李彥彬，王躍雄，杜雪芳

（華北水利水電大學(xué)，鄭州450046）

0 引 言

干旱是多因素共同作用而形成的復(fù)雜的自然現(xiàn)象，通常表現(xiàn)為水分短缺[1]，按形成機(jī)理，可以分為氣象干旱、水文干旱、農(nóng)業(yè)干旱以及社會(huì)經(jīng)濟(jì)干旱[2]。由于農(nóng)作物對(duì)水分存在極大的需求性[3,4]，農(nóng)業(yè)干旱往往會(huì)造成大范圍的糧食減產(chǎn)[5]，是我國農(nóng)業(yè)發(fā)展所面臨的極大挑戰(zhàn)。據(jù)不完全統(tǒng)計(jì)，2004-2015年中國糧食由于干旱所造成的年均損失已達(dá)到640.7 億元[6]。人類活動(dòng)加劇了干旱的非平穩(wěn)化[7]，IPCC 第6 次會(huì)議指出[8]，在全球變暖大環(huán)境下，年均氣溫將持續(xù)上升，降水的概率越來越難以確定，全球干旱化趨勢(shì)愈加明顯，因此干旱綜合評(píng)價(jià)及預(yù)防研究迫在眉睫。目前農(nóng)業(yè)干旱脆弱性是國內(nèi)外研究的熱點(diǎn)，干旱脆弱性指[9]承載體及周圍環(huán)境在面對(duì)潛在的干旱危險(xiǎn)所表現(xiàn)的敏感性抵抗力與恢復(fù)力?？涤垒x等[10]利用廣西大石山區(qū)的脆弱性評(píng)價(jià)研究表明，脆弱度與干旱風(fēng)險(xiǎn)指數(shù)大小變化趨勢(shì)一致，脆弱性對(duì)干旱綜合評(píng)價(jià)起著極為重要的作用；IDMP CEE[11]指出災(zāi)害管理必須綜合各部門主動(dòng)采取措施減少脆弱性以應(yīng)對(duì)干旱；楊曉穎等[12]采用主成分分析法分別對(duì)內(nèi)蒙古的水資源、農(nóng)業(yè)、經(jīng)濟(jì)及社會(huì)等因子進(jìn)行了脆弱性分析；王立坤[13]等采用改進(jìn)后的灰色關(guān)聯(lián)度與TOPSIS 模型分析了黑龍江西部地區(qū)生產(chǎn)水平、農(nóng)業(yè)經(jīng)濟(jì)等對(duì)干旱脆弱性的動(dòng)態(tài)影響；宋一凡[14]等采用SWAT 模型從自然生態(tài)系統(tǒng)與人類-自然耦合系統(tǒng)兩個(gè)方面分析了過度放牧、植被退化和過度開發(fā)地下水對(duì)內(nèi)蒙古艾布蓋河流域生態(tài)脆弱性的影響程度。

然而在過往研究中，很少有人關(guān)注生態(tài)因子對(duì)脆弱性的影響，在2000-2016年期間關(guān)于干旱脆弱性與生態(tài)系統(tǒng)間作用機(jī)理的研究僅占干旱脆弱性研究的10%[15]。國外有學(xué)者認(rèn)為[16]即使沒有人類影響，干旱仍可能會(huì)因超出生態(tài)系統(tǒng)承載能力而發(fā)生。生態(tài)因子對(duì)旱災(zāi)區(qū)土壤有機(jī)質(zhì)質(zhì)量的長期影響將造成生態(tài)平衡的破壞[17]，此種機(jī)理不易被察覺且不利于作物生長[18]。李寧[19]等利用工具計(jì)量推斷法得出，社會(huì)脆弱性與生態(tài)脆弱性間具有長期的相互作用，且社會(huì)脆弱性對(duì)生態(tài)的影響更大一些；郭澤呈[20]等在對(duì)甘肅省石羊河流域的生態(tài)脆弱性評(píng)價(jià)研究中，利用因子探測(cè)器得出綠度在一定程度上可以抑制溫度對(duì)干旱的影響程度；王茜[21]等對(duì)廣南縣的脆弱性評(píng)價(jià)也證明先天的自然生態(tài)環(huán)境對(duì)干旱脆弱性的影響同樣十分重要。所以，本研究在農(nóng)業(yè)干旱脆弱性綜合評(píng)價(jià)體系中加入溫度植被干旱指數(shù)（Temperature vegetation dryness index，TVDI），以河南省安陽市旱災(zāi)時(shí)空分布特征為例來檢驗(yàn)綜合評(píng)價(jià)指數(shù)的可靠性，并探究干旱與生態(tài)因子的作用狀況及土壤水環(huán)境在因子貢獻(xiàn)中所占的比例，為該地區(qū)旱情評(píng)估提供理論依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

