摘 要：氣象災(zāi)害的評估在防災(zāi)減災(zāi)中占據(jù)重要地位。廣東省河源市連平縣屬亞熱帶季風(fēng)氣候，水稻生產(chǎn)分為早稻和晚稻。氣候的主要特征為夏長冬短，氣候溫和，日照充足，熱量豐富，雨量充沛，降水季節(jié)性明顯。前汛期暴雨是影響連平縣早稻產(chǎn)量的主要?dú)庀鬄?zāi)害之一。前汛期暴雨發(fā)生概率較大且集中，導(dǎo)致農(nóng)田積水，作物受災(zāi)，產(chǎn)量降低。再加上連平縣地處山區(qū)，而早稻種植地多為地勢較低較平地區(qū)，進(jìn)而導(dǎo)致農(nóng)業(yè)生產(chǎn)受災(zāi)概率增加。對此，評估連平縣早稻暴雨致災(zāi)風(fēng)險，建立連平縣早稻暴雨致災(zāi)風(fēng)險閾值，為制定有效的防災(zāi)減災(zāi)政策提供科學(xué)依據(jù)和研究思路。

關(guān)鍵詞：暴雨；早稻；氣象災(zāi)害；避險防災(zāi)；風(fēng)險閾值

中圖分類號：P426.616 文獻(xiàn)標(biāo)志碼：B 文章編號：2095–3305（2024）11–0-03

隨著全球氣候變暖加劇，各類極端天氣事件頻發(fā)，其中暴雨災(zāi)害對農(nóng)業(yè)經(jīng)濟(jì)可持續(xù)發(fā)展產(chǎn)生不利影響。國內(nèi)外諸多學(xué)者對暴雨災(zāi)害風(fēng)險評估進(jìn)行了一定研究。其中，魏慶朝等[1]定義了災(zāi)害損失指標(biāo)及災(zāi)害等級；鞠笑生等[2]、李慶洋等[3]在確定暴雨致災(zāi)風(fēng)險的閾值上提出了不同的方法；李巧媛等[4]通過選取（大）暴雨日和（大）暴雨日年降水量為年降雨量的致災(zāi)因子，結(jié)合水稻受災(zāi)率，建立模型，評價水稻受災(zāi)大??；馬潤佳等[5]通過對1961—2011年長江中下游地區(qū)一季稻洪澇災(zāi)害時空變化進(jìn)行風(fēng)險評估。對此，針對影響廣東省河源市連平縣農(nóng)業(yè)生產(chǎn)的暴雨災(zāi)害風(fēng)險閾值，參考韓秀君等[6]暴雨致災(zāi)指標(biāo)及災(zāi)害影響評估的方法和蔡冰等[7]對農(nóng)業(yè)氣象災(zāi)害風(fēng)險等級區(qū)劃，利用線性回歸方程的分析，對連平縣早稻暴雨致災(zāi)閾值進(jìn)行研究。

1 資料與方法

1.1 資料來源

各鄉(xiāng)鎮(zhèn)因暴雨受損對早稻減產(chǎn)率由連平縣農(nóng)業(yè)農(nóng)村局提供，氣候資料源自連平縣國家基本觀測站和12個中尺度區(qū)域自動站所得的10年（2012—2021年）平均資料，主要選取12 h（08：00～20：00、20：00～08：00）、

24 h（20：00至翌日20：00）的降雨量數(shù)據(jù)。

1.2 研究方法

通過統(tǒng)計連平縣2012—2021年3—7月的數(shù)據(jù)，分別計算出連平縣12 h和24 h暴雨發(fā)生概率。根據(jù)當(dāng)?shù)卦绲颈┯曛聻?zāi)次數(shù)數(shù)據(jù)，從而計算出連平縣早稻暴雨致災(zāi)概率，并繪制風(fēng)險（概率）分布圖。此外，運(yùn)用相關(guān)分析及線性回歸方法，找出連平縣早稻減產(chǎn)率與降水量數(shù)據(jù)之間的關(guān)系，從而得到相應(yīng)的回歸方程，計算出早稻暴雨致災(zāi)閾值。

1.3 相關(guān)性分析

主要利用SPSS軟件，采用皮爾遜相關(guān)系數(shù)分析

12 h和24 h暴雨概率與早稻減產(chǎn)率的相關(guān)性。

對于x和y的n對觀測資料x1，x2，…，xn和y1，y2，…，yn，則樣本相關(guān)系數(shù)rxy可這樣計算。

（1）

式（1）中，兩個算式均可計算相關(guān)系數(shù)，其中x，y是樣本平均值。|rxy|≤1，當(dāng)rxy=±1時，表示x與y之間有一一對應(yīng)的函數(shù)關(guān)系；當(dāng)rxy＜0時，表示x與y之間為負(fù)相關(guān)關(guān)系，當(dāng)rxy＞0時，表示x與y之間為正相關(guān)關(guān)系。因此，當(dāng)|rxy|越大，表示x與y的關(guān)系越密切。|rxy|與相關(guān)強(qiáng)度的關(guān)系具體見表1。

