基于信息擴(kuò)散理論的山東省日光溫室番茄低溫冷害風(fēng)險(xiǎn)評估

李楠+陳辰+張繼波

摘 要：基于1984年至2013年山東省設(shè)施農(nóng)業(yè)生產(chǎn)季（每年10月至次年4月）自動(dòng)氣象觀測站資料及2007年至2014年日光溫室小氣候自動(dòng)觀測站資料，結(jié)合日光溫室內(nèi)番茄低溫冷害等級(jí)指標(biāo)，利用80%保證率方法，統(tǒng)計(jì)分析得到了日光溫室外番茄低溫冷害等級(jí)指標(biāo)；應(yīng)用該指標(biāo)，對近30年山東省日光溫室番茄低溫冷害進(jìn)行統(tǒng)計(jì)分析，結(jié)果表明，低溫冷害主要發(fā)生在12月、1月及2月；引入信息擴(kuò)散理論，通過Matlab程序編寫，計(jì)算得到了全省122個(gè)縣站不同低溫冷害等級(jí)下不同發(fā)生時(shí)間長度的風(fēng)險(xiǎn)概率值；利用ArcGIS繪制得到全省低溫冷害發(fā)生風(fēng)險(xiǎn)概率分布圖。

關(guān)鍵詞：日光溫室；低溫冷害；風(fēng)險(xiǎn)評估；信息擴(kuò)散；山東省

中圖分類號(hào)：S641.205+.3文獻(xiàn)標(biāo)識(shí)號(hào)：A文章編號(hào)：1001-4942（2016）12-0124-05

Abstract Based on the data derived from the 122 auto-meteorological observation stations in Shandong Province in facility production season from 1984 to 2013 and the greenhouse auto-micro-climate observation stations in Linzi， Laiwu and Dongying from 2007 to 2014， the chilling injury grade indexes of tomato inside greenhouse were used to analyze the chilling injury grade indexes of tomato outside greenhouse by 80% guarantee rate method. Then the chilling injury grade indexes of tomato outside greenhouse were used to statistically analyze the change rules of the chilling injury of greenhouse tomato in Shandong Province in recent 30 years. The results showed that the chilling injury mainly happened in December， January and February. The risk probability values of 122 stations in Shandong under different chilling injury grades for different time lengths were calculated by the Matlab program based on the information diffusion theory. The risk probability distribution maps were drawn using ArcGIS platform for chilling injury in Shandong.

Keywords Greenhouse； Chilling injury； Risk assessment； Information diffusion； Shandong Province

低溫冷害是影響我國農(nóng)業(yè)生產(chǎn)的主要災(zāi)害之一，是指農(nóng)作物生育期遭受低于其生長發(fā)育所需的環(huán)境溫度，引起農(nóng)作物生育期延遲，或生殖器官的生理機(jī)能受到損害，導(dǎo)致農(nóng)業(yè)減產(chǎn)的災(zāi)害類型[1]。我國低溫冷害多發(fā)，相關(guān)研究主要集中在東北地區(qū)及新疆等地的大宗作物[2-6]，一般采用災(zāi)害風(fēng)險(xiǎn)評估模型對其進(jìn)行風(fēng)險(xiǎn)分析，而風(fēng)險(xiǎn)評估模型包括3類[7-16]：（1）描述災(zāi)害本身發(fā)生強(qiáng)度等級(jí)及其發(fā)生概率的災(zāi)害強(qiáng)度風(fēng)險(xiǎn)評估模型；（2）以災(zāi)損指標(biāo)表示的描述災(zāi)害強(qiáng)度與承災(zāi)體直接和間接損失的災(zāi)損風(fēng)險(xiǎn)評估模型；（3）反映社會(huì)生產(chǎn)水平或承災(zāi)體本身抗災(zāi)能力的評估模型。然而，大多數(shù)風(fēng)險(xiǎn)系統(tǒng)具有模糊不確定性，基于此，黃崇福教授在《模糊信息優(yōu)化處理技術(shù)及其應(yīng)用》一書中系統(tǒng)提出了信息擴(kuò)散理論，并將其引入風(fēng)險(xiǎn)評估中[17，18]。目前已有很多學(xué)者將信息擴(kuò)散理論應(yīng)用于災(zāi)害的風(fēng)險(xiǎn)分析[19-22]，如馮利華等[22]利用基于信息擴(kuò)散理論的風(fēng)險(xiǎn)評估方法對地震災(zāi)害進(jìn)行了風(fēng)險(xiǎn)分析；張麗娟等[20]依據(jù)信息擴(kuò)散理論，提出了基于災(zāi)害發(fā)生標(biāo)準(zhǔn)直接估算低溫冷害、干旱和洪澇風(fēng)險(xiǎn)的計(jì)算方法，是信息擴(kuò)散理論在氣象災(zāi)害風(fēng)險(xiǎn)評估方面充分應(yīng)用的很好例子。

