基于概率统计方法的承德市农业旱灾风险评估.docx

《基于概率统计方法的承德市农业旱灾风险评估.docx》由会员分享，可在线阅读，更多相关《基于概率统计方法的承德市农业旱灾风险评估.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、许 凯 1,2，徐翔宇 1,2 ，李爱花 2，杨大文 1 第 29 卷 第 14 期 农 业 工 程 学 报 Vol.29 No.14 2013 年 7 月 Transactions of the Chinese Society of Agricultural Engineering Jul. 2013 139 基于概率统计方法的承德市农业旱灾风险评估 （ 1. 清华大学水利水电工程系水沙科学与水利水电工程国家重点实验室，北京 100084； 2. 水利部水利水电规划设计总院，北京 100120） 摘 要： 根据旱灾风险的统计特征，提出 2 种基于概率统计方法的旱灾风险评价方法： 1）旱灾损失

2、的概率分布曲 线， 2）旱灾损失与干旱概率的关系曲线。以滦河上游承德市辖区的农业旱灾风险为例进行应用研究。根据 1990 2007 年历年农业旱灾损失数据计算粮食因旱减产率，拟合其概率分布。利用分布式水文模型模拟得到该区域 1956 2005 年 0 50 cm 的月平均土壤含水率，识别农业干旱事件，计算农业干旱烈度概率，选用对数函数拟合 因旱粮食减产率和农业干旱烈度概率关系曲线。采用因旱粮食减产率期望值表征区域旱灾风险， 2 种方法结果一 致性较好，研究区域农业旱灾风险上游大于下游，各个县的多年平均因旱粮食减产率为 7% 15%。 关键词： 干旱，概率分布，风险评估，农业烈度概率，减产率，农

3、业旱灾风险 doi： 10.3969/j.issn.1002-6819.2013.14.018 中图分类号： S423 文献标志码： A 文章编号： 1002-6819(2013)-14-0139-08 许 凯，徐翔宇，李爱花，等 . 基于概率统计方法的承德市农业旱灾风险评估 J. 农业工程学报， 2013， 29(14)： 139 146. Xu Kai, Xu Xiangyu, Li Aihua, et al. Assessing agricultural drought disaster risk in Chengde city using stochastic methodJ. Tra

4、nsactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(14): 139 146. (in Chinese with English abstract) 0 引 言 旱灾是世界上最严重的自然灾害之一，它在持 续时间、影响范围、灾害影响等方面位列自然灾害 之首 1-2，世界上除了南北极的其他各个气候带均有 干旱发生 3。全球气候变化背景下，干旱历时、烈 度和影响范围都有增加的趋势 4。 2002 2010 年澳 大利亚千禧年大旱 5、 2010 2012 年

5、美国西南特大 干旱 6、 2010 2012 年中国西南地区连续三年特大 春旱等都预示着未来的干旱威胁将更大 7-8。干旱的 发生导致旱灾损失，随着社会经济迅猛发展，社会 经济和生态环境的暴露性和脆弱性增大，导致干旱 成灾率和旱灾损失呈明显增加的趋势。 然而，传统应急抗旱手段具有滞后性，难以有 效预防和减小旱灾损失。近几年兴起的旱灾风险管 理则可以实现从消极被动抗旱到积极主动抗旱的 收稿日期： 2013-02-01 修订日期： 2013-06-27 基金项目：中国博士后科学基金第 52 批面上资助项目（ 2012M520292）； 水利部重大基建前期项目 “ 全国干旱区划及旱灾风险评估研究 ”

6、 作者简介：许 凯（ 1989），男，山东莒县人，博士生，主要从事水 文水资源研究。北京 清华大学水沙科学与水利水电工程国家重点实验 室，水利水电工程系， 100084。 Email： 通信作者：徐翔宇（ 1986），女，浙江衢州人，博士后，主要从事 水文模型及生态水文方面的研究。北京 清华大学水沙科学与水利水电 工程国家重点实验室，水利水电工程系， 100084。 Email： 转变 9。风险评估是风险管理的基础和核心，目前 风险评估的方法主要有两大类：模糊综合评价方法 和概率统计方法 10。前者主要是从灾害风险的组成 成分 “ 致灾因子的危险性、承灾体的暴露性和脆弱 性以及抗灾能力 ”

