōu)越性。因此，該旱災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)模型可以被應(yīng)用在其他類似地區(qū)的研究，模糊粗糙集模型也可以被推廣到其他自然災(zāi)害的評(píng)估中。

圖3 層次分析法所得的農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)時(shí)間變化圖Fig.3 Time variation diagram of agricultural drought disaster risk obtained by AHP

圖4 層次分析法所得農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)空間分布圖Fig.4 Spatial distribution of agricultural drought risk obtained by AHP

4 討論

標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)作為干旱強(qiáng)度評(píng)價(jià)指標(biāo)，可反映區(qū)域氣象干旱情況，常被應(yīng)用在其他諸多類似研究中[9,15,35]。根據(jù)沈國(guó)強(qiáng)[9]，張煦庭[34]等的干旱等級(jí)劃分方法(特旱(SPEI≤-2.0)；重旱(-2.0～-1.5]；中旱(-1.5～-1.0]；輕旱(-1.0～-0.5]；正常(SPEI> -0.5))，得到了河套灌區(qū)各區(qū)縣2003-2017年間的干旱強(qiáng)度在-1.883～1.989之間波動(dòng)，如圖5所示。干旱強(qiáng)度的變化趨勢(shì)與馬愛華、曲學(xué)斌、張煦庭等人研究的內(nèi)蒙古地區(qū)氣象干旱變化情況基本一致[33-35]。2010年，李晶等[36]根據(jù)降雨量距平百分比計(jì)算得到各地區(qū)氣象干旱情況為磴口縣重旱且易旱頻率最高，其余地區(qū)均中旱但烏拉特前旗易旱頻率最低。

圖5 干旱強(qiáng)度年際間變化情況Fig.5 Interannual variation of drought intensity

由圖還可看出，2005年和2009年臨河區(qū)和磴口縣氣象干旱等級(jí)分別為重旱和輕旱，但臨河區(qū)的危險(xiǎn)性值最低，磴口縣較高。同樣，2015年磴口縣氣象干旱等級(jí)最低，但危險(xiǎn)性值卻較高。這表明氣象干旱強(qiáng)度并不是主要的致災(zāi)因子。根據(jù)模糊粗糙集模型得到的權(quán)重結(jié)果顯示，單位面積水資源量的權(quán)重系數(shù)高于干旱強(qiáng)度。這是由于河套灌區(qū)降雨量少而蒸散發(fā)量大，當(dāng)?shù)剞r(nóng)業(yè)發(fā)展需依靠區(qū)域可利用的水資源量進(jìn)行灌溉，因此單位面積水資源量對(duì)農(nóng)業(yè)干旱災(zāi)害危險(xiǎn)性的影響比干旱強(qiáng)度更顯著。這也說明發(fā)生氣象干旱并不一定會(huì)導(dǎo)致農(nóng)業(yè)干旱災(zāi)害。

2011-2016年間各區(qū)縣危險(xiǎn)性值較低，然而農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)指數(shù)均有不同程度地升高，五原縣和磴口縣尤其明顯。這表明危險(xiǎn)性并不是影響河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的主要要素。同年各區(qū)縣的暴露性均有增加，防災(zāi)減災(zāi)能力大幅降低，并且暴露性和防災(zāi)減災(zāi)能力的權(quán)重系數(shù)比其他風(fēng)險(xiǎn)要素高，證明暴露性和防災(zāi)減災(zāi)能力是影響河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的關(guān)鍵要素。何斌等[12]基于自然災(zāi)害理論運(yùn)用層次分析法評(píng)估陜西省農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)，研究結(jié)果顯示危險(xiǎn)性是最主要的風(fēng)險(xiǎn)要素，能夠直接影響農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的等級(jí)大小和空間分布。這與本文得到的關(guān)鍵風(fēng)險(xiǎn)要素不同，主要原因在于區(qū)域氣候特征和農(nóng)業(yè)生產(chǎn)方式的不同，影響陜西省農(nóng)業(yè)發(fā)展的重要因素是降水，而影響河套農(nóng)業(yè)生產(chǎn)的關(guān)鍵因素是耕地面積和灌溉水量。2010年，金阿麗等[37]利用主成分分析法對(duì)內(nèi)蒙古各區(qū)縣的旱災(zāi)災(zāi)情進(jìn)行評(píng)價(jià)和分區(qū)，也得到2003-2006年間磴口縣的危險(xiǎn)度最高，五原縣和磴口縣對(duì)旱災(zāi)的敏感度最高。

研究結(jié)果顯示，五原縣和磴口縣在2011年和2012年的農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)水平遠(yuǎn)高于其他年份及其他地區(qū)。兩地區(qū)在這兩年內(nèi)的平均水資源總量分別為10.212億m3和8.258億m3，均低于15年來該地區(qū)的平均水資源總量11.178億m3和8.272億m3。結(jié)合實(shí)際的農(nóng)業(yè)生產(chǎn)情況，五原縣和磴口縣在2011-2012兩年內(nèi)的農(nóng)業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值的比例分別為47.99%和27.27%，相比較于兩地區(qū)的多年平均情況52.94%和28.87%而言分別減少了9.36%和5.52%。此外，五原縣和磴口縣在2011-2012年內(nèi)的平均糧食產(chǎn)量分別為50.31萬噸和18.07萬噸，比同時(shí)期其他地區(qū)的平均產(chǎn)量58.27萬噸減少了13.67%和68.99%。

