全 文 ：中国生态农业学报 2010年 11月 第 18卷 第 6期
Chinese Journal of Eco-Agriculture, Nov. 2010, 18(6): 1345−1350


* 国家重点基础研究发展计划(973计划)项目(2005CB121107)和国家自然科学基金项目(40925003)资助
张海萍(1986~), 女, 硕士研究生, 主要从事资源环境评价与生态系统管理方面的研究。E-mail: zhanghaip789@yahoo.com.cn
收稿日期: 2009-11-12 接受日期: 2010-04-20
DOI: 10.3724/SP.J.1011.2010.01345
气候波动对海伦市粮食产量影响的风险分析*
张海萍 1,2 陈利顶 1 王晓燕 2 马 岩 1,3 赵新峰 1,3 杨丽蓉 1,3
(1. 中国科学院生态环境研究中心 北京 100085; 2. 首都师范大学资源环境与旅游学院 北京 100048;
3. 中国科学院研究生院 北京 100049)
摘 要 粮食生产具有不确定性特征, 气候波动是影响粮食产量年际变化的主要因素之一。本研究采用风险
分析方法, 基于海伦市 22 个乡镇 1978~2007 年大豆和玉米产量的统计资料, 以相对气象产量作为农作物受气
候波动影响程度的指标, 采用非参数信息扩散方法中正态扩散模型, 对各乡镇大豆和玉米产量不同减产程度
出现的概率进行了计算, 进而获得各乡镇大豆、玉米单产受气候波动影响的风险度。在此基础上, 基于海伦市
气象站逐日降雨量和气温资料, 按照气候干燥度将所有年份分为偏干旱年份、正常年份和偏湿润年份, 分别计
算不同水热耦合年份下各乡镇粮食产量受气候波动影响的风险程度。结果表明, 大豆和玉米极端减产年出现
的概率高于极端高产年; 北部大豆减产风险小于南部, 玉米在总体上呈现出和大豆减产概率空间分布相反的
趋势; 在不同水热耦合年份中, 海伦市旱田农作物生产风险具有空间差异性, 其中大豆生产风险空间分布与
河网相关性较玉米高。
关键词 气候波动 粮食产量 风险分析 信息扩散 气候干燥度
中图分类号: S162.5+3 文献标识码: A 文章编号: 1671-3990(2010)06-1345-06
Risk analysis of climate variability on food production in Hailun, Northeast China
ZHANG Hai-Ping1,2, CHEN Li-Ding1, WANG Xiao-Yan2, MA Yan1,3, ZHAO Xin-Feng1,3, YANG Li-Rong1,3
(1. Research Center For Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China; 2. College of Envi-
ronment and Tourism, Capital Normal University, Beijing 100048, China; 3. Graduate University of Chinese Academy of Sciences,
Beijing 100049, China)
Abstract Climate variability is one of the main factors affecting annual changes in crop yield. In this study, a risk analysis method
was used to describe the relationship between climate change and crop yield. The results could provide the basis for reducing the risk
of food production. Based on available data on yield of soybean and corn in 22 towns of Hailun City for 1978~2007, relative mete-
orological yield was used as an indicator for the influence degree of climate change on crop yield. Yield reduction probabilities for
different crops in each township were calculated using information diffusion method. Furthermore, the risk of crop production af-
fected by climate variability was identified. Using daily rainfall and temperature as aridity index, all years were divided into partially
dry, normal and partially wet years. The degree of risk was estimated under different hydrothermal years for each township. Results
show that the probability of extremely high-yield years is lower than that of extremely low-yield years. The risk level of production
reduction of soybean in north area is lower than that in south area, while the corn shows the contrary spatial tendency. There are spa-
tial differences in risk levels of crop production among the different hydrothermal years. And spatial distribution of soybean produc-
tion is more relative with rive network than that of corn production.
Key words Climate variability, Crop yield, Risk analysis, Information diffusion, Climate aridity
(Received Nov. 12, 2009; accepted April 20, 2010)
粮食生产系统受到多种因素的影响, 主要包括
社会经济因素、生产技术因素、自然因素和随机因
素, 具有很强的非线性、随机性和动态性[1], 其中自
然因素是粮食年际变化中人为不可控制的因素, 而
气候条件是自然因素中最重要的影响因素。由于粮
食生产系统的复杂性以及农作物产量年际间不稳定
1346 中国生态农业学报 2010 第 18卷