7、 11等方面着手建立评价指标体 系，采用专家打分、层次分析等模糊数学方法计算 得到灾害风险度。该方法已经在旱灾风险评估中得 到了广泛应用 12-15，但它在指标遴选、权重确定等 方面易受人为主观因素影响，且结果仅仅是相对值 或者简单的风险等级。后一种方法目前仅在金融、 保险领域应用较多，主要是用来获得损失（或收益） 的概率分布 16-18。 如洪水风险评估中的 “ 洪水频 率水位淹没范围（淹没损失） ” 关系、生态环 境风险分析中的 “ 暴露（污染物浓度）反应（不 利影响） ” 关系 19等都用到了概率统计方法。由于 历史旱灾统计数据匮乏，对干旱致灾过程认识不足 以及旱灾的复杂性等因素，概率统

8、计方法在旱灾风 险评估中的应用还比较少。 尝试基于概率统计方法来评估旱灾风险具有 重要的现实意义，此外，随着对旱灾关注的增多和 抗旱投入的增大，历史旱灾损失统计数据逐渐增 多，为本研究提供了基础资料条件。本文以农业旱 灾风险为例进行研究，研究区域为滦河上游承德市 辖区的八个县，提出两种基于概率统计的农业旱灾 风险 评估方法 ： 1） 因旱粮 食 减产率（ 以 下简称因 140 农业工程学报 2013 年 旱减 产率）的 概 率分布曲 线； 2）因旱 减 产率和农 业干旱烈度概率的关系曲线。用因旱减产率期望值 （多 年平 均因旱 减 产率）来 表 征农业旱 灾 风险，对 两种方法的结果进行了对比

9、分析。 1 研究区域与数据 1.1 研究区域概况 本文选取研究区域为滦河流域上游承德市辖 区的八个县（图 1）。该区域位于河北省东北部， 处于华北和东北两个地区的连接过渡地带，面积约 为 3.5 万 km2，地势 西北 高 东南低， 平 均海拔为 938 m，土地利用以林地为主，占 49.9%，耕地占 20.2%，草地占 26.8%，水域占 1.25%，未利用土地 占 1.16%，城镇建设用地占 0.72%。气候类型为寒 温带向暖温带过渡，半干旱向半湿润过渡，大陆性、 季风型燕山山地气候，多年平均降水为 551 mm20。 图 1 研究区域 Fig.1 Research region 承德市下

10、辖八县三区（图 2），围场县、丰宁县、 隆化县、滦平县、平泉县、承德县、宽城县、兴隆县， 双桥区、双滦区、鹰手营子矿区。双桥区、双滦区和 鹰手营子区农业所占社会经济的比例较少，在研究中 不予考虑。受到全球气候变化和人类活动的影响，近 年来承德市年平均气温显著升高，降水有减少趋势， 潘家口水库的入库流量急剧减少 21。气温升高将导致 蒸散发增多土壤变干 22，影响作物生长，因此，对承 德市进行农业旱灾风险评价很有意义。 1.2 数据来源 农业旱灾损失数据来自于中国水利部水利水 电规划设计总院在制定全国抗旱规划时收集的 各县 1990 2007 年的旱情、旱灾数据，包括受旱 面积、成灾面积、绝收面

11、积、因旱减产量等 23。 收集滦河潘家口水库上游的日气象数据（包括 降水、气温、相对湿度、日照时数、风速等），土 地利用类型、土壤类型、植被覆盖、数字高程模型 （ DEM）等，建立基于流域地形地貌的分布式水文 模型（ geography-based hydrological model， GBHM）， 模型的详细原理和结构参见文献 24。 模型采用 1960 1969 年实测径流对分布式水文模型进行率 定，采用 1970 1979 年的实测径流对分布式水文 模型进行验证，采用纳什效率系数（ NSE）对模拟 的月径流结果进行评判，每个站点的 NSE 值均在 0.8 以上，说明 GBHM 模型在模

