楊世瓊，左 晉，于 飛，譚 文

(貴州省山地環(huán)境氣候研究所，貴州 貴陽(yáng) 550002)

0 引言

【研究意義】貴州省是全國(guó)唯一沒(méi)有平原支撐的省份，全省地貌屬于喀斯特高原山地，農(nóng)業(yè)生產(chǎn)基礎(chǔ)薄弱[1-2]。受氣候、地形影響，貴州省氣象災(zāi)害災(zāi)種較多、災(zāi)害頻繁、影響危害程度較嚴(yán)重[3]，其中以干旱、洪澇、冰雹、低溫等農(nóng)業(yè)氣象災(zāi)害為典型，成為制約農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的重要因素之一。貴州省糧食作物播種面積約占農(nóng)作物總面積的半數(shù)以上，因此抓好糧食生產(chǎn)，確保糧食安全是省委省政府高度重視的一項(xiàng)硬任務(wù)，也是全面推進(jìn)鄉(xiāng)村振興、加快農(nóng)業(yè)農(nóng)村現(xiàn)代化的重點(diǎn)工作。近50年來(lái)，貴州省平均氣溫呈遞增趨勢(shì)，年際變化較大，降水量空間分布上極不均勻，南多北少，極端降水誘發(fā)地質(zhì)災(zāi)害及石漠化[4-7]。氣候變化背景下，極端氣候事件頻發(fā)，貴州省糧食安全面臨較大風(fēng)險(xiǎn)。2009—2010年貴州省發(fā)生罕見(jiàn)的夏秋連旱疊加冬春連旱，干旱日數(shù)達(dá)242 d。據(jù)統(tǒng)計(jì)，2010年貴州省農(nóng)作物受旱面積127.1萬(wàn)hm2，其中成災(zāi)65.6萬(wàn)hm2，絕收面積61.5萬(wàn)hm2，造成直接經(jīng)濟(jì)損失142.5億元[2，8-9]。2014年貴州省先后出現(xiàn)10余次極端強(qiáng)降水天氣，引發(fā)洪澇災(zāi)害，農(nóng)作物受災(zāi)面積40.5萬(wàn)hm2，其中成災(zāi)面積34.1萬(wàn)hm2，絕收面積6.4萬(wàn)hm2，造成直接經(jīng)濟(jì)損失177.0億元[10]?？梢?jiàn)農(nóng)作物受災(zāi)面積、成災(zāi)面積、絕收面積與產(chǎn)量之間存在一定關(guān)系。因此，探究糧食氣候減產(chǎn)量與災(zāi)情的關(guān)系，構(gòu)建基于災(zāi)情的糧食單產(chǎn)災(zāi)損估算，對(duì)科學(xué)預(yù)測(cè)糧食單產(chǎn)具有重要意義?！厩叭搜芯窟M(jìn)展】目前，國(guó)內(nèi)外關(guān)于災(zāi)害與糧食產(chǎn)量關(guān)系研究的方法主要有氣象要素分析法[11-12]、自然災(zāi)害風(fēng)險(xiǎn)理論法[13-15]、作物模型法[16-17]及基于災(zāi)情數(shù)據(jù)分析法[18-23]等，其中災(zāi)情統(tǒng)計(jì)分析法數(shù)據(jù)易于獲取，最能直接反應(yīng)不同災(zāi)種及災(zāi)害程度對(duì)糧食生產(chǎn)的影響。王健等[19]基于農(nóng)作物災(zāi)情統(tǒng)計(jì)數(shù)據(jù)與糧食單產(chǎn)構(gòu)建氣候減產(chǎn)量估算模型，并找到影響東北糧食減產(chǎn)的主要?dú)庀鬄?zāi)害；房世波等[20]通過(guò)災(zāi)情數(shù)據(jù)分析我國(guó)農(nóng)業(yè)氣象災(zāi)害的時(shí)空分布特征；林志宇等[21]利用灰色關(guān)聯(lián)模型得到福建省不同農(nóng)業(yè)氣象災(zāi)種對(duì)糧食作物的影響；張軼等[24]利用多元線性回歸模型構(gòu)建長(zhǎng)江中下游地區(qū)7省市農(nóng)作物災(zāi)情與糧食減產(chǎn)量的回歸模型，并用主成分分析法分析主要災(zāi)害。【研究切入點(diǎn)】前人使用的災(zāi)情統(tǒng)計(jì)數(shù)據(jù)多以農(nóng)作物為對(duì)象[19，23]，然而糧食作物在農(nóng)作物中的占比有限，以貴州省為例，近年來(lái)糧食播種面積僅占農(nóng)作物播種面積的50%左右，且產(chǎn)業(yè)結(jié)構(gòu)調(diào)整下逐年占比波動(dòng)較大。因此，為了更好地研究糧食因?yàn)?zāi)受損情況，利用糧食災(zāi)情數(shù)據(jù)與減產(chǎn)量構(gòu)建產(chǎn)量災(zāi)損估算模型?！緮M解決的關(guān)鍵問(wèn)題】通過(guò)灰色關(guān)聯(lián)法分析不同災(zāi)種對(duì)具體糧食作物的影響，以期為貴州省防范化解農(nóng)業(yè)氣象自然災(zāi)害風(fēng)險(xiǎn)，提高及科學(xué)預(yù)測(cè)糧食單產(chǎn)提供決策依據(jù)。

