全 文 ：中国生态农业学报 2015年 1月 第 23卷 第 1期
Chinese Journal of Eco-Agriculture, Jan. 2015, 23(1): 110−118


* 公益性行业(气象)科研专项(GYHY201306038)资助
** 通讯作者: 张丽娟, 主要从事气象灾害与生态研究。E-mail: zlj19650205@163.com
杨平, 主要从事生态系统模拟研究。E-mail: 250833396@qq.com
收稿日期: 2014−06−04 接受日期: 2014−11−12
DOI: 10.13930/j.cnki.cjea.140667
黄淮海地区夏玉米干旱风险评估与区划*
杨 平 1 张丽娟 1** 赵艳霞 2 姜蓝齐 1 乔赛男 1 张晓慧 1
(1. 黑龙江省普通高等学校地理环境遥感监测重点实验室/哈尔滨师范大学 哈尔滨 150025;
2. 中国气象科学研究院 北京 100081)
摘 要 黄淮海地区是我国最大的粮食产区和夏玉米的主产区, 同时也是干旱灾害的频发区, 因此加强黄淮
海地区夏玉米干旱灾害风险评估与区划有着重要的现实和战略意义。利用黄淮海地区气象数据以及地形、土
地利用类型等数据, 基于自然灾害风险评估原理, 运用信息扩散法、加权综合评价法和层次分析法, 结合 GIS
技术对黄淮海地区夏玉米干旱灾害进行风险性评估与区划。结果表明: 黄淮海地区夏玉米干旱危险性整体偏
高, 干旱频率均在 64.36%以上, 高危险性等级主要分布在河北省北部和安徽省北部; 敏感性偏高, 高敏感性
等级占总面积的 20.80%, 集中分布于山东省沿海等地; 易损性偏低, 高、中易损性地区占总面积的 22.4%, 各
省均有少量分布; 干旱综合风险偏高, 高、中综合风险地区占总面积的 68.43%, 整个黄淮海地区除安徽省东南
部外其他地区风险性均较高。
关键词 夏玉米 干旱灾害 风险评估与区划 黄淮海地区 信息扩散法 层次分析法 灾害风险评估原理
中图分类号: S166 文献标识码: A 文章编号: 1671-3990(2015)01-0110-09
Risk assessment and zoning of drought for summer maize
in the Huang-Huai-Hai Region
YANG Ping1, ZHANG Lijuan1, ZHAO Yanxia2, JIANG Lanqi1, QIAO Sainan1, ZHANG Xiaohui1
(1. Key Laboratory of Geographical Environment Remote Sensing Monitoring, Colleges and Universities of Heilongjiang Province/
Harbin Normal University, Harbin 150025, China; 2. Chinese Academy of Meteorological Sciences, Beijing 100081, China)
Abstract The Huang-Huai-Hai Region is one of China’s major grain producing areas, especially summer maize. Thus drought risk
assessment of summer maize in the Huang-Huai-Hai Region is critical in developing countermeasures to ensure grain security. This
article assessed and zoned drought risk for summer maize cultivated in the Huang-Huai-Hai Region using the principles of natural
disaster risk assessment along with meteorological data, terrain data, land use data and other relevant data in the Huang-Huai-Hai
Region. The study also used spatial analysis techniques such as weighted comprehensive analysis (WCA), analytic hierarchy process
(AHP) and Geographic Information System (GIS) as well as information diffusion theory. There has been extensive research
involving the use of the principles of natural disaster risk assessment in recent years. This study calculated comprehensive drought
risk index from three angles — disaster hazard, sensitivity and vulnerability. The selection of hazard index is critical and indicators
such as precipitation and standard precipitation index (SPI) hardly precisely calculate the probability distribution of a specific
drought index. This defect could be compensated for by using information diffusion theory. Firstly, percent precipitation anomaly was
used as basic hazard index in calculating probability distribution based on information diffusion theory. The probability distribution
of percent precipitation anomaly was divided by drought grade. Secondly, a weighted comprehensive analysis was conducted to
determine hazard degree. The final results were calculated by selecting corresponding indicators for sensitivity and vulnerability. In
this way, drought disaster risk for summer maize in the Huang-Huai-Hai Region was zoned based on a comprehensive hazard,
sensitivity and vulnerability risk index. The results showed significant spatial differences in hazard sensitivity, vulnerability and
comprehensive risk index for summer maize in the Huang-Huai-Hai Region. Drought hazard was relatively high and drought
frequency exceeded 64.36%. The highest hazard areas were mainly distributed in the northern parts of Hebei Province and Anhui
第 1期 杨 平等: 黄淮海地区夏玉米干旱风险评估与区划 111


