曹天琪　劉曉靜　鄒桃紅　張海潮

摘要 評(píng)價(jià)區(qū)域農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力，可為區(qū)域防災(zāi)減災(zāi)規(guī)劃的制定和農(nóng)業(yè)生產(chǎn)的穩(wěn)定持續(xù)發(fā)展提供科學(xué)依據(jù)。以吉林省糧食主產(chǎn)區(qū)為研究區(qū)，構(gòu)建了研究區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指標(biāo)體系和評(píng)價(jià)模型，以2014年和2017年為例，計(jì)算了吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力評(píng)價(jià)指數(shù)，結(jié)合研究區(qū)的實(shí)際情況，利用變化率模型，探討了研究區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力的變化趨勢(shì)和原因，并借助GIS技術(shù)，繪制了研究區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)等級(jí)圖。結(jié)果表明：研究區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力可分為上升和下降兩類，通過變化率分析發(fā)現(xiàn)，呈上升趨勢(shì)的縣市主要表現(xiàn)在農(nóng)業(yè)現(xiàn)代化水平的提升上，而呈下降趨勢(shì)的縣市主要是社會(huì)經(jīng)濟(jì)水平指標(biāo)普遍偏低。

關(guān)鍵詞 農(nóng)業(yè);干旱;防災(zāi)減災(zāi)能力;變化;分析

中圖分類號(hào)：S423 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2021）06–0045–06

合理的農(nóng)業(yè)防災(zāi)減災(zāi)措施對(duì)減輕災(zāi)害、提高經(jīng)濟(jì)和社會(huì)效益具有十分重要的意義。隨著全球氣候變暖，干旱災(zāi)害頻發(fā)，已對(duì)我國糧食生產(chǎn)和農(nóng)業(yè)可持續(xù)發(fā)展構(gòu)成了嚴(yán)重的威脅[1]。我國平均每年農(nóng)業(yè)干旱受災(zāi)面積為2.3105～3.0105 km2，糧食損失高達(dá)2.51010～3.01010 kg。吉林省作為我國重要的糧食主產(chǎn)區(qū)和商品糧基地，更應(yīng)注重農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)預(yù)警與管理，以便區(qū)域規(guī)避農(nóng)業(yè)干旱，減輕農(nóng)業(yè)旱災(zāi)損失[2]。

區(qū)域農(nóng)業(yè)干旱防災(zāi)減災(zāi)評(píng)價(jià)是區(qū)域農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)評(píng)估的重要環(huán)節(jié)，是對(duì)區(qū)域防御農(nóng)業(yè)干旱和減輕農(nóng)業(yè)旱災(zāi)損失能力的估算，包含區(qū)域?yàn)榉篮禍p災(zāi)制定、實(shí)施的政策、措施和技術(shù)手段等。評(píng)價(jià)區(qū)域農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力，能夠?yàn)閰^(qū)域防災(zāi)減災(zāi)規(guī)劃的制定和農(nóng)業(yè)生產(chǎn)的穩(wěn)定持續(xù)發(fā)展提供科學(xué)依據(jù)。