1 資料與方法

1.1 數(shù)據(jù)來(lái)源

2010—2020年貴州省農(nóng)業(yè)生產(chǎn)統(tǒng)計(jì)資料來(lái)自國(guó)家統(tǒng)計(jì)局貴州調(diào)查總隊(duì)。糧食作物的播種面積每年均在變化，為剔除播種面積對(duì)產(chǎn)量的影響，研究的糧食產(chǎn)量均以單位面積產(chǎn)量表示，簡(jiǎn)稱單產(chǎn)。由于貴州省全年糧食包括水稻、玉米、馬鈴薯、小麥和小雜糧，而2010—2020年水稻、玉米和馬鈴薯3種主要糧食作物的播種面積占全年糧食播種總面積的68.66%～78.84%。因此，選擇研究的農(nóng)業(yè)生產(chǎn)數(shù)據(jù)包括全年糧食、水稻、玉米和馬鈴薯的播種面積及單產(chǎn)。2010—2020年貴州省糧食災(zāi)情統(tǒng)計(jì)資料來(lái)自貴州省農(nóng)業(yè)農(nóng)村廳農(nóng)情信息調(diào)度系統(tǒng)，包括干旱、洪澇、低溫冷害、風(fēng)雹的受災(zāi)面積、成災(zāi)面積和絕收面積。

1.2 研究方法

1.2.1 糧食作物災(zāi)情統(tǒng)計(jì) 農(nóng)業(yè)災(zāi)情統(tǒng)計(jì)資料所定義的受災(zāi)、成災(zāi)、絕收面積分別為農(nóng)作物因?yàn)?zāi)減產(chǎn)1成及以上、3成及以上、8成及以上的面積。為明確評(píng)估不同程度農(nóng)業(yè)氣象災(zāi)害對(duì)糧食單產(chǎn)的影響，確定糧食作物的受災(zāi)、成災(zāi)和絕收面積為因?yàn)?zāi)減產(chǎn)10%～29.9%、30%～79.9%和≥80%的面積。由于糧食作物的播種面積每年均在變化，為剔除由播種面積差異引起的波動(dòng)，便于比較歷年糧食的受災(zāi)情況，以受災(zāi)面積、成災(zāi)面積和絕收面積分別與當(dāng)年播種面積的比值來(lái)表示糧食受災(zāi)情況。

受災(zāi)率(Ks)=Ss/S×100%

成災(zāi)率(Kc)=Sc/S×100%

絕收率(Kj)=Sj/S×100%

總受災(zāi)率K=Ks+Kc+Kj

式中，Ss、Sc、Sj分別為受災(zāi)面積、成災(zāi)面積及絕收面積；S為糧食播種面積。

1.2.2 糧食氣候減產(chǎn)量計(jì)算 通過(guò)糧食實(shí)際單產(chǎn)、趨勢(shì)單產(chǎn)、氣候單產(chǎn)及期望單產(chǎn)等指標(biāo)，計(jì)算糧食氣候減產(chǎn)量。

