全 文 ：西南地区农业洪涝等级指标构建及时空分布特征∗
吴　 立１　 霍治国１，２∗∗　 张　 蕾３　 于彩霞１　 杨建莹１　 张桂香１
（ １中国气象科学研究院， 北京 １０００８１； ２南京信息工程大学气象灾害预报预警与评估协同创新中心， 南京 ２１００４４； ３国家气象
中心， 北京 １０００８１）
摘　 要　 利用西南农业区 ３４１ 个气象站 １９６１—２０１０ 年的逐日降水量资料，结合灰色关联分
析，以重庆市单站洪涝指标为原型，对该指标降水量临界值进行幅度为－５０ ～ ＋５０ ｍｍ、步长为
１ ｍｍ的增减，得到该区域各省份相对应的 １０１个洪涝指标，并结合基于各洪涝指标计算得出
的洪涝发生强度与农作物洪涝实际受灾程度的相关性、指标与历史洪涝灾害记录的吻合性以
及分省指标的可比性，确定了各省农业洪涝等级指标，同时，分析了该区域农业洪涝灾害的时
空分布特征．结果表明： 构建的云南指标为原指标＋１６ ｍｍ，贵州指标为原指标＋３０ ｍｍ，四川⁃
重庆指标为原指标＋４０ ｍｍ，指标定义的洪涝指数与各省份受灾率的相关系数分别为 ０．３１４
（Ｐ＜０．０５）、０．５５３（Ｐ＜０．０１）和 ０．３０５（Ｐ＜０．０５），指标与历史灾害记录的吻合性较高．１９６１—２０１０
年，云南、贵州、四川⁃重庆洪涝发生较严重的年代分别为 ２０ 世纪 ８０ 年代、２０ 世纪 ９０ 年代、２０
世纪 ８０年代和 ２１世纪初，洪涝多发区分别位于云南西南和东南部、贵州西南部和四川盆地
的西部和东北部．
关键词　 农业洪涝； 指标构建； 洪涝指数； 灰色关联； 西南地区
∗“十二五”国家科技支撑计划项目（２０１２ＢＡＤ２０Ｂ０２）资助．
∗∗通讯作者． Ｅ⁃ｍａｉｌ： ｈｕｏｚｈｉｇｇ＠ ｃａｍｓ．ｃｍａ．ｇｏｖ．ｃｎ
２０１４⁃１１⁃１２收稿，２０１５⁃０５⁃１７接受．
文章编号　 １００１－９３３２（２０１５）０８－２４７３－０９　 中图分类号　 Ｐ４９　 文献标识码　 Ａ
Ｌｅｖｅｌ ｉｎｄｉｃａｔｏｒｓ ｃｏｎｓｔｒｕｃｔｉｏｎ ａｎｄ ｔｅｍｐｏｒａｌ⁃ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｆｅａｔｕｒｅｓ ｏｆ ａｇｒｉｃｕｌｔｕｒａｌ ｆｌｏｏｄ
ｉｎ ｔｈｅ ｓｏｕｔｈｗｅｓｔ ｏｆ Ｃｈｉｎａ． ＷＵ Ｌｉ１， ＨＵＯ Ｚｈｉ⁃ｇｕｏ１，２， ＺＨＡＮＧ Ｌｅｉ３， ＹＵ Ｃａｉ⁃ｘｉａ１， ＹＡＮＧ Ｊｉａｎ⁃
ｙｉｎｇ１， ＺＨＡＮＧ Ｇｕｉ⁃ｘｉａｎｇ１ （ １Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅｓ， Ｂｅｉｊｉｎｇ １０００８１， Ｃｈｉｎａ；
２Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｉｎｎｏｖａｔｉｏｎ Ｃｅｎｔｅｒ ｏｆ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｄｉｓａｓｔｅｒ Ｆｏｒｅｃａｓｔ， Ｅａｒｌｙ⁃Ｗａｒｎｉｎｇ ａｎｄ Ａｓｓｅｓｓｍｅｎｔ，
Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ， Ｎａｎｊｉｎｇ ２１００４４， Ｃｈｉｎａ； ３Ｎａｔｉｏｎａｌ Ｍｅｔｅｏｒ⁃
ｏｌｏｇｉｃａｌ Ｃｅｎｔｅｒ， Ｂｅｉｊｉｎｇ １０００８１， Ｃｈｉｎａ） ． ⁃Ｃｈｉｎ． Ｊ． Ａｐｐｌ． Ｅｃｏｌ．， ２０１５， ２６（８）： ２４７３－２４８１．
Ａｂｓｔｒａｃｔ： Ｆｌｏｏｄ ｌｅｖｅｌ ｉｎｄｉｃａｔｏｒｓ ｏｆ ｓｏｕｔｈｗｅｓｔ ｐｒｏｖｉｎｃｅｓ ｗｅｒｅ ｂｕｉｌｔ ｉｎ ｔｈｉｓ ｓｔｕｄｙ ｂｙ ｕｓｉｎｇ ｄａｉｌｙ ｐｒｅ⁃
ｃｉｐｉｔａｔｉｏｎ ｄａｔａ ｏｆ ３４１ ｗｅａｔｈｅｒ ｓｔａｔｉｏｎｓ ｉｎ ｓｏｕｔｈｗｅｓｔ ａｇｒｉｃｕｌｔｕｒａｌ ａｒｅａｓ ｆｒｏｍ １９６１ ｔｏ ２０１０ ｃｏｍｂｉｎｅｄ
ｗｉｔｈ ｇｒｅｙ ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ． Ｉｎ ｔｈｅ ｐｒｏｃｅｓｓ ｏｆ ｂｕｉｌｄｉｎｇ ｔｈｅ ｉｎｄｉｃａｔｏｒｓ， ｗｅ ｔｏｏｋ ｓｉｎｇｌｅ ｓｔａｔｉｏｎ ｆｌｏｏｄ
ｉｎｄｉｃａｔｏｒｓ ｏｆ Ｃｈｏｎｇｑｉｎｇ ａｓ ｔｈｅ ｐｒｏｔｏｔｙｐｅ． Ｔｈｒｏｕｇｈ ｉｎｃｒｅａｓｉｎｇ ａｎｄ ｄｅｃｒｅａｓｉｎｇ ｔｈｅ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｔｈｒｅ⁃
ｓｈｏｌｄ ｏｆ Ｃｈｏｎｇｑｉｎｇ ｉｎｄｉｃａｔｏｒｓ ｂｙ ｔｈｅ ａｍｐｌｉｔｕｄｅ ｏｆ －５０－＋５０ ｍｍ ａｎｄ ｔｈｅ ｓｔｅｐ ｓｉｚｅ ｏｆ １ ｍｍ， ｅａｃｈ
ｐｒｏｖｉｎｃｅ ｇｏｔ １０１ ｇｒｏｕｐｓ ｏｆ ｆｌｏｏｄ ｉｎｄｉｃａｔｏｒｓ． Ｂａｓｅｄ ｏｎ ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｆｌｏｏｄ ｉｎｔｅｎｓｉｔｙ ｃａｌｃｕ⁃
ｌａｔｅｄ ｂｙ ａｌｌ ｔｈｅ ｉｎｄｉｃａｔｏｒｓ ａｎｄ ｃｒｏｐ ｆｌｏｏｄ ｒｅａｌ ｓｅｒｉｏｕｓｎｅｓｓ， ｃｏｉｎｃｉｄｅｎｃｅ ｂｅｔｗｅｅｎ ｉｎｄｉｃａｔｏｒｓ ａｎｄ ｈｉｓ⁃
ｔｏｒｉｃａｌ ｆｌｏｏｄ ｒｅｃｏｒｄｓ ａｎｄ ｔｈｅ ｃｏｍｐａｒａｂｉｌｉｔｙ ｏｆ ｄｉｆｆｅｒｅｎｔ ｐｒｏｖｉｎｃｅ ｉｎｄｉｃａｔｏｒｓ， ｗｅ ｆｉｎａｌｌｙ ｃｏｎｓｔｒｕｃｔｅｄ ａｇ⁃
ｒｉｃｕｌｔｕｒａｌ ｆｌｏｏｄ ｌｅｖｅｌ ｉｎｄｉｃａｔｏｒｓ ｏｆ ｅａｃｈ ｐｒｏｖｉｎｃｅ ｓｔｅｐ ｂｙ ｓｔｅｐ． Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｆｌｏｏｄ ｉｎｄｉｃａｔｏｒｓ， ｗｅ
ａｌｓｏ ａｎａｌｙｚｅｄ ｔｅｍｐｏｒａｌ⁃ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｆｅａｔｕｒｅｓ ｏｆ ｆｌｏｏｄ ｄｉｓａｓｔｅｒ ｉｎ ｓｏｕｔｈｗｅｓｔ ａｇｒｉｃｕｌｔｕｒａｌ ａｒｅａｓ．
Ｔｈｅ ｒｅｓｕｌｔｓ ｗｅｒｅ ａｓ ｆｏｌｌｏｗｓ： ｔｈｅ ｆｉｎａｌ ｉｎｄｉｃａｔｏｒｓ ｏｆ Ｙｕｎｎａｎ ｗｅｒｅ ｔｈｅ ｏｒｉｇｉｎａｌ ｉｎｄｉｃａｔｏｒｓ ｐｌｕｓ １６ ｍｍ，
ｗｈｉｌｅ ｉｔ ｗａｓ ｐｌｕｓ ３０ ｍｍ ｆｏｒ Ｇｕｉｚｈｏｕ ａｎｄ ｐｌｕｓ ４０ ｍｍ ｆｏｒ Ｓｉｃｈｕａｎ⁃Ｃｈｏｎｇｑｉｎｇ． Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉ⁃
ｃｉｅｎｔｓ ｂｅｔｗｅｅｎ ｆｌｏｏｄ ｉｎｄｅｘ ｄｅｆｉｎｅｄ ｂｙ ｉｎｄｉｃａｔｏｒｓ ａｎｄ ａｆｆｅｃｔｅｄ ｒａｔｉｏ ｗｅｒｅ ０．３１４ （Ｐ＜０．０５）， ０．５５３
