全 文 ：中国生态农业学报 2012年 6月 第 20卷 第 6期
Chinese Journal of Eco-Agriculture, Jun. 2012, 20(6): 788−794


* “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)、国家自然科学基金
项目(41071326)、“十一五”国家科技支撑计划课题(2007BAC29B04)和国家自然科学基金项目(40871236)资助
** 通讯作者 : 张继权 (1965—), 男 , 教授 , 博士生导师 , 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
阎莉(1987—), 女, 硕士研究生, 主要研究方向为气象灾害风险评价。E-mail: yanl703@nenu.edu.cn
收稿日期: 2011-10-25 接受日期: 2012-02-08
DOI: 10.3724/SP.J.1011.2012.00788
辽西北玉米干旱脆弱性评价模型构建与区划研究*
阎 莉1 张继权1** 王春乙2 严登华3 刘兴朋1 佟志军1
(1. 东北师范大学城市与环境科学学院 东北师范大学自然灾害研究所 长春 130024; 2. 海南省气象局 海口 570203;
3. 中国水资源和水利研究院 北京 100038)
摘 要 本文基于 IPCC(Intergovernmental Panel on Climate Change )报告中对气候变化背景下脆弱性的定义,
从暴露程度、敏感性、自身恢复能力和环境适应能力 4 个方面建立了干旱灾害脆弱性评价模型。以辽西北地
区的玉米干旱灾害作为研究对象, 根据干旱灾害脆弱评价模型选取了气象因子、玉米生理因子以及经济社会
因子等 17项指标, 运用熵权法、加权综合评价法计算得到了辽西北地区玉米干旱脆弱性指数。为了验证和检
验模型的适用性, 选取了辽西北 1999 年、2000 年、2001 年和 2006 年 4 个典型干旱年份, 将玉米干旱脆弱性
指数划分为 5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: 辽西北玉米干旱脆弱性强的区
域主要集中在西部地区的阜新、朝阳、葫芦岛一带。重度以上脆弱性区域范围比例表现为 2006年>1999年>2001
年>2000 年的规律; 其中, 2006 年脆弱性最强, 影响面积最广, 造成的损失也最严重, 与实际灾情变化规律一
致。分析 2006年的玉米干旱脆弱性, 多数区域是由玉米生长季的降水异常引起的。通过对 4个典型干旱年份
的玉米干旱脆弱性指数与玉米减产率进行回归分析, 发现二者之间基本吻合, 通过了 α=0.05的显著性 F检验,
说明利用该模型对玉米干旱脆弱性的评价与区划是合理的, 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损失。研究结果可为当地农业干旱灾害风险评估和预警提供依据。
关键词 玉米 脆弱性评价模型 熵权法 干旱脆弱性指数(DVI) 辽西北地区 区划图
中图分类号: S423 文献标识码: A 文章编号: 1671-3990(2012)06-0788-07
Vulnerability evaluation and regionalization of drought disaster risk of
maize in Northwestern Liaoning Province
YAN Li1, ZHANG Ji-Quan1, WANG Chun-Yi2, YAN Deng-Hua3, LIU Xing-Peng1, TONG Zhi-Jun1
(1. College of Urban and Environmental Sciences, Northeast Normal University; Nature Disaster Research Institute, Northeast
Normal University, Changchun 130024, China; 2. Hainan Meteorological Administration, Haikou 570203, China;
3. China Institute of Water Resources and Hydropower Research, Beijing 100038, China)
Abstract Based on IPCC definition of vulnerability within the context of climate change, a risk assessment model of maize vul-
nerability to drought was established from the perspectives of exposure, sensitivity and adaptability. Given drought disaster risk of
maize in Northwestern Liaoning Province, 17 indexes related to crop physiological, meteorological and socio-economic factors were
selected for the model simulation. The vulnerability indexes of maize to drought were calculated using the entropy and comprehen-
sive weight evaluation methods. Four typical drought years (1999, 2000, 2001 and 2006) in Northeastern Liaoning Province were
used to verify and test the applicability of the model. The maize vulnerability indexes to drought were divided into 5 grades on which
basis maize vulnerability zone maps were isolated in GIS environment for typical drought years. The results showed that the areas
with high drought vulnerability were mainly concentrated around Fuxin, Chaoyang and Huludao Counties. The areas with high vul-
nerability displayed a temporal regular pattern of 2006 > 1999 > 2001 > 2000. The level of drought vulnerability in 2006 was the
highest, and had the most extensive impact area due to the precipitation anomaly in the growing season of that year. Regression anal-
ysis of maize vulnerability indexes to drought in the four typical drought years and maize yield loss was also conducted. The analysis
第 6期 阎 莉等: 辽西北玉米干旱脆弱性评价模型构建与区划研究 789


