聶超甲，葉回春，張世文，郭佳煒，崔 貝，黃文江

海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估與可持續(xù)發(fā)展對(duì)策

聶超甲1,2,3，葉回春1,2,3※，張世文4，郭佳煒1,2，崔 貝5，黃文江1,2,3

（1. 可持續(xù)發(fā)展大數(shù)據(jù)國(guó)際研究中心，北京 100094；2. 中國(guó)科學(xué)院空天信息創(chuàng)新研究院，數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京 100094；3. 海南空天信息研究院，海南省地球觀測(cè)重點(diǎn)實(shí)驗(yàn)室，三亞 572029；4. 安徽理工大學(xué)地球與環(huán)境學(xué)院，淮南 232001；5. 中國(guó)科學(xué)院遺傳與發(fā)育生物學(xué)研究所，北京 100101）

海南島是中國(guó)臺(tái)風(fēng)頻發(fā)地區(qū)之一，開展海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估研究，可為海南島優(yōu)化農(nóng)業(yè)種植布局和加強(qiáng)農(nóng)業(yè)防災(zāi)減災(zāi)提供技術(shù)支撐。該研究基于自然災(zāi)害系統(tǒng)理論和方法，結(jié)合海南島氣象、自然地理與社會(huì)經(jīng)濟(jì)等要素，綜合考慮致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境暴露性、承災(zāi)體脆弱性，研究構(gòu)建了海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估方法與指標(biāo)體系，并基于2001－2020年歷年海南島臺(tái)風(fēng)發(fā)生數(shù)據(jù)進(jìn)行了海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估，在此基礎(chǔ)上提出了農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害防災(zāi)減災(zāi)與可持續(xù)發(fā)展對(duì)策。結(jié)果表明，海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)處于0.40～0.80之間，平均0.61，整體上呈現(xiàn)出北部及沿海地區(qū)的災(zāi)害風(fēng)險(xiǎn)高于中部山區(qū)的趨勢(shì)；致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境暴露性在全島北部和沿海地區(qū)指數(shù)較高，承災(zāi)體脆弱性在瓊海、陵水和三亞等市縣指數(shù)較高。同時(shí)提出了3種農(nóng)業(yè)臺(tái)風(fēng)防災(zāi)減災(zāi)與可持續(xù)發(fā)展對(duì)策，包括調(diào)整農(nóng)業(yè)種植布局、提升風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警能力和加強(qiáng)農(nóng)業(yè)政策保險(xiǎn)投入等。海南島各市縣農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)的差異以及相應(yīng)的對(duì)策，可支撐相關(guān)部門為不同災(zāi)害風(fēng)險(xiǎn)程度區(qū)域建立防災(zāi)方法提供指導(dǎo)依據(jù)。

農(nóng)業(yè)災(zāi)害；臺(tái)風(fēng)；風(fēng)險(xiǎn)評(píng)估；熱帶農(nóng)業(yè)；可持續(xù)發(fā)展

0 引 言

臺(tái)風(fēng)是一種全球突發(fā)性嚴(yán)重的自然災(zāi)害，往往帶來狂風(fēng)、暴雨以及風(fēng)暴潮等，破壞力極強(qiáng)，給受影響地區(qū)造成巨大的經(jīng)濟(jì)損失和人員傷亡。在臺(tái)風(fēng)影響下，農(nóng)業(yè)系統(tǒng)作為敏感的承災(zāi)體，更容易受災(zāi)[1]。臺(tái)風(fēng)對(duì)農(nóng)業(yè)生產(chǎn)的危害，主要表現(xiàn)在三個(gè)方面：狂風(fēng)引起作物成片倒伏、莖葉大量損傷和落花落果落粒；暴雨引起山洪暴發(fā)，河水泛濫，破壞各種水利設(shè)施，帶來農(nóng)田水澇災(zāi)害；巨浪與高潮引起沿海地區(qū)海水倒灌，淹沒農(nóng)田，使農(nóng)田鹽漬化。中國(guó)是世界上登陸臺(tái)風(fēng)頻率最高、受臺(tái)風(fēng)影響最多的國(guó)家之一，尤其是有“臺(tái)風(fēng)走廊”之稱的海南島，四面環(huán)海，地處熱帶北緣，連年遭受臺(tái)風(fēng)侵襲。據(jù)報(bào)道，海南島每年因臺(tái)風(fēng)造成的農(nóng)業(yè)損失占到自然災(zāi)害直接經(jīng)濟(jì)損失的80%左右，僅2014年一場(chǎng)臺(tái)風(fēng)“威馬遜”就造成了全省直接經(jīng)濟(jì)損失119.5億元[2]，給海南島的農(nóng)業(yè)生產(chǎn)與可持續(xù)發(fā)展造成了巨大的影響。臺(tái)風(fēng)災(zāi)害的不確定性、特殊性和復(fù)雜性，給海南島農(nóng)業(yè)防災(zāi)減災(zāi)工作也帶來了很大的困難。因此，為了有針對(duì)性地做好農(nóng)業(yè)生產(chǎn)過程中臺(tái)風(fēng)災(zāi)害防范工作，建立并完善農(nóng)業(yè)防災(zāi)減災(zāi)體系，開展海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估與可持續(xù)發(fā)展對(duì)策研究就顯得尤為必要。

國(guó)內(nèi)外學(xué)者對(duì)臺(tái)風(fēng)災(zāi)害已開展了較多的研究，涉及到歷史規(guī)律[3-4]、風(fēng)險(xiǎn)評(píng)估方法[5-7]、評(píng)估指標(biāo)[8-10]等內(nèi)容。而針對(duì)農(nóng)業(yè)角度開展的臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估還相對(duì)較少[1]，在農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估方法方面，已有的報(bào)道主要包括模糊數(shù)學(xué)方法和多指標(biāo)綜合評(píng)估法[11]，其中多指標(biāo)綜合評(píng)估法應(yīng)用廣泛。在農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建方面，學(xué)者應(yīng)用較多的是“三因子說”，即從致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體的角度進(jìn)行評(píng)估，如Laureta等根據(jù)這三種因素選擇指標(biāo)分析了臺(tái)風(fēng)等氣候?qū)Ψ坡少e比科爾河流域的農(nóng)業(yè)的影響[12]；尚志海等對(duì)廣東省湛江市的水稻進(jìn)行臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估時(shí)也考慮了這三種因素[13]；部分學(xué)者在“三因子說”基礎(chǔ)上增加了防災(zāi)減災(zāi)能力形成“四因子說”，如曾玲等對(duì)陽(yáng)江市進(jìn)行農(nóng)業(yè)臺(tái)風(fēng)影響的風(fēng)險(xiǎn)區(qū)劃[14]、楊忠恩等對(duì)浙江省進(jìn)行風(fēng)險(xiǎn)等級(jí)區(qū)劃[15]時(shí)都考慮了防災(zāi)減災(zāi)能力產(chǎn)生的影響；也有較少的學(xué)者采用了“一因子說”和“二因子說”進(jìn)行風(fēng)險(xiǎn)評(píng)估[16-17]。

海南島作為中國(guó)受臺(tái)風(fēng)災(zāi)害影響最頻繁、最多的省份之一，其有關(guān)臺(tái)風(fēng)對(duì)海南島農(nóng)業(yè)災(zāi)害風(fēng)險(xiǎn)評(píng)估研究卻較薄弱，基本上是圍繞某單一作物或單一因素開展的，如黃海靜等針對(duì)海南島天然橡膠林開展的風(fēng)險(xiǎn)評(píng)估[18]；張忠偉等從致災(zāi)因子危險(xiǎn)性的角度對(duì)海南島臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)進(jìn)行了分析[19]等，未針對(duì)整個(gè)農(nóng)業(yè)系統(tǒng)開展全面性臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估。本研究基于海南島農(nóng)業(yè)生產(chǎn)與地理環(huán)境特點(diǎn)，綜合考慮農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害的致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境暴露性、承災(zāi)體脆弱性，利用遙感、氣象、地形和統(tǒng)計(jì)資料等多源數(shù)據(jù)，研究構(gòu)建海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)體系與方法，并進(jìn)行海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估，在此基礎(chǔ)上提出海南島農(nóng)業(yè)防災(zāi)減災(zāi)與可持續(xù)發(fā)展對(duì)策，以期為海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害的防災(zāi)減災(zāi)與經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展工作提供科學(xué)參考。

