我国是一个自然灾害频发的国家，自然灾害对农业生产的影响尤为重大，严重的自然灾害对农业带来的影响可能是灾难性的，因此做好农业气象的预报与预测工作至关重要。
《中国农业气象》是中国农业科学院农业环境与可持续发展研究所(原农业气象研究所)主办的反映我国农业气象科学研究进展的学术刊物。主要刊登有关农林水产业与气象有关的学术论文、研究报告和国内外有关专题研究动态综合评述等内容。
依据各省(市、自治区)1986―2011年的粮食产量、受灾面积和播种面积等数据，构造出气象灾害的综合风险评价指数模型，利用GIS平台对各省(市、自治区)的气象灾害风险进行评估与区划。基于各省(市、自治区)气象灾损粮食产量的基础上，运用二次指数平滑法结合MATLAB算法，对2013年可能由气象灾害损失的粮食产量进行预测。结果表明，粮食生产的气象灾害风险总体上是东部低于西部，南方低于北方。其中，江苏、上海等地区的综合风险指数最低，为0.0～1.0，其气象灾害发生的次数少，即使发生灾害也是轻灾为主，粮食产量比较稳定;浙江、福建等地区的综合风险指数为1.0～2.5，属于次高风险;贵州、内蒙古等地区由于经常发生气象灾害并且大多灾害比较严重，严重影响粮食产量，属于高风险区;西藏、海南等地区的综合风险最高。通过对 2013年灾损粮食产量的预测，湖南、辽宁、河北、湖北和四川粮食灾损的相对较多，都达到600万t以上。
中国是一个气象灾害种类繁多的国家，主要有干旱、台风、暴雨、热带气旋、寒潮、冰雹、冷冻、雪灾、热浪、沙尘暴、浓雾等气象灾害，其中干旱、台风、暴雨、寒潮对中国农业的危害影响范围最广，灾情最严重。灾害的发生导致农作物大面积减产、降质甚至绝收，人民生命财产等遭到重大损失，不仅影响农业持续发展和农民生活水平的提高，而且影响国民经济的发展。例如，1972年特大干旱年，重旱区京、津、晋、陕北、辽西干旱持续时间最长，不少河流断流，水库干涸;黄河在济南以下断流20 d，秋收作物受灾严重，有的甚至绝收。全国过去对农业气象灾害进行了很多的预测和研究[1-3]，学者们通过分析农业气象灾害的孕灾环境、致灾因子、承载体的抗灾防灾能力及灾情，得出这些灾害因子与灾害风险之间的关系，从而更深层次地揭示农业气象灾害对农业的影响，然后借助于各个地方的行政区划图等因子，做出农业气象灾害的风险区划和评述。例如，陈怀亮等[1]根据农业气象灾害风险分析理论，以河南省小麦生产为例，对小麦产量影响较大的农业气象灾害风险要素和风险源进行了辨识，并在此基础上，通过构造灾度函数，运用概率和EFO等分析方法，分析了河南省小麦生产中主要农业气象灾害――麦播旱涝、晚霜冻、干热风与青枯雨的发生、发展规律及其对小麦产量的定量影响程度和风险概率，同时运用多因子综合风险指数模型对河南省小麦农业生产气象灾害风险进行了综合区划。于飞等[2]对贵州农业气象灾害综合风险进行了评价与区划，利用聚类分析将该省分为5类农业气象灾害风险区域，又以不同聚类区域为研究对象进行了灰色关联分析，最后求得每种灾害的关联度，最终确定了不同聚类区域的主要灾害，并在灰色关联分析的基础上，建立了该省综合农业气象灾害风险评价模型，并计算出该省各县的综合农业气象灾害风险性分布，再利用GIS空间分析进行了综合农业气象灾害风险区划。
本研究是基于前人研究的基础上，以粮食产量(指稻谷、小麦、玉米、豆类的总产量)来表示气象灾害对农业的影响，在对全国各省(市、自治区)的历史粮食产量资料分析的基础上，以省(市、自治区)为单位运用ArcGIS软件进行分析，得出全国宏观层面的农业气象灾害的风险评估与区划，定量得出气象灾害对粮食产量的影响。最后对这些所得到的由于气象灾害损失的粮食产量，运用二次指数平滑法预测出接下来两年可能由气象灾害引起的粮食损失的产量，以期为农业部门和政府部门提供一定的灾害服务信息，为抗灾减灾、制定相关防御政策、最大程度地减轻农业因气象灾害所致的损失提供依据。
