论文部分内容阅读
摘要：选用安徽省1980—2011年一季稻的逐年产量资料，利用5年直线滑动平均法，分析安徽省各县市的一季稻气象产量和趋势产量，得到研究区的水稻气象产量平均减产率，统计各县市灾害的发生频次，采用小波分析法分析其周期规律;采用灾年平均减产率、变异系数、风险指数和抗灾性能构建水稻综合风险评估模型，对安徽省地区一季稻生产的农业气象灾害进行风险区划;对安徽省地区一季稻生产的农业气象灾害进行风险区划，并对结果进行检验。结果表明：（1）安徽省地区一季稻产量的年代变化主要在1990年以前和2003年左右;（2）1980—2011年水稻受灾频次以11a和18a时间尺度上的峰值最大，是安徽省水稻受灾频次的第一主周期，Morlet小波方差值在7a、11a、18a、30a内出现峰值;（3）水稻综合风险度基本呈“北高南低”的趋势。该研究通过综合评估水稻农业气象灾害，对保障安徽地区粮食生产安全、水稻生产者的积极性和收益稳定性有着重要意义。
关键词：安徽;水稻;风险评估;模型
Abstract：Based on the data of mediumseason rice yields from 1980 to 2011 in An Hui Province with using five-year linear sliding average method to isolate the trend yield and the meteorological yield..Statisticsing the frequency of occurrence of the disaster counties based on the average yield reduction of rice，and analyze cycle regularity wavelet analysis. The model of damage risk evaluation is consisted of four parts，including average yield reduction ratio， the variation coefficient、the risk index and the disaster index.The authors calculated the risk degree by the model of damage risk evaluation， and then achieved the risk regionalization of agricultural meteorological disasters for mediumseason rice in the An Hui Province and the results were tested.The modest research shows that：（1）The age changes of the rice production in the An Hui Province is mainly before 1990s and around 2003;（2）The frequency of disaster had obviously periodic variation with 7a，11a、18a、and 30a temporal scales from 1980 to 2011. 11a and 18a is first major period;（3） Rice comprehensive risk is basicallypresented the north higher than the south. The paper mainly through the comprehensive assessment of agricultural agrometeorological disasters，so as to provide a directive to the regional agricultural disaster prevention and mitigation，profit and avoid disadvantages，and achieve stable grain production and high yield.
Key words：Anhui;Rice;Risk assessment;Model
中國是世界上最大的稻米生产国，水稻在我国不仅种植面积最大，单产最高，而且占粮食总产的比重也最大。水稻一直以来都是安徽省主要的粮食作物之一，尤其是一季稻，其播种面积占全省水稻总面积的85%以上，主要分布在沿淮、江淮、沿江江南地区[1-2]。袁福香等[3]研究表明，平均减产率指标、产量变异系数、风险指数是水稻灾害减产的风险评估指标。平均减产率是气象因子综合作用的结果，因而对评估水稻生产的综合气象灾害风险具有一定的指示意义。杨太明等[4]对皖浙地区早稻高温热害的发生规律及高温对早稻产量的影响进行了研究，结果表明，安徽省沿江、江淮一带高温热害对早稻的影响程度重于沿淮地区。吴孝祥[5]对江苏省各类气象灾害的时空分布规律及特征进行了分析，结果表明，淮北、江淮地区的旱年多与苏南地区。