1 材料與方法

1.1 數(shù)據(jù)來源

本研究選用2001—2020年歷年登陸海南島的臺(tái)風(fēng)資料。臺(tái)風(fēng)登陸時(shí)間和路徑數(shù)據(jù)來源于中國(guó)氣象局熱帶氣旋資料中心提供的CMA熱帶氣旋最佳路徑數(shù)據(jù)集（https://www.typhoon.org.cn/），臺(tái)風(fēng)過程中的風(fēng)速數(shù)據(jù)來源于歐洲中期天氣預(yù)報(bào)中心提供的ERA5陸地風(fēng)速每小時(shí)數(shù)據(jù)集（https://cds.climate.copernicus.eu/），降雨量數(shù)據(jù)來源于美國(guó)地質(zhì)調(diào)查局和地球資源觀測(cè)科學(xué)中心合作的CHIRPS降雨數(shù)據(jù)集（https://www.ucsb.edu/）；數(shù)字高程模型（Digital Elevation Model，DEM）數(shù)據(jù)來源于地理空間數(shù)據(jù)云平臺(tái)（http://www.gscloud.cn/）；衛(wèi)星遙感數(shù)據(jù)來源于美國(guó)地質(zhì)調(diào)查局EROS中心提供的MOD09A1地表反射率數(shù)據(jù)（https://lpdaac.usgs.gov/）；農(nóng)業(yè)社會(huì)經(jīng)濟(jì)數(shù)據(jù)來源于海南省統(tǒng)計(jì)局提供的歷年海南島統(tǒng)計(jì)年鑒（http://stats.hainan.gov.cn/）。

1.2 研究方法

1.2.1 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建

構(gòu)建合理的指標(biāo)體系是農(nóng)業(yè)災(zāi)害風(fēng)險(xiǎn)評(píng)估重要的環(huán)節(jié)。本研究根據(jù)史培軍教授提出的區(qū)域?yàn)?zāi)害系統(tǒng)論[20]，認(rèn)為自然災(zāi)害是地球表層異變過程的產(chǎn)物，是致災(zāi)因子、孕災(zāi)環(huán)境與承災(zāi)體綜合作用的結(jié)果，在構(gòu)建南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)體系過程中，綜合考慮致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境暴露性和承災(zāi)體脆弱性，最終確定了海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)，見表1，選取依據(jù)如下：

1）致災(zāi)因子危險(xiǎn)性指標(biāo)。致災(zāi)因子危險(xiǎn)性是指導(dǎo)致農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害發(fā)生的觸發(fā)因素及其異常程度，誘發(fā)臺(tái)風(fēng)對(duì)海南島農(nóng)業(yè)造成災(zāi)害的破壞力主要取決于臺(tái)風(fēng)發(fā)生過程中帶來的大風(fēng)和強(qiáng)降雨，風(fēng)力過大時(shí)，垂直于風(fēng)向平面上風(fēng)壓可達(dá)到每平方米數(shù)公斤，給作物造成毀滅性破壞，導(dǎo)致大面積農(nóng)作物受損、減產(chǎn)。降雨過大時(shí)，容易產(chǎn)生農(nóng)田漬澇和洪澇危害，特大暴雨還會(huì)引起的山洪暴發(fā)、河流泛濫，沖毀農(nóng)作物及農(nóng)業(yè)設(shè)施[11]。因此致災(zāi)因子指標(biāo)的構(gòu)建需從大風(fēng)和降雨兩方面考慮，這一觀點(diǎn)在農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)研究中應(yīng)用很多，如徐鵬飛選用了不同等級(jí)暴雨、大風(fēng)的發(fā)生天數(shù)[16]；劉少軍等選用了總降雨量與最大風(fēng)速[17]等。根據(jù)張繼權(quán)等提出的自然災(zāi)害理論，自然災(zāi)害危險(xiǎn)性主要由災(zāi)變強(qiáng)度和活動(dòng)頻次決定[21]，最大風(fēng)速能夠體現(xiàn)某一次臺(tái)風(fēng)過程的災(zāi)害強(qiáng)度，卻無法體現(xiàn)活動(dòng)頻次，本研究考慮臺(tái)風(fēng)災(zāi)害致災(zāi)因子的長(zhǎng)期累積作用，將多年歷次臺(tái)風(fēng)過程的最大風(fēng)速、總降雨量的累積值表征臺(tái)風(fēng)災(zāi)害的危險(xiǎn)性，以體現(xiàn)出農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害的災(zāi)變強(qiáng)度和活動(dòng)頻次。綜上，選擇最大風(fēng)速累積、降雨累積作為致災(zāi)因子危險(xiǎn)性指標(biāo)。

2）孕災(zāi)環(huán)境暴露性指標(biāo)。孕災(zāi)環(huán)境是指臺(tái)風(fēng)途經(jīng)地區(qū)孕育產(chǎn)生農(nóng)業(yè)災(zāi)害的自然環(huán)境，暴露于各種危險(xiǎn)的因素越多，遭受潛在災(zāi)害風(fēng)險(xiǎn)越大。孕災(zāi)環(huán)境一般包括地理環(huán)境、水文、土壤、植被等因素，如劉少軍認(rèn)為臺(tái)風(fēng)災(zāi)害孕災(zāi)環(huán)境暴露性是地形、水系和植被等多種因素的綜合影響[22]。臺(tái)風(fēng)影響下，地形與洪水災(zāi)害的發(fā)生程度密切相關(guān)，地勢(shì)越低、地形變化越小的地區(qū)農(nóng)田容易形成澇災(zāi)，而地形因子影響度可以體現(xiàn)出高程和地形起伏程度兩種因素的共同影響[23]；河網(wǎng)越密集，距離河流湖泊越近的地方遭受臺(tái)風(fēng)帶來洪澇災(zāi)害的風(fēng)險(xiǎn)越大[24]；另外，地表植被具有強(qiáng)烈的水土保持和抵擋大風(fēng)的功能，植被越少，地表越暴露，臺(tái)風(fēng)災(zāi)害的敏感性越大。綜上選用地形因子、河網(wǎng)密度、植被暴露度作為農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害孕災(zāi)環(huán)境暴露性指標(biāo)。

3）承災(zāi)體脆弱性指標(biāo)。承災(zāi)體脆弱性是指臺(tái)風(fēng)災(zāi)害的作用對(duì)象受到潛在危險(xiǎn)因素影響而造成的損失程度。臺(tái)風(fēng)災(zāi)害造成的損失不僅取決于臺(tái)風(fēng)系統(tǒng)及其過程的強(qiáng)度，也與受影響地區(qū)的經(jīng)濟(jì)發(fā)展水平、人口密度和人類活動(dòng)范圍有關(guān)。根據(jù)楊忠恩等對(duì)浙江省進(jìn)行熱帶氣旋農(nóng)業(yè)影響風(fēng)險(xiǎn)區(qū)劃時(shí)選擇的承災(zāi)體指標(biāo)，認(rèn)為農(nóng)業(yè)人口密度、單位面積農(nóng)用地產(chǎn)值、耕地面積占土地面積比重能夠體現(xiàn)臺(tái)風(fēng)發(fā)生時(shí)承災(zāi)體的脆弱性[15]；劉璐也認(rèn)為人口密度越大、農(nóng)業(yè)產(chǎn)值越大、農(nóng)業(yè)用地分布越多，臺(tái)風(fēng)災(zāi)害帶來的損害越大[25]。農(nóng)業(yè)發(fā)展活動(dòng)相對(duì)落后的地區(qū)，其從事農(nóng)業(yè)工作的人口較少、農(nóng)業(yè)產(chǎn)值低，臺(tái)風(fēng)災(zāi)害發(fā)生時(shí)，無論臺(tái)風(fēng)強(qiáng)度如何，該地區(qū)農(nóng)業(yè)受到的災(zāi)害影響可能微不足道，而臺(tái)風(fēng)發(fā)生在農(nóng)業(yè)發(fā)展活躍的地區(qū)，則會(huì)對(duì)該地農(nóng)業(yè)造成較大損失。綜上選用農(nóng)業(yè)人口密度、單位面積農(nóng)用地產(chǎn)值、耕地面積占土地面積比重作為農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害承災(zāi)體脆弱性指標(biāo)。

表1 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)體系及權(quán)重

1.2.2 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)數(shù)據(jù)處理

基于GIS平臺(tái)，將所有參與評(píng)估的風(fēng)險(xiǎn)指標(biāo)落實(shí)到100 m×100 m的柵格上進(jìn)行處理，各指標(biāo)的計(jì)算方法如下：

1）最大風(fēng)速累積。根據(jù)臺(tái)風(fēng)風(fēng)場(chǎng)模型，臺(tái)風(fēng)的影響范圍半徑通常為300～500 km[10]，本研究選取300 km緩沖圓作為臺(tái)風(fēng)影響范圍，結(jié)合臺(tái)風(fēng)登陸時(shí)間和路徑數(shù)據(jù)提取出2001－2020年期間海南島的臺(tái)風(fēng)過境時(shí)間，利用風(fēng)速每小時(shí)數(shù)據(jù)，計(jì)算每次臺(tái)風(fēng)過境時(shí)間及前后各3 d時(shí)間范圍內(nèi)風(fēng)速的最大值，并對(duì)歷年海南島所有的臺(tái)風(fēng)風(fēng)速最大值求和作為最大風(fēng)速累積。