Province. The drought disaster sensitivity of summer maize in the Huang-Huai-Hai Region was higher, areas with high sensitivity
grades accounted for 20.80% of the total area, which was mainly distributed in the coastal areas of Shandong Province. Overall, the
region’s drought disaster vulnerability of summer maize was low. The highest and higher vulnerability areas accounted for 22.4% of
the total area, and distributed in every province. The comprehensive drought risk index for the whole study area was high with the
highest and higher risk areas accounting for 68.43% of the total area. The whole of Huang-Huai-Hai region was in high risk hazard
zone, except for southeastern Anhui Province.
Keywords Summer maize; Drought disaster; Risk assessment and zoning; Huang-Huai-Hai Region; Information diffusion
theory; Analytic hierarchy process; Natural disaster risk assessment principle
(Received Jun. 4, 2014; accepted Nov. 12, 2014)
干旱具有发生频率大、持续时间长、发生范围
广、灾害损失重等特点[1−2], 其频繁发生和长期持续
给国民经济特别是农业生产带来巨大损失, 已成为
危害世界包括我国农业在内的最主要的自然灾害之
一[3−4], 也是造成玉米减产的主要气象灾害[5]。
国内外关于农业干旱灾害风险评估的研究已有
很多, 目前其研究方法主要有两种: 一是采用单一
指标进行风险评估或区划。如王积全等[1,4,6−9]利用干
旱成灾面积指数或受灾面积指数对甘肃省民勤县、
辽宁省等地区进行了风险评估; 陈晓楠等[10]将实际
产量资料分离成趋势产量和气象产量, 利用相对减
产率作为指标, 针对西安市小麦进行了干旱风险分
析。二是利用自然灾害风险评估原理[11], 从致灾因
子危险性、孕灾环境敏感性、承载体易损性等多个
方面, 综合多因素对自然灾害发生及影响风险进行
区划和评估。此类研究成果很多[12−16], 也是近年来
应用较为广泛的方法。
黄淮海地区不仅是我国最大的粮食产区[17], 也
是我国夏玉米的主产区[18], 更是干旱灾害易发区和
重灾区。因此加强黄淮海地区夏玉米干旱灾害风险
评估与区划有着重要的现实意义和战略意义。李树
岩等[19]运用统计学方法分析了黄淮地区降水和夏玉
米产量之间的关系, 得到降水距平百分率能够反映
干旱对夏玉米产量的影响并可用于损失评估的结论;
赵林等 [20]选用标准降雨指数(SPI)分析了黄淮海地
区的干旱时空动态格局; 郁凌华[18]从气象角度出发
对黄淮海地区涝渍灾损情况进行评估。笔者基于自
然灾害风险评估原理对该地区夏玉米干旱灾害进行
了风险评估和区划。
在基于自然灾害风险原理的灾害综合风险评估
中, 危险性的评估是重中之重, 所以危险性指标的
选择显得至关重要。危险性指标多选用降水、标准
降雨指数(SPI)、降水距平等指数[21−22]按照特定的标
准划分等级, 评价干旱灾害严重程度, 然而这些方
法都无法计算出每个干旱等级出现的概率。笔者选
择信息扩散法将降水距平百分率作为灾害致灾因子
危险性的基本指标, 计算各降水百分率的出现概率,
并以此作为划分干旱等级的标准。再从构成灾害风
险的敏感性、易损性等方面分别选取相应的因子 ,
基于自然灾害风险形成理论评估综合风险指数, 以
综合风险指数为依据对黄淮海地区夏玉米进行干旱
灾害风险区划。
1 研究区概况与资料来源
本文界定的黄淮海地区包括北京市、天津市、
山东省、河北省、河南省、安徽省 6个行政区域, 面
积 711 257.4 km2, 属暖温带半湿润气候类型, 年均
气温 14~15 , ℃ 蒸发量大, 为 897~913 mm, 降雨分
布不均, 约为 400~1 050 mm, 全年降水的 60%~80%
集中在 6—9 月; 土壤为棕壤或褐色土, 土层深厚、
肥力较高; 地貌以平原、丘陵为主, 包括华北平原、
鲁中南丘陵和山东半岛; 河流密集, 包括海河、黄
河、淮河以及鲁中南山地的一些中小河流。
本文所用的数据包括属性数据和空间数据, 属
性数据有黄淮海地区 1971—2011年 107个气象观测
台站的日降水值等气象数据, 93 个农业气象观测站
的玉米播种面积、玉米产量等数据, 以上数据来自
中国气象局、各省气象观测站和农业气象观测站 ;
空间数据有高程数据、土地利用数据、河流矢量数
据、坡度数据 , 以上数据来自 Earth Science Data
Interface(地球科学数据平台)或地球系统科学数据
共享平台, 坡度数据由高程数据计算得到。
2 研究方法
2.1 灾害风险评估原理
基于自然灾害风险形成理论[23], 气象灾害风险
主要由危险性(致灾因子)、敏感性(成灾环境)、易损
性(承灾体)、防灾减灾能力形成。每个因子又是由一
系列子因子组成。其表达式为:
灾害风险=f(危险性、敏感性、易损性、防灾减
灾能力) (1)
1)致灾因子危险性: 凡是有可能导致灾害的因
素均可称为致灾因子。
112 中国生态农业学报 2015 第 23卷


