基于灰色预测模型的山东省粮食灾损量评估及灾害关联度分析

栾健，周玉玺

（山东农业大学经济管理学院，山东 泰安 271018）

基于灰色预测模型的山东省粮食灾损量评估及灾害关联度分析

栾健，周玉玺*

（山东农业大学经济管理学院，山东 泰安 271018）

基于山东省1978-2012年粮食生产及自然灾害数据，利用灰色预测模型量化分析自然灾害对粮食生产的影响，估计粮食灾损量并测算不同粮食作物灾损量与不同自然灾害间的关联系数，得出结论如下：1）1979-2012年间，粮食总灾损量年平均146.50万t。平均波动周期5.67 a，总体来看波动幅度不断减小，具体来看各周期振幅呈现减小、增加、减小的变化规律。2）1979-2012年间，小麦灾损率平均波动周期6.60 a，灾损平均变化率-0.33%；玉米灾损率平均波动周期3.67 a，玉米灾损平均变化率-0.43%。3）各类自然灾害对小麦、玉米的影响程度均表现为：旱灾＞风雹灾害＞水灾。

灰色预测模型；灾损量；粮食生产；自然灾害；山东省

自然灾害对我国粮食产量的影响极大[1-3]，已经成为制约我国粮食生产的重要因素[4]。全球变暖背景下，极端天气更具突发性、反常性与难预测性，导致自然灾害发生频率和影响范围不断扩大，给我国未来粮食生产带来严峻的挑战[5-6]；与此同时，随着工业化和城镇化进程的不断推进，自然资源遭到过度掠夺，环境污染日益严重，加剧了自然灾害的作用强度与影响程度。如何在气候不断恶化、资源日益稀少、环境污染逐年加剧的硬约束下降低自然灾害对粮食生产的破坏程度，确保粮食稳定增产，是我国进入“新常态”后农业现代化发展亟待解决的关键问题。山东省地处黄河下游、华东沿海、京杭大运河中北段，是我国重要的粮食生产基地和运输基地。2014年山东省粮食总产量4 596.60万t，占全国粮食总产量的7.57%。实现山东省粮食总产量的稳步提升，对于保障国家粮食安全、维持粮食供需平衡具有重大意义。与此同时，山东省又是一个自然灾害频发的省份，旱灾、洪涝灾害、风雹灾害、冰冻灾害屡有发生，给粮食生产带来了极大损失。2012年山东省受灾面积1.82×106hm2，占全国受灾面积的7.30%。因此，评估山东省粮食灾损量，测算不同粮食作物灾损量与不同自然灾害间的关联度，分析自然灾害对山东省粮食生产的影响，对于提高山东省防灾减灾能力、实现粮食稳产增产、保障粮食安全具有重要意义。

我国关于自然灾害对粮食生产影响的研究起步于20世纪80年代。具体来看，主要从以下视角分析自然灾害对粮食生产的影响：1）粮食产量时序变化趋势。粮食产量时序变化趋势包括长期趋势与短期趋势，长期趋势主要体现在粮食生产技术的长期提升，短期趋势主要由自然灾害的负面作用与前期政策因素的滞后效应共同决定。杨重玉[3]、龙方等[7]采用Logistic函数对粮食单产进行拟合并剥离出自然灾害对粮食生产的影响，廓清了自然灾害对粮食生产的时序影响。2）自然灾害时空分布规律。不同学者从时空维度揭示自然灾害的作用范围、发生频率[8-9]，探讨了自然灾害对粮食生产影响的阶段性特征与区域性差异[4]。3）粮食灾损量。根据受灾程度的不同可将粮食灾损面积分为受灾面积（减产10%-30%）、成灾面积（减产30%以上）、绝收面积（减产80%以上），依据各种面积的减产程度可有效度量粮食灾损量的平均值，评估自然灾害对粮食生产的影响程度[10-13]。4）粮食产量波动规律。自然灾害的突发性决定其对粮食生产的影响以短期波动为主。张越杰和王军[14]、龙方等[15]运用波动理论，厘清了自然灾害造成的粮食产量与长期趋势的偏离程度。王树涛等[16]采用EMD分析法（经验模态分解法）和剩余法测算各影响因素的波动量，并运用改进的灰色关联分析法将两两比较判断矩阵有机融合，得出自然因素对粮食生产波动的影响。此外，不少学者[1,10-11]将自然灾害影响面积作为粮食生产的微观影响要素，通过选取多种微观要素建立多元回归模型或C-D生产函数模型，测量成灾面积对粮食产量的影响程度。