安陽市位于河南省最北部，處于河南、河北、山西三省交界地帶，周圍遍布?xì)庀笥^測(cè)站點(diǎn)，數(shù)據(jù)齊全，研究區(qū)域及氣象站點(diǎn)分布如圖1所示。憑借東部平原的地形優(yōu)勢(shì)，安陽市成為河南省最主要的糧食生產(chǎn)基地之一，年均種植面積約達(dá)59.65 萬hm2，下轄的湯陰縣、內(nèi)黃縣及滑縣皆為產(chǎn)糧大縣，素有“豫北糧倉”之美稱。然而，安陽市降水較少，歷史年均降水量約為637.1 mm，且降水主要分布在夏季，春冬兩季降水量才占全年的1/5。干燥的氣候?qū)е略撌写汉蛋l(fā)生頻繁，2017年便發(fā)生過一次嚴(yán)重旱災(zāi)，2008-2014年時(shí)段內(nèi)更是發(fā)生過5次干旱，這嚴(yán)重威脅到安陽市糧食生產(chǎn)安全。

圖1 區(qū)域概況圖及氣象站點(diǎn)分布Fig.1 Overview map of study area and weather stations distribution

1.2 數(shù)據(jù)來源

本研究收集了安陽市近30年（1989-2018年）的衛(wèi)星數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)和氣象數(shù)據(jù)。衛(wèi)星數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/），主要為Landsat 8 數(shù)據(jù)，用來反演地表溫度；社會(huì)經(jīng)濟(jì)數(shù)據(jù)來源于安陽市統(tǒng)計(jì)年鑒，主要包括人口密度、小麥產(chǎn)量、作物系數(shù)等；氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/），主要包括降水量、氣溫、風(fēng)速、日照時(shí)數(shù)等信息。

1.3 研究方法

1.3.1 層次分析法

層次分析法[22]是一種可以將定性與定量問題相結(jié)合的分析方法，能夠很好地將主觀問題進(jìn)行客觀分析。通常根據(jù)專家對(duì)研究問題的主觀意見構(gòu)建判斷矩陣，由判斷矩陣求解特征向量，最后計(jì)算出指標(biāo)的權(quán)重。本文所選指標(biāo)個(gè)數(shù)為8，故隨機(jī)一致性指標(biāo)RI取1.41。

1.3.2 指標(biāo)標(biāo)準(zhǔn)化

為了便于計(jì)算，采用標(biāo)準(zhǔn)化原則消除各數(shù)據(jù)單元之間的差異，正向、負(fù)向指標(biāo)的標(biāo)準(zhǔn)化處理方式有所不同[23]。對(duì)于正向指標(biāo)有：

對(duì)于負(fù)向指標(biāo)有：

式中：xst為經(jīng)標(biāo)準(zhǔn)化處理后的結(jié)果，取值范圍為[0,1]；xmax為處理指標(biāo)所存在的最大值；xmin為處理指標(biāo)所存在的最小值；xi為處理指標(biāo)當(dāng)前的任意值。