2）降雨累積。利用降雨逐日數(shù)據(jù)，計(jì)算每次臺(tái)風(fēng)過境時(shí)間及前后各3 d時(shí)間范圍內(nèi)降雨的累積值，并對(duì)歷年海南島所有的臺(tái)風(fēng)降雨累積值求和作為降雨累積。

3）地形因子影響度。據(jù)地形因子中絕對(duì)高程越低、地形起伏程度越小，發(fā)生臺(tái)風(fēng)洪澇危險(xiǎn)程度越高的原則，參考已有研究[23]確定地形因子與臺(tái)風(fēng)洪澇危險(xiǎn)程度的關(guān)系，即地形因子影響度（表2）。其中地形起伏程度是相鄰范圍地形起伏大小，根據(jù)DEM數(shù)據(jù)計(jì)算每個(gè)像元鄰域范圍內(nèi)的標(biāo)準(zhǔn)差獲取。

表2 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害地形因子影響度

4）河網(wǎng)密度。根據(jù)DEM數(shù)據(jù)使用最大坡降法（D8算法）提取河網(wǎng)和流域分布，計(jì)算流域面積和各流域中河網(wǎng)的長(zhǎng)度，通過計(jì)算河網(wǎng)長(zhǎng)度與流域面積比值作為海南島各流域的河網(wǎng)密度。

5）植被暴露度。采用比值植被指數(shù)（Ratio Vegetation Index，RVI）表征地表植被覆蓋情況，RVI通過計(jì)算衛(wèi)星遙感數(shù)據(jù)近紅外波段與紅光波段的比值獲取。植被暴露度計(jì)算公式如下：

植被暴露度=RVImax?RVImean（1）

式中RVImean為2001—2020年期間每年7—10月的RVI均值，RVImax為海南島區(qū)域內(nèi)RVImean最大值。

6）農(nóng)業(yè)人口密度。利用統(tǒng)計(jì)年鑒數(shù)據(jù)獲取海南島各市縣2001—2020年農(nóng)業(yè)人口數(shù)據(jù)，通過計(jì)算各市縣歷年農(nóng)業(yè)人口平均值與土地面積的比值作為農(nóng)業(yè)人口密度。

7）單位面積農(nóng)用地產(chǎn)值。利用統(tǒng)計(jì)年鑒數(shù)據(jù)獲取海南島各市縣2001—2020年農(nóng)業(yè)產(chǎn)值數(shù)據(jù)和耕地面積數(shù)據(jù)，通過計(jì)算各市縣歷年農(nóng)業(yè)產(chǎn)值平均值與耕地面積產(chǎn)值的比值作為單位面積農(nóng)用地產(chǎn)值。

8）耕地面積占土地面積比重。根據(jù)已獲取海南島各市縣2001—2020年耕地面積數(shù)據(jù)，通過計(jì)算各市縣歷年耕地面積平均值與土地面積的比值作為耕地面積占土地面積比重。

由于所選指標(biāo)的單位和量級(jí)不同，為了計(jì)算方便需對(duì)各指標(biāo)數(shù)值進(jìn)行歸一化處理[26-27]，即將各指標(biāo)原始值轉(zhuǎn)為0～1之間的無量綱指標(biāo)分值。其中地形因子影響度已符合分值要求無需處理，最大風(fēng)速累積、降雨累積、河網(wǎng)密度、植被暴露度、農(nóng)業(yè)人口密度、單位面積農(nóng)用地產(chǎn)值和耕地面積占土地面積比重等7個(gè)指標(biāo)采用無量綱化計(jì)算公式處理，計(jì)算公式如下：

′=X/Xmaxj（2）

式中′與X分別為像元上指標(biāo)的歸一化值和原始值，Xmaxj為指標(biāo)在所有像元中的最大值。

1.2.3 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)權(quán)重確定

農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)各評(píng)估指標(biāo)的合理賦權(quán)能夠體現(xiàn)風(fēng)險(xiǎn)評(píng)估結(jié)果是否可靠與科學(xué)，考慮到不同層次、不同指標(biāo)對(duì)農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)的貢獻(xiàn)度不同，本研究采用定性和定量相結(jié)合的層次分析法[28-29]確定指標(biāo)權(quán)重。邀請(qǐng)了共15位從事氣象、農(nóng)業(yè)、水文和地理等領(lǐng)域的專家，根據(jù)不同指標(biāo)的重要性對(duì)評(píng)價(jià)指標(biāo)進(jìn)行兩兩比較打分，然后進(jìn)行以下步驟：1）構(gòu)建遞階層次結(jié)構(gòu)模型；2）采用1～9及其倒數(shù)標(biāo)度法構(gòu)造指標(biāo)判斷矩陣；3）一致性檢驗(yàn)，當(dāng)C<0.1時(shí)表示判斷矩陣的一致性合理，否則需要繼續(xù)調(diào)整判斷矩陣；4）計(jì)算指標(biāo)主觀權(quán)重。最終確定各準(zhǔn)則層與指標(biāo)層指標(biāo)的權(quán)重，權(quán)重具體數(shù)值見表1。

1.2.4 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估模型構(gòu)建

基于自然災(zāi)害風(fēng)險(xiǎn)形成機(jī)制，引用自然風(fēng)險(xiǎn)指數(shù)[30-31]，應(yīng)用加權(quán)綜合評(píng)價(jià)法，建立海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估模型，計(jì)算獲得海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)（Agricultural Typhoon Disaster Risk Index，ATDRI），值越大表示災(zāi)害風(fēng)險(xiǎn)程度也越大，計(jì)算公式如下：

式中W、W和W分別代表代表致災(zāi)因子危險(xiǎn)性指數(shù)、孕災(zāi)環(huán)境暴露性指數(shù)和承災(zāi)體脆弱性指數(shù)的權(quán)重；X、X、X分別代表第個(gè)指標(biāo)無量綱化后的值；W、W、W分別代表第個(gè)指標(biāo)的權(quán)重。

1.2.5 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)等級(jí)劃分方法

為了直觀地反映區(qū)域農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)的差異性，采用自然間斷點(diǎn)分級(jí)法[32]，將海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)從低到高劃分為一級(jí)、二級(jí)、三級(jí)、四級(jí)和五級(jí)共5個(gè)等級(jí)?；诤Ｄ蠉u農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)與等級(jí)空間差異性，提出海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害防災(zāi)減災(zāi)與可持續(xù)發(fā)展對(duì)策。

2 結(jié)果與分析

2.1 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害致災(zāi)因子危險(xiǎn)性評(píng)估分析

2001—2020年期間，平均每年登陸和影響海南島的臺(tái)風(fēng)約有8個(gè)[33]，其中影響較大的臺(tái)風(fēng)每年2～3個(gè)，在2019年發(fā)生最為頻繁，達(dá)5個(gè)之多，主要發(fā)生在6－10月份。臺(tái)風(fēng)多發(fā)帶來了較多的大風(fēng)和強(qiáng)降雨，近20年來海南島臺(tái)風(fēng)過程中的風(fēng)速極值可達(dá)到25.25 m/s，歷次臺(tái)風(fēng)最大風(fēng)速的累積值在223.80～714.77 m/s之間，其中文昌市北部最大風(fēng)速累積值最高，累積值超過700 m/s，整體上沿海地區(qū)遭受大風(fēng)影響明顯高于中部地區(qū)，平原地區(qū)明顯高于丘陵山區(qū)；歷次臺(tái)風(fēng)降雨總量的累積值在5 011.91～10 499.52 mm之間，多雨地帶主要集中在瓊海、萬寧、定安、屯昌等東部沿海及中東部地區(qū)，降雨量累積超過9 300 mm，并呈現(xiàn)由東部向西部逐漸減少的趨勢(shì)，近20年臺(tái)風(fēng)發(fā)生過程中的最大風(fēng)速累積與降雨累積分布如圖1所示。

