王亞許,呂 娟,左惠強(qiáng),高 輝,屈艷萍,蘇志誠(chéng)，尹建明

(1. 中國(guó)再保險(xiǎn)(集團(tuán))股份有限公司博士后工作站，北京 100033; 2. 中國(guó)水利水電科學(xué)研究院，北京 100038;3. 中再巨災(zāi)風(fēng)險(xiǎn)管理股份有限公司，北京 100052)

風(fēng)險(xiǎn)最顯著的特征是不確定性，如何科學(xué)、全面地刻畫(huà)災(zāi)害風(fēng)險(xiǎn)的不確定性是防災(zāi)減災(zāi)的重要內(nèi)容[1]。旱災(zāi)作為自然災(zāi)害的一種，其發(fā)生發(fā)展緩慢，影響范圍廣，造成損失大。隨著全球極端氣象事件增多，農(nóng)業(yè)旱災(zāi)損失及影響增大。據(jù)統(tǒng)計(jì)[2]，1950—2020年，我國(guó)年均糧食產(chǎn)量因旱損失達(dá)到81.8億kg，2006—2020年平均農(nóng)業(yè)因旱直接經(jīng)濟(jì)損失高達(dá)851.6億元。旱災(zāi)風(fēng)險(xiǎn)評(píng)估是指導(dǎo)抗旱工作、減輕旱災(zāi)損失的有效途徑，可為制定科學(xué)的抗旱預(yù)案、法律法規(guī)，采取科學(xué)合理的災(zāi)前預(yù)防措施等提供定量依據(jù)[3]。

目前旱災(zāi)風(fēng)險(xiǎn)評(píng)估大多著重旱災(zāi)靜態(tài)風(fēng)險(xiǎn)，評(píng)估方法為搜集地區(qū)歷史及本底數(shù)據(jù)，包括氣象、水文、地形、土壤、作物、災(zāi)損、經(jīng)濟(jì)水平、抗旱能力等，在此基礎(chǔ)上構(gòu)建指標(biāo)體系評(píng)估地區(qū)旱災(zāi)風(fēng)險(xiǎn)，評(píng)估結(jié)果在一定時(shí)期內(nèi)保持不變，反映的是地區(qū)的氣候、地形、社會(huì)經(jīng)濟(jì)等特點(diǎn)，可為旱災(zāi)預(yù)防等工作提供指導(dǎo)。許凱等[4]利用承德市1991—2005年的歷史農(nóng)業(yè)旱災(zāi)損失數(shù)據(jù)以及同期土壤相對(duì)濕度數(shù)據(jù)，分別建立歷史旱災(zāi)損失頻率曲線(xiàn)和旱災(zāi)損失與農(nóng)業(yè)干旱指標(biāo)關(guān)系曲線(xiàn)，評(píng)估承德市農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)。張繼權(quán)等[5]以遼寧西北部為研究區(qū)，從旱災(zāi)危險(xiǎn)性、暴露性、脆弱性以及防災(zāi)減災(zāi)能力等四個(gè)方面，選取降水量、土壤相對(duì)濕度、作物播種面積、單產(chǎn)、抗旱支出、抗旱預(yù)案制定等22個(gè)指標(biāo)，利用加權(quán)綜合評(píng)價(jià)法和層次分析法等評(píng)估遼西北地區(qū)農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)。Shahid等[6]基于風(fēng)險(xiǎn)的理論框架，選取人口密度、標(biāo)準(zhǔn)化降雨指數(shù)、田間持水量、作物產(chǎn)量水平及貧困水平等建立基于致災(zāi)性和脆弱性的農(nóng)業(yè)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估模型評(píng)估孟加拉國(guó)農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)。Carr?o等[7]選用歷史降水序列虧缺值、人口及牲畜密度、作物覆蓋度、經(jīng)濟(jì)和基礎(chǔ)設(shè)施指標(biāo)分別評(píng)估全球危險(xiǎn)性、暴露性及脆弱性，結(jié)果表明中亞、南美東南部、中歐和美國(guó)東南部旱災(zāi)風(fēng)險(xiǎn)較高。金菊良等[8]總結(jié)了旱災(zāi)風(fēng)險(xiǎn)評(píng)估方法，建立旱災(zāi)風(fēng)險(xiǎn)評(píng)估方法體系，包括旱災(zāi)風(fēng)險(xiǎn)系統(tǒng)的形成機(jī)制以及旱災(zāi)風(fēng)險(xiǎn)評(píng)估理論模式等，在此基礎(chǔ)上構(gòu)建了旱災(zāi)風(fēng)險(xiǎn)評(píng)估的初步理論框架。屈艷萍等[9]提出基于區(qū)域?yàn)?zāi)害系統(tǒng)理論、干旱事件過(guò)程的農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)評(píng)估方法并分別在全國(guó)及遼西北地區(qū)展開(kāi)案例分析。White等[10]在澳大利亞西南部開(kāi)展藍(lán)桉旱災(zāi)風(fēng)險(xiǎn)研究，通過(guò)分析藍(lán)桉的生理指標(biāo)與氣象干旱、土壤水分的關(guān)系，建立針對(duì)藍(lán)桉定量化的旱災(zāi)風(fēng)險(xiǎn)評(píng)估方法模型。以上研究從旱災(zāi)風(fēng)險(xiǎn)形成機(jī)理入手，選取影響干旱發(fā)生及損失指標(biāo)評(píng)估農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)，結(jié)果在一定時(shí)期內(nèi)保持不變，沒(méi)有考慮農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)對(duì)時(shí)間變化的特征。