于堃[6]等对单季稻2个高温敏感期间高温热害发生的时空规律分析，结果表明，淮河以南地区是高温热害的多发区，尤以2001—2007年最为严重。包云轩[7]等对江苏省不同地区的气候变暖特征以及水稻高温热害的时空分布规律进行了分析研究，结果表明，苏南地区高温热害的发生频次远高于淮北和苏北沿海地区。褚荣浩[8]等对安徽省一季稻生育期高温热害的发生规律进行了分析，结果表明，安徽省一季稻生育期高温热害的发生频次较高的时段主要集中在7月中、下旬和8月上旬，尤以8月上旬最高，空间分布呈南部多，北部少，且由西南部向周围逐渐递减。然而，目前国内外对安徽省水稻生产的农业气象灾害的研究局限于单一因子对水稻产量的影响，因此，综合评估水稻风险显得尤为重要[11-16]。本文的水稻综合风险评估模型由灾年变异系数、平均减产率、抗灾性能指数和风险指数构成，并根据模型结果对风险度进行了区划，利用区划结果综合分析了安徽省一季稻生产的风险水平，以期为当地制定保险厘定费率、灾害的监测评估以及地区防灾减灾工作提供参考依据[17]。 1 数据与模型
1.1 数据
1.1.1 研究区概况 安徽水稻生产根据一季稻栽培制度，可分为双季稻（早稻、晚稻）、一季稻（中稻、单晚稻）2类。位于暖温带与亚热带的过渡地带，四季分明，雨量适中，光照充足，年均温适宜，适宜种植水稻等农作物。
1.1.2 资料获取 根据地理区域和农业区划，将安徽省划分为淮北、江淮和江南3个部分。资料选用对安徽省地形特征及水稻分布状况具有一定代表性的18个县市的水稻种植面积、总产量、单产（kg/hm2）以及1980—2011年18个气象站逐日气象要素，主要包括日平均温度（℃）、日最高气温（℃）、日降水量（mm）、日照时数（h）等（见图1）。
1.2 模型
1.2.1 产量资料的处理 通过直线滑动平均方法模拟出趋势产量，是一种将线性回归模型与滑动平均相结合，从而反映产量历史演变趋势的一种模拟方法[19]。基于这一方法，本研究采用5a滑动平均法，将1980—2011年一季稻实际产量分离成气象产量和趋势产量，（1）。
1.2.2 一季稻受灾的周期特征 采用Morlet小波分析方法，分析安徽省一季稻受灾频次的周期特征。通过将高受灾频次时间序列分解到时间频率域内，从而得到时间序列内的显著波动，即周期变化的动态。
2 结果与分析
2.1 一季稻成灾年数 根据式（2）分别统计了各县市各等级的一季稻成灾年数，详见表1。1980—2011年，总成灾年数为96a，平均每县市成灾年数为6a。成灾年减产率在5%～15%的占59%，15%～25%的占25%，25%～35%的占9%，35%以上的占7%，减产率的大小和重灾年的成灾年数成反比，即减产率越小，成灾年数越多。
2.2 水稻受災周期变化特征 本文采用Morlet小波法对一季稻受灾频次在1980—2011年间主周期特征进行分析。从小波方差图2（b）中可知，Morlet小波方差值在7a、11a、18a、30a内出现峰值。其中，以11a和18a时间尺度上的峰值最大，是安徽省水稻受灾频次的第一主周期。从水稻灾害频次的小波时频分布图2（a）中可知，周期变化与小波方差分析结果较为一致。在11a时间尺度上，周期变化在1995年以前较为明显，且嵌套在较大时间尺度的周期变化中。在18a时间尺度上，受灾频次的周期性呈现出“多-少-多”的趋势，且等值线在2011年之后仍未闭合，大致可判断再未来几年受灾次数仍将增加。
2.3 一季稻受灾频次与产量的关系 图3（a）为1980—2011年安徽省地区一季稻的实际产量、趋势产量以及气象产量的年际变化。从图中可知，实际产量和趋势产量整体随时间波动有着先增长后减小的趋势。安徽省产量在1990年以前和2003年左右波动较大，其中，1983、1988、1993和2003年气象产量较低，2003年达最低值-670.6kg·hm?2，气象产量较低的年份与受灾频次较高的年份较为一致。若相对气象产量>5%为一季稻丰年，<-5%为歉年，则一季稻丰年主要有1981、1982、1986、1989、1990、1997、1998、2002、2004年，这些年份为非重灾年;水稻歉年主要有1983、1988、1993、1996、2003、2008年，见图3（b）。这些年份也是产量受灾的易发年份，与受灾频次的结果相对应。
2.5 灾年减产率变异系数指标（Cv）分析 从安徽省1980—2011年一季稻灾年减产率变异系数的空间分布（图5）中可知，安徽省一季稻变异系数的空间分布特征和平均减产率较为一致。变异系数在[0，0.3]的地区主要位于淮河以北中部以及江南大部分地区。这些地区是减产率变异系数值较低，产量稳定。变异系数∈[0.3，0.6]的较高值区主要集中在淮河以北北部、沿淮淮河以北西部以及江淮之间东部3个地区。变异系数∈[0.6，0.9]的高值区主要位于砀山。其中变异系数∈[0.9，1.7]的高值区集中在滁州泗县一带，表明这一带水稻产量波动较大。
由图8和图9可知，一季稻灾年减产频次>30%的区域与一季稻综合风险度较高的风险区范围大致相似，从而验证了本文构建的一季稻综合风险评估模型的准确性。其次，根据对安徽省1980—2011年各地不同受灾频次的周期变化，统计灾年平均减产率与综合风险度的相关性（图10），结果表明，两者相关性较高，决定系数R2达到0.8045，进一步验证了该模型的可靠性。
3 结论与讨论
