全 文 ：中国生态农业学报 2014年 6月 第 22卷 第 6期
Chinese Journal of Eco-Agriculture, Jun. 2014, 22(6): 705−712


* 吉林省自然科学基金项目(201215148)、“十二五”农村领域国家科技计划课题(2011BAD32B00-04)、全球变化研究国家重大科学研究
计划(2010CB951102)和国家自然科学基金项目(41071326)资助
** 通讯作者: 张继权, 主要从事区域灾害与生态环境风险评价、预警与应急管理研究。E-mail: zhangjq022@nenu.edu.cn
庞泽源, 主要研究方向为气象灾害风险评价。E-mail: pangzy958@nenu.edu.cn
收稿日期: 2013−12−31 接受日期: 2014−04−04
DOI: 10.3724/SP.J.1011.2014.31268
基于 CERES-Maize模型的吉林西部玉米干旱
脆弱性评价与区划*
庞泽源 1 董姝娜 2 张继权 1** 佟志军 1 刘兴朋 1 孙仲益 1
(1. 东北师范大学环境学院/东北师范大学自然灾害研究所 长春 130024;
2. 长春师范大学城市与环境科学学院 长春 130032)
摘 要 自然灾害风险(risk)是灾害损失的可能性, 主要取决于致灾因子、脆弱性、暴露性以及防灾减灾能力
4 个因素。脆弱性(vulnerability)衡量承灾体遭受损害的程度, 是灾损估算和风险评估的重要环节, 是致灾因子
与灾情联系的桥梁。在全面收集研究区气象、土壤、土地类型、田间管理数据等资料的基础上, 基于自然灾
害风险和气候变化领域对脆弱性的定义, 在考虑到扰动、敏感性和适应能力的基础上建立干旱脆弱性评价模
型。以吉林省西部的玉米干旱灾害作为研究对象, 选取 2004 年、2006 年和 2007 年 3 个典型干旱年, 运用
CERES-Maize 模型逐日逐网格对玉米的生长过程进行模拟, 并且计算出不同生育期干旱脆弱性; 对相应年份
的玉米因旱减产率与不同生育期脆弱性的相关分析表明 , 二者存在指数相关性 , 并且每个生育期都通过了
α =0.05的 F检验, 说明利用上述模型对玉米干旱脆弱性的评价与区划是合理的; 从相关系数的大小中可以看
出, 玉米因旱减产损失与抽雄—乳熟期和拔节—抽雄期脆弱性相关性较大, 其次是乳熟—成熟期和出苗—拔
节期。将不同生育期玉米干旱脆弱性指数划分为 4 个等级, 借助 GIS 技术绘制了玉米干旱脆弱性区划图。结
果表明: 吉林省西部玉米干旱脆弱性较强的区域主要集中在白城、洮南、镇赉等地区, 玉米干旱脆弱性较弱的
区域主要集中在松原、扶余等地区。运用此模型可以评价和预测玉米不同生育期干旱脆弱性以及因干旱造成
的玉米产量损失, 本研究结果可以为研究区农业干旱灾害风险评估以及防灾减灾提供一定的依据。
关键词 玉米 CERES-Maize模型 生育期 干旱脆弱性 区划图 吉林西部
中图分类号: X43 文献标识码: A 文章编号: 1671-3990(2014)06-0705-08
Evaluation and regionalization of maize vulnerability to drought disaster in
Western Jilin Province based on CERES-Maize model
PANG Zeyuan1, DONG Shuna2, ZHANG Jiquan1, TONG Zhijun1, LIU Xingpeng1, SUN Zhongyi1
(1. College of Environmental Sciences, Northeast Normal University/Nature Disaster Research Institute, Northeast Normal
University, Changchun 130024, China; 2. College of Urban and Environmental Sciences, Changchun Normal University, Changchun
130032, China)
Abstract Natural disaster risk is the possibility of disaster-related losses depending on hazard, vulnerability, exposure and
emergency response and recovery capability. Vulnerability is the indicator measuring the damage extent of hazard-affected body.
Vulnerability is not only an important part of risk assessment for loss estimation and disaster, but also the link between
hazard-inducing factors and disaster. This study collected meteorological, soil, land use and field management data along with other
related information on the research area to evaluate the vulnerability of maize drought disaster based on CERES-Maize model in
western Jilin Province. According to the define of vulnerability of natural disaster risk and climate change, the study established the
evaluation method of drought vulnerability based on disturbance, sensitivity and adaptive capacity. Data for three typical drought
years (2004, 2006 and 2007) in western Jilin Province were used to calculate drought vulnerability using CERES-Maize model.