性, 使得农作物产量以及农民收入充满风险, 分析
该风险特征, 有利于降低风险, 稳定粮食产量和农
民收入。农作物生产风险(单产风险)是农民所面临的
三大风险(制度风险、生产风险和市场风险)之一, 又
是种植业农户最为关注的风险之一。风险分析的关
键是计算风险度, 关于农作物产量受气候波动影响
产生的风险程度计算, 主要包括参数方法和非参数
方法 [2], 两种方法各有优缺点 , 具体应用到某一地
区采用何种方法最合适, 目前还没有统一的标准。
在我国, 干旱、洪涝和低温冷害是主要的农业
气象灾害 [3], 水分和热量是影响我国农作物产量的
主要环境因素。在气候变暖背景下, 低温冷害对黑
龙江地区农业的危害程度降低, 气温升高将对该地
区复种指数提高、种植结构调整和农作物产量产生
重要影响[4−6], 其中播种期日平均温度升高 1 ℃, 大
豆产量将增产 6%~10%, 但日最高温度的升高对海
伦市大豆产量造成负面影响[7]。年际降水量及年内
降水分布改变使各地农业旱涝灾害频率发生变化[8],
同时不同程度地改变了该地区的粮食生产风险。本
文基于非参数信息扩散模型, 分析了黑龙江省海伦
市气候波动对主要农作物生产的影响程度, 为降低
农业生产风险以稳定粮食产量提供参考。
1 研究区概况
海伦市位于黑龙江省中部 , 46°58′~47°52′N,
126°14′~127°45′E, 为松嫩平原和小兴安岭山地的过
渡地带。地势自西南向东北逐渐升高, 东北部为低
山丘陵, 西南部多漫岗平川; 水利资源主要有河流
和水库, 境内分布着通肯河、扎音河、海伦河、克
音河和三道乌龙沟, 新中国成立以来修建了 1 座大
型水库和 4座中型水库(图 1); 土壤大部分为黑土, 其
次是草甸土和碳酸盐草甸土 , 3 种土壤合计占
88.15%, 这些土壤富含有机质 , 团粒结构良好 , 黑
色土层深厚, 水分、养分条件较好, 潜在肥力较高;
海伦市地处寒温带, 大陆性季风气候, 冬季寒冷干
燥, 夏季高温多雨, 全年日照时数 2 600~2 800 h,
≥10 ℃积温 2 500~2 700 ℃, 全年降水量 500~600
mm, 多集中在 6~8 月, 雨热同期, 农业气候资源较
为优越。
海伦市现有大豆和玉米种植面积占粮食作物种
植面积的 80%左右, 工业发展缓慢, 农业基础设施
薄弱, 属于“雨养农业”区, 生长季降雨量及天然河
道分布是旱田农作物的主要水源, 粮食生产受气候
条件的影响十分明显。受气候变暖影响, 海伦市年
平均气温和降水变化较为明显, 主要表现为有效积
温波动性上升和降水量波动性下降, 造成粮食产量

图 1 海伦市河网和水库分布位置图
Fig. 1 Distribution of river network and location of reservoirs
in Hailun City

年际间不稳定性增加, 因此研究气候波动和主要粮
食作物之间的关系意义重大。
2 数据来源与研究方法
2.1 数据来源
气象资料来源于中国国家气象局海伦气象台站
逐日气象资料(1978~2007 年)。海伦市 22 个乡镇大
豆和玉米产量数据来自《海伦市国民经济统计资料
(1978−2007)》, 因 1980 年和 1982 年未作统计, 分
析的气象和产量年份为 1978年、1979年、1981年、
1983~2007年, 共 28年。
2.2 风险分析方法
风险分析最重要的目的之一就是要回答实际产
量偏离目标产量出现的概率。本研究中将趋势产量
作为目标产量, 偏离目标产量的正负值即增减产百
分比作为判断风险的依据。计算农作物单产趋势产
量的方法有多种, 其中直线滑动平均法的优点在于
既不必主观假定产量历史演变的曲线类型, 又不损
失样本序列的数量[9]。本研究采取直线滑动平均法
求出趋势产量, 滑动步长为 5 年。以相对气象产量
来表示粮食产量受气候波动的影响程度, 称为波动
系数(f), 正值代表增产, 负值代表减产。风险分析的
关键是计算风险度, 风险度包括损失量和相应损失
发生的概率, 数值上等于二者的乘积。以相对气象
产量的负值代表减产率, 减产率发生概率由掌握信
息的完备程度决定。根据黄崇福 [10]对风险的分类 ,
风险主要分为伪风险、概率风险、模糊风险和不确
定风险。由于本研究数据仅有 28年, 小于农业气象
中关于大样本数据的要求(30 年), 故采用模糊风险
分析方法计算不同气候类型年份粮食增产或减产的
概率值, 即用模糊逻辑和不完备信息近似推断与特
第 6期 张海萍等: 气候波动对海伦市粮食产量影响的风险分析 1347