在干旱發(fā)生發(fā)展過(guò)程中，農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)隨時(shí)間動(dòng)態(tài)變化。農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估是在地區(qū)歷史、本底數(shù)據(jù)的基礎(chǔ)上，預(yù)測(cè)未來(lái)干旱演變趨勢(shì)，評(píng)估不同干旱演變趨勢(shì)下對(duì)農(nóng)業(yè)造成的潛在損失，實(shí)現(xiàn)對(duì)農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)的實(shí)時(shí)和滾動(dòng)評(píng)估[11].本研究提出農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估技術(shù)，以BCC/RCG-WG天氣發(fā)生器[12]隨機(jī)生成未來(lái)氣象數(shù)據(jù)實(shí)現(xiàn)對(duì)未來(lái)干旱演變趨勢(shì)預(yù)測(cè)，驅(qū)動(dòng)APSIM作物模型模擬作物產(chǎn)量因旱損失[13]。構(gòu)建期望產(chǎn)量因旱損失率指標(biāo)評(píng)估農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)。以東北三省為研究區(qū)，評(píng)估典型干旱年春玉米生育期內(nèi)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)變化。APSIM模型能較好地模擬土壤-作物水分動(dòng)態(tài)均衡，反映作物土壤水分關(guān)系，在模擬干旱下作物產(chǎn)量損失具有優(yōu)勢(shì)[14]。農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估結(jié)果可為在旱災(zāi)發(fā)生過(guò)程中采取科學(xué)的抗旱應(yīng)急措施等提供指導(dǎo)，對(duì)可用水量各部門(mén)分配、應(yīng)急水源工程啟用以及農(nóng)業(yè)灌溉方案優(yōu)化等尤為重要[15]。

1 材料與方法

1.1 研究區(qū)概況

東北三省是指我國(guó)的黑龍江、吉林及遼寧省，面積為79.18萬(wàn)km2，地形以平原和山地為主，平均海拔500～800 m。年平均降水量在400～1 000 mm，整體呈現(xiàn)出從南到北逐漸降低的趨勢(shì)[16]。東北三省是我國(guó)重要的糧食產(chǎn)區(qū)，耕地面積占全國(guó)耕地面積的16.8%，糧食產(chǎn)量約占全國(guó)糧食總產(chǎn)量的20%。東北三省主要種植作物為玉米，播種面積為759.4萬(wàn)hm2，占農(nóng)作物播種面積的67.6%[17]，主要分布區(qū)見(jiàn)圖1。東北三省大部分耕地?zé)o灌溉條件，為雨養(yǎng)農(nóng)業(yè)，因此旱災(zāi)是影響糧食產(chǎn)量的主要災(zāi)害。