圖1 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害致災(zāi)因子各指標(biāo)分布圖

基于致災(zāi)因子各指標(biāo)數(shù)據(jù)，計(jì)算得到海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害致災(zāi)因子危險(xiǎn)性指數(shù)，其空間分布如圖2所示。全島致災(zāi)因子危險(xiǎn)性指數(shù)處于0.55～0.87之間，平均0.69；北部和東部沿海地區(qū)的危險(xiǎn)性指數(shù)明顯高于中部地區(qū)。其中，東部沿海地區(qū)包括瓊海、萬寧、文昌等市縣的危險(xiǎn)性指數(shù)最高，局部超過了0.78；南部和西部的沿海地帶致災(zāi)因子危險(xiǎn)性指數(shù)也較高，基本上超過0.72，尤其是儋州和昌江的西海岸也有部分地區(qū)超過0.78；中部山區(qū)包括五指山、瓊中、白沙等市縣及周邊地區(qū)的致災(zāi)因子危險(xiǎn)性指數(shù)相對(duì)較低，處于0.55～0.68之間。

圖2 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害致災(zāi)因子危險(xiǎn)性指數(shù)分布圖

2.2 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害孕災(zāi)環(huán)境暴露性評(píng)估分析

對(duì)孕災(zāi)環(huán)境暴露性的分析綜合考慮了地形因子影響度、河網(wǎng)密度和植被暴露程度等因素，孕災(zāi)環(huán)境各指標(biāo)空間分布如圖3所示。全島地形因子影響度在0.30～0.90之間，平均0.66；其中，全島超過55 %土地面積的地形因子影響度在0.70以上，主要分布在沿海及北部等地區(qū)；從沿海到中部山區(qū)，隨著高程和地形起伏程度增加，地形因子影響度逐漸減?。▓D3a）。全島河網(wǎng)密度在0～0.23 km/km2之間，平均0.045；其中，河網(wǎng)密度超過0.08 km/km2的區(qū)域主要分布在昌江、東方、文昌、萬寧和瓊中等市縣（圖3b）。全島植被暴露度在0～20.79之間，平均14.77，植被暴露度超過16.80的地區(qū)占全島面積的15 %，主要分布在?？?、文昌、樂東、儋州、東方和陵水等市縣的沿海地帶，小于11.6的地區(qū)分布在海南島中部，集中在白沙、瓊中、五指山和保亭等市縣，呈現(xiàn)從中部山區(qū)向四周沿海地區(qū)逐漸遞增趨勢(shì)（圖3c）。

基于孕災(zāi)環(huán)境各指標(biāo)數(shù)據(jù)，計(jì)算得到海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害孕災(zāi)環(huán)境暴露性指數(shù)，其空間分布如圖4所示。全島孕災(zāi)環(huán)境暴露性指數(shù)處于0.30～0.86之間，平均0.60，呈現(xiàn)從中部山區(qū)向四周沿海地區(qū)逐漸遞增趨勢(shì)；其中，?？凇⑽牟?、瓊海、澄邁、臨高、儋州、萬寧、東方等北部及沿海的部分地區(qū)暴露性指數(shù)超過0.66，尤其海口、文昌和瓊海3個(gè)地區(qū)，幾乎全區(qū)的暴露性指數(shù)均處在0.67～0.86之間；而五指山、白沙、瓊中及周邊地區(qū)暴露性指數(shù)相對(duì)較低，基本處在0.30～0.52之間，占全島面積的22.60 %；暴露性指數(shù)處在0.53～0.59之間的地區(qū)相對(duì)分散，在儋州南部、樂東北部、屯昌西部、澄邁南部和瓊中北部等地區(qū)分布較多。

圖3 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害孕災(zāi)環(huán)境各指標(biāo)分布圖

圖4 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害孕災(zāi)環(huán)境暴露性指數(shù)分布圖

2.3 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害承災(zāi)體脆弱性評(píng)估分析

海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害承災(zāi)體各指標(biāo)包括農(nóng)業(yè)人口密度、單位面積農(nóng)用地產(chǎn)值、耕地面積占土地面積比重等的分布狀況如圖5所示。全島農(nóng)業(yè)人口密度處于0.17～1.03人/hm2之間，平均0.60；其中，?？?、臨高和陵水等市縣的農(nóng)業(yè)人口密度最高，超過了0.9人/hm2；而五指山、白沙和瓊中等市縣的農(nóng)業(yè)人口密度相對(duì)較低，均低于0.34人/hm2；全島單位面積農(nóng)用地產(chǎn)值處于5.79～26.98萬元/hm2，平均10.55；其中，三亞的單位面積農(nóng)用地產(chǎn)值最高，達(dá)到了26.98萬元/hm2；而臨高、儋州和?？诘仁锌h的單位面積農(nóng)用地產(chǎn)值相對(duì)較低，均未超過7.00 萬元/hm2。全島耕地面積占土地面積比重處于3.34%～22.43%，平均12.82%；其中，?？凇⑴R高和瓊海等市縣的耕地面積占土地面積比重最高，達(dá)到了18.62%以上；而五指山、白沙、瓊中和保亭等中部山區(qū)市縣的耕地面積占土地面積比重最低，均低于7.15%。

圖5 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害承災(zāi)體各指標(biāo)分布圖

基于承災(zāi)體各指標(biāo)數(shù)據(jù)，計(jì)算得到海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害承災(zāi)體脆弱性指數(shù)，其空間分布如圖6所示。全島承災(zāi)體脆弱性指數(shù)處在0.25～0.72之間，平均0.49，整體上中部山區(qū)市縣脆弱性指數(shù)明顯低于其他市縣；其中三亞、瓊海和陵水等市縣的脆弱性指數(shù)最高，均超過了0.61；其次是?？?、澄邁、臨高、定安、萬寧和樂東，脆弱性指數(shù)也超過0.50；而白沙、瓊中、昌江和五指山等中部山區(qū)市縣的脆弱性指數(shù)較低，均低于0.40，其中白沙和瓊中為海南島全島最低，分別是0.26和0.25。

2.4 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估與分析

根據(jù)海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，利用致災(zāi)因子危險(xiǎn)性指數(shù)、孕災(zāi)環(huán)境暴露性指數(shù)、承災(zāi)體脆弱性指數(shù)，計(jì)算得到海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)，并利用風(fēng)險(xiǎn)指數(shù)分級(jí)方法分為5個(gè)等級(jí)，最終得到海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)等級(jí)分布圖。如圖7所示，全島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)處于0.40～0.80之間，平均0.61，整體上呈現(xiàn)出北部及沿海地區(qū)的災(zāi)害風(fēng)險(xiǎn)等級(jí)高于中部山區(qū)的趨勢(shì)。其中，風(fēng)險(xiǎn)等級(jí)為三級(jí)及以上的區(qū)域面積占全島面積的74.8%，風(fēng)險(xiǎn)等級(jí)為五級(jí)（≥0.682）的區(qū)域面積占比為15.3%，主要分布在瓊海、海口、陵水和三亞等市縣；風(fēng)險(xiǎn)等級(jí)為四級(jí)（0.628～0.681）的區(qū)域面積最大，占比為35.2%，主要分布在在文昌、澄邁、臨高和定安等市縣以及儋州、東方和樂東等市縣的沿海地區(qū)；風(fēng)險(xiǎn)等級(jí)為三級(jí)（0.560～0.627）的區(qū)域面積也較大，占比為24.3%，分布在儋州、昌江、東方、樂東、萬寧和屯昌等市縣環(huán)中部山區(qū)地區(qū)；風(fēng)險(xiǎn)等級(jí)為一級(jí)（≤0.485）和二級(jí)（0.486～0.559）區(qū)域主要集中分布在白沙、五指山、瓊中及周邊等山地地區(qū)，分別占全島面積的13.3%和11.9%。

圖6 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害承災(zāi)體脆弱性指數(shù)分布圖

圖7 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)等級(jí)分布圖

本研究進(jìn)一步對(duì)海南島各市縣的農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)進(jìn)行評(píng)估與分析，如圖8所示，主要表現(xiàn)為東部市縣臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)高于西部市縣，中部山區(qū)市縣低于沿海市縣。其中，瓊海和海口的災(zāi)害風(fēng)險(xiǎn)綜合指數(shù)最高，分別為0.712和0.689，該地區(qū)歷年臺(tái)風(fēng)登陸最為頻繁；其次為臨高、澄邁、定安、文昌、萬寧、陵水和三亞等市縣，災(zāi)害風(fēng)險(xiǎn)綜合指數(shù)處于0.647～0.666之間，這些地區(qū)歷年來不僅受強(qiáng)風(fēng)和降雨的影響，且地勢(shì)平坦、地表裸露，農(nóng)業(yè)發(fā)展活動(dòng)又較強(qiáng)，受臺(tái)風(fēng)災(zāi)害相對(duì)風(fēng)險(xiǎn)較大；儋州、昌江、東方、樂東和屯昌等市縣風(fēng)險(xiǎn)指數(shù)相對(duì)東部市縣有所降低，災(zāi)害風(fēng)險(xiǎn)綜合指數(shù)處于0.566～0.622；保亭、白沙、五指山和瓊中等市縣災(zāi)害風(fēng)險(xiǎn)相對(duì)最小，災(zāi)害風(fēng)險(xiǎn)綜合指數(shù)低于0.540，這些地區(qū)處于中部山區(qū)，地形條件和較高的植被覆蓋程度有利于抵擋大風(fēng)和洪澇排泄。