12、拟月尺度水量平衡 上的模拟效果良好 25-26，模拟得到的月平均土壤水 含水率能够较好的反映实际情况。 土壤水与作物的生长息息相关，研究区域内的 主要农作物是玉米，其次是马铃薯和水稻 20，玉米 的大根深是 1.0 1.7 m27，其中 80%以上的根系集 中在 0 40 cm 的土层中 28，马铃薯的最大根深约为 1.0 m，大部分的根系集中在 0 30 cm29，水稻最大 根深是 0.5 1.0 m27， 70% 90%的根系集中在 0 20 cm30。因此，本文采用 0 50 cm 土层的平均土 壤水状况来反映与作物生长相关的平均土壤水分状 况，同时利用该土层的土壤含水率亏缺来描述农业

13、干旱。 0 50 cm 土层的平均土壤体积含水率是基于 GBHM 模拟得到的，是 1956 2005 年逐月的空间网 格分布（空间分辨率 2 km）数据 25-26，模拟的土壤 水数据与中国农业气象站（承德站，站号： 54430） 的土壤水分数据（来源于中国气象科学数据共享网， 1991 2005 年的旬数据）进行对比，相对模拟误差 为 1.8%，模拟效果良好。基于 2000 年土地利用分布 图（图 2）及各县的行政区划，利用 ArcGIS 提取并 计算每个县耕地面积上的平均土壤含水率。 图 2 耕地分布 Fig.2 Distribution of cultivated land i, j j

14、 j E(r) ri is ) E(r) ri i is ) ri i （ 5） si di, j i, j 0 E(r) a ln p b dp a b 第 14 期 许 凯等：基于概率统计方法的承德市农业旱灾风险评估 141 2 研究方法 2.1 农业干旱识别与频率分析 干旱是某一时段内气象或水文要素值小于多 年平均值的一种自然现象。目前在气象和水文干旱 研究领域，通常选取一定水平的阈值来识别干旱， 得到干旱历时和干旱烈度 31-32，然后采用 Copula 方法计算干旱历时和烈度的联合概率分布 33。若采 用以上方法进行农业干旱事件的识别，会出现识别 出的干旱事件与作物生长期不相匹配的问

15、题，有些 发生在非生长期的干旱事件对作物生长影响很小 或者根本没有影响。因此，本文仅识别承德市主要 农作物的生长期 3-9 月期间的干旱，不考虑农业干 旱历时，仅对农业干旱烈度进行频率分析，对干旱 事件识别方法进行了简化。主要过程如下： 计算生长期内每个月的土壤含水率相对距平值 di, j （ 1） 其中， di,j 为第 i 年、第 j 月土壤含水率相对距平值， i,j 为第 i 年、第 j 月平均土壤含水率， j 为第 j 月 的多年平均土壤含水率，本文中 i=1956， ， 2005， j=3， ， 9。若 di,j 0，则认为该月发生农业干旱， 取生长期内发生农业干旱的各月份的相对距平

16、值 之和作为农业干旱烈度 , d （ 2） 对公式（ 2）计算出的干旱烈度序列进行频率分析。 选取指数分布（ exp）、伽马分布（ gam）、对数正态 分布（ logn）、广义极值分布（ gev）四种常用的分布 类型，采用极大似然法分别初估这四种分布的参数， 采用 Kolmogorov-Smirnov 检验 34（ KS 检验）进行假设 减产量。假设每个县的因旱减产率在空间上均匀分 布，因此总面积上的因旱减产率可代表部分面积上 的因旱减产率。 方法一：因旱减产率的概率分布曲线 假设因旱减产率序列是随机序列，则可以采用 2.1 中的方法进行频率分析。首先通过极大似然估计和 KS 检验得到最优概率

17、分布类型，然后通过适线法确定最终 参数，采用因旱减产率的期望值表征区域农业旱灾风险。 方法二：因旱减产率与农业干旱概率的关系曲线 假设干旱事件和旱灾损失存在一一对应的关系，即 某一特定的地区，一定规模的干旱事件（农业干旱烈度） 对应唯一的旱灾损失（农业因旱减产率），因此干旱事 件的概率分布与旱灾损失的概率分布是相同的。 若有农业干旱烈度样本 si(i=1,2， ， n)，对应的 农业因旱减产率为 ri(i=1,2， ， n)，两者发生概率相 等 p(si)=p(ri)，则农业因旱减产率的期望值 E(r)为 n p ( （ 4） i1 若采用超越概率 p(S s)的形式，则上式变为 n n p(