圖1 東北三省玉米種植分布及選取氣象站點(diǎn)分布

1.2 資料與方法

1.2.1 大田試驗(yàn) 本研究在東北三省各選擇一個(gè)試驗(yàn)站點(diǎn)，實(shí)測(cè)土壤數(shù)據(jù)及春玉米的作物生長(zhǎng)數(shù)據(jù)。分別為農(nóng)業(yè)部阜新農(nóng)業(yè)環(huán)境與耕地保育科學(xué)觀(guān)測(cè)試驗(yàn)站(48.00°N，121.65°E)，試驗(yàn)?zāi)攴轂?015—2017年；吉林省長(zhǎng)春市雙陽(yáng)區(qū)試驗(yàn)站(43.31°N，125.37°E)，試驗(yàn)?zāi)攴轂?013—2014年；黑龍江省農(nóng)業(yè)科學(xué)院國(guó)家級(jí)農(nóng)業(yè)示范區(qū) (45.7°N，126.6°E)，試驗(yàn)?zāi)攴轂?012—2013年。各站點(diǎn)播種及收獲日期見(jiàn)表1。試驗(yàn)站點(diǎn)單作玉米品種均采用東北三省常見(jiàn)的‘鄭單958’品種，由于試驗(yàn)?zāi)攴葺^短，為了得到更多春玉米試驗(yàn)數(shù)據(jù)樣本，本研究將春玉米設(shè)置為不同種植密度，分別為6、 9、12株·m-2。試驗(yàn)方案設(shè)置不同的小區(qū)，每個(gè)小區(qū)長(zhǎng)12 m，寬5 m[19]。試驗(yàn)田塊在播種前施肥，包括氮肥40.5 kg·hm-2(N)，磷肥87 kg·hm-2(P2O5)和鉀肥22.5 kg·hm-2(K2O)。

表1 各試驗(yàn)站點(diǎn)播種及收獲時(shí)間

實(shí)測(cè)土壤數(shù)據(jù)包括試驗(yàn)田塊分層土壤質(zhì)地、水分特性等數(shù)據(jù)，具體包括分層土壤容重、凋萎系數(shù)、田間持水量、飽和含水量、pH等，其中阜新市站點(diǎn)土壤數(shù)據(jù)設(shè)置見(jiàn)表2。春玉米生長(zhǎng)觀(guān)測(cè)數(shù)據(jù)包括播種到開(kāi)花日數(shù)、生育期日數(shù)及產(chǎn)量。試驗(yàn)主要用于設(shè)置APSIM作物模型參數(shù)、田間管理方式、對(duì)APSIM模型進(jìn)行品種參數(shù)率定驗(yàn)證等，為APSIM模型在東北三省模擬春玉米生長(zhǎng)提供試驗(yàn)數(shù)據(jù)支撐。

表2 阜新市站點(diǎn)APSIM模型土壤水分參數(shù)設(shè)置

1.2.2 氣象數(shù)據(jù) 氣象數(shù)據(jù)是驅(qū)動(dòng)作物模型模擬春玉米生長(zhǎng)最重要的數(shù)據(jù)。氣象數(shù)據(jù)主要來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn//)，根據(jù)春玉米種植分布、站點(diǎn)的空間分布、氣象數(shù)據(jù)序列長(zhǎng)度及數(shù)據(jù)質(zhì)量，在東北三省選取49個(gè)國(guó)家基準(zhǔn)、基本氣象站1961—2020年逐日氣象數(shù)據(jù)，包括逐日降雨、最低/最高氣溫、風(fēng)速、相對(duì)濕度以及日照時(shí)數(shù)等氣象要素。

土壤特性數(shù)據(jù)用于作物模型土壤模塊參數(shù)的設(shè)置，土壤數(shù)據(jù)根據(jù)東北三省各地區(qū)土壤類(lèi)型、3個(gè)站點(diǎn)大田試驗(yàn)測(cè)量以及文獻(xiàn)[20]而定。東北三省主要的土壤類(lèi)型包括暗棕壤黑土帶、黑鈣土以及棕壤、褐土帶。其中棕壤、褐土帶主要分布于遼寧省；黑鈣土主要分布在松遼平原西部；棕壤、褐土帶主要分布在黑龍江和吉林部分地區(qū)。

作物數(shù)據(jù)主要用于作物種植參數(shù)設(shè)置以及作物品種參數(shù)的率定。作物生長(zhǎng)發(fā)育觀(guān)測(cè)數(shù)據(jù)來(lái)源于東北三省3個(gè)試驗(yàn)站點(diǎn)的作物觀(guān)測(cè)數(shù)據(jù)、各省份作物播種的經(jīng)驗(yàn)數(shù)據(jù)，如播種高峰期等。