（Ｐ＜０．０１） ａｎｄ ０．３０５ （Ｐ＜０．０５）， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｔｈｅ ｃｏｉｎｃｉｄｅｎｃｅ ｗａｓ ｒｅｌａｔｉｖｅｌｙ ｈｉｇｈ ｂｅｔｗｅｅｎ ｉｎｄｉｃａ⁃
ｔｏｒｓ ａｎｄ ｈｉｓｔｏｒｉｃａｌ ｆｌｏｏｄ ｒｅｃｏｒｄｓ． Ｔｈｅ ａｇｅｓ ｉｎ ｗｈｉｃｈ ｆｌｏｏｄ ｄｉｓａｓｔｅｒ ａｐｐｅａｒｅｄ ｖｅｒｙ ｓｅｒｉｏｕｓ ｗｅｒｅ １９８０ｓ
ｉｎ Ｙｕｎｎａｎ， １９９０ｓ ｉｎ Ｇｕｉｚｈｏｕ ａｎｄ １９８０ｓ ａｎｄ ２０００ｓ ｉｎ Ｓｉｃｈｕａｎ⁃Ｃｈｏｎｇｑｉｎｇ ｉｎ ｔｈｅ ｎｅａｒｌｙ ５０ ｙｅａｒｓ．
Ｉｎ ｔｈｅ ｓｏｕｔｈｗｅｓｔ ａｎｄ ｓｏｕｔｈｅａｓｔ ｏｆ Ｙｕｎｎａｎ， ｓｏｕｔｈｗｅｓｔ ｏｆ Ｇｕｉｚｈｏｕ ａｎｄ ｗｅｓｔ ａｎｄ ｎｏｒｔｈｅａｓｔ ｏｆ Ｓｉｃｈｕａｎ
Ｂａｓｉｎ， ｔｈｅ ｆｌｏｏｄ ｄｉｓａｓｔｅｒ ｗａｓ ｐｒｅｖａｌｅｎｔ．
Ｋｅｙ ｗｏｒｄｓ： ａｇｒｉｃｕｌｔｕｒａｌ ｆｌｏｏｄ； ｉｎｄｉｃａｔｏｒ ｃｏｎｓｔｒｕｃｔｉｏｎ； ｆｌｏｏｄ ｉｎｄｅｘ； ｇｒａｙ ｃｏｒｒｅｌａｔｉｏｎ； ｓｏｕｔｈｗｅｓｔｅｒｎ
Ｃｈｉｎａ．
应 用 生 态 学 报　 ２０１５年 ８月　 第 ２６卷　 第 ８期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ａｕｇ． ２０１５， ２６（８）： ２４７３－２４８１
　 　 洪涝灾害是中国农业生产中仅次于旱灾的气象
灾害，通常指由于暴雨等降水量大、过于集中或持续
时间过长，农田积水无法及时排出，导致农业或其他
财产损失和人员伤亡的一种灾害．１９５０年以来，中国
平均每年洪涝受灾面积约 ７．３３×１０６ ｈｍ２，成灾面积
４．０７×１０６ ｈｍ２，约占全国耕地面积的 ４％［１］ ．降水过
多、过于集中是发生洪涝灾害的直接原因［２］ ．中国西
南地区地形、地貌复杂，既受季风影响，又受青藏高
原环流系统的影响，导致雨季降水过于集中，洪涝灾
害发生频率高、强度大，造成严重的农业生产损失．
据统计，１９９８年 ７月，云南思茅地区形成较大洪水，
受洪灾影响 ２５２４４ 人，被洪水围困 ３１４０ 人，农作物
受灾 ４．１７×１０５ ｈｍ２，粮食减产 ９．５４×１０５ ｋｇ［３］ ．１９８１年
７月 ９—１４日，四川盆地西部和中部发生历史罕见
的大洪涝灾害，造成全省 １１９ 个县（市）受灾，受灾
人口 １５００多万，工农业经济损失达 ２５ 亿元左右［４］ ．
研究洪涝灾害对西南地区农业的影响，构建基于过
程降水日数及其降水量的分省农业洪涝灾害等级指
标，并探明该地区洪涝灾害的时空分布特征，可解决
农业洪涝灾害实时监测预警评估业务指标缺失问
题，为洪涝灾害的实时监测预警评估的业务发展提
供指标体系支撑，同时，对防洪抗灾工作的有效开展
具有指导意义．
国外在洪涝发生指标方面的研究鲜有报道，对
洪涝灾害的研究多是从区域洪涝发生频率的角度展
开分析．在洪涝灾害的研究方法上，１９８６ 年 Ｗｉｌｔ⁃
ｓｈｉｒｅ［５］提出的 ３种区域洪涝频率分析方法在全世界
范围内得到应用：１）平均参数法，基于区域分析使
参数值在区域内平均分配［６－７］；２）指数洪涝法，它是
平均参数法的一个特例，通常通过建立回归模型确
定关系［８－１０］；３）特征频率法，在流域特征与洪涝频
率分布的特殊分位数之间建立模型［１１－１２］ ．
国内在洪涝灾害等级指标方面做了大量研究．
从降水的时间尺度出发，可将已有研究成果的洪涝
指标大致划分为过程降水量与日雨量、旬降水量、月
降水量以及年降水量．其中，对于过程降水量和日雨
量，通常直接用降水量来划分洪涝等级［１３－１５］；而对
于时间尺度较大的旬、月、年降水量，通常用降水量
距平百分率［１６－１７］、降水量 Ｚ 指数［１８－２０］等方法来划
分洪涝等级．西南地区的洪涝灾害以洪灾为主，多为
短时的强降水过程，本研究采用的等级指标为过程
降水量，相比于旬、月、年尺度的降水量，更符合西南
地区的洪涝实际发生情况，也更具有实践指导意义．
另一方面，前人所采用的洪涝等级指标，多是直接对
降水量或有关的降水量指数进行区间划分，指标构
建过程中未考虑如减产率、受灾率等灾损指标，指标
科学性不足．本研究针对以上不足，在构建洪涝等级
指标的过程中，考虑西南农业区指标计算得出的洪
涝灾害发生强度与农作物实际的洪涝受灾程度的相
关性、分省指标之间的可比性以及指标与历史洪涝
灾害记录的吻合性，并依据构建的洪涝指标，分析
１９６１—２０１０年西南地区洪涝灾害的时空分布特征，
以期所构建的洪涝指标能够反映洪涝灾害对农业的
影响，并为西南地区洪涝灾害相关研究打下科学基
础和为防洪抗灾工作提供科学指导．
１　 材料与方法
１􀆰 １　 资料来源与处理
参照中国气象局国家气象中心 ２０１２ 年编著的
《农业气象业务服务手册》 （非出版物）中的全国农
业气候地理区划图，确定西南农业区的范围．选择西
南 ４省份（云南、贵州、四川、重庆）农业区 ３４１ 个气
象站（图 １）１９６１—２０１０ 年的逐日降水量资料，资料
来源于国家气象信息中心中国国家级地面气象站基
本气象要素日值数据集（Ｖ３．０）．
　 　 农业洪涝灾情资料来源于中国农业部，包括
１９６１—２０１０年分省历年的农作物面积、农作物洪涝
受灾面积、成灾面积、绝收面积．由于重庆市农业洪
涝灾情资料的序列长度较短，在统计和计算时将重
庆与四川合并处理，并在下文将四川省和重庆市合
并称为“四川⁃重庆”．分省农业洪涝灾情资料完整度
见表 １．
图 １　 西南农业区 ３４１个气象站分布
Ｆｉｇ．１　 Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ３４１ ｗｅａｔｈｅｒ ｓｔａｔｉｏｎｓ ｉｎ ｓｏｕｔｈｗｅｓｔ ａｇｒｉｃｕｌ⁃
ｔｕｒａｌ ａｒｅａｓ．
４７４２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
表 １　 分省农业洪涝灾情资料无缺测年份数
Ｔａｂｌｅ １　 Ｎｕｍｂｅｒ ｏｆ ｎｏ ｍｉｓｓｉｎｇ ｙｅａｒｓ ｏｆ ａｇｒｉｃｕｌｔｕｒａｌ ｆｌｏｏｄ
ｄａｔａ ｉｎ ｅａｃｈ ｐｒｏｖｉｎｃｅ
省份
Ｐｒｏｖｉｎｃｅ
受灾面积
年数
Ｙｅａｒｓ ｏｆ
ａｆｆｅｃｔｅｄ
ａｒｅａ
成灾面积
年数
Ｙｅａｒｓ ｏｆ
ｉｎｕｎｄａｔｅｄ
ａｒｅａ
绝收面积
年数
Ｙｅａｒｓ ｏｆ
ｂａｒｒｅｎ
ａｒｅａ
云南 Ｙｕｎｎａｎ ４４ ４２ ２９
贵州 Ｇｕｉｚｈｏｕ ４７ ４３ ２６
四川⁃重庆 Ｓｉｃｈｕａｎ⁃Ｃｈｏｎｇｑｉｎｇ ４７ ４４ ２８
１􀆰 ２　 洪涝灾害等级指标构建方法
基于已有指标［２１］（表 ２）进行分省指标的修订．
表 ２中的单日洪涝、２ 日洪涝、３ 日或以上洪涝分别