定不利事件有关的未来情景。
本研究采用非参数信息扩散模型计算概率值[11]。
非参数信息扩散模型是非参数统计方法与模糊数学
方法相结合的产物, 是为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, 具有估计依据客观和计算结果稳定
的优点。该方法可将一个只有 1个观测值的样本, 变
成一个模糊集。或者说, 是把单值(Single-valued)样
本变成集值(Set-valued)样本。最简单的模型是正态
扩散模型。
设波动系数论域为:
U = {u1, u2,⋯, un} (1)
考虑该地区计算出的实际波动系数大小, 本文
取波动系数论域为 U = {u1, u2,⋯, un}={−0.5, −0.49,
−0.48, ⋯, 0.5}。1个单值观测样本 y依式(2)可以将
其所携带的信息扩散给 u中的所有点:

2
2
( )1( ) exp
2π 2
i
i
y u
f u
h h
⎡ ⎤−= −⎢ ⎥⎢ ⎥⎣ ⎦
(2)
式中, h为扩散系数, 可根据样本集合中样本的最大
值(b)和最小值(a)及样本个数m确定, 其计算公式为:

( )1.698 7 (1 5)
( 1)
( )1.445 6 (6 7)
( 1)
( )1.423 0 (8 9)
( 1)
( )1.420 8 (10 )
( 1)
b a m
m
b a m
m
h
b a m
m
b a m
m
−⎧ ⎫<⎪ ⎪−⎪ ⎪−⎪ ⎪⎪ ⎪−⎪ ⎪= ⎨ ⎬−⎪ ⎪⎪ ⎪−⎪ ⎪−⎪ ⎪⎪ ⎪−⎩ ⎭
≤
≤ ≤
≤ ≤
≤
(3)
设对第 j个样本 yj依式(1)进行扩散, 得:

2
2
( )1( ) exp
2π 2
i
i
y u
f u
h h
⎡ ⎤−= −⎢ ⎥⎢ ⎥⎣ ⎦
(4)
令:
1 ( )
n
j j iic f u== ∑ (5)
相应的模糊子集的隶属函数为:

( )
( )
j
j i
y i
j
f u
u
c
μ = (6)
式中 , ( )
jy iuμ 为样本 yj 的归一化信息分布 , 对
( )
jy iuμ 进行处理, 可得到一种效果较好的风险评估
结果。
令:
1( ) ( )j
m
i y ijq u uμ== ∑ (7)
其物理意义为: {y1, y2,⋯ , ym}, 经信息扩散推断出,
如果波动指数只能取 u1, u2,⋯, un中的 1个, 在将 yj
均看作是样本代表时, 波动系数为 ui 的样本个数为
q(ui)个。
再令:
1 ( )
n
iiQ q u== ∑ (8)
则:

( )
( ) ii
q u
p u
Q
= (9)
P(ui)即求得的风险概率估计值 , 某个区间波动
系数出现的概率则为该区间内所有论域值出现概率
之和。
3 结果与分析
3.1 玉米和大豆不同波动系数发生概率
用非参数信息扩散模型计算出海伦市 22 个乡
镇不同波动系数出现的概率值, 得出各乡镇波动系
数概率分布图, 以向荣乡大豆和玉米单产波动系数
概率分布举例(图 2)。图 2表明, 大豆单产波动系数
和玉米单产波动系数概率分布较为相似, 大多数分
布在−0.02~0.02 之间, 说明极端增产年和极端减产
年出现概率较低; 极端减产年出现的概率高于极端
增产年, 可能是由于不利的气象条件出现时, 作物
生长抵抗力较弱, 导致减产风险较高, 而当气象条
件适合作物生长时, 受其他非气象因素的作用, 作
物增产幅度较低。


图 2 海伦市向荣乡大豆和玉米产量波动系数概率分布图
Fig. 2 Probability of fluctuation coefficient of soybean and
corn yield in Xiangrong Township, Hailun City

以为负值的波动系数作为减产年份的减产率 ,
依减产率大小分为不同等级的减产年份, 即轻度减
产(−15%≤f≤−5%)、中度减产(−25%≤f<−15%)、
重度减产(−50%≤f＜−35%)。在计算每个乡镇波动系
数概率分布的基础上绘制大豆和玉米不同减产等级
概率空间分布图(图 3)。图 3表明, 大豆轻度减产概
率较高的乡镇多分布在北部, 中度减产概率较高的
乡镇多分布在中南部, 重度减产发生概率较高的乡
镇分布在东南部和南部。说明北部大豆产量受不利
气象条件影响的减产风险较南部小, 产量稳定性从
1348 中国生态农业学报 2010 第 18卷



