孫玉龍，景 華**，孫 擎，李 婷，魏鐵鑫，高珊珊，余焰文

河北省蘋果大風災(zāi)害風險評估*

孫玉龍1，景 華1**，孫 擎2，李 婷1，魏鐵鑫1，高珊珊3，余焰文4

(1.河北省氣象災(zāi)害防御和環(huán)境氣象中心，石家莊 050021；2.中國氣象科學研究院，北京 100081；3.河北省氣象技術(shù)裝備中心，石家莊 050021；4.江西省撫州市氣象局，撫州 344199)

基于長時間序列的河北省142個國家級氣象臺站大風觀測數(shù)據(jù)、歷史蘋果大風災(zāi)情統(tǒng)計資料、蘋果生育期等數(shù)據(jù)，選擇最優(yōu)機器學習模型延長極大風速時間序列，利用對應(yīng)站點的極大風速和災(zāi)情統(tǒng)計數(shù)據(jù)確定蘋果兩個主要生育期內(nèi)不同等級大風災(zāi)害氣象指標閾值，分析了蘋果大風災(zāi)害時空分布特征，對蘋果大風災(zāi)害的危險性、脆弱性、暴露度和防災(zāi)減災(zāi)能力等指標進行綜合風險評估。結(jié)果表明：隨機森林模型模擬精度較高，可以較好地延長極大風速時間序列；蘋果花期?幼果期的大風災(zāi)害閾值為極大風速≥9.1m·s?1，果實膨大-成熟期為極大風速≥7.9m·s?1，并進一步劃分了不同等級大風災(zāi)害等級，驗證結(jié)果與歷史記錄有較高的一致性；蘋果大風災(zāi)害每年發(fā)生次數(shù)呈先降后升的趨勢，河北省西北部和滄州市東部大風災(zāi)害發(fā)生頻次較高；蘋果大風災(zāi)害較高和高風險區(qū)域較為分散，約占全省面積的20%，主要分布在張家口市東部、承德市東南部、衡水市中部和石家莊市東部等地。

蘋果；大風災(zāi)害；機器學習；風險評估

中國是全球最大的蘋果生產(chǎn)和消費國，聯(lián)合國糧農(nóng)組織（FAO）發(fā)布的數(shù)據(jù)顯示，2018年中國蘋果的種植面積和產(chǎn)量分別占世界的45.55%和42.24%。河北是重要的水果生產(chǎn)供應(yīng)基地之一，2018年河北省蘋果產(chǎn)地總面積與產(chǎn)量均排名全國第7位[1]。河北省受京津的輻射帶動性較強，對高質(zhì)量蘋果的消費需求也日益增加。大風災(zāi)害是河北省主要氣象災(zāi)害之一[2]，對農(nóng)業(yè)生產(chǎn)包括果實栽培和設(shè)施大棚等均會造成嚴重損失[3?4]，因此，確定河北地區(qū)蘋果大風災(zāi)害指標，開展大風災(zāi)害風險研究對保障河北地區(qū)鄉(xiāng)村振興成果，帶動經(jīng)濟持續(xù)發(fā)展具有重要意義。

關(guān)于蘋果氣象災(zāi)害及其風險的研究主要集中在干旱等級指標和危險性評價[5]、花期凍害風險評估[6]、綜合干旱、冰雹、凍害等多種氣象災(zāi)害的綜合風險評估[7]、晚霜凍風險評估[8]等，在大風災(zāi)害方面僅有魯天平等[4]對新疆林果產(chǎn)業(yè)的大風和沙塵兩種災(zāi)害進行了綜合風險評估和區(qū)劃。

關(guān)于大風災(zāi)害風險評估的研究一般集中在大風過程的本身或綜合災(zāi)損的風險評估。李蘭等[9]通過分析大風災(zāi)害頻率、影響度、致災(zāi)因子和承災(zāi)體易損度等指標研究了湖北省大風災(zāi)害風險度。夏祎萌等[10]研究了新疆的大風災(zāi)害和危險度，認為新疆大部分地區(qū)屬于中度危險地區(qū)。孫霞等[11]等通過研究大風分布特征、致災(zāi)指數(shù)和風災(zāi)承災(zāi)指數(shù)等，計算了河北省大風災(zāi)度和危險度。部分學者還對臺風進行了風險評估[12?14]。而結(jié)合大風災(zāi)害和承災(zāi)體的研究多集中在溫室大棚，李婷等[2?3，15?16]基于大風災(zāi)損資料、試驗等確定了各類溫室大棚和日光溫室的大風災(zāi)害指標并進行了風險評估。張倩[17]分析了大風日數(shù)對庫爾勒香梨生產(chǎn)的影響。李樹巖等[18]對比分析了大風倒伏對不同品種和播期玉米生長和產(chǎn)量的影響。關(guān)于蘋果大風災(zāi)害指標及其風險的研究相對缺乏，同時不同研究區(qū)域、承災(zāi)體得出的大風災(zāi)害指標及其適用性也會存在較大差異。

因此，為了有效提升河北省蘋果大風災(zāi)害防御的預(yù)警預(yù)報服務(wù)能力，本研究以河北省142個國家氣象臺站大風觀測數(shù)據(jù)和蘋果長時間序列歷史大風災(zāi)情資料為基礎(chǔ)，使用機器學習方法延長極大風速資料的時間序列，確定不同等級蘋果大風災(zāi)害指標閾值并進行了驗證，在此基礎(chǔ)上對蘋果大風災(zāi)害的危險性、脆弱性、暴露度和防災(zāi)減災(zāi)能力進行綜合風險評估，以期為開展蘋果產(chǎn)業(yè)布局、種植結(jié)構(gòu)調(diào)整和防災(zāi)減災(zāi)工作提供理論依據(jù)和科技支撐。