1灾害评价模型的建立
所用到的各省(市、自治区)的粮食产量、受灾面积和总播种面积等数据都来源于历年的《中国统计年鉴》(Http：//www.stats.gov.cn /tjsj/ndsj/)。资料的时间序列为1986―2011年，共计26年。本研究区域是除了香港、澳门、台湾以外的全国各省(市、自治区)。
1.1粮食产量的变异系数
变异系数能够有效反映数据的离散程度，其数据大小不仅受变量离散程度的影响，而且还受变量平均水平的影响。一般而言，变量平均水平高，其离散程度的测度值也大，反之越小。粮食产量的变异系数一方面综合表征了各地区粮食生产受气象因子或其他生态环境条件影响的产量波动情况;另一方面它也能有效反映各地的抗灾减灾能力。粮食产量的变异系数大，说明产量的波动大，抗灾减灾能力弱，受到气象灾害影响的风险大。可以用公式(1)计算出变异系数的大小。
C= (1)
公式(1)中，C表示粮食产量的变异系数，Y表示各省(市、自治区)历年粮食的实际产量，表示各省(市、自治区)历年粮食产量的平均值，n表示样本容量，本研究样本为26年。
1.2气象灾害的发生频率
采用一般比例法来求解由于气象灾害所导致的粮食产量减产的具体数值。因为在一般情况下，极端气象灾害是不易发生的，所以把气象灾害所导致损失的粮食产量与受灾面积相关联，各地区每年的实际产量与各地区未受灾的粮食种植面积相关联，即各地区每年的实际产量与粮食种植总面积与受灾面积之差相关联，可以得到如下公式：
(2)
公式(2)中，Q表示各省(市、自治区)第i年由于气象灾害导致的粮食减产量，S表示各省(市、自治区)第i 年气象灾害所导致的受灾面积，Y表示各省(市、自治区)第i年的实际粮食产量，S表示各省(市、自治区)第i年粮食的总播种面积。其中，S、 Y、S都是已知量，可以通过历年的《中国统计年鉴》查到相关数据;Δ1、Δ2、Δ3表示的是可以接受的误差范围。
根据公式(2)可以求得由气象灾害所引起的损失的粮食产量，而减产率是气象灾害损失的粮食产量与实际粮食产量和气象灾害损失的那部分产量的和的比值，用公式(3)表示。
R=×100%(3)
公式(3)中，R表示粮食减产率。
根据公式(2)、(3)可以求得各省(市、自治区)每年的粮食减产率。研究以粮食减产率来界定灾年等级，规定减产率在5%～15%为轻灾年，16%～30%为灾年，31%～50%为重灾年，51%～70%为严重灾年，大于71%为特严重灾年。根据灾年的界定分类情况，可以得到全国各省(市、自治区)灾年发生的次数，如表1所示。
1.3灾年的平均减产率
为了使全国各省(市、自治区)的气象灾害风险程度表征的更明显，需要计算出各省(市、自治区)粮食的平均减产率，其计算公式如公式(4)所示。
A= (4)
公式(4)中，A表示各省(市、自治区)历年粮食的平均减产率，R表示各省(市、自治区)第i年的粮食减产率。
1.4灾年风险指数
依据与上文界定的灾害等级，采用概率分布函数法来求解各等级气象灾损发生的概率。由于影响气象产量的各种气象因子的时间序列具有正态分布的特征，即极端的气象条件发生的概率较小，一般的气象条件发生的概率较多，相对气象产量序列也具有正态分布的性质[4]。因此可以构造减产率平均值(μ)和减产率序列的均方差(σ)的概率密度函数，如公式(5)所示。