图 3 海伦市大豆和玉米不同程度减产概率分布
Fig. 3 Probability distribution of different grades of soybean and corn yield reduction in Hailun City

北向南递减 , 可能与北部拥有良好水利设施有关 ,
能较好地为干旱条件下作物提供水源支持。玉米总
体上呈现出与大豆减产概率分布相反的趋势, 轻度
减产概率较高的乡镇在中南部, 而中度和重度减产
概率较高的乡镇分布在北部, 说明中南部玉米产量
受气候波动影响的减产风险小于北部, 可能与玉米
是喜温作物、南部积温较高有关。
3.2 不同水热耦合类型年份中大豆和玉米生产风
险分析
影响海伦市农作物生长的气象灾害主要有干
旱、洪涝和低温冷害, 此 3 类灾害受制于水分和热
量条件的变化, 因此在无灌溉条件下主要的气候影
响因素为降雨量和气温的年际变化。农作物产量不
仅与积温和降水单要素有关, 水热耦合程度决定气
候干湿变化也是重要影响因子, 对于一个地区干湿
程度或农业水分资源状况, 常以气候干燥度表示。
关于干燥度的计算, 自 1900年以来中外学者陆续提
出了多种方法[12], 本文选用 1959年中国科学院自然
区划工作委员会[13]提出的干燥度指数表征水热耦合
特征。将所有年份按照干燥度大小分为偏干旱年(9
年)、正常年(10年)、偏湿润年(9年)。其中, 偏干旱
年份中大多数积温值高而降雨量偏少, 偏湿润年份
中大多数积温值低而降雨量偏多。分别计算各乡镇
每个年份类型中大豆和玉米生产风险度, 以平均值
第 6期 张海萍等: 气候波动对海伦市粮食产量影响的风险分析 1349


作为其代表值, 进行归一化处理后分成 5 个等级,
从 5 级到 1 级归一化指数分别为 0~0.2、0.2~0.4、
0.4~0.6、0.6~0.8和 0.8~1.0, 风险程度从严重到轻度,
农作物产量收获期望值从小到大, 从而得到不同水
热耦合年份风险度分布图(图 4)。
从不同类型年份各乡镇大豆生产风险和玉米生
产风险分布(图 4)可以看出, 两种作物都呈现出从偏
干旱年份、正常年份、偏湿润年份风险度减小的规
律。在偏干旱年份中, 50%左右的乡镇大豆和玉米风
险度为 5级和 4级, 而在偏湿润年份中, 80%以上的
乡镇大豆和玉米生产风险度为 3 级和 2 级。该现象
主要与海伦市旱田水利灌溉设施不足而仅依靠降水
量满足旱田作物需水有关, 因此在降水量偏多但未
形成涝灾的年份, 玉米和大豆这两种需水量较高的
农作物产量较干旱年份高。且受气候变暖影响, 海
伦市生长季积温呈上升趋势 , 降雨量呈下降趋势 ,
在低温冷害减少的同时农业干旱频率将增加, 故全
市范围内各地粮食生产风险度增加的几率较高。
在水热耦合正常年份中, 大豆和玉米风险度分
布较为相似, 风险度较高的乡镇主要分布在中部及


图 4 不同水热耦合年份海伦市大豆和玉米生产风险分布
Fig. 4 Distribution of soybean and corn production risk under different hydrothermal years in Hailun City
1350 中国生态农业学报 2010 第 18卷