showed a basic agreement among the factors for F test of significant at α=0.05. This indicated that it was reasonable to evaluate and
predict the maize vulnerability to drought using the established model in the region. The model could be used to evaluate and predict
maize vulnerability to drought, drought disaster risk and maize yield loss caused by drought. The results of this study strengthened
further basis for local agricultural drought risk assessment and early warning.
Key words Maize, Vulnerability evaluation model, Entropy Method, Drought vulnerability index, Northwestern Liaoning Province,
Regionalization map
(Received Oct. 25, 2011; accepted Feb. 8, 2012)
灾害的破坏性并不仅仅取决于灾害发生的强度,
更多的是在于人类社会自身在灾害面前表现出的脆
弱性[1]。学术界、经济和社会界一致认为, 风险、脆
弱性和恢复力的研究对灾害综合管理和减灾具有重
要的指导意义。区域作物脆弱性强弱直接影响该区
域对灾害的抵抗能力和灾害风险的等级 [2], 也直接
影响一个区域的粮食产量。辽西北是辽宁省玉米重
要产地, 也是干旱灾害频发的区域。因此对该区域
玉米干旱脆弱性的研究对指导区域适应未来气候变
化 , 制定适应对策 , 保证粮食生产 , 促进农业、资
源、环境的可持续发展具有重要意义。
近几年, 国外许多学者在区域气候变化脆弱性
方面做了大量的研究。Wilhelmi 等[3]选取气候、土
壤、灌溉等指标, 通过建立数值加权分类表来求出
各等级中每个因子的干旱潜力, 推出内布拉斯加州
地区农业干旱脆弱性。Liverman[4]在对墨西哥干旱
脆弱性研究中采用积分方法分析脆弱性的驱动力 ,
并在此基础上分析影响脆弱性的主要因素 ; Luers
等 [5]通过构建脆弱性评价方程式 : 脆弱性=对压力
的敏感度/相对门槛×受压的概率, 选择小麦产量为
结果变量, 分析了墨西哥农业区域社会生态系统的
脆弱性。Hahn等[6]将生计评估方法应用于非洲东部
莫桑比克气候变化的脆弱性评估 , 通过“(受灾度−
适应性)×敏感度”来计算在 IPCC定义下的脆弱性指
数。与此相对, 我国关于农业干旱脆弱性研究起步
较晚, 关注较早的是大区域的脆弱性分布, 主要运
用情景模拟、产量分析等方法 [7−8]。近几年关于气
候变化以及农业生态系统的脆弱性研究逐渐增多 ,
开始针对不同地域、不同生态系统进行研究, 并且
选用的指标也逐渐全面。指标权重的确定采用
AHP、人工网络神经模型和专家打分法等[9−11]。在
脆弱性模型方面 , 陈香 [12]根据自然灾害系统理论 ,
建立了包括农业水灾致灾因子、孕灾环境、农业承
灾体和防灾水平等多要素的福建农业水灾系统脆
弱性评价指标体系和模型 ; 倪深海等 [13]根据各地
水资源的特点、农业受旱成灾的情况及水利设施抗
旱能力, 确定农业干旱脆弱性分区的指标, 构造层
次分析模型 , 并绘制了中国农业干旱脆弱性分区
图。目前关于作物干旱脆弱性模型的研究较为少见,
并且指标的选择缺乏全面性, 缺少作物生理以及农
事活动等指标[14]。本文主要以辽宁西北部的玉米旱
灾作为研究对象, 从脆弱性成因入手, 充分考虑作
物生理、经济社会以及自然等条件对脆弱性的影响,
构建玉米干旱脆弱性评价模型, 完成辽西北玉米干
旱脆弱性分区。研究结果可为当地农业干旱灾害风
险评估和预警提供依据, 可为玉米生产防灾避灾、
合理布局、优化灌溉、改变耕作和种植方式、抗旱
预案编制、减灾规划和保险等提供科学依据和技术
支撑。
1 研究材料与方法
1.1 研究区概况及资料选取
辽宁省地处我国东北地区南部, 辽河下游。东
部为山地地带, 西部为丘陵地带, 中部为平原地带。
其西部降水量最少, 正常年仅有 500 mm, 是辽宁省
干旱发生最频繁、最严重的地区。玉米的播种关键
季节降水量只有全年的 13%~16%, 30%~40%年份不
能满足农作物出苗、育苗需要, 春旱时有发生。进
入夏、秋季, 如果遇上雨量偏少或降雨时空分布不
均, 就会发生夏旱、秋旱, 造成粮食损失严重。干旱
发生频率较高, 持续时间长, 尤其是 1999~2006 年,
连续 8年发生了不同程度的干旱, 可谓是连旱连灾。
因此本文选取辽西北各区域作为研究对象, 进行玉
米干旱脆弱性评价。
研究数据包括辽西北各区域的气象数据、水资
源数据、土壤特征数据、玉米生理特征数据、水利
工程与灌溉设施数据、农业统计数据; 空间数据包
括研究区行政区划图、生长季叶面积指数(NDVI)数
据、地形图(DEM)、土地利用图、土壤类型图、河
流水库分布图[15−20]。
1.2 研究方法
本文在气候气象学、干旱气象学、灾害学、风
险管理等基本理论的基础上, 运用 SPSS 和 Matlab
软件, 采用熵权法确定指标的权重并根据加权综合
评价法等方法, 计算玉米干旱脆弱性大小, 进而完
成辽西北玉米干旱脆弱性等级分区。其中不同指标
之间的转换以及指标的计算是在 ArcGIS 空间分析
模块中实现的。
790 中国生态农业学报 2012 第 20卷


