環(huán)渤海葡萄澇漬指標(biāo)構(gòu)建及風(fēng)險(xiǎn)評估

毛紅丹 霍治國2)* 張 蕾 楊建瑩 孔 瑞 李春暉 江夢圓

1)(中國氣象科學(xué)研究院， 北京 100081) 2)(南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評估協(xié)同創(chuàng)新中心， 南京 210044) 3)(國家氣象中心， 北京 100081)

引 言

葡萄是世界四大果樹品種之一，中國葡萄產(chǎn)業(yè)在改革開放的40余年間得到快速發(fā)展，葡萄總產(chǎn)量位居世界首位，面積居世界第2位[1]。國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，到2018年底葡萄栽培面積達(dá)7.25×105hm2，產(chǎn)量達(dá)1.37×107t，與改革開放前(1978年)相比，面積增加26.5倍，產(chǎn)量增加130.6倍。全球氣候變化背景下，極端降水事件頻發(fā)，近年我國遭受澇漬災(zāi)害次數(shù)比以往明顯增多[2-3]。澇漬災(zāi)害是我國主要農(nóng)業(yè)氣象災(zāi)害，對農(nóng)業(yè)生產(chǎn)的影響僅次于旱災(zāi)[4-6]，中國水旱災(zāi)害公報(bào)表明2018年全國因洪澇糧食減產(chǎn)1.21×107t，經(jīng)濟(jì)作物損失166.66億元。環(huán)渤海灣葡萄栽培區(qū)是我國最大的葡萄產(chǎn)區(qū)，栽培面積和產(chǎn)量約占全國總量的36.2%和44.0%[7]。該區(qū)域?qū)儆谂瘻貛О霛駶櫦撅L(fēng)氣候區(qū)，降水量年內(nèi)和區(qū)域內(nèi)分布不均[8]，易發(fā)生澇漬災(zāi)害。葡萄耐澇能力弱，其關(guān)鍵發(fā)育期正值環(huán)渤海地區(qū)多雨時(shí)期，如遭遇短時(shí)強(qiáng)降雨或長時(shí)間持續(xù)降雨，將嚴(yán)重影響葡萄的產(chǎn)量和品質(zhì)，造成葡萄大面積減產(chǎn)甚至絕收。澇漬災(zāi)害已成為威脅環(huán)渤海地區(qū)葡萄生產(chǎn)的主要?dú)庀鬄?zāi)害，構(gòu)建葡萄澇漬災(zāi)害等級指標(biāo)，對有針對性地開展葡萄澇漬災(zāi)害防澇減災(zāi)等具有重要意義。

國內(nèi)外學(xué)者對葡萄澇漬災(zāi)害的研究，主要包括澇漬對葡萄的影響、葡萄耐澇能力以及澇漬相關(guān)指標(biāo)等方面。澇漬災(zāi)害對葡萄的影響以及葡萄耐澇能力的研究主要基于淹水控制試驗(yàn)，通過人為控制外界水分條件，對葡萄的生理生態(tài)指標(biāo)[9]、產(chǎn)量[10-11]以及果實(shí)品質(zhì)[12-13]等方面進(jìn)行研究，成果表明：葡萄在不同發(fā)育期耐澇能力有所不同，萌芽期和新梢生長期是需水關(guān)鍵期；開花坐果期要求降水較少，過多則影響花粉受精坐果；果實(shí)膨大期和著色成熟期如遇過度降水易引發(fā)病蟲害，導(dǎo)致葡萄產(chǎn)量和品質(zhì)下降。