1.4 回歸方程建立

根據(jù)相關(guān)性分析，建立12 h和24 h暴雨概率與早稻減產(chǎn)率的多元線性回歸方程。

1.4.1 多元線性回歸方程建立

假設(shè)某一因變量y受k個自變量x1，x2，…，xk的影響，其中n組觀測值為（ya，x1a，x2a，…，xka），a=1，2，…，n。那么，多元線性回歸模型的結(jié)構(gòu)形式如下：

ya=β0+β1x1a+β2x2a+…+βkxka+εa（2）

式（2）中，β0，β1，…，βk為待定參數(shù)；εa為隨機(jī)變量。

1.4.2 擬合度檢驗(yàn)

TSS=∑（Yi-Y）2為總離差平方和；ESS=∑（i-Y）2為回歸平方差；RSS=（∑Yi-i）2剩余平方和。得出判定系數(shù)R2==1-，該統(tǒng)計量越接近于1，表明模型的擬合優(yōu)度越高。

2 暴雨災(zāi)害風(fēng)險評估及區(qū)劃

選取2012—2021年連平縣國家基本觀測站和12個中尺度區(qū)域自動站早稻從分蘗至成熟（即3—7月）12 h（08：00～20：00、20：00至翌日08：00）、24 h（20：00至翌日20：00）的降水量資料。采用廣東省暴雨標(biāo)準(zhǔn)：R12 h≥30 mm，R24 h≥50 mm。將不同站的達(dá)到暴雨的次數(shù)累積后計算出不同站12 h、24 h降水量達(dá)到暴雨的概率，具體見表2、表3。再將上述數(shù)據(jù)利用克里金插值法進(jìn)行分析，分別繪制出12 h、24 h連平縣暴雨概率分布圖（圖1、圖2）。

由圖1可知，在12 h的尺度上，連平縣暴雨發(fā)生概率自北向南逐步增加。其中，隆街鎮(zhèn)、繡緞鎮(zhèn)、油溪鎮(zhèn)、田源鎮(zhèn)發(fā)生暴雨災(zāi)害風(fēng)險較高，暴雨發(fā)生概率在2.5%以上。上坪鎮(zhèn)、內(nèi)莞鎮(zhèn)、連平縣城、高莞鎮(zhèn)、陂頭鎮(zhèn)發(fā)生暴雨災(zāi)害風(fēng)險較低，暴雨發(fā)生概率在2.3%以下。

由圖2可知，在24 h的尺度上，連平縣暴雨發(fā)生概率自北向南逐步增加。隆街鎮(zhèn)、忠信鎮(zhèn)、油溪鎮(zhèn)、三角鎮(zhèn)、溪山鎮(zhèn)發(fā)生暴雨災(zāi)害風(fēng)險較高，暴雨發(fā)生概率在2.5%以上。上坪鎮(zhèn)、內(nèi)莞鎮(zhèn)、高莞鎮(zhèn)、大湖鎮(zhèn)、田源鎮(zhèn)發(fā)生暴雨災(zāi)害風(fēng)險較低，暴雨發(fā)生概率在2.3%以下。

對三防辦2012—2021年早稻暴雨致災(zāi)次數(shù)進(jìn)行整理，結(jié)合連平縣氣象臺開局的氣象證明所對應(yīng)的災(zāi)情，計算得到連平縣各鄉(xiāng)鎮(zhèn)早稻暴雨致災(zāi)概率（表4），并使用克里金插值法對數(shù)據(jù)進(jìn)行插值，從而繪制出連平縣早稻暴雨致災(zāi)風(fēng)險概率分布圖（圖3）。由圖3可知，連平縣早稻暴雨致災(zāi)風(fēng)險概率大致呈自北向南逐步增加的分布。發(fā)生暴雨致災(zāi)概率與暴雨發(fā)生概率較為一致。

3 連平縣早稻暴雨致災(zāi)風(fēng)險閾值

結(jié)合上述資料及連平縣各鎮(zhèn)2012—2021年早稻減產(chǎn)率及其所對應(yīng)的12、24 h降水量進(jìn)行回歸分析。結(jié)果表明：12、24 h降水量和減產(chǎn)率均具有顯著的相關(guān)關(guān)系（P＜0.05），但12 h的擬合度高于24 h，因此只討論12 h降水量，其結(jié)果見圖4。

由圖4可知，12 h降水量與早稻減產(chǎn)率存在顯著的正相關(guān)關(guān)系，早稻減產(chǎn)率隨著R12 h增加而增加。通過早稻減產(chǎn)率與12 h降水量進(jìn)行回歸分析，得到回歸方程：y=0.007 3x+0.006 7。