表示一次连续的降水过程分别持续了 １、２ ｄ 和超过
３ ｄ．其中，单日和 ２ 日洪涝指标中的 Ｒ 为一次降水
过程的降水总量，而 ３ 日或以上洪涝指标中的 Ｒ 为
一次降水过程中降水量最大的 ３ ｄ 的对应降水量之
和．选择在该指标基础上进行西南农业区的洪涝指
标修订，一方面考虑到重庆市属于西南地区，气候、
地形等因素与西南其他地区较接近，用该指标进行
修订效果可能更好；另一方面，考虑到西南地区的洪
涝灾害以短时强降水形成的洪灾为主，涝灾出现较
少，选用日降水量和过程降水量来表征西南农业区
洪涝灾害的发生，更能反映西南农业区洪涝灾害的
实际发生情况，且更具有生产实践意义． 分省指标
修订技术流程见图 ２．
１􀆰 ３　 定义洪涝指数
在洪涝灾害等级指标的构建过程中，为了表征
单站和分省的洪涝灾害综合发生强度，参考文献
［２１］的定义方法，分别定义了单站洪涝指数和分省
洪涝指数．
表 ２　 重庆市单站洪涝指标［２１］
Ｔａｂｌｅ ２ 　 Ｓｉｎｇｌｅ ｓｔａｔｉｏｎ ｆｌｏｏｄ ｉｎｄｉｃａｔｏｒｓ ｏｆ Ｃｈｏｎｇｑｉｎｇ
（ｍｍ） ［２１］
等级
Ｌｅｖｅｌ
单日洪涝
Ｄａｉｌｙ ｆｌｏｏｄ
２日洪涝
Ｆｌｏｏｄ ｏｆ
ｔｗｏ ｄａｙｓ
３日或以上洪涝
Ｆｌｏｏｄ ｏｆ
ｔｈｒｅｅ ｏｒ
ｍｏｒｅ ｄａｙｓ
小涝
Ｓｍａｌｌ ｆｌｏｏｄ
１００≤Ｒ＜１５０ １３０≤Ｒ＜１８０ １５０≤Ｒ＜２００
中涝
Ｍｏｄｅｒａｔｅ ｆｌｏｏｄ
１５０≤Ｒ＜２００ １８０≤Ｒ＜２５０ ２００≤Ｒ＜３００
大涝
Ｈｕｇｅ ｆｌｏｏｄ
Ｒ≥２００ Ｒ≥２５０ Ｒ≥３００
单日和 ２日洪涝指标中 Ｒ为一次降水过程的降水总量，而 ３ 日或以
上洪涝指标中 Ｒ为一次降水过程中降水量最大的 ３ ｄ的对应降水量
之和 Ｔｈｅ Ｒ ｉｎ ｔｈｅ ｆｌｏｏｄ ｉｎｄｉｃａｔｏｒｓ ｏｆ ｏｎｅ ａｎｄ ｔｗｏ ｄａｙｓ ｍｅａｎｔ ｔｈｅ ｔｏｔａｌ
ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ ａ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｐｒｏｃｅｓｓ， ｗｈｉｌｅ ｉｔ ｗａｓ ｔｈｅ ｓｕｍ ｏｆ ｔｈｅ ｐｒｅ⁃
ｃｉｐｉｔａｔｉｏｎ ｏｆ ｔｈｅ ｍｏｓｔ ｏｆ ｔｈｒｅｅ ｄａｙｓ ｉｎ ｔｈｅ ｆｌｏｏｄ ｉｎｄｉｃａｔｏｒｓ ｏｆ ｔｈｒｅｅ ｏｒ ｍｏｒｅ
ｔｈａｎ ｔｈｒｅｅ ｄａｙｓ． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
图 ２　 分省指标修订技术流程
Ｆｉｇ．２　 Ｔｅｃｈｎｉｃａｌ ｐｒｏｃｅｓｓ ｏｆ ｐｒｏｖｉｎｃｅ ｉｎｄｉｃａｔｏｒｓ ｒｅｖｉｓｉｏｎ．
　 　 单站逐年洪涝指数：在某一指标下，统计某站点
某一年小涝、中涝、大涝的发生次数，用它们的加权
和作为该站该年的洪涝指数．用公式表示为：
ｍｉ ＝∑
ｋ
ｊ ＝ １
ｎｉｊ·ｗ ｊ （１）
式中：ｍｉ 为某站点的逐年洪涝指数；ｎｉｊ为在 ｉ年各等
级洪涝的发生次数；ｗ ｊ 为各等级洪涝对应的权重；ｋ
为洪涝的等级个数，文中 ｋ＝ ３．
分省逐年洪涝指数的计算公式如下：
Ｍｉ ＝∑
ｋ
ｊ ＝ １
Ｎｉｊ·ｗ ｊ （２）
式中：Ｍｉ 为某省的逐年洪涝指数；Ｎｉｊ为在 ｉ 年该省
所有站点第 ｊ个等级洪涝的发生次数之和．
在进行省与省之间洪涝指数的比较时，为了剔
除各省站点数不同对结果造成的影响，定义平均每
站分省逐年洪涝指数的公式如下：
Ｉｉ ＝
Ｍｉ
ｚｄ
（３）
５７４２８期　 　 　 　 　 　 　 　 　 　 　 　 　 吴　 立等： 西南地区农业洪涝等级指标构建及时空分布特征　 　 　 　 　 　
式中：Ｉｉ 表示某省的平均每站逐年洪涝指数；ｚｄ 表示
某省的站点个数．平均每站分省逐年各等级洪涝发
生次数的定义与平均每站分省逐年洪涝指数类似．
１􀆰 ４　 利用灰色关联度法确定权重
在构建洪涝指数时，需要确定各等级洪涝的权
重．权重在一定程度上反映了某等级洪涝对灾损的
贡献．以云南省为例，为使站点资料与分省农业洪涝
灾情资料的空间尺度相对应，以某指标统计下得到
的云南省历年平均每站小涝次数、中涝次数、大涝次
数序列作为比较序列．选用参考序列时，虽然受灾
率、成灾率、绝收率都能表征农作物实际的洪涝受灾
程度，但受灾率序列在三者中的资料年份最长、缺测
年份最少，所以用洪涝受灾率序列（受灾面积与种
植面积的比值）作为参考序列，建立灰色系统模型．
具体步骤如下：
首先，因为某指标下计算得到的平均每站小涝
次数、中涝次数、大涝次数与受灾率的单位不同，需
要对数据进行标准化（即无量纲化）处理．标准化法
采用最常用的 ｚ⁃ｓｃｏｒｅ法：
ｚｉｋ ＝
ｘｉｋ－􀭰ｘｉ
ｓｉ
（４）
式中：ｚｉｋ为经过标准化处理后的数据；ｘｉｋ为原始数
据；􀭰ｘｉ 为第 ｉ 组原始数据的均值；ｓｉ 为第 ｉ 组数据的
标准差．本研究中，ｉ 取 ０、１、２、３，分别表示受灾率、
平均每站小涝次数、中涝次数、大涝次数，ｋ 取 １ ～
５０，表示每一个序列都有 ５０年的数据．
然后根据式（５）计算各比较序列与参考序列在
各个年份下的关联系数：
　 ξｉ（ｋ）＝ ［ｍｉｎｉ ｍｉｎｋ ｜ ｚ０（ｋ）－ｚｉ（ｋ） ｜ ＋ρ ｍａｘｉ ｍａｘｋ
｜ ｚ０（ｋ）－ｚｉ（ｋ） ｜ ］ ／ ［ ｜ ｚ０（ｋ）－ｚｉ（ｋ） ｜ ＋
ρ ｍａｘ
ｉ
ｍａｘ
ｋ
｜ ｚ０（ｋ）－ｚｉ（ｋ） ｜ ］ （５）
式中：ξｉ（ｋ）为关联系数；ρ为分辨系数，通常取 ０􀆰 ５．
关联度即权重的计算公式如下：
ｒ ｊ ＝
１
Ｎ∑
Ｎ
ｋ ＝ １
ξ ｊ（ｋ） （６）
式中：ｊ取 １、２、３；ｒ１、ｒ２、ｒ３ 分别表示平均每站小涝次
数、中涝次数、大涝次数与受灾率的关联度，即本研
究中的权重．
２　 结果与分析
２􀆰 １　 等级洪涝权重的确定
原指标（表 ２）经过幅度为－５０ ～ ＋５０ ｍｍ、步长
为 １ ｍｍ的增减后，每个省份都对应有 １０１ 个洪涝
指标，经过灰色关联度方法的计算后，每个指标都有
了相对应的等级洪涝权重．因篇幅所限，仅列出
－１０～ ＋１０ ｍｍ指标对应的各等级洪涝权重（表 ３）．
表 ３　 分省各指标下的等级洪涝权重
Ｔａｂｌｅ ３　 Ｌｅｖｅｌ ｆｌｏｏｄ ｗｅｉｇｈｔｓ ｏｆ ｅａｃｈ ｉｎｄｉｃａｔｏｒ ｔｏ ｅｖｅｒｙ ｐｒｏｖｉｎｃｅ
指标
Ｉｎｄｉｃａｔｏｒ
（ｍｍ）
云南 Ｙｕｎｎａｎ
小涝
Ｓｍａｌｌ
ｆｌｏｏｄ
中涝
Ｍｏｄｅｒａｔｅ
ｆｌｏｏｄ
大涝
Ｈｕｇｅ
ｆｌｏｏｄ
贵州 Ｇｕｉｚｈｏｕ
小涝
Ｓｍａｌｌ
ｆｌｏｏｄ
中涝
Ｍｏｄｅｒａｔｅ
ｆｌｏｏｄ
大涝
Ｈｕｇｅ
ｆｌｏｏｄ
四川⁃重庆 Ｓｉｃｈｕａｎ⁃Ｃｈｏｎｇｑｉｎｇ
小涝
Ｓｍａｌｌ
ｆｌｏｏｄ
中涝
Ｍｏｄｅｒａｔｅ
ｆｌｏｏｄ
大涝
Ｈｕｇｅ
ｆｌｏｏｄ
－１０ ０．７０１ ０．６４１ ０．６７７ ０．７０４ ０．７２８ ０．７４２ ０．６５３ ０．７２０ ０．７４０
