摘 要：
基于安徽省及周边139个气象站点1960—2016年气象数据和2002—2017年的统计年鉴数据，通过机器学习算法随机森林、聚类分析方法构建安徽省农业旱灾风险评估模型，从致灾因子的危险性和孕灾环境与承灾体的脆弱性角度，动态评估安徽省农业旱灾风险时空演变规律并揭示其主要影响因素。研究结果表明：(1)旱灾危险性在不同年代的空间分布变化较大。在2000 s期间，安徽省南部北部出现干湿反转，南部危险性超过北部。在农作物关键生长期(3—8月份),4月和7—8月的危险性高值区域超过全省1/2面积。2001—2016年安徽省旱灾危险性由南向北递减，北部区域危险性变化(2.86)大于南部区域(0.55),南部区域危险性存在减小趋势，北部存在增大趋势。(2)脆弱性指标中复种指数、人均水资源量、农村居民纯收入、人均GDP、人均粮食产量、森林覆盖率这6个指标权重最高，占整个指标权重一半以上(57.6%)。加权评分得到2001—2016年安徽省农业旱灾脆弱性，其均值由南向北递增，各个区域脆弱性存在下降趋势，南部区域下降趋势更大，而北部区域下降趋势不显著。(3)2001—2016年安徽省农业旱灾综合风险均值达到中等级(0.208～0.339),旱灾综合风险均值由西南向东北呈现“高(0.367)-低(0.084)-高(0.281)”分布，变异系数大(0.64～2.86)。安徽省南部区域农业旱灾综合风险存在减小趋势，而北部区域作为重要粮食主产区，其农业旱灾综合风险存在上升趋势。(4)各市受灾面积与绝收面积在时间上具有同步性，且旱灾受灾率与脆弱性均值空间分布一致，旱灾绝收率与危险性均值空间分布一致。安徽省农业旱灾综合风险和旱灾受灾率、绝收率通过了99%的显著性检验，表明构建的安徽省旱灾综合风险评估体系具有合理性。
关键词：
SPEI;随机森林;旱灾;危险性;脆弱性;动态风险评估;干旱;气候变化;
作者简介：
孙鹏(1986—),男，教授，博士研究生导师，博士，主要从事气象水文学、遥感水文学和灾害风险评估研究。
基金：
安徽省自然科学基金优青项目(2108085Y13);
安徽省重点研究与开发计划项目(2022m07020011);
国家自然科学基金项目(41601023);
安徽高校协同创新项目(GXXT 2021048);
高校优秀青年人才支持计划重点项目(gxyqZD2021094);
引用：
孙鹏，刘果镍，梁媛媛． 基于机器学习算法的安徽省农业旱灾风险动态评估［J］. 水利水电技术( 中英文) ，2022，53( 5) : 22- 35.
SUN Peng，LIU Guonie，LIANG Yuanyuan，et al． Machine learning algorithm-based dynamic assessment of agricultural drought dangerousness in Anhui Province［J］. Water Ｒesources and Hydropower Engineering，2022，53( 5) : 22-35.
干旱是世界上最普遍存在的一种自然灾害，具有发生频率高、持续时间长、影响范围广的特点，其一旦发生，极易造成巨大的社会经济损失。近年来，以全球变暖为主要特征的全球气候变化影响着人类的生存和发展。随着气候变暖，区域的干旱风险将会增大，中国的农业区域虽然气候较湿润，但其季风气候稳定性较差，这增大了中国农业区域旱灾风险。对农业区域进行农业旱灾风险研究，有利于区域抗旱规划和提高抵御旱灾的能力,保障国家农业生产和粮食安全。