1.3.3 加權(quán)綜合評(píng)價(jià)法

本文采用加權(quán)綜合評(píng)價(jià)法來構(gòu)建脆弱性評(píng)價(jià)模型，其公式為：

式中：V為脆弱性綜合評(píng)價(jià)指數(shù)；n為所選指標(biāo)的個(gè)數(shù)；ωj為第j項(xiàng)指標(biāo)所占的權(quán)重；Iij為第i要素的第j項(xiàng)指標(biāo)的標(biāo)準(zhǔn)值。

1.3.4 比較分析法

通過比較評(píng)價(jià)結(jié)果與實(shí)際受災(zāi)情況，可以清晰判斷評(píng)價(jià)模型的精確與否。通過滑動(dòng)趨勢(shì)法對(duì)小麥年產(chǎn)量數(shù)據(jù)進(jìn)行處理得到逐年減產(chǎn)率，其計(jì)算步驟如下[24]：

第一步為產(chǎn)量的加性分解過程：

式中：Y為小麥實(shí)際產(chǎn)量，kg/hm2；Yw為反映小麥?zhǔn)軞夂虿▌?dòng)影響的氣象產(chǎn)量，kg/hm2；Yt為小麥趨勢(shì)產(chǎn)量，kg/hm2，表示因相鄰幾年科技進(jìn)步影響有限所擬的小麥產(chǎn)量自然波動(dòng)狀況；ΔY為隨機(jī)產(chǎn)量，kg/hm2，小麥增產(chǎn)和減產(chǎn)很少由于局部突變?cè)斐桑际鞘苣骋灰蛩亻L期作用，所以一般認(rèn)為ΔY為0。

第二步為計(jì)算小麥趨勢(shì)產(chǎn)量：

式中：p表示方程時(shí)序號(hào)；K為滑動(dòng)步長（本次研究規(guī)定為11 a）；n為樣本個(gè)數(shù)30；Yp為第p年小麥的趨勢(shì)產(chǎn)量，kg/hm2；t為時(shí)間序號(hào)（當(dāng)p=1 時(shí)，t=1,2,…,K;當(dāng)i=n-K+1 時(shí)，t=n-K+1，n-K+2，n-K+3,…,n）。

第三步用多年平均去除波動(dòng)的差異性：

式中：為第t年份小麥的平均趨勢(shì)產(chǎn)量，kg/hm2；m表示每時(shí)序方程計(jì)算的序號(hào)；q為每時(shí)序方程計(jì)算的總個(gè)數(shù)，與n和K有關(guān)（本研究q為6）。

第四步為計(jì)算逐年減產(chǎn)率：

式中：YRR為小麥的逐年減產(chǎn)率，%，本研究利用逐年減產(chǎn)率表征實(shí)際受災(zāi)程度。

1.3.5 因子貢獻(xiàn)度評(píng)價(jià)法

因子貢獻(xiàn)度評(píng)價(jià)法可清晰反映各因子對(duì)脆弱性評(píng)價(jià)的貢獻(xiàn)程度[25]，厘清影響因子的主次關(guān)系，其公式為：

式中：Cij為指標(biāo)層的第i要素的第j項(xiàng)指標(biāo)的因子貢獻(xiàn)度大??；ωj為第j項(xiàng)指標(biāo)所占的權(quán)重；Sij代表第i要素的第j項(xiàng)指標(biāo)的隸屬度；Ui為準(zhǔn)則層的貢獻(xiàn)度，表示第i要素的因子貢獻(xiàn)度大小。

2 評(píng)價(jià)指標(biāo)的選取

從干旱的致災(zāi)機(jī)理考慮，一般認(rèn)為[26,27]氣象、作物需水等自然環(huán)境條件與社會(huì)經(jīng)濟(jì)條件是影響脆弱性的主要因素。本文在總結(jié)前人研究成果基礎(chǔ)上，結(jié)合系統(tǒng)性、獨(dú)立性和易獲取性的原則，選取了8項(xiàng)指標(biāo)建立小麥的農(nóng)業(yè)干旱脆弱性綜合評(píng)價(jià)體系，如表1所示。