706 中国生态农业学报 2014 第 22卷


Regression analysis was also conducted for maize yield losses caused by drought and vulnerability index in the three typical drought
years for each growth period. The results showed exponential correlations between yield loss and vulnerability, which were
significant at α = 0.05 (F test) for different growth stages. This indicated that it was reasonable to evaluate and predict maize
vulnerability to drought using the established model in the region. Correlation coefficients indicated most close relationship between
maize yield losses and vulnerability index at tasseling to milk-ripe stage and jointing to tasseling stage, and followed by milk-ripe to
maturity stage and seeding to jointing stage. Drought vulnerability indexes of maize were divided into 4 grades and draught
vulnerability zone maps of western Jilin Province drawn on GIS platform. The results showed that areas with high drought
vulnerability included Baicheng, Taonan and Zhenlai. Low drought vulnerability areas included Songyuan and Fuyu. The established
drought vulnerability evaluation model was suitable for evaluating and predicting drought vulnerability of maize at different growth
stages and maize yield loss due to drought. The results of this study provided the basis for improving agricultural drought risk and
emergency response and recovery capability.
Keywords Maize; CERES-Maize model; Growth stage; Drought vulnerability; Regionalized map; Western Jilin Province
(Received Dec. 31, 2013; accepted Apr. 4, 2014)
自然灾害风险 (risk)是由自然灾害危险性
(hazard)、暴露性 (exposure)、脆弱性 (vulnerability)
以及防灾减灾能力(emergency response & recovery
capability)相互综合作用而形成的, 即自然灾害风险
度=危险性(H)×暴露性(E)×脆弱性(V)×防灾减灾能力
(R)[1]。在全球变化和全球化的背景下自然灾害风险
逐年增大, 灾害评估成为风险防范的重要基础。灾
害评估包括灾情估算和风险评估两个方面, 而脆弱
性分析是灾害损失估算和风险评估的重要环节, 是
把灾害与风险研究紧密联系起来的重要桥梁。近几
十年来, 受全球气候变化、尤其受全球气候变暖的
影响, 各种自然灾害频发, 干旱是其中最为常见的
灾害之一, 其发生频率和强度均呈上升趋势。农作
物是农业干旱的直接承载体, 玉米是我国三大粮食
作物之一, 吉林省又是我国东北玉米的主产区, 干
旱是制约吉林省玉米生长发育以及产量的主要因素
之一。承载体脆弱性的大小是影响灾害风险大小的
基本因素之一, 因此对该区域玉米干旱脆弱性进行
研究对预防和减轻农业旱灾具有重要的现实意义 ,
同时为制定减灾规划决策, 保证农业生产提供科学
依据。
近年来国内外学者在自然灾害脆弱性方面进行
了大量研究。根据自然灾害以及相应的灾情, 可以
做灾后脆弱性的评估, 以全球尺度的灾害风险指标
计划(DRI)和多发区域指标计划(HOTSPOTS)为例 ,
DRI 主要运用 EM-DAT 等灾难数据库, 把灾难中的
死亡人数和暴露在自然灾害中的人数的比值作为脆
弱性的度量, HOTSPOTS 也主要是利用历史灾情数
据进行死亡率、相对或绝对经济损失率的计算来综
合体现区域的脆弱性[2−4]。Fontaine 等[5]和 Kiumars
等[6]利用权重打分的方法对伊朗西部小麦的干旱脆
弱性进行了评价。刘兰芳等[7−8]在分析农业旱灾脆弱
性形成因素的基础上, 根据长时间序列的气象资料
和经济统计数据, 运用数学模型和相关优化分析方
法, 对衡阳市农业旱灾脆弱性进行定量评估, 提出