18、s s) p( dp i1 i1 其中， E(r)为农业因旱减产率的期望值，指的是多 年平均农业因旱减产率。 采用 2.1 中的农业干旱识别和频率分析方法确定农 业干旱烈度的概率分布。拟合干旱烈度和因旱减产率超 越概率 p(S s)的关系曲线，假设其满足对数函数关系 r aln p b （ 6） 其中， r 为因旱减产率， p 为农业干旱烈度超越概率 p(S s)， a、 b 为拟合参数。将式（ 5）的离散形式变为连 续形式，得到多年平均农业因旱减产率 E(r)的理论值为 检验，根据 KS 检验统计量值检验拟合优度，确定最优 分布类型。在此基础上，采用传统水文频率分析中的 1 0 （ 7） 适

19、线法，基于均方根误差（ RMSE）尽量小的原则调整 参数，并尽量照顾到分布的尾部，使其通过样本中最 严重干旱所对应的经验频率点距。 2.2 基于概率统计方法的农业旱灾风险评价 风险是损失的规模及其发生的可能性，农业旱 灾风险可用因旱减产率的概率分布（以下简称 “ 方 法一 ” ）来定量化表示。旱灾风险是在特定环境中 干旱事件发生的可能性及其可能造成的社会经济 后果，可拟合因旱减产率和农业干旱烈度概率关系 曲线（以下简称 “ 方法二 ” ）来描述农业旱灾风险。 因旱减产率计算公式如下 3 结果与分析 3.1 因旱减产率的概率分布曲线 假设四种分布条件下因旱减产率 KS 检验结果见 表 1。表中

20、“ -” 表示该分布未通过 KS 检验，粗体字 标出的是 KS 统计量的最小值，代表着最优的分布类 型。各县最优的分布中，广义极值分布出现五次，对 数正态分布出现三次。为了在消除分布类型差异对后 续分析的影响，选用广义极值分布拟合因旱减产率的 概率分布，结果见表 2。首先通过极大似然法初估形状 参数 、尺度参数 、位置参数 ，采用适线法调整参 r y y y （ 3） 数，在保证整体拟合效果的前提下，提高分布尾部的 拟合效果。适线后各县拟合均方根误差（ RMSE）均在 其中， r 为因旱减产率； y 为实际产量； y 为因旱 8%以内。表中最后一列为因旱减产率的期望值 E(r)， 县名 形状

21、1 RMSE/% 2 E(r)/% 1. 142 农业工程学报 2013 年 该值越大农业旱灾风险越大。图 3 为理论分布曲线和 经验频率（ p=m/(n+1)， n 为样本容量， m 为降序排名） 的拟合情况。从图和表均可以看出，拟合效果良好。 表 1 不同分布类型因旱减产率 KS 统计量 Table1 KS test statistic of different hypothetical distributions for drought caused yield loss rate 县名 指数 伽马 对数正态 广义极值 围场 0.309 0.164 0.150 0.138 丰宁 0.27

22、5 0.167 0.155 0.140 隆化 0.272 0.176 0.138 0.113 承德 - 0.094 0.075 0.075 滦平 - 0.214 0.181 0.154 平泉 - 0.132 0.132 0.142 宽城 - 0.132 0.129 0.133 兴隆 - 0.209 0.186 0.130 注：表中 “-”表示该分布未通过 KS 检验，粗体字标出的是 KS 统计量的最 小值，代表着最优的分布类型。下同 Note: “-” represents the distribution was not approved by KS significance test. T

23、he bold numbers represent the minimum value of KS test statistic, which means the best distribution type. The same as blow. 表 2 因旱减产率的频率分析结果 Table 2 Frequency analysis results of drought caused yield loss rate 尺度 位置 参数 参数 参数 围场 0.81 1.89 5.61 4.9 14.6 丰宁 0.49 3.20 5.30 4.1 10.1 隆化 0.52 3.51 6.30 5.7

