东北地区农业旱灾时空演变规律分析

左海阳

(松辽水利委员会，吉林 长春 130021)

东北地区是我国重要的商品粮生产基地，粮食产量在全国占有重要地位，同时，东北地区也是干旱灾害频繁发生的地区。根据旱灾的历史文献记载，在1751—2010年的250年间，一般以上旱灾发生67次，平均不到4年就会出现一次。20世纪80年代，东北地区作物因旱受灾面积占同期全国因旱受灾面积的19.5%，而2000年以来该比例上升为32.9%。1989年的极端干旱使得东北地区受灾面积达到917万hm2，占播种面积的52.2%，旱灾成灾面积732万hm2，占播种面积的41.6%。干旱灾害属于缓发灾害，原因极为复杂，发生具有一定的随机性和不确定性。近年来由于对干旱灾害的发生缺少思想和物质准备，而导致灾害损失加重的事例屡见不鲜。进行干旱灾害的特征分析，开展有针对性的防范措施，已成为一项十分紧迫的任务。目前，国内外对农业旱灾的研究主要侧重于对旱灾成因研究、旱灾演变特征、预测及风险分析等方面：龙鑫、甄霖等人对农业旱灾定量风险评估及其空间分布进行了研究（2010）；张琪、张继权等对干旱对作物产量的影响进行了研究（2010）。利用趋势分析和小波分析等方法，对东北地区的农业干旱灾害时空变化规律进行研究，以期为东北地区的干旱灾害防治、防灾体系建设和综合防灾管理提供有力的依据和参考。

1 研究区概况

此文研究的东北地区指狭义的东北三省，不包括内蒙东四盟所辖地区。东北三省总面积为78.43万km2，占全国国土面积的8.2%，东北地区的范围相当于我国的寒温带和温带湿润、半湿润地区，以冷湿的森林和草甸草原景观为主。东北三省是全国的粮食主产区，经济作物有春麦、大豆、马铃薯、玉米、甜菜、高粱，其农作物分布略有区域差异，北部盛产大豆、甜菜、大米等，中部则盛产高粱、小米、棉、花生等，南部则盛产温带水果、玉米、棉花等。自东而西，降水量自 1 000 mm降至300 mm以下，气候上从湿润区、半湿润区过渡到半干旱区，农业上从农林区、农耕区过渡到半农半牧区。水热条件的纵横交叉，形成东北区农业体系和农业地域分异的基本格局，塑造了东北的综合性大农业基地的自然基础，也成为东北地区干旱多发的孕灾环境重要因素。

2 数据来源及研究方法

2.1 基础资料来源

农业旱灾灾情，一般采用农作物受灾面积、成灾面积、绝收面积、水利设施损失以及粮食减产量等指标来表征。指标从不同角度上反映了干旱致灾因子强度及其对农业生态、生产系统的危害程度。此文用《中国统计年鉴》、《中国农业统计资料》中东北三省省级统计年鉴中过去40年的受灾面积、成灾面积、种植面积等数据来描述灾情，据此计算作物异常指数，用作时空规律分析和重灾年份预测的基础资料。

2.2 研究方法

此文采用作物异常指数作为评价农业旱情的指标，并利用趋势分析、小波分析等方法，借助ARCGIS软件实现对东北地区的旱情的时空规律分析。

小波分析 (Wavelet Analysis)是一种信号的时间-尺度(频率)分析方法，由Morlet于20世纪80年代提出。小波分析是一种窗口大小固定不变但其形状可以改变的时频局部化分析方法，是傅立叶分析、样条理论、数值分析等多个学科相互交叉的结果，具有多分辨率分析的特点,可以对信号进行多尺度细化分析,得到各个频率随时间的变化及不同频率之间的关系，是分析非平稳信号的有力工具。此文采用小波分析方法分析东北地区作物异常指数的周期变化，它不仅可以表示灾害序列变化的尺度，还可以表现出变化的时间位置，可以较好的描述农业灾害的尺度以及突变时间、强度、持续性等特征。

此文取墨西哥帽状(Marr)小波作为母波函数，其表达式为:

在实数域，式（3）的离散表达式：

式中：△t为样本间隔，N为样本量。此研究以取尺度因子

由（2）式可知，小波波幅随参数t和变化，通过小波变换，把一维要素序列变成以t和为坐标的二维图象，通过对二维图象的分析可得到关于要素的局域特征。每一年的小波特征通过垂直截取波幅来考察，每一种周期的小波特征通过水平方向截取波幅来考察。这样，便可分析出要素的多时间尺度和空间特征的局域特性，这是传统分析方法无法做到的。

3 东北地区农业旱灾时空规律分析

3.1 时间演变规律

将受灾面积、成灾面积的基础数据进行统计成图，如图1。可见，东北地区的旱灾情况整体呈现一个波动上升的趋势，并且灾情轻重年相间。40年间表现出两个较明显的波动周期，第一个周期是1971—1989年前后，第二个波动周期是从1990年开始至今，无论受灾面积和成灾面积，第二个波动周期明显比第一周期的数值高。说明近20年来，东北地区的旱情有加重趋势。