－９ ０．６９５ ０．６３８ ０．６８１ ０．７０７ ０．７２０ ０．７４３ ０．６４２ ０．７０２ ０．７２４
－８ ０．６９６ ０．６４５ ０．６８８ ０．７０８ ０．７３０ ０．７５０ ０．６４２ ０．７０５ ０．７１４
－７ ０．７０３ ０．６４８ ０．６８８ ０．７０８ ０．７３３ ０．７５０ ０．６４３ ０．６９７ ０．７１２
－６ ０．６８９ ０．６４５ ０．６８１ ０．７１２ ０．７３２ ０．７４６ ０．６０８ ０．６７５ ０．６９０
－５ ０．６９３ ０．６４６ ０．６７０ ０．７１５ ０．７３９ ０．７４６ ０．６１１ ０．６７３ ０．６９７
－４ ０．６８４ ０．６４７ ０．６７０ ０．７１３ ０．７３９ ０．７４３ ０．６１５ ０．６７７ ０．６９４
－３ ０．６９１ ０．６５２ ０．６６１ ０．７１０ ０．７５１ ０．７４６ ０．６４０ ０．６９６ ０．７２４
－２ ０．６８３ ０．６５３ ０．６５８ ０．７１６ ０．７４７ ０．７４１ ０．６２５ ０．６８２ ０．７０７
－１ ０．６８０ ０．６５６ ０．６６０ ０．７１３ ０．７４９ ０．７４３ ０．６２１ ０．６８３ ０．７１２
０ ０．６８１ ０．６６３ ０．６６４ ０．７１３ ０．７４８ ０．７４６ ０．６１６ ０．６８１ ０．７１０
１ ０．６８９ ０．６６３ ０．６６６ ０．７２６ ０．７５６ ０．７４８ ０．６１１ ０．６７４ ０．７０３
２ ０．６９３ ０．６５７ ０．６６５ ０．７２５ ０．７６１ ０．７５３ ０．６２５ ０．６７１ ０．７０９
３ ０．６９１ ０．６５６ ０．６６８ ０．７２４ ０．７４７ ０．７４３ ０．６２９ ０．６６１ ０．７０４
４ ０．６８７ ０．６６４ ０．６６５ ０．７２２ ０．７５０ ０．７４１ ０．６３１ ０．６６４ ０．７０９
５ ０．６８６ ０．６６８ ０．６６５ ０．７２５ ０．７５５ ０．７４２ ０．６３６ ０．６７２ ０．７１３
６ ０．６９２ ０．６５８ ０．６６１ ０．７２６ ０．７５４ ０．７４０ ０．６３０ ０．６６６ ０．７１０
７ ０．６９２ ０．６５５ ０．６５９ ０．７２３ ０．７４８ ０．７４０ ０．６４０ ０．６７２ ０．７１６
８ ０．６９８ ０．６３８ ０．６６４ ０．６９８ ０．７２５ ０．７１９ ０．６３２ ０．６６７ ０．７１１
９ ０．６９３ ０．６３３ ０．６６３ ０．６９９ ０．７３３ ０．７２２ ０．６３５ ０．６６８ ０．７１５
１０ ０．６９６ ０．６２６ ０．６６４ ０．７０１ ０．７３６ ０．７２３ ０．６５３ ０．６７７ ０．７２３
表中的指标－１０ ｍｍ表示在原指标（表 ２）的基础上减去 １０ ｍｍ Ｔｈｅ ｉｎｄｅｘ －１０ ｍｍ ｅｘｐｒｅｓｓｅｄ ｔｈａｔ ｉｎｄｅｘ ｏｆ ｔａｂｌｅ ２ ｍｉｎｕｓｅｄ １０ ｍｍ．
６７４２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
２􀆰 ２　 分省指标的确定
确定了小涝、中涝、大涝的权重就相应地确定了
各省份各指标下的平均每站逐年洪涝指数．平均每
站逐年洪涝指数一定程度上反映了某省历年的洪涝
发生强度，而受灾率序列反映的是某省历年的洪涝
受灾程度．用某省近 ５０年里非缺测年份的洪涝受灾
率序列与该省 １０１个指标（－５０～ ＋５０ ｍｍ）统计得到
的对应年份的洪涝指数序列分别进行相关性分析，
自变量为洪涝指数，因变量为受灾率．两者的相关性
越好，认为该相关性结果所对应指标统计得到的洪
涝指数更能准确反映洪涝灾害对该地区农作物的影
响，指标可信度更高．
各省份相关性分析表明，贵州相关性分析结果
优于云南，云南的结果优于四川⁃重庆．为了使 ３ 个
地区最终确定的洪涝指标所对应的相关性分析结果
总体较好，首先确定出四川⁃重庆的指标，四川⁃重庆
部分指标下的相关性达到显著（Ｐ＜０􀆰 ０５），选取相关
系数最高的 ０．３１４对应的指标＋４０ ｍｍ 作为四川⁃重
庆的指标（表 ４）．
表 ４　 四川重庆洪涝灾害等级指标
Ｔａｂｌｅ ４ 　 Ｆｌｏｏｄ ｌｅｖｅｌ ｉｎｄｉｃａｔｏｒｓ ｏｆ Ｓｉｃｈｕａｎ⁃Ｃｈｏｎｇｑｉｎｇ
（ｍｍ）
等级
Ｌｅｖｅｌ
单日洪涝
Ｄａｉｌｙ ｆｌｏｏｄ
２日洪涝
Ｆｌｏｏｄ ｏｆ
ｔｗｏ ｄａｙｓ
３日或以上洪涝
Ｆｌｏｏｄ ｏｆ ｔｈｒｅｅ
ｏｒ ｍｏｒｅ ｄａｙｓ
小涝
Ｓｍａｌｌ ｆｌｏｏｄ
１４０≤Ｒ＜１９０ １７０≤Ｒ＜２２０ １９０≤Ｒ＜２４０
中涝
Ｍｏｄｅｒａｔｅ ｆｌｏｏｄ
１９０≤Ｒ＜２４０ ２２０≤Ｒ＜２９０ ２４０≤Ｒ＜３４０
大涝
Ｈｕｇｅ ｆｌｏｏｄ
Ｒ≥２４０ Ｒ≥２９０ Ｒ≥３４０
　 　 为了说明已确定的四川⁃重庆洪涝指标的准确
性，增加其可信度，对该指标进行历史洪涝受灾记录
的吻合性验证．验证主要依据《中国气象灾害大典·
四川卷》 ［２２］、《中国气象灾害大典·重庆卷》 ［２３］中的
洪涝灾害历史记录以及《农业灾害与减灾对策》 ［２４］
中的中国农业和自然灾害大事件之洪涝灾害事件记
录．由于历史洪涝灾害记录很难判断具体的洪涝发
生等级，因此仅进行某时间段里某一地区是否发生
洪涝的验证．其中，历史灾害记录中的非农业区灾害
发生地以及降水量数据缺测的年份不在验证范围
内．灾害记录选取标准为记录中的灾害发生时间和
主要发生地点较详细、精确．选取 ５ 次较详细的受灾
记录进行验证（表 ５）．从表 ５ 可以看出，历史洪涝灾
害记录基本能够由四川⁃重庆的洪涝灾害指标统计
得到，指标吻合性较高．
云南省的相关性分析结果部分为相关显著
（Ｐ＜０􀆰 ０５），贵州省相关性分析结果全部为相关显著
（Ｐ＜０􀆰 ０５），且相关系数在一定指标范围内相差不
大．而云南和贵州选定不同的洪涝指标可能会出现
两个地区指标对应的洪涝指数高于或低于四川⁃重
庆这两种截然相反的情况，也就是出现云南和贵州
的洪涝发生强度高于或低于四川⁃重庆的两种相反
情况．为了避免这种情况的发生，在确定云南和贵州
的洪涝指标时，必须考虑云南、贵州和四川⁃重庆的
洪涝发生强度的大小顺序，以使 ３ 个地区的最终结
果能绘制在同一张空间分布图上．
以已经确定的四川⁃重庆洪涝指标为参考，云
南、四川⁃重庆、贵州 ３ 个地区共有的受灾率非缺测
年份为 ４４ 年，分别计算 ３ 个地区这 ４４ 年的平均受
灾率作为 ３个地区实际的平均洪涝受灾程度，计算
四川⁃重庆＋４０ ｍｍ 指标对应 ４４ 年的平均洪涝指数
作为四川⁃重庆由指标得出的平均洪涝发生强度，而
云南与贵州的 １０１ 个指标对应 １０１ 个平均洪涝指
数．若云南的平均受灾率大于四川⁃重庆，则云南的
平均洪涝指数也应大于四川⁃重庆，从而将 ３ 个地区
平均受灾率的大小顺序类比到平均洪涝指数，由平
均洪涝指数确定出云南和贵州的指标．
从表 ６可以看出，云南、贵州、四川⁃重庆的平均
受灾率依次递增，说明云南实际的平均洪涝受灾程
表 ５　 四川⁃重庆洪涝灾害指标验证