综观国内研究，自然灾害对粮食生产的影响已由以往的定性研究转变为更多的定量研究，并且可以归纳出以下几点：农业自然灾害以农业气象灾害为主，发生频率高、作用范围广，严重制约着粮食的稳定增产和粮食综合生产能力的提升。然而，自然灾害造成的粮食灾损量的评估由于在实际中具有难以准确统计和测算的特点，目前多数学者采用了减产分成法，即将受灾面积、成灾面积、绝收面积按固定比例估计灾损量[8-9,15-16]。由于各灾害影响面积灾损量的比率在实际中不会完全一致，因此采用固定比例估计灾损量的减产分成法是对粮食灾损量的平均估计，准确度不高。且随着时间的推移，自然灾害对粮食生产的影响尚处于不断变化中。本文以山东省为研究对象，利用灰色预测模型，全面考虑各种因素对粮食生产的影响并将自然灾害之外的其他因素逐步分离，从粮食生产波动的角度量化分析自然灾害的影响，计算灾损率，测算不同粮食作物灾损量与不同自然灾害的关联度，为山东省自然灾害的防治提供依据与建议。

1 研究方法和数据来源

1.1 研究方法

采用灰色预测模型，逐步剔除其他因素的影响，得出自然灾害造成的粮食灾损量，并利用灰色关联分析法确定不同灾害造成的灾损程度，与已有研究相比有以下不同之处：与使用减产分成法估计粮食灾损量[10-13]相比，弥补了同一受灾面积或成灾面积灾损状况无法完全一致的问题，灾损量估计的准确度有所提高；与多元回归分析法[1,10-11]相比，更能体现出自然灾害对粮食生产造成的时序变化与阶段性差异。

1.1.1 粮食灾损量评估模型 粮食总产量受粮食单产与粮食播种面积的影响，自然灾害对粮食生产的危害主要是通过影响粮食单产的波动来实现的。目前，随着城市化进程不断加快，建筑用地不断增加，农业生产受到第二、三产业的严重挤压。在粮食单产受到自然灾害的影响而波动的同时，种粮比较收益的减少导致粮食播种面积的减少，也是致使粮食减损量变化的重要原因，这一部分粮食损失并不能纳入粮食灾损量评估中。本文在估计粮食灾损量时，首先逐步分离出自然灾害对粮食单产的波动影响，再运用粮食总产量公式将播种面积变化的负面影响剔除，从而得到自然灾害造成的粮食灾损量，计算灾损率。

1）粮食单产波动分解模型。粮食单产受诸多因素的共同影响，但总的来说可以归纳为三类：技术因素、社会因素、自然因素。技术因素主要包括粮食作物种植方式、排灌能力、作物育种等，主要表现为随时间的推移而逐步递增的趋势，因此，技术趋势产量项可以看作时间趋势项的主要构成部分。社会因素主要代表着农业政策、农业补贴等因素对粮食生产的影响，这些因素的变化会引起粮食生产短期波动。自然因素是影响粮食单产短期波动的首要因素，雨热条件充足、适合粮食作物生长的自然条件会促进粮食增收，而自然灾害则会造成粮食减产。因此，粮食单产可以分解为时间趋势项和短期波动项两部分：

式中：yt是粮食实际单产，ŷt是粮食单产的长期趋势项，主要代表粮食生产技术因素的主要影响；yf是粮食单产的短期波动项，表示社会因素和自然因素的影响之和。因此，

式中：yi表示社会因素影响，yd表示自然因素影响，结合（1）、（2）式，粮食单产表示为：

由于社会因素对粮食生产的影响多数年份中均为正向作用（国家对粮食种植支持力度不断加大），因此，将式中的ŷt+yi定义为粮食单产增产能力，记为yp，所以，

粮食单产的时间趋势项可以用灰色预测模型对粮食实际单产进行模拟，具体计算方法如下：原始数列和累加生成数列分别为：

对累加生成序列建立GM(1，1)预测模型为：

计算出模型参数a，u之后，即可通过下面的公式进行预测：

2）粮食总产量中自然灾害灾损量的评估模型。粮食总产量是粮食单产与粮食播种面积的乘积。设Ys为因播种面积的增减而导致的粮食总产量变化，Ŷp为粮食总产量增产能力，St, St-1分别为本期和前一期的实际播种面积，则：