在大力推進(jìn)現(xiàn)代農(nóng)業(yè)發(fā)展的大環(huán)境下，設(shè)施農(nóng)業(yè)成為主要的生產(chǎn)方式，對增加農(nóng)民收入發(fā)揮了顯著作用。然而設(shè)施作物與大田作物的生長環(huán)境存在顯著差異，尤其我國北方冬季生產(chǎn)中所使用的大多為非加溫型日光溫室，其熱量完全依靠太陽輻射，受外界氣象條件影響極大[23，24]。番茄是山東省冬季日光溫室生產(chǎn)的主要反季節(jié)蔬菜之一，其產(chǎn)量及品質(zhì)直接影響農(nóng)民收益。因此，本文利用常見的風(fēng)險(xiǎn)評估模型中的第一類，即描述災(zāi)害本身發(fā)生強(qiáng)度等級(jí)及其發(fā)生概率的災(zāi)害強(qiáng)度風(fēng)險(xiǎn)評估模型，引入信息擴(kuò)散理論，通過Matlab程序編寫計(jì)算不同程度低溫冷害的風(fēng)險(xiǎn)概率值，對山東省日光溫室番茄低溫冷害的發(fā)生風(fēng)險(xiǎn)進(jìn)行評估，并利用ArcGIS繪制其分布圖，為實(shí)現(xiàn)設(shè)施生產(chǎn)防災(zāi)減災(zāi)提供數(shù)據(jù)支持。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

試驗(yàn)數(shù)據(jù)來源于1984年至2013年設(shè)施農(nóng)業(yè)生產(chǎn)季內(nèi)（當(dāng)年10月至次年4月）山東省自動(dòng)氣象觀測站（共122站，不含泰山站）逐日最低氣溫?cái)?shù)據(jù)資料，2007年至2014年臨淄、萊蕪、東營三個(gè)日光溫室小氣候自動(dòng)觀測站逐小時(shí)最低氣溫?cái)?shù)據(jù)資料。

1.2 數(shù)據(jù)處理

基于文獻(xiàn)查閱得到的日光溫室內(nèi)番茄低溫冷害等級(jí)指標(biāo)，將日光溫室內(nèi)小氣候逐日觀測數(shù)據(jù)資料與相同地區(qū)的自動(dòng)氣象站觀測數(shù)據(jù)資料進(jìn)行匹配提取，利用80%保證率分別計(jì)算不同等級(jí)低溫發(fā)生時(shí)溫室內(nèi)、外氣象資料對應(yīng)關(guān)系，最終確定低溫冷害的外界氣象等級(jí)指標(biāo)。

將日光溫室的種植季分為三季，即秋季（10-11月）、冬季（12月-翌年2月）、春季（3-5月）。根據(jù)日光溫室番茄發(fā)生低溫冷害的外界氣象等級(jí)指標(biāo)，統(tǒng)計(jì)1984-2013年10月至次年4月日光溫室番茄發(fā)生不同等級(jí)低溫冷害的日數(shù)，采用信息擴(kuò)散理論方法，對30年日光溫室番茄發(fā)生低溫冷害的概率風(fēng)險(xiǎn)進(jìn)行信息擴(kuò)散計(jì)算，得到全省30年來各年代、各季節(jié)不同低溫冷害發(fā)生等級(jí)的風(fēng)險(xiǎn)概率值，即災(zāi)害發(fā)生的致災(zāi)因子危險(xiǎn)性判斷值。

1.3 研究方法

信息擴(kuò)散方法是為了彌補(bǔ)信息不足而優(yōu)化利用樣本模糊信息的一種對樣本進(jìn)行集值化的模糊數(shù)學(xué)處理方法。當(dāng)樣本點(diǎn)不多時(shí)，所有樣本點(diǎn)提供給我們?nèi)フJ(rèn)識(shí)風(fēng)險(xiǎn)的知識(shí)并不完善，具有模糊不確定性[17，18，25]，此時(shí)不應(yīng)該把一個(gè)樣本點(diǎn)的信息看作確切的觀測值，而應(yīng)該把它看作是樣本點(diǎn)的代表，看作是一個(gè)集值，是一個(gè)模糊集觀測樣本點(diǎn)。基于信息擴(kuò)散理論的評估模型可通過設(shè)定災(zāi)害指數(shù)論域、利用信息擴(kuò)散函數(shù)將單值觀測樣本點(diǎn)進(jìn)行信息擴(kuò)散、對樣本點(diǎn)進(jìn)行歸一化信息分布計(jì)算等最終得到樣本點(diǎn)概率估計(jì)值[20]。