1 資料與方法

1.1 數(shù)據(jù)來源

數(shù)據(jù)包括河北省142個國家氣象臺站資料、大風災(zāi)情資料、國內(nèi)生產(chǎn)總值（GDP）、人口數(shù)量、區(qū)縣面積、蘋果歷史產(chǎn)量、種植面積以及生育期觀測資料。其中，國家氣象臺站觀測（圖1）的氣象要素包括平均風速、最大風速、極大風速等，最大風速的時間段為1970?2020年，大部分站點極大風速的觀測起始年份在2004?2011年，數(shù)據(jù)來源于河北省氣象局；大風災(zāi)情資料包括1983?2020年歷史大風災(zāi)害記錄，通過走訪調(diào)查氣象、農(nóng)業(yè)、民政等相關(guān)部門收集得到全省大風災(zāi)情信息2000余條，包括大風災(zāi)害發(fā)生區(qū)縣、開始和結(jié)束時間、天氣過程、災(zāi)害損失情況、災(zāi)害影響程度等。142個氣象站點及對應(yīng)區(qū)縣的面積、人口數(shù)量和GDP、蘋果種植面積及產(chǎn)量數(shù)據(jù)來源于河北省統(tǒng)計年鑒和河北省農(nóng)村統(tǒng)計年鑒。由于每個縣僅有一個國家氣象臺站，因此，將該站所在區(qū)縣的災(zāi)情、GDP、人口數(shù)量等數(shù)據(jù)對應(yīng)為該站風險評估中所用的數(shù)據(jù)。

圖1 河北省氣象站點分布

蘋果生育期觀測資料來源于河北省氣象局20個農(nóng)業(yè)試驗站1984?2020年的觀測資料。根據(jù)歷年蘋果生育期觀測和大風災(zāi)害發(fā)生時間段，將蘋果主要受大風災(zāi)害影響的生育期劃分兩個時段，即花期?幼果期和果實膨大?成熟期，在逐年物候期觀測資料的基礎(chǔ)上，確定河北省蘋果的花期?幼果期平均時間為4月1日?5月31日，果實膨大?成熟期平均時間為6月1日?10月31日。

1.2 研究方法

1.2.1 建立延長極大風速時間序列最優(yōu)模型

由于最大風速的定義為一天內(nèi)任取10min的平均風速最大值作為一天中的最大風速，極大風速定義為瞬時風速的最大值[19]，因此，大風成災(zāi)的主要指標選取極大風速更符合實際受災(zāi)情況。河北省各氣象臺站極大風速開始觀測的年份不完全一致，且大部分站點觀測的起始年份在2004?2011年，數(shù)據(jù)量相對較少。因此，延長極大風速的時間序列數(shù)據(jù)對歷史大風災(zāi)情評估和驗證非常必要，也方便后期進行進一步計算和處理。

選取四種常用的機器學習模型分別模擬極大風速時間序列[20?25]，即多元線性回歸（LR）、隨機森林（RF）、決策樹（DT）和K近鄰（KNN），對比四種方法后選取最優(yōu)模型作為延長極大風速時間序列的模型。輸入數(shù)據(jù)為河北省142個氣象站點的日最大風速，使用隨機采樣方法，75%的數(shù)據(jù)用來訓練，25%的數(shù)據(jù)用來預(yù)測驗證。模型模擬結(jié)果的評價指標使用相關(guān)系數(shù)（R）和均方根誤差（RMSE）。

1.2.2 確定蘋果大風災(zāi)害指標閾值及驗證

從河北省大風歷史災(zāi)情記錄中挑選出與蘋果相關(guān)的大風災(zāi)害相關(guān)信息共計 421 條，根據(jù)蘋果主要受災(zāi)生育期劃分為兩部分，其中花期?幼果期37條，果實膨大?成熟期359條。通過率也即累積頻率，是指小于等于或大于等于某要素值出現(xiàn)的概率。結(jié)合蘋果大風災(zāi)情的實際情況和對應(yīng)區(qū)縣氣象臺站觀測的當日極大風速日值數(shù)據(jù)，以80%的通過率[26?28]確定蘋果大風災(zāi)害的極大風速閾值指標，然后根據(jù)樣本的50%、80%、90%百分位數(shù)劃分輕度、中度、重度和特重等級蘋果大風災(zāi)害。

在構(gòu)建指標前，預(yù)留出2018?2020年25個災(zāi)害統(tǒng)計樣本用于蘋果大風災(zāi)害等級指標的驗證，其中3個為花期?幼果期的樣本，22個為果實膨大?成熟期的樣本。根據(jù)驗證樣本中記錄的時間、區(qū)縣、對應(yīng)氣象站點的極大風速、直接經(jīng)濟損失等，依據(jù)構(gòu)建的蘋果大風災(zāi)害等級指標計算得到蘋果大風災(zāi)害等級，對比驗證其與蘋果歷史災(zāi)情記錄的一致性。將驗證結(jié)果分為三類：符合、基本符合和不符合，其中基本符合為指標計算結(jié)果與歷史記錄等級相差一級[29]。對應(yīng)蘋果大風災(zāi)害的四個等級，根據(jù)直接經(jīng)濟損失的統(tǒng)計數(shù)據(jù)將災(zāi)損程度劃分為四類，即輕度（損失≤200萬元）、中度（損失≤1000萬元）、重度（損失>1000萬元）和特重等級（損失>2000萬元）。