因此，粮食总产量可以表示为：

式中：Yt表示粮食当期实际总产量，Yt-1表示粮食前一期实际总产量，Ys表示因播种面积的增减造成的粮食总产量的变化，Ŷp表示在前一期基础上的粮食增产能力，Yd表示自然灾害造成的粮食灾损量。因此，粮食灾损量和灾损率可以分别表示为：

1.1.2 粮食灾损量与自然灾害关联度分析模型 在通过灰色预测模型剥离出自然灾害造成的粮食灾损量基础上，为揭示不同自然灾害对多种粮食作物的影响程度，通过运用灰色关联分析法，测算旱灾、水灾、风雹灾害与小麦、玉米灾损量的关联程度。主要步骤为：

1）确定母序列与子序列。设灾损量为母序列x0(t)，各灾害成灾面积、受灾面积为子序列xi(t)。

2）使用初值法对灾损量和各灾害成灾面积、受灾面积进行无量纲化处理。

3）计算母序列与各子序列在t年份的绝对差值：

4）两极最大差和最小差可以分别表示为：

5）计算关联系数：

6）计算关联度：

1.2 数据来源

本文数据均来自于《中国统计年鉴》 （1979-2015）、《中国农业年鉴》（1979-2015）和中华人民共和国国家统计局网站（www.stats.gov.cn）。选取指标包括山东省粮食单产、粮食总产量、小麦单产、小麦总产量、玉米单产、玉米总产量、各类受灾面积、成灾面积（2013、2014年份各类成灾面积数据缺失）、有效灌溉面积。本文中的粮食产量是指农业生产经营者日历年度内生产的全部粮食数量，按作物品种包括谷物、薯类和豆类，主要粮食作物为小麦、玉米。本文分别针对粮食总体和小麦、玉米各自灾损特征和灾害关联度进行测算与分析。由于2013、2014年山东省成灾面积数据大量缺失，为保证计算结果的准确性与有效性，选取1978-2012年数据进行测算。

2 结果与分析

2.1 山东省粮食生产时序演变趋势

自1978年以来，山东省粮食总产量总体表现为阶段性上升趋势（图1），年均增长率2.23%，但同时受自然灾害、市场和短期政策因素的影响，又表现出一定的波动性。具体来看，1978-1986年，农村改革和家庭联产承包责任制的推行极大地激发了广大农户的种粮积极性，粮食总产量从2 250万t提升至3 250万t；1986-1996年，粮食总产量仍然大幅提升1 082.7万t，但该阶段波动性较大，主要原因在于粮食政策的变化以及1992年以来推行的市场经济体制对粮食价格的波动影响；1996-2002年，粮食总产量出现大幅震荡，分别在1996-1997年（下降480.48万t）和1999-2002年（下降976.31万t）出现两次大幅下跌，市场经济对粮食生产的负面影响开始浮现：粮食作物比较收益低，导致大量农户调整农作物种植结构，减少粮食作物种植，另一方面，农资物品与粮食作物间不断扩大的价格差也制约了农户种粮积极性；2002-2014年以来，山东省粮食产量连续提升，从3 292.69万t提升至4 596.6万t，实现了粮食总产量“十二连增”。

图1 山东省粮食总产量时序演变趋势（1978-2014年）Fig. 1 Trends of temporal evolution of total grain output in Shandong from 1978 to 2014