澇漬相關(guān)指標(biāo)的研究多基于天氣氣候尺度，從氣象洪澇的定量分析和評估出發(fā)，常用指標(biāo)有降水距平[14-17]、濕潤度指數(shù)[18-19]等，澇漬災(zāi)害的形成不僅受當(dāng)前降水量影響，還與前期降水量聯(lián)系密切[5]。肖楠舒[20]、馬延慶等[21]基于降水量和持續(xù)時(shí)間等因子構(gòu)建葡萄霜霉病指標(biāo)，采用連續(xù)兩旬降水量之和超過100 mm為指標(biāo)。張旭暉等[22]根據(jù)農(nóng)田水分平衡原理，基于日澇漬災(zāi)害指標(biāo)和權(quán)重指數(shù)構(gòu)建澇漬災(zāi)害指數(shù)模型，系統(tǒng)分析江蘇省農(nóng)田澇漬時(shí)空分布規(guī)律和氣候變化趨勢。馬曉群等[23]考慮農(nóng)業(yè)旱澇的前期累積效應(yīng)影響，以逐旬相對濕潤度指數(shù)為基礎(chǔ)，定量表征玉米澇漬形成的逐步累積以及前期影響的差異性，創(chuàng)建可反映旱澇漸變的累積濕潤指數(shù)的經(jīng)驗(yàn)公式。盛紹學(xué)等[24]利用氣象資料、小麥發(fā)育期資料和產(chǎn)量資料等，構(gòu)建包括澇漬脆弱度、氣候風(fēng)險(xiǎn)指數(shù)、澇漬綜合風(fēng)險(xiǎn)評估系數(shù)等不同的澇漬風(fēng)險(xiǎn)表征模型。上述指數(shù)或指標(biāo)研究大多針對大田作物，在考慮前期影響時(shí)多以旬為尺度，只能在生長期結(jié)束后進(jìn)行評估，缺乏對澇漬災(zāi)害過程監(jiān)測評估的時(shí)效性，有關(guān)葡萄澇漬災(zāi)害指標(biāo)，特別是基于葡萄澇漬災(zāi)變過程的指標(biāo)研究鮮見報(bào)道。

鑒于此，本文以中國環(huán)渤海地區(qū)葡萄主產(chǎn)區(qū)為研究對象，利用氣象資料、葡萄發(fā)育期資料以及葡萄澇漬歷史災(zāi)情資料，充分考慮前期水分盈虧的影響，構(gòu)建葡萄逐日澇漬指數(shù)，并結(jié)合歷史災(zāi)情樣本澇漬災(zāi)變過程解析結(jié)果，通過統(tǒng)計(jì)分析方法構(gòu)建包含澇漬持續(xù)時(shí)間以及災(zāi)害強(qiáng)度的環(huán)渤海葡萄澇漬災(zāi)害等級指標(biāo)體系，并在此基礎(chǔ)上開展葡萄澇漬災(zāi)害風(fēng)險(xiǎn)評估。上述指標(biāo)可實(shí)現(xiàn)對葡萄澇漬災(zāi)害過程的實(shí)時(shí)動態(tài)判識評估，填補(bǔ)葡萄澇漬災(zāi)害等級指標(biāo)的空白，具有較好的業(yè)務(wù)應(yīng)用前景，為開展葡萄防災(zāi)減災(zāi)氣象服務(wù)、災(zāi)害保險(xiǎn)等提供基礎(chǔ)支撐。

1 資料與方法

1.1 研究資料

1.1.1 研究區(qū)概況

研究區(qū)域?yàn)橹袊h(huán)渤海葡萄主產(chǎn)區(qū)，根據(jù)全國葡萄種植面積與產(chǎn)量數(shù)據(jù)(http:∥zzys.agri.gov.cn)，結(jié)合前人研究及葡萄種植區(qū)劃[7,25]，研究區(qū)域包括北京、天津、河北、山東、遼寧。該區(qū)域位于中國東部沿海(34°23′～43°26′N，113°04′～125°46′E)，區(qū)域內(nèi)地形和地貌類型復(fù)雜多樣，年平均氣溫為8～12℃，多年平均降水量為800 mm，屬于暖溫帶半濕潤季風(fēng)氣候區(qū)，四季分明、冬干夏濕。

1.1.2 資料來源

氣象資料來源于國家氣象信息中心，包括1980—2019年中國環(huán)渤海地區(qū)323個(gè)國家基本氣象站的逐日日照時(shí)數(shù)、降水量、平均溫度、日最高氣溫、日最低氣溫、平均風(fēng)速和平均氣壓等，去除缺測率超過5%的站點(diǎn)，對個(gè)別缺測數(shù)據(jù)用歷年平均值替代進(jìn)行插補(bǔ)，最后篩選得到303個(gè)國家基本氣象站的逐日地面氣象觀測數(shù)據(jù)，研究區(qū)域內(nèi)氣象站點(diǎn)分布如圖1所示。葡萄澇漬歷史災(zāi)情資料來源于《中國氣象災(zāi)害大典》(北京卷、天津卷、河北卷、山東卷、遼寧卷)[26-30]、《中國氣象災(zāi)害年鑒》[31]、葡萄災(zāi)情調(diào)查、果園災(zāi)情記錄以及媒體報(bào)道等。

圖1 研究區(qū)域內(nèi)氣象站點(diǎn)分布Fig.1 Distribution of weather stations in target area