目前，國內(nèi)外對(duì)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)分析及評(píng)估做了大量研究[3-5]。例如，Jayanthi等[6]通過構(gòu)建災(zāi)害損失概率曲線，確定了干旱災(zāi)害風(fēng)險(xiǎn)的定量評(píng)估模式。Petr M等[7]根據(jù)ESC模型開發(fā)了濕度指數(shù)調(diào)整線性回歸模型，從而評(píng)估農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)。Murthy等[8]利用方差法計(jì)算農(nóng)業(yè)干旱暴露性、敏感性和適應(yīng)性的綜合指數(shù)，并利用該綜合指數(shù)表征農(nóng)業(yè)干旱的脆弱性。劉曉靜等[9]構(gòu)建了農(nóng)業(yè)干旱危險(xiǎn)性評(píng)價(jià)指標(biāo)和模型，并依據(jù)危險(xiǎn)性指數(shù)分級(jí)對(duì)遼西北地區(qū)進(jìn)行了區(qū)劃研究。包阿茹汗等[10]從干旱對(duì)玉米和小麥種植的危險(xiǎn)性、脆弱性、暴露性和區(qū)域農(nóng)業(yè)抗旱能力4個(gè)方面選取指標(biāo)建立作物干旱風(fēng)險(xiǎn)模型。張雪等[11]從農(nóng)業(yè)旱災(zāi)適應(yīng)性進(jìn)行考慮，基于可變模糊集合理論，構(gòu)建了多指標(biāo)、多級(jí)別的評(píng)價(jià)模型。管孝艷、王少麗等[12]根據(jù)指標(biāo)權(quán)重，利用Topis方法評(píng)價(jià)北方13個(gè)省市的農(nóng)業(yè)抗旱能力。樊棟樑等[13]基于APSIM-wheat模型，對(duì)內(nèi)蒙古地區(qū)農(nóng)業(yè)生產(chǎn)系統(tǒng)的各主要成分進(jìn)行了適應(yīng)性評(píng)價(jià)。但是，大部分研究都集中在對(duì)農(nóng)業(yè)干旱致災(zāi)因子危險(xiǎn)性和承災(zāi)體脆弱性的分析上，鮮少評(píng)價(jià)量化后的區(qū)域防災(zāi)減災(zāi)能力，尤其是探討區(qū)域防災(zāi)減災(zāi)能力變化趨勢(shì)和原因的研究更少。為此，以吉林省糧食主產(chǎn)區(qū)為研究區(qū)，通過分析選取影響研究區(qū)防災(zāi)減災(zāi)能力的指標(biāo)，利用主成分分析法確定各指標(biāo)的權(quán)重，進(jìn)而構(gòu)建研究區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力評(píng)價(jià)模型，以評(píng)價(jià)研究區(qū)的農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力現(xiàn)狀和變化趨勢(shì)，并利用變化率模型，揭示研究區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力變化的原因，以期能夠?yàn)榧质〖Z食主產(chǎn)區(qū)制定和調(diào)整區(qū)域防災(zāi)減災(zāi)決策提供依據(jù)。

1 資料與方法

1.1 研究區(qū)概況

吉林省糧食主產(chǎn)區(qū)主要分布在長(zhǎng)春市的九臺(tái)、榆樹、德惠、雙陽、農(nóng)安，吉林市的永吉、舒蘭、磐石，四平市的公主嶺、梨樹、伊通、雙遼，延邊朝鮮族自治州的敦化、和龍、安圖、延吉，松原市的扶余、前郭、長(zhǎng)嶺、乾安、寧江，白城市的洮北、洮南、通榆、大安以及遼源市的東遼、東豐（圖1）。氣溫和降水是影響吉林省農(nóng)作物分布的主要因素，吉林省冬、春兩季的降水增多，夏、秋兩個(gè)季節(jié)降水減少，年蒸發(fā)量大于年降水量，造成吉林省夏旱、秋旱災(zāi)害頻發(fā)，對(duì)省內(nèi)糧食生產(chǎn)造成了巨大的威脅和損害。

1.2 研究區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)指標(biāo)體系建立

通過綜合考慮影響吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力的主要因素，并根據(jù)吉林省糧食主產(chǎn)區(qū)的實(shí)際情況，構(gòu)建了4個(gè)一級(jí)指標(biāo)和17個(gè)二級(jí)指標(biāo)，最終形成了吉林省糧食主產(chǎn)區(qū)干旱防災(zāi)減災(zāi)能力指標(biāo)體系（表1）。