2)成灾环境敏感性 : 狭义上 , 成灾环境仅仅是
指孕酿致灾因子的环境系统; 广义上, 成灾环境是
孕育灾害的温床, 包括时间、空间和人文社会背景。
3)承灾体易损性: 承灾体是致灾因子作用的对
象, 是蒙受灾害的实体。
4)防灾减灾能力: 各种用于防御和减轻干旱灾
害的管理对策及措施。
但本文并未对防灾减灾能力进行评估, 仅以危
险性、敏感性、易损性作为指标评定黄淮海地区夏
玉米干旱灾害风险。
2.2 信息扩散方法
信息扩散方法是为了弥补信息不足而考虑优化利
用样本模糊信息的一种对样本进行集值化的模糊数学
处理方法, 以安徽省寿县为例, 简介其计算过程:
将干旱论域定为:
1 2 3 11{ , , , , } {0, 10, 20, , 100}U u u u u= = − − −" " (2)
步长为 10。将日降水值数据扩散给U中所有点, 得
到安徽省寿县各年降水距平正态分布函数[f(uj)值, 表1]。
由于样本点为 43≥9, 故 h=6.080 4, 估算出各
降水距平频率(表 2)。
表 1 寿县各年降水距平正态分布函数 f(uj)值
Table 1 Normal distribution f(uj) of every year precipitation anomalies of Shou County
降水距平 Precipitation anomaly 年份
Year −100 −90 −80 ⋯ 20 10 0
1970 9.89E−44 1.08E−37 4.00E−32 ⋯ 1.16E−08 2.08E−06 1.26E−04
1971 3.88E−20 3.04E−16 8.01E−13 ⋯ 3.12E−02 4.00E−02 1.73E−02
1972 2.71E−43 2.75E−37 9.39E−32 ⋯ 1.72E−08 2.87E−06 1.61E−04
⋯ ⋯ ⋯ ⋯ ⋯ … … …
2010 2.03E−26 7.36E−22 8.99E−18 ⋯ 3.46E−03 2.06E−02 4.12E−02
2011 1.45E−19 9.74E−16 2.21E−12 ⋯ 3.44E−02 3.80E−02 1.41E−02
2012 7.50E−23 1.17E−18 6.17E−15 ⋯ 1.51E−02 3.87E−02 3.34E−02
表 2 寿县各等级降水距平频率值
Table 2 Probabilities of every precipitation anomalies of Shou County
降水距平 Precipitation anomaly −100 −90 −80 ⋯ −20 −10 0
概率 Probability 6.156 48E−05 1. 031 05E−03 6.410 00E−03 ⋯ 1.026 44E−01 1.461 49E−01 1.594 13E−01