1.1.3 資料處理

基于葡萄不同發(fā)育階段對澇漬敏感的差異性，結(jié)合國內(nèi)學(xué)者對環(huán)渤海地區(qū)葡萄發(fā)育期的研究記錄數(shù)據(jù)及環(huán)渤海地區(qū)實(shí)際情況[20,32-33]，本研究將澇漬對葡萄的影響時(shí)段劃分為萌芽-新梢生長期、開花坐果期、果實(shí)膨大期和著色成熟期。

葡萄澇漬災(zāi)害程度分級，依據(jù)《中國氣象災(zāi)害大典》(北京卷、天津卷、河北卷、山東卷、遼寧卷)和《中國氣象災(zāi)害年鑒》中關(guān)于葡萄澇漬災(zāi)害的相關(guān)記錄，按照葡萄澇漬受災(zāi)程度的描述，將澇漬受災(zāi)程度分為輕度、中度、重度3個(gè)等級，其中對應(yīng)的描述為：輕度澇漬，部分受災(zāi)、受損；中度澇漬，嚴(yán)重受漬、成災(zāi)、部分絕收；重度澇漬，大量減產(chǎn)、絕收、沖走果樹。根據(jù)災(zāi)害記錄中澇漬發(fā)生的時(shí)間、地點(diǎn)與降雨過程，結(jié)合葡萄的不同發(fā)育階段，反演葡萄歷史澇漬災(zāi)害過程，共得到葡萄不同發(fā)育階段、不同等級澇漬災(zāi)害樣本130個(gè)。隨機(jī)選取葡萄不同發(fā)育階段、不同災(zāi)害等級澇漬災(zāi)害樣本104個(gè)進(jìn)行指標(biāo)構(gòu)建，預(yù)留26個(gè)樣本進(jìn)行指標(biāo)驗(yàn)證。

1.2 研究方法

1.2.1 澇漬指數(shù)的構(gòu)建

研究表明:作物在進(jìn)化歷程中，為適應(yīng)環(huán)境形成了有效的適應(yīng)反應(yīng)機(jī)制，某地主栽作物類型及其品種，是對平均氣候狀態(tài)長期選擇和適應(yīng)的較好結(jié)果，澇漬災(zāi)害發(fā)生的直接原因是作物水分盈虧明顯偏離平均狀態(tài)[34]，因此為消除站點(diǎn)內(nèi)的時(shí)間差異、站點(diǎn)間的空間差異等影響，將某地作物當(dāng)前水分盈虧狀況與該地區(qū)歷史平均態(tài)水分需求狀況相比較進(jìn)行澇漬評估更有針對性。參考作物相對濕潤度指數(shù)的計(jì)算公式，構(gòu)建葡萄澇漬指數(shù)M5i。

(1)

ETci=Kci×ET0i。

(2)

式(2)中，Kci為葡萄作物系數(shù)，參考1998年FAO-56推薦的分段單值平均作物系數(shù)法[35]和文獻(xiàn)[20]，對葡萄萌芽-新梢生長期、開花坐果期、果實(shí)膨大期、著色成熟期4個(gè)發(fā)育階段的Kc進(jìn)行逐月劃分，4—10月的Kc分別為0.35，0.45，0.52，0.85，0.80，0.60，0.45，ET0i為某站點(diǎn)第i日的參考作物蒸散量(單位：mm),計(jì)算方法采用FAO推薦的Penman-Monteith公式[35]。

葡萄在不同發(fā)育階段對水分的需求不同，前期水分盈虧狀況也會對當(dāng)前葡萄生長發(fā)育產(chǎn)生影響，在考慮前期水分盈虧影響時(shí)，采用權(quán)重遞減的思路，即假定當(dāng)日水分盈虧狀況對該日M5i貢獻(xiàn)最大，當(dāng)日前幾日的水分盈虧情況對當(dāng)日M5i貢獻(xiàn)隨時(shí)間前移而遞減，且所有因子總權(quán)重為1。

(3)

綜合文獻(xiàn)[36]及災(zāi)情記錄反演結(jié)果，考慮當(dāng)日前5 d的水分盈虧前效影響情況效果最佳，因此，式(3)中n=5；k為包含當(dāng)日在內(nèi)的前k天，即當(dāng)日k=1，當(dāng)日前1日k=2，依次類推，k=1,2,…,n。因此當(dāng)日權(quán)重系數(shù)ωi為5/15，前1日的權(quán)重系數(shù)為4/15，依次類推。環(huán)渤海葡萄澇漬指數(shù)M5i公式如下：

(4)