东南几个乡镇, 而北部和南部风险较低, 这与发生
概率最高的轻度减产概率分布相似, 说明中部受气
象条件波动的影响较大, 稳定性较差。
由于偏干旱年份和偏湿润年份水热条件相反 ,
大豆和玉米生产风险度大体上也呈现相反的分布。
从大豆生产风险度分布可以看出, 在偏干旱年份风
险度较高的乡镇主要分布在东南部和北部几个乡镇,
而在偏湿润年份主要分布在西部沿边界几个乡镇 ,
这主要与水源供给和地形有关。在相同降雨量和无
灌溉设施条件下, 由于各地地形差异和河流分布状
况不同, 导致水量重新分配给不同地块的水分条件
不一, 进而导致农作物水分利用效率各异。东南部
由于河网分布稀疏, 水源供给不足, 因此作物需水
量较大的大豆生产风险较高, 而在降雨较多的偏湿
润年份, 地势低洼的西部和西南部通肯河河漫滩地
区由于地势低洼、土质黏重、阶地陡坡面积大而易
受洪涝灾害, 风险度较高。
由于玉米较大豆对水分要求小, 风险度分布与
河网分布吻合度较低。从不同类型年份玉米生产风
险度分布可以看出, 在偏干旱年份风险度较高值分
布范围较广, 只有西部和东部几个乡镇风险度为 3
级和 4 级, 在偏湿润年份风险度分布规律与偏干旱
年份相反, 即大多数在偏干旱年份风险度较高的乡
镇在偏湿润年份风险度较低, 说明水热耦合程度对
于海伦市不同乡镇农作物生产风险具有空间差异性,
各乡镇应根据自身的地形和水源保证条件, 针对不
同降水和积温年份应对不利气象条件采取相应的预
防措施。
4 结论
采用非参数信息扩散模型, 以黑龙江省海伦市
主要粮食作物为研究对象, 在计算产量波动系数概
率分布和风险度的基础上, 对海伦市各乡镇大豆和
玉米两种主要农作物不同减产等级概率分布以及
不同水热耦合年份生产风险度分布进行分析, 结果
表明:
(1)各乡镇大豆和玉米单产波动系数概率值分布
较为相似, 大多数分布在−0.02~0.02 之间, 极端增
产年和极端减产年出现概率较低, 且极端减产年出
现的概率高于极端高产年。
(2)通过分析各乡镇大豆和玉米单产受气候波动
影响的概率分布图得出 , 对于整个海伦市 , 北部
大豆减产风险小于南部; 玉米在总体上呈现出和大
豆减产概率分布相反的趋势, 轻度减产概率较高的
乡镇在中南部, 而中度和重度减产概率较高的乡镇
分布在北部。
(3)不同水热耦合年份类型中, 玉米和大豆生产
在偏干旱年风险度最高, 大豆生产风险度主要与河
网分布有关, 而玉米生产风险度与河网吻合度较低,
不同水热耦合程度对于海伦市旱田农作物生产风险
影响具有空间差异性。
参考文献
[1] 陈锡康 , 杨翠红 . 农业复杂巨系统的特点与全国粮食产量
预测研究[J]. 系统工程理论与实践, 2002, 22(6): 108−112
[2] Zanini F C, Sherrick B J. Crop insurance valuation under al-
ternative yield distributions[J]. American Journal of Agricul-
tural Economics, 2004, 86(2): 406−419
[3] 黄荣辉 , 周连童 . 我国重大气候灾害特征形成机理和预测
研究[J]. 自然灾害学报, 2002, 11(1): 1−9
[4] 朱晓禧, 方修琦, 王媛. 基于遥感的黑龙江省西部水稻、玉
米种植范围对温度变化的响应[J]. 地理科学, 2008, 28(1):
66−71
[5] 云雅如, 方修琦, 王媛, 等. 黑龙江省过去 20 年粮食作物
种植格局变化及其背景 [J]. 自然资源学报 , 2005, 20(5):
97−105
[6] Zheng H F, Chen L D, Han X Z. Response of soybean yield to
daytime temperature change during seed filling: A long-term
field study in Northeast China[J]. Plant Production Science,
2009, 12(4): 526−532
[7] Zheng H F, Chen L D, Han X Z. The effects of global warm-
ing on soybean yields in a long-term fertilization experiment
in Northeast China[J]. Journal of Agricultural Science, 2009,
147: 569–580
[8] 王萍 , 李廷全 , 闫平 . 近年黑龙江省春旱频繁发生的研究
分析[J]. 自然资源学报, 2005, 14(3): 95−98
[9] 张峭 , 王克 . 农作物生产风险分析的方法和模型[J]. 农业
展望, 2007, 3(8): 7−10
[10] 黄崇福 . 综合风险评估的一个基本模式[J]. 应用基础与工
程科学学报, 2008, 16(3): 371−380
[11] 黄崇福, 刘新立, 周国贤, 等. 以历史灾情资料为依据的农
业自然灾害风险评估方法[J]. 自然灾害学报 , 1998, 7(2):
1−8
[12] 孟猛 , 倪健 , 张治国 . 地理生态学的干燥度指数及其应用
评述[J]. 植物生态学报, 2004, 28(6): 853−861
[13] 中国科学院自然区划工作委员会. 中国气候区划(初稿)[M].
北京: 科学出版社, 1959