2.3 层次分析法
层次分析法(analytic hierarchy process, 简称 AHP)
是一种定量与定性相结合的决策分析方法[24]。可将
复杂问题分解为若干层次及若干因素, 在各因素之
间进行简单的比较和计算, 构建判断矩阵, 经过一
致性检验后, 得出不同要素重要性程度的权重, 为
最佳方案的选择提供依据。
以本文中敏感性因子为例, 将敏感性各指标成
对进行简单比较, 构建判断矩阵(表 3), 其一致性指
标 CI=0.003, CR=0.004<0.1, 通过一致性检验。
表 3 敏感性各指标的权重判断矩阵
Table 3 Comparison matrix of the weight of sensitivity factors
A C1 C2 C3 C4
C1 1 2 3 3
C2 1/2 1 2 2
C3 1/3 1/2 1 1
C4 1/3 1/2 1 1
A为敏感性因子, C1、C2、C3、C4分别为土地利用类型、河网密
度、海拔高度、坡度。A means sensitivity factor; C1 represents land use
type; C2 represents drainage density; C3 represents altitude; C4 repre-
sents slope.
2.4 Arc-GIS空间分析
本文涉及的空间分析方法包括 Kriging插值、空
间重分类、空间栅格计算、坡度提取等。栅格分辨
率为 1 km×1 km。
2.5 夏玉米干旱风险评价、区划因子选择和权重确定
夏玉米干旱等级指标参考李树岩等[19]基于降水
距平的夏玉米干旱指标而确定(表 4)。
表 4 夏玉米干旱等级评定标准
Table 4 Evaluation index of drought grades of summer maize
干旱等级
Drought grade
轻旱
Light
drought
中旱
Middle
drought
重旱
Heavy
drought
严重干旱
Serious
drought
降水负距平 Ri
Negative precipitation
anomaly (%)
<20 20~50 50~80 >80

降水距平百分率反映了某一时段降水与同期平
均状态的偏离程度(式 3)。
100%i ii
i
R R
R
R
−′ = × (3)
式中: iR′为 6—9月降水距平百分率, iR 为当地 6—
9月降水总量, iR 为该地同时段内多年平均降水量。
第 1期 杨 平等: 黄淮海地区夏玉米干旱风险评估与区划 113


决定夏玉米干旱危险性、敏感性及易损性的因
子较多, 根据实际能获取的资料, 选取黄淮海地区
夏玉米干旱风险评估指标体系并利用AHP层次分析
法确定各因子权重(图 1)。其中夏玉米干旱频率越高,
且降水量越小, 危险性越高; 土地利用类型为耕地
的区域更易孕育旱灾, 因此河网密度小、海拔高度
高、坡度越大的耕地 , 敏感性越强 ; 玉米暴露指数
(玉米平均播种面积 /行政区面积)和产量变异系数
(玉米产量标准差 /玉米产量平均值 )越大 , 易损性
越高。

图 1 黄淮海地区夏玉米干旱风险评价指标系统及权重值
Fig. 1 Evaluation index system and corresponding weight values of drought disaster of summer maize in the
Huang-Huai-Hai Region
3 结果与分析
3.1 夏玉米干旱危险性区划结果分析
运用信息扩散方法计算黄淮海地区各站降水距
平各百分率的频率值, 将计算的频率做空间 Kriging
插值, 得到频率空间分布, 根据夏玉米干旱等级评
价标准, 计算得到黄淮海地区轻旱、中旱、重旱和
严重干旱风险概率分布图(图 2)。
按照权重计算危险性指数 , 按自然分级划分 ,
得出干旱危险性区划结果(图 3)。
黄淮海地区夏玉米干旱危险性整体偏高, 干旱
概率最大值为 1, 最小值为 0.643 6, 平均值为 0.803 3。
也就是说, 在危险性较高的地区干旱灾害发生可以
达到约 1年 1次, 而其他地区则可达到约 1.5年 1次。
各等级空间分布差异较大, 其中河北省北部和安徽
省北部小部分地区为高危险性地区(表 5)。
3.2 夏玉米干旱敏感性区划结果分析
将黄淮海地区夏玉米干旱孕灾环境敏感性指数
进行标准化处理(图 4), 并对其进行等级划分(表 6)。
黄淮海地区夏玉米干旱敏感性较高, 高、中敏
感区占总面积的 61.56%。空间分布上呈现中部较高,
西北、东南较低的状态分布, 高敏感性等级集中于
山东省沿海地区, 轻敏感性等级集中于安徽省中部
以南。
3.3 夏玉米干旱易损性区划结果分析
黄淮海地区夏玉米干旱承灾体易损性是指造成
夏玉米减产的难易程度, 将易损性指数进行标准化
(图 5), 并对其进行等级划分(表 7)。
黄淮海地区夏玉米干旱易损性较低, 中、高易
损性等级占总面积的 22.4%。从空间上看, 各易损性
等级呈零散状态分布, 高易损性区域所占面积较小,
主要分布在河北省西北部、山东省西部、河南省南
部以及安徽省中部和南部等部分地区。
3.4 夏玉米干旱综合风险评价与区划
由危险性、敏感性和易损性进行空间叠加得出
黄淮海地区夏玉米干旱综合风险(图 6), 并对其进行
等级划分(表 8)。
黄淮海地区夏玉米干旱综合风险偏高, 高、中
综合风险所占比重为 68.43%。空间分布上大致呈现
出全区较高, 东南部等小部分地区较低的状态分布,
高风险性地区主要分布在河北省北部和东部、山东
省东部和西部、河南省西南部和东部以及安徽省北
部等地区。
114 中国生态农业学报 2015 第 23卷