从粮食种植种类来看，山东省粮食种植分为夏秋两季，夏季以种植小麦为主（约占99%），秋季则以玉米为主（约占75%），以大豆、薯类作物及水稻为辅。随着粮食作物种植结构的不断调整，山东省小麦、玉米占比不断提升，从1978年的62.91%提升至2014年的92.51%，平均占比83.39%。目前，山东省已形成以小麦、玉米种植为主，薯类、高粱、大豆、谷子等作物为辅的种植格局。山东省小麦生产波动状况与粮食总产量波动状况大致相似，除在1997年左右的部分年份下降之外，绝大多数年份均保持递增趋势，且单产均位于全国前列。相对于小麦来说，玉米生产由于其用途的扩展和消费结构的变化而日益得到重视。除较少年份外，玉米单产一直大幅领先于小麦。随着山东省玉米管理技术的提升与种植面积的稳定，玉米总产量正逐年接近小麦总产量。

2.2 山东省自然灾害种类及时序变化趋势

山东省自然灾害种类主要包括旱灾、洪涝灾害、冰冻灾害、风雹及其他灾害等。随着气候变化和人口增加对自然资源的过度掠夺，山东省自然灾害呈现出显著特点，表现为：1）作用范围广。1978-2012年间，山东省累积受灾面积111.71×106hm2，累积成灾面积52.96×106hm2，17地市的粮食生产均遭受不同程度的灾害影响。2）自然灾害种类多，各灾害发生频率逐年加剧，且具有季节性、交替性特点。旱灾、水灾、风雹灾害为山东省主要自然灾害。在成灾面积中，三者分别占比57.33%、23.97%、12.43%，总和占比93.73%。首先，旱灾是影响最大、影响区域最广、波动最剧烈、发生最频繁的灾害。旱灾受灾率年平均41.11%，旱灾成灾率年平均19.48%。旱灾成灾面积与总成灾面积的变化趋势极为相似（图2），发生严重自然灾害的年份均是旱灾成灾面积较高的年份。如1981年山东省成灾面积2.24×106hm2，仅旱灾成灾面积就达到2.15×106hm2，占成灾面积的96.01%，为史上最高。其次，山东省水灾、风雹灾害相对于旱灾来说影响较小。3）受灾面积和受灾强度加大。受灾成灾率年平均45.73%，即自然灾害在农作物种植区发生时，有近乎一半的地区农作物实际收获量将减少3成以上。此外，自然灾害还表现出大灾次数增加、小灾次数减小的趋势，其频发性和不稳定性造成了粮食产量的极大波动，山东省防灾、减灾能力仍需进一步提高。

2.3 粮食灾损评估结果及分析

2.3.1 粮食灾损评估结果 根据1978-2012年山东省粮食单产、小麦单产、玉米单产数据，通过灰色预测模型分别对粮食、小麦、玉米单产长期趋势项进行预测，结果如图3所示，拟合方程为：

图2 山东省自然灾害变化趋势（1978-2012年）Fig. 2 Temporal trends of natural disasters in Shandong from 1978 to 2012

三个预测公式中p值均大于0.8，c值均小于0.5，表明模型精度等级较好，均符合预测检验标准。在计算出时间趋势项之后，粮食波动项即可通过粮食实际单产与时间趋势项的差值得出。本文通过计算单产变化量的9 a滑动平均值作为社会因素的影响，计算出山东省各年粮食单产的增产能力，再通过式（8）至（12），测算出自然因素导致的粮食灾损率。

图3 山东省粮食、小麦、玉米灾损率评估（1979-2012年）Fig. 3 Evaluation of the rate of grain loss caused by natural disasters in Shandong from 1978 to 2012

山东省粮食总灾损率、小麦灾损率、玉米灾损率各年评估值见图3。1979-2012年间，粮食总灾损量累计达到4 981.01万t，占粮食总产量的4.07%，年平均灾损量146.50万t；小麦灾损量累计达到2 513.56万t，占小麦总产量的4.37%；玉米灾损量累计值1 813.17万t，占玉米总产量的3.93%。其中绝大多数年份灾损率均为正值，反映自然灾害对粮食生产造成的负面影响程度。较少数年份灾损率评估出现负值，这说明该年自然因素的正面作用大于其负面影响，即自然灾害对粮食产量基本无影响，因此灾损率出现负值。如1991、1994、1995、1998、1999年，山东省成灾面积较小，相对来说属于较少的风调雨顺的年份，因此自然因素总体表现为正向作用。从变化趋势上看，总灾损率变化趋势与成灾面积演变趋势较为相似：在1981、1989、1997、2002年山东省成灾面积到达波峰，即发生严重自然灾害时，粮食总灾损率也达到各周期的最大值，二者在多数年份中均呈现同方向变化，体现了自然因素对粮食灾损量的极大影响，这也说明采用灰色预测模型对粮食灾损量的评估结果有效。