1.2.3 計算蘋果大風災(zāi)害危險性指數(shù)

根據(jù)河北省蘋果大風災(zāi)害指標，蘋果全生育期大風危險性指數(shù)由兩部分構(gòu)成，即

式中，W'表示蘋果全生育期大風危險性指數(shù)，W1、W2分別表示花期?幼果期及果實膨大?成熟期的危險性指數(shù)，f1、f2分別表示兩個生育期的權(quán)重系數(shù)，由每個生育期災(zāi)情記錄的條數(shù)占總災(zāi)情記錄條數(shù)的比重確定，分別為0.095和0.905。

每個生育期的蘋果大風災(zāi)害危險性指數(shù)評估模型為

其中，W表示某一站點大風災(zāi)害危險性風險指數(shù)，i表示某一站點不同等級大風災(zāi)害，輕度、中度、重度和特重大風災(zāi)害分別為1、2、3和4，pi表示某一站點第i種等級大風災(zāi)害發(fā)生次數(shù)的歸一化數(shù)值，wi表示i種等級大風災(zāi)害權(quán)重系數(shù)。通過層次分析法[30?32]確定輕度、中度、重度和特重大風災(zāi)害權(quán)重系數(shù)分別為0.08、0.11、0.27和0.54。為了保證結(jié)果的科學性和可靠性，需要對層次分析法得到的權(quán)重系數(shù)進行一致性檢驗，最大特征根λmax=4.21，隨機一致性比率CR=0.08＜0.1，說明權(quán)重系數(shù)結(jié)果可信。

1.2.4 計算蘋果大風災(zāi)害脆弱性指數(shù)

蘋果大風災(zāi)害脆弱性是指蘋果面對大風的危險性時可能遭受的傷害或損失程度。蘋果大風災(zāi)害脆弱性指數(shù)V以河北省區(qū)縣的蘋果相對單產(chǎn)水平表示，即

式中，Y0、Y分別表示全省蘋果平均單產(chǎn)和區(qū)縣蘋果單產(chǎn)。

1.2.5 計算蘋果大風災(zāi)害暴露度指數(shù)

暴露度指數(shù)以單位種植面積表示，即

式中，S'和S分別表示區(qū)縣行政面積和蘋果種植面積。

1.2.6 計算蘋果大風災(zāi)害防災(zāi)減災(zāi)能力指數(shù)

防災(zāi)減災(zāi)能力體現(xiàn)在每個地區(qū)抵御災(zāi)害的能力，主要包括物資、人力的投入、防災(zāi)水平和災(zāi)后的管理和調(diào)控等，使用河北省各區(qū)縣人均GDP（元）作為蘋果大風災(zāi)害的防災(zāi)減災(zāi)能力指數(shù)，即

1.2.7 計算蘋果大風災(zāi)害綜合風險指數(shù)

河北省蘋果大風災(zāi)害綜合風險受致災(zāi)因子危險性、承災(zāi)體脆弱性、暴露度以及防災(zāi)減災(zāi)能力等因子[33?37]的影響，為了消除不同指數(shù)量級之間的差異，首先將4個指數(shù)歸一化處理，然后構(gòu)建蘋果大風災(zāi)害風險指數(shù)模型為，即

式中，RI表示蘋果大風災(zāi)害風險指數(shù)，W、V、E、H分別表示蘋果大風災(zāi)害危險性、脆弱性、暴露度和防災(zāi)減災(zāi)能力指數(shù)。

1.3 數(shù)據(jù)處理

基于GIS技術(shù)，利用反距離權(quán)重插值法、柵格運算、百分位數(shù)、自然間斷點分級等方法，開展河北省蘋果大風災(zāi)害致災(zāi)因子危險性、承災(zāi)體脆弱性、暴露度、防災(zāi)減災(zāi)能力和綜合風險評估，將風險區(qū)域劃分為低風險、中風險、較高風險和高風險區(qū)域4個等級。

2 結(jié)果與分析

2.1 蘋果關(guān)鍵生育期大風災(zāi)害等級劃分

2.1.1 極大風速時間序列延長

圖2為使用4種算法模型驗證極大風速延長模型有效性的散點圖。從圖可以看出，所有模型的R均在0.9以上，其中RF和DT兩種模型模擬結(jié)果檢驗樣本總體分布在1:1線兩側(cè)，R最高，均大于0.93，RMSE最低，為1.15m·s?1；而LR模型模擬效果較差，RMSE最高，達到3.33m·s?1；KNN的R最低，為0.9025，RMSE高于RF和DT，低于LR，為1.48m·s?1。綜合來看，隨機森林RF模型的模擬效果最好，可以用來延長河北省歷史極大風速的時間序列。

圖2 不同方法延長極大風速時間序列模擬結(jié)果

注：LR為多元線性回歸算法，RF為隨機森林算法，DT為決策樹算法，KNN為K近鄰算法。

Note: LR is Multi-linear regression method, RF is Random Forest method, DT is Decision tree method and KNN is K-Nearest Neighbor method.