1.2.3 研究方法 本研究假設(shè)干旱發(fā)生發(fā)展趨勢(shì)為隨機(jī)事件，選用天氣發(fā)生器隨機(jī)生成未來(lái)氣象要素的大量樣本，描述未來(lái)干旱演變的不確定性和趨勢(shì)概率。氣象數(shù)據(jù)在作物生育期內(nèi)分為兩部分，評(píng)估時(shí)刻之前已知實(shí)測(cè)氣象數(shù)據(jù)和之后天氣發(fā)生器隨機(jī)生成氣象情景數(shù)據(jù)，假設(shè)情景樣本數(shù)為n，則每一種氣象情景下對(duì)應(yīng)干旱事件的趨勢(shì)概率為：

Pk=1/n

(1)

其中，Pk為情景k的概率；n為樣本數(shù)，n越大越能代表未來(lái)發(fā)生干旱情景的各種可能。

將潛在產(chǎn)量與各情景模擬產(chǎn)量之間的差值作為產(chǎn)量因旱損失，潛在產(chǎn)量定義為各情景模擬產(chǎn)量的最大值，則作物產(chǎn)量因旱損失率計(jì)算為：

(2)

基于農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)定義，構(gòu)建不同氣象情景下春玉米產(chǎn)量期望損失率指標(biāo)評(píng)估農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)，計(jì)算公式為：

(3)

其中，R為農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)指標(biāo)，即期望產(chǎn)量因旱損失率。

根據(jù)農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估指標(biāo)劃分風(fēng)險(xiǎn)等級(jí)大小，本研究定義閾值如表3。

此外,分布式電源的接入還會(huì)對(duì)電網(wǎng)可靠性產(chǎn)生影響。分布式新能源發(fā)電相對(duì)傳統(tǒng)發(fā)電是較新的概念和實(shí)踐,還在不斷探索和改進(jìn)的階段,會(huì)在一定程度上降低電網(wǎng)可靠性。但隨著技術(shù)進(jìn)步和機(jī)制體制管理的不斷完善,分布式新能源發(fā)電將日益發(fā)揮其獨(dú)特優(yōu)勢(shì),提高供電可靠性。分布式發(fā)電的合理配置可以降低峰荷時(shí)系統(tǒng)對(duì)電網(wǎng)輸送容量的需求,以避免輸配電的阻塞。利用分布式發(fā)電滿(mǎn)足尖峰負(fù)荷的需要,從而延緩相應(yīng)的輸配電建設(shè)投資。但用戶(hù)的分布式電源在屬性上是不會(huì)由電網(wǎng)根據(jù)自身需要配置的,在需要的節(jié)點(diǎn)實(shí)行節(jié)點(diǎn)電價(jià),有利于用戶(hù)從自身利益出發(fā)配置分布式電源,幫助電網(wǎng)延緩設(shè)備投資[11]。

表3 農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)等級(jí)閾值

選取決定系數(shù)(R2)、標(biāo)準(zhǔn)均方根誤差(NRMSE)、相對(duì)誤差(RE)等統(tǒng)計(jì)指標(biāo)評(píng)價(jià)APSIM模型及BCC/RCG-WG天氣發(fā)生器的模擬效果。R2反映模擬值與實(shí)測(cè)值的一致性，NRMSE和RE反映模擬值與實(shí)測(cè)值的相對(duì)誤差。

(4)

(5)

(6)

2 結(jié)果分析

農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)變化評(píng)估時(shí)段主要考慮作物生育期，東北三省春玉米種植時(shí)間大致在4月下旬到5月上旬，收獲時(shí)間大致在9月中下旬，故本研究農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估時(shí)間起點(diǎn)選擇在5月1日，以周為步長(zhǎng)，滾動(dòng)評(píng)估農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)，直至春玉米生育期結(jié)束，最后一次評(píng)估為9月18日，基本涵蓋東北三省春玉米的生育期。

2.1 APSIM作物模型模擬效果評(píng)估

APSIM模型模擬生育期結(jié)果表明，試驗(yàn)雖然設(shè)置不同的種植密度，但是在各不同種植密度下的春玉米生育期保持不變。圖2a～c為三個(gè)試驗(yàn)站點(diǎn)各年份實(shí)測(cè)與模擬春玉米開(kāi)花日數(shù)、生育期日數(shù)及產(chǎn)量評(píng)價(jià)結(jié)果,決定系數(shù)R2分別為0.622、0.873、0.501。播種到開(kāi)花日數(shù)、生育期日數(shù)和產(chǎn)量NRMSE均在10%以下。開(kāi)花日數(shù)與生育期日數(shù)絕對(duì)誤差在4 d以?xún)?nèi)，產(chǎn)量絕對(duì)誤差小于560 kg·hm-2。評(píng)價(jià)指標(biāo)表明，APSIM模型在東北三省模擬鄭單958品種春玉米的生育期和產(chǎn)量效果較好。