Y=Yt+Yw+O

式中，Y為糧食實(shí)際單產(chǎn)；Yt為趨勢(shì)單產(chǎn)，通常由時(shí)間序列分析方法等數(shù)學(xué)方法對(duì)其進(jìn)行擬合(本研究中以3 a滑動(dòng)平均法分離的氣候單產(chǎn)與農(nóng)業(yè)災(zāi)情統(tǒng)計(jì)資料的擬合程度最高)，表示除氣象條件外，由品種特性、土壤肥力、農(nóng)業(yè)科技水平、管理水平等因子影響下的趨勢(shì)單產(chǎn)；Yw為氣候單產(chǎn)，通常根據(jù)其與氣象因子的關(guān)系，建立數(shù)學(xué)模型求得；O為隨機(jī)噪音(kg/hm2)，通常可忽略不計(jì)。

為合理解釋貴州省糧食單產(chǎn)受農(nóng)業(yè)氣象災(zāi)害影響，以研究時(shí)段內(nèi)最優(yōu)氣候條件下的糧食單產(chǎn)為期望單產(chǎn)。

Yd=Yt+Ywmax

式中，Yd為期望單產(chǎn)，Yt為趨勢(shì)單產(chǎn)，Ywmax為研究時(shí)段內(nèi)氣候單產(chǎn)最大值。假定研究時(shí)段內(nèi)實(shí)際單產(chǎn)未達(dá)到歷史最優(yōu)氣候條件單產(chǎn)的年份為氣候減產(chǎn)年，為區(qū)別于氣候單產(chǎn)，并反映貴州省每年均有不同類型農(nóng)業(yè)氣象災(zāi)害發(fā)生的情況，定義糧食氣候減產(chǎn)量為期望單產(chǎn)與糧食實(shí)際單產(chǎn)的差值。

ΔYw=Yd-Y

式中，ΔYw為糧食氣候減產(chǎn)量，Yd為期望單產(chǎn)，Y為糧食實(shí)際單產(chǎn)。

1.2.3 農(nóng)業(yè)氣象災(zāi)害影響的灰色關(guān)聯(lián)分析 采用灰色關(guān)聯(lián)法評(píng)價(jià)干旱、洪澇、低溫和風(fēng)雹4種氣象災(zāi)害在受災(zāi)率、成災(zāi)率及絕收率水平上對(duì)貴州省全年糧食、水稻、玉米、馬鈴薯氣候單產(chǎn)的影響程度。構(gòu)建各作物2010—2020年氣候單產(chǎn)的原始序列Yt= {Yt(n)，n= 1，2，…，11}，以4種農(nóng)業(yè)氣象災(zāi)害的受災(zāi)率、成災(zāi)率和絕收率為評(píng)價(jià)指標(biāo)，構(gòu)建比較序列Kij= {Kij(n)，n= 1，2，…，11}，其中i=1，2，3，4分別表示干旱、洪澇、低溫和風(fēng)雹，j=1，2，3分別表示受災(zāi)率、成災(zāi)率及絕收率，建立灰色關(guān)聯(lián)模型。

1.2.4 糧食單產(chǎn)災(zāi)損估算模型構(gòu)建 貴州省農(nóng)業(yè)災(zāi)情分為干旱、洪澇、低溫和風(fēng)雹4種農(nóng)業(yè)氣象災(zāi)害，而糧食減產(chǎn)實(shí)際是由多種災(zāi)害共同影響造成，因此，研究以糧食氣候減產(chǎn)量與4種災(zāi)害的總受災(zāi)率、總成災(zāi)率和總絕收率建立多元回歸模型，以估算糧食的氣候減產(chǎn)量。

ΔYw= a1Kts+a2Ktc+a3Ktj+b

式中，ΔYw為糧食氣候減產(chǎn)量；Kts、Ktc、Ktj分別為總受災(zāi)率、成災(zāi)率和絕收率；a1、a2、a3分別為受災(zāi)率、成災(zāi)率及絕收率的回歸系數(shù)，b為殘差項(xiàng)。