2.3.2 粮食灾损量波动特征与变化趋势分析 从总灾损率变化的波动特征看，平均周期约为5.67 a。其中，各周期内波峰与波谷之间的距离分别为26.49%，18.50%，7.12%，11.04%，15.33%，7.67%，呈现出减小、减小、增加、增加、减小的趋势。具体来看：1978-1984年间，粮食灾损率均较高，并在1981年达到最大值26.39%。1984-1991年和1991-1995年间，两阶段内自然灾害的负面影响较前一时段出现了不同程度的下降。1995至1998、1998至2004年间，粮食灾损量再次上浮波动，尤其在2002年山东省发生严重旱灾时，灾损率达到14.26%。当严重自然灾害发生时，粮食灾损量急剧提升，粮食总产量仍然大幅波动。自2004年之后，灾损率的变化趋势与受灾面积的走势发生偏离，即在受灾面积随年份变化而不断波动的同时，粮食灾损率稳定性增加，波动幅度再次下降。小麦灾损率和玉米灾损率的变化周期及趋势与粮食总灾损率大致相似，二者的灾损率曲线围绕总灾损率曲线上下波动，小麦灾损率平均波动周期6.60 a，玉米灾损率平均波动周期3.67 a。小麦灾损平均变化率-0.33%，玉米灾损平均变化率-0.43%，二者均为负值，表明灾损率总体呈现下降趋势。

2.4 粮食灾损量与自然灾害关联度结果与分析

2.4.1 粮食灾损量与自然灾害关联度结果 基于不同粮食作物灾损量评估数据，建立粮食灾损量与自然灾害关联分析模型，测算结果见表1。表1中各指标的关联度均接近或大于0.7，属于中强度关联。从自然灾害种类看，关联度排序为：旱灾成灾面积＞旱灾受灾面积＞风雹灾害受灾面积＞风雹灾害成灾面积＞水灾受灾面积＞水灾成灾面积。旱灾受灾面积、成灾面积与灾损量的关联度最大，分别为0.839 5、0.852 6，表明旱灾是影响山东省粮食生产的首要灾害，其次为风雹灾害、水灾。从粮食作物种植结构看，玉米的灾损关联度平均值0.788 5，大于小麦的0.758 4，自然灾害对玉米的影响程度略高于小麦。

表1 小麦、玉米灾损量与灾害受灾、成灾面积关联度Table 1 Correlation degrees between the rates and areas affected by natural disasters

小麦灾损量与各种灾害面积的关联顺序表现为：旱灾成灾面积＞旱灾受灾面积＞风雹灾害受灾面积＞风雹灾害成灾面积＞水灾受灾面积＞水灾成灾面积，玉米灾损量与各种灾害面积的关联顺序为：旱灾成灾面积＞旱灾受灾面积＞风雹灾害成灾面积＞风雹灾害受灾面积＞水灾受灾面积＞水灾成灾面积。二者受自然灾害的影响程度大致相似，均表现为旱灾＞风雹灾害＞水灾。玉米的各灾害关联度均略高于小麦，表明各种自然灾害对玉米生产影响更大。

2.4.2 粮食灾损量与自然灾害关联特征分析 从自然灾害种类看，不同自然灾害对粮食生产的影响程度为：旱灾＞风雹灾害＞水灾。旱灾是山东省发生最为频繁、影响范围最广的自然灾害。山东省多发生春旱、春夏连旱、夹秋旱，具有季节性、随机性、连发性和连片性特点。