图 2 黄淮海地区夏玉米干旱等级风险概率区划图(a: 轻旱风险概率; b: 中旱风险概率; c: 重旱风险概率;
d: 严重干旱风险概率)
Fig. 2 Probabilities of drought risk grades of summer maize in the Huang-Huai-Hai Region (a: probability of low drought risk;
b: probability of high drought risk; c: probability of higher drought risk; d: probability of the highest drought risk)
4 讨论与结论
1)黄淮海地区夏玉米危险性偏高, 干旱发生概
率均高于 1.5年 1次; 敏感性较高, 山东省沿海地区
尤为严重; 易损性偏低, 空间差异大; 黄淮海地区
夏玉米干旱综合风险高。河北省北部和东南部、山
东省西部和东部、河南省东部和南部、安徽省北部
等地区为高风险地区。
2)黄淮海地区夏玉米危险性、敏感性、易损性
及综合风险均表现出较大的空间差异, 且各省份分
布状况不同。河北省危险性和易损性稍高, 因此综
合风险较高; 山东省和河南省易损性较高, 所以综
合风险性较高 ; 而安徽省干旱危险性较高。因此
干旱防御工作中 , 要因地制宜 , 选择恰当的措施 ,
例如在河北省、安徽省应当以兴修水利, 完善灌溉
措施, 引进抗旱品种为主; 在河南省、山东省应当从
改革种植制度, 改善旱区农田的生态环境, 提高水
资源利用率的角度来实施抗旱。
3)本文研究区范围较大, 涉及气象观测站较多,
气象资料参差不齐, 因此在运用降水距平确定干旱
等级时, 应用传统的频率计算方法, 一方面只能按
照降水距平的大致范围, 无法用具体的指标概率确
定干旱等级, 影响最后结果的准确性; 二是由于有
些台站建站历史较短, 计算的干旱频率与历史较长
的台站的结果直接比较, 会影响干旱空间分布的结
果。本文应用信息扩散的方法, 对每个站的降水距
平进行了正态分布概率校正, 纠正了由于降水资料
时间尺度不同引起的误差, 准确地揭示了同一研究
区域内干旱危险性分布。而已有的研究较少注意到
这一因素对自然灾害风险评估和区划结果的影响。
第 1期 杨 平等: 黄淮海地区夏玉米干旱风险评估与区划 115



图 3 黄淮海地区夏玉米干旱危险性区划图
Fig. 3 Risk zoning map of drought hazard of summer maize in
the Huang-Huai-Hai Region

图 4 黄淮海地区夏玉米干旱敏感性区划图
Fig. 4 Risk zoning map of drought disaster sensitivity of
summer maize in the Huang-Huai-Hai Region
表 5 黄淮海地区夏玉米干旱危险性各等级面积及比例
Table 5 Area and proportion of each level drought hazard of summer maize in the Huang-Huai-Hai Region
高危险性 Highest hazard 中危险性 Higher hazard 低危险性 High hazard 轻危险性 Low hazard 省(市)
Province (City) 面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
北京 Beijing 0 0 0 0 13 910.58 84.77 2 499.96 15.23
天津 Tianjin 0 0 3 541.33 29.64 6 968.21 58.33 1 437.34 12.03
河北 Hebei 12 374.65 6.55 43 778.38 23.19 114 425.45 60.61 18 221.51 9.65
河南 Henan 4.20 0 42 238.18 25.29 77 454.03 46.38 47 303.58 28.33
山东 Shandong 0 0 24 193.41 12.93 75 845.88 40.54 87 060.72 46.53
安徽 Anhui 1 651.19 1.18 52 783.47 37.70 57 442.38 41.03 28 122.97 20.09
全区 All region 15 281.43 2.15 169 219.94 23.79 350 633.78 49.30 176 122.28 24.76
高、中、低和轻危险性等级的干旱概率分别为 0.900 0~1.000 0、0.824 9~0.900 0、0.776 2~0.824 9和 0.643 6~0.776 2。Drought probabilities
of highest, higher, high and low hazard are 0.900 0−1.000 0, 0.824 9−0.900 0, 0.776 2−0.824 9 and 0.643 6−0.776 2.
表 6 黄淮海地区夏玉米干旱敏感性各等级面积及比例
Table 6 Area and proportion of each level drought sensitivity of summer maize in the Huang-Huai-Hai Region
高敏感性
Highest sensitivity
中敏感性
Higher sensitivity
低敏感性
High sensitivity
轻敏感性
Low sensitivity 省(市)
Province (City) 面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
北京 Beijing 3 646.45 22.22 5 715.40 34.83 347.33 2.12 6 701.35 40.84
天津 Tianjin 657.94 5.50 8 149.58 68.22 36.04 0.30 3 103.33 25.98
河北 Hebei 27 087.07 14.35 87 492.98 46.34 38 009.64 20.13 36 210.31 19.18
河南 Henan 28 801.26 17.25 99 893.13 59.82 16 808.83 10.07 21 496.77 12.87
山东 Shandong 84 060.01 44.93 58 416.61 31.22 32 775.67 17.52 11 847.72 6.33
安徽 Anhui 11 568.27 8.26 27 989.77 19.99 16 695.35 11.93 83 746.61 59.82
全区 All region 147 968.34 20.80 289 912.09 40.76 103 533.61 14.56 169 843.37 23.88