Ｔａｂｌｅ ５　 Ｖａｌｉｄａｔｉｏｎ ｏｆ ｆｌｏｏｄ ｉｎｄｉｃａｔｏｒｓ ｉｎ Ｓｉｃｈｕａｎ⁃Ｃｈｏｎｇｑｉｎｇ
时段
Ｐｅｒｉｏｄ
历史记录的灾害发生地点
Ｄｉｓａｓｔｅｒ ｓｉｔｅ ｉｎ ｈｉｓｔｏｒｉｃａｌ ｒｅｃｏｒｄ
指标计算得出的灾害发生地点
Ｄｉｓａｓｔｅｒ ｓｉｔｅ ｃａｌｃｕｌａｔｅｄ ｂｙ ｉｎｄｉｃａｔｏｒ
相符
Ｃｏｒｒｅｓｐｏｎｄｅｎｃｅ
１９６３⁃０９⁃１２—１４ 安县 Ａｎｘｉａｎ 安县 Ａｎｘｉａｎ 符合 Ｃｏｒｒｅｓｐｏｎｄ
１９７８⁃０７⁃２６—３１ 芦山 Ｌｕｓｈａｎ 芦山 Ｌｕｓｈａｎ 符合 Ｃｏｒｒｅｓｐｏｎｄ
１９８１⁃０７⁃０９—１４ 四川盆地 Ｓｉｃｈｕａｎ ｂａｓｉｎ 资阳、金堂等中东部 ３５站 Ｚｉｙａｎｇ， Ｊｉｎｔａｎｇ， ｅｔｃ， ３５
ｓｔａｔｉｏｎｓ ｏｆ ｍｉｄｄｌｅ ｅａｓｔ
基本符合 Ｍａｉｎｌｙ ｃｏｒｒｅ⁃
ｓｐｏｎｄ
１９８９⁃０７⁃０７—１１ 四川东部 Ｅａｓｔｅｒｎ Ｓｉｃｈｕａｎ 垫江、梁平等东部 １９站 Ｄｉａｎｊｉａｎｇ， Ｌｉａｎｇｐｉｎｇ， ｅｔｃ，
１９ ｓｔａｔｉｏｎｓ ｏｆ ｅａｓｔ
基本符合 Ｍａｉｎｌｙ ｃｏｒｒｅ⁃
ｓｐｏｎｄ
２０１０⁃０７⁃１７—２３ 万源 Ｗａｎｙｕａｎ 万源 Ｗａｎｙｕａｎ 符合 Ｃｏｒｒｅｓｐｏｎｄ
７７４２８期　 　 　 　 　 　 　 　 　 　 　 　 　 吴　 立等： 西南地区农业洪涝等级指标构建及时空分布特征　 　 　 　 　 　
表 ６　 云南和贵州洪涝指标的确定
Ｔａｂｌｅ ６　 Ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ Ｙｕｎｎａｎ ａｎｄ Ｇｕｉｚｈｏｕ ｆｌｏｏｄ ｉｎｄｉ⁃
ｃａｔｏｒｓ
省份
Ｐｒｏｖｉｎｃｅ
平均受灾率
Ａｖｅｒａｇｅ
ｒａｔｅ ｏｆ
ｔｈｅ ａｆｆｅｃｔｅｄ
（％）
指标
Ｉｎｄｉｃａｔｏｒ
（ｍｍ）
平均洪涝
指数
Ａｖｅｒａｇｅ
ｆｌｏｏｄ
ｉｎｄｅｘ
ｒ
四川⁃重庆
Ｓｉｃｈｕａｎ⁃Ｃｈｏｎｇｑｉｎｇ
５．７ ＋４０ ０．１３８ ０．３１４∗
贵州 ５．３ ＋２９ ０．１２９ ０．５５２∗∗
Ｇｕｉｚｈｏｕ ＋３０ ０．１２５ ０．５５３∗∗
云南 ４．４ ＋１６ ０．１０８ ０．３０５∗
Ｙｕｎｎａｎ ＋１７ ０．１０４ ０．２９１
∗Ｐ＜０．０５； ∗∗Ｐ＜０．０１．
度＜贵州实际的平均洪涝受灾程度＜四川⁃重庆实际
的平均洪涝受灾程度，则 ３ 个地区平均洪涝指数也
应呈现这样的大小顺序．四川⁃重庆的平均受灾率为
５．７％，平均洪涝指数为 ０．１３８．贵州的平均受灾率为
５．３％，比四川⁃重庆减少 ７．８％，则平均洪涝指数也应
比四川⁃重庆减少 ７．８％，即贵州的平均洪涝指数应
在 ０．１２７左右，对应到表 ６ 中，指标＋２９ ｍｍ 和＋３０
ｍｍ的平均洪涝指数与 ０．１２７最接近，本文选取相关
系数较高的＋３０ ｍｍ作为贵州省的洪涝指标．云南省
的平均洪涝指数同理可确定在 ０．１０６ 左右，最终确
定云南省的指标为＋１６ ｍｍ（表 ７）．
　 　 与四川⁃重庆类似，为进一步说明云南和贵州的
指标准确性，依据《中国气象灾害大典·云南卷》 ［２５］
和《中国气象灾害大典·贵州卷》 ［２６］中的洪涝灾害历
史记录以及《农业灾害与减灾对策》 ［２４］中的中国
表 ７　 贵州和云南洪涝灾害等级指标
Ｔａｂｌｅ ７ 　 Ｆｌｏｏｄ ｌｅｖｅｌ ｉｎｄｉｃａｔｏｒｓ ｏｆ Ｇｕｉｚｈｏｕ ａｎｄ Ｙｕｎｎａｎ
（ｍｍ）
省份
Ｐｒｏｖｉｎｃｅ
等级
Ｌｅｖｅｌ
单日洪涝
Ｄａｉｌｙ ｆｌｏｏｄ
２日洪涝
Ｆｌｏｏｄ ｏｆ
ｔｗｏ ｄａｙｓ
３日或以上洪涝
Ｆｌｏｏｄ ｏｆ
ｔｈｒｅｅ ｏｒ
ｍｏｒｅ ｄａｙｓ
贵州
Ｇｕｉｚｈｏｕ
小涝
Ｓｍａｌｌ ｆｌｏｏｄ
１３０≤Ｒ＜１８０ １６０≤Ｒ＜２１０ １８０≤Ｒ＜２３０
中涝
Ｍｏｄｅｒａｔｅ ｆｌｏｏｄ
１８０≤Ｒ＜２３０ ２１０≤Ｒ＜２８０ ２３０≤Ｒ＜３３０
大涝
Ｈｕｇｅ ｆｌｏｏｄ
Ｒ≥２３０ Ｒ≥２８０ Ｒ≥３３０
云南
Ｙｕｎｎａｎ
小涝
Ｓｍａｌｌ ｆｌｏｏｄ
１１６≤Ｒ＜１６６ １４６≤Ｒ＜１９６ １６６≤Ｒ＜２１６
中涝
Ｍｏｄｅｒａｔｅ ｆｌｏｏｄ
１６６≤Ｒ＜２１６ １９６≤Ｒ＜２６６ ２１６≤Ｒ＜３１６
大涝
Ｈｕｇｅ ｆｌｏｏｄ
Ｒ≥２１６ Ｒ≥２６６ Ｒ≥３１６
农业和自然灾害大事件之洪涝灾害事件记录，进行
历史洪涝受灾记录的吻合性验证（表 ８）．从中可以
看出，云南和贵州 ２ 个地区由指标计算得到的结果
与历史洪涝受灾记录基本吻合，表明云南和贵州两
地的洪涝指标总体能够反映出洪涝灾害的发生
情况．
２􀆰 ３　 洪涝时空分布特征
根据已确定的云南、贵州、四川⁃重庆的洪涝指
标，统计各站点 １９６１—２０１０ 年历年洪涝的发生次
数，绘制分省平均每站洪涝次数时间趋势图以及西
南地区 １９６１—２０１０ 年平均洪涝发生次数空间分布
图，分析西南农业区洪涝灾害的时空分布特征，验证
表 ８　 贵州和云南洪涝灾害指标验证
Ｔａｂｌｅ ８　 Ｖａｌｉｄａｔｉｏｎ ｏｆ ｆｌｏｏｄ ｉｎｄｉｃａｔｏｒｓ ｉｎ Ｇｕｉｚｈｏｕ ａｎｄ Ｙｕｎｎａｎ
省份
Ｐｒｏｖｉｎｃｅ
时间段
Ｐｅｒｉｏｄ
历史记录的灾害发生地点
Ｄｉｓａｓｔｅｒ ｓｉｔｅ ｉｎ ｈｉｓｔｏｒｉｃａｌ ｒｅｃｏｒｄ
指标计算得出的灾害发生地点
Ｄｉｓａｓｔｅｒ ｓｉｔｅ ｃａｌｃｕｌａｔｅｄ ｂｙ ｉｎｄｉｃａｔｏｒ
相符
Ｃｏｒｒｅｓｐｏｎｄｅｎｃｅ
贵州
Ｇｕｉｚｈｏｕ
１９６３⁃０７⁃０７—１１ 余庆、松桃、德江
Ｙｕｑｉｎｇ， Ｓｏｎｇｔａｏ， Ｄｅｊｉａｎｇ
余庆、松桃、德江
Ｙｕｑｉｎｇ， Ｓｏｎｇｔａｏ， Ｄｅｊｉａｎｇ
符合
Ｃｏｒｒｅｓｐｏｎｄ
１９７９⁃０７⁃１６—１７ 安顺、榕江
Ａｎｓｈｕｎ， Ｒｏｎｇｊｉａｎｇ
安顺、榕江
Ａｎｓｈｕｎ， Ｒｏｎｇｊｉａｎｇ
符合
Ｃｏｒｒｅｓｐｏｎｄ
１９８６⁃０８⁃２９—３１ 黔西南州部分地区
Ｐａｒｔｓ ｏｆ Ｑｉａｎｘｉｎａｎ
贞丰、兴义、兴仁等 ６站
Ｚｈｅｎｆｅｎｇ， Ｘｉｎｇｙｉ， Ｘｉｎｇｒｅｎ， ｅｔｃ， ６ ｓｔａｔｉｏｎｓ
基本符合
Ｍａｉｎｌｙ ｃｏｒｒｅｓｐｏｎｄ
１９９９⁃０６⁃２９—０７⁃０２ 铜仁、贵定、务川、紫云等
Ｔｏｎｇｒｅｎ， Ｇｕｉｄｉｎｇ， Ｗｕｃｈｕａｎ， Ｚｉｙｕｎ， ｅｔｃ
铜仁、贵定、务川、紫云等
Ｔｏｎｇｒｅｎ， Ｇｕｉｄｉｎｇ， Ｗｕｃｈｕａｎ， Ｚｉｙｕｎ， ｅｔｃ
符合
Ｃｏｒｒｅｓｐｏｎｄ
２０００⁃０６⁃１９—２１ 省南部部分地区
Ｐａｒｔｓ ｏｆ ｓｏｕｔｈｅｒｎ ｐｒｏｖｉｎｃｅ
龙里、都匀、平塘等
Ｌｏｎｇｌｉ， Ｄｕｙｕｎ， Ｐｉｎｇｔａｎｇ， ｅｔｃ
基本符合
Ｍａｉｎｌｙ ｃｏｒｒｅｓｐｏｎｄ
云南
Ｙｕｎｎａｎ
１９６１⁃０５⁃２１—３１ 勐腊
Ｍｅｎｇｌａ
勐腊
Ｍｅｎｇｌａ
符合
Ｃｏｒｒｅｓｐｏｎｄ
１９７２⁃０９⁃０１ 孟连
Ｍｅｎｇｌｉａｎ
孟连
Ｍｅｎｇｌｉａｎ