根據(jù)農(nóng)業(yè)生產(chǎn)防災(zāi)減災(zāi)和農(nóng)業(yè)產(chǎn)業(yè)技術(shù)示范推廣政策，選取的4個(gè)一級(jí)指標(biāo)分別是科技教育、水電工程、社會(huì)經(jīng)濟(jì)水平和農(nóng)業(yè)現(xiàn)代化?？萍冀逃侵傅胤秸疄榉烙蜏p輕農(nóng)業(yè)災(zāi)害，在科學(xué)技術(shù)、宣傳教育等方面所實(shí)施的政策和措施，主要包括科學(xué)技術(shù)投入、中等教育普及率、農(nóng)業(yè)技術(shù)人員比例與通有線電視村數(shù)。水電工程是指區(qū)域?yàn)樯鐣?huì)經(jīng)濟(jì)發(fā)展而建造的水利電力設(shè)施，這些基礎(chǔ)工程越完善，區(qū)域防御和抵抗農(nóng)業(yè)干旱災(zāi)害的能力越強(qiáng)，主要包括自來水受益村、污水處理廠集中處理率、農(nóng)用排灌動(dòng)力機(jī)械和配套機(jī)電井?dāng)?shù)。社會(huì)經(jīng)濟(jì)水平與防災(zāi)減災(zāi)能力緊密相關(guān)，農(nóng)業(yè)干旱災(zāi)害直接影響社會(huì)經(jīng)濟(jì)效益，區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展水平越高，用于農(nóng)業(yè)防災(zāi)減災(zāi)的儲(chǔ)備物資也就越多，防災(zāi)減災(zāi)的投入力度越大。利用現(xiàn)代科學(xué)技術(shù)和現(xiàn)代工業(yè)管理農(nóng)業(yè)，農(nóng)業(yè)現(xiàn)代化程度越高，農(nóng)業(yè)干旱災(zāi)害發(fā)生的可能性就越低，災(zāi)后的救援恢復(fù)能力就越強(qiáng)。農(nóng)業(yè)現(xiàn)代化主要包括農(nóng)業(yè)機(jī)械總動(dòng)力、機(jī)耕面積、有效灌溉面積、設(shè)施農(nóng)業(yè)占地面積和單位面積化肥負(fù)荷。其中，單位面積化肥負(fù)荷是負(fù)向指標(biāo)，即單位耕地面積上化肥的施用總量越多，越易造成土壤養(yǎng)分結(jié)構(gòu)失調(diào)，土壤持水能力下降，農(nóng)業(yè)干旱災(zāi)害發(fā)生概率越高。

1.3 權(quán)重的確定

主成分分析是通過分析協(xié)方差矩陣，在減少數(shù)據(jù)維數(shù)的情況下，保持?jǐn)?shù)據(jù)集對(duì)方差貢獻(xiàn)最大[14]。主成分分析是利用降維的方式將復(fù)雜問題中的多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)，并在保證結(jié)果精度的基礎(chǔ)上提高效率[15]。與層次分析、專家打分等權(quán)重計(jì)算方法相比，主成分分析更強(qiáng)調(diào)指標(biāo)的客觀性，減少了人對(duì)指標(biāo)的主觀性偏見。為此，利用主成分分析法確定吉林省糧食主產(chǎn)區(qū)干旱防災(zāi)減災(zāi)能力各指標(biāo)的權(quán)重。

1.4 農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力評(píng)價(jià)模型的建立

張繼權(quán)等[16]將防災(zāi)減災(zāi)能力定義為受災(zāi)區(qū)短期或長(zhǎng)期內(nèi)能夠從災(zāi)害中恢復(fù)的程度，主要包括以下3個(gè)方面：一是人類面對(duì)災(zāi)害時(shí)需要的物資儲(chǔ)備，即資源準(zhǔn)備;二是用于防災(zāi)減災(zāi)的資金投入、教育水平以及農(nóng)業(yè)現(xiàn)代化手段投入力度，即防災(zāi)減災(zāi)投入力度;三是災(zāi)害發(fā)生前、災(zāi)中或?yàn)?zāi)害后能快速恢復(fù)的管理對(duì)策，即應(yīng)急預(yù)案管理等。防災(zāi)減災(zāi)能力越強(qiáng)，災(zāi)害發(fā)生的風(fēng)險(xiǎn)越低，遭受的損失越小。據(jù)此，構(gòu)建區(qū)域農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力評(píng)價(jià)模型，公式如下：