表1 小麥干旱風(fēng)險(xiǎn)脆弱性綜合評(píng)價(jià)指標(biāo)體系Tab.1 The drought vulnerability integrated evaluation index system of wheat

敏感性分為自然型因子與社會(huì)型因子。自然型敏感性指標(biāo)反映自然環(huán)境對(duì)干旱的抵抗能力，包括標(biāo)準(zhǔn)化降水指數(shù)（Standardized Precipitation Index，簡稱SPI）、作物水分虧缺指數(shù)（Crop Water Deficit Index，簡稱CWDI）與溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index，簡稱TVDI）。SPI表示降水出現(xiàn)概率的多少，由Gamma 概率分布函數(shù)正態(tài)化與標(biāo)準(zhǔn)化處理得到，本文選擇半年尺度的降水指數(shù)作為評(píng)價(jià)指標(biāo)[28]；CWDI表示小麥不同生理階段的需水狀況，從作物自身角度反映干旱的致災(zāi)程度，由日照、氣溫等數(shù)據(jù)通過Penman-Monteith 公式求得，具體公式見文獻(xiàn)[29]；TVDI是Sandholt[30]提出的一種生態(tài)指標(biāo)，從生態(tài)穩(wěn)定性方面評(píng)價(jià)自然環(huán)境的抵抗力，除表示區(qū)域內(nèi)植被覆蓋度，還反映了10～20 cm 土壤層的土壤水水環(huán)境[31]。TVDI由地表溫度與NDVI通過干、濕邊方程求得[32]，當(dāng)數(shù)值越大時(shí)，土壤含水率越少，抵抗能力也逐漸減弱。

社會(huì)型敏感性指標(biāo)反映環(huán)境抵抗干旱不利影響的能力，本文選取人口密度、小麥種植面積比重和抗旱面積3種指數(shù)作為評(píng)價(jià)指標(biāo)。人口密度和抗旱面積分別表示社會(huì)環(huán)境和作物自身對(duì)干旱的抵抗能力；而小麥種植面積比重則表示作物的暴露性程度，由于干旱具有擴(kuò)散性，當(dāng)干旱發(fā)生時(shí)，接觸程度越大，干旱造成的經(jīng)濟(jì)損失也越大。

恢復(fù)力表示干旱剛發(fā)現(xiàn)時(shí)，人們降低旱災(zāi)程度的社會(huì)經(jīng)濟(jì)能力，本文選擇復(fù)種指數(shù)、人均GDP 作為評(píng)價(jià)指標(biāo)。復(fù)種指數(shù)指一年內(nèi)作物的種植次數(shù)，由作物種植面積與耕地面積求得，種植次數(shù)越多，干旱造成的產(chǎn)糧損失越少；人均GDP則反映社會(huì)經(jīng)濟(jì)承受糧食損失的能力，GDP 越高，人們?cè)侥艹惺軠p產(chǎn)帶來的損失。

3 結(jié)果與分析

3.1 權(quán)重的確定

在綜合考慮專家意見的基礎(chǔ)上，對(duì)以上8項(xiàng)指標(biāo)構(gòu)建判斷矩陣，具體判斷結(jié)果見表2。為證明判斷矩陣的合理性，首先計(jì)算了最大特征值λmax、綜合一致性指標(biāo)CI和一致性比例CR，計(jì)算結(jié)果分別為8.453、0.065和0.046，一致性比例CR小于1，故判斷矩陣通過了一致性檢驗(yàn)。其次利用層次分析法最確定各項(xiàng)農(nóng)業(yè)干旱脆弱性評(píng)價(jià)指標(biāo)所占的權(quán)重，結(jié)果見表3。由表可知，降水、作物需水、植被覆蓋度與土壤水環(huán)境仍是影響干旱的主要因素，其次為小麥種植面積比重與抗旱面積。