注：圖中數(shù)值為災(zāi)害風(fēng)險(xiǎn)綜合指數(shù)。

3 防災(zāi)減災(zāi)與可持續(xù)發(fā)展對(duì)策

海南島是中國(guó)乃至世界熱帶農(nóng)業(yè)主要的生產(chǎn)基地，臺(tái)風(fēng)災(zāi)害不僅可導(dǎo)致糧食減產(chǎn)，而且造成水土流失，破壞農(nóng)業(yè)生態(tài)環(huán)境，不利熱帶農(nóng)業(yè)的可持續(xù)發(fā)展。因此，開展海南島農(nóng)業(yè)臺(tái)風(fēng)防災(zāi)減災(zāi)與可持續(xù)發(fā)展對(duì)策研究對(duì)減少臺(tái)風(fēng)對(duì)海南島經(jīng)濟(jì)社會(huì)影響具有重要的意義。根據(jù)海南島臺(tái)風(fēng)風(fēng)險(xiǎn)的評(píng)估分析，提出以下防災(zāi)減災(zāi)與可持續(xù)發(fā)展對(duì)策。

3.1 遵循臺(tái)風(fēng)規(guī)律，合理調(diào)整農(nóng)業(yè)種植布局

臺(tái)風(fēng)往往會(huì)帶來狂風(fēng)暴雨，形成洪澇和風(fēng)災(zāi)，造成巨大破壞，嚴(yán)重影響了農(nóng)業(yè)生產(chǎn)。從海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估結(jié)果來看，東北部地區(qū)農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)重于中西地區(qū)、沿海平原地區(qū)重于山區(qū)地區(qū)；臺(tái)風(fēng)多發(fā)季節(jié)為每年6－10月份。因此，必須遵循臺(tái)風(fēng)規(guī)律，因地制宜，因時(shí)制宜，合理調(diào)整農(nóng)業(yè)種植布局。瓊北地區(qū)包括?？凇⒍ò?、澄邁、臨高、文昌等市縣，受臺(tái)風(fēng)影響風(fēng)險(xiǎn)較大，平均風(fēng)險(xiǎn)指數(shù)在0.647以上，發(fā)展天然橡膠需做好選址規(guī)劃、種植防護(hù)林等工作；反季節(jié)瓜菜、熱帶水果和花卉布局在平坦的磚紅壤地區(qū)可望收到較好效果。瓊東地區(qū)包括瓊海、萬寧等市縣，該地區(qū)易遭受臺(tái)風(fēng)襲擊，往往會(huì)導(dǎo)致農(nóng)作物減產(chǎn)或絕收，應(yīng)發(fā)展抗臺(tái)風(fēng)作物（如菠蘿、檳榔等）以及冬季瓜菜等。瓊南地區(qū)包括三亞、陵水等市縣，該地區(qū)受臺(tái)風(fēng)影響也較大，但同時(shí)區(qū)內(nèi)具有豐富的光熱資源，熱帶水果尤其是芒果、反季節(jié)瓜菜和南繁育種等產(chǎn)業(yè)在本區(qū)域都具有周期短、效益好的優(yōu)勢(shì)；瓊中地區(qū)包括屯昌、瓊中、白沙、五指山等市縣，該區(qū)域很多丘陵山地及火山丘陵多為砂質(zhì)土壤、土質(zhì)松軟，有利于根莖類作物生長(zhǎng)，可發(fā)展葛根和馬鈴薯產(chǎn)業(yè)，也可發(fā)展特色瓜菜和柑橘、荔枝、龍眼、紅毛丹等水果種植；天然橡膠可在該地區(qū)的中西部集中種植。瓊西地區(qū)包括樂東、東方、昌江、儋州等市縣，該地區(qū)受臺(tái)風(fēng)影響相對(duì)較小，但臺(tái)風(fēng)帶來的局部強(qiáng)降雨容易導(dǎo)致低洼農(nóng)田淹水、澇災(zāi)等，可發(fā)展優(yōu)質(zhì)水稻種植等，山區(qū)可發(fā)展天然橡膠種植等。

3.2 增強(qiáng)農(nóng)戶防災(zāi)減災(zāi)意識(shí)，提升風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警能力

農(nóng)戶的防災(zāi)減災(zāi)意識(shí)和現(xiàn)代化災(zāi)害風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警能力，能夠在農(nóng)業(yè)防治減災(zāi)中發(fā)揮重要作用。從海南島各市縣農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估結(jié)果來看，瓊海、海口、文昌、臨高、澄邁、定安、萬寧、陵水、三亞等市縣受災(zāi)風(fēng)險(xiǎn)較高，尤其是瓊海和?？?，應(yīng)該注重增強(qiáng)農(nóng)戶防災(zāi)減災(zāi)意識(shí)，并提升風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警能力，具體舉措包括：各級(jí)政府應(yīng)重視防災(zāi)減災(zāi)工作，強(qiáng)化防風(fēng)抗風(fēng)責(zé)任意識(shí)，建立政府部門、新聞媒體和社會(huì)團(tuán)體開展防風(fēng)抗風(fēng)宣傳教育的合作機(jī)制，普及農(nóng)戶自救互救知識(shí)；利用5G網(wǎng)絡(luò)、遙感、無人機(jī)、云計(jì)算、大數(shù)據(jù)等新技術(shù)，建立區(qū)域性的防災(zāi)減災(zāi)體系及農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)數(shù)據(jù)庫(kù)等。另外，針對(duì)三亞等農(nóng)業(yè)經(jīng)濟(jì)很高的市縣，建議采用建立農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害損失評(píng)估模型，科學(xué)評(píng)估災(zāi)害損失，提升災(zāi)后救助空間信息保障能力等多種手段。針對(duì)?？凇⑽牟?、臨高以及萬寧東北部、陵水東部等植被暴露度很高的地區(qū)，植被覆蓋相對(duì)較少，對(duì)大風(fēng)起到的減緩作用和洪水排泄作用會(huì)較差，建議改善農(nóng)田生態(tài)環(huán)境，多栽培防風(fēng)林和護(hù)田林，增強(qiáng)農(nóng)田生態(tài)環(huán)境的穩(wěn)定性和自我調(diào)節(jié)能力；加強(qiáng)水利基礎(chǔ)設(shè)施建設(shè)，提高抗御水災(zāi)的能力。

而對(duì)于白沙、瓊中、五指山和保亭等市縣，雖農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)較低，但地處山區(qū)，一旦發(fā)生嚴(yán)重災(zāi)害，容易引發(fā)滑坡、崩塌、泥石流等次生災(zāi)害[34]，同時(shí)也不利開展搶險(xiǎn)救援、災(zāi)后調(diào)查重建等工作，因此該地區(qū)對(duì)農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害監(jiān)測(cè)預(yù)警的要求不能忽視。考慮到地形、交通等因素，建議利用衛(wèi)星遙感、物聯(lián)網(wǎng)等技術(shù)，建設(shè)農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害高風(fēng)險(xiǎn)感知網(wǎng)絡(luò)，優(yōu)化農(nóng)業(yè)、水文、氣象、森林和地質(zhì)等災(zāi)害監(jiān)測(cè)核心基礎(chǔ)站點(diǎn)和常規(guī)觀測(cè)站點(diǎn)布局，形成天空地一體化農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)智能監(jiān)測(cè)感知網(wǎng)絡(luò)。