24、 12.0 承德 0.17 2.46 5.16 2.6 7.1 滦平 0.23 2.70 5.00 7.3 7.3 平泉 0.45 1.28 4.90 7.9 6.7 宽城 0.31 2.02 5.50 4.8 7.5 兴隆 0.40 3.80 6.70 5.5 11.3 注： 1. RMSE 为均方根误差； 2. E(r)为农业因旱减产率的期望值，指的 是多年平均农业因旱减产率，由公式（ 7）计算。 Note： RMSE is the root-mean-square error; 2. E(r) is the expectancy value of drought caused yield

25、 loss rate, referring to mean annul drought caused yield loss rate, which is calculated by equation (7). 图 3 因旱减产率概率分布 Fig.3 Cumulative probability distribution of drought caused yield loss rate 3.2 农业干旱概率与因旱减产率关系曲线 假设四种分布条件下农业干旱烈度 KS 检验的 结果如表 3 所示。表中 “ -” 表示该分布未通过 KS 检验，粗体字标出的是 KS 统计量的最小值，代表 着最优的分布

26、类型。各县最优的分布中，广义极值 分布出现四次，伽马分布出现四次，然而围场县和 丰宁县的 KS 统计量伽马分布远大于广义极值分布， 其余六个县两种分布表现接近，因此总体上广义极 值分布表现好于伽马分布，故选用广义极值分布拟 合各县农业干旱烈度概率分布，结果如表 4 所示。 同样采用极大似然法初估形状参数 、尺度参数 、 位置参数 ，采用适线法调整参数，在保证整体拟 合效果的前提下，提高分布尾部的拟合效果。适线 后各县拟合均方根误差（ RMSE）均在 4%以内，表 中最后一列农业干旱烈度期望值代表农业干旱严 重程度，隆化县最大，宽城县最小。采用对数函数 （公式 6）拟合因旱减产率和农业干旱烈度概

27、率之间 的关系曲线，拟合结果见表 5。平泉县和宽城县减 产率和农业干旱烈度概率之间的相关关系较差，无 法用指数函数进行拟合，这是由于该地区水资源丰 富，水利设施完备，灌溉保证率较高造成的。平泉 县境内有老哈河、瀑河等多条河流，水资源十分丰 富 20，宽城县境内有潘家口水库，而且是承德市的 降水中心。另外，统计数据显示平泉县单位耕地面 积农业机械总动力、农村用电总量和有效灌溉面积 等在承德市位居前列 35。本文所采用的模型没有考 虑灌溉对土壤含水率的影响，因此即使识别出天然 状况下发生土壤水干旱，在有灌溉保证的条件下， 作物也不会出现减产的现象。从表 5 中可以看出， 其他六个县的 a、 b 值

28、均在 T 检验 95%置信区间内， 县名 形状参 数 RMSE/% 第 14 期 许 凯等：基于概率统计方法的承德市农业旱灾风险评估 143 除了承德县之外，其他各县 R2 均在 0.4 以上，围场 县和兴隆县的 R2 超过了 0.6，说明农业干旱烈度和 因旱减产率之间存在着指数函数关系这一假设是 合理的。表 5 中第七列多年平均农业因旱减产率越 大，则农业旱灾风险越大。 3.3 结果比较 将因旱减产率期望值分为五个等级，绘制 分别基于方法一和方法二计算的因旱减产率期 望的空间分布，如图 4 和图 5 所示 。可 以看出， 两种方法所得结果基本一致，整体上，从上游 到 下 游 农 业 旱 灾

29、风 险 逐 渐 减 小 ， 这 与 文 献 36 的结论是一致的 。旱 灾风险是致灾因子危险性， 承载体的暴露性和脆弱性，以及抗旱能力共同 决定的 。上 游的围场县农业干旱烈 度（ 危险性） 仅位于第四 位（ 表 4），但 是它的耕地面积 大（ 暴 露性大 ），农 业灌溉设施较少 37（抗旱能力弱 ）， 导致其农业旱灾风险最为严重 38；隆化县农业 旱灾风险较大的原因是它的干旱情势比较严重 （危险性高） 38。 表 3 不同分布类型农业干旱烈度 KS 统计量 Table3 KS test statistic of different hypothetical distributions for