表2 安陽市農(nóng)業(yè)干旱脆弱性指標(biāo)判斷矩陣Tab.2 Determination matrix of agricultural drought vulnerability indicators in Anyang City

表3 各項(xiàng)農(nóng)業(yè)干旱脆弱性指標(biāo)權(quán)重Tab.3 Weighting of each agricultural drought vulnerability indicator

3.2 農(nóng)業(yè)干旱脆弱性的時(shí)序評(píng)價(jià)

由于2002年河南省對(duì)安陽市行政區(qū)劃進(jìn)行了重大調(diào)整，將原有的鐵西區(qū)、郊區(qū)調(diào)整為殷都區(qū)、龍安區(qū)，故本文收集了安陽市2003-2018年的數(shù)據(jù)來進(jìn)行農(nóng)業(yè)干旱脆弱性時(shí)序評(píng)價(jià)。為消除各指標(biāo)的量綱，利用公式（1）和（2）得出8項(xiàng)指標(biāo)的標(biāo)準(zhǔn)值，見表4。

表4 各項(xiàng)指標(biāo)標(biāo)準(zhǔn)化處理結(jié)果Tab.4 Standardized processing results for each indicator

在充分考慮降水供給、作物水分需求、土壤水環(huán)境及社會(huì)因素的共同作用下，基于線性加權(quán)綜合評(píng)價(jià)法計(jì)算得到安陽市農(nóng)業(yè)干旱脆弱性綜合評(píng)價(jià)指數(shù)，其取值范圍為[0,1]。當(dāng)指數(shù)數(shù)值越高時(shí)，表示該地區(qū)抵抗干旱的能力越弱，干旱造成的損失也越大。有研究表明[33]，不同程度的干旱狀態(tài)，其發(fā)生概率也不同，輕度干旱和中度干旱在災(zāi)害發(fā)生概率中占比最高，各為34.1%和9.2%；而出現(xiàn)重旱和極端干旱的可能性極低，分別只有4.4%和2.3%。本次農(nóng)業(yè)干旱脆弱性綜合評(píng)價(jià)等級(jí)界限參照了該理論，具體劃分與評(píng)價(jià)結(jié)果見表5和表6。

表5 脆弱性綜合評(píng)價(jià)等級(jí)分類界限Tab.5 Vulnerability comprehensive evaluation level classification boundaries

由表6可清晰看出，綜合評(píng)價(jià)指標(biāo)與逐年減產(chǎn)率的評(píng)價(jià)結(jié)果均顯示，在2003年到2018年期間安陽市大約出現(xiàn)過10次干旱，且以輕度干旱為主，這與陳少丹[34]的結(jié)論一致；自2010年以后，隨著社會(huì)生產(chǎn)力的提高，社會(huì)型敏感性與恢復(fù)力指數(shù)逐漸降低，干旱的發(fā)生概率也隨之下降。但仔細(xì)觀察可發(fā)現(xiàn)，干旱年份的自然型敏感指數(shù)均表現(xiàn)出較高水平，這說明氣候環(huán)境條件仍是決定干旱的主要因素。橫向比較可知，除2009、2011 和2012 這3 個(gè)年份，含TVDI的脆弱性評(píng)價(jià)等級(jí)與受災(zāi)等級(jí)均保持一致，而不含TVDI的評(píng)價(jià)等級(jí)有五年與受災(zāi)等級(jí)不一致，含TVDI的評(píng)價(jià)精度比不含TVDI的提高了12.5%，這說明本綜合評(píng)價(jià)指數(shù)在時(shí)序干旱脆弱性評(píng)價(jià)上是可行的。

表6 2003-2018年安陽市農(nóng)業(yè)干旱脆弱性綜合評(píng)價(jià)隸屬度Tab.6 Subordination degree of agricultural drought vulnerability integrated evaluation of Anyang City in 2003-2018

3.3 農(nóng)業(yè)干旱脆弱性的空間評(píng)價(jià)