近年来，许多学者对旱灾风险进行了研究。杨晓静等、张存厚等从危险性、敏感性、易损性和减灾能力4个方面选取影响干旱的指标，使用加权综合评价法构建旱灾综合风险评估模型，评估东北三省和内蒙古草原旱灾综合风险；李孟刚等构建了熵信息扩散理论模型，从省份尺度对中国旱灾综合风险进行了评估。陈建杰等、郗蒙浩等基于灾害率、模糊数学方法等研究了在不同风险水平下农业旱灾风险等级划分。CARRAO等从干旱风险性、暴露性、脆弱性三个方面，对2000—2014年全球干旱风险进行了评估，绘制了全球干旱风险图。VEIT等预测欧洲不同部门和宏观区域每年干旱影响发生的能力。DIFFENBAUGH等使用温度、降水量和干旱数据的历史时间序列对美国加州旱灾风险进行研究，发现降水不足与温暖条件同时发生的可能性和降水不足引起干旱的可能性都有所增加，人类活动引发干旱的可能性增大。近年来国内外学者对旱灾风险的研究不断深入，研究指标不断完善，随着机器学习算法引入到风险评估中，极大的完善了风险评估中最重要的关键技术指标赋权。以简单高效著称的随机森林算法是机器集成学习算法的代表之一，在许多应用领域取得了巨大的成功,近年来被学者应用于指标权重计算，并且取得了良好效果。吴孝情等使用随机森林构建了滑坡危险性评价模型，得到了滑坡影响因子指标权重，并对东江流域进行滑坡危险性评估，结果显示基于随机森林算法提出的客观赋权方法应用效果较好。赖成光等基于随机森林算法构建了洪灾风险评价模型，使用随机森林模型指标重要性评估功能分析了各评价指标的权重。王鹏新等通过随机森林分析玉米主要生育时期条件植被温度指数和叶面积指数的权重，构建其与玉米单产的单变量和双变量估产模型。然后，对于干旱风险评估，当前指标赋权主要是采用层次分析法、熵值法等传统方法，应用近些年兴起机器学习算法如随机森林、人工神经网络等方法研究权重赋权的成果较少，而且对干旱的评估均是静态，不能动态反应干旱风险的历年变化，评估结果主要以年尺度的为主，对作物关键期的干旱风险研究较少。
安徽省是我国13个粮食主产区省份之一，也是我国重要的商品粮基地，耕地面积和粮食总产量分别居全国第9位和第7位。目前，安徽省是仅有能稳定调出商品粮的6个省(区)之一，为国家粮食安全提供了强有力的保障。与此同时，安徽省地处我国南北气候过渡带，气候条件复杂，易发生水旱灾害。2004—2016年间，安徽省累积旱灾受灾面积1.07×105 km2,年均8.25×103 km2,占年播种面积的9.27%;累积旱灾绝收面积达7.68×103 km2,年均5.91×102 km2,占年播种面积的0.66%。干旱灾害对安徽省社会经济发展和生态环境产生显著影响，成为制约区域社会经济发展和生态文明建设的重要因素。
基于安徽省及周边139个气象站点1960—2016年气象数据和2002—2017年的统计年鉴数据，通过机器学习算法随机森林、聚类分析方法构建安徽省农业旱灾风险评估模型，从致灾因子的危险性和孕灾环境与承灾体的脆弱性角度，动态评估安徽省农业旱灾风险时空演变规律并揭示其主要影响因素，为安徽省农业生产与旱灾防范提供科学依据。
1.1 研究区概况
安徽省地处华东腹地，位于东经114°54′—119°37′、北纬29°41′—34°38′之间。地处亚热带、暖温带过渡带，南部为亚热带季风气候，北部为温带季风气候，夏季高温多雨，雨热同期，降水较多，但分布不均，季节、空间变化大，易造成干旱与洪涝灾害。安徽省水资源较丰富，有长江、淮河过境，沿江平原地区河网发达，但区域大型水库较少，蓄水能力不足，旱季水资源短缺。安徽省东部和北部以平原为主，适宜发展种植业，南部和西部为低山丘陵，适宜发展立体农业。
1.2 数据来源
研究所使用的数据主要包括：(1)气象站点数据，1960—2016年安徽省及周围(50 km)区域139个气象站点逐日降水、日平均气温、日最高气温、日最低气温、逐日日照时数、逐日相对湿度、逐日风速等资料，数据来源于中国气象局，站点分布如图1所示。(2)统计年鉴数据，2002—2017年安徽省统计年鉴数据。包括农村居民纯收入、单位粮食产量、人口密度、有效灌溉面积、农作物播种面积、单位化肥施用量等。
图1 安徽省及周围区域气象站点分布
1.3 研究方法
1.3.1 农业旱灾危险性研究方法