通过建立安徽省一季稻综合风险评估模型来揭示安徽省水稻综合风险的分布状况，结果表明：
（1）Morlet小波方差值在7a、11a、18a、30a内出现峰值。其中，以11a和18a时间尺度上的峰值最大，是安徽省水稻受灾频次的第一主周期。在11a时间尺度上，周期变化在1995年以前较为明显，且嵌套在较大时间尺度的周期变化中。在18a时间尺度上，受灾频次呈现了“多-少-多”的周期规律，且等值线在2011年之后仍未闭合，大致可判断再未来几年受灾次数仍将增加;
（2）淮河以北以及江淮之间一季稻的综合气象灾害风险明显高于淮河以南，其中，江南一带综合风险最低。对于某一特定地区，土壤特性以及农业生产条件等社会因子的变化一般较为稳定，而多种灾害对粮食减产造成的影响确各有不同[23]。一季稻的综合风险评估能够量化这些不同的影响，使得探究产量的综合风险规律，对保障各地区粮食生产安全、水稻生产者的积极性和收益稳定性有重要意义，最终使得一季稻的综合风险评估模型更具有实用性。本文构建的气象灾害综合风险度与典型受灾年平均减产率的决定系数R2达到0.8045，也通过了0.01的相关性检验。因此，可以基于此风险度模型来评估综合气象灾害对不同地区一季稻的影响程度，从而为今后水稻的高产优产提供更好的依据。
参考文献
[1]李成荃.安徽稻作学[M].北京：中国农业出版社，2008：77-80. [2]浙江财经学院.中国（海南）改革发展研究院编.中国[M].北京：中国经济出版社，2007.
[3]袁福香，马树庆.东北地区水稻生产的风险评估[J].吉林气象，2004（2）：32-34.
[4]杨太明，陈金华，金志凤，等.皖浙地区早稻高温热害发生规律及其对产量结构的影响研究[J].中国农学通报，2013，29（27）：97-104.
[5]吴孝祥.江苏省主要气象灾害概况及其时空分布[J].气象科学，1996，16（3）：291-297.
[6]于堃，宋静，高苹.江苏水稻高温热害的发生规律与特征[J].气象科学，2010（4）：530-533.
[7]包云轩，刘维，高苹，等.气候变暖背景下江苏省水稻热害发生规律及其对产量的影响[J].中国农业气象，2012，33（2）：289-296.
[8]褚荣浩.安徽省中季稻生育期高温热害发生规律分析[J].中国农业气象，2015，36（4）：506-512.
[9]李世奎.中国农业灾害风险评价与对策[M].北京：气象出版社，1999.
[10]王春乙，张继权，霍治国，等.农业气象灾害风险评估研究进展与展望[J].气象学校，2015，73（1）：1-19.
[11]Wilhite D A.Drought as a natural hazard：Concepts and defi-nitions//Wilhite D A.Drought：A Global Assessment.Lon-don：Routledge Publishers，2000：3-18.
[12]B.A. Keating.Assessing exceptional drought with a cropping systems simulator：a case study for grain production in northeast Australia[J].Agricultural Systems，1998，57（3）：315-332.
[13]Agnew C T.Using the SPI to identify drought [J].Drought Net-work News，2000.12（1）：6-12.
[14]G.M. Richter.Modelling impacts of climate change on wheat yields in England and Wales：assessing drought risks[J].Agricultural Systems，2005，84（1）：77-97.
[15]Uwe Schindler.Drought risk to agricultural land in Northeast and Central Germany[J].Journal of Plant Nutrition & Soil Science，2007，170（3）：357-362.
[16]Todisco，F.，Vergni，L.，Mannocchi，F.Operative Approach to Agricultural Drought Risk Management[J].Journal of Irrigation and Drainage Engineering，2009，135（5）：654-664.
[17]吳利红，毛裕定，苗长明，等.浙江省晚稻生产的农业气象灾害风险分布[J].中国农业气象，2007，28（2）：217-220，230.
[18]《中国农业全书》总编辑委员会，《中国农业全书·安徽卷》编辑委员会.中国农业全书（安徽卷）[M].北京：中国农业出版社，2000.
[19]白林，段东霞，万忠.广东水稻生产风险评估研究[J].西南农业学报，2014，27（4）：1762-1767.
[20]姜会飞，霍治国，潘学标，等.中国小麦生产的区域比较气候风险研究[J].自然灾害学报，2006，15（3）：58-65.