符合
Ｃｏｒｒｅｓｐｏｎｄ
１９８４⁃０９⁃１３ 漾濞
Ｙａｎｇｂｉ
漾濞
Ｙａｎｇｂｉ
符合
Ｃｏｒｒｅｓｐｏｎｄ
１９９８⁃０６⁃２３—２７ 华坪、昆明、武定等
Ｈｕａｐｉｎｇ， Ｋｕｎｍｉｎｇ， Ｗｕｄｉｎｇ， ｅｔｃ
华坪、昆明、金平等
Ｈｕａｐｉｎｇ， Ｋｕｎｍｉｎｇ， Ｊｉｎｐｉｎｇ， ｅｔｃ
基本符合
Ｍａｉｎｌｙ ｃｏｒｒｅｓｐｏｎｄ
２０００⁃０６—０７ 金平
Ｊｉｎｐｉｎｇ
金平
Ｊｉｎｐｉｎｇ
符合
Ｃｏｒｒｅｓｐｏｎｄ
８７４２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
建立的农业洪涝等级指标的适用性和准确性．
由图 ３可以看出，１９６１—２０１０ 年，云南、贵州和
四川⁃重庆 ３个地区洪涝的平均每站发生次数年际
呈明显的波动式增减．根据《中国气象灾害大典·云
南卷》 ［２５］的记载，在 ２０ 世纪中，１９６６、１９７３、１９８３、
１９８６、１９９３、１９９６、１９９８年为云南省的大洪涝灾害出
现年，对应到图 ３ 中，发现 １９６６、１９８３、１９８６、１９９８
年云南平均每站洪涝总次数都在 ０．２４ 次以上，而
１９７３、 １９９３和 １９９６年洪涝灾害主要发生在云南的
西南地区，且都有中涝以上的洪涝发生，平均每站洪
涝总次数虽少，但洪涝发生局地性强、强度高．研究
期间，贵州平均每站洪涝总次数超过 ０．２４ 次的年份
有 １１ 年，其中，１９９１、１９９５、１９９６、１９９８ 年贵州均有
大范围洪涝灾害发生［２６］，在图 ３ 中，１９９１、１９９５、
１９９６年平均每站洪涝总次数均在 ０．３ 次以上，１９９８
年也达到了０􀆰 ２３次，指标统计的洪涝灾害与实际情
图 ３　 西南农业区洪涝次数年代际变化
Ｆｉｇ．３　 Ｉｎｔｅｒｄｅｃａｄａｌ ｃｈａｎｇｅ ｏｆ ｆｌｏｏｄ ｆｒｅｑｕｅｎｃｙ ｉｎ ｓｏｕｔｈｗｅｓｔ ａｇｒｉ⁃
ｃｕｌｔｕｒａｌ ａｒｅａｓ．
ａ） 云南 Ｙｕｎｎａｎ； ｂ） 贵州 Ｇｕｉｚｈｏｕ； ｃ） 四川⁃重庆 Ｓｉｃｈｕａｎ⁃Ｃｈｏｎｇｑｉｎｇ．
Ⅰ： 历年值 Ｈｉｓｔｏｒｉｃａｌ ｖａｌｕｅ； Ⅱ： 年代均值 Ｄｅｃａｄｅ ｍｅａｎ ｖａｌｕｅ．
图 ４　 １９６１—２０１０年西南地区洪涝平均次数
Ｆｉｇ．４　 Ａｖｅｒａｇｅ ｔｉｍｅｓ ｏｆ ｆｌｏｏｄ ｄｉｓａｓｔｅｒ ｉｎ ｔｈｅ ｓｏｕｔｈｗｅｓｔ ｏｆ Ｃｈｉｎａ
ｉｎ １９６１ ｔｏ ２０１０．
况基本吻合．２０世纪 ６０年代以后，四川⁃重庆地区出
现的特大洪灾年为 １９８１年［２４］，与图 ３ 的结果吻合，
近 ５０年里平均每站洪涝次数超过 ０．２４ 次的年份有
１５年，以 ２０世纪 ８０ 年代和 ２１ 世纪初洪涝灾害发
生较严重，这 ２０年里平均每站洪涝总次数超过 ０．２４
次的有 ９年．
　 　 由图 ４可以看出，研究期间，云南地区洪涝平均
发生次数高值区主要位于西南和东南部地区，平
均在０．４ 次以上，这与《中国气象灾害大典·云南
卷》 ［２５］中的云南暴雨频数高值区的分布吻合．四川⁃
重庆地区洪涝平均发生次数高值区主要位于成都的
西南和东北部地区，该结果与《中国气象灾害大典
·四川卷》 ［２２］中的论述：“重灾区主要分布在盆地西
部、其次在盆地东北部”相吻合．有研究表明，贵州频
率最高的主要暴雨多发区位于省西南部［２６］，本研究
近 ５０年贵州洪涝平均次数高值区也位于贵州西南
部，所得结果与灾害大典中的记录相互印证，揭示了
洪涝由南向北逐渐减少的分布特征．以上洪涝平均
次数高值区为近 ５０年的洪涝多发区，有关部门应重
点做好对洪涝的防范工作．
３　 讨　 　 论
本文基于重庆市单站洪涝指标，考虑由指标统
计得到的洪涝发生强度与农作物洪涝受灾程度的相
关性、分省指标可比性以及指标与历史洪涝灾害记
录的吻合性，构建了西南地区分省农业洪涝等级指
标，并依据构建的指标分析了西南农业区洪涝灾害
的时空分布特征．结果表明，构建的云南、贵州、四
９７４２８期　 　 　 　 　 　 　 　 　 　 　 　 　 吴　 立等： 西南地区农业洪涝等级指标构建及时空分布特征　 　 　 　 　 　
川⁃重庆 ３个地区的指标统计得到的洪涝发生强度
与农作物洪涝受灾程度均呈显著相关，指标与历史
灾害记录的吻合性较高．构建的云南指标为原指标
（重庆单站指标） ＋１６ ｍｍ，贵州指标为原指标＋３０
ｍｍ，四川⁃重庆指标为原指标＋４０ ｍｍ．云南地区以
２０世纪 ８０年代洪涝发生较严重，西南和东南部是
云南洪涝多发区．贵州以 ２０ 世纪 ９０ 年代洪涝发生
较严重，其中，１９９１、１９９５、１９９６、２００７ 年的洪涝发生
次数相对较多，西南部是洪涝多发区．四川⁃重庆以
２０世纪 ８０年代和 ２１世纪初洪涝发生次数最多，盆
地西部和东北部为洪涝多发区．
以往对于西南地区洪涝指标的研究相对较少，
仅有的一些报道中关于洪涝指标的制定多是根据经
验或是综合历史灾害记录直接给出指标［４，２１］，缺少
定量化的指标构建过程和指标准确性的验证．本文
详细介绍了西南农业区洪涝指标的构建过程，在构
建过程中，考虑了洪涝灾害对农作物的影响，将指标
与农作物实际受灾情况相联系，并对指标的准确性
与历史洪涝记录的吻合性进行验证，指标更具代表
性．另外，利用构建的洪涝指标，对西南地区近 ５０ 年
洪涝时空分布特征的分析结果，与洪涝实际的分布
情况吻合性较高，指标对防洪抗灾工作具有一定的
指导意义．
由于有关数据资料获取不易，如果有西南农业
区每个站点的农作物洪涝灾损数据，例如单站洪涝
受灾率、减产率等，可进行单站洪涝指数与单站灾损
数据的相关性分析，结合本研究中采用的其他方法
逐步确定每个站点的洪涝指标，最后对相邻站点、相
近指标进行区域划分，指标不再局限于以省为单位，
同一个省可能因为划分了不同区域，而采用多个洪
涝指标，未来将在西南地区农业洪涝等级指标方面
进一步修正和完善．
另外，本研究构建西南地区农业洪涝等级指标
时所采用的受灾率是农作物洪涝受灾率，并没有具
体到某一种作物．未来的研究可针对特定作物，根据
作物的生育期和生长特性等，对指标进行进一步
订正．
参考文献
［１］　 Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓ （中国农业科
学院）． Ｃｈｉｎａ’ｓ Ａｇｒｉｃｕｌｔｕｒａｌ Ｍｅｔｅｏｒｏｌｏｇｙ． Ｂｅｉｊｉｎｇ： Ｃｈｉ⁃
ｎａ Ａｇｒｉｃｕｌｔｕｒｅ Ｐｒｅｓｓ， １９９９ （ｉｎ Ｃｈｉｎｅｓｅ）
［２］　 Ｈｕｏ Ｚ⁃Ｇ （霍治国）， Ｗａｎｇ Ｓ⁃Ｌ （王石立）． Ａｇｒｉｃｕｌｔｕｒａｌ
ａｎｄ Ｂｉｏｌｏｇｉｃａｌ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｄｉｓａｓｔｅｒｓ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ
Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｐｒｅｓｓ， ２００９ （ｉｎ Ｃｈｉｎｅｓｅ）