干旱指数是用来探测干旱发生的风险和严重程度。旱灾致灾因子的危险性主要反映在降水和气温的异常，可以用干旱指数来表达旱灾危险性。常用的干旱指数有PDSI、SPI和SPEI,SPEI相比较PDSI,其计算更简单，对资料的需求更低，适用性更广；相比较SPI,SPEI考虑了温度、蒸散发等其他因素对干旱的影响，其结果更加切合实际。有研究表明,1个月尺度SPEI适用于气象干旱，3～6个月尺度SPEI适用于农业干旱，6～12个月尺度SPEI适用于水文干旱。因此，本文干旱危险性采用6个月SPEI指数进行分析。
标准化降水蒸散指数(SPEI)由VICENTE-SERRANO等对降水量与潜在蒸散量差值序列的累积概率值进行正态标准化后的指数。首先计算逐月降水与蒸散的差值Di,即
式中，Pi为月降水量；PETi为月潜在蒸散量。
对Di数据序列采用Log-logistic分布模型进行正态化处理，计算每个数值对应的SPEI,并得到不同时间尺度的SPEI。
使用干旱频率表示旱灾危险性，公式为
式中，m为发生干旱(SPEI<-0.5)的月数；M为研究期总月数。
1.3.2 农业旱灾脆弱性研究方法
1.3.2.1 评价指标体系的建立
按照影响旱灾脆弱性的因素和指标体系选取的原则，参考了相关文献[25,26,27,28,29,30,31],本文共选取16个指标变量(见表1)。
1.3.2.2 评价指标权重的确定
在旱灾脆弱性研究中，指标权重的确定是一个关键环节，对旱灾脆弱性研究的结果起着重要作用。目前国内外指标权重评价方法有数十种之多，可以分为两类，一类是主观赋权，如专家打分法、层次分析法、二项系数法等；一类是客观赋权，如变异系数法、熵值法、主成分分析法等。考虑到主观赋权无法避免人为因素所带来的影响，而客观赋权能通过指标初始信息确定权重，避免了人的主观影响。本文采用客观赋权，使用随机森林的方法来确定指标权重。随机森林是由Breiman首先提出的一种基于树分类器的分类算法，其主要利用Bootstrap重抽样方法从原始数据中抽取多个样本，并对每个Bootstrap样本进行分类树构建，然后对所有分类树的预测进行组合并通过投票方式得出最终结果。随机森林具有很多优点，如拥有极强的数据挖掘能力，不会过度拟合，同时进行特征基因的选择，具有很好的抗噪能力，性能稳定，可获取变量重要性，实现比较简单等，甚至被誉为当前最好的算法之一。本文使用随机森林的指标重要性评估功能，以受灾率为Y值，脆弱性指标为X值，得到各指标重要性评分。
1.3.2.3 旱灾脆弱性的综合评价方法
本文使用加权综合评分法来确定旱灾脆弱性的综合评价值。综合加权评分法是根据各项试验指标的重要性，确定出多指标试验结果所占的权重，再将多指标的试验结果转化为单指标的试验结果——综合加权评分值，然后按单指标分析方法，选出最优方案的一种方法。
具体计算公式如下
式中，V为旱灾脆弱性的综合评价值；Wi为第i个指标的权重值；Yi为第i个指标数据标准化处理后的数值。
脆弱性V越大，表示其越容易受到干旱影响，容易发生旱灾。
1.3.3 农业旱灾综合风险评估方法
1.3.3.1 旱灾风险评估模型
本文农业旱灾风险分别考虑了致灾因子的危险性和孕灾环境与承载体的脆弱性，为定量化表达农业综合旱灾风险，构建了安徽省农业旱灾风险评估模型
式中，R为农业旱灾风险综合评价值；H为农业旱灾危险性评价值；V为农业旱灾脆弱性的综合评价值。
1.3.3.2 农业旱灾风险趋势
为研究农业旱灾风险趋势变化，将农业旱灾风险综合评价值与时间进行一元线性拟合，得到
式中，R为农业旱灾风险综合评价值；t为年份；a为斜率，用来表示农业旱灾风险趋势；b为常数。
1.3.4 农业旱灾风险评估等级划分
为确定安徽省农业旱灾风险的等级特征，分别以旱灾危险性评价值H、农业旱灾脆弱性的综合评价值V、农业旱灾分析综合评价值R为依据，使用聚类分析，得到系统聚类图，为直观体现空间上的区域差异性，使用Natural Breaks方法进行等级划分，其基于数据对相似值进行分组，并且使各个类别之间差异最大化，分级结果如表2所列。