[21]邵立瑛，申双和，高磊，等.江苏省水稻生产的综合气象灾害风险评估[J].科学技术与工程，2015，15（32）：232-239.
[22]李凤新.辽宁省水稻产量灾损风险评估及对策[J].沈阳师范大学学报（自然科学版），2012，30（3）：414-418.
[23]江和文，李春，曹士民，等.盘锦水稻产量灾损风险及气象影响因子分析[J].气象，2008，34（5）：38-43.
（责编：张宏民）
关键词：安徽;水稻;风险评估;模型
Abstract：Based on the data of mediumseason rice yields from 1980 to 2011 in An Hui Province with using five-year linear sliding average method to isolate the trend yield and the meteorological yield..Statisticsing the frequency of occurrence of the disaster counties based on the average yield reduction of rice，and analyze cycle regularity wavelet analysis. The model of damage risk evaluation is consisted of four parts，including average yield reduction ratio， the variation coefficient、the risk index and the disaster index.The authors calculated the risk degree by the model of damage risk evaluation， and then achieved the risk regionalization of agricultural meteorological disasters for mediumseason rice in the An Hui Province and the results were tested.The modest research shows that：（1）The age changes of the rice production in the An Hui Province is mainly before 1990s and around 2003;（2）The frequency of disaster had obviously periodic variation with 7a，11a、18a、and 30a temporal scales from 1980 to 2011. 11a and 18a is first major period;（3） Rice comprehensive risk is basicallypresented the north higher than the south. The paper mainly through the comprehensive assessment of agricultural agrometeorological disasters，so as to provide a directive to the regional agricultural disaster prevention and mitigation，profit and avoid disadvantages，and achieve stable grain production and high yield.
Key words：Anhui;Rice;Risk assessment;Model
中國是世界上最大的稻米生产国，水稻在我国不仅种植面积最大，单产最高，而且占粮食总产的比重也最大。水稻一直以来都是安徽省主要的粮食作物之一，尤其是一季稻，其播种面积占全省水稻总面积的85%以上，主要分布在沿淮、江淮、沿江江南地区[1-2]。袁福香等[3]研究表明，平均减产率指标、产量变异系数、风险指数是水稻灾害减产的风险评估指标。平均减产率是气象因子综合作用的结果，因而对评估水稻生产的综合气象灾害风险具有一定的指示意义。杨太明等[4]对皖浙地区早稻高温热害的发生规律及高温对早稻产量的影响进行了研究，结果表明，安徽省沿江、江淮一带高温热害对早稻的影响程度重于沿淮地区。吴孝祥[5]对江苏省各类气象灾害的时空分布规律及特征进行了分析，结果表明，淮北、江淮地区的旱年多与苏南地区。于堃[6]等对单季稻2个高温敏感期间高温热害发生的时空规律分析，结果表明，淮河以南地区是高温热害的多发区，尤以2001—2007年最为严重。包云轩[7]等对江苏省不同地区的气候变暖特征以及水稻高温热害的时空分布规律进行了分析研究，结果表明，苏南地区高温热害的发生频次远高于淮北和苏北沿海地区。褚荣浩[8]等对安徽省一季稻生育期高温热害的发生规律进行了分析，结果表明，安徽省一季稻生育期高温热害的发生频次较高的时段主要集中在7月中、下旬和8月上旬，尤以8月上旬最高，空间分布呈南部多，北部少，且由西南部向周围逐渐递减。然而，目前国内外对安徽省水稻生产的农业气象灾害的研究局限于单一因子对水稻产量的影响，因此，综合评估水稻风险显得尤为重要[11-16]。本文的水稻综合风险评估模型由灾年变异系数、平均减产率、抗灾性能指数和风险指数构成，并根据模型结果对风险度进行了区划，利用区划结果综合分析了安徽省一季稻生产的风险水平，以期为当地制定保险厘定费率、灾害的监测评估以及地区防灾减灾工作提供参考依据[17]。 1 数据与模型