1.2.2 指標(biāo)閾值的確定

高斯分布的Lilliefors檢驗(yàn)是通過對累積頻率分布的比較，判斷樣本是否遵從高斯分布，它提出變量遵從高斯分布的原假設(shè)，判斷其是否符合正態(tài)分布[37]。若樣本序列不符合正態(tài)分布，可對原始序列數(shù)據(jù)進(jìn)行初等函數(shù)變換(如對數(shù)、平方根、立方根等)，使序列峰度-偏度系數(shù)減小，從而符合正態(tài)分布[38]。

采用t分布區(qū)間估計(jì)方法，估計(jì)樣本的重現(xiàn)水平[39]。采用樣本平均值的90%置信區(qū)間表征樣本的M5i逐日累加值區(qū)間，以90%置信區(qū)間的上、下置信區(qū)間為界限，作為達(dá)到該葡萄澇漬等級的M5i累加值的臨界值。

1.2.3 指標(biāo)驗(yàn)證

在構(gòu)建指標(biāo)前，隨機(jī)預(yù)留26個(gè)獨(dú)立葡萄澇漬災(zāi)害樣本，用于葡萄澇漬等級指標(biāo)的驗(yàn)證。26個(gè)葡萄澇漬災(zāi)害樣本包括萌芽-新梢生長期樣本2個(gè)，開花坐果期樣本2個(gè)，果實(shí)膨大期樣本10個(gè)，著色成熟期樣本12個(gè)。根據(jù)驗(yàn)證樣本中記載澇漬發(fā)生的時(shí)間、地點(diǎn)，依據(jù)構(gòu)建的葡萄澇漬等級指標(biāo)，計(jì)算得到葡萄澇漬等級，對比驗(yàn)證其與歷史記錄災(zāi)情等級的一致性。

1.2.4 致災(zāi)風(fēng)險(xiǎn)指數(shù)

葡萄澇漬致災(zāi)風(fēng)險(xiǎn)指數(shù)指給定地理區(qū)域一定時(shí)段內(nèi)葡萄輕度、中度、重度澇漬發(fā)生的可能性，即研究給定區(qū)域內(nèi)葡萄澇漬的發(fā)生概率或重現(xiàn)期。綜合考慮葡萄不同發(fā)育階段澇漬等級及其發(fā)生概率，構(gòu)建葡萄澇漬致災(zāi)風(fēng)險(xiǎn)指數(shù)評估模型：

(5)

式(5)中，Dr為澇漬致災(zāi)風(fēng)險(xiǎn)指數(shù)，Qj為第j個(gè)等級澇漬災(zāi)害的強(qiáng)度，m為澇漬的等級數(shù)(本文m=3)，Pj為第j個(gè)等級澇漬災(zāi)害發(fā)生的概率。澇漬災(zāi)害發(fā)生概率(Pj)的計(jì)算方法采用信息擴(kuò)散法[40-42]。

2 結(jié)果與分析

2.1 葡萄澇漬災(zāi)害過程反演

根據(jù)災(zāi)情記錄，反演對應(yīng)時(shí)間和地點(diǎn)的降水過程，得到對應(yīng)災(zāi)情記載時(shí)間前15 d到后15 d的降水和M5i序列。根據(jù)反演的各災(zāi)情樣本對應(yīng)的降雨過程，得到各災(zāi)情樣本對應(yīng)災(zāi)害過程的M5i逐日值，分別統(tǒng)計(jì)各個(gè)澇漬過程中M5i在閾值0，1，2，3，4，5，6之間的持續(xù)日數(shù)及其過程中逐日累加值，根據(jù)統(tǒng)計(jì)結(jié)果得到不同M5i閾值下災(zāi)害樣本的被判識率(圖2)。

由圖2可以看到，各個(gè)災(zāi)害過程中M5i在0，1，2，3時(shí)，災(zāi)害樣本被判識率均為100%；在4，5，6時(shí)，災(zāi)害樣本被判識率均小于100%，且隨閾值增加被判識率逐漸減少?；谂凶R率最大、空判率最小的原則，選擇3作為閾值，即統(tǒng)計(jì)M5i≥3的持續(xù)日數(shù)及其過程中M5i逐日累加值進(jìn)行葡萄澇漬災(zāi)害等級指標(biāo)構(gòu)建。

圖2 葡萄不同M5i閾值下災(zāi)害樣本被判識率Fig.2 Identification rate of grape disaster samples under different M5i threshold