另外，本文雖然能夠描述農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)的不確定性和模糊性特征，卻不能反映農(nóng)業(yè)干旱災(zāi)害的物理成因機(jī)制，也不能體現(xiàn)不同作物在生育期內(nèi)對(duì)旱災(zāi)的響應(yīng)。為順應(yīng)情景模擬在風(fēng)險(xiǎn)評(píng)估中發(fā)展的大趨勢(shì)，后續(xù)可考慮結(jié)合氣候模式和作物生長(zhǎng)模型探討區(qū)域農(nóng)業(yè)干旱災(zāi)害發(fā)生的物理機(jī)制，同時(shí)動(dòng)態(tài)評(píng)估并預(yù)測(cè)不同干旱情景下作物對(duì)旱災(zāi)的減產(chǎn)損失風(fēng)險(xiǎn)。

為降低未來河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)，基于本文評(píng)價(jià)結(jié)果，建議各地區(qū)應(yīng)因地制宜地采取一些旱災(zāi)防治措施。五原縣可適當(dāng)減少農(nóng)作物種植面積，優(yōu)化城市產(chǎn)業(yè)結(jié)構(gòu)，發(fā)展經(jīng)濟(jì)建設(shè)，提高區(qū)域經(jīng)濟(jì)收入水平，大力開展防災(zāi)減災(zāi)工作。磴口縣應(yīng)優(yōu)化作物種植結(jié)構(gòu)，改進(jìn)生產(chǎn)技術(shù)，提高作物產(chǎn)量，優(yōu)化產(chǎn)業(yè)用水結(jié)構(gòu)，加強(qiáng)抗旱政策和設(shè)施投入。烏拉特前旗可盡量加強(qiáng)水利工程基礎(chǔ)設(shè)施建設(shè)，提高抗旱能力。臨河區(qū)和杭錦后旗可大力推廣節(jié)水灌溉技術(shù)，優(yōu)化灌溉溝渠排布。結(jié)合該防治舉措和本文的研究成果，以期能為當(dāng)?shù)乜购禍p災(zāi)部門提供理論依據(jù)。

5 結(jié)論

(1)本文從農(nóng)業(yè)干旱災(zāi)害危險(xiǎn)性、暴露性、脆弱性和防災(zāi)減災(zāi)能力四個(gè)方面出發(fā)，構(gòu)建農(nóng)業(yè)旱災(zāi)評(píng)價(jià)指標(biāo)體系。充分考慮農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)因素的不確定性特征和評(píng)價(jià)等級(jí)的模糊性，采用模糊粗糙集模型評(píng)估河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)時(shí)空變化特征，并與層次分析法所得的結(jié)果相比較。對(duì)比結(jié)果顯示，兩者風(fēng)險(xiǎn)評(píng)估結(jié)果時(shí)空變化趨勢(shì)基本相同。表明模糊粗糙集模型可應(yīng)用于該領(lǐng)域，且不需要任何先驗(yàn)知識(shí)，不受決策者主觀判斷約束。因此本文提出的農(nóng)業(yè)干旱災(zāi)害評(píng)價(jià)模型更具優(yōu)越性，可擴(kuò)展到評(píng)估其他地區(qū)及其他自然災(zāi)害的風(fēng)險(xiǎn)中。

(2)河套灌區(qū)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)時(shí)間變化特征表現(xiàn)為：磴口縣和五原縣在2003-2010年間農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)變化較為平緩，后期因防災(zāi)減災(zāi)能力減弱引起風(fēng)險(xiǎn)驟增，分別于2011年和2012年達(dá)到峰值，此后一直處于較高水平。臨河區(qū)和杭錦后旗因危險(xiǎn)性和脆弱性水平偏低，防災(zāi)減災(zāi)能力較強(qiáng)，風(fēng)險(xiǎn)最小，兩者風(fēng)險(xiǎn)指數(shù)相近且變化趨勢(shì)大致相同。烏拉特前旗15年來風(fēng)險(xiǎn)指數(shù)標(biāo)準(zhǔn)差為0.144，風(fēng)險(xiǎn)變化幅度最小。

(3)空間變化特征表明：五原縣因從事農(nóng)業(yè)生產(chǎn)人口最多，耕地面積最大，但農(nóng)業(yè)生產(chǎn)總值比例最小且抗旱能力不足，常年處于農(nóng)業(yè)旱災(zāi)高風(fēng)險(xiǎn)區(qū)。磴口縣因脆弱性高且防災(zāi)減災(zāi)能力較弱屬于中風(fēng)險(xiǎn)區(qū)；烏拉特前旗因危險(xiǎn)性高且防災(zāi)減災(zāi)能力較低一直穩(wěn)居于中風(fēng)險(xiǎn)區(qū)。臨河區(qū)和杭錦后旗地理位置相鄰、氣候環(huán)境條件相近、水利工程化水平高，風(fēng)險(xiǎn)等級(jí)最低。