1.3 评价指标标准化处理
评价指标体系中的各项参评因子由于系数间的
量纲不统一, 因此在评价研究中必须对判断矩阵进
行标准化处理, 以消除指标间不同单位、不同度量
的影响。其中对于正向影响指标:

( )
( ) ( )
min
max min
ij j ij
ij
j ij j ij
X X
R
X X
−= − (1)
而对于逆向指标而言:

( )
( ) ( )
max
max min
j ij ij
ij
j ij j ij
X X
R
X X
−= − (2)
式中, Rij为标准化之后的指标值, Xij为第i个评价因
子j年的实测值, maxj(Xij)表示第j年第i个指标的最大
值, minj(Xij)表示第j年第i个指标的最小值。
1.4 各指标权重的确定
采用熵权法确定各指标的权重。熵权法能够客
观地反映各指标的权重, 其基本原理是如果某个指
标的信息熵越小, 就表明指标值的变异程度越大。
提供的信息量越大 , 在综合评价中起的作用越大 ,
其权重越大[21]。具体计算方法如下:
定义熵在有m个指标、n个被评价对象的评估问
题中, 第i个指标的熵定义为:
( )
1
ln
n
i ij ij
j=
H = k f f− ∑ (3)
式中 ,
1
ij
ij n
ij
j=
R
f =
R∑
, k为调节系数 , 1
ln
k
n
= 。当
0ijf = 时, 令 ln 0ij ijf f = 。
定义第 i个指标的熵之后 , 可得到第 i个指标的
权重, 即:

1
1 i
i m
i
i
H
W =
m H
=
−
−∑
(4)
式中, fij为归一后矩阵中的元素, Hi为第i个指标的熵,
Wi为第i个指标的权重, 0≤Wi≤1,
1
1
m
i
i
W =
=
∑ 。
1.5 脆弱性模型的建立
IPCC 将气候变化背景下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性
和适应能力的函数 [22]。区域气候变化下的脆弱性 ,
是指在不同的受灾范围、程度下, 敏感性、适应能
力发生的变化程度。其中适应能力不仅包括区域的
适应还包括研究对象自身的适应能力, 在此基础上
将敏感性、适应能力、作物自身恢复能力以及暴露
程度考虑进模型后, 将脆弱性定义为:
s a
E SDVI
R R
×= ×