了一些降低农业旱灾脆弱性的生态措施, 并且选择
降水量、蒸发量等 9 个指标对湖南省各个县市的旱
灾脆弱性进行综合评价。石勇[9]根据区域经济差异,
从上海地区的实际出发, 在对台湾水灾曲线进行修
正的基础上提出了上海地区的水深−住宅损失脆弱
性曲线。阎莉等[10]基于政府间气候变化专门委员会
(IPCC)对脆弱性的定义, 通过构建脆弱性评价模型,
运用熵权法对辽西北玉米干旱脆弱性进行评价。此
外, 国内外学者还通常选取降水距平、标准化降水
指数(SPI)、综合气象干旱指数(CI)等作为致灾强度,
从气象产量的角度入手研究不同干旱强度下的作物
减产情况, 以此来描述脆弱性[11−12]。目前关于作物
不同生育期脆弱性的研究较为少见, 而且较少使用
作物的生理指标来评价脆弱性。本文主要以吉林省
西部的玉米旱灾作为研究对象, 从玉米的自然脆弱
性入手, 基于自然灾害风险和气候变化领域对脆弱
性的定义, 在考虑到扰动、敏感性和适应能力的基
础上建立干旱脆弱性评价模型, 采用 CERES-Maize
模型模拟和数字制图等技术, 对该区域不同生育期
玉米干旱脆弱性进行定量评价, 以期为当地农业干
旱灾害风险评估、预警及玉米生产防灾避灾与管理
提供科学依据。
1 材料与方法
1.1 研究区概况
黄金玉米带是地球上稀少的资源之一, 战略意
义重大。吉林省是我国黄金玉米带的核心部分, 吉
林省西部的绝大部分地区都处于这个黄金玉米带
内。该区位于我国湿润的东部季风区和干旱内陆之
间的过渡带上(图 1), 为半干旱半湿润的大陆性季风
气候 , 四季变化明显 , 雨热同期 , 多年平均降雨量
第 6期 庞泽源等: 基于 CERES-Maize模型的吉林西部玉米干旱脆弱性评价与区划 707



图 1 研究区位置
Fig. 1 Location of the study area
400~500 mm, 从东到西逐渐减少, 素有“十年九旱”
之说。降水量年际变化大 , 年内分配不均 , 全年
70%降雨主要集中于 7—8月。该区多年平均蒸发量
自东部向西部逐渐增大, 为 1 400~2 100 mm。由于
该区气候恶劣 , 干旱发生频率高 , 持续时间较长 ,
给粮食生产造成了较大损失。本文从 2000 年 1∶
100 万土地利用图中, 提取吉林省西部玉米区耕地
中的旱地作为玉米可种植区进行玉米干旱脆弱性
的研究。
1.2 CERES-Maize模型介绍
在玉米研究领域中应用比较多的模型是 CERES-
Maize 模型, 此模型是 DSSAT 模型中的一部分。
DSSAT 是在农业技术转移国际基准网 IBSNAT
(International Benchmark Sites Network for Agro-
technology Transfer)项目支持下, 由美国农业部组织
的弗罗里达州立大学、乔治亚州立大学等高校和国
际上的相关研究机构联合开发的一个计算机模型 ,
其中包括的谷类作物模型为 CERES系列模型, 包括
CERES-Maize、CERES-Wheat、CERES-Rice 等。
DSSAT模型具有功能比较全面、操作简便以及应用
范围比较广的优点。从 20世纪 80年代开始, DSSAT
在世界上许多国家进行了评估和应用, 经过长期的
改进和完善, 模拟的准确程度得到很大提高。CERES-
Maize 模型能以天为步长动态、定量描述玉米生长
发育过程和产量形成以及土壤水分、氮素的动态变
化过程, 通过模拟玉米干物质积累与分配、叶面积
与根系扩大、阶段发育来计算每平方米穗数、穗粒
数和粒重, 最后获得玉米产量。CERES-Maize 模型
运行主要需要气象、土壤及耕种管理数据等。根据
研究和 CERES-Maize模型的需要, 本文收集和整理
了一系列的基础数据来进行吉林省西部玉米干旱脆
弱性评价的研究(表 1)。
表 1 CERES-Maize 模型需要的基础数据库列表
Table 1 Underlying database list required by CERES-Maize model
数据库名称
Database name
数据内容
Data content
数据来源
Data sources
数据年份
Year of data
地面气象观测数据库
Meteorological observation database
吉林省西部 8个气象站点逐日数据, 包括降水量、最高气
温、最低气温、日照时数
Daily data of precipitation, maximum temperature, minimum
temperature, sunshine hours of eight meteorological stations
in western Jilin Province
中国国家气象局信息中心
Meteorological Administration
Information Center of China
1960—2012
中国土地利用图
Land use map of China
1∶100万土地利用数据, 包括水田、旱地、草地、林地等
1∶1 000 000 land use data, including paddy field, dry land,
grassland, woodland, etc.
中国科学院
Chinese Academy of Science
2000
土壤理化属性数据库
Soil physical property database
包括土层分布、机械组成和有机碳含量等
Including soil distribution, mechanical composition and
organic carbon content, etc.