2.1.2 大風災(zāi)害時間序列閾值和災(zāi)害等級

根據(jù)歷史蘋果不同生育期的大風災(zāi)情和相對應(yīng)時間的氣象臺站極大風速時間序列，將極大風速序列從小到大依次排序（圖3）。極大風速優(yōu)先使用觀測數(shù)據(jù)，如無觀測數(shù)據(jù)將使用隨機森林RF模型的模擬極大風速數(shù)據(jù)。從圖3可以看出，極大風速樣本序列呈三次方程上升趨勢，樣本序列在極大風速為10m·s?1以前上升速率較慢，之后呈快速上升的趨勢。以80%的通過率確定蘋果大風災(zāi)害極大風速閾值指標，花期?幼果期為9.1m·s?1（樣本量n=37），果實膨大?成熟期為7.9m·s?1（樣本量n=359）。根據(jù)歷史蘋果大風災(zāi)害樣本的50%、80%、90%百分位數(shù)劃分輕度、中度、重度和特重等級蘋果大風災(zāi)害，結(jié)果見表1。

2.1.3 蘋果大風災(zāi)害等級指標驗證

使用預(yù)留的25個獨立樣本對蘋果大風災(zāi)害等級指標進行驗證，將驗證結(jié)果分為符合、基本符合和不符合三類，驗證結(jié)果如表2所示。由表可見，符合的樣本有12個，基本符合為9個樣本，不符合為4個樣本。符合樣本占所有樣本的48%，符合和基本符合的樣本占所有樣本的84%，不符合占所有樣本的16%。考慮到歷史災(zāi)情等級判定存在一定的主觀性，大風一般還伴隨強降水、冰雹、洪澇等災(zāi)害，因此，可以認為指標對歷史災(zāi)情判識具有較好的有效性，表明所得指標能較好地反映蘋果大風災(zāi)害的真實情況。

圖3 蘋果花期?幼果期(a)和果實膨大?成熟期(b)極大風速樣本序列

表1 蘋果主要發(fā)育期大風災(zāi)害等級劃分標準(V為極大風速，m·s?1)

2.2 蘋果關(guān)鍵生育期大風災(zāi)害發(fā)生頻次

2.2.1 時間變化

根據(jù)蘋果不同生育期大風災(zāi)害閾值，統(tǒng)計河北省蘋果花期?幼果期和果實膨大?成熟期大風災(zāi)害平均每站每年發(fā)生次數(shù)。由圖4可見，蘋果花期?幼果期和果實膨大?成熟期大風災(zāi)害的發(fā)生頻次均呈先降低后增加的趨勢，轉(zhuǎn)折點在2010年左右?；ㄆ?幼果期平均每站大風災(zāi)害發(fā)生次數(shù)最多為1973年的48.3次，最少為1998年的24.7次，平均為34.4次。果實膨大?成熟期大風災(zāi)害發(fā)生次數(shù)最多為1972年的79.9次，最少為2010年的23.1次，平均為42.9次。

河北省4?10月蘋果大風災(zāi)害的月發(fā)生頻次結(jié)果見圖5。由圖可見，1970?2020年4?10月河北省蘋果大風災(zāi)害平均每站每月發(fā)生10.2次，蘋果生育期內(nèi)不同等級大風災(zāi)害發(fā)生頻次的時間分布規(guī)律基本一致，每月均以輕度和中度災(zāi)害為主，平均每年分別出現(xiàn)為5.5次和4.3次，重度和特重大風災(zāi)害發(fā)生0.3和0.1次。蘋果生育期內(nèi)，大風災(zāi)害以春季4?5月發(fā)生最多，4月大風災(zāi)害發(fā)生頻次最高，平均每站16.9次，4?5月蘋果花期?幼果期大風災(zāi)害平均每站發(fā)生16.0次；夏季8月大風災(zāi)害發(fā)生頻次降到最低，平均每站發(fā)生5.3次；秋季10月又逐步增加，6?10月蘋果果實膨大?成熟期所有等級大風災(zāi)害發(fā)生頻次平均每站發(fā)生7.9次。

表2 利用河北省2018?2020年各縣蘋果直接經(jīng)濟損失驗證大風災(zāi)害分級指標

注：F為開花期，F(xiàn)S為幼果期，F(xiàn)D為果實膨大期，M為成熟期；Sl為輕度，Mo為中度，Se為重度，ESe為特重；Ma為符合，BMa為基本符合，NMa為不符合。

Note: F is flowering stage, FS is fruit set stage, FD is fruit development stage, Sl is slight, Mo is moderate, Se is severe, ESe is extra-severe, M is maturity stage, Ma is match, Bma is basically match, NMa is no match.

圖4 1970?2020年河北省蘋果花期?幼果期(a)和果實膨大?成熟期(b)大風災(zāi)害平均發(fā)生次數(shù)年際變化

圖5 1970?2020年河北省蘋果生育期內(nèi)大風災(zāi)害平均發(fā)生次數(shù)的月份分布

2.2.2 空間變化

河北省蘋果開花?幼果期不同等級的大風災(zāi)害發(fā)生頻次如圖6所示。由圖可見，河北省蘋果開花?幼果期平均每站輕度、中度、重度和特重大風災(zāi)害的年發(fā)生次數(shù)分別為23.9、8.1、0.9和0.6次。輕度大風災(zāi)害在張家口東部和南部、秦皇島和唐山市大部分地區(qū)、滄州市東部發(fā)生次數(shù)較多，氣象臺站最高年平均發(fā)生35.9次，最少7.9次。中度、重度和特重大風災(zāi)害發(fā)生頻次的空間分布規(guī)律基本一致，大風災(zāi)害高發(fā)區(qū)均位于河北省西北部地區(qū)和東部沿海地區(qū)，中度大風災(zāi)害在承德市發(fā)生的頻次也較高，河北省西北部地區(qū)的中度、重度和特重大風災(zāi)害年發(fā)生頻次最多分別可達32.4、5.9和6.9次。