1.1 数据
1.1.1 研究区概况 安徽水稻生产根据一季稻栽培制度，可分为双季稻（早稻、晚稻）、一季稻（中稻、单晚稻）2类。位于暖温带与亚热带的过渡地带，四季分明，雨量适中，光照充足，年均温适宜，适宜种植水稻等农作物。
1.1.2 资料获取 根据地理区域和农业区划，将安徽省划分为淮北、江淮和江南3个部分。资料选用对安徽省地形特征及水稻分布状况具有一定代表性的18个县市的水稻种植面积、总产量、单产（kg/hm2）以及1980—2011年18个气象站逐日气象要素，主要包括日平均温度（℃）、日最高气温（℃）、日降水量（mm）、日照时数（h）等（见图1）。
1.2 模型
1.2.1 产量资料的处理 通过直线滑动平均方法模拟出趋势产量，是一种将线性回归模型与滑动平均相结合，从而反映产量历史演变趋势的一种模拟方法[19]。基于这一方法，本研究采用5a滑动平均法，将1980—2011年一季稻实际产量分离成气象产量和趋势产量，（1）。
1.2.2 一季稻受灾的周期特征 采用Morlet小波分析方法，分析安徽省一季稻受灾频次的周期特征。通过将高受灾频次时间序列分解到时间频率域内，从而得到时间序列内的显著波动，即周期变化的动态。
2 结果与分析
2.1 一季稻成灾年数 根据式（2）分别统计了各县市各等级的一季稻成灾年数，详见表1。1980—2011年，总成灾年数为96a，平均每县市成灾年数为6a。成灾年减产率在5%～15%的占59%，15%～25%的占25%，25%～35%的占9%，35%以上的占7%，减产率的大小和重灾年的成灾年数成反比，即减产率越小，成灾年数越多。
2.2 水稻受災周期变化特征 本文采用Morlet小波法对一季稻受灾频次在1980—2011年间主周期特征进行分析。从小波方差图2（b）中可知，Morlet小波方差值在7a、11a、18a、30a内出现峰值。其中，以11a和18a时间尺度上的峰值最大，是安徽省水稻受灾频次的第一主周期。从水稻灾害频次的小波时频分布图2（a）中可知，周期变化与小波方差分析结果较为一致。在11a时间尺度上，周期变化在1995年以前较为明显，且嵌套在较大时间尺度的周期变化中。在18a时间尺度上，受灾频次的周期性呈现出“多-少-多”的趋势，且等值线在2011年之后仍未闭合，大致可判断再未来几年受灾次数仍将增加。
2.3 一季稻受灾频次与产量的关系 图3（a）为1980—2011年安徽省地区一季稻的实际产量、趋势产量以及气象产量的年际变化。从图中可知，实际产量和趋势产量整体随时间波动有着先增长后减小的趋势。安徽省产量在1990年以前和2003年左右波动较大，其中，1983、1988、1993和2003年气象产量较低，2003年达最低值-670.6kg·hm?2，气象产量较低的年份与受灾频次较高的年份较为一致。若相对气象产量>5%为一季稻丰年，<-5%为歉年，则一季稻丰年主要有1981、1982、1986、1989、1990、1997、1998、2002、2004年，这些年份为非重灾年;水稻歉年主要有1983、1988、1993、1996、2003、2008年，见图3（b）。这些年份也是产量受灾的易发年份，与受灾频次的结果相对应。
2.5 灾年减产率变异系数指标（Cv）分析 从安徽省1980—2011年一季稻灾年减产率变异系数的空间分布（图5）中可知，安徽省一季稻变异系数的空间分布特征和平均减产率较为一致。变异系数在[0，0.3]的地区主要位于淮河以北中部以及江南大部分地区。这些地区是减产率变异系数值较低，产量稳定。变异系数∈[0.3，0.6]的较高值区主要集中在淮河以北北部、沿淮淮河以北西部以及江淮之间东部3个地区。变异系数∈[0.6，0.9]的高值区主要位于砀山。其中变异系数∈[0.9，1.7]的高值区集中在滁州泗县一带，表明这一带水稻产量波动较大。
由图8和图9可知，一季稻灾年减产频次>30%的区域与一季稻综合风险度较高的风险区范围大致相似，从而验证了本文构建的一季稻综合风险评估模型的准确性。其次，根据对安徽省1980—2011年各地不同受灾频次的周期变化，统计灾年平均减产率与综合风险度的相关性（图10），结果表明，两者相关性较高，决定系数R2达到0.8045，进一步验证了该模型的可靠性。
3 结论与讨论
通过建立安徽省一季稻综合风险评估模型来揭示安徽省水稻综合风险的分布状况，结果表明：
（1）Morlet小波方差值在7a、11a、18a、30a内出现峰值。其中，以11a和18a时间尺度上的峰值最大，是安徽省水稻受灾频次的第一主周期。在11a时间尺度上，周期变化在1995年以前较为明显，且嵌套在较大时间尺度的周期变化中。在18a时间尺度上，受灾频次呈现了“多-少-多”的周期规律，且等值线在2011年之后仍未闭合，大致可判断再未来几年受灾次数仍将增加;
（2）淮河以北以及江淮之间一季稻的综合气象灾害风险明显高于淮河以南，其中，江南一带综合风险最低。对于某一特定地区，土壤特性以及农业生产条件等社会因子的变化一般较为稳定，而多种灾害对粮食减产造成的影响确各有不同[23]。一季稻的综合风险评估能够量化这些不同的影响，使得探究产量的综合风险规律，对保障各地区粮食生产安全、水稻生产者的积极性和收益稳定性有重要意义，最终使得一季稻的综合风险评估模型更具有实用性。本文构建的气象灾害综合风险度与典型受灾年平均减产率的决定系数R2达到0.8045，也通过了0.01的相关性检验。因此，可以基于此风险度模型来评估综合气象灾害对不同地区一季稻的影响程度，从而为今后水稻的高产优产提供更好的依据。
参考文献
[1]李成荃.安徽稻作学[M].北京：中国农业出版社，2008：77-80. [2]浙江财经学院.中国（海南）改革发展研究院编.中国[M].北京：中国经济出版社，2007.