1.2.5 基于災(zāi)損的糧食單產(chǎn)估算模型構(gòu)建 在糧食氣候減產(chǎn)量估算基礎(chǔ)上，得到糧食實(shí)際單產(chǎn)與糧食氣候減產(chǎn)量的關(guān)系，構(gòu)建區(qū)域糧食單產(chǎn)估算模型。

2 結(jié)果與分析

2.1 貴州省糧食作物的農(nóng)業(yè)氣象災(zāi)害變化特征

從圖1可看出，2010—2020年貴州省糧食作物在干旱、洪澇、風(fēng)雹和低溫等農(nóng)業(yè)氣象災(zāi)害的變化特征。

2.1.1 干旱 糧食干旱總受災(zāi)率在2010年、2011年及2013年發(fā)生比率較大，尤其是2011年達(dá)45.62%，為歷史重災(zāi)年份[24]；2014開(kāi)始，干旱總受災(zāi)率的變化幅度趨于平穩(wěn)，且均低于5%，其中2014年總受災(zāi)率最小，為0.16%。近年來(lái)貴州省糧食作物干旱總發(fā)生率呈大幅下降趨勢(shì)，逐年的受災(zāi)、成災(zāi)比率相當(dāng)，絕收比率較小。

2.1.2 洪澇 近年來(lái)貴州省糧食作物洪澇災(zāi)害的總發(fā)生率變化幅度較大，尤其是2010—2015年波動(dòng)較大，其中最大值出現(xiàn)在2014年，為7.22%，最小值為2018年的0.92%。從整體趨勢(shì)看，洪澇災(zāi)害呈略減趨勢(shì)，逐年受災(zāi)率>成災(zāi)率>絕收率。

2.1.3 風(fēng)雹 近年來(lái)風(fēng)雹的總發(fā)生率在2012—2013年波動(dòng)較大，最大值出現(xiàn)在2013年，為2.19%；最小值為2011年的0.41%，逐年受災(zāi)率>成災(zāi)率>絕收率。

2.1.4 低溫 低溫災(zāi)害在2011年出現(xiàn)異常高值，發(fā)生達(dá)4.59%，其余年份均小于1.5%，最小值為2010年的0.07%，較其他災(zāi)種而言，風(fēng)雹的逐年絕收面積明顯小于受災(zāi)及成災(zāi)面積。

總體看，干旱為貴州省2010—2013年主要的農(nóng)業(yè)氣象災(zāi)害，2014年開(kāi)始，農(nóng)業(yè)氣象災(zāi)害逐步由旱轉(zhuǎn)澇，而低溫及風(fēng)雹對(duì)糧食作物影響相對(duì)較小。

圖1 2010—2020年貴州省糧食作物氣象災(zāi)害特征Fig.1 Meteorological disaster characteristics of cereal crops in Guizhou from 2010 to 2020