4)较已有研究, 本文增加了土地利用类型、玉
米产量和播种面积等相关资料 , 提高了风险的空
间针对性和分辨率, 同时更多地选择了自然环境因
素, 计算黄淮海地区夏玉米干旱风险分布情况, 并
116 中国生态农业学报 2015 第 23卷



图 5 黄淮海地区夏玉米干旱易损性区划图
Fig. 5 Risk zoning map of drought disaster vulnerability of
summer maize in the Huang-Huai-Hai Region

图 6 黄淮海地区夏玉米干旱综合风险区划图
Fig. 6 Zoning map of drought disaster comprehensive risk of
summer maize in the Huang-Huai-Hai Region
表 7 黄淮海地区夏玉米干旱易损性各等级面积及比例
Table 7 Area and proportion of each level drought vulnerability of summer maize in the Huang-Huai-Hai Region
高易损性
Highest vulnerability
中易损性
Higher vulnerability
低易损性
High vulnerability
轻易损性
Low vulnerability 省(市)
Province (City) 面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
北京 Beijing 0 0 0 0 7 059.55 43.02 9 350.99 56.98
天津 Tianjin 0 0 1 519.09 12.72 6 580.66 55.08 3 847.13 32.20
河北 Hebei 11 248.52 5.95 23 829.19 12.64 57 059.25 30.24 96 663.04 51.17
河南 Henan 8 128.76 4.87 21 717.47 13.00 82 813.08 49.59 54 340.68 32.54
山东 Shandong 10 896.10 5.82 19 127.18 10.22 62 274.94 33.28 94 801.79 50.67
安徽 Anhui 8 982.07 6.42 52 147.48 37.25 52 208.55 37.29 26 661.90 19.04
全区 All region 39 112.19 5.50 120 164.01 16.90 268 247.91 37.71 283 733.31 39.89
表 8 黄淮海地区夏玉米干旱综合风险各等级面积及比例
Table 8 Area and proportion of each level drought disaster comprehensive risk of summer maize in the Huang-Huai-Hai Region
高风险性
Highest risk
中风险性
Higher risk
低风险性
High risk
轻风险性
Low risk 省(市)
Province (City) 面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
面积
Area (km2)
比例
Proportion (%)
北京 Beijing 21.70 0.13 9 221.08 56.19 485.97 2.96 6 681.79 40.72
天津 Tianjin 2 194.08 18.37 6 208.20 51.97 497.09 4.16 3 047.50 25.51
河北 Hebei 34 916.39 18.49 109 843.32 58.18 13 650.12 7.23 30 390.17 16.10
河南 Henan 31 080.28 18.61 104 306.42 62.46 12 212.48 7.31 19 400.81 11.62
山东 Shandong 24 746.04 13.23 112 390.91 60.07 39 072.76 20.88 10 890.31 5.82
安徽 Anhui 21 324.64 15.23 30 411.06 21.72 46 015.56 32.87 42 248.74 30.18
全区 All region 115 329.24 16.21 371 443.61 52.22 108 601.27 15.27 115 883.29 16.29