图1 东北地区1971—2010年受灾面积、成灾面积分布图

为进一步分析东北地区的旱灾情况，更准确地评价每年的旱灾程度，此文采用了农业灾害研究中比较常用的作物异常指数作为评价灾情严重程度的指标。灾害异常指数是描述受灾率和成灾率偏离平均状态的参量，可以反映灾害严重程度和等级。定义当年农作物受旱面积与当年农作物播种总面积的比值为受灾率，当年农作物旱灾成灾面积与农作物播种总面积的比值为成灾率，它们分别反映旱灾的影响范围和致灾程度。受灾率和成灾率异常指数可表达为:

式中：ξi为第i年农作物受灾率异常指数 (AIA)或成灾率异常指数 (AIS)，Mi为第i年农作物受灾率或成灾率；m为农作物平均受灾率或成灾率；为农作物受灾率或成灾率标准差。根据已有研究经验，可取作物异常指数ξ＜0时为轻度干旱，0≤ξ＜0.5时为中度干旱，0.5≤ξ＜1.5时为严重干旱，ξ＞1.5时为特大干旱。

将东北三省1971—2010年的农业受灾面积、成灾面积以及种植面积的年值数据进行处理后，得到受灾异常指数和成灾异常指数的年际变化情况，如图2。与成灾、受灾面积相似的，东北地区的旱灾情况年际波动较大，时间轴上，异常指数更直观的呈现出波动上升的趋势，特别是在20世纪90年代之后，由于生产力水平的提高，承灾体脆弱性加大了干旱灾害的严重程度，在2000年之后的10年里，特大旱灾就发生了4次之多。

图2 东北地区1971—2010年受灾（成灾）异常指数分布图

3.2 农业旱灾周期及突变点分析

对40年间东北地区的异常指数进行统计分析和小波变换。小波指数中心值所对应的横坐标值为年代，而对应的纵坐标值即为序列的变化周期。小波指数正值表示处于所对应的子波周期中的受灾较严重的时期，而负值则表示处于旱灾影响较小的时期。从东北三省的受灾指数小波分析图来看，受灾异常指数表现出12～14年长周期震荡，在此之中，又有4～6年的低频波动，并且每个尺度周期都有逐渐变短的趋势。在长时间尺度的震荡周期上分析，突变点出现在1974年，1982年，1998年和2007年。以此为界，可以划分出3个震荡比较明显的时期，分别是1974—1982年，1982—1998年，1998—2007年。其中第一时期和第三时期是受灾指数增长时期即受灾相对较严重的时期，中间的第二时期是受灾情况相对减弱时期。因此可推测在未来的10年内，东北地区的农业干旱灾害应处于相对减弱时期，但短周期的震荡显示，未来的2～3年处于旱灾减弱期，之后便又迎来一个时间尺度较短的旱灾加强期，因此，不可忽视东北地区的旱灾风险，应在旱灾增强周期来临之前做好预防和准备工作，确保旱灾的灾损值降到最低，有效保障粮食安全。

基于成灾异常指数的小波分析和受灾指数小波分析结果表现出良好的一致性，除此之外，在10～12年的时间尺度上，成灾异常指数的小波分析上也呈现出一个较明显的周期震荡。突变点分别为 1978，1984，1989，1992，1998，2005 年。以此为界，可划分为4个增强-减弱的周期。以此推算未来的8～10年，东北地区也应处于农业旱灾的减弱时期，与受灾异常指数的分析结果相吻合。但其间还包括两年左右的低频率的周期震荡，预计未来的4～5年后会出现一个长周期影响下的短期旱灾加强期。

3.3 空间分布规律

将三省作物异常指数做成时间序列的统计表，进行对比分析，三个省的总体形态均呈现波动上升的趋势。其中以黑龙江省的波动最大，且近年旱情尤为严重，近10年出现严重旱灾4次，且异常指数均偏离正常值的幅度大；吉林省和辽宁省近20年波动趋势相似，相对比较平稳。

将各地级市的年际作物异常指数进行评价分级，通过ARCGIS软件对旱灾发生次数进行统计分级得出农业干旱严重程度图。受旱灾影响较大的地区主要分布在西部，东北地区农业旱灾严重程度大体呈现从东到西逐渐加重的趋势。

［1］Junfei Chen,Yang Yang,A fuzzy ANP-based approach to evaluate region agricultural drought risk［J］,Procedia Engineering,2011（23）：822-827.

［2］Laiyuan Zhong,Liming Liu,Yabing Liu.bNatural Disaster Risk Assessment of Grain Production in Dongting Lake Area,China［J］,Agriculture and Agricultural Science Procedia,2010（1）：24-32.

［3］娄伟平，陈海燕，吴睿.基于灰色-模糊理论的农业旱灾风险分析［J］.自然灾害学报，2011，20（4）.

［4］王春乙，娄秀荣，王建林.中国农业气象灾害对作物产量的影响［J］.自然灾害学报，2007，16（5）：37-43.

［5］吴贤云,丁一汇,王琪等.近40年长江中游地区旱涝特点分析［J］.应用气象学报，2006，17（1）：19-28.

［6］张琪，张继权，佟志军，等.干旱对辽宁省玉米产量影响及风险区划［J］.灾害学，2010，25（2）：87-91.

［7］梁红梅，刘会平，宋建阳.广东农业旱灾的时间分布规律及重灾年份预测［J］.自然灾害学报，2006，15（4）：79-83.