30、 agricultural drought severity 县名 指数 伽马 对数正态 广义极值 围场 0.181 0.140 0.201 0.068 丰宁 - 0.139 0.195 0.059 隆化 0.201 0.095 0.150 0.109 承德 0.117 0.097 0.130 0.117 滦平 0.130 0.107 0.180 0.071 平泉 0.120 0.117 0.135 0.127 宽城 - 0.104 0.130 0.103 兴隆 0.122 0.066 0.128 0.070 表 4 农业干旱烈度频率分析结果 Table 4 Frequency analysi

31、s results of agricultural drought severity 尺度参 位置参 干旱 数 数 烈度 围场 -0.13 0.19 0.21 2.8 0.30 丰宁 -0.07 0.14 0.17 2.2 0.24 隆化 0.18 0.17 0.21 3.0 0.34 承德 0.20 0.18 0.17 3.5 0.32 滦平 0.27 0.17 0.17 2.4 0.33 平泉 0.16 0.18 0.16 3.2 0.30 宽城 -0.17 0.12 0.15 3.0 0.20 兴隆 0.21 0.14 0.15 1.9 0.27 表 5 因旱减产率与农业干旱烈度概率关系

32、曲线的拟合结果 Table5 Fitting results of drought caused yield loss rate versus agricultural drought severity probability 县名 a a 的 95%置信区间 b b 的 95%置信区间 R2 多年平均农业因旱减产率 E(r)/% 围场 -10.74 -15.80, -5.67 3.63 -0.21, 7.47 0.664 14.4 丰宁 -4.49 -7.14, -1.84 5.63 2.71, 8.55 0.485 10.1 隆化 -7.05 -12.97, -1.13 5.28 -0.7

33、7, 11.33 0.414 12.3 承德 -2.48 -4.94, -0.01 4.62 1.60, 7.64 0.285 7.1 滦平 -3.12 -5.28, -0.95 4.26 1.42, 7.10 0.427 7.4 平泉 - - - - - - 宽城 - - - - - - 兴隆 -5.68 -8.44, -2.90 4.55 0.76, 8.34 0.601 10.2 注：表中 a、 b 是公式（ 6）中的参数，通过因旱减产率和农业干旱烈度概率之间的关系曲线拟合得到。 Note: a and b represent the parameters in equation (6)

34、, which are fitted from the relationship between drought caused yield loss rate and agricultural drought severity probability. 图 4 方法一因旱减产率期望值的空间分布 Fig.4 Distribution of drought caused yield loss rate expectation (Method 1) 图 5 方法二因旱减产率期望值的空间分布 Fig.5 Distribution of drought caused yield loss rate ex

35、pectation (Method 2) 144 农业工程学报 2013 年 对比两种方法计算得到的因旱减产率期望值 （表 2 和表 5 中最后一列），兴隆县差别比较大，其 它各个县基本一致。研究区各个县的因旱减产率期 望值在 7% 15%之间。两种方法的结果在整体上具 有较好的一致性，相互对比验证了彼此的合理可靠 性。方法一仅仅基于旱灾损失数据，简单易于操作， 但是该方法的假设前提是基于 “ 旱灾损失序列是随 机序列 ” 这一假设，而旱灾损失与人类社会经济密 切相关，并不一定是随机序列。方法二的假设前提 是基于干旱事件和旱灾损失之间存在一一对应的确 定性关系，即在环境比较稳定条件下，一定概率

36、和 规模的干旱事件所产生的旱灾损失是确定的，这更 具机理性，而且可以通过干旱预测对未来旱灾风险 做出预估，更利于进行旱灾风险管理。本文采用的 是模拟得到的天然土壤含水率，没有考虑灌溉对农 田土壤含水率的影响，因此本文识别出来的天然状 态下的农业干旱并不能代表实际的农业干旱情况， 这限制了方法二在平泉县和宽城县的应用。 文献 38通过模糊综合评判的方法同样分析了 该区域的农业旱灾风险，其旱灾风险的空间分布于 本文相近，都是上游旱灾风险大于下游，这也说明 本文分析结果的合理性。与本文不同的是，文献 38 中兴隆县的农业旱灾风险较小，而在本文中却较大， 这可能是由于研究区域并不完全一致造成的，本文