河北省蘋果果實膨大?成熟期平均每站發(fā)生輕度、中度、重度和特重大風災(zāi)害的次數(shù)分別為27.7、12.6、0.9和0.3次·a?1。圖7表明，不同程度大風災(zāi)害發(fā)生頻次的空間分布規(guī)律基本一致，輕度、中度、重度和特重大風高發(fā)區(qū)均位于河北省西北部，滄州的沿海地區(qū)也有部分較高頻次的大風災(zāi)害發(fā)生（中度、重度和特重）。張家口市大部分地區(qū)、承德市西部地區(qū)、唐山市、滄州市和秦皇島市的沿海地區(qū)輕度大風災(zāi)害發(fā)生頻次>30次·a?1，中部地區(qū)發(fā)生輕度大風災(zāi)害的次數(shù)較少。河北省大部分地區(qū)中度大風災(zāi)害的頻次在20次·a?1以下，重度和特重大風災(zāi)害的頻次少于2次·a?1。

2.3 蘋果關(guān)鍵生育期大風災(zāi)害風險評估

河北省蘋果大風災(zāi)害致災(zāi)因子危險性綜合了開花?幼果期和果實膨大?成熟期兩個生育期內(nèi)的風險構(gòu)建而成，同時還對承災(zāi)體脆弱性、暴露度和防災(zāi)減災(zāi)能力分別進行了風險評估（圖8）。從圖8可以看出，河北省西北部地區(qū)的蘋果大風危險性最高，包括張家口市大部分地區(qū)，承德市西部地區(qū)，此外滄州市東部沿海地區(qū)的風險也較高；蘋果大風災(zāi)害的脆弱性較高和高風險區(qū)域位于河北省東部和南部地區(qū)，主要集中在唐山和秦皇島市大部分地區(qū)、衡水市東南部、保定市東南部、石家莊市東部、邢臺和邯鄲中部地區(qū)；蘋果大風災(zāi)害暴露度在張家口市東南部地區(qū)、秦皇島和衡水市大部分地區(qū)較高，處于較高和高風險；蘋果大風防災(zāi)減災(zāi)能力較高和高風險區(qū)域主要位于承德市中西部地區(qū)，張家口和保定西部地區(qū)，衡水東部地區(qū)和邢臺大部分地區(qū)，廊坊和唐山市由于經(jīng)濟發(fā)達，大部分處于低風險區(qū)域。

圖6 河北省蘋果開花?幼果期輕度(a)、中度(b)、重度(c)和特重(d)大風災(zāi)害發(fā)生頻次(次·a?1)

圖7 河北省蘋果果實膨大?成熟期輕度(a)、中度(b)、重度(c)和特重(d)大風災(zāi)害發(fā)生頻次(次·a?1)

綜合危險性、暴露度、脆弱性和防災(zāi)減災(zāi)能力對河北省蘋果大風災(zāi)害進行綜合風險評估。由圖9可見，總體上看，河北省蘋果大風災(zāi)害的中低風險地區(qū)占全省大部分區(qū)域，低風險地區(qū)主要為承德市中北部、唐山市南部、滄州市中西部和北部、衡水市北部、邢臺市東部、石家莊市和保定市靠近太行山地區(qū)；較高和高風險區(qū)域較為分散，約占全省的20%，主要分布在張家口市東部、衡水市東部、石家莊市東部、承德市東南部、秦皇島市等地。

3 結(jié)論與討論

3.1 結(jié)論

（1）隨機森林模型可以較好地模擬極大風速，比多元線性回歸、決策樹和K近鄰等模型更適用于河北省歷史極大風速長時間序列的延長。

（2）確定了河北省蘋果兩個主要生育期大風災(zāi)害的極大風速閾值指標，花期?幼果期為9.1m·s?1，果實膨大?成熟期為7.9m·s?1。

圖9 河北省蘋果大風災(zāi)害綜合風險評估

（3）1970年以來河北省蘋果大風災(zāi)害發(fā)生的平均站次總體呈先降后升的趨勢，2010年左右為拐點；春季4、5月發(fā)生蘋果大風災(zāi)害站次最多，8、9月最少；在蘋果兩個主要生育期中度、重度和特重等級大風災(zāi)害空間分布規(guī)律基本一致，高發(fā)區(qū)均位于西北部的張家口市，并總體呈從西北部向東南部遞減趨勢，輕度大風災(zāi)害在河北省北部、東部沿海和南部地區(qū)發(fā)生頻次較高。

（4）河北省蘋果大風災(zāi)害較高和高風險區(qū)域較為分散，約占全省的20%，主要分布在張家口市東部、承德市東南部、衡水市中部和石家莊市東部等地。

3.2 討論

本研究分析了河北省大風災(zāi)害時空分布規(guī)律，與李婷等[2，11]的研究結(jié)果較為一致。得到的大風災(zāi)害指標與黃川容等[15?16]的致災(zāi)風力閾值較為接近，但大風災(zāi)害指標存在一定差異，可能主要由于研究的受災(zāi)對象不同導致。對河北省蘋果大風災(zāi)害的綜合風險進行了評估，結(jié)果表明蘋果大風重點監(jiān)測和防范區(qū)主要位于河北省衡水市和秦皇島市等地，這主要由于衡水市的暴露度、脆弱性和防災(zāi)減災(zāi)能力存在較高風險，而秦皇島市的暴露度和脆弱性風險較高。本研究得到的評估大風災(zāi)害指標是基于歷史大風災(zāi)情數(shù)據(jù)得出的，但由于大風災(zāi)害的局地性非常強，與地形和環(huán)境等因子較為相關(guān)，也存在即使發(fā)生大風災(zāi)害氣象站點不一定能夠觀測到的情況；同時大風災(zāi)害往往伴隨著暴雨、冰雹等，部分災(zāi)情記錄較為簡單，會對災(zāi)害指標的準確性造成一定影響。由于數(shù)據(jù)的限制，本研究風險評估中的蘋果產(chǎn)量、種植面積、GDP等數(shù)據(jù)年份較短，且存在一定的不確定性，災(zāi)損統(tǒng)計數(shù)據(jù)可能存在一定的主觀性[29,38]，可能會對風險區(qū)域結(jié)果造成一定影響。此外，蘋果生長期時間跨度大，不同生育期大風致災(zāi)指標也不完全相同，今后隨著蘋果災(zāi)情記錄分類、生育期、產(chǎn)量、種植面積、災(zāi)情記錄等資料的進一步細致和完善，精細地記錄蘋果大風災(zāi)損或進行控制試驗，河北省蘋果大風災(zāi)害的風險評估準確性將得到進一步提高，有助于河北省蘋果種植布局的優(yōu)化和氣象災(zāi)害實時監(jiān)測預(yù)警能力的提升。