且以此为依据进行灾害风险区划, 对黄淮海地区夏玉
米干旱灾害的防灾减灾有一定参考作用 , 但本文对
影响自然灾害发生和发展的社会经济因素考虑不够,
在以后的研究中将会重点改进。
第 1期 杨 平等: 黄淮海地区夏玉米干旱风险评估与区划 117


参考文献
[1] 王积全 , 李维德 . 基于信息扩散理论的干旱区农业旱灾风
险分析——以甘肃省民勤县为例[J]. 中国沙漠, 2007, 27(5):
826–830
Wang J Q, Li W D. Analysis on agricultural drought risk
based on information diffusing principle ― A case study of
Minqin County in arid area[J]. Journal of Desert Research,
2007, 27(5): 826–830
[2] 刘小艳. 陕西省干旱灾害风险评估及区划[D]. 西安: 陕西
师范大学, 2010: 1–57
Liu X Y. Risk assessment and division of drought hazard in
Shaanxi Province[D]. Xi’an: Shaanxi Normal University,
2010: 1–57
[3] 李芬, 于文金, 张建新, 等. 干旱灾害评估研究进展[J]. 地
理科学进展, 2011, 30(7): 891–896
Li F, Yu W J, Zhang J X, et al. Review of drought disaster
evaluation[J]. Progress in Geography, 2011, 30(7): 891–896
[4] 孙才志 , 张翔 . 基于信息扩散技术的辽宁省农业旱灾风险
评价[J]. 农业系统科学与综合研究, 2008, 24(4): 507–510
Sun C Z, Zhang X. Risk assessment of agriculture drought in
Liaoning Province based on information diffusion tech-
nique[J]. System Sciences and Comprehensive Studies in Ag-
riculture, 2008, 24(4): 507–510
[5] 单琨 . 玉米干旱风险分析——以辽宁省为例[D]. 北京: 中
国农业科学院, 2010: 1–50
Shan K. Analysis on drought risk of maize — A case study
of Liaoning Province[D]. Beijing: Chinese Academy of Agri-
cultural Sciences, 2010: 1–50
[6] 刘亚彬, 刘黎明, 许迪, 等. 基于信息扩散理论的中国粮食
主产区水旱灾害风险评估[J]. 农业工程学报, 2010, 26(8):
1–7
Liu Y B, Liu L M, Xu D, et al. Risk assessment of flood and
drought in major grain-producing areas based on information
diffusion theory[J]. Transactions of the Chinese Society of
Agricultural Engineering, 2010, 26(8): 1–7
[7] 高桂芹, 侯书勋, 董玉武, 等. 基于信息扩散法的农业干旱
灾害风险评估[C]//2011 年第二十八届中国气象学会年会论
文集, 2011: 1–9
Gao G Q, Hou S X, Dong Y W, et al. Risk assessment and di-
vision for drought hazard based on villages and towns[C]//
The Proceeding of the 28th Annual Conference of Chinese
Meteorological Society, 2011: 1–9
[8] 陈家金, 王加义, 林晶, 等. 基于信息扩散理论的东南沿海
三省农业干旱风险评估[J]. 干旱地区农业研究, 2010, 28(6):
248–252
Chen J J, Wang J Y, Lin J, et al. Risk assessment of agricultural
drought in three provinces of southeastern coast of China based
on information diffusion theory[J]. Agricultural Research in the
Arid Areas, 2010, 28(6): 248–252
[9] 屈艳萍, 苏志诚, 孙洪泉, 等. 基于信息扩散技术的黑龙江
省农业旱灾风险分析[J]. 中国防汛抗旱, 2013, 23(3): 49–52
Qu Y P, Su Z C, Sun H Q, et al. Agriculture drought risk
analysis based on information diffusion technique in Heilong-
jiang Province[J]. China Flood & Drought Management, 2013,
23(3): 49–52
[10] 陈晓楠, 贾琦, 高宇, 等. 基于信息扩散技术的西安市小麦
干旱风险分析 [J]. 华北水利水电学院学报 , 2012, 33(3):
20–33
Chen X N, Jia Q, Gao Y, et al. Analysis on wheat drought risk
based on information diffusion technology in Xi’an City[J].
Journal of North China Institute of Water Conservancy and
Hydroelectric Power, 2012, 33(3): 20–33
[11] 黄崇福. 自然灾害风险评价理论与实践[M]. 北京: 科学出
版社, 2005: 1–222
Huang C F. Risk Assessment of Natural Disaster Theory &
Practice[M]. Beijing: Science Press, 2005: 1–222
[12] 张继权, 严登华, 王春乙, 等. 辽西北地区农业干旱灾害风
险评价与风险区划研究[J]. 防灾减灾工程学报, 2012, 32(3):
300–306
Zhang J Q, Yan D H, Wang C Y, et al. A study on risk assess-
ment and risk regionalization of agricultural drought disaster
in northwestern regions of Liaoning Province[J]. Journal of
Disaster Prevention and Mitigation Engineering, 2012, 32(3):
300–306
[13] 罗培. 基于 GIS 的重庆市干旱灾害风险评估与区划[J]. 中
国农业气象, 2007, 28(1): 100–104
Luo P. Risk assessment and division of drought hazard based
on GIS in Chongqing City[J]. Chinese Journal of Agrome-
teorology, 2007, 28(1): 100–104
[14] 蔡菁菁. 东北地区玉米干旱、冷害风险评价[D]. 北京: 中
国气象科学研究院, 2013: 1–77
Cai J J. Risk assessment of drought and chilling injury of
maize in Northeast China[D]. Beijing: Chinese Academy of
Meteorological Sciences, 2013: 1–77
[15] 杨丰政. 基于 GIS 的徐水县气象灾害风险评估研究[D]. 南
京: 南京信息工程大学, 2012: 1–70
Yang F Z. Zoning of risk assesment of meteorological disaster
based on GIS in Xushui County[D]. Nanjing: Nanjing Uni-
versity of Information Science and Technology, 2012: 1–70
[16] Shahid S, Behrawan H. Drought risk assessment in the west-
ern part of Bangladesh[J]. Natural Hazards, 2008, 46(3):
391–413
[17] 王纯枝, 毛留喜, 何延波, 等. 温度植被干旱指数法(TVDI)
在黄淮海平原土壤湿度反演中的应用研究[J]. 土壤通报 ,
2009, 40(5): 998–1005
Wang C Z, Mao L X, He Y B, et al. Application of Tempera-
ture-Vegetation Dryness Index (TVDI) in estimation of soil
moisture in the HHH Plain[J]. Chinese Journal of Soil Science,
2009, 40(5): 998–1005
[18] 郁凌华. 黄淮海夏玉米涝渍灾害影响评估[D]. 南京: 南京
工程大学, 2013: 1–89
118 中国生态农业学报 2015 第 23卷