公式（1）中，P為糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力評(píng)價(jià)指數(shù)，取值[0，1]，值越大，表明農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力越高;反之，值越小，農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力越低。Wi表示第i個(gè)指標(biāo)的權(quán)重。由于所選指標(biāo)的量綱和單位不同，為便于計(jì)算，采用極差法，根據(jù)各指標(biāo)與防災(zāi)減災(zāi)能力的正負(fù)向關(guān)系，對(duì)各指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，表示數(shù)據(jù)標(biāo)準(zhǔn)化后的指標(biāo)值，Xi為第i個(gè)指標(biāo)的實(shí)際值，Xmax、Xmin分別為第i個(gè)指標(biāo)的最大值、最小值。

1.5 變化率分析

相對(duì)變化率是用以表征某一指標(biāo)某一時(shí)段內(nèi)變化程度的特征量，可直觀反映出某地某一指標(biāo)在某個(gè)時(shí)段內(nèi)變化的速度與幅度，公式如下：

公式（4）中，Y為某地某一指標(biāo)相對(duì)變化率指數(shù);、分別為該指標(biāo)在第t2時(shí)段和第t1時(shí)段的指標(biāo)值。為了揭示研究區(qū)防災(zāi)減災(zāi)能力變化的程度和原因，需分析4個(gè)一級(jí)指標(biāo)的變化。由于研究區(qū)各縣市的政策調(diào)整，各縣市一級(jí)指標(biāo)下劃分的二級(jí)指標(biāo)值變化有高有低，增量有正有負(fù)，且范圍相差過大，故無法解釋一級(jí)指標(biāo)的整體變化程度。為此，改進(jìn)相對(duì)變化率模型，得到各一級(jí)指標(biāo)變化率公式：

公式（5）中，Yj為一級(jí)指標(biāo)j的變化率指數(shù);、分別為一級(jí)指標(biāo)j中所包含的二級(jí)指標(biāo)i在t1、t2兩個(gè)時(shí)段的指標(biāo)值;Wi為第i個(gè)指標(biāo)在j指標(biāo)中所占的權(quán)重。

2 結(jié)果與分析

2.1 吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力現(xiàn)狀

利用2017年標(biāo)準(zhǔn)化后的指標(biāo)，采用主成分分析法計(jì)算各指標(biāo)的權(quán)重，利用農(nóng)業(yè)干旱防災(zāi)減災(zāi)模型，計(jì)算2017年吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力評(píng)價(jià)指數(shù)，采用自然間斷點(diǎn)分級(jí)法將吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指數(shù)分為3級(jí)，即低防災(zāi)減災(zāi)能力（≤0.3）、中防災(zāi)減災(zāi)能力（0.3～0.5）和高防災(zāi)減災(zāi)能力（>0.5），并利用GIS繪制成圖（圖2）。

吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)指數(shù)在0.12～0.70之間，整體防災(zāi)減災(zāi)能力偏低。按行政歸屬計(jì)算各縣市農(nóng)業(yè)干旱防災(zāi)減災(zāi)指數(shù)的均值，研究區(qū)內(nèi)以各地級(jí)市為單位，農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力由高到低依次：長(zhǎng)春市、松原市、白城市、四平市和延邊朝鮮族自治州（表2）。吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指數(shù)由北向南、由西向東呈下降趨勢(shì)，其中，具有高農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力的占吉林省糧食主產(chǎn)區(qū)23個(gè)縣市的35%，中防災(zāi)減災(zāi)能力占比43%，其余縣市為低防災(zāi)減災(zāi)能力。

吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指數(shù)高的主要集中在北部，即長(zhǎng)春和松原，占具有高農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力總數(shù)的75%。其中，榆樹、德惠、農(nóng)安、公主嶺、通榆、長(zhǎng)嶺、扶余和前郭的農(nóng)業(yè)干旱防災(zāi)減災(zāi)指數(shù)均大于0.5，與其他縣市相比，其農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力最高，這是因?yàn)檫@些縣市的農(nóng)業(yè)現(xiàn)代化水平較高，配套水電設(shè)施較完善，且地方政府用于農(nóng)業(yè)、農(nóng)機(jī)等的費(fèi)用較多。其次是舒蘭、磐石、梨樹、雙遼、敦化、乾安、洮南、大安、東遼和東豐，農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力為中等，其中，舒蘭和磐石相對(duì)較為突出的優(yōu)勢(shì)是地方政府在農(nóng)林水事務(wù)的投入較多，有較多的農(nóng)用排灌動(dòng)力機(jī)械設(shè)備，而其他縣市主要表現(xiàn)在較多的配套機(jī)電井?dāng)?shù)上，其中東豐和梨樹還表現(xiàn)在較發(fā)達(dá)的經(jīng)濟(jì)上，而敦化和東遼則表現(xiàn)在較高的教育水平和社會(huì)經(jīng)濟(jì)水平指標(biāo)上。農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力低的是永吉、伊通、和龍、安圖和延吉，其中延邊朝鮮族自治州占80%。防災(zāi)減災(zāi)能力最低的是和龍，僅為0.1，受滯后的地方經(jīng)濟(jì)水平和薄弱的農(nóng)業(yè)基礎(chǔ)生產(chǎn)條件制約，和龍?jiān)诟黜?xiàng)指標(biāo)上的投入都遠(yuǎn)遠(yuǎn)低于平均值，而安圖則表現(xiàn)在偏低的農(nóng)業(yè)現(xiàn)代化水平;延吉?jiǎng)t是基礎(chǔ)設(shè)施不完善，政府投入不足以及相對(duì)較低的農(nóng)業(yè)現(xiàn)代化水平。吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力由高到低依次為：前郭>榆樹>農(nóng)安>扶余>公主嶺>德惠>長(zhǎng)嶺>通榆>梨樹>洮南>大安>舒蘭>乾安>敦化>東遼>雙遼>磐石>東豐>伊通>延吉>安圖>永吉>和龍。

2.2 吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力變化分析

2.2.1 變化趨勢(shì)分析 計(jì)算2014年吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)指數(shù)，并仍采用自然斷點(diǎn)分級(jí)法將其分為低防災(zāi)減災(zāi)能力、中防災(zāi)減災(zāi)能力與高防災(zāi)減災(zāi)能力，并與其現(xiàn)狀比較（圖3、表3）。

2014年，吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指數(shù)范圍在0.091～0.744，高防災(zāi)減災(zāi)能力的縣市有榆樹、德惠、農(nóng)安、公主嶺、扶余、前郭、長(zhǎng)嶺和通榆，中防災(zāi)減災(zāi)能力的縣市有舒蘭、磐石、梨樹、雙遼、敦化、乾安、洮南、大安和東豐，低防災(zāi)減災(zāi)能力的縣市有永吉、伊通、和龍、安圖、延吉和東遼。

圖3是2014年吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指數(shù)分級(jí)圖。對(duì)比圖2和圖3可以看出，吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指數(shù)等級(jí)分布在空間上沒有大的變化，只有東遼縣由2014年的低防災(zāi)減災(zāi)能力上升至為現(xiàn)在的高防災(zāi)減災(zāi)能力。表3是吉林省糧食主產(chǎn)區(qū)防災(zāi)減災(zāi)能力指數(shù)變化情況。由表3可知，吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)指數(shù)增加和減少的縣市各占一半，其中增加的是榆樹、德惠、公主嶺、梨樹、敦化、和龍、安圖、扶余、長(zhǎng)嶺、洮南和東遼，而農(nóng)業(yè)干旱防災(zāi)減災(zāi)指數(shù)下降的是農(nóng)安、永吉、舒蘭、磐石、伊通、雙遼、延吉、前郭、乾安和通榆。農(nóng)業(yè)干旱防災(zāi)減災(zāi)指數(shù)變化幅度最大的是東遼，為0.11，其余縣市的變化幅度最大未超過0.04。