2.1 安徽省旱灾危险性时空特征分析
2.1.1 安徽省不同年代旱灾危险性时空分布
安徽省1960—2016年旱灾危险性空间分布如图2所示。旱灾危险性在不同年代有不同的空间分布特征。1960 s期间，安徽各个区域旱灾危险性都非常高(均值0.512),危险性最高值分布在安徽西北部(0.605)与西南部(0.635),东南部危险性最低(0.396)。1970 s期间，旱灾危险性从东南到西北呈现“高-低-高”空间分布。1980 s期间，旱灾危险性高值区域分布在淮河以北区域(0.465),整体上北高南低。1990 s期间，安徽省中部区域旱灾危险性最高，从南到北呈现“低(0.033)-高(0.448)-低(0.181)”空间分布。2000 s期间，该时间段旱灾危险性却出现了南部(0.661)高于北部(0.026)的空间分布特点，与其他年代的空间分布不同。2011年以来，安徽省危险性中间高，南北低的分布特征，且危险性均值仅低于1960 s。
图2 不同时间段安徽省旱灾危险性空间分布
2.1.2 农作物关键生长期旱灾危险性时空分布
农作物不同生长期对水分的敏感性不同，为了进一步分析旱灾危险性对农作物的影响，图3是1960—2016年安徽省3—8月农作物关键生长期农业旱灾危险性空间分布，3—8月安徽省旱灾危险性均值达0.304,即有30.4%的区域发生了干旱，特别是4月、7—8月的旱灾危险性高值区域面积占全省面积1/2以上。安徽省主要粮食作物为冬小麦和水稻，冬小麦3月中旬到5月上旬是拔节-抽穗期，在这期间需水量较大，干旱对农作物影响大。安徽省水稻在7月下旬到8月下旬是拔节-抽穗期，在这期间如果发生干旱，极易造成严重的农业减产。根据安徽省的农业气候区划可将安徽省分为沿淮淮北、江淮和沿江江南3个农业气候区,按照农作物主栽区分布，沿淮淮北农业区主要分布冬小麦，江淮农业区为小麦、水稻混种区，沿江江南农业区为水稻主栽区。在小麦关键生长期3—5月中，4月沿淮淮北农业区旱灾危险性最高。在江淮小麦、水稻混种区，3—8月农作物关键生长期中，除6月外，其余月份都呈现高危险性。在水稻关键生长期6—8月份，沿江江南水稻主栽区的旱灾危险性较低。
图3 1960—2016年安徽省3—8月农业旱灾危险性空间分布
由安徽省2001—2016年农业旱灾危险性均值空间分布[见图4(a)],安徽省旱灾危险性空间分布特点为：安徽省2001—2016年农业旱灾危险性由南向北递减。在稳定性与变化趋势特征方面，结合安徽省2001—2016年农业旱灾危险性变异系数空间分布[见图4(b)],安徽省农业旱灾危险性变异系数整体上较高(0.551～2.865),表明安徽省旱灾危险性波动较大，稳定性较差。安徽省农业旱灾危险性变异系数存在由北向南减小的趋势，该特征与危险性均值分布呈现相反的变化趋势。安徽北部区域虽然危险性均值较低，但偏差较大，该区域作为安徽省主要的粮食生产区域，其旱灾危险性稳定性较差，加大了该区域的旱灾危险程度。结合安徽省2001—2016年农业旱灾危险性趋势空间分布[见图4(c)],安徽省中部和北部区域的危险性在增加，而安徽省南部区域旱灾危险性在减小。总体来看，安徽南部区域旱灾危险程度高，其变异系数小，稳定性好，其旱灾危险性存在减小的趋势；安徽北部区域旱灾危险程度低，其变异系数大，稳定性差，其旱灾危险性存在增大的趋势，安徽北部区域作为我国重要的粮食生产区，需要加强旱灾危险防范。
图4 安徽省2001—2016年农业旱灾危险性均值、变异系数、趋势空间分布
2.2 安徽省旱灾脆弱性时空特征分析
图5为安徽省旱灾脆弱性各指标权重情况，复种指数(0.147)、人均水资源量(0.127)、农村居民纯收入(0.085)、人均GDP(0.081)、人均粮食产量(0.075)、森林覆盖率(0.064)这6个指标权重较高，占整个指标权重一半以上(57.9%)。