联合国粮农组织 , 《吉林土
壤》FAO, Jilin Soil
1998
农作物田间观测数据库
Crop field observation database
白城观测站玉米生长发育过程数据
Corn growth and development data of Baicheng
吉林省农业科学院
Academy of Agricultural
Sciences in Jilin
2008—2012
农业数据库
Agricultural statistics database
吉林西部分县玉米产量、化肥施用量等
Corn production, chemical fertilizers, etc. of some counties
of western Jilin Province
《吉林省统计年鉴》
Statistical Yearbooks of Jilin
2000—2012

708 中国生态农业学报 2014 第 22卷


1.3 玉米作物参数的确定和模型空间尺度的校验
在模型运行的过程中, 作物的遗传参数直接影
响到模拟效果, 因此确定作物参数尤为重要。为检
验CERES-Maize模型在吉林省西部的适应性和模拟
能力 , 本文选取吉林省西部种植面积较大的‘郑单
958’玉米品种作为代表性作物, 进行作物遗传参数
的本地化。具体的方法是: 按照模型所需要的数据,
将白城试验点 2008—2012年的日气象数据、土壤数
据和田间管理数据输入设置好的站点 CERES-Maize
模型中, 将输出的作物产量和实际测得的作物产量
进行拟合。通过反复运行模型, 运用遗传算法调整
主要参数值, 直到模拟的产量与实测值在趋势上比
较一致, 而且数值也比较接近(图 2), 最后拟合的平
均误差为 0.093。基于校验好的遗传参数和已有的基
本输入数据, 对研究区 8个气象站点 2007年的统计
产量数据和模型模拟的产量进行对比验证(图 2), R2
的相关系数为 0.896 9, 说明模型在空间尺度上的精
度已达到满意水平。

图 2 CERES-Maize 模型参数校验(a)及空间尺度校验(b)
Fig. 2 CERES-Maize model parameter calibration (a) and space scale calibration (b)
1.4 基于 CERES-Maize模型的评价流程
1.4.1 脆弱性评价模型的建立
在气候变化领域, IPCC将生态系统的脆弱性定
义为系统易受或没有能力应对气候变化包括气候变
率和极端气候事件不利影响的程度, 生态系统脆弱
性是气候的变率特征、幅度和变化速率及其敏感和
适应能力的函数[13]。在自然灾害风险领域认为脆弱
性是系统由于灾害等不利影响而遭受损害的程度或
可能性[14−15]。综合以上概念可以认为脆弱性是系统
内部的一种属性, 由系统受到扰动之后的敏感性和
适应能力所构成, 并且能够反映受到不利影响的程
度。所以在考虑到扰动、敏感性和适应能力的基础
上, 将脆弱性定义为:
V=HI×S/R (1)
式中: V表示玉米干旱脆弱性指数, 用来表示区域玉
米干旱脆弱程度, 其值越大, 则区域玉米干旱脆弱
程度越大 , 风险越大 , 造成的潜在损失也越大 ; HI
表示系统受到外界的扰动程度; S 表示作物敏感性,
反映玉米对于外界扰动的敏感程度; R 表示玉米自
身适应能力, 反映了玉米对干旱的应对能力。
1.4.2 指标的选取及计算过程
运用“水分胁迫”描述干旱的扰动程度。水分胁
迫的大小和胁迫的天数共同影响作物在一个生育期
内的干旱强度, 因此本研究中采取将 CERES-Maize
模型进行空间栅格化运行的模式 , 在雨养条件下 ,
通过模型模拟研究区内 5 km 网格单元上玉米的生
长过程, 从日输出结果中提取每个生育期内受水分
胁迫影响的当天的水分胁迫值和天数, 构建 HI指数
作为玉米受干旱影响的扰动程度的指标:
( )
1
1 min
max min
n
i i
i
i i
Z Z
HI
Z Z
=
− −
= −
∑
(2)
/i CZ P ET= (3)
0C CET K ET= × (4)
0
2
0.408 ( ) 900 ( ) /( 273)
(1 0.34 )
n s aR G e e TET
u
γ
γ
Δ − + − += Δ + + (5)
式中: HI 为玉米某一网格某一生育期内的干旱致灾
强度指数; Zi 为第 i天受水分胁迫影响的胁迫值; n
为生育期内受水分胁迫影响的天数; maxZi 和 minZi
分别为所模拟的网格所有年份内相应生育期
( )
1
1
n
i
i
Z
=
−∑ 的最大值和最小值; P为逐日降水量; ETC
为潜在蒸散量; KC为玉米某时段的作物系数[16]; ET0
为逐日参考作物蒸散量 , mm·d−1, 采用 Penman-
Monteith公式计算[17−18]; Rn为地表净辐射; G为土壤
通量, MJ·m−2·d−1; T为日平均气温, ; ℃ u2为 2 m高处
风速, m·s−1; es为饱和水汽压, kPa; ea为实际水汽压,
kPa; Δ为饱和水汽压曲线斜率, kPa·℃−1; γ 为干湿
表常数, kPa·℃−1。
根据国内学者有关水分胁迫对玉米影响的研
究 [19−23], 分别选取每个生育期对最终产量起主要影
响的关键指标作为敏感性指标。因为一般情况下都
能保证出苗, 所以从出苗以后开始研究, 出苗—拔
节期, 玉米植株矮小, 生长缓慢, 叶片蒸腾少, 耗水
第 6期 庞泽源等: 基于 CERES-Maize模型的吉林西部玉米干旱脆弱性评价与区划 709


量较少, 这一时期如果水分胁迫过重或蹲苗时间过