f(x)=e(5)
根据概率分布函数的定义，不同程度粮食减产率x(x1 P(x1 风险概率指数为：
D= (7)
公式(6)、(7)中，P表示各个等级粮食减产率出现的概率，T表示各等级灾年出现的次数，D表示风险概率指数。各省(市、自治区)灾害发生风险概率如图1所示。
1.5抗灾指数
各省(市、自治区)的抗灾防灾能力也会对粮食产量产生一定程度的影响，这里用实际产量与理论极大产量的比值来表示抗灾指数，它反映的是农业生产综合抗灾能力的强弱，实际产量高反映了该地区的农业生产水平高，也间接地反映了农业抗灾减灾能力强。抗灾指数的计算公式如公式(8)所示。
K=(8)
公式(8)中，K表示抗灾指数，Y表示各省(市、自治区)第i年中粮食产量的最大值。
1.6灾害风险评估
综合风险指数与历年粮食的平均减产率、气象灾害风险概率指数和粮食产量的变异系数呈正向关联，与抗灾指数呈反向关联，可以用公式(9)计算。
Z=×A×C×D (9)
公式(9)中，Z表示综合风险指数。
为了使综合风险指数更具有直观性，对数据进行极差标准化，按公式(10)计算。
Ii′=×10(10)
公式(10)中，Ii′表示极差标准化后的数据，I为原始数据，I和I分别为每一列中的最大值和最小值。 2农业风险区划
农业气象灾害风险区划的目的在于把致灾因子出现后有无风险或带来风险的大小进行分区，揭示农业气象灾害风险的地域差异，合理地划分出各省(市、自治区)农业气象灾害风险大小的范围，并对各风险区内历年粮食的平均减产率、粮食产量的变异系数和风险指数等进行综合评价，为政府及防灾部门确定防灾重点地区、重点灾害、重点防灾时间等提供科学依据，把灾害造成的损失降低到最低限度，促进农业稳定持续发展。根据综合风险指数，对农业风险进行划分，定义0.04.0为极高风险。
为了更加直观地描述各省(市、自治区)由气象灾害引起的粮食损失分布的空间特征，运用ArcGIS平台绘制出气象灾害综合风险区划图(图2)。从图2可以看出，中国的粮食生产的气象风险具有明显的区域分布特征。就全国来看，粮食生产的气象风险整体上是东部低于西部，南方低于北方。其中，综合风险指数最低的地区是江苏，它不仅发生灾年的可能性小，且灾害大多都是轻灾，粮食产量比较稳定，适合粮食作物的生长。河北、辽宁、吉林、黑龙江、上海、安徽、江西、山东、河南、湖北、湖南、广东、广西、重庆、四川的气象灾害综合风险指数也较低，均在0.0～1.0之间，这些地区粮食产量比较稳定。浙江、福建、云南、陕西、新疆的综合风险指数为1.0～2.5，要高于江苏、上海等地，属于次高风险区域。贵州、内蒙古、甘肃、山西属于粮食产量不稳定区域，即高风险区域，这里经常发生气象灾害，而且发生的灾害大多比较严重，严重影响粮食产量。例如贵州，这里光照条件差，多雨潮湿，灾年减产程度和风险概率较大等都导致贵州粮食产量的不稳定性。天津、北京、海南、宁夏、青海、西藏是极高风险区，这些地方气象灾害极易发生，从而导致粮食严重减产。例如海南，位于中国的东南沿海地区，地处温带、热带过渡带，为典型的亚热带季风气候，季风气候致使秋冬干旱每5年发生一次;有时在特定的环流影响下使秋雨较多，造成粮食作物根茎腐烂;冬季和早春在北方冷空气的影响下，粮食作物遭受低温冷害，致使减产等。综上所述，这些地区更要做好灾害的应急管理和防灾减灾工作。
3灾损粮食产量的预测
3.1预测模型