2.2 貴州省糧食作物氣候單產(chǎn)與災(zāi)情的灰色關(guān)聯(lián)性

由表1看出，全年糧食氣候單產(chǎn)與干旱、洪澇、風(fēng)雹和低溫4種災(zāi)害類別的受災(zāi)率和成災(zāi)率的關(guān)聯(lián)度分別為0.744 1和0.747 7、0.697 1和0.700 3、0.708 4和0.701 5、0.727 9和0.719 1，受災(zāi)及成災(zāi)水平均表現(xiàn)為干旱>低溫>風(fēng)雹>洪澇；與絕收率的關(guān)聯(lián)度分別為0.740 7、0.687 1、0.698 5和0.696 4，絕收水平表現(xiàn)為干旱>風(fēng)雹>低溫>洪澇。水稻氣候單產(chǎn)與4種災(zāi)害的受災(zāi)率的關(guān)聯(lián)度分別為0.722 3、0.701 1、0.710 2和0.734 0，受災(zāi)水平為低溫>干旱>風(fēng)雹>洪澇；與成災(zāi)率的關(guān)聯(lián)度分別為0.723 3、0.703 2、0.703 5和0.719 7，成災(zāi)水平表現(xiàn)為干旱>低溫>風(fēng)雹>洪澇；與絕收率的關(guān)聯(lián)度分別為0.719 0、0.690 0、0.703 7、0.693 3，絕收水平表現(xiàn)為干旱>風(fēng)雹>低溫>洪澇。玉米氣候單產(chǎn)與4種災(zāi)害的受災(zāi)率和成災(zāi)度的關(guān)聯(lián)度分別為0.630 9和0.635 7、0.581 2和0.578 6、0.600 3和0.596 7、0.608 1和0.611 4，受災(zāi)與成災(zāi)水平均表現(xiàn)為干旱>低溫>風(fēng)雹>洪澇；與絕收率的關(guān)聯(lián)度分別為0.637 7、0.582 6、0.597 6和0.581 3，絕收水平表現(xiàn)為干旱>風(fēng)雹>洪澇>低溫。馬鈴薯氣候單產(chǎn)與4種災(zāi)害的受災(zāi)率的關(guān)聯(lián)度分別為0.710 8、0.590 0、0.600 3和0.653 2，受災(zāi)水平表現(xiàn)為干旱>低溫>風(fēng)雹>洪澇；與成災(zāi)率的關(guān)聯(lián)度分別為0.740 1、0.587 9、0.582 2和0.635 3，成災(zāi)水平表現(xiàn)為干旱>低溫>洪澇>風(fēng)雹；與絕收率的關(guān)聯(lián)度分別為0.762 4、0.571 1、0.582 3和0.581 2，絕收水平表現(xiàn)為干旱>風(fēng)雹>低溫>洪澇。

將同一災(zāi)種的3個(gè)評(píng)價(jià)指標(biāo)的關(guān)聯(lián)序相加并對(duì)比排序，可綜合表征同一氣象災(zāi)害對(duì)不同作物氣候單產(chǎn)的影響，干旱影響程度排序?yàn)槿昙Z食=玉米=馬鈴薯>水稻，洪澇為馬鈴薯>全年糧食>水稻>玉米，風(fēng)雹為水稻=玉米>全年糧食>馬鈴薯，低溫為水稻>玉米>全年糧食=馬鈴薯。

表1 貴州省糧食作物氣候單產(chǎn)與4種災(zāi)害的灰色關(guān)聯(lián)度和關(guān)聯(lián)序Table 1 Gray relational degree and order between climate yield per unit area of grain crops and four disaster types in Guizhou

2.3 貴州省糧食氣候減產(chǎn)量估算模型的建立與驗(yàn)證

2.3.1 糧食氣候減產(chǎn)量估算模型 利用氣候減產(chǎn)量(ΔYw)與農(nóng)業(yè)災(zāi)情統(tǒng)計(jì)資料(總受災(zāi)率Kts、總成災(zāi)率Ktc和總絕收率Ktj)建立多元回歸模型：ΔYw= 189.2Kts+ 4 490.6Ktc+50.0Ktj+85.2(R2=0.760)，回歸模型決定系數(shù)通過(guò)0.01水平的顯著性檢驗(yàn)，且模型的總受災(zāi)率、總成災(zāi)率和總絕收率系數(shù)均為正值，表明總受災(zāi)率、總成災(zāi)率和總絕收率與氣候減產(chǎn)量呈正相關(guān)關(guān)系，即受災(zāi)率、成災(zāi)率及絕收率越高，氣候減產(chǎn)量越大，糧食因?yàn)?zāi)損失量也越大。

圖2 貴州省糧食實(shí)際單產(chǎn)與模擬單產(chǎn)比較Fig.2 Comparison between actual and simulated yield per unit area of grain crops in Guizhou

資料對(duì)區(qū)域糧食災(zāi)損量和糧食單產(chǎn)具有較強(qiáng)的指示作用，能為糧食單產(chǎn)估算和農(nóng)業(yè)氣象災(zāi)害評(píng)價(jià)提供可靠依據(jù)。