长 , 都会抑制玉米的生长发育 , 形成弱苗 , 延迟生
育期, 变成小老苗。叶面指数 LAI 控制植被的各种
生物、物理过程, 如光合作用、呼吸作用、碳循环
和降雨截留等, 所以这一生育期选择 LAI 作为敏感
性指标。拔节—抽雄期, 是玉米生长最旺盛的阶段,
植株的生理机能加强, 雄、雌蕊逐渐分化形成, 同时
气温上升明显, 无论是田间蒸发和植株蒸腾, 水分
消耗都变得十分剧烈, 该期遭遇干旱会严重影响玉
米小穗小花分化, 降低形成籽粒的数量, 而籽粒的
数量是形成最终产量的要素之一, 所以这一生育期
选择籽粒数量作为敏感性指标。抽雄—乳熟期, 是
玉米对水分最敏感的时期 , 对水分的需求更加迫
切。此期干旱, 易造成植株早衰, 叶片的光合速率降
低 , 花粉和花丝的寿命缩短 , 授粉受精条件恶化 ,
秃顶缺粒现象严重, 最终导致籽粒不饱满而严重减
产, 所以这一生育期选择粒重作为敏感性指标。乳
熟—成熟期, 是玉米生长发育的后期, 也是产量形
成的关键时期, 适宜的水分供给十分重要。这一时
期玉米植株的光合作用和蒸腾作用仍在旺盛地进行,
大量的营养物质从茎叶向果穗中运输, 这些生理活
动都必须在适宜的水分条件下才能顺利进行。适宜
的水分条件能延长和增强绿叶的光合作用, 促进灌
浆饱满。反之如果水分不足, 会使叶片过早衰老, 同
化物供应不足, 胚乳细胞分裂受抑制, 籽粒有效灌
浆期缩短, 导致源不足, 流不畅, 造成粒重降低, 最
终影响产量和质量, 所以这一生育期也选择粒重作
为敏感性指标。运行模型的时候, 先控制养分、通
气性以及病虫害等胁迫, 使得水分是惟一胁迫因素,
然后设定: 完全满足养分、水分(M1 情景)和完全满
足养分且雨养即不灌溉(M2 情景), 分别进行模拟,
可认为是达到了排除温度胁迫对作物生长的影响 ,
即 M1 情景下与 M2 情景下不同生育期相应指标的
损失率为受干旱扰动的敏感程度。损失率的计算方
法为, 利用每个网格 M1 情景下某一生育期某一指
标的数值减去 M2 情景下相应的数值作为受水分胁
迫影响的损失值, 该值与该网格 M1 情景下数值的
比作为相应指标的损失程度, 即:
S=(Y1−Y2)/Y1 (6)
式中: S为某一网格某一生育期某一敏感性指标因旱
损失程度, Y1和 Y2分别为M1和M2情景下的某一指
标的数值。
蒸腾作用是植物被动吸水的动力, 特别是高大
的植物 , 仅靠根压是无法维持水分代谢的平衡的 ,
必须有蒸腾所形成的强大拉力才能使水分大量吸收
和迅速上升, 它能促进水分在植物体内的传导和从
土壤中吸收矿物质随水上运, 并降低叶面温度、免
受强光的灼伤[23]。因此, 蒸腾具有多种生理功能, 是
作物生产和适应环境的基础, 所以选择蒸腾作用作
为适应能力的指标, 即:
1 2
1 1
/
n n
i i
i i
R ET ET
= =
=∑ ∑ (7)
式中: R 为某一生育期作物受到扰动之后的适应能
力, n 为受水分胁迫影响的天数, ET1和 ET2分别为
M1 和 M2 情景下某一网格玉米实际蒸腾量, ET1和
ET2采用公式 Peman-monteith 计算[17−18]。R 越大表
示受到扰动之后作物的适应能力越高。
2 结果与分析
2.1 吉林省西部玉米干旱脆弱性评价模型的检验
由于‘郑单 958’是 2001年开始重点推广的品种,
所以参考以往历史的灾情数据, 选取 2004年、2006
年以及 2007年 3个案例干旱年, 将这 3年的干旱致
灾强度作为输入, 运行 CERES-Maize 模型, 模拟出
相应数据的基础上, 运用脆弱性评价模型, 计算出
吉林省西部不同区域典型干旱年份玉米干旱脆弱性
指数。研究区玉米干旱脆弱程度越大, 风险越大, 则
造成的潜在损失越大。因此本文以 3 个典型干旱年
份作物产量的因旱减产率与不同生育期玉米干旱脆
弱指数进行比较研究。减产率计算公式为:
C=(C1−C2)/C1×100% (8)
式中: C 为某一网格作物产量因旱减产率, C1和 C2
分别为 M1和 M2情景下的作物产量。
以吉林省西部干旱灾害造成的玉米减产数据为
依据, 选取相应年份的玉米因旱减产率与各个生育
期的脆弱性指数进行相关分析, 结果表明二者存在
指数相关性, 并且每个生育期都通过了α=0.05 的 F
检验, 关系式分别为(y为因旱减产率, x为每个生育
期的干旱脆弱性指数):
出苗—拔节期: y1=0.064 8×e12.205x (r=0.65, P<0.05)
拔节—抽雄期: y2=0.004×e13.681x (r=0.76, P<0.05)
抽雄—乳熟期: y3=0.008 5×e9.789 4x (r=0.79, P<0.05)
乳熟—成熟期: y4=0.009 6×e8.916 4x (r=0.68, P<0.05)
每个生育期都达到了显著水平, 从而证明本文
利用上述模型对玉米干旱脆弱性的评价与区划是合
理的, 此模型可以用来评价和预测玉米干旱脆弱性
以及因干旱造成的玉米产量损失。
2.2 吉林省西部干旱脆弱性评价结果与区划
为评价玉米干旱脆弱性程度, 首先根据研究区
玉米干旱灾害的实际情况和以往文献, 运用最优分
割理论[24]并结合玉米干旱脆弱性指数将玉米各生育
期的干旱脆弱性分成轻、中、重、严重 4 级, 结果
710 中国生态农业学报 2014 第 22卷


如表 2 所示。利用研究区玉米干旱脆弱性指数值以
及表 2所示的吉林省西部干旱脆弱性等级划分标准,
得到 3 个典型干旱年份不同生育期吉林省西部玉米
干旱脆弱性等级空间分布图(图 3)。
表 2 吉林省西部玉米干旱脆弱性等级