Yu L H. The impact assessment of waterlogging damage for
summer-maize in Huang-Huai-Hai Region[D]. Nanjing: Nan-
jing Engineering University, 2013: 1–89
[19] 李树岩 , 刘荣花 , 马志红 . 基于降水距平的黄淮平原夏玉
米干旱评估指标研究[J]. 干旱地区农业研究, 2012, 30(3):
252–256
Li S Y, Liu R H, Ma Z H. Research on drought assessment
index of summer maize base on precipitation anomaly[J].
Agricultural Research in the Arid Areas, 2012, 30(3):
252–256
[20] 赵林, 武建军, 吕爱锋, 等. 黄淮海平原及其附近地区干旱
时空动态格局分析——基于标准化降雨指数[J]. 资源科学,
2011, 33(3): 468–476
Zhao L, Wu J J, Lü A F, et al. Spatial and temporal analysis of
drought over the Huang-Huai-Hai Plain and its surroundings
based on the standardized precipitation index[J]. Resources
Science, 2011, 33(3): 468–476
[21] McKee T B, Doesken N J, Kleist J. The relationship of
drought frequency and duration to time scales[C]//Procee-
dings of the Eighth Conference on Applied Climatology.
Anaheim, California, 1993: 179–184
[22] Yamoaha C F, Walters D T, Shapiro C A, et al. Standardized
precipitation index and nitrogen rate effects on crop yields
and risk distribution in maize[J]. Agriculture, Ecosystems and
Environment, 2000, 80(1/2): 113–120
[23] 李世奎, 霍治国, 王道龙, 等. 中国农业灾害风险评价与对
策[M]. 北京: 气象出版社, 1999: 3–5
Li S K, Huo Z G, Wang D L, et al. Risk Assessment and
Countermeasures of Agriculture in China[M]. Beijing: Mete-
orological Press, 1999: 3–5
[24] 徐建华. 现代地理学中的数学方法[M]. 北京: 高等教育出
版社, 2002: 224–249
Xu J H. Mathematical Methods in Contemporary Geogra-
phy[M]. Beijing: Higher Education Press, 2002: 224–249