直觀分析農(nóng)業(yè)干旱脆弱性綜合評(píng)價(jià)指數(shù)的評(píng)價(jià)效果，選擇距今最近的2017年作為干旱典型年，采用ArcGIS 繪制安陽市農(nóng)業(yè)干旱脆弱性風(fēng)險(xiǎn)區(qū)劃與逐年減產(chǎn)率空間分布圖，如圖2所示。由圖2（a）可以看出，干旱集中出現(xiàn)在安陽北部及東南地區(qū)，尤以文峰區(qū)的干旱風(fēng)險(xiǎn)嚴(yán)重，其次為北關(guān)區(qū)、殷都區(qū)、龍安區(qū)、湯陰縣、安陽縣、滑縣、內(nèi)黃縣；圖2（b）顯示的受災(zāi)最嚴(yán)重地區(qū)為安陽縣，其次為北關(guān)區(qū)、文峰區(qū)、湯陰縣、滑縣。

圖2 2017年安陽市農(nóng)業(yè)干旱脆弱性及受災(zāi)減產(chǎn)分區(qū)Fig.2 Agricultural drought vulnerability and affected yield reduction of Anyang City in 2017

對(duì)比圖2所示的兩類結(jié)果可知，農(nóng)業(yè)干旱脆弱性區(qū)劃與逐年減產(chǎn)率反映的實(shí)際受災(zāi)情況在空間分布上基本吻合，干旱狀況均出現(xiàn)在安陽北部，與劉勤娣[35]的結(jié)論一致，這是由于西部太行山脈擋住了來自西北方向的低壓冷空氣所致。

3.4 因子貢獻(xiàn)分析

為探尋生態(tài)因子對(duì)農(nóng)業(yè)干旱脆弱性綜合評(píng)價(jià)的影響程度，同樣以2017年為干旱典型年，分別對(duì)含TVDI與不含TVDI的兩種因子貢獻(xiàn)度進(jìn)行識(shí)別，如圖3所示。雖然加入社會(huì)型因素減少了TVDI在敏感性因子貢獻(xiàn)度的比重，但含TVDI的因子貢獻(xiàn)度均高于不含TVDI的，尤其以林州市的結(jié)果差距最大，含TVDI的分別比不含TVDI的高出10%與23%；而在殷都區(qū)、龍安區(qū)和滑縣，兩種貢獻(xiàn)度基本一致。由此推斷，在城市類地區(qū)，土壤含水量較少，土壤水環(huán)境較差，TVDI表征的植被覆蓋度與土壤水環(huán)境對(duì)脆弱性影響相對(duì)較弱；在非城市類地區(qū)，土壤含水量是影響作物生長的關(guān)鍵因素之一，TVDI表征的植被覆蓋度與土壤水環(huán)境對(duì)脆弱性評(píng)價(jià)起著較為重要的作用。