2.2.2 變化原因分析 依據(jù)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力評(píng)價(jià)指數(shù)變化情況，將吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力分為上升和下降兩大類別，分別計(jì)算不同類別各縣市4個(gè)一級(jí)指標(biāo)的變化率，并探討其指標(biāo)變化對(duì)區(qū)域農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力的影響。呈上升趨勢(shì)的榆樹、公主嶺、梨樹、敦化、安圖和扶余的科技教育呈增加趨勢(shì)，其中，公主嶺在科技教育指標(biāo)上是所有縣市中增加率最大的，增加了約7.44倍，主要體現(xiàn)在其注重培養(yǎng)農(nóng)業(yè)技術(shù)人員，農(nóng)業(yè)技術(shù)人員比例是2014年的108倍。除東遼外，其余縣市的農(nóng)業(yè)現(xiàn)代化水平均有上升。德惠在科技教育指標(biāo)上沒有增加，在水電工程指標(biāo)上增幅相對(duì)較高，增加了0.49倍。德惠、公主嶺、梨樹、和龍、安圖、洮南、東遼的水電工程明顯增加;和龍?jiān)谒姽こ躺显龇畲?，?014年增加了約11.67倍，這是因?yàn)槲鬯幚韽S集中處理率得到了有效的提升，梨樹、和龍、安圖、扶余、東遼的社會(huì)經(jīng)濟(jì)水平呈上升趨勢(shì)，其中安圖的社會(huì)經(jīng)濟(jì)水平上升，主要是因?yàn)楣?jié)能環(huán)保和農(nóng)林水事務(wù)的投入較多，相比2014年增長(zhǎng)了16.46倍，而扶余的社會(huì)經(jīng)濟(jì)水平明顯上升的主要原因是農(nóng)林水事務(wù)的支出較多。

呈下降趨勢(shì)的縣市有農(nóng)安、永吉、舒蘭、磐石、伊通、雙遼、延吉、前郭、乾安、通榆、大安和東豐。其中，舒蘭在科技方面的投入下降最明顯，相比2014年下降了約56.04%。雙遼在農(nóng)業(yè)技術(shù)人員占比和地區(qū)生產(chǎn)總值指標(biāo)中均下降最多，說明該地區(qū)近幾年沒有重視農(nóng)業(yè)技術(shù)人員的培養(yǎng)和各項(xiàng)生產(chǎn)活動(dòng)的開展。農(nóng)業(yè)技術(shù)人員占比下降最明顯的是永吉，約為45.07%。乾安通有限電視村數(shù)量相比2014年下降了7.51%。伊通主要在科學(xué)技術(shù)投入指標(biāo)上下降明顯，下降了25.93%。延吉市中等教育占比是所有縣市中下降比較明顯的，下降了7.68%。通榆在污水處理廠集中處理率指標(biāo)上下降最明顯，約為33.33%。磐石較弱的原因是農(nóng)用排灌動(dòng)力機(jī)械數(shù)量減少。大安在農(nóng)村勞動(dòng)力人口占比、地區(qū)生產(chǎn)總值、節(jié)能環(huán)保均呈現(xiàn)下降趨勢(shì)，并且在自來水受益村和農(nóng)用排灌動(dòng)力機(jī)械指標(biāo)上上升不明顯。前郭的經(jīng)濟(jì)水平較落后，地區(qū)生產(chǎn)總值相比2014年下降較明顯，為16.72%。東豐的節(jié)能環(huán)保相比2014年下降約48.36%。農(nóng)安在節(jié)能環(huán)保和農(nóng)業(yè)設(shè)施占地面積指標(biāo)上呈大幅度下降趨勢(shì)（表4）。

3 結(jié)論與討論

（1）根據(jù)構(gòu)建的防災(zāi)減災(zāi)能力評(píng)價(jià)模型，對(duì)2017年的吉林省糧食主產(chǎn)區(qū)防災(zāi)減災(zāi)能力現(xiàn)狀進(jìn)行評(píng)價(jià)。結(jié)果表明：2017年，吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指數(shù)介于0.12～0.70之間，防災(zāi)減災(zāi)能力普遍偏低。防災(zāi)減災(zāi)能力較高的主要集中在吉林省糧食主產(chǎn)區(qū)的北部和西部，防災(zāi)減災(zāi)能力較低的主要集中在南部和東部，其中防災(zāi)減災(zāi)能力最高的是前郭，最低的是和龍。農(nóng)業(yè)防災(zāi)減災(zāi)能力較高的主要原因是農(nóng)業(yè)現(xiàn)代化水平較高，農(nóng)業(yè)防災(zāi)減災(zāi)能力較低的主要原因是基礎(chǔ)設(shè)施不夠完善，經(jīng)濟(jì)水平相對(duì)落后。