2.3.3 模型應(yīng)用 以糧食作物災(zāi)情統(tǒng)計(jì)資料構(gòu)建的貴州省糧食單產(chǎn)估算模型具有良好的模擬精度。從貴州省糧食實(shí)際單產(chǎn)與模擬單產(chǎn)的相對(duì)誤差(圖 3)可知，2010—2020年貴州省糧食實(shí)際單產(chǎn)與模擬單產(chǎn)的誤差絕對(duì)值均低于10%，其中低于5%的比率達(dá) 81.8%，相對(duì)誤差的平均值為-0.18%，誤差范圍相對(duì)合理。但是，由于不同產(chǎn)量水平的作物在相同的受災(zāi)、成災(zāi)、絕收面積下，其實(shí)際減產(chǎn)量存在一定差異，而本研究是以平均單產(chǎn)作為主要研究對(duì)象，并未考慮水稻、玉米、馬鈴薯3種糧食作物因種植結(jié)構(gòu)變化而引起區(qū)域產(chǎn)量的水平波動(dòng)，這也是模型誤差的主要因素之一。

圖3 2010—2020年貴州省糧食實(shí)際單產(chǎn)與模擬單產(chǎn)的相對(duì)誤差Fig.3 The relative error between actual and simulated yield per unit area of grain crops in Guizhou from 2010 to 2020

3 討論

利用近11 年(2010—2020年)貴州省糧食作物主要農(nóng)業(yè)氣象災(zāi)情(干旱、洪澇、風(fēng)雹、低溫)數(shù)據(jù)分析發(fā)現(xiàn)，貴州省4種災(zāi)害的平均總受災(zāi)率由高到低依次為干旱(10.44%)、洪澇(3.47%)、風(fēng)雹(0.90%)、低溫(0.86%)，表明，干旱災(zāi)害發(fā)生頻率高、范圍廣、影響力大，仍是影響貴州省糧食產(chǎn)業(yè)發(fā)展的主要?dú)庀鬄?zāi)害，與姚清仿等[25-26]的研究結(jié)果一致。貴州省4種農(nóng)業(yè)氣象災(zāi)害總受災(zāi)率均呈遞減趨勢(shì)，尤其是干旱及洪澇災(zāi)害下降趨勢(shì)明顯，其中干旱及洪澇分別從2014年及2015年開(kāi)始大幅度減小。2010—2013年貴州省農(nóng)業(yè)氣象災(zāi)情以干旱為主，從2014年開(kāi)始，農(nóng)業(yè)氣象災(zāi)害發(fā)生逐步由旱轉(zhuǎn)澇，而低溫及風(fēng)雹對(duì)糧食作物影響相對(duì)較小。