[1] 蔣冰執(zhí).河北省蘋果生產(chǎn)及全要素生產(chǎn)率研究[D].保定:河北農(nóng)業(yè)大學,2021.

Jiang B Z.Study on apple production and total factor productivity in Hebei province[D].Baoding:Hebei Agricultural University,2021.(in Chinese)

[2] 李婷,陳笑娟,張靜,等.基于脆弱性曲線的河北省日光溫室大風災(zāi)害風險評估[J].湖北農(nóng)業(yè)科學,2020,59(4):63-69.

Li T,Chen X J,Zhang J,et al.Risk assessment of wind disaster to greenhouse in Hebei province based on vulnerability curves[J].Hubei Agricultural Sciences,2020, 59(4):63-69.(in Chinese)

[3] 楊再強,張婷華,黃海靜,等.北方地區(qū)日光溫室氣象災(zāi)害風險評價[J].中國農(nóng)業(yè)氣象,2013,34(3):342-349.

Yang Z Q,Zhang T H,Huang H J,et al.Meteorological disaster risk evaluation of solar greenhouse in north China[J].Chinese Journal of Agrometeorology,2013,34(3): 342-349.(in Chinese)

[4] 魯天平,郭靖,陳夢,等.新疆林果產(chǎn)業(yè)大風沙塵災(zāi)害風險評估模型構(gòu)建及區(qū)劃[J].農(nóng)業(yè)工程學報,2016,32(S2): 169-176.

Lu T P,Guo J,Chen M,et al.Model establishment and zoning of wind-dust risk assessment to featured forestry and fruit industry in Xinjiang[J].Transactions of the Chinese Society of Agricultural Engineering,2016,32 (Supp.2):169-176.(in Chinese)

[5] 楊建瑩,霍治國,王培娟,等.中國北方蘋果干旱等級指標構(gòu)建及危險性評價[J].應(yīng)用氣象學報,2021,32(1):25-37.

Yang J Y,Huo Z G,Wang P J,et al.Evaluation index construction and hazard risk assessment on apple drought in northern China[J].Journal of Applied Meteorological Science,2021,32(1):25-37.(in Chinese)

[6] 王明昌,劉布春,劉園,等.陜西蘋果主產(chǎn)縣花期凍害風險評估[J].中國農(nóng)業(yè)氣象,2020,41(6):381-392.

Wang M C ,Liu B C,Liu Y,et al.Assessment on the freezing injury risk during apple flowering in Liquan and Xunyi[J]. Chinese Journal of Agrometeorology,2020,41(6): 381-392. (in Chinese)

[7] 楊小利,周嘉,周安寧,等.甘肅東部蘋果多災(zāi)種氣象災(zāi)害綜合風險評估[J].中國農(nóng)業(yè)氣象,2021,42(6):518-529.

Yang X L,Zhou J,Zhou A N,et al.Integrated risk evaluation on multiple meteorological disasters of apple in eastern Gansu[J].Chinese Journal of Agrometeorology,2021,42(6): 518-529.(in Chinese)

[8] 邱美娟,劉布春,劉園,等.中國北方主產(chǎn)地蘋果始花期模擬及晚霜凍風險評估[J].農(nóng)業(yè)工程學報,2020,36(21): 154-163.

Qiu M J,Liu B C,Liu Y,et al.Simulation of first flowering date for apple and risk assessment of late frost in main producing areas of northern China[J].Transactions of the Chinese Society of Agricultural Engineering,2020,36(21): 154-163.(in Chinese)

[9] 李蘭,周月華,陳波.湖北省大風災(zāi)害及其風險度[J].氣象科技,2009,37(2):205-208.

Li L,Zhou Y H,Chen B.Wind disasters in Hubei province and their risk degree[J].Meteorological Science and Technology,2009,37(2):205-208.(in Chinese)

[10] 夏祎萌,何清,李軍,等.新疆大風災(zāi)害災(zāi)度和危險度分析[J].中國沙漠,2012,32(4):1025-1028.

Xia Y M,He Q,Li J,et al.Disaster degree and risk degree of wind disaster in Xinjiang[J].Journal of Desert Research, 2012,32(4):1025-1028.(in Chinese)

[11] 孫霞,陳小雷,俞海洋,等.河北省大風災(zāi)害及其危險性區(qū)劃分析[J].中國農(nóng)學通報,2016,32(1):183-187.