Table 2 Levels of vulnerability of maize drought disaster in western Jinlin Province
脆弱性等级 Level of vulnerability
生育期 Growth stage
轻度 Mild 中度 Medium 重度 Severe 严重 Grave
出苗—拔节期 Seeding to jointing stage ≤0.12 0.12~0.24 0.24~0.35 ≥0.35
拔节—抽雄期 Jointing to tasseling stage ≤0.20 0.20~0.32 0.32~0.45 ≥0.45
抽雄—乳熟期 Tasseling to milk-ripe stage ≤0.25 0.25~0.41 0.41~0.53 ≥0.53
乳熟—成熟期 Milk-ripe to maturity stage ≤0.31 0.31~0.43 0.43~0.56 ≥0.56

图 3 2004 年、2006 年和 2007 年玉米不同生育期干旱脆弱性空间分布图
Fig. 3 Spatial distribution maps of maize drought vulnerability at different growth stages in 2004, 2006 and 2007
整体而言, 3个年份中吉林省西部玉米干旱脆弱
性较强的区域主要集中在白城、洮南、镇赉等地区,
各个生育期发生重度以及严重脆弱性几率较高; 与
此相对, 研究区玉米干旱脆弱性较弱的区域主要集
中在松原、扶余等地区, 各个生育期发生轻度或中
度脆弱性几率较高。造成这种结果的主要原因是降
水量不足以及降水不均。从整个生育期来看, 随着
玉米的生长, 发生重度及以上脆弱的区域在不断变
大 , 发生中度及以下脆弱的区域在不断减小 , 以
2004 年为例, 各个生育期重度及以上脆弱的区域分
别占 17.8%、26.8%、27.6%、27.9%。从各个生育期
来看, 出苗—拔节期, 2004 年轻脆弱性区域所占面
积最大, 2006年和 2007年研究区大部分区域轻脆弱
性或中度脆弱性, 3年轻脆弱性的区域均主要集中在
松原、前郭县以及洮南市的西北部; 拔节—抽雄期,
2004年中脆弱性区域所占面积最大, 2006年和 2007
年重脆弱性区域所占面积最大; 抽雄—乳熟期, 2004
年和 2006年中脆弱性区域所占面积最大, 2007年重
第 6期 庞泽源等: 基于 CERES-Maize模型的吉林西部玉米干旱脆弱性评价与区划 711


脆弱性及严重脆弱性区域达到 77.1%; 乳熟—成熟
期, 2004年轻、中、重脆弱性区域面积分别为 32.9%、
39.2%和 27.9%, 2006年轻脆弱性以上的区域所占面
积较大 , 2007 年重脆弱性及严重脆弱性区域达到
83.1%。以上结果与历史灾情以及研究区典型干旱年
玉米不同生育期缺水情况比较吻合。
3 结论
玉米干旱脆弱性的强弱是影响玉米因旱减产的
主要原因之一 , 近些年来引起越来越学者们的关
注。本文打破了传统脆弱性研究主要集中在运用基
于指标体系的区域脆弱性评估方法以及应用最终产
量和干旱之间的关系来研究脆弱性的方法, 基于自
然灾害风险和气候变化领域对脆弱性的定义, 在考
虑到扰动、敏感性和适应能力的基础上建立干旱脆
弱性评价模型, 应用 CERES-maize 模型以天为步长
逐网格地模拟吉林省西部玉米的生长过程。选择影
响玉米干旱脆弱性的关键指标, 使得指标的处理方
面更加接近玉米生理特性; 在此基础上, 对不同生
育期玉米干旱脆弱性进行评价, 使得对玉米脆弱性
的研究更加细化。为检验模型的准确性和适用性 ,
运用此模型计算吉林省西部 3 个典型干旱年份各生
育期逐网格的玉米干旱脆弱性指数, 并由此对不同
生育期玉米干旱脆弱性进行了等级划分, 借助 GIS
技术绘制 3 个年份吉林省西部玉米不同生育期干旱
脆弱性的空间分布图。结果表明: 典型年份的不同
生育期玉米干旱脆弱性与玉米减产率二者之间存在
明显的指数相关性, 且通过了α =0.05的 F检验, 达
到显著水平; 并且从相关系数的大小可以看出, 玉
米因旱减产损失与抽雄—乳熟期和拔节—抽雄期脆
弱性相关性较大, 其次是乳熟—成熟期和出苗—拔
节期。该模型可以用来评价和预测玉米干旱脆弱性、
干旱灾害风险以及因干旱造成的玉米产量的损失。
从图中可以发现, 吉林省西部玉米干旱脆弱性较强
的区域主要集中在白城、洮南、镇赉等地区, 玉米
干旱脆弱性较弱的区域主要集中在松原、扶余等地
区。因此, 应该增加区域抗旱减灾的投入, 加大对农
村技术人员的培训力度, 建立区域干旱的监测、预
测以及预警评估系统。合理地规划区域玉米播种面
积, 因地制宜, 加大退耕还林、退耕还草的力度, 使
得区域农业与其他行业协调发展, 加大农业科技投
入, 增施农肥, 改良土壤、改善土壤理化性质和结构,
大力推广现代农业技术, 发展节水型农业, 改良耕
种技术, 提高耕地的质量和生产率。根据玉米的需
水规律、当地的产量指标、土壤供水、当地降水量、
当地蒸发情况以及当地水资源情况等, 确定合理的
灌溉时间、灌溉次数和适宜的灌溉量, 尤其要加强
玉米关键生育期(抽雄—乳熟期和拔节—抽雄期)的
灌溉, 建立合理的灌溉制度。今后的研究中, 应继续
探讨该评价模型在其他区域是否适用以及对干旱脆
弱性的评价是否可以更加细化。
参考文献
[1] 张继权 , 李宁 . 主要气象灾害风险评价与管理的数量化方
法及其应用[M]. 北京: 北京师范大学出版社, 2007: 9
Zhang J Q, Li N. Quantitative Methods and Applications of