图5 安徽省旱灾脆弱性指标权重
由安徽省2001—2016年农业旱灾脆弱性均值空间分布[见图6(a)],安徽省旱灾脆弱性均值空间分布由北向南递减，呈现三级阶梯状分布，南部大部分区域脆弱性均值等级为低度脆弱性(0.540～0.593),中部大部分区域脆弱性均值等级为中度脆弱性(0.594～0.637),北部大部分区域脆弱性均值等级为高度脆弱性(0.638～0.700)。
图6 安徽省2001—2016年农业旱灾脆弱性均值、变异系数、趋势空间分布
在稳定性与变化趋势特征方面，结合安徽省2001—2016年农业旱灾脆弱性变异系数空间分布[见图6(b)]可发现，安徽省农业旱灾脆弱性变异系数整体上较低(0.04～0.371),表明安徽省旱灾脆弱性波动较小，稳定性较好。安徽省农业旱灾脆弱性变异系数整体趋势由北向南递增，与脆弱性均值分布正好相反，即脆弱性越高的区域其稳定性越好。结合安徽省2001—2016年农业旱灾脆弱性趋势空间分布[见图6(c)]可发现，安徽省各区域脆弱性趋势存在下降趋势，其中安徽省南部区域旱灾脆弱性下降趋势较大，而安徽北部区域旱灾脆弱性下降趋势不显著，整体旱灾脆弱性趋势从安徽省南部向北部递减。该特征与脆弱性均值分布相反，即脆弱性越低的区域其脆弱性下降越快，而脆弱性高的区域其脆弱性下降却不明显。总体来看，安徽南部区域旱灾脆弱性程度低，变异系数大，波动较大，其旱灾脆弱性程度下降趋势明显；安徽北部区域旱灾脆弱性程度高，变异系数小，波动较小，但旱灾脆弱性程度下降趋势不明显。
图7为6个高权重指标的时空分布情况，在这6个指标中，其中复种指数和人均粮食产量为正向指标，其值越大脆弱性越高。安徽省平均复种指数值为2.05,北部区域均值为1.97,南部区域均值为2.13,该指标值南高北低，会降低安徽北部区域的旱灾脆弱性、增加安徽南部区域的旱灾脆弱性，但该指标值的南北差异较小，对旱灾脆弱性结果的影响有限。安徽省人均粮食产量空间分布主要体现在南北差异，一是北部区域人均粮食产量高(0.589 t),南部区域人均粮食产量较低(0.354 t);二是北部人均粮食的增长速度高于南部，这无疑提高了安徽北部区域的旱灾脆弱性。人均水资源量、农村居民纯收入、人均GDP、森林覆盖率为负向指标，其值越大脆弱性越小。这四个指标值都呈现南高北低，并且南北差异较大，在增长速度上南部区域也远远高于北部区域，其中安徽北部人均水资源呈现负增长，这些决定了安徽省旱灾脆弱性呈现由北向南递减的分布，这些指标南北区域增长速度上的差异也使得安徽省南部区域旱灾脆弱性程度下降趋势更明显。
图7 2001—2016年安徽省旱灾脆弱性高贡献指标时空分布
2.3 安徽省农业旱灾综合风险时空特征分析
由安徽省2001—2016年旱灾综合风险均值空间分布[见图8(a)]可发现：安徽省农业旱灾综合风险均值由西南向东北呈现“高(0.367)-低(0.084)-高(0.281)”分布，安徽省西南部的安庆市农业旱灾综合风险最高，其次是安徽省西北部的滁州市。在稳定性与变化特征方面，由安徽省2001—2016年旱灾综合风险变异系数空间分布[见图8(b)]可发现，安徽省农业旱灾综合风险变异系数整体较高(0.641～2.868),表明安徽省旱灾综合风险波动较大，稳定性较差，其中安徽省北部区域旱灾综合风险变异系数最大。结合安徽省2001—2016年农业旱灾综合风险趋势空间分布[见图8(c)],安徽省农业旱灾综合风险趋势由北(0.037)向南(-0.041)递减，安徽省北部区域的趋势为正值，说明安徽省北部的农业旱灾综合风险在增加，而安徽南部区域农业旱灾综合风险趋势为负值，说明安徽省南部区域农业旱灾综合风险在减小。
图8 安徽省2001—2016年旱灾综合风险均值、变异系数、趋势空间分布
2.4 安徽省农业旱灾情况分析