（2）基于2014年和2017年吉林省糧食主產(chǎn)區(qū)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指數(shù)結(jié)果，可以看出這23個(gè)縣市的防災(zāi)減災(zāi)能力的時(shí)空變化情況。農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指數(shù)呈上升趨勢(shì)的有榆樹、德惠、公主嶺、梨樹、敦化、和龍、安圖、扶余、長(zhǎng)嶺、洮南、東遼，農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力指數(shù)呈下降趨勢(shì)的有農(nóng)安、永吉、舒蘭、磐石、伊通、雙遼、延吉、前郭、乾安、通榆、大安和東豐。依據(jù)指數(shù)的變化情況，將防災(zāi)減災(zāi)能力分為上升和下降兩個(gè)類別，針對(duì)4個(gè)一級(jí)指標(biāo)的變化率分析指標(biāo)變化對(duì)農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力的影響情況，可以看出呈上升趨勢(shì)的縣市主要側(cè)重的指標(biāo)是農(nóng)業(yè)現(xiàn)代化水平，而呈下降趨勢(shì)的縣市主要是社會(huì)經(jīng)濟(jì)水平指標(biāo)普遍較低。

但是，本研究仍存在一定的不足，在指標(biāo)選取的過程中，只注重了影響防災(zāi)減災(zāi)能力的因素，忽略了投入要素與防災(zāi)減災(zāi)能力之間的關(guān)系，而技術(shù)和規(guī)模是影響農(nóng)業(yè)防災(zāi)減災(zāi)投入產(chǎn)出效率的主要原因，兩者有效結(jié)合，才能更深層次分析農(nóng)業(yè)干旱防災(zāi)減災(zāi)能力。同時(shí)，有些指標(biāo)的選取對(duì)農(nóng)業(yè)干旱防災(zāi)減災(zāi)的影響程度低，因此今后還需考慮投入與產(chǎn)出之間的效率關(guān)系，指標(biāo)的選取還應(yīng)考慮干旱預(yù)報(bào)能力，以進(jìn)一步完善該研究。

參考文獻(xiàn)

[1] 閻峰，李茂松，覃志豪.我國農(nóng)業(yè)災(zāi)害統(tǒng)計(jì)中存在的問題[J].自然災(zāi)害學(xué)報(bào)， 2006（3）： 85-90.

[2] 董姝娜，龐澤源，張繼權(quán)，等.基于CERES- Maize模型的吉林西部玉米干旱脆弱性曲線研究[J].災(zāi)害學(xué)， 2014， 29（3）： 115-119.

[3] 徐新創(chuàng)，葛全勝，鄭景云，等.區(qū)域農(nóng)業(yè)干旱風(fēng)險(xiǎn)評(píng)估研究——以中國西南地區(qū)為例[J].地理科學(xué)進(jìn)展， 2011， 30（7）： 883-890.

[4] 韓蘭英，張強(qiáng)，程英，等.農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)研究進(jìn)展及前景分析[J].干旱區(qū)資源與環(huán)境， 2020， 34（6）： 97-102.

[5] 曹永強(qiáng)，李香云，馬靜，等.基于可變模糊算法的大連市農(nóng)業(yè)干旱風(fēng)險(xiǎn)評(píng)價(jià)[J].資源科學(xué)， 2011， 33（5）： 983-988.

[6] Jayanthi H， Husak G J， Funk C，et al. Modeling rain-fed maize vulnerability to droughts using the standardized precipitation index from satellite estimated rainfall-Southern Malawi case study[J].International Journal of Disaster Risk Reduction， 2013（4）： 71-81.