Risk Assessment and Management on Main Meteorological
Disasters[M]. Beijing: Beijing Normal University Press, 2007:
9
[2] Pelling M, Maskrey A, Ruiz P, et al. United Nations
Development Program me. A global report reducing disaster
risk: A challenge for development[R]. New York: UNDP,
2004: 1–146
[3] Pelling M. Visions of Risk: A Review of International
Indicators of Disaster Risk and its Management[R]. ISDR
/UNDP: Kings College, University of London, 2004: 1–56
[4] Dilley M, Chen R S, Deichmann U, et al. Natural Disaster
Hotspots: A Global Risk Analysis[R]. Washington DC:
Hazard Management Unit World Bank, 2005: 1–132
[5] Fontaine M M, Steinemann A C. Assessing vulnerability to
natural hazards: Impact based method and application to
drought in Washington State[J]. Natural Hazards Review,
2009, 10(1): 11–18
[6] Kiumars Z, Lida S, Hossein A, et al. Drought vulnerability
assessment: The case of wheat farmers in Western Iran[J].
Global and Planetary Change, 2012, 98–99: 122–130
[7] 刘兰芳 , 关欣 , 唐云松 . 农业旱灾脆弱性评价及生态减灾
研究——以湖南省衡阳市为例 [J]. 水土保持通报 , 2005,
25(2): 69–73
Liu L F, Guan X, Tang Y S. Vulnerability of agricultural
drought and agricultural losses reduction during drought
through implementation of ecological measures: A case study
of Hengyang, Hunan Province[J]. Bulletin of Soil and Water
Conservation, 2005, 25(2): 69–73
[8] 刘兰芳, 刘盛和, 刘沛林, 等. 湖南省农业旱灾脆弱性综合
分析与定量评价[J]. 自然灾害学报, 2002, 11(4): 78–83
Liu L F, Liu S H, Liu P L, et al. Synthetic analysis and
quantitative estimation of the agricultural vulnerability to
drought disaster in Hunan Province[J]. Journal of Natural
Disasters, 2002, 11(4): 78–83
[9] 石勇 . 灾害情景下城市脆弱性评估研究——以上海市为例
[D]. 上海: 华东师范大学, 2010
Shi Y. Research on vulnerability assessment of cities on the
disaster seenario: A case study of Shanghai city[D]. Shanghai:
East China Normal University, 2010
[10] 阎莉, 张继权, 王春乙, 等. 辽西北玉米干旱脆弱性评价模
型构建与区划研究 [J]. 中国生态农业学报 , 2012, 20(6):
788–794
Yan L, Zhang J Q, Wang C Y, et al. Vulnerability evaluation
712 中国生态农业学报 2014 第 22卷


and regionalization of drought disaster risk of maize in
Northwestern Liaoning Province[J]. Chinese Journal of
Eco-Agriculture, 2012, 20(6): 788–794
[11] 薛昌颖, 霍治国, 李世奎, 等. 华北北部冬小麦干旱和产量
灾损的风险评估[J]. 自然灾害学报, 2003, 12(1): 131–139
Xue C Y, Huo Z G, Li S K, et al. Risk assessment of drought
and yield losses of winter wheat in the northern part of North
China[J]. Journal of Natural Disasters, 2003, 12(1): 131–139
[12] 刘荣花 . 河南省冬小麦干旱风险分析与评估技术研究[D].