在信息擴(kuò)散評估模型中，擴(kuò)散函數(shù)與擴(kuò)散系數(shù)是關(guān)鍵，直接關(guān)系到結(jié)果準(zhǔn)確與否[4，11，23]。黃崇福教授對不同擴(kuò)散函數(shù)進(jìn)行了驗(yàn)證，結(jié)果表明，在樣本容量不大的情況下，簡單正態(tài)分布要優(yōu)于指數(shù)分布和對數(shù)正態(tài)分布，故本文選用正態(tài)擴(kuò)散函數(shù)（公式1）。

式中，h為擴(kuò)散系數(shù)，可根據(jù)樣本最大值b和最小值a及樣本點(diǎn)個(gè)數(shù)來確定[4，20]。

2 結(jié)果與分析

2.1 日光溫室外番茄低溫冷害等級(jí)指標(biāo)構(gòu)建

日光溫室番茄生長過程中，當(dāng)氣溫低于6℃時(shí)，生長受到嚴(yán)重影響，10℃以下生長緩慢，15℃以上為最適生長溫度，因此，將6、10、15℃作為劃分日光溫室番茄低溫冷害等級(jí)的閾值。

將臨淄、萊蕪、東營三個(gè)日光溫室小氣候自動(dòng)觀測站數(shù)據(jù)與對應(yīng)的三個(gè)地區(qū)自動(dòng)氣象觀測站數(shù)據(jù)匹配提取，并按80%保證率方法求算，得到日光溫室外番茄低溫冷害氣象等級(jí)指標(biāo)（表1）。

2.2 日光溫室番茄低溫冷害風(fēng)險(xiǎn)發(fā)生時(shí)間變化

2.2.1 日光溫室番茄低溫冷害發(fā)生規(guī)律 利用1984至2013年日光溫室番茄主要生長季內(nèi)（每年10月至次年4月）全省122個(gè)自動(dòng)氣象監(jiān)測站逐日最低氣溫觀測資料，結(jié)合日光溫室外番茄低溫冷害等級(jí)指標(biāo)進(jìn)行統(tǒng)計(jì)，重度冷害平均發(fā)生天數(shù)為20.2天，中度冷害平均發(fā)生天數(shù)為16.4天，輕度冷害平均發(fā)生天數(shù)為57.7天。從近30年全省日光溫室番茄苗期低溫冷害累計(jì)發(fā)生天數(shù)逐年變化圖（圖1）中看出，以輕災(zāi)為主，發(fā)生天數(shù)明顯高于重度和中度冷害；重度冷害與中度冷害多年平均發(fā)生天數(shù)接近。各月平均冷害發(fā)生天數(shù)從10月至次年4月分別為0.3、8、25、29、22、10天和0.5天（圖2），表明日光溫室番茄低溫冷害主要發(fā)生在冬季3個(gè)月內(nèi)。

2.2.2 日光溫室番茄低溫冷害風(fēng)險(xiǎn)時(shí)間變化 結(jié)合2.1中全省各縣站生產(chǎn)季內(nèi)不同月份內(nèi)出現(xiàn)日光溫室番茄低溫冷害的日數(shù)，確定離散論域選取為：

通過上述分析可知，山東省日光溫室番茄低溫冷害主要發(fā)生在冬季，因此，利用信息擴(kuò)散理論，確定離散論域，分別對12月、1月及2月的不同冷害等級(jí)發(fā)生概率進(jìn)行計(jì)算。因全省站點(diǎn)過多，文中僅以魯西北、魯中、魯南三個(gè)地區(qū)的代表站點(diǎn)，即東營、濰坊、臨沂為例，給出不同低溫冷害發(fā)生時(shí)間下的中度冷害發(fā)生概率變化（圖3）。由圖3可以看出，生長季內(nèi)，各代表站點(diǎn)發(fā)生5天中度低溫冷害的風(fēng)險(xiǎn)概率最大，其中東營接近80%，濰坊12月及2月的概率超過80%，臨沂1月概率在90%左右；發(fā)生10天中度低溫冷害的風(fēng)險(xiǎn)明顯降低，東營、濰坊僅為20%左右，臨沂1月較大，在50%左右，但12月和2月同樣明顯低于5天概率；發(fā)生15天及更長時(shí)間低溫冷害的風(fēng)險(xiǎn)各代表站均極小，可忽略不計(jì)。