圖2 APSIM模型模擬生育期及產(chǎn)量結(jié)果比較

2.2 天氣發(fā)生器模擬效果評(píng)估

分析東北三省49個(gè)國(guó)家基本氣象站點(diǎn)BCC/RCG-WG天氣發(fā)生器6個(gè)氣象要素年均值的模擬效果，如圖3所示，各氣象要素的模擬結(jié)果R2均大于0.9，表明BCC/RCG-WG天氣發(fā)生器對(duì)各氣象要素年均值的模擬效果較好。其中對(duì)最高、最低氣溫的模擬R2在0.99左右，模擬效果最好。

圖3 BCC/RCG-WG天氣發(fā)生器模擬氣象要素年均值效果評(píng)估

圖4 BCC/RCG-WG天氣發(fā)生器模擬各氣象要素月均值相對(duì)誤差

2.3 農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估

本研究建立的農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估技術(shù)可實(shí)現(xiàn)旱災(zāi)風(fēng)險(xiǎn)的實(shí)時(shí)評(píng)估，本文以2000典型干旱年為例闡述其評(píng)估過(guò)程并根據(jù)農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)指標(biāo)(式-3)及閾值劃分(表-3)分析評(píng)估結(jié)果。2000年夏季發(fā)生大范圍特大干旱，由于發(fā)生在春玉米生育期，東北三省平均減產(chǎn)50%以上[21]。該場(chǎng)次干旱在發(fā)生事件、影響范圍、干旱程度等方面在東北三省實(shí)屬罕見(jiàn)，具有一定的代表性。本研究選擇2000年，研究春玉米生育期內(nèi)的農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)變化，評(píng)估結(jié)果見(jiàn)圖5，其中評(píng)估時(shí)間分別以年-月-日和日序形式標(biāo)明。

圖5 2000年春玉米生育期內(nèi)東北三省農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估結(jié)果

從5月1日播種到5月底，東北三省農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)變化不大，且整體風(fēng)險(xiǎn)較小，表明該階段發(fā)生干旱對(duì)春玉米產(chǎn)量的影響較小。此時(shí)東北三省大部分地區(qū)呈現(xiàn)出IV級(jí)風(fēng)險(xiǎn)，其中黑龍江省大慶市、黑河市出現(xiàn)III級(jí)風(fēng)險(xiǎn)。6月農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)呈現(xiàn)出增加的趨勢(shì)，中等風(fēng)險(xiǎn)地區(qū)面積逐漸擴(kuò)大，部分地區(qū)出現(xiàn)較高風(fēng)險(xiǎn)。大慶市、綏化市部分地區(qū)農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)為I級(jí)。整體來(lái)說(shuō)黑龍江北部、遼寧省西部農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)較高。7月嚴(yán)重干旱持續(xù)，農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)迅速升高，7月中旬農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)最高，此時(shí)東北三省農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估指標(biāo)平均為0.23，黑龍江省北部地區(qū)風(fēng)險(xiǎn)最高，遼寧省西部、吉林中部地區(qū)農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)較高。農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)增加明顯表明該階段發(fā)生干旱對(duì)春玉米產(chǎn)量影響較大，7月下旬，農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)逐漸降低，8月中旬之后東北三省農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)一直處于低風(fēng)險(xiǎn)且保持不變，表明8月中旬之后發(fā)生干旱，對(duì)春玉米產(chǎn)量影響較小。

續(xù)圖5 2000年春玉米生育期內(nèi)東北三省農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估結(jié)果