［３］　 Ｌｕｏ Ｐ⁃Ｑ （罗品强）， Ｊｉｎ Ｙ （金 　 燕）． Ｕｒｂａｎ ｆｌｏｏｄ
ａｎａｌｙｓｉｓ ａｎｄ ｌｏｓｓ ｅｖａｌｕａｔｉｏｎ ｏｆ Ｓｉｍａｏ． Ｐｅａｒｌ Ｒｉｖｅｒ （人民
珠江）， ２００９（１）： ７０－７２ （ｉｎ Ｃｈｉｎｅｓｅ）
［４］　 Ｗａｎｇ Ｙ⁃Ｌ （王运禄）． Ｆｅａｔｕｒｅｓ， ｌａｗｓ ａｎｄ ｃｏｕｎｔｅｒ ｍｅａ⁃
ｓｕｒｅｓ ｏｆ ｌａｒｇｅ ｗａｔｅｒ⁃ｌｏｇｇｉｎｇ ｉｎ Ｓｉｃｈｕａｎ ｂａｓｉｎ． Ｊｏｕｒｎａｌ ｏｆ
Ｃａｔａｓｔｒｏｐｈｏｌｏｇｙ （灾害学）， １９９７， １２（３）： ４３－４８ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［５］　 Ｗｉｌｔｓｈｉｒｅ ＳＥ． Ｒｅｇｉｏｎａｌ ｆｌｏｏｄ ｆｒｅｑｕｅｎｃｙ ａｎａｌｙｓｉｓ． Ⅰ．
Ｈｏｍｏｇｅｎｅｉｔｙ ｓｔａｔｉｓｔｉｃｓ． Ｈｙｄｒｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅｓ Ｊｏｕｒｎａｌ，
１９８６， ３１： ３２１－３３３
［６］　 Ｋｉｙｏｓｈｉ Ｈ， Ｓｔｅｐｈｅｎ ＪＢ． Ｓａｍｐｌｉｎｇ ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｐａｒａｍｅ⁃
ｔｅｒ ｅｓｔｉｍａｔｅｓ ｆｏｒ ｔｈｅ ｌｏｇ Ｐｅａｒｓｏｎ ｔｙｐｅ ３ ｄｉｓｔｒｉｂｕｔｉｏｎ，
ｕｓｉｎｇ ｍｏｍｅｎｔｓ ｉｎ ｒｅａｌ ｓｐａｃｅ． Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｌｏｇｙ，
１９８１， ５３： ３０５－３１６
［７］　 Ｋｏｕｔｒｏｕｖｅｌｉｓａ ＩＡ， Ｃａｎａｖｏｓ ＧＣ． Ａ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｍｏ⁃
ｍｅｎｔ⁃ｂａｓｅｄ ｍｅｔｈｏｄｓ ｏｆ ｅｓｔｉｍａｔｉｏｎ ｆｏｒ ｔｈｅ ｌｏｇ Ｐｅａｒｓｏｎ
ｔｙｐｅ ３ ｄｉｓｔｒｉｂｕｔｉｏｎ． Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｌｏｇｙ， ２０００， ２３４：
７１－８１
［８］　 Ｋｊｅｌｄｓｅｎ ＴＲ， Ｓｍｉｔｈｅｒｓ ＪＣ， Ｓｃｈｕｌｚｅ ＲＥ． Ｒｅｇｉｏｎａｌ ｆｌｏｏｄ
ｆｒｅｑｕｅｎｃｙ ａｎａｌｙｓｉｓ ｉｎ ｔｈｅ ＫｗａＺｕｌｕ⁃Ｎａｔａｌ Ｐｒｏｖｉｎｃｅ，
Ｓｏｕｔｈ Ａｆｒｉｃａ， ｕｓｉｎｇ ｔｈｅ ｉｎｄｅｘ⁃ｆｌｏｏｄ ｍｅｔｈｏｄ． Ｊｏｕｒｎａｌ ｏｆ
Ｈｙｄｒｏｌｏｇｙ， ２００２， ２５５： １９４－２１１
［９］　 Ｎｏｂｅｒｔ Ｊ， Ｍｕｇｏ Ｍ， Ｇａｄａｉｎ Ｈ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｄｅｓｉｇｎ
ｆｌｏｏｄｓ ｉｎ ｕｎｇａｕｇｅｄ ｃａｔｃｈｍｅｎｔｓ ｕｓｉｎｇ ａ ｒｅｇｉｏｎａｌ ｉｎｄｅｘ
ｆｌｏｏｄ ｍｅｔｈｏｄ． Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ Ｌａｋｅ Ｖｉｃｔｏｒｉａ Ｂａｓｉｎ ｉｎ
Ｋｅｎｙａ． Ｐｈｙｓｉｃｓ ａｎｄ Ｃｈｅｍｉｓｔｒｙ ｏｆ ｔｈｅ Ｅａｒｔｈ， Ｐａｒｔｓ Ａ ／ Ｂ ／
Ｃ， ２０１４， ６７－６９： ４－１１
［１０］　 Ｍａｌｅｋｉｎｅｚｈａｄ Ｈ， Ｎａｃｈｔｎｅｂｅｌ ＨＰ， Ｋｌｉｋ Ａ． Ｃｏｍｐａｒｉｎｇ
ｔｈｅ ｉｎｄｅｘ⁃ｆｌｏｏｄ ａｎｄ ｍｕｌｔｉｐｌｅ⁃ｒｅｇｒｅｓｓｉｏｎ ｍｅｔｈｏｄｓ ｕｓｉｎｇ
Ｌ⁃ｍｏｍｅｎｔｓ． Ｐｈｙｓｉｃｓ ａｎｄ Ｃｈｅｍｉｓｔｒｙ ｏｆ ｔｈｅ Ｅａｒｔｈ， Ｐａｒｔｓ
Ａ ／ Ｂ ／ Ｃ， ２０１１， ３６： ５４－６０
［１１］　 Ｂｏｒｍａｎｎ Ｈ， Ｐｉｎｔｅｒ Ｎ， Ｅｌｆｅｒｔ Ｓ． Ｈｙｄｒｏｌｏｇｉｃａｌ ｓｉｇｎａｔｕｒｅｓ
ｏｆ ｆｌｏｏｄ ｔｒｅｎｄｓ ｏｎ Ｇｅｒｍａｎ ｒｉｖｅｒｓ： Ｆｌｏｏｄ ｆｒｅｑｕｅｎｃｉｅｓ，
ｆｌｏｏｄ ｈｅｉｇｈｔｓ ａｎｄ ｓｐｅｃｉｆｉｃ ｓｔａｇｅｓ． Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｌｏｇｙ，
２０１１， ４０４： ５０－６６
［１２］ 　 Ｌｅａｎｄｅｒ Ｒ， Ｂｕｉｓｈａｎｄ ＴＡ， ｖａｎ ｄｅｎ Ｈｕｒｋ ＢＪＪＭ， ｅｔ ａｌ．
Ｅｓｔｉｍａｔｅｄ ｃｈａｎｇｅｓ ｉｎ ｆｌｏｏｄ ｑｕａｎｔｉｌｅｓ ｏｆ ｔｈｅ ｒｉｖｅｒ Ｍｅｕｓｅ
ｆｒｏｍ ｒｅｓａｍｐｌｉｎｇ ｏｆ ｒｅｇｉｏｎａｌ ｃｌｉｍａｔｅ ｍｏｄｅｌ ｏｕｔｐｕｔ． Ｊｏｕｒ⁃
ｎａｌ ｏｆ Ｈｙｄｒｏｌｏｇｙ， ２００８， ３５１： ３３１－３４３
［１３］　 Ｗａｎｇ Ｙ⁃Ｌ （王运禄）， Ｐｅｎｇ Ｊ （彭 　 骏）， Ｃｈｅｎ Ｗ⁃Ｘ
（陈文秀）， ｅｔ ａｌ． Ｓｏｍｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ Ｓｉｃｈｕａｎ ｆｌｏｏｄ
ａｎｄ ｔｒｅｎｄ ｐｒｅｄｉｃｔｉｏｎ ｂｅｆｏｒｅ ２０１０． Ｊｏｕｒｎａｌ ｏｆ Ｓｉｃｈｕａｎ
Ｍｅｔｅｏｒｏｌｏｇｙ （四川气象）， １９８９（２）： ４５－５０ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［１４］　 Ｗａｎ Ｊ （万 　 君）， Ｚｈｏｕ Ｙ⁃Ｈ （周月华）， Ｗａｎｇ Ｙ⁃Ｙ
（王迎迎）， ｅｔ ａｌ． Ｆｌｏｏｄ ｄｉｓａｓｔｅｒ ａｎｄ ｒｉｓｋ ｅｖａｌｕａｔｉｏｎ
ａｐｐｒｏａｃｈ ｂａｓｅｄ ｏｎ ｔｈｅ ＧＩＳ ｉｎ Ｈｕｂｅｉ Ｐｒｏｖｉｎｃｅ． Ｔｏｒｒｅｎｔｉａｌ
Ｒａｉｎ ａｎｄ Ｄｉｓａｓｔｅｒｓ （暴雨灾害）， ２００７， ２６（４）： ３２８－
３３３ （ｉｎ Ｃｈｉｎｅｓｅ）
［１５］　 Ｃｈｅｎ Ｚ⁃Ｈ （陈正洪）， Ｌｉ Ｌ （李 　 兰）， Ｌｉｕ Ｍ （刘
敏）， ｅｔ ａｌ． Ｃｈａｒａｃｔｅｒｓ ａｎｄ ｅｆｆｅｃｔｓ ｏｆ ｒａｉｎｓｔｏｒｍ ａｎｄ ｆｌｏｏｄ
ｄｉｓａｓｔｅｒｓ ｏｎ Ｊｕｌｙ ２０－２３， ２００８ ｉｎ Ｈｕｂｅｉ Ｐｒｏｖｉｎｃｅ． Ｔｏｒ⁃
ｒｅｎｔｉａｌ Ｒａｉｎ ａｎｄ Ｄｉｓａｓｔｅｒｓ （暴雨灾害）， ２００９， ２８（４）：
３４５－３４８ （ｉｎ Ｃｈｉｎｅｓｅ）
［１６］　 Ｗａｎｇ Ｘ⁃Ｃ （王雪臣）， Ｌｅｎｇ Ｃ⁃Ｘ （冷春香）， Ｆｅｎｇ Ｘ⁃Ｚ
（冯相昭）， ｅｔ ａｌ． Ｒｉｓｋ ａｎａｌｙｓｉｓ ｏｆ ｆｌｏｏｄ ｄｉｓａｓｔｅｒ ｉｎ ｔｈｅ