干旱、洪澇、低溫和風(fēng)雹4種災(zāi)害與糧食氣候單產(chǎn)的關(guān)聯(lián)度表明，干旱在全年糧食、水稻、玉米、馬鈴薯的綜合關(guān)聯(lián)度排位第一，不同災(zāi)害程度以成災(zāi)率最高，說(shuō)明近年來(lái)干旱是以發(fā)生程度中等、范圍較廣的特點(diǎn)成為影響貴州省糧食因?yàn)?zāi)減產(chǎn)的主要農(nóng)業(yè)氣象災(zāi)害，與前人的研究結(jié)論[27-29]一致。低溫綜合關(guān)聯(lián)度排第二，是除干旱外主要的農(nóng)業(yè)氣象災(zāi)害，其絕收率明顯大于受災(zāi)率及成災(zāi)率，因此低溫災(zāi)害的發(fā)生以程度重、山地環(huán)境下局地性強(qiáng)為特點(diǎn)，主要以貴州常見(jiàn)的倒春寒和水稻秋風(fēng)災(zāi)害為典型，在作物關(guān)鍵生育期發(fā)生突發(fā)性的低溫災(zāi)害往往會(huì)遭到不可恢復(fù)的損失。而洪澇和風(fēng)雹不是全省糧食生產(chǎn)的首要農(nóng)業(yè)氣象災(zāi)害。隨著氣候變化日趨明顯和對(duì)糧食產(chǎn)量需求增加，貴州省應(yīng)不斷擴(kuò)大高產(chǎn)、耐旱、耐寒糧食作物的種植范圍，注意區(qū)域農(nóng)業(yè)水資源綜合利用開(kāi)發(fā)，控制農(nóng)業(yè)干旱風(fēng)險(xiǎn)的增加，因地制宜，合理規(guī)劃調(diào)整種植制度，確保糧食安全。對(duì)近年來(lái)貴州省糧食氣候減產(chǎn)量(ΔYw)與總受災(zāi)率(Kts)、總成災(zāi)率(Ktc)、總絕收率(Ktj)進(jìn)行回歸分析，構(gòu)建災(zāi)損評(píng)估模型：ΔYw= 189.2Kts+ 4 490.6Ktc+50.0Ktj+85.2(R2=0.760，P<0.01)?？偸転?zāi)率、總成災(zāi)率和總絕收率與氣候減產(chǎn)量呈極顯著正相關(guān)關(guān)系，即災(zāi)害程度越高，氣候減產(chǎn)量越大，糧食因?yàn)?zāi)損失也越大，與生產(chǎn)實(shí)際相符。對(duì)由災(zāi)損模型計(jì)算得到糧食單產(chǎn)模擬值與實(shí)際值進(jìn)行相關(guān)性分析，相關(guān)性極顯著(P<0.01)，說(shuō)明利用當(dāng)年糧食受災(zāi)統(tǒng)計(jì)數(shù)據(jù)在一定程度上可作為估算糧食單產(chǎn)的有效參考。研究構(gòu)建的基于災(zāi)情數(shù)據(jù)的災(zāi)損估計(jì)模型與作物模型法、氣象要素分析法等方法相比，數(shù)據(jù)量小、輸入?yún)?shù)較少、可實(shí)現(xiàn)動(dòng)態(tài)分析，可用于多種主要?dú)庀鬄?zāi)害的綜合災(zāi)損評(píng)估，尤其對(duì)于容易獲取農(nóng)業(yè)災(zāi)情動(dòng)態(tài)數(shù)據(jù)的部門(mén)估算區(qū)域糧食單產(chǎn)非常適用。研究使用糧食災(zāi)情數(shù)據(jù)取代前人多用的農(nóng)作物災(zāi)情數(shù)據(jù)，可有效避免每年因種植結(jié)構(gòu)調(diào)整引起的區(qū)域產(chǎn)量水平波動(dòng)，從而更精確地估算糧食氣候減產(chǎn)量，最終達(dá)到降低模擬誤差的效果。但研究的災(zāi)損模型受限于糧食災(zāi)情數(shù)據(jù)統(tǒng)計(jì)序列較短，未細(xì)分至作物種類、產(chǎn)量水平等因素，因此該模型還有待于后期進(jìn)一步完善以降低估算誤差。

4 結(jié)論

對(duì)近11 年(2010—2020年)貴州省糧食作物主要農(nóng)業(yè)氣象災(zāi)情(干旱、洪澇、風(fēng)雹、低溫)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，研究貴州省糧食氣候減產(chǎn)量與災(zāi)情的關(guān)系，構(gòu)建基于災(zāi)情的糧食單產(chǎn)災(zāi)損估算模型。結(jié)果表明，從發(fā)生頻率看，干旱為貴州省2010—2013年主要的農(nóng)業(yè)氣象災(zāi)害，2014年起逐步由旱轉(zhuǎn)澇；發(fā)生程度中等、范圍較廣的干旱及程度較重、局地性強(qiáng)的低溫災(zāi)害是造成貴州省糧食作物減產(chǎn)的主要災(zāi)害。

構(gòu)建了糧食氣候減產(chǎn)量(ΔYw)與總受災(zāi)率(Kts)、總成災(zāi)率(Ktc)、總絕收率(Ktj)的災(zāi)損評(píng)估模型：ΔYw= 189.2Kts+ 4 490.6Ktc+50.0Ktj+85.2(R2=0.760，P<0.01)，氣候減產(chǎn)量與農(nóng)業(yè)災(zāi)情統(tǒng)計(jì)數(shù)據(jù)存在呈極顯著正相關(guān)關(guān)系，即災(zāi)害程度越高，氣候減產(chǎn)量越大，糧食因?yàn)?zāi)損失也越大。通過(guò)模型估算得到的模擬單產(chǎn)與實(shí)際單產(chǎn)的相關(guān)性顯著(P<0.01)，且誤差在合理范圍內(nèi)，一定程度上可作為估算糧食單產(chǎn)的有效參考。