降水的减少引发气象干旱，地表水分的持续蒸发和水资源存储量的减少导致土壤水分无法满足粮食作物生长的水分需求，致使粮食作物无法进行正常生理活动，造成粮食减产或绝收。与此同时，旱灾对粮食生产的负面影响具有滞后效应：当年的干旱造成该年粮食减产的同时，也会造成水资源储备量的降低，从而减少来年粮食生产的水资源供给，引发来年的粮食生产问题，即一年发生旱灾可能造成后续几年的粮食持续减产，因此其对粮食生产的影响程度最大。水灾、风雹灾害对粮食生产的影响程度相对较低，但二者具有明显的突发性和难预防性特征，变化幅度较大，这无疑加大了防灾减灾难度。

从粮食作物种植结构看，不同粮食作物受自然灾害影响差异较大。小麦与玉米灾损率年平均值较为接近，但灾损率平均波动周期相差较大：玉米灾损率平均波动周期为3.67 a，表明受自然灾害影响更加频繁。另一方面，由于二者自身种植特征不同，同种自然灾害对不同粮食作物的影响时段也有较大差异：旱灾对小麦与玉米总产量均有较大影响，但春旱、夹秋旱对小麦总产量影响较大。山东省以冬小麦种植为主，约在每年的10月开始种植。当夹秋旱发生时，空气干燥、蒸发旺盛会造成土壤水分流失过快，严重降低了小麦的出苗率与整齐度。当春旱发生时，也会大大降低小麦单产。而7-8月的旱灾则主要对玉米造成“卡脖旱”，导致玉米灌浆严重受阻，促使产量下降。

对于风雹灾害来说，由于4-6月是冬小麦生长的关键时期，因此这一时期的风暴灾害对小麦生产有着重大影响。而夏秋两季的风雹灾害则易造成玉米倒伏，造成玉米减产。此外，山东省水灾多发于夏季，且发生频率与影响范围较低，其对小麦、玉米的影响程度低于旱灾和风雹灾害。因此，为全面提升粮食总产量对自然灾害的抵御能力，更应根据粮食作物种植特征和自然灾害频发时段进行有针对性的防灾、减灾。

3 结论

基于灰色预测模型，对山东省粮食灾损量进行测算，并通过灰色关联分析法测算不同粮食作物灾损量与各种自然灾害间的关联度，得出结论如下：

1）1979-2012年间，粮食总灾损量累计达到4 981.01万t，占粮食总产量的4.07%，年平均灾损量146.50万t。平均波动周期5.67 a，总体来看波动幅度不断减小，具体来看各周期振幅呈现减小、增加、减小的变化规律。

2）1979-2012年间，小麦灾损量累计达到2 513.56万t，占小麦总产量的4.37%，灾损率平均波动周期6.60 a，灾损平均变化率-0.33%；玉米灾损量累计值1 813.17万t，占玉米总产量的3.93%。灾损率平均波动周期3.67 a，玉米灾损平均变化率-0.43%。

3）各类自然灾害对小麦、玉米的影响程度均表现为：旱灾＞风雹灾害＞水灾。旱灾与粮食灾损量关联度0.852 6，是影响山东省粮食总产量的首要自然灾害。

4 对策建议

针对目前山东省粮食灾损状况，本文提出建议如下：

1）完善农田水利基础设施建设。对于粮食生产来说，保证农业用水的有效供给是维持粮食稳定增产、提高自然灾害抵御能力的关键。因此，山东省必须加大水利基础设施投入，提高有效灌溉率，并根据各类自然灾害和水资源的空间分布特征，加强自然灾害频发地区的农田水利基础设施的建设与完善，合理调配水资源，提升自然灾害综合防控能力。

2）大力推广节水灌溉技术，提高水资源利用率。山东省粮食生产受旱灾影响最为严重，在水资源禀赋相对不足的条件下，有效提升粮食生产用水效率是实现粮食稳产增产的重要途径。根据各地市气候特点和粮食种植特征，引导农民使用节水灌溉技术，推广节水灌溉，降低粮食灾损量。

3）建立自然灾害风险预警机制，提高对洪涝灾害和风雹灾害的监测能力，最大限度地缩减突发性自然灾害对粮食生产的负面影响。加强自然灾害预测体系建设，实现水文、气象、环境监测站的协同检测，并积极推进新型检测系统的研制与开发。与此同时，更要完善自然灾害预报体系，及时、精准地发布自然灾害预警信息，减少灾害损失。

[1] 李茂松, 李章成, 王道龙, 等. 50年来我国自然灾害变化对粮食产量的影响[J]. 自然灾害学报, 2005, 14(2): 55-60.