2.2 葡萄不同等級澇漬指標(biāo)構(gòu)建

根據(jù)災(zāi)害樣本反演結(jié)果，統(tǒng)計(jì)M5i≥3持續(xù)日數(shù)分別為3，4，5，6，7，8，9，10 d及以上時(shí)，輕度、中度和重度澇漬的樣本量占該持續(xù)日數(shù)總樣本量的百分比，結(jié)果如圖3所示。由圖3可以看到，94.7%的輕度澇漬樣本M5i≥3持續(xù)日數(shù)為3～4 d，82.4%的中度澇漬樣本M5i≥3持續(xù)日數(shù)為5～6 d，64.7%的重度澇漬樣本M5i≥3持續(xù)日數(shù)為7 d 及以上。因此，按照M5i≥3的持續(xù)日數(shù)劃分，初步判識指標(biāo)為：持續(xù)3～4 d為輕度，持續(xù)5～6 d為中度，持續(xù)7 d及以上為重度。

圖3 葡萄不同等級澇漬災(zāi)害樣本量占總樣本量的百分比(M5i≥3)Fig.3 The samples percentage of grape waterlogging disasters of different grades in the total samples (M5i≥3)

根據(jù)上述初步判識指標(biāo)對歷史災(zāi)情等級進(jìn)行判別時(shí)，有些災(zāi)例的判識結(jié)果不準(zhǔn)確。以著色成熟期為例，2009年8月18日費(fèi)縣站災(zāi)情樣本記錄反演結(jié)果表明：M5i≥3持續(xù)日數(shù)為5 d，初步判識等級應(yīng)為中度澇漬，但是其歷史災(zāi)情記錄描述為重度澇漬，反演其相應(yīng)過程M5i逐日累加值達(dá)到148，因此初步判識指標(biāo)出現(xiàn)誤差，即僅依靠M5i≥3的持續(xù)日數(shù)對澇漬災(zāi)害等級的判識不準(zhǔn)確，需要添加輔助指標(biāo)，即通過界定M5i≥3過程中M5i逐日累加值上下限閾值修正初步判識結(jié)果，進(jìn)行葡萄澇漬災(zāi)害等級判識。

根據(jù)初步判識指標(biāo)統(tǒng)計(jì)303個(gè)氣象站1980—2019年所有可能澇漬過程，即篩選條件為M5i≥3的持續(xù)日數(shù)至少為3 d。每個(gè)發(fā)育階段均統(tǒng)計(jì)得到3組M5i逐日累加值序列，分別對每個(gè)發(fā)育期3～4 d，5～6 d，7 d及以上過程中M5i≥3的逐日累加值序列進(jìn)行正態(tài)分布檢驗(yàn)，對不符合正態(tài)分布的數(shù)據(jù)序列進(jìn)行初等函數(shù)變換，變換后的新樣本序列通過正態(tài)分布檢驗(yàn)(達(dá)到90%信度水平)。結(jié)合災(zāi)情樣本的數(shù)據(jù)分布，利用t分布區(qū)間估計(jì)方法，得到平均值90%置信區(qū)間(表1)。

表1 葡萄發(fā)育階段不同持續(xù)日數(shù)過程澇漬指數(shù)M5i逐日累加值序列平均值90%置信區(qū)間Table 1 90% confidence interval of the mean value of the cumulative M5i in the process of different duration during grape growth stages

當(dāng)過程中M5i逐日累加值超過其相應(yīng)序列90%置信區(qū)間上限時(shí)，澇漬災(zāi)害等級強(qiáng)度加1級，小于其對應(yīng)序列90%置信區(qū)間下限值時(shí)，澇漬災(zāi)害等級強(qiáng)度降1級，由此確定葡萄不同發(fā)育階段、不同澇漬等級的澇漬指標(biāo)區(qū)間。為應(yīng)用方便，對閾值進(jìn)行取整(表2)。

表2 葡萄不同發(fā)育階段澇漬災(zāi)害等級指標(biāo)Table 2 The grape waterlogging disaster level indicators during different growth stages

本文所得葡萄不同發(fā)育階段澇漬災(zāi)害等級指標(biāo)以M5i≥3的持續(xù)日數(shù)為初步判識指標(biāo)，初步判定等級后，再對過程中M5i進(jìn)行累加，得到過程中M5i逐日累加值，根據(jù)累加值大小，對初步判定等級進(jìn)行修正，得到最終澇漬災(zāi)害等級。