37、仅仅对兴隆县位于滦河潘家口水库上游的部分进行 研究，而文献 38则是以整个兴隆县为研究对象。相 比模糊评价方法，本文分析方法的优势在于： 1）能 够给出旱灾风险的绝对数值（农业旱灾风险的多年 平均减产率），前者只能够给出简单的相对值或者 风险等级； 2）客观可靠性强，而模糊综合评价中指 标的选取及其权重确定等方面等受到人为主观因素 影响较大。文献 38中模糊综合评判方法的优势在于 能够给出旱灾风险各个组成部分的相对值，便于识 别区域旱灾风险的主要影响因素。基于概率统计方 法和基于模糊综合评判方法的旱灾风险评价各有利 弊，将两种方法结合起来，共同服务于旱灾风险管 理，会提高抗旱决策的合理性。 4

38、 结论与讨论 本文利用历史旱灾统计资料和模型模拟 0 50 cm 的土壤含水率，基于概率统计方法，提出了 两种旱灾风险分析方法，并以滦河流域上游承德市 辖区内的各县农业旱灾风险为例开展研究，得到以 下主要结论： 1）研究区 域农 业因旱粮食减产率和农业干旱 烈度符合广义极值分布。 2）承德市 旱灾 风险从上游到下游递减，上游 的围场县风险最为严重，各县因旱减产率期望值处 于 7% 15%范围内。 3）两种方 法的 结果一致性较好，说明 “ 旱灾 损失概率分布曲线 ” 和 “ 旱灾损失 干旱概率的 关系曲线 ” 是两种有效的旱灾风险分析方法。后者 在假设条件和理论基础方面更具优势，因此是本文 所

39、推荐的旱灾风险分析方法。 4）与文献 38模糊综合评判方法的分析结果相 对比，本文方法更具客观可靠性，且能够给出旱灾 风险绝对值。 受到资料条件限制和对复杂干旱现象认识的 不足，基于概率统计的旱灾风险评估方法还需要进 一步的研究和完善。如何通过模型模拟的手段及历 史调查的方法模拟或者挖掘更多的干旱、旱情、旱 灾资料，对于旱灾风险评估十分重要。将人类的抗 旱能力因素考虑进来，将会大大提高方法的适用性 和结果的可靠性。建议在区域旱灾风险分析中结合 概率统计方法和模糊综合评价方法。 参 考 文 献 1 Edward Bryant. Natural HazardsM. Second edition.

40、Cambridge, UK: Cambridge University Press, 2005. 2 Sam Lake P. Drought and Aquatic Ecosystems: Effects and ResponsesM. Oxford, UK: John Wiley and Sons Ltd, 2011. 3 Ashok K Mishra, Vijay P Singh. A review of drought concepts. Journal of HydrologyJ. 2010, 391: 202 216. 4 Intergovernmental Panel on Cli

41、mate Change (IPCC). Fourth Assessment Report (FAR)R. IPCC, 2007. 5 Peter H Gleick, Matthew Heberger. Devastating Drought Seems Inevitable in American WestEB/OL. http:/ ming-mega-drought, 2013-01-17. 6 De De Jones, Dr Steve Amosson, Gid Mayfield. State drought losses have signicant impacts on overall

42、 economyEB/OL. http:/agecoect.tamu.edu/fileadmin/ user_upload/Documentd/Resources/Publications/RecentD rought.pdf, 2013-01-17. 7 冯海霞，秦其明，蒋洪波，等 . 基于 HJ-1A/1B CCD 数据 的干旱监测研究 J. 农业工程学报， 2011， 27(增刊 1)： 358 365. Feng Haixia, Qin Qiming, Jiang Hongbo, et al. Drought monitoring based on HJ-1A/1B CCD dataJ

43、. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(Supp.1): 358 365. (in Chinese with English abstract) 8 吴迪，裴源 生 ，赵勇，等 . 湄公河流域农 业干旱主要 影响因素分析和预估 J. 农业工程学报， 2012， 28(8)： 1 10. Wu Di, Pei Yuansheng, Zhao Yong, et al. Influencing factors analysis and prediction of agricultural drought in Mekong River BasinJ. Transactions of the Chinese 第 14 期 许 凯等：基于概率统计方法的承德市农业旱灾风险评估 145 Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(8): 1 10. (in Chinese with English abstract) 9 Donald A Wilhite, Michael J