2.3 日光溫室番茄低溫冷害風(fēng)險(xiǎn)空間變化

利用ArcGIS9.3繪制山東省日光溫室番茄低溫冷害發(fā)生概率分布圖，其中概率值過小的冷害發(fā)生時(shí)長不單獨(dú)繪圖，如12月內(nèi)低溫冷害發(fā)生時(shí)間分別為15、20、25、31天的概率值全省均約為0，不列出概率分布圖，同理，若該月內(nèi)某時(shí)間長度的災(zāi)害發(fā)生概率值全省差別不大，均不列出概率分布圖。

從圖4可以看出，山東省12月日光溫室番茄，各地發(fā)生10天輕度低溫冷害的概率均在84%以上，除魯西北北部、魯中東部、半島南部及魯西南局部地區(qū)在84%～96%之間，其他地區(qū)均在96%以上；中度低溫冷害發(fā)生可能性較大的地區(qū)為魯西北中東部及半島內(nèi)陸地區(qū)，概率值在20%～47%；重度低溫冷害主要集中在魯西北中部、魯中東部等地，概率在55%～74%之間，魯南大部、半島北部及東部發(fā)生概率最小，僅在17%以下。

1月，發(fā)生10天輕度低溫冷害的概率呈現(xiàn)中、北部較低，東、南部較高的趨勢，其中，魯西南地區(qū)概率最大，在89%以上；中度低溫冷害發(fā)生概率較高的區(qū)域主要為魯西北及半島局部，范圍小，且分布不均；重度低溫冷害主要發(fā)生在山東中、北部地區(qū)，其中，魯西北大部均在93%以上，表明發(fā)生10天重度低溫冷害的可能性極大（圖5）。

2月，發(fā)生10天輕度低溫冷害的概率分布無明顯規(guī)律，全省發(fā)生概率均在80%以上，各地局部均在98%出現(xiàn)可能性；發(fā)生10天中度低溫冷害的概率分布特點(diǎn)與發(fā)生5天的相似，仍為東部地區(qū)大，西部地區(qū)小，其中，半島地區(qū)發(fā)生概率最大，在12%～28%之間；全省大部地區(qū)重度低溫冷害發(fā)生概率在29%以下，其中，魯南大部地區(qū)僅在8%以下，魯西北、魯中及半島內(nèi)陸局部地區(qū)發(fā)生風(fēng)險(xiǎn)較大，概率在42%～66%，為需要關(guān)注的地區(qū)（圖6）。

3 討論與結(jié)論

（1）利用日光溫室內(nèi)、外氣象觀測數(shù)據(jù)，基于80%保證率方法，統(tǒng)計(jì)得到日光溫室外番茄低溫冷害氣象等級(jí)指標(biāo)，該指標(biāo)為開展低溫冷害風(fēng)險(xiǎn)區(qū)劃的基礎(chǔ)。

（2）利用1984-2013年日光溫室番茄主要生長季內(nèi)自動(dòng)氣象監(jiān)測站逐日最低氣溫觀測資料，結(jié)合低溫冷害氣象等級(jí)指標(biāo)，統(tǒng)計(jì)得到全省122個(gè)自動(dòng)氣象站30年平均重度冷害發(fā)生天數(shù)為20.2天，中度冷害發(fā)生天數(shù)16.4天，輕度冷害發(fā)生天數(shù)57.7天，且主要發(fā)生在冬季。

（3）利用信息擴(kuò)散理論，分別計(jì)算山東省各月內(nèi)不同時(shí)間長度、不同災(zāi)害等級(jí)的發(fā)生概率，并利用ArcGIS分析制圖，得到日光溫室番茄發(fā)生低溫冷害的概率分布，為開展精細(xì)化服務(wù)提供了依據(jù)。

（4）信息擴(kuò)散理論已被應(yīng)用于多種自然災(zāi)害的風(fēng)險(xiǎn)分析，理論方法成熟，可以利用該理論方法對山東省設(shè)施農(nóng)業(yè)不同災(zāi)害類型進(jìn)行分析，進(jìn)而更好地為設(shè)施生產(chǎn)提供指導(dǎo)性服務(wù)。

參 考 文 獻(xiàn)：

[1] 王書裕. 農(nóng)作物冷害的研究[M]. 北京：氣象出版社，1995.

[2] 杜鵬，李世奎. 農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評估模型及應(yīng)用[J]. 氣象學(xué)報(bào)，1997，55（1）： 95-102.

[3] 霍治國，李世奎，王素艷，等. 主要農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評估技術(shù)及其應(yīng)用研究[J]. 自然資源學(xué)報(bào)，2003，18（6）：692-703.