[7] Petr M， Boerboom L G J， Veen A V D， et al. A spatial and temporal drought risk assessment of three major tree species in Britain using probabilistic climate change projections [J]. Climatic Change， 2014（4）： 791-803.

[8] Murthy C S， Laxman B， Sai M V R S. Geospatial analysis of agricultural drought vulnerability using a composite index based on exposure， sensitivity and adaptive capacity[J]. International Journal of Disaster Risk Reduction， 2015（12）： 163-171.

[9] 劉曉靜，陳鵬，劉家福.遼西北地區(qū)農(nóng)業(yè)干旱危險(xiǎn)性評(píng)價(jià)與區(qū)劃[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2018， 39（10）： 191-195.

[10] 包阿茹汗，覃志豪，高懋芳，等.寧夏玉米和小麥干旱風(fēng)險(xiǎn)評(píng)價(jià)研究[J].中國農(nóng)業(yè)資源與區(qū)劃， 2019， 40（4）： 70-84， 92.

[11] 張雪，陳軍飛.農(nóng)業(yè)旱災(zāi)適應(yīng)性評(píng)價(jià)研究——以云南省曲靖市為例[J].科技管理研究， 2016， 36（8）： 58-63.

[12] 管孝艷，王少麗，呂燁，等.基于Topsis方法的北方地區(qū)農(nóng)業(yè)干旱應(yīng)對(duì)能力分析[J]. 灌溉排水學(xué)報(bào)， 2014， 33（Z1）： 374-377.

[13] 樊棟樑，潘志華，楊霏云，等.APSIM-wheat模型在我國干旱半干旱地區(qū)的適應(yīng)性評(píng)價(jià)——以內(nèi)蒙古地區(qū)為例[J]. 干旱區(qū)資源與環(huán)境， 2018， 32（6）： 99-105.

[14] 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(píng)價(jià)[J].生態(tài)環(huán)境學(xué)報(bào)， 2014， 23（12）： 1897-1904.

[15] 郭顯光.如何用SPSS軟件進(jìn)行主成分分析[J]. 統(tǒng)計(jì)與信息論壇， 1998（2）： 61-65.

[16] 張繼權(quán)，岡田憲夫，多多納裕一.綜合自然災(zāi)害風(fēng)險(xiǎn)管理——全面整合的模式與中國的戰(zhàn)略選擇[J].自然災(zāi)害學(xué)報(bào)， 2006（1）： 29-37.

責(zé)任編輯：黃艷飛

Abstract The evaluation of regional agricultural drought disaster prevention and reduction ability can provide scientific basis for regional disaster prevention and reduction planning and sustainable development of agricultural production. The index system and evaluation model of agricultural drought disaster prevention and reduction capacity in the major grain-producing areas of Jilin Province were established， this paper calculates the evaluation index of agricultural drought disaster prevention and reduction ability in the main grain production area of Jilin Province， and discusses the changing trend and reason of agricultural drought disaster prevention and reduction ability in the study area by using the change rate model combined with the actual situation of the study area， with the help of GIS technology， the agricultural drought disaster prevention and reduction grade map of the research area is drawn. The results showed that in 2017， the ability of agricultural drought disaster prevention and reduction in major grain producing areas of Jilin Province ranked from high to low as follows： Qianguo > Yushu > Nongan > Fuyu > Gongzhuling > Dehui > Changling > Tongyu > Pear tree > Taonan > Daan > Shulan > Ganan > Dunhua > Dongliao > Shuangliao > Panshi > Dongfeng > Yitong > Yanji > Antu > Yongji > Helong; The ability of agricultural drought prevention and Disaster Reduction in the study area can be divided into two types： up and down. Through the analysis of the change rate， it is found that the counties and cities with an upward trend are mainly represented by the increase of the level of agricultural modernization， the decline trend of the county and city is mainly the general low socioeconomic level indicators.

Key words Agricultural; Drought; Disa-ster prevention and mitigation capabilities; Change; Analysis