Li M S, Li Z C, Wang D L, et al. Impact of natural disasters change on grain yield in China in the past 50 years[J]. Journal of Natural Disasters, 2005, 14(2): 55-60.

[2] 冯颖, 姚顺波, 郭亚军. 基于面板数据的有效灌溉对中国粮食单产的影响[J]. 资源科学, 2012, 34(9): 1734-1740.

Feng Y, Yao S B, Guo Y J. Unit area crop yield response to effective irrigation in China based on a panel data model[J]. Resources Science, 2012, 34(9): 1734-1740.

[3] 杨重玉. 自然灾害与湖南粮食产量的灰色关联度分析[J]. 湖南农业大学学报(社会科学版), 2013, 14(2): 6-9.

Yang Z Y. Gray correlation of natural disasters and the grain output in Hunan[J]. Journal of Hunan Agricultural University (Social Sciences), 2013, 14(2): 6-9.

[4] 马九杰, 崔卫杰, 朱信凯. 农业自然灾害风险对粮食综合生产能力的影响分析[J]. 农业经济问题, 2005(4): 14-17, 79.

Ma J J, Cui W J, Zhu X K. Impacts of natural disasters on comprehensive capacity of grain production in China: An analysis[J]. Issues in Agricultural Economy, 2005(4): 14-17, 79.

[5] 赵建军, 蒋远胜. 气候变化对我国农业受灾面积的影响分析——基于1951-2009年的数据分析[J]. 农业技术经济, 2011(3): 112-118.

Zhao J J, Jiang Y S. Impacts of climate change on agricultural disaster stricken area: Analysis based on data in 1951-2009[J]. Journal of Agrotechnical Economics, 2011(3): 112-118.

[6] 覃志豪, 唐华俊, 李文娟. 气候变化对我国粮食生产系统影响的研究前沿[J]. 中国农业资源与区划, 2015, 36(1): 1-8.

Qin Z H, Tang H J, Li W J. Front issues in studying the impacts of climate change on grain farming system in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2015, 36(1): 1-8.

[7] 龙方, 杨重玉, 彭澧丽. 自然灾害对中国粮食产量影响的实证分析——以稻谷为例[J]. 中国农村经济, 2011(5): 33-44.

Long F, Yang Z Y, Peng L L. An empirical study on the impacts of natural disasters on China’s grain output: Taking paddy rice as an example[J]. Chinese Rural Economy, 2011(5): 33-44.

[8] 李茂松, 李森, 李育慧. 中国近50年旱灾灾情分析[J]. 中国农业气象, 2003, 24(1): 8-11.

Li M S, Li S, Li Y H. Studies on drought in the past 50 Years in China[J]. Chinese Journal of Agrometeorology, 2003, 24(1): 8-11.

[9] 江丽, 安萍莉. 我国自然灾害时空分布及其粮食风险评估[J].灾害学, 2011, 26(1): 48-53, 59.

Jiang L, An P L. Temporal and spatial distribution and grain risk assessment of natural disasters in China[J]. Journal of Catastrophology, 2011, 26(1): 48-53, 59.

[10] 罗小锋. 自然灾害对湖北粮食产量的影响分析[J]. 灾害学, 2007, 22(2): 109-113.

Luo X F. Analysis of effects of natural calamity on grain yield[J]. Journal of Catastrophology, 2007, 22(2): 109-113.

[11] 段小红. 旱灾对甘肃省粮食生产的影响分析[J]. 干旱区资源与环境, 2011, 25(7): 35-38.

Duan X H. The impact of drought to grain production in Gansu Province[J]. Journal of Arid Land Resources and Environment, 2011, 25(7): 35-38.

[12] 张星, 张春桂, 吴菊薪, 等. 福建农业气象灾害的产量灾损风险评估[J]. 自然灾害学报, 2009, 18(1): 90-94.

Zhang X, Zhang C G, Wu J X, et al. Risk assessment of yield losses from agro-meteorological disasters in Fujian Province[J]. Journal of Natural Disasters, 2009, 18(1): 90-94.