以著色成熟期為例，2008年8月11日北京站樣本災(zāi)情記錄描述為輕度澇漬，災(zāi)情樣本反演結(jié)果，M5i≥3持續(xù)5 d，初步判定其澇漬等級為中度，計(jì)算得到過程中M5i逐日累加值為28，小于中度澇漬等級相對應(yīng)的M5i累加值下限閾值29，則修正該過程澇漬災(zāi)害等級強(qiáng)度降一級，為輕度澇漬，與災(zāi)情記錄等級相符。2011年8月9日大連站樣本災(zāi)情記錄描述為中度澇漬，災(zāi)情樣本反演結(jié)果M5i≥3持續(xù)6 d，初步判定其澇漬等級為中度，計(jì)算得到過程中M5i逐日累加值為61，位于閾值區(qū)間內(nèi)，則最終該樣本計(jì)算等級為中度澇漬，與災(zāi)情記錄等級相符；2000年8月8日興城站樣本災(zāi)情記錄描述為重度澇漬，災(zāi)情樣本反演結(jié)果M5i≥3持續(xù)5 d，初步判定其澇漬等級為中度，計(jì)算M5i逐日累加值為139，大于中度澇漬等級相對應(yīng)的M5i累加值上限閾值86，則修正該過程澇漬災(zāi)害等級強(qiáng)度加一級，為重度澇漬，與災(zāi)情記錄等級相符。

2.3 葡萄澇漬災(zāi)害等級指標(biāo)驗(yàn)證

用預(yù)留的26個(gè)獨(dú)立樣本，對葡萄澇漬災(zāi)害等級指標(biāo)進(jìn)行驗(yàn)證，將結(jié)果分為3大類，即完全符合、基本符合、完全不符合，其中基本符合為指標(biāo)計(jì)算等級與歷史記錄等級相差一級。驗(yàn)證結(jié)果見表3，結(jié)果表明：計(jì)算等級與歷史記錄完全符合的樣本共22個(gè)，占全部樣本的84.6%；計(jì)算等級與歷史記錄基本符合的樣本共2個(gè)，為1994年青龍和1997年承德，占全部樣本的7.7%，即完全符合和基本符合占總樣本量的92.3%；計(jì)算等級與歷史記錄完全不符合的樣本共2個(gè)，為1985年密云和2011年棲霞，占全部樣本的7.7%?？紤]到災(zāi)情描述存在一定誤差，可以認(rèn)為指標(biāo)對歷史災(zāi)情判識具有較好有效性，表明構(gòu)建的葡萄澇漬等級指標(biāo)能較好反映葡萄澇漬災(zāi)害的實(shí)際發(fā)生情況。

表3 葡萄澇漬災(zāi)害指標(biāo)驗(yàn)證Table 3 Verification of grape waterlogging disaster indicators

2.4 葡萄澇漬災(zāi)害風(fēng)險(xiǎn)分析

基于已構(gòu)建的中國環(huán)渤海地區(qū)葡萄澇漬災(zāi)害等級指標(biāo)和303個(gè)氣象站資料，利用信息擴(kuò)散法，計(jì)算1980—2019年303個(gè)氣象站葡萄輕度、中度、重度澇漬的風(fēng)險(xiǎn)概率，葡萄不同發(fā)育階段不同澇漬等級風(fēng)險(xiǎn)概率的站次比如圖4所示。葡萄萌芽-新梢生長期和開花坐果期分別有69.64%和61.06%的氣象站輕度澇漬發(fā)生概率大于20%，40.26%和42.57%的氣象站中度澇漬發(fā)生概率小于5%，92.74%和87.46%的氣象站重度澇漬發(fā)生概率小于5%；葡萄果實(shí)膨大期輕、中、重度澇漬分別有95.04%，43.23%，12.21%的氣象站發(fā)生概率大于20%；葡萄著色成熟期輕度、中度、重度澇漬分別有98.02%，83.50%，23.76%的氣象站發(fā)生概率大于20%。

圖4 葡萄不同發(fā)育階段不同等級澇漬發(fā)生概率站次比Fig.4 Station ratio of grape waterlogging disaster probability at different grades during different growth stages

綜上所述，1980—2019年環(huán)渤海主產(chǎn)區(qū)葡萄各發(fā)育階段均為輕度澇漬發(fā)生范圍最大，中度澇漬次之，重度澇漬發(fā)生范圍最小，各發(fā)育階段重度澇漬災(zāi)害發(fā)生范圍隨發(fā)育進(jìn)程推進(jìn)逐漸增大，果實(shí)膨大期和著色成熟期的輕度、中度、重度澇漬災(zāi)害發(fā)生范圍明顯大于前兩個(gè)發(fā)育階段。