[3]袁福香，马树庆.东北地区水稻生产的风险评估[J].吉林气象，2004（2）：32-34.
[4]杨太明，陈金华，金志凤，等.皖浙地区早稻高温热害发生规律及其对产量结构的影响研究[J].中国农学通报，2013，29（27）：97-104.
[5]吴孝祥.江苏省主要气象灾害概况及其时空分布[J].气象科学，1996，16（3）：291-297.
[6]于堃，宋静，高苹.江苏水稻高温热害的发生规律与特征[J].气象科学，2010（4）：530-533.
[7]包云轩，刘维，高苹，等.气候变暖背景下江苏省水稻热害发生规律及其对产量的影响[J].中国农业气象，2012，33（2）：289-296.
[8]褚荣浩.安徽省中季稻生育期高温热害发生规律分析[J].中国农业气象，2015，36（4）：506-512.
[9]李世奎.中国农业灾害风险评价与对策[M].北京：气象出版社，1999.
[10]王春乙，张继权，霍治国，等.农业气象灾害风险评估研究进展与展望[J].气象学校，2015，73（1）：1-19.
[11]Wilhite D A.Drought as a natural hazard：Concepts and defi-nitions//Wilhite D A.Drought：A Global Assessment.Lon-don：Routledge Publishers，2000：3-18.
[12]B.A. Keating.Assessing exceptional drought with a cropping systems simulator：a case study for grain production in northeast Australia[J].Agricultural Systems，1998，57（3）：315-332.
[13]Agnew C T.Using the SPI to identify drought [J].Drought Net-work News，2000.12（1）：6-12.
[14]G.M. Richter.Modelling impacts of climate change on wheat yields in England and Wales：assessing drought risks[J].Agricultural Systems，2005，84（1）：77-97.
[15]Uwe Schindler.Drought risk to agricultural land in Northeast and Central Germany[J].Journal of Plant Nutrition & Soil Science，2007，170（3）：357-362.
[16]Todisco，F.，Vergni，L.，Mannocchi，F.Operative Approach to Agricultural Drought Risk Management[J].Journal of Irrigation and Drainage Engineering，2009，135（5）：654-664.
[17]吳利红，毛裕定，苗长明，等.浙江省晚稻生产的农业气象灾害风险分布[J].中国农业气象，2007，28（2）：217-220，230.
[18]《中国农业全书》总编辑委员会，《中国农业全书·安徽卷》编辑委员会.中国农业全书（安徽卷）[M].北京：中国农业出版社，2000.
[19]白林，段东霞，万忠.广东水稻生产风险评估研究[J].西南农业学报，2014，27（4）：1762-1767.
[20]姜会飞，霍治国，潘学标，等.中国小麦生产的区域比较气候风险研究[J].自然灾害学报，2006，15（3）：58-65.
[21]邵立瑛，申双和，高磊，等.江苏省水稻生产的综合气象灾害风险评估[J].科学技术与工程，2015，15（32）：232-239.
[22]李凤新.辽宁省水稻产量灾损风险评估及对策[J].沈阳师范大学学报（自然科学版），2012，30（3）：414-418.
[23]江和文，李春，曹士民，等.盘锦水稻产量灾损风险及气象影响因子分析[J].气象，2008，34（5）：38-43.
（责编：张宏民）