Sun X,Chen X L,Yu H Y,et al.Analysis of wind disaster and its hazard regionalization in Hebei province[J].Chinese Agricultural Science Bulletin,2016,32(1):183-187.(in Chinese)

[12] Cardona O D,Ordaz M G,Mora M G,et al.Global risk assessment:a fully probabilistic seismic and tropical cyclone wind risk assessment[J].International Journal of Disaster Risk Reduction,2014,10:461-476.

[13] Gao Z,Wan R,Ye Q, et al.Typhoon Disaster risk assessment based on emergy theory:a case study of Zhuhai city, Guangdong province,China[J].Sustainability,2020,12(10): 4212.

[14] Zhang Y,Wei K,Shen Z,et al.Economic impact of typhoon-induced wind disasters on port operations:a case study of ports in China[J].International Journal of Disaster Risk Reduction,2020,50:101719.

[15] 黃川容,楊再強,劉洪,等.北京日光溫室風災(zāi)風險分析及區(qū)劃[J].自然災(zāi)害學報,2012,21(3):43-49.

Huang C R,Yang Z Q,Liu H,et al.Risk analysis and regionalization of wind hazard to sunlight greenhouse in Beijing[J].Journal of Natural Disasters,2012,21(3):43-49. (in Chinese)

[16] 陳笑娟,陳小雷,李婷,等.河北省設(shè)施農(nóng)業(yè)的抗風能力及大風災(zāi)害風險預(yù)警[J].貴州農(nóng)業(yè)科學,2019,47(7):138-142.

Chen X J,Chen X L,Li T,et al.Gale resistance capacity of facility agriculture and risk early warning of gale disaster in Hebei[J].Guizhou Agricultural Sciences,2019,47(7): 138-142.(in Chinese)

[17] 張倩.影響庫爾勒香梨開花與果實生長的氣象條件分析[D].烏魯木齊:新疆師范大學,2013.

Zhang Q.Analysis of the effect of meteorological conditions on the flowering and fruit growth of Korla Fragrant Pear[D].Urumqi:Xinjiang Normal University, 2013.(in Chinese)

[18] 李樹巖,王宇翔,胡程達,等.抽雄期前后大風倒伏對夏玉米生長及產(chǎn)量的影響[J].應(yīng)用生態(tài)學報,2015,26(8):2405- 2413.

Li S Y,Wang Y X,Hu C D,et al.Effects of strong wind lodging at pre- and post-tasseling stages on growth and yield of summer maize[J].Chinese Journal of Applied Ecology,2015,26(8):2405-2413.(in Chinese)

[19] 中國氣象局.QX/T51-2007 地面氣象觀測規(guī)范[S].北京:中國氣象局,2007.

China Meteorological Administration.QX/T 51-2007 Specifications for surface meteorological observation[S]. Beijing:China Meteorological Administration, 2007.(in Chinese)

[20] Kuwata K,Shibasaki R.Estimating corn yield in the United States with MODIS EVI and machine learning methods[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences,2016,3(8):131-136.

[21] Clifton A,Kilcher L,Lundquist J K,et al.Using machine learning to predict wind turbine power output[J]. Environmental Research Letters,2013,8(2):024009.

[22] Khosravi A,Machado L,Nunes R O.Time-series prediction of wind speed using machine learning algorithms:a case study Osorio wind farm,Brazil[J].Applied Energy,2018,224: 550-566.

[23] Ghorbani M A,Khatibi R,FazeliFard M H,et al.Short-term wind speed predictions with machine learning techniques [J].Meteorology and Atmospheric Physics,2016,128(1):57- 72.

[24] Ak R,Fink O,Zio E.Two machine learning approaches for short-term wind speed time-series prediction[J]. IEEE Transactions on Neural Networks and Learning Systems, 2015,27(8):1734-1747.

[25] Sallis P J,Claster W,Hernández S.A machine-learning algorithm for wind gust prediction[J].Computers & Geosciences,2011,37(9):1337-1344.

[26] 段里成,張坤,郭瑞鴿,等.江西省雙季早稻直播適宜播種期的區(qū)域劃分[J].中國農(nóng)業(yè)氣象,2021,42(2):112-122.

Duan L C,Zhang K,Guo R G,et al.Regional division of suitable direct sowing date of double season early rice in Jiangxi province[J].Chinese Journal of Agrometeorology, 2021, 42(2):112-122.(in Chinese)

[27] 張磊,張曉煜,李紅英,等.1961-2010年寧夏無霜期變化特征[J].生態(tài)環(huán)境學報,2013,22(5):801-805.

Zhang L,Zhang X Y,Li H Y,et al.Characteristics of frost-free days changes over Ningxia from 1961 to 2010[J]. Ecology and Environmental Sciences,2013,22(5):801-805. (in Chinese)

[28] 陳超,徐富賢,龐艷梅,等.西南區(qū)域水稻關(guān)鍵生育期界限溫度起始期的預(yù)測研究[J].中國生態(tài)農(nóng)業(yè)學報(中英文),2019,27(8):1172-1182.

Chen C,Xu F X,Pang Y M,et al.Prediction of threshold temperature start date for rice at critical development stages in Southwest China[J].Chinese Journal of Eco- Agriculture,2019,27(8):1172-1182.(in Chinese)

[29] 毛紅丹,霍治國,張蕾,等.環(huán)渤海葡萄澇漬指標構(gòu)建及風險評估[J].應(yīng)用氣象學報,2022,33(1):92-103.

Mao H D,Huo Z G,Zhang L,et al.Indicator construction and risk assessment of grape waterlogging in the Bohai Rim[J]. Journal of Applied Meteorological Science,2022,33(1):92- 103.(in Chinese)

[30] 陳家金,李麗純,林晶,等.福建省枇杷氣象災(zāi)害綜合風險評估[J].應(yīng)用氣象學報,2014,25(2):232-241.