圖3 安陽市各縣因子貢獻(xiàn)度分析Fig.3 Analysis of the contribution by counties in Anyang

4 討 論

本文在充分考慮生態(tài)因子對(duì)脆弱性綜合評(píng)價(jià)影響的基礎(chǔ)下，構(gòu)建了安陽市農(nóng)業(yè)干旱脆弱性綜合評(píng)價(jià)指數(shù)，從時(shí)間與空間序列上檢驗(yàn)了指數(shù)的準(zhǔn)確度，并分析了TVDI表征的生態(tài)植被與土壤水環(huán)境對(duì)敏感性因子貢獻(xiàn)度變化的影響程度。對(duì)比表4與表6結(jié)果可發(fā)現(xiàn)，在年均降水最稀缺的2011年與2014年，其脆弱性風(fēng)險(xiǎn)值并不是最高的；在2013年與2018年同樣出現(xiàn)了降水少而脆弱性強(qiáng)的情況，從而推斷雖然降水仍是決定干旱脆弱性的主要因素，但隨著社會(huì)發(fā)展水平的提高，降水對(duì)農(nóng)業(yè)干旱的影響程度正在降低，這與田豐[36]在華北平原的研究結(jié)果是一致的。觀察圖2可知，脆弱性較重的地區(qū)集中分布在城市區(qū)或農(nóng)業(yè)種植區(qū)，這與王鵬[37]的結(jié)果是一致的，這是由于該類地區(qū)水資源開發(fā)程度較高，而植被覆蓋少，地下水環(huán)境不良所致。由圖3可得，土壤水環(huán)境對(duì)敏感性因子貢獻(xiàn)度有明顯提高作用，這與Du[38]的加入土壤背景調(diào)整因子可提高脆弱性評(píng)價(jià)精度的結(jié)論一致，Liang[39]也發(fā)現(xiàn)在河南地區(qū)土壤水分環(huán)境對(duì)氣候波動(dòng)和干旱變化的影響較其他地區(qū)更為顯著。綜上所述，雖然層次分析法較為傳統(tǒng)，但根據(jù)專家經(jīng)驗(yàn)，可較為準(zhǔn)確地確定各指標(biāo)的權(quán)重，評(píng)價(jià)結(jié)果與受災(zāi)變化的一致性也驗(yàn)證了本綜合評(píng)價(jià)指數(shù)的準(zhǔn)確性。

通過對(duì)比含TVDI與不含TVDI的評(píng)價(jià)結(jié)果和因子貢獻(xiàn)度可得，土壤水環(huán)境在農(nóng)業(yè)干旱評(píng)價(jià)中發(fā)揮著重要作用，生態(tài)植被對(duì)土壤水環(huán)境的改善可以抑制地表蒸騰[40]，降低地表溫度的升高[41]，因此在未來干旱評(píng)價(jià)中應(yīng)適當(dāng)加大生態(tài)因子的影響比例，尤其是土壤水環(huán)境。由于TVDI會(huì)受到云層和衛(wèi)星質(zhì)量的影響，需要針對(duì)不同情形采用不同的濾波處理，所以該綜合評(píng)價(jià)指數(shù)的適用性還有待作進(jìn)一步驗(yàn)證。未來計(jì)劃擴(kuò)大研究范圍，通過趨勢(shì)檢驗(yàn)與突變檢驗(yàn)等方法進(jìn)一步分析降水與生態(tài)因子對(duì)脆弱性的影響關(guān)系。

5 結(jié) 論

本文采用層次分析法和線性加權(quán)綜合評(píng)價(jià)方法構(gòu)建了農(nóng)業(yè)干旱脆弱性綜合評(píng)價(jià)指數(shù)，計(jì)算了安陽市下轄9個(gè)區(qū)域的脆弱性風(fēng)險(xiǎn)指數(shù)，結(jié)果表明：

（1）在時(shí)序評(píng)價(jià)中，分析表明安陽市干旱發(fā)生頻率較高，以輕度干旱為主，其中氣候條件仍是影響該區(qū)域干旱發(fā)生的主要原因；含TVDI 指標(biāo)的綜合評(píng)價(jià)指數(shù)的評(píng)價(jià)結(jié)果與逐年減產(chǎn)率所表示的實(shí)際受災(zāi)情況基本一致，其精確度比不含TVDI的提高了12.5%。

（2）在空間評(píng)價(jià)中，分析表明評(píng)價(jià)結(jié)果與逐年減產(chǎn)率的變化趨勢(shì)基本一致，受災(zāi)地區(qū)主要集中在北部平原，在安陽市未來旱災(zāi)治理中應(yīng)以北部降水少的地區(qū)為主開展預(yù)防工作。

（3）各縣因子貢獻(xiàn)度變化表明，在非城市地區(qū)，土壤水環(huán)境占自然型敏感因子貢獻(xiàn)度的比例最高可達(dá)23%，最低也在5%以上，故生態(tài)因子對(duì)農(nóng)業(yè)干旱脆弱性評(píng)價(jià)起著較高的影響。