研究表明，历史数据对未来的影响是随时间间隔的增长而递减的。因此，更加精确的方法是对各个观察数据按照时间顺序进行加权平均作为预测值。而指数平滑法满足这一要求，此外它还具备简单的递推形式。所谓的指数平滑法是指通过对历史数据平滑平均数的求解，继而对时间序列进行均匀修正的一种方法[5]。本研究把前面所求得的每年各省(市、自治区)由气象灾害所损失的粮食产量作为历史资料，以这些资料来预测出接下来两年全国各省(市、自治区)由气象灾害损失的粮食产量。构建模型[6，7]如下：
设时间序列为q1，q2，...，qt，α为加权系数，则一次简单的移动平均值Mt(1)的计算公式如公式(11)所示。
Mt(1)=(qt+qt-1+…qt-N+1)=Mt-1(1)+(11)
以Mt(1)作为qt-N的最佳估计值，则有：
Mt(1)=+(1-)Mt-1(1)(12)
设α=，用St代替Mt(1)，即得公式(12)一次指数平滑法的计算公式，如公式(13)所示。
St(1)=αqt+(1-α)St-1(1)(13)
在一次指数平滑法的基础上再做一次指数平滑，得到公式(14)所示的二次指数平滑法。
St(2)=αSt(1)+(1-α)St-1(2)(14) 公式(13)、(14)中，St(1)为一次指数的平滑值， St(2)为二次指数的平滑值。预测方程为：
t+m=at+btmm=1，2，…，n(15)
at=2St(1)-St(2)(16)
bt=(St(1)-St(2))(17)
3.2预测结果
为了更加快捷地得出各省(市、自治区)各年份的预测值，在MATLAB中对其进行数据处理，编制相应的算法能够更加迅速地得到各年份的预测值。根据公式(2)求得的气象灾损粮食产量，得到2013年全国各省(市、自治区)的灾损粮食产量预测值，如表2所示。
4小结与讨论
由于中国地处环太平洋灾害带和欧亚灾害带这两大世界灾害带的交汇处，使得中国的灾害种类繁多，灾害活动活跃，灾害发生频率高。因此，灾害引起的粮食生产不稳定成为了长期困扰中国农业发展进程的因素。在深入研究气象灾害对农业影响的基础上，分析不同等级农业气象灾害发生危害的时间和空间分布特点及规律，从而可以通过调整作物布局避过作物对农业气象灾害最为敏感的时段，通过调整农作物种类或品种，趋利避害协调作物与环境间的适应性，减轻农业气象灾害损失。
本研究从粮食产量灾损角度对中国的粮食减产风险进行了区域分析，并通过比较气象综合风险指数对中国粮食生产的农业气象灾害风险进行了区划，以期更好地为防灾减灾和农业生产提供依据。在基于各省(市、自治区)气象灾损粮食产量的基础上，运用二次指数平滑法结合MATLAB算法，对2013年可能由气象灾害损失的粮食产量进行了预测，为政府和决策部门制定农业生产计划、采取防灾减灾措施以及保险理赔等提供科学依据。除此之外，通过加强农作物的水肥管理和病虫防治，提高对气候资源的利用率及光合产物的积累，提升农作物抗御农业气象灾害能力和灾后恢复能力，达到减轻灾害损失、提高种植效益的目的。为了最大限度地提高农业资源的有效利用率，使农业向高产、稳产转变，粮食作物的风险管理和决策指标体系将会是下一步研究的重点。
参考文献：
[1] 陈怀亮，邓伟，张雪芬，等.河南小麦生产农业气象灾害风险分析及区划[J].自然灾害学报，2006，15(1)：135-143.
[2] 于飞，谷晓平，罗宇翔，等.贵州农业气象灾害综合风险评价与区划[J].中国农业气象，2009，30(2)：267-270.
[3] 吴俊铭，谷小平，徐永灵，等.贵州省农业气象灾害风险区划研究[J].贵州农业科学，1999，27(2)：3-8.
[4] 薛昌颖，霍治国，李世奎，等.北方冬小麦产量灾损风险类型的地理分布[J].应用生态报，2005，16(4)：620-625.