3.3 加強(qiáng)農(nóng)業(yè)政策保險(xiǎn)投入，創(chuàng)新農(nóng)險(xiǎn)承保理賠模式

農(nóng)業(yè)保險(xiǎn)可通過災(zāi)后保險(xiǎn)公司承保理賠的經(jīng)營(yíng)活動(dòng)，使農(nóng)民及時(shí)得到恢復(fù)生產(chǎn)和生活所需要的資金，有利于農(nóng)民生產(chǎn)和生活的穩(wěn)定。從海南島各市縣農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估結(jié)果來看，部分沿海市縣風(fēng)險(xiǎn)較高，尤其是瓊海、陵水和三亞等市縣，農(nóng)業(yè)活動(dòng)相對(duì)發(fā)達(dá)，一旦災(zāi)害發(fā)生會(huì)比中西部有著更慘重的損失，因此為了保證海南島農(nóng)業(yè)的可持續(xù)發(fā)展和農(nóng)民收入的穩(wěn)定，建議從保險(xiǎn)意識(shí)、模式創(chuàng)新等方面加強(qiáng)農(nóng)業(yè)政策保險(xiǎn)投入：海南島農(nóng)業(yè)結(jié)構(gòu)復(fù)雜多樣，既有規(guī)模經(jīng)營(yíng)較好的國(guó)有企業(yè)，也有生產(chǎn)分散的農(nóng)戶，而大部分的小農(nóng)戶有豐富的種植經(jīng)驗(yàn)，處于自給自足的狀態(tài)，有一定的抵御風(fēng)險(xiǎn)能力，所以參保的意愿并不強(qiáng)烈，因此海南島農(nóng)民的保險(xiǎn)意識(shí)整體還有待加強(qiáng)；在農(nóng)業(yè)保險(xiǎn)理賠過程中，一直面臨著信息不對(duì)稱和經(jīng)營(yíng)成本高等問題。利用遙感技術(shù)具備宏觀、動(dòng)態(tài)、實(shí)時(shí)等優(yōu)勢(shì)，為農(nóng)業(yè)保險(xiǎn)定損理賠提供客觀、高效的技術(shù)支撐，將保險(xiǎn)標(biāo)的空間化，建立承保標(biāo)的空間數(shù)據(jù)庫(kù)和管理信息系統(tǒng)，可有效解決農(nóng)業(yè)保險(xiǎn)經(jīng)營(yíng)過程中面臨的信息不對(duì)稱、道德風(fēng)險(xiǎn)和效率等問題。

中西部地區(qū)農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)相對(duì)較小，尤其是白沙、瓊中和五指山等山區(qū)市縣，農(nóng)業(yè)經(jīng)濟(jì)效益不高，交通便利性差，很多偏遠(yuǎn)山區(qū)保險(xiǎn)公司網(wǎng)點(diǎn)無法全面覆蓋，再加上管理制度、工作繁忙和人員有限等主客觀因素，導(dǎo)致出現(xiàn)農(nóng)險(xiǎn)協(xié)辦機(jī)構(gòu)工作質(zhì)量無法保障、農(nóng)險(xiǎn)協(xié)保員推廣農(nóng)業(yè)保險(xiǎn)業(yè)務(wù)積極性不高等問題。因此，建議政府加強(qiáng)對(duì)該地區(qū)農(nóng)業(yè)保險(xiǎn)的資金支持力度，通過政策引導(dǎo)、補(bǔ)貼貸款、稅收優(yōu)惠等方式，將更多農(nóng)戶納入現(xiàn)代農(nóng)業(yè)生產(chǎn)體系，以此提高農(nóng)戶承受自然災(zāi)害的能力，提高農(nóng)戶參與農(nóng)業(yè)保險(xiǎn)的主體資格能力。

4 討 論

在已有的農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估研究中，針對(duì)風(fēng)速構(gòu)建致災(zāi)因子危險(xiǎn)性指標(biāo)時(shí)多選用風(fēng)速的極值[16-17]，對(duì)大風(fēng)災(zāi)害的活動(dòng)頻次表達(dá)較弱。本研究選用最大風(fēng)速累積、降雨量累積指標(biāo)能夠?qū)?zāi)變活動(dòng)強(qiáng)度和頻次結(jié)合起來，體現(xiàn)出歷年多次臺(tái)風(fēng)災(zāi)害強(qiáng)度的累積性效應(yīng)，而不是單考慮某一次臺(tái)風(fēng)的災(zāi)害強(qiáng)度，更科學(xué)地反映出臺(tái)風(fēng)過程中各種強(qiáng)度大風(fēng)或強(qiáng)降雨發(fā)生的概率或重現(xiàn)，具備較高的合理性。

目前針對(duì)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估開展的研究，尚沒有一個(gè)很成熟的農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害評(píng)估理論，本研究從致災(zāi)、孕災(zāi)、承災(zāi)三種因素方面考慮，在構(gòu)建指標(biāo)體系時(shí)更傾向體現(xiàn)出臺(tái)風(fēng)災(zāi)情形成的潛在風(fēng)險(xiǎn)，未考慮災(zāi)害發(fā)生前后防災(zāi)減災(zāi)能力提升所帶來的正面影響，且防災(zāi)減災(zāi)能力的關(guān)鍵數(shù)據(jù)不易獲取且不全面，故未將防災(zāi)減災(zāi)能力作為本研究的評(píng)估指標(biāo)。近年來，海南島自然災(zāi)害應(yīng)急處置和保障能力進(jìn)一步提高，防災(zāi)減災(zāi)能力能夠在短期和長(zhǎng)期對(duì)臺(tái)風(fēng)帶來的農(nóng)業(yè)災(zāi)害有影響作用，因此本研究存在一定的不足之處，后續(xù)將繼續(xù)海南島災(zāi)害風(fēng)險(xiǎn)評(píng)估更深層次的研究，考慮海南島防災(zāi)減災(zāi)能力對(duì)農(nóng)業(yè)災(zāi)害的恢復(fù)作用，優(yōu)化農(nóng)業(yè)災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，科學(xué)劃定農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)等級(jí)和區(qū)域，以期為海南島農(nóng)業(yè)可持續(xù)發(fā)展工作的有序推進(jìn)提供更科學(xué)的參考依據(jù)。

5 結(jié) 論

本研究基于自然災(zāi)害系統(tǒng)理論和方法，考慮強(qiáng)風(fēng)、強(qiáng)降雨造成農(nóng)業(yè)災(zāi)害的累積性效應(yīng)，構(gòu)建了海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估研究方法，并進(jìn)行風(fēng)險(xiǎn)評(píng)估，得出如下主要結(jié)論：

1）海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)指數(shù)處于0.40～0.80之間，全島平均0.61，呈現(xiàn)出北部及沿海地區(qū)的災(zāi)害風(fēng)險(xiǎn)等級(jí)高于中部山區(qū)的趨勢(shì)；從市縣分布來看，瓊海和?？陲L(fēng)險(xiǎn)指數(shù)最高，其次為臨高、澄邁、定安、文昌、萬寧、陵水和三亞等市縣，儋州、昌江、東方、樂東和屯昌等市縣風(fēng)險(xiǎn)指數(shù)較低，保亭、白沙、五指山和瓊中等市縣風(fēng)險(xiǎn)指數(shù)最低。

2）海南島農(nóng)業(yè)臺(tái)風(fēng)致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境暴露性在海口、文昌、定安、澄邁等北部地區(qū)及瓊海、儋州等沿海地區(qū)處于較高水平，在白沙、瓊中和五指山等中部地區(qū)處于較低水平；承災(zāi)體脆弱性在瓊海、陵水和三亞等市縣處于較高水平，在白沙和瓊中等市縣處于較低水平。

3）建議從調(diào)整農(nóng)業(yè)種植布局、提升風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警能力、加強(qiáng)農(nóng)業(yè)政策保險(xiǎn)投入3個(gè)方向開展農(nóng)業(yè)防災(zāi)減災(zāi)與可持續(xù)發(fā)展工作，如瓊東地區(qū)優(yōu)先種植抗臺(tái)風(fēng)作物以及冬季瓜菜、偏遠(yuǎn)山區(qū)建立天空地一體化農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)智能監(jiān)測(cè)感知網(wǎng)絡(luò)、農(nóng)業(yè)活動(dòng)發(fā)達(dá)地區(qū)引入遙感新技術(shù)創(chuàng)新農(nóng)險(xiǎn)承保理賠模式等。

[1] 尚志海，曹海玲，林妙萍，等. 國(guó)內(nèi)農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估研究進(jìn)展[J]. 災(zāi)害學(xué)，2019，34(2)：168-172.

Shang Zhihai, Cao Hailing, Lin Miaoping, et al. Review of typhoon disaster risk assessment for agriculture in China[J]. Journal of Catastrophology, 2019, 34(2): 168-172. (in Chinese with English abstract)

[2] 陳見，孫紅梅，高安寧，等. 超強(qiáng)臺(tái)風(fēng)“威馬遜”與“達(dá)維”進(jìn)入北部灣強(qiáng)度變化對(duì)比分析[J]. 暴雨災(zāi)害，2014，33(4)：392-400.

Chen Jian, Sun Hongmei, Gao Anning, et al. Comparative analysis of intensity changes between super typhoons Rammasun (1409) and Damrey (0518) during the period of entering the Beibu Gulf[J]. Torrential Rain and Disasters, 2014, 33(4): 392-400. (in Chinese with English abstract)

[3] Ren H, Ke S, Dudhia J, et al. Wind disaster assessment of landfalling typhoons in different regions of China over 2004-2020[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2022, 228: 105084. DOI: 10.1016/j.jweia.2022.105084.