將致災(zāi)風(fēng)險等級分為低風(fēng)險、中風(fēng)險、高風(fēng)險、極高風(fēng)險4個等級，并劃分出對應(yīng)的減產(chǎn)率的4個區(qū)

間[8-10]。根據(jù)上述的一元線性回歸方程，結(jié)合專家建議，適當(dāng)微調(diào)得到連平縣12 h暴雨致災(zāi)風(fēng)險閾值（表5）。從表5可知，當(dāng)R12 h＞55 mm時，連平縣早稻極有可能出現(xiàn)產(chǎn)量減少情況；而R12 h＜20 mm時，早稻減產(chǎn)風(fēng)險較低。

4 結(jié)論

（1）在12 h的尺度上，連平縣暴雨發(fā)生概率呈自北向南逐步增加的分布特征。隆街鎮(zhèn)、繡緞鎮(zhèn)、油溪鎮(zhèn)、田源鎮(zhèn)發(fā)生暴雨災(zāi)害風(fēng)險較高；上坪鎮(zhèn)、內(nèi)莞鎮(zhèn)、連平縣城、高莞鎮(zhèn)、陂頭鎮(zhèn)發(fā)生暴雨災(zāi)害風(fēng)險較低。

（2）在24 h的尺度上，連平縣暴雨發(fā)生概率呈自北向南逐步增加的分布特征。隆街鎮(zhèn)、忠信鎮(zhèn)、油溪鎮(zhèn)、三角鎮(zhèn)、溪山鎮(zhèn)發(fā)生暴雨災(zāi)害風(fēng)險較高；上坪鎮(zhèn)、內(nèi)莞鎮(zhèn)、高莞鎮(zhèn)、大湖鎮(zhèn)、田源鎮(zhèn)發(fā)生暴雨災(zāi)害風(fēng)險較低。

（3）通過對連平縣各鎮(zhèn)暴雨致災(zāi)概率和早稻減產(chǎn)率進(jìn)行研究，從而得到連平縣早稻12 h暴雨致災(zāi)風(fēng)險閾值，當(dāng)R12 h＞55 mm時，連平早稻減產(chǎn)風(fēng)險較高，而R12 h＜20 mm時，早稻減產(chǎn)風(fēng)險較低。

（4）早稻的生長發(fā)育受溫度、濕度、雨量、光照等自然因素影響，并且各種因素影響的程度不一樣。未來的研究可以進(jìn)一步細(xì)化閾值，完善指標(biāo)。

參考文獻(xiàn)

[1] 魏慶朝，張慶珩.災(zāi)害損失及災(zāi)害等級的確定[J].災(zāi)害學(xué)， 1996（1）：1-5.

[2] 鞠笑生，楊賢為，陳麗娟，等.我國單站旱澇指標(biāo)確定和區(qū)域旱澇級別劃分的研究[J].應(yīng)用氣象學(xué)報，1997（1）：27-34.

[3] 李慶祥，黃嘉佑.北京地區(qū)強(qiáng)降水極端氣候事件閾值[J].水科學(xué)進(jìn)展，2010，21（5）：660-665.

[4] 李巧媛，丁賢法，許霖.降水量對湖南省水稻生產(chǎn)的影響分析[J].湖北農(nóng)業(yè)科學(xué)，2013（2）：265-274.

[5] 馬潤佳，申雙和，陶蘇林.1961—2011年長江中下游地區(qū)一季稻洪澇災(zāi)害時空變化及風(fēng)險評估[J].科學(xué)技術(shù)與工程，2017，17（2）：22-30.

[6] 韓秀君，孫曉巍，李爽，等.遼寧暴雨致災(zāi)指標(biāo)及災(zāi)害影響預(yù)評估[J].氣象與環(huán)境學(xué)報，2014，30（6）：80-84.

[7] 蔡冰，劉壽東，費(fèi)玉娟，等.江蘇省設(shè)施農(nóng)業(yè)氣象災(zāi)害風(fēng)險等級區(qū)劃[J].中國農(nóng)學(xué)通報，2011，27（20）：285-291.

[8] 王旭輝.暴雨災(zāi)害對贛州西部早稻生產(chǎn)的影響[J].糧油與飼料科技，2023（2）：135-137.

[9] 程斌，武智君，蔡河章，等.福建順昌縣早稻暴雨洪澇災(zāi)害的風(fēng)險區(qū)劃[J].農(nóng)技服務(wù)，2020，37（10）：104-108.

[10] 應(yīng)達(dá)，蔡河章，鄭君亮，等.浦城縣早稻暴雨洪澇災(zāi)害的風(fēng)險評估[J].貴州農(nóng)業(yè)科學(xué)，2020，48（2）：2，116-120.