綜合考慮不同等級葡萄澇漬災(zāi)害發(fā)生概率和災(zāi)害強(qiáng)度，計(jì)算葡萄澇漬災(zāi)害風(fēng)險(xiǎn)指數(shù)，環(huán)渤海地區(qū)葡萄澇漬災(zāi)害風(fēng)險(xiǎn)空間分布情況如圖5所示?？傮w上，葡萄澇漬災(zāi)害致災(zāi)風(fēng)險(xiǎn)隨著葡萄發(fā)育進(jìn)程的推進(jìn)逐步增加，由小到大的順序?yàn)槊妊?新梢生長期、開花坐果期、果實(shí)膨大期和著色成熟期。環(huán)渤海地區(qū)葡萄主產(chǎn)區(qū)屬于暖溫帶半濕潤季風(fēng)氣候，春季少雨，葡萄前期生長發(fā)育受澇漬影響較小；夏季多雨，降雨主要集中在7—9月，此時(shí)正值葡萄的果實(shí)膨大期和著色成熟期，導(dǎo)致葡萄生長發(fā)育后期澇漬災(zāi)害風(fēng)險(xiǎn)較大。

圖5 葡萄澇漬致災(zāi)風(fēng)險(xiǎn)指數(shù)空間分布Fig.5 Spatial distribution of grape waterlogging disaster risk index

研究區(qū)域內(nèi)萌芽-新梢生長期的澇漬災(zāi)害致災(zāi)風(fēng)險(xiǎn)指數(shù)普遍在0.6以下，只有遼寧的東南部地區(qū)及山東南部和東部小部分地區(qū)風(fēng)險(xiǎn)指數(shù)高于0.6，表明葡萄萌芽-新梢生長期不是澇漬災(zāi)害的高風(fēng)險(xiǎn)時(shí)期。

與萌芽-新梢生長期相比，開花坐果期的澇漬災(zāi)害致災(zāi)風(fēng)險(xiǎn)指數(shù)略有增加，高風(fēng)險(xiǎn)區(qū)域范圍略有改變，主要位于遼寧的東南部地區(qū)，低風(fēng)險(xiǎn)區(qū)域位于河北南部的大部分地區(qū)。

果實(shí)膨大期和著色成熟期的澇漬災(zāi)害致災(zāi)風(fēng)險(xiǎn)明顯增高，高風(fēng)險(xiǎn)區(qū)域范圍較前兩個(gè)發(fā)育階段也明顯擴(kuò)大，由環(huán)渤海地區(qū)東南部區(qū)域向西北方向推進(jìn)。除河北西北部小部分地區(qū)風(fēng)險(xiǎn)指數(shù)值低于0.3外，剩余大部分地區(qū)的葡萄澇漬災(zāi)害致災(zāi)風(fēng)險(xiǎn)指數(shù)在0.6以上，兩個(gè)發(fā)育階段均為葡萄澇漬災(zāi)害的高風(fēng)險(xiǎn)時(shí)期。

3 結(jié)論與討論

以中國環(huán)渤海地區(qū)葡萄主產(chǎn)區(qū)為研究對象，在構(gòu)建逐日澇漬指數(shù)M5i的基礎(chǔ)上，以歷史災(zāi)情反演、災(zāi)情樣本重建和災(zāi)害過程解析為主線，構(gòu)建適用于中國環(huán)渤海葡萄主產(chǎn)區(qū)的葡萄澇漬災(zāi)害等級指標(biāo)體系，并在此基礎(chǔ)上開展葡萄澇漬災(zāi)害風(fēng)險(xiǎn)分析，主要結(jié)論如下：

1) 從歷史災(zāi)情分析出發(fā)，構(gòu)建環(huán)渤海地區(qū)葡萄不同發(fā)育階段輕度、中度、重度澇漬災(zāi)害指標(biāo)。葡萄各發(fā)育階段均以M5i≥3的持續(xù)日數(shù)為主導(dǎo)判識指標(biāo)，輕度、中度和重度澇漬主導(dǎo)判識指標(biāo)分別為持續(xù)3～4 d，5～6 d和7 d及以上，并對過程中M5i逐日累加值閾值進(jìn)行界定作為輔助指標(biāo)，最終構(gòu)建得到環(huán)渤海地區(qū)葡萄不同發(fā)育階段澇漬災(zāi)害等級指標(biāo)。

2) 環(huán)渤海地區(qū)葡萄各發(fā)育階段均以輕度澇漬發(fā)生范圍最大，中度澇漬次之，重度澇漬發(fā)生范圍最小，各發(fā)育階段重度澇漬災(zāi)害發(fā)生范圍隨發(fā)育進(jìn)程的推進(jìn)逐漸增大，果實(shí)膨大期和著色成熟期的輕度、中度以及重度澇漬災(zāi)害發(fā)生范圍明顯大于前兩個(gè)發(fā)育階段。