以阜新國(guó)家氣象站(站點(diǎn)編號(hào)54237)為例分析農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)變化過(guò)程(見(jiàn)圖6)。該站點(diǎn)播種～七葉期(日序121～185)發(fā)生特大干旱，拔節(jié)～抽雄期(日序185～205)發(fā)生輕旱，開(kāi)花～成熟(日序206～263)未發(fā)生干旱。播種～拔節(jié)期發(fā)生嚴(yán)重干旱但對(duì)產(chǎn)量的影響不大，潛在產(chǎn)量略有增加，最終導(dǎo)致農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)增加。拔節(jié)之后，干旱程度減輕，此時(shí)潛在產(chǎn)量和平均產(chǎn)量卻明顯減少，表明該階段發(fā)生干旱對(duì)產(chǎn)量的影響較為敏感，潛在產(chǎn)量、平均產(chǎn)量迅速下降。開(kāi)花～吐絲期(日序205～233)此時(shí)無(wú)干旱脅迫發(fā)生，且花期之后即使水分充足，產(chǎn)量因旱損失嚴(yán)重，潛在產(chǎn)量和平均產(chǎn)量幾乎沒(méi)有變化。由于隨機(jī)生成的未來(lái)氣象數(shù)據(jù)時(shí)間越來(lái)越短(評(píng)估時(shí)刻到春玉米生育期結(jié)束)，干旱事件的不確定性越來(lái)越小，農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)越來(lái)越小。乳熟～成熟期(日序233～263)，該階段未發(fā)生干旱，潛在產(chǎn)量和平均產(chǎn)量趨于相等，表明該階段氣象數(shù)據(jù)對(duì)產(chǎn)量不敏感。

圖6 阜新站點(diǎn)春玉米旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)變化過(guò)程

3 討 論

農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)的變化主要與發(fā)生干旱的程度和所處的生育期有關(guān)。東北三省春玉米平均生育期苗期為5～6月，該階段處于以生根、分化莖葉為主的營(yíng)養(yǎng)生長(zhǎng)階段，需水量較小，地上部莖、葉量的增長(zhǎng)比較緩慢，故發(fā)生重旱對(duì)春玉米生長(zhǎng)影響較小，農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)較低。苗期潛在產(chǎn)量略有增加可能是因?yàn)榍捌谧魑锸芎涤欣谧魑锒酌?，后期水分充足時(shí)，對(duì)前期干旱有完全的補(bǔ)償作用。拔節(jié)～抽雄期春玉米需水量迅速增加，生長(zhǎng)迅速，該階段發(fā)生干旱影響結(jié)實(shí)器官的發(fā)育，即使發(fā)生輕旱潛在產(chǎn)量和平均產(chǎn)量卻明顯減少，表明該階段發(fā)生干旱對(duì)產(chǎn)量的影響較為敏感。潛在產(chǎn)量損失小于平均產(chǎn)量損失表明后期水分充足時(shí)，對(duì)春玉米產(chǎn)量具有一定的水分補(bǔ)償作用。開(kāi)花～吐絲期是玉米授粉期，該階段發(fā)生干旱會(huì)導(dǎo)致花期不遇，籽粒數(shù)減少，因此也是春玉米產(chǎn)量形成的關(guān)鍵期。潛在產(chǎn)量迅速下降，該階段發(fā)生干旱對(duì)產(chǎn)量造成的影響，即使后期水分充足，也幾乎無(wú)水分補(bǔ)償作用[22]。

2000年春季及秋季降水正常，干旱主要發(fā)生在夏季。全省降水量比正常年份顯著減少，為496.9 mm，比多年平均降水量偏少近30%。6—7月干旱尤為嚴(yán)重，遼寧大部降水為歷年同期降水量的一半，嚴(yán)重干旱區(qū)降水量?jī)H為歷年同期降水量的30%[23]。2000年?yáng)|北乃至全國(guó)發(fā)生大范圍特大干旱，而且干旱發(fā)生在春玉米關(guān)鍵需水期對(duì)春玉米產(chǎn)量造成了嚴(yán)重影響。已有研究表明APSIM模型對(duì)東北地區(qū)玉米生育期和最終產(chǎn)量具有較好的模擬結(jié)果，該模型在東北地區(qū)具有較好的適應(yīng)性[24]。