[13] 高茂盛, 范建忠, 吴清丽. 旱涝灾害对陕西省粮食生产的影响研究[J]. 中国农业大学学报, 2012, 17(3): 149-153.

Gao M S, Fan J Z, Wu Q L. Influence of drought and flood disasters on grain production in Shaanxi Province[J]. Journal of China Agricultural University, 2012, 17(3): 149-153.

[14] 张越杰, 王军. 吉林省粮食产量波动分析[J]. 农业技术经济, 2007(3): 74-79.

Zhang Y J, Wang J. On the grain output fluctuation in Jilin Province[J]. Journal of Agrotechnical Economics, 2007(3): 74-79.

[15] 龙方, 杨重玉, 彭澧丽. 粮食生产波动影响因素的实证分析——以湖南省为例[J]. 农业技术经济, 2010(9): 97-104.

Long F, Yang Z Y, Peng L L. Empirical analysis on the impact factors of fluctuation in grain production: Case of Hunan[J]. Journal of Agrotechnical Economics, 2010(9): 97-104.

[16] 王树涛, 李新旺, 门明新, 等. 基于改进灰色关联度法的河北省粮食波动影响因素研究[J]. 中国农业科学, 2011, 44(1): 176-184.

Wang S T, Li X W, Men M X, et al. Study on the influencing factors of grain production in Hebei Province based on gray correlation degree method[J]. Scientia Agricultura Sinica, 2011, 44(1): 176-184.

（责任编辑：王育花）

An estimation of grain loss caused by natural disasters in Shandong Province based on grey prediction model and its correlation with disasters

LUAN Jian, ZHOU Yu-xi
（College of Economics and Management, Shandong Agricultural University, Tai’an, Shandong 271018, China）

Based on the data of grain production and natural disasters from 1978 to 2012 in Shandong Province, and applying the grey prediction model, this paper conducted a quantitative analysis of the effect of the natural disasters on grain production and the grain loss and calculate the correlation coefficients between different kinds of grain loss caused by natural disasters and different kinds of natural disasters. Results show that: 1) The annual average of grain loss caused by natural disasters is 1.465 0 million tons from 1979 to 2012. The average period of its fluctuation is 5.67 years. And the fluctuation range is decreasing with a trend of decreasing, increasing and decreasing pattern. 2) The average period of the fluctuation of wheat loss is 6.6 years from 1979 to 2012 with a changing rate of -0.33% on average. And the period of the fluctuation of corn loss is 3.67 years on average with a changing rate of -0.43%. And 3) the levels of all kinds of the natural disasters’ effects on wheat and corn are in the following decreasing order: drought, strong wind and hail, and flood.

grey prediction model; grain loss caused by natural disasters; grain production; natural disasters; Shandong Province

ZHOU Yu-xi, E-Mail: sofia612@sdau.edu.cn.

F326.11

A

1000-0275（2016）06-1068-08

10.13872/j.1000-0275.2017.0127

栾健, 周玉玺. 基于灰色预测模型的山东省粮食灾损量评估及灾害关联度分析[J]. 农业现代化研究, 2016, 37(6): 1068-1075.

Luan J, Zhou Y X. An estimation of grain loss caused by natural disasters in Shandong Province based on grey prediction model and its correlation with disasters[J]. Research of Agricultural Modernization, 2016, 37(6): 1068-1075.

国家社科基金项目（16BJY053）；教育部人文社科基金项目（11YJA630217）；山东农业大学现代农业发展研究院项目(14xsk2-02)。

栾健（1991-），男，山东烟台人，硕士研究生，研究方向为资源与环境经济，E-mail：luanjian110550@126.com；通讯作者：

周玉玺（1970-），男，山东潍坊人，教授、博士生导师，研究方向为资源与环境经济，E-mail：sofia612@sdau.edu.cn。

2016-05-18，接受日期：2016-09-27

Foundation item: National Social Science Foundation of China (16BJY053); Humanities and Social Science Foundation of the Ministry of Education (11YJA630217); Project of Modern Agricultural Development Research Institute of SDAU (14xsk2-02).

Received 18 May, 2016;Accepted 27 September, 2016