3) 環(huán)渤海地區(qū)葡萄不同發(fā)育階段澇漬災(zāi)害風(fēng)險(xiǎn)從小到大依次為萌芽-新梢生長期、開花坐果期、果實(shí)膨大期和著色成熟期，葡萄澇漬災(zāi)害高風(fēng)險(xiǎn)區(qū)域主要位于山東東南部、遼寧東南部、河北東北部。

葡萄澇漬災(zāi)害的形成是多種因素綜合作用的結(jié)果，其中天氣條件是澇漬發(fā)生發(fā)展的致災(zāi)危險(xiǎn)性因素。由于降水較多且排水不暢，葡萄果樹根系和地上部分生長發(fā)育受阻，還易引發(fā)病蟲害[10,12-13,43]，導(dǎo)致葡萄減產(chǎn)和品質(zhì)下降。葡萄澇漬等級指標(biāo)構(gòu)建過程基于對歷史災(zāi)情的加工整理和再分析，所采用的災(zāi)害樣本覆蓋中國環(huán)渤海葡萄主產(chǎn)區(qū)，且災(zāi)情記錄時(shí)間跨度大，通過對歷史災(zāi)情樣本的統(tǒng)計(jì)分析，反演葡萄澇漬災(zāi)害發(fā)生發(fā)展過程，本文構(gòu)建的葡萄澇漬災(zāi)害等級指標(biāo)具有科學(xué)性和區(qū)域代表性。

本文參考相對濕潤度指數(shù)，考慮當(dāng)日及前期水分盈虧的綜合影響，構(gòu)建得到葡萄逐日澇漬指數(shù)M5i。澇漬災(zāi)害是一個(gè)動態(tài)過程，目前澇漬災(zāi)害風(fēng)險(xiǎn)評估的研究大多是靜態(tài)的、災(zāi)后的評估。由于降水等氣象資料在氣象業(yè)務(wù)中可以實(shí)時(shí)獲取，因此本文構(gòu)建的基于降水量和需水量的葡萄澇漬災(zāi)害指標(biāo)可以實(shí)現(xiàn)對葡萄澇漬過程的動態(tài)判識評估，為開展區(qū)域澇漬災(zāi)害監(jiān)測預(yù)警與評估提供重要技術(shù)支撐。

本文采用等級權(quán)重與歷史災(zāi)害發(fā)生概率相乘的方法構(gòu)建風(fēng)險(xiǎn)指數(shù)，該構(gòu)建方法常見于農(nóng)業(yè)氣象災(zāi)害研究中，如水稻高溫?zé)岷44]、蘋果干旱[45]、農(nóng)業(yè)洪澇[46]等，在實(shí)際生產(chǎn)中，葡萄澇漬災(zāi)害的發(fā)生不僅與降水、果樹需水特征密切相關(guān)，葡萄果樹的樹齡、品種、地形地貌及灌溉狀況很大程度上影響葡萄澇漬災(zāi)害的形成，后續(xù)研究將綜合考慮危險(xiǎn)性、脆弱性和種植區(qū)域的防災(zāi)減災(zāi)能力，優(yōu)化風(fēng)險(xiǎn)指數(shù)模型[47]。果樹災(zāi)害指標(biāo)研究尚處于起步階段，本文參考蘋果干旱[48]、玉米冷害[49]等指標(biāo)構(gòu)建方法，通過搜集歷史災(zāi)情樣本，對其進(jìn)行反演分析用于指標(biāo)構(gòu)建，因此研究中資料的可靠性至關(guān)重要。目前葡萄澇漬災(zāi)害方面的研究基礎(chǔ)較為薄弱，災(zāi)情記載的詳盡程度不一，這可能與葡萄產(chǎn)業(yè)在當(dāng)?shù)氐挠绊懞椭匾潭纫约扒捌趯α止a(chǎn)等關(guān)注度不足有關(guān)。由于災(zāi)情記錄樣本較少，同時(shí)受災(zāi)損資料及葡萄發(fā)育期資料的限制，無法通過葡萄關(guān)鍵發(fā)育階段澇漬強(qiáng)度和等級分階段量化災(zāi)損情況。未來隨著產(chǎn)量和品質(zhì)資料的補(bǔ)充，葡萄災(zāi)情資料和發(fā)育期資料的完善，以及果園管理情況、土壤狀況和葡萄果樹耐澇能力等資料的不斷豐富，可在葡萄前期水分盈虧狀況對當(dāng)前澇漬過程影響權(quán)重賦值方法、葡萄澇漬指數(shù)算法以及澇漬災(zāi)害各等級指標(biāo)閾值厘定方法等方面繼續(xù)深入研究。