Chen J J,Li L C,Lin J,et al.Integrated risk evaluation on meteorological disasters of Loquat in Fujian province[J]. Journal of Applied Meteorological Science,2014,25(2): 232-241.(in Chinese)

[31] 李莉,匡昭敏,莫建飛,等.廣西甘蔗秋旱災(zāi)害風險評估技術(shù)初步研究[J].應(yīng)用氣象學報,2016,27(1):95-101.

Li L,Kuang Z M,Mo J F,et al.Assessment of autumn drought risk of sugarcane in Guangxi[J].Journal of Applied Meteorological Science,2016,27(1):95-101.(in Chinese)

[32] 黃曉遠,李謝輝.基于CMIP6的西南暴雨洪澇災(zāi)害風險未來預(yù)估[J].應(yīng)用氣象學報,2022,33(2):231-243.

Huang X Y,Li X H.Future projection of rainstorm and flood disaster risk in southwest China based on CMIP6 models[J].Journal of Applied Meteorological Science,2022, 33(2):231-243.(in Chinese)

[33] 任義方,趙艷霞,王春乙.河南省冬小麥干旱保險風險評估與區(qū)劃[J].應(yīng)用氣象學報,2011,22(5):537-548.

Ren Y F,Zhao Y X,Wang C Y.Winter wheat drought disaster insurance risk assessment and regionalization in Henan province[J].Journal of Applied Meteorological Science,2011,22(5):537-548.(in Chinese)

[34] 李蒙,竇小東,張明達,等.云南小粒咖啡干旱風險評估[J].熱帶農(nóng)業(yè)科學,2021,41(5):33-40.

Li M,Dou X D,Zhang M D,et al.Evaluation of drought risk of coffee Arabica in Yunnan province[J].Chinese Journal of Tropical Agriculture,2021,41(5):33-40.(in Chinese)

[35] Gong Z,Forrest J.Special issue on meteorological disaster risk analysis and assessment:on basis of grey systems theory[J].Natural Hazards,2014,71(2):995-1000.

[36] Liu Y Q,You M,Zhu J L,et al.Integrated risk assessment for agricultural drought and flood disasters based on entropy information diffusion theory in the middle and lower reaches of the Yangtze River,China[J].International Journal of Disaster Risk Reduction,2019,38:101194.

[37] Field C B,Barros V,Stocker T F,et al.Managing the risks of extreme events and disasters to advance climate change adaptation:special report of the intergovernmental panel on climate change[M].New York: Cambridge University Press, 2012.

[38] 肖楠舒,劉布春,殷紅,等.基于作物水分虧缺指數(shù)的環(huán)渤海地區(qū)鮮食葡萄干旱風險評估[J].中國農(nóng)業(yè)氣象,2022, 43(5):380-392.

Xiao N S,Liu B C,Yin H,et al.Drought risk assessment of table grapes in the Bohairim region based on crop water deficit index[J].Chinese Journal of Agrometeorology,2022, 43(5):380-392.(in Chinese)

Wind Disaster Risk Assessment of Apple in Hebei Province

SUN Yu-long1, JING Hua1, SUN Qing2, LI Ting1, WEI Tie-xin1, GAO Shan-shan3, YU Yan-wen4

(1. Hebei Meteorological Disaster Prevention And Environmental Meteorology Center, Shijiazhuang 050021, China; 2. Chinese Academy of Meteorological Sciences, Beijing 100081; 3. Hebei Provincial Meteorological Technical Equipment Center, Shijiazhuang 050021; 4. Fuzhou Meteorological Service, Jiangxi Province, Fuzhou 344199)

Long-term wind observation data from 142 meteorological stations, historical apple wind disaster data, apple growth stages data, etc. were used in this study. Firstly, the optimal machine learning model has been built to extend long-term extreme wind speed. Then the thresholds of different levels of wind disasters in different apple growth stages were determined. The spatial-temporal distribution characteristics and a comprehensive risk assessment of apple wind disasters were carried out. The results showed that the random forest model had the highest accuracy and showed good performance in extending the extreme wind speed time series which is suitable for Hebei province. The thresholds of apple wind disasters were extreme wind speed≥9.1m·s?1in flowering to fruit set, and extreme wind speed≥7.9m·s?1in fruit development to mature. Furthermore, 4 levels of wind disasters in different apple growth stages were determined and the validation were in good agreement with the historical records. The overall trends of apple wind disasters were first decreasing and then increasing. In the northwest Hebei province and eastern Cangzhou, the frequencies of wind disasters were higher than in other regions. The high and the severe comprehensive risk areas of apple wind disaster were scattered which accounted for nearly 20% of Hebei and mainly in eastern Zhangjiakou, southeast Hengshui, middle Hengshui, and eastern Shijiazhuang.

Apple；Wind disasters；Machine learning；Risk assessment

10.3969/j.issn.1000-6362.2023.04.005

孫玉龍,景華,孫擎,等.河北省蘋果大風災(zāi)害風險評估[J].中國農(nóng)業(yè)氣象,2023,44(4):305-316

2022-04-01

環(huán)渤海區(qū)域科技協(xié)同創(chuàng)新基金項目（QYXM201803）；國家重點研發(fā)計劃（2022YFD2300204）；中國氣象局創(chuàng)新發(fā)展專項（CXFZ2023J057）

景華，高級工程師，主要從事氣象災(zāi)害風險研究，E-mail：996189732@qq.com

孫玉龍，E-mail：fengxuelone@163.com