ｍｉｄｄｌｅ ｒｅａｃｈｅｓ ｏｆ ｔｈｅ Ｙａｎｇｔｚｅ Ｒｉｖｅｒ． Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏ⁃
０８４２ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
ｌｏｇｙ Ｒｅｖｉｅｗ （科技导报）， ２００８， ２６（２）： ６１－ ６６ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［１７］　 Ｈｅ Ｊ⁃Ｌ （贺建林）． Ｆｌｏｏｄ ｄｉｓａｓｔｅｒ ａｎｄ ｉｔｓ ｓｐａｔｉａｌ ａｎｄ
ｔｅｍｐｏｒａｌ ｄｉｓｔｒｉｂｕｔｉｏｎｓ ｉｎ Ｈｕｎａｎ Ｐｒｏｖｉｎｃｅ ｄｕｒｉｎｇ ｔｈｅ ｌａｓｔ
５０ ｙｅａｒｓ． Ｊｏｕｒｎａｌ ｏｆ Ｈｅｎｇｙａｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ （Ｎａｔｕ⁃
ｒａｌ Ｓｃｉｅｎｃｅ） （衡阳师范学院学报：自然科学）， １９９９，
２０（６）： ８３－８８ （ｉｎ Ｃｈｉｎｅｓｅ）
［１８］　 Ｃａｉ Ｍ （蔡　 敏）， Ｈｕａｎｇ Ｙ （黄　 艳）， Ｚｈｕ Ｘ⁃Ｆ （朱
宵峰）， ｅｔ ａｌ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｚ ｉｎｄｅｘ ｉｎ ｆｌｏｏｄ ｄｉｓａｓｔｅｒ
ｐｒｅｗａｒｎｉｎｇ ｆｏｒ ｓｍａｌｌ ｄｒａｉｎａｇｅ ａｒｅａｓ． Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓｃｉ⁃
ｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ （气象科技）， ２０１０， ３８ （ ４）：
４１８－４２２ （ｉｎ Ｃｈｉｎｅｓｅ）
［１９］　 Ｌｉｕ Ｊ⁃Ｇ （刘剑刚）， Ｌｉ Ｙ⁃Ｈ （李永化）， Ｚｈａｎｇ Ｗ （张
威）， ｅｔ ａｌ． Ｐｒｅｌｉｍｉｎａｒｙ ｒｅｓｅａｒｃｈ ｏｆ ｆｌｏｏｄ ｄｉｓａｓｔｅｒ ｒｅｇｕｌａｒ
ｐａｔｔｅｒｎ ｉｎ ｔｈｅ Ｌｉａｏｎｉｎｇ Ｐｒｏｖｉｎｃｅ． Ｊｏｕｒｎａｌ ｏｆ Ａｒｉｄ Ｌａｎｄ
Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ （干旱区资源与环境），
２０１３， ２７（５）： １１４－１１９ （ｉｎ Ｃｈｉｎｅｓｅ）
［２０］　 Ｌｉ Ｆ⁃Ｑ （李凤琴）． Ｉｎｖｅｓｔｉｇａｔｉｏｎ ａｎｄ ａｎａｌｙｓｉｓ ｏｆ ｓｔｏｒｍ
ａｎｄ ｆｌｏｏｄ ｉｎ Ｎｉｎｇｘｉａ． Ｎｉｎｇｘｉａ Ａｇｒｉｃｕｌｔｕｒｅ ａｎｄ Ｆｏｒｅｓｔｒｙ
Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ （宁夏农林科技）， ２００４（５）：
５４－５６ （ｉｎ Ｃｈｉｎｅｓｅ）
［２１］　 Ｇａｏ Ｙ⁃Ｈ （高阳华）， Ｔａｎｇ Ｙ⁃Ｈ （唐云辉）， Ｒａｎ Ｒ⁃Ｓ
（冉荣生）， ｅｔ ａｌ． Ｔｈｅ ｒｅｓｅａｒｃｈ ｏｆ Ｃｈｏｎｇｑｉｎｇ’ｓ ｆｌｏｏｄ ｉｎ⁃
ｄｅｘ ａｎｄ ｉｔｓ ｒｅｇｕｌａｒｉｔｙ． Ｊｏｕｒｎａｌ ｏｆ Ｓｏｕｔｈｗｅｓｔ Ａｇｒｉｃｕｌｔｕｒａｌ
Ｕｎｉｖｅｒｓｉｔｙ （西南农业大学学报）， ２００２， ２４（６）： ５５１－
５５４ （ｉｎ Ｃｈｉｎｅｓｅ）
［２２］　 Ｅｄｉｔｏｒｉａｌ Ｂｏａｒｄ ｏｆ Ｔｈｅ Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｄｉｓａｓｔｅｒｓ
Ｃｅｒｅｍｏｎｙ （《中国气象灾害大典》编委会）． Ｃｈｉｎａ Ｍｅ⁃
ｔｅｏｒｏｌｏｇｉｃａｌ Ｃｉｓａｓｔｅｒｓ Ｃｅｒｅｍｏｎｙ： Ｓｉｃｈｕａｎ． Ｂｅｉｊｉｎｇ： Ｃｈｉ⁃
ｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｐｒｅｓｓ， ２００６ （ｉｎ Ｃｈｉｎｅｓｅ）
［２３］　 Ｅｄｉｔｏｒｉａｌ Ｂｏａｒｄ ｏｆ Ｔｈｅ Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｄｉｓａｓｔｅｒｓ
Ｃｅｒｅｍｏｎｙ （《中国气象灾害大典》编委会）． Ｃｈｉｎａ Ｍｅ⁃
ｔｅｏｒｏｌｏｇｉｃａｌ Ｄｉｓａｓｔｅｒｓ Ｃｅｒｅｍｏｎｙ： Ｃｈｏｎｇｑｉｎｇ． Ｂｅｉｊｉｎｇ：
Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｐｒｅｓｓ， ２００８ （ｉｎ Ｃｈｉｎｅｓｅ）
［２４］　 Ｚｈｅｎｇ Ｄ⁃Ｗ （郑大玮）， Ｌｉ Ｍ⁃Ｓ （李茂松）， Ｈｕｏ Ｚ⁃Ｇ
（霍治国）． Ａｇｒｉｃｕｌｔｕｒａｌ Ｄｉｓａｓｔｅｒｓ ａｎｄ Ｒｅｄｕｃｔｉｏｎ Ｃｏｕｎ⁃
ｔｅｒｍｅａｓｕｒｅｓ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ
Ｐｒｅｓｓ， ２０１３ （ｉｎ Ｃｈｉｎｅｓｅ）
［２５］　 Ｅｄｉｔｏｒｉａｌ Ｂｏａｒｄ ｏｆ Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｄｉｓａｓｔｅｒｓ Ｃｅｒｅ⁃
ｍｏｎｙ （《中国气象灾害大典》编委会）． Ｃｈｉｎａ Ｍｅｔｅｏｒｏ⁃
ｌｏｇｉｃａｌ Ｄｉｓａｓｔｅｒｓ Ｃｅｒｅｍｏｎｙ： Ｙｕｎｎａｎ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ
Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｐｒｅｓｓ， ２００６ （ｉｎ Ｃｈｉｎｅｓｅ）
［２６］ 　 Ｅｄｉｔｏｒｉａｌ Ｂｏａｒｄ ｏｆ Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｄｉｓａｓｔｅｒｓ Ｃｅｒｅ⁃
ｍｏｎｙ （《中国气象灾害大典》编委会）． Ｃｈｉｎａ Ｍｅｔｅｏｒｏ⁃
ｌｏｇｉｃａｌ Ｄｉｓａｓｔｅｒｓ Ｃｅｒｅｍｏｎｙ： Ｇｕｉｚｈｏｕ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ
Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｐｒｅｓｓ， ２００６ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 吴　 立，男，１９９０年生，硕士研究生． 主要从事生
态环境变化与农业气象灾害研究． Ｅ⁃ｍａｉｌ： ｗｕｌｉ＿０５０６＠ １６３．
ｃｏｍ
责任编辑　 杨　 弘
１８４２８期　 　 　 　 　 　 　 　 　 　 　 　 　 吴　 立等： 西南地区农业洪涝等级指标构建及时空分布特征