南京: 南京信息工程大学, 2008
Liu R H. The technique support for risk analysis and
assessment of winter Wheat in Henan Province[D]. Nanjing:
Nanjing University of Information Science & Technology,
2008
[13] IPCC. Climate Change 2001: Impacts, adaptation and
vulnerability[R]. Cambridge: Cambridge University Press,
2001: 3–26
[14] White G F. Natural Hazards[M]. Oxford: Oxford University
Press, 1974
[15] Cutter S L. Living with Risk: The Geography of
Technological Hazards[M]. London: Edward Arnold, 1993
[16] 中国主要农作物需水量等值线图协作组. 中国主要农作物
需水量等值线图研究 [M]. 北京 : 中国农业科技出版社 ,
1993: 48–55
China’s Major Crop Water Requirement Contour Map
Collaborative Group. China’s Major Crop Water Requirement
Isogram Research[M]. Beijing: China Agricultural Science
and Technology Press, 1993: 48–55
[17] 毛飞 , 张光智 , 徐祥德 . 参考作物蒸散量的多种计算方法
及其结果的比较[J]. 应用气象学报, 2000, 11(S1): 128–136
Mao F, Zhang G Z, Xu X D. Several methods of calculating
the reference evapotranspiration and comparison of their re-
sults[J]. Quarterly Journal of Applied Meteorology, 2000,
11(S1): 128–136
[18] Allen R G, Pereira L S, Raes D, et al. Crop evapotranspiration
guidelines for computing crop water requirements[R].
Irrigation and Drainage paper NO 56. Rome: FAO, 1998:
89–102
[19] 张玉书, 米娜, 陈鹏狮, 等. 土壤水分胁迫对玉米生长发育
的影响研究进展[J]. 中国农学通报, 2012, 28(3): 1–7
Zhang Y S, Mi N, Chen P S, et al. Influences of soil water
stress on growth and development of maize[J]. Chinese
Agricultural Science Bulletin, 2012, 28(3): 1–7
[20] 孟凡超, 刘明, 于吉琳, 等. 水分胁迫对玉米产量及干物质
分配的影响[J]. 江苏农业科学, 2011, 39(3): 96–98
Meng F C, Liu M, Yu J L, et al. Effects of water stress on
maize yield and dry matter partitioning[J]. Jiangsu
Agricultural Sciences, 2011, 39(3): 96–98
[21] 梁涛, 刘景利. 水分胁迫对玉米生长发育和产量的影响[J].
安徽农业科学, 2009, 37(35): 17436–17437, 17472
Liang T, Liu J L. Effect of water stress on the growth,
development and yield of maize[J]. Journal of Anhui
Agricultural Sciences, 2009, 37(35): 17436–17437, 17472
[22] 徐世昌, 戴俊英, 沈秀瑛, 等. 水分胁迫对玉米光合性能及
产量的影响[J]. 作物学报, 1995, 21(3): 356–363
Xu S C, Dai J Y, Shen X Y, et al. The effect of water stress on
maize photosynthetic characters and yield[J]. Acta Agronomica
Sinica, 1995, 21(3): 356–363
[23] 孟繁静 . 植物生理学基础 [M]. 北京 : 农业出版社 , 1987:
53–55
Meng F J. Basis of Plant Physiology[M]. Beijing: Agriculture
Press, 1987: 53–55
[24] 王翠玲, 宁方贵, 张继权, 等. 辽西北玉米不同生长阶段干
旱灾害风险阈值的确定[J]. 灾害学, 2011, 26(1): 43–47
Wang C L, Ning F G, Zhang J Q, et al. Determination of
drought disaster risk threshold value of various growth stages
of maize in northwestern Liaoning Province[J]. Journal of
Catastrophology, 2011, 26(1): 43–47