[4] 夏子龍. 基于Google Earth Engine的中國(guó)沿海臺(tái)風(fēng)災(zāi)害災(zāi)情評(píng)估[D]. 上海：華東師范大學(xué)，2021.

Xia Zilong. China's Coastal Typhoon Disaster Assessment Based on Google Earth Engine[D]. Shanghai: East China Normal University, 2021. (in Chinese with English abstract)

[5] Chen P, Yu H, Xu M, et al. A simplified index to assess the combined impact of tropical cyclone precipitation and wind on China[J]. Frontiers of Earth Science, 2019, 13(4): 672-681.

[6] Wang T, Yang L, Wu S, et al. Quantitative assessment of natural disaster coping capacity: An application for typhoons[J]. Sustainability, 2020, 12(15): 5949. DOI: 10.3390/su12155949.

[7] 高歌，黃大鵬，趙珊珊. 基于信息擴(kuò)散方法的中國(guó)臺(tái)風(fēng)災(zāi)害年月尺度風(fēng)險(xiǎn)評(píng)估[J]. 氣象，2019，45(11)：1600-1610.

Gao Ge, Huang Dapeng, Zhao Shanshan. Annual and monthly risk assessment of typhoon disasters in China based on the information diffusion method[J]. Meteor, 2019, 45(11): 1600-1610. (in Chinese with English abstract)

[8] Nguyen K A, Liou Y A, Terry J P. Vulnerability of Vietnam to typhoons: A spatial assessment based on hazards, exposure and adaptive capacity[J]. Science of the Total Environment, 2019, 682: 31-46.

[9] Morimoto J, Aiba M, Furukawa F, et al. Risk assessment of forest disturbance by typhoons with heavy precipitation in northern Japan[J]. Forest Ecology and Management, 2021, 479: 118521. DOI: 10.1016/j.foreco.2020.118521.

[10] 潘金蘭，徐慶娟，劉合香. 基于AHP-TOPSIS最優(yōu)組合賦權(quán)的臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估[J]. 南寧師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，38(1)：60-67.

Pan Jinlan, Xu Qingjuan, Liu Hexiang. Risk assessment of typhoon disaster in South China based on optimal combination weights of AHP-anti-entropy-TOPSIS[J]. Journal of Nanning Normal University (Natural Science Edition), 2021, 38(1): 60-67. (in Chinese with English abstract)

[11] 張忠偉. 基于RS與GIS海南島臺(tái)風(fēng)災(zāi)害對(duì)橡膠影響的風(fēng)險(xiǎn)性評(píng)價(jià)研究[D]. ?？冢汉Ｄ蠋煼洞髮W(xué)，2011.

Zhang Zhongwei. Study on Hainan Island Typhoon Effects on Rubber and Division of Risk Assessment Based on RS and GIS[D]. Haikou: Hainan Normal University, 2011. (in Chinese with English abstract)

[12] Laureta R P, Regalado R R H, De La Cruz E B. Climate vulnerability scenario of the agricultural sector in the Bicol River Basin, Philippines[J]. Climatic Change, 2021, 168(1): 1-18.

[13] 尚志海，周銘毅，梁其勝，等. 廣東省湛江市水稻臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估[J]. 災(zāi)害學(xué)，2021，36(3)：85-90.

Shang Zhihai, Zhou Mingyi, Liang Qisheng, et al. Risk assessment of rice typhoon disaster in Zhanjiang City of Guangdong Province[J]. Journal of Catastrophology, 2021, 36(3): 85-90. (in Chinese with English abstract)

[14] 曾玲，阮可照，梁筱儀，等. 臺(tái)風(fēng)災(zāi)害對(duì)農(nóng)業(yè)影響的風(fēng)險(xiǎn)分析-以陽(yáng)江市為例[J]. 廣東農(nóng)業(yè)科學(xué)，2020，47(10)：158-165.

Zeng Ling, Ruan Kezhao, Liang Xiaoyi, et al. Risk analysis on the impact of typhoon disaster to agriculture: A case study of Yangjiang City[J]. Guangdong Agricultural Sciences, 2020, 47(10): 158-165. (in Chinese with English abstract)

[15] 楊忠恩，金志鳳，胡波，等. 熱帶氣旋對(duì)浙江省農(nóng)業(yè)影響的風(fēng)險(xiǎn)區(qū)劃[J]. 生態(tài)學(xué)雜志，2011，30(12)：2821-2826.

Yang Zhongen, Jin Zhifeng, Hu Bo, et al. Risk division of tropical cyclone affecting agricultural production in Zhejiang Province[J]. Chinese Journal of Ecology, 2011, 30(12): 2821-2826. (in Chinese with English abstract)

[16] 徐鵬飛. 面向農(nóng)業(yè)的臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估[D]. 上海：華東師范大學(xué)，2017.

Xu Pengfei. Risk Assessment of Typhoon Disaster for Agriculture[D]. Shanghai: East China Normal University, 2017. (in Chinese with English abstract)

[17] 劉少軍，蔡大鑫，田光輝，等. 中國(guó)橡膠樹種植區(qū)臺(tái)風(fēng)災(zāi)害危險(xiǎn)性分區(qū)[J]. 廣東農(nóng)業(yè)科學(xué)，2020，47(9)：134-140.

Liu Shaojun, Cai Daxin, Tian Guanghui, et al. Zoning of typhoon disaster risks in rubber tree planting area of China[J]. Guangdong Agricultural Sciences, 2020, 47(9): 134-140. (in Chinese with English abstract)

[18] 黃海靜，楊再?gòu)?qiáng)，王春乙，等. 海南島天然橡膠林臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)[J]. 氣象與環(huán)境學(xué)報(bào)，2019，35(5)：130-136.

Huang Haijing, Yang Zaiqiang, Wang Chunyi, et al. Evaluation of typhoon disaster risk for hevea brasiliensis in Hainan island[J]. Journal of Meteorology and Environment, 2019, 35(5): 130-136. (in Chinese with English abstract)

[19] 張忠偉，張京紅，趙志忠，等. 基于GIS的海南島臺(tái)風(fēng)災(zāi)害致災(zāi)因子危險(xiǎn)性分析[J]. 安徽農(nóng)業(yè)科學(xué)，2011，39(11)：6587-6590.

Zhang Zhongwei, Zhang Jinghong, Zhao Zhizhong, et al. Analysis of risks in Hainan Island typhoon hazard factor based on GIS[J]. Journal of Anhui Agriculture Science, 2011, 39(11): 6587-6590. (in Chinese with English abstract)

[20] 史培軍. 再論災(zāi)害研究的理論與實(shí)踐[J]. 自然災(zāi)害學(xué)報(bào)，1996，5(4)：6-17.

Shi Peijun. Theory and practice of disaster study[J]. Journal of Natural Disaster, 1996, 5(4): 6-17. (in Chinese with English abstract)

[21] 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(guó)的戰(zhàn)略選擇[J]. 自然災(zāi)害學(xué)報(bào)，2006，15(1)：29-37.

Zhang Jiquan, Okada Norio, Tatano Hirokazu. Integrated natural disaster risk management: Comprehensive and integrated model and Chinese strategy choice[J]. Journal of Natural Disaster, 2006, 15(1): 29-37. (in Chinese with English abstract)

[22] 劉少軍. 基于多信息源的臺(tái)風(fēng)災(zāi)害實(shí)時(shí)評(píng)估系統(tǒng)研究-以海南島為例[D]. 成都：成都理工大學(xué)，2010.

Liu Shaojun. Reseaching on Dynamic Assessment of Typhoon Disaster System Based on Multi-sources: A Case of Hainan Island[D]. Chengdu: Chengdu University of Technology, 2010. (in Chinese with English abstract)

[23] 周成虎，萬慶，黃詩(shī)峰，等. 基于GIS的洪水災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究[J]. 地理學(xué)報(bào)，2000，55(1)：15-24.

Zhou Chenghu, Wan Qing, Huang Shifeng, et al. A GIS-based approach to flood risk zonation[J]. Acta Geographica Sinica, 2000, 55(1): 15-24. (in Chinese with English abstract)

[24] 王鵬，鄧紅衛(wèi). 基于GIS和Logistic回歸模型的洪澇災(zāi)害區(qū)劃研究[J]. 地球科學(xué)進(jìn)展，2020，35(10)：1064-1072.

Wang Peng, Deng Hongwei. Study on flood hazard risk zoning based on GIS and Logistic regression model[J]. Advances in Earth Science, 2020, 35(10): 1064-1072. (in Chinese with English abstract)

[25] 劉璐. 寧波市臺(tái)風(fēng)災(zāi)害綜合風(fēng)險(xiǎn)區(qū)劃與評(píng)估[D]. 南京：南京信息工程大學(xué)，2018.