與本研究不同，一些研究計(jì)算干旱事件在歷史中發(fā)生的概率，如Sun等[252]計(jì)算降水頻率和來(lái)水頻率定義城市干旱發(fā)生頻率，強(qiáng)調(diào)城市干旱事件在歷史中發(fā)生的頻率。一些研究將典型年氣象要素或者假設(shè)氣象要素情景代替未來(lái)干旱演變趨勢(shì)，具有一定的局限性，如Huang等[26]利用假設(shè)未來(lái)氣象數(shù)據(jù)情景和典型年氣象數(shù)據(jù)替換評(píng)估時(shí)刻之后的逐日氣象數(shù)據(jù)，驅(qū)動(dòng)作物模型模擬作物因旱損失，評(píng)估農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)。本研究采用未來(lái)氣象數(shù)據(jù)的隨機(jī)模擬計(jì)算未來(lái)干旱事件發(fā)生的隨機(jī)概率在方法上具有一定的創(chuàng)新性。本研究與已有研究結(jié)果具有一致性，如Zhang等[27]分析吉林省玉米種植區(qū)風(fēng)險(xiǎn)結(jié)果表明，7月吉林省玉米旱災(zāi)損失敏感性最高，吉林中西部地區(qū)旱災(zāi)風(fēng)險(xiǎn)較高，東南部風(fēng)險(xiǎn)較低，東北三省春玉米拔節(jié)抽雄期風(fēng)險(xiǎn)較高。Liu等[28]分析遼寧西北部玉米旱災(zāi)風(fēng)險(xiǎn)，表明玉米各生育期階段旱災(zāi)風(fēng)險(xiǎn)不同，遼寧省西北部玉米旱災(zāi)風(fēng)險(xiǎn)較高。

本研究也存在一定不足，首先天氣發(fā)生器的效果評(píng)估只分析了各氣象要素的年平均值模擬效果和月平均值的模擬相對(duì)誤差，下一步研究可從多個(gè)角度分析天氣發(fā)生器的模擬效果，如氣象要素的月極大值、極小值，在不同閾值下的分布等。再者，本研究在站點(diǎn)選取等考慮了春玉米的種植分布，但在風(fēng)險(xiǎn)分析時(shí)，未考慮春玉米的種植分布，導(dǎo)致大興安嶺等地區(qū)出現(xiàn)農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)較高。

4 結(jié) 論

本研究提出農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估技術(shù)方法，選取東北三省為研究區(qū)，利用BCC/RCG-WG天氣發(fā)生器對(duì)未來(lái)逐日氣象數(shù)據(jù)隨機(jī)模擬，驅(qū)動(dòng)APSIM作物模型，建立期望產(chǎn)量因旱損失率指標(biāo)評(píng)估2000年?yáng)|北三省農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)，主要得出以下結(jié)論：

(1)本研究選取的APSIM作物模型和BCC/RCG-WG天氣發(fā)生器在東北三省具有較好的適用性。APSIM作物模型模擬春玉米播種到開(kāi)花日數(shù)、生育期日數(shù)以及產(chǎn)量與試驗(yàn)觀(guān)測(cè)結(jié)果決定系數(shù)R2均大于0.5，標(biāo)準(zhǔn)均方根誤差NRMSE均在10%以下，表明APSIM模型在東北三省模擬春玉米生長(zhǎng)效果較好；BCC/RCG-WG天氣發(fā)生器生成100個(gè)氣象要素樣本與1961—2020年氣象數(shù)據(jù)年均值R2均在0.9以上，月平均降雨、最高氣溫、最低氣溫、日照時(shí)數(shù)、相對(duì)濕度及平均風(fēng)速平均相對(duì)誤差分別為9.1%、9.9%、14.5%、6.1%、14.7%和21.6%

(2)東北三省2000年5—6月農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)變化不大，此時(shí)處于苗期，發(fā)生干旱對(duì)春玉米產(chǎn)量影響較小。7月到8月中旬，春玉米處于拔節(jié)～吐絲期，農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)變化較大，該階段發(fā)生干旱對(duì)春玉米產(chǎn)量形成影響較大，此時(shí)東北三省農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)指標(biāo)最高達(dá)到0.23。8月中旬之后東北三省處于低風(fēng)險(xiǎn)且保持不變，直到春玉米成熟收獲。此時(shí)春玉米處于乳熟～成熟期，表明該階段發(fā)生干旱對(duì)春玉米產(chǎn)量影響不大。從空間分布上看，黑龍江省北部、遼寧省西北部地區(qū)農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)較高。遼寧省南部，吉林省東南部地區(qū)農(nóng)業(yè)旱災(zāi)動(dòng)態(tài)風(fēng)險(xiǎn)較低。

(3)從單站點(diǎn)分析性結(jié)果表明苗期發(fā)生干旱，后期水分充足時(shí)對(duì)苗期干旱影響有較強(qiáng)補(bǔ)償作用。拔節(jié)期發(fā)生干旱對(duì)產(chǎn)量的影響較大，且后期水分充足時(shí)水分補(bǔ)償作用較弱。