本文收集了2004—2016年安徽省各地级市旱灾受灾面积与绝收面积数据，2004—2016安徽省受灾面积占播种面积的9.27%,绝收面积占受灾面积的6.69%,可见旱灾严重威胁安徽的农业生产。2004—2016年间安徽省旱灾受灾面积和绝收面积的演变趋势如图9、图10所示，旱灾最严重的年份是2013年，2013年安徽省夏季高温持续时间超过40 d, 而且发生多次干旱，农业损失严重，其受灾面积1.79×104 km2,绝收面积达1.46×103 km2,而2013年也是旱灾综合风险最高的年份之一，其高等级以上旱灾综合风险区域面积仅次于2005年，但2013年旱灾综合风险高等级区域分布在安徽省北部农业主产区，导致了更为严重的旱灾损失。从线性趋势上看，受灾面积(趋势值-26.27)与绝收面积(趋势值-60.665)都呈现下降趋势，两者线性趋势的R2都很小，绝收面积线性趋势R2为0.030,受灾面积线性趋势R2为0.002,说明绝收面积和受灾面积年变化较大，稳定性较差。
图9 2004—2016年安徽省农业旱灾绝收面积演变趋势
图10 2004—2016年安徽省农业旱灾受灾面积演变趋势
2004—2017年安徽省各市的年平均受灾面积和绝收面积如图11、图12所示，亳州市年均受灾面积最大(1 316.95 km2),滁州市年均绝收面积最大(1 113.65 km2),而铜陵市年均受灾面积(29.02 km2)和年均绝收面积(1.62 km2)均最小；整体上看，安徽省旱灾受灾面积总体由北向南递减，长江以南的南部区域受灾面积最小；绝收面积是安徽中部区域最大，南部区域和北部区域较小。安徽省各市受灾面积与绝收面积具有同步性，即受灾面积越大，其绝收面积也越大。从线性趋势来看，北部的城市受灾面积增加趋势显著(趋势值均值2.297),而偏南部的城市受灾面积呈现减小趋势(趋势值均值-0.846),这与农业旱灾综合风险的北增南减的变化趋势一致。从绝收面积看，不管是北部城市(趋势值均值-0.009)还是南部城市(趋势值均值-0.465)都呈现下降趋势，北部城市受灾面积显著增加而绝收面积微弱下降，结合图4,北部城市危险性呈现增加趋势，导致受灾面积显著增加，但北部城市农业旱灾危险性均值较小，使得北部绝收面积并没有出现相应增加。
图11 2004—2016年安徽省各地级市年均绝收面积及趋势变化
图12 2004—2016年安徽省各地级市年均受灾面积及趋势变化
图11为安徽省各市旱灾受灾率、绝收率与比率空间分布情况，柱状图纵坐标为受灾率(绝收率、比率),横坐标为时间(2004年—2016年)。从受灾率看，安徽省受灾率呈现出北高南低的分布，表明安徽北部更易受到旱灾影响，其与旱灾脆弱性均值分布一致。其中2013年各地级市旱灾受灾率最高，有9个地级市旱灾受灾率超过了20%。在绝收率方面，安徽省各地级市旱灾绝收率差异较大，安徽偏南部区域明显高于北部区域，表明安徽省南部在2004年到2016年期间的干旱严重程度高于北部区域，其与旱灾危险性均值分布一致。在绝收与受灾比率上，2004年合肥市、滁州市、芜湖市、黄山市，2005年淮北市、芜湖市、黄山市，2013年合肥市，2016年合肥市的绝收受灾比率超过了20%,即发生旱灾的区域有超过20%的区域出现了农作物绝收。将农业旱灾综合风险与绝收率、受灾率进行Pearson检验，结果显示：农业旱灾综合风险与绝收率、受灾率在0.01水平上显著相关。
图13 安徽省2004—2016年各市旱灾受灾率、绝收率与比率空间分布
旱灾危险性在不同年代总体上是北高南低，但在2000 s期间，出现干湿反转，安徽省南部由湿润变得干旱，北部由干旱变得湿润。在全球气候变化的背景下，区域气候稳定性变差。安徽省地处长江、淮河中下游地区，为东亚季风湿润区与半湿润区的气候过渡区域，是南北气候、中低纬度和海陆相3种过渡带的重叠地区，是我国气候变化的敏感区，气候条件极为复杂,导致旱灾危险性分布具复杂性、多变性。