Liu Lu. Typhoon Disater Risk Division and Assessment in Ningbo City[D]. Nanjing: Nanjing University of Information Science and Technology, 2018. (in Chinese with English abstract)

[26] 趙振庭，孔祥斌，張雪靚，等. 基于多維超體積生態(tài)位的高標(biāo)準(zhǔn)生態(tài)農(nóng)田建設(shè)分區(qū)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(13)：253-263.

Zhao Zhenting, Kong Xiangbin, Zhang Xueliang, et al. Method for zoning high-standard ecological farmland construction using multi-dimensional super-volume ecological niche[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(13): 253-263. (in Chinese with English abstract)

[27] 范習(xí)超，秦京濤，徐磊，等. 大型灌區(qū)節(jié)水水平評(píng)價(jià)指標(biāo)體系構(gòu)建與實(shí)證[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37(20)：99-107.

Fan Xichao, Qin Jingtao, Xu Lei, et al. Construction and empirical analysis of the evaluation index system for the water-saving level of large-sized irrigation districts[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(20): 99-107. (in Chinese with English abstract)

[28] 吳瑞英，孫懷衛(wèi)，嚴(yán)冬，等. 基于格網(wǎng)數(shù)據(jù)和博弈論組合賦權(quán)的中巴經(jīng)濟(jì)走廊洪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37(14)：145-154

Wu Ruiying, Sun Huaiwei, Yan Dong, et al. Evaluation of disaster risk in China-Pakistan Economic Corridor by combination weighting based on improved game theory and grid data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(14): 145-154. (in Chinese with English abstract)

[29] Kokangul A, Polat U, Dagsuyu C. A new approximation for risk assessment using the AHP and Fine Kinney methodologies[J]. Safety Science, 2017, 91: 24-32.

[30] Roy D C, Blaschke T. Spatial vulnerability assessment of floods in the coastal regions of Bangladesh[J]. Geomatics, Natural Hazards and Risk, 2015, 6(1): 21-44.

[31] 張美恩，王春乙，宋艷玲，等. 河南省夏花生生育期旱澇災(zāi)害危險(xiǎn)性評(píng)價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(1)：158-168.

Zhang Meien, Wang Chunyi, Song Yanling, et al. Risk assessment of summer peanut drought and waterlogging disaster during growth periods in Henan Province of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(1): 158-168. (in Chinese with English abstract)

[32] 劉希朝，李效順，蔣冬梅. 基于土地利用變化的黃河流域景觀格局及生態(tài)風(fēng)險(xiǎn)評(píng)估[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37(4)：265-274.

Liu Xizhao, Li Xiaoshun, Jiang Dongmei. Landscape pattern identification and ecological risk assessment using land-use change in the Yellow River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(4): 265-274. (in Chinese with English abstract)

[33] 陳小敏，李偉光，梁彩紅，等. 海南島主要農(nóng)業(yè)氣象災(zāi)害特征及防御措施分析[J]. 熱帶生物學(xué)報(bào)，2022，13(4)：416-421.

Chen Xiaomin, Lin Weiguang, Liang Caihong, et al. Major agrometeorological disasters in Hainan and their control[J]. Journal of Tropical Biology, 2022, 13(4): 416-421. (in Chinese with English abstract)

[34] Zhuang Y, Xing A, Jiang Y, et al. Typhoon, rainfall and trees jointly cause landslides in coastal regions[J]. Engineering Geology, 2022, 298: 106561.

Risk assessment and sustainable development countermeasures of agricultural typhoon disaster for Hainan Island of China

Nie Chaojia1,2,3, Ye Huichun1,2,3※, Zhang Shiwen4, Guo Jiawei1,2, Cui Bei5, Huang Wenjiang1,2,3

(1.,100094,; 2.,,,100094,; 3.,,572029,; 4.,,232001,; 5.,,100101,)

Typhoons can generally bring the terrible damage for the agricultural production, particularly in Hainan Island with the frequent occurrence. It is a high demand for the accurate and rapid risk assessment on agricultural typhoon disaster, in order to optimize the layout of agricultural planting for the damage prevention and mitigation. Taking the Hainan Island of south China as the study area, this research aims to construct the assessment index system of agricultural typhoon disaster for the sustainable development countermeasures. Some influencing factors were also selected in the natural disaster system, including the rainfall, wind speed, typhoon occurrence time, digital elevation model data, rivers and watersheds, ratio vegetation index, agricultural population, agricultural output value, cultivated land area, and land area during the occurrence of typhoons over many years. Some considerations were then posed on the risk of disaster-causing factors, the exposure of hazard-formative environments, and the vulnerability of hazard-affected bodies. Eight indicators were illustrated for the risk comprehensive assessment model of agricultural typhoon disaster, including the maximum wind speed accumulation, rainfall accumulation, influence index of terrain factor, river network density, vegetation exposure, agricultural population density, output value per unit area of agricultural land, and the proportion of cultivated land in the land area. The relative importance of each index was scored by 15 experienced experts that engaged in the meteorology, agriculture, hydrology, and geography using analytic hierarchy process. Then, the weight was calculated to evaluate the contribution degree of eight indexes for each Criteria layer and index layer, according to the matrix judgment and consistency. As such, the agricultural typhoon disaster risk was determined from the typhoon occurrence data from 2001 to 2020. The agricultural typhoon disaster risks of cities and counties were divided into five levels: level I, II, III, IV, and V. The results showed that: The high risk of agricultural typhoon disaster was found in the study area, where the risk index was between 0.40 and 0.80, with an average of 0.61. The area of agricultural typhoon disaster risk level III and above were accounted for 74.8%. Spatially, the risk of typhoon disaster in the northern and coastal areas was much higher than that in the central mountainous area. Among them, Qionghai and Haikou cities presented the highest risk, with the disaster risk integrated index of 0.712 and 0.689, respectively. The lowest disaster risk was observed in Baoting, Baisha, Wuzhishan, and Qiongzhong cities, with the integrated index of disaster risk all lower than 0.540. The risk of disaster-causing factors and the exposure of hazard-formative environment for the agricultural typhoon were retained at a high level in northern areas (such as Haikou, Wenchang, Ding'an, and Chengmai), and coastal areas (such as Qionghai, and Danzhou), whereas a low level was found in the central areas (such as Baisha, Qiongzhong, and Wuzhishan). The vulnerability of hazard-affected bodies remained at a high level in Qionghai, Lingshui and Sanya, whereas, a low level in Baisha and Qiongzhong. Three countermeasures were also proposed for the prevention and reduction of agricultural typhoon disaster during sustainable development. Specifically, the layout of agricultural planting can be rationally adjusted for the risk monitoring and early warning, according to the typhoon characteristics and the risk distribution of agricultural typhoon disasters. The investment can be expected to strengthen in agricultural policy insurance. The specific measures included: 1) priority should be given to the typhoon-resistant crops, winter melon, and vegetable planting in the Qiongdong region; 2) an intelligent monitoring and perception network can be established using space-sky-terrestrial integration for the agricultural typhoon disaster risk in remote mountainous areas, while the new remote sensing can be introduced in the areas with developed agricultural activities; 3) to innovate the agricultural insurance underwriting and claim settlement mode. The finding can offer the strong support to the disaster prevention and emergency decision-making for the regions with different disaster risk levels.

agricultural disasters; typhoon; risk assessment; tropical agriculture; sustainable development

10.11975/j.issn.1002-6819.2022.23.025

P425.6; X43

A

1002-6819(2022)-23-0237-10

聶超甲，葉回春，張世文，等. 海南島農(nóng)業(yè)臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)評(píng)估與可持續(xù)發(fā)展對(duì)策[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(23)：237-246.doi：10.11975/j.issn.1002-6819.2022.23.025 http://www.tcsae.org

Nie Chaojia, Ye Huichun, Zhang Shiwen, et al. Risk assessment and sustainable development countermeasures of agricultural typhoon disaster for Hainan Island of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(23): 237-246. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.23.025 http://www.tcsae.org

2022-03-04

2022-08-15

中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)（A類）資助（XDA19030105）；海南省重大科技計(jì)劃項(xiàng)目（ZDKJ2019006）；海南省青年自然科學(xué)基金項(xiàng)目（420QN293）；中國(guó)科學(xué)院青年創(chuàng)新促進(jìn)會(huì)項(xiàng)目（2021119）

聶超甲，研究方向?yàn)檗r(nóng)業(yè)生態(tài)遙感監(jiān)測(cè)應(yīng)用。Email：niecj@aircas.ac.cn

葉回春，博士，副研究員，研究方向?yàn)檗r(nóng)業(yè)定量遙感機(jī)理與應(yīng)用。Email：yehc@aircas.ac.cn