[4] 陳紅. 基于信息擴(kuò)散理論的黑龍江省主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)評估研究[D]. 哈爾濱：哈爾濱師范大學(xué)，2011.

[5] 李文亮，張冬有，張麗娟. 黑龍江省氣象災(zāi)害風(fēng)險(xiǎn)評估與區(qū)劃[J]. 干旱區(qū)地理，2009，32（5）： 756-758.

[6] 譚宗琨. 廣西農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評價(jià)及災(zāi)害風(fēng)險(xiǎn)區(qū)劃[J]. 廣西氣象，1997，18（1）： 44-50.

[7] 王春乙，張繼權(quán)，霍治國，等. 農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評估研究進(jìn)展與展望[J]. 氣象學(xué)報(bào)，2015，73（1）： 1-19.

[8] 李世奎，霍治國，王素艷，等. 農(nóng)業(yè)氣象風(fēng)險(xiǎn)評估體系及模型研究[J]. 自然災(zāi)害學(xué)報(bào)，2004，13（1）： 77-86.

[9] 張繼權(quán)，李寧. 主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)評價(jià)與管理的數(shù)量化方法及其應(yīng)用[M]. 北京：北京師范大學(xué)出版社，2007.

[10]薛曉萍，李楠，楊再強(qiáng). 日光溫室低溫冷害風(fēng)險(xiǎn)評估技術(shù)研究[J]. 災(zāi)害學(xué)，2013，28（3）： 61-65.

[11]黃崇福，白海玲. 模糊直方圖的概念及其在自然災(zāi)害風(fēng)險(xiǎn)分析中的應(yīng)用[J]. 工程數(shù)學(xué)學(xué)報(bào)，2000，17（2）：71-76.

[12]趙靜，張繼權(quán)，嚴(yán)登華，等. 基于格網(wǎng)GIS的豫北地區(qū)干旱災(zāi)害風(fēng)險(xiǎn)區(qū)劃[J]. 災(zāi)害學(xué)，2012，27（1）：55-58.

[13]史培軍. 災(zāi)害研究的理論與實(shí)踐[J]. 南京大學(xué)學(xué)報(bào)（自然科學(xué)版），1991：37-42.

[14]史培軍. 再論災(zāi)害研究的理論與實(shí)踐[J]. 自然災(zāi)害學(xué)報(bào)，1996，5（4）：6-17.

[15]史培軍. 三論災(zāi)害研究的理論與實(shí)踐[J]. 自然災(zāi)害學(xué)報(bào)，2002，11（3）：1-9.

[16]羅培. 區(qū)域氣象災(zāi)害風(fēng)險(xiǎn)評估[D]. 重慶：西南師范大學(xué)，2005.

[17]黃崇福. 自然災(zāi)害風(fēng)險(xiǎn)評價(jià)理論與實(shí)踐[M]. 北京：科學(xué)出版社，2005.

[18]白海玲，黃崇福. 自然災(zāi)害的模糊風(fēng)險(xiǎn)[J]. 自然災(zāi)害學(xué)報(bào)，2000，9（1）：47-53.

[19]劉引鴿，繆啟龍，高慶九. 基于信息擴(kuò)散理論的氣象災(zāi)害風(fēng)險(xiǎn)評價(jià)方法[J]. 氣象科學(xué)，2005，25（1）：84-89.

[20]張麗娟，李文亮，張冬有. 基于信息擴(kuò)散理論的氣象災(zāi)害風(fēng)險(xiǎn)評估方法[J]. 地理科學(xué)，2009，29（2）：250-254.

[21]馮利華. 基于信息擴(kuò)散理論的氣象要素風(fēng)險(xiǎn)分析[J]. 氣象科技，2000，28（1）：27-29.

[22]馮利華，稱歸燕. 基于信息擴(kuò)散理論的地震風(fēng)險(xiǎn)評估[J]. 地震學(xué)刊，2000，20（1）：19-21.

[23]李楠，薛曉萍，張繼波，等. 日光溫室黃瓜低溫冷害預(yù)警模型構(gòu)建技術(shù)研究[J]. 山東農(nóng)業(yè)科學(xué)，2015，47（9）：106-111.

[24]陳思寧，黎貞發(fā)，劉淑梅. 設(shè)施農(nóng)業(yè)氣象災(zāi)害研究綜述及研究方法展望[J]. 中國農(nóng)學(xué)通報(bào) 2014，30（20）：302-307.

[25]丁燕，史培軍. 臺(tái)風(fēng)災(zāi)害的模糊風(fēng)險(xiǎn)評估模型[J]. 自然災(zāi)害學(xué)報(bào)，2002，11（1）：34-43.