在6个高权重脆弱性指标中，其中人均水资源量、农村居民纯收入、人均GDP、森林覆盖率、人均粮食产量这5个指标的空间分布与脆弱性均值空间分布一致，在这五个指标中，人均水资源量和森林覆盖率南北差异最大，而安徽省脆弱性主要体现在南北差异，表明人均水资源量和森林覆盖率对安徽省旱灾脆弱性的影响更大。2001—2016年旱灾危险性均值由南向北递减，2001—2016年旱灾脆弱性均值由南向北递增，而2001—2016年旱灾综合风险均值由西南向东北呈现“高-低-高”分布，三者的空间分布差异较大，但在旱灾综合风险均值高值区域西南部和东北部也呈现高旱灾脆弱性，两者的空间分布更为接近，表明旱灾脆弱性对旱灾综合风险贡献更大。
计算得到旱灾受灾率和旱灾绝收率，发现旱灾受灾率与旱灾脆弱性均值分布一致，而旱灾绝收率与旱灾危险性均值分布一致，表明旱灾受灾率主要受到旱灾脆弱性影响，而旱灾绝收率主要受到旱灾危险性影响。在2001—2016年期间，安徽北部区域旱灾脆弱性更高，其受灾率更大，但是北部区域的旱灾绝收率却比南部区域低很多，这主要是北部区域在2001—2016年期间的整体旱灾危险性要低于南部。南部区域虽然旱灾脆弱性更低，对旱灾抵御能力更强，在严重干旱面前其作用有限，南部区域旱灾危险性更高，导致南部区域的绝收率更高。将农业旱灾综合风险与绝收率、受灾率进行Pearson检验，结果显示：农业旱灾综合风险与绝收率、受灾率在0.01水平上显著相关。表明了本文旱灾风险模型的合理性。
(1)安徽省不同年代旱灾危险性空间分布变化较大，在2000 s期间，安徽省南部北部出现干湿反转，南部旱灾危险性超过北部。从1960 s到1980 s时间段旱灾危险性呈现快速下降趋势，旱灾危险性从1960 s的0.513降至1980 s的0.181,1980 s之后，旱灾危险性缓慢上升。安徽省农作物关键生长期3—8月份安徽省旱灾危险性均值达0.304,即有30.4%的区域发生了干旱，特别是4月、7—8月的旱灾危险性高值区域面积占全省面积1/2以上，而4月是冬小麦的拔节期和抽穗期，7—8月是水稻的拔节期和抽穗期，在这期间安徽省发生干旱极易造成严重损失。
(2)2001—2016年安徽省旱灾危险性整体上由南向北递减，年际变化较大，危险性变异系数高(0.551～2.865),表明安徽省旱灾危险性波动较大，稳定性较差。安徽南部区域旱灾危险性存在减小的趋势，而安徽北部区域作为我国重要的粮食生产区，其旱灾危险性存在增大的趋势。
(3)2001—2016年安徽省旱灾脆弱性整体上由南向北递增，脆弱性变异系数低(0.04～0.371),表明安徽省旱灾脆弱性波动较小，稳定性较好。安徽省各个区域脆弱性存在下降趋势，其中安徽省南部区域旱灾脆弱性下降趋势较大，而安徽北部区域旱灾脆弱性下降趋势不显著。脆弱性指标中复种指数(0.146)、人均水资源量(0.127)、农村居民纯收入(0.085)、人均GDP(0.081)、人均粮食产量(0.074)、森林覆盖率(0.063)这6个指标权重比重最高，占整个指标权重一半以上(57.6%)。
(4)2001—2016年安徽省农业旱灾综合风险均值达到中等级(0.208～0.339),旱灾综合风险均值由西南向东北呈现“高(0.367)-低(0.084)-高(0.281)”分布。安徽省农业旱灾综合风险变异系数高(0.641～2.868),表明安徽省旱灾综合风险波动较大，稳定性较差。安徽省北部的农业旱灾综合风险存在上升趋势，南部区域农业旱灾综合风险存在减小趋势。旱灾受灾率呈现出北高南低的分布，与旱灾脆弱性均值分布一致。旱灾绝收率呈现南高北低的分布，与旱灾危险性均值分布一致。
水利水电技术（中英文）
水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行。本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。
| 留言与评论（共有 0 条评论） “” |