(5)
式中, DVI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; E
表示暴露程度, S表示作物敏感性, 反映的是玉米对
于环境变化的敏感程度; Rs表示自身恢复能力, Ra表
示社会、经济等要素的适应能力, 二者相互影响。
自身恢复能力表征的是作物对环境的适应, 适应能
力主要考虑外界环境对干旱的应对能力。上述指标
值的计算如下:

1
1
1
1
n
Si Si
i
n
s Rsi Rsi
i
n
a Rai Rai
i
n
Ei Ei
i
S W X
R W X
R W X
E W X
=
=
=
=
=
=
=
=
∑
∑
∑
∑

(6)
式中, XSi、XRsi、XRai、XEi分别表示敏感性、自身恢
复能力、环境适应性以及暴露程度指标, WSi、WRsi、
WRai、WEi分别表示对应的第 i个指标的权重。
1.6 玉米干旱脆弱性指标的选取及权重
玉米干旱脆弱性指标的筛选是在原有数据的基
础上, 综合考虑辽西北玉米干旱脆弱性的自然因素
和经济社会因素以及当前的农业生产情况, 结合作
物自身的生理特征, 通过咨询专家意见以及参考国
内外文献[23−24], 将指标因子分为暴露程度因子、敏
感性因子和适应性因子等共 17个指标。其权重的确
定通过公式(1)~(4)计算得到, 具体指标及权重如表
1所示。
表中玉米冠层内光合有效辐射(XS1)计算公式为:
( , ) ( , ) 0 5 ( , )sAPAR x t = R x t . FPAR x t× × (7)

min
max min
( , )
( , ) min , 0 95 ,
1 ( , )( , )
1 ( , )
SR x t SRFPAR x t .
SR SR
+ NDVI x tSR x t =
NDVI x t
⎡ ⎤−= ⎢ ⎥−⎣ ⎦
−
(8)
式中, APAR 为植物吸收的光合有效辐射; Rs为研究
期间内各月的光合有效辐射, 其值参考刘新安等[25]
的计算值。FPAR 为吸收系数, SR 为直接吸收系数,
NDVI为叶面积指数, x表示区域, t表示时间。
玉米的气候敏感指数 Xs2[26]定义为:

1
100
1 /
w v
m
|Y | /Y
K =
V L
− ×− (9)
第 6期 阎 莉等: 辽西北玉米干旱脆弱性评价模型构建与区划研究 791


表 1 辽西北玉米干旱脆弱性评价指标及权重
Table 1 Indexes and weights of evaluation on maize drought vulnerability in Northwestern Liaoning Province
目标层
Target level
因子层
Factor level
指标层
Indicator level
权重
Weight
XS1植物吸收的光合有效辐射 Photosynthetically active radiation absorbed by plants (W·m−2) 0.118 4
XS2气候敏感指数Meteorological sensitiveness index 0.096 9
作物自敏感性
Crop sensitiveness (S)
XS3叶面积指数 Leaf area index 0.118 4
XRs1抗旱性 Drought resistance 0.180 8 自身恢复力
Self-recover ability (RS) XRs2环境适应性指数 Environmental suitability index 0.121 2
XE1 4—9月降水量距平 Precipitation anomaly from April to September (%) 0.027 4
XE2 4—9月温度距平 Temperature anomaly from April to September (%) 0.020 7
XE3 干旱胁迫天数 Days of drought stress (d) 0.034 8
XE4 播种面积动态度 Sown area dynamic degree (%) 0.020 0
暴露程度
Exposure (E)
XE5 易旱面积比例 Ratio of area prone to drought (%) 0.026 3
XRAa1 土壤指数 Soil index 0.037 2
XRAa2 抗旱设备数量 Drought-resistant equipment number 0.037 2
XRAa3 耕地灌溉率 Irrigation rate of cultivated land (%) 0.041 7
XRAa4 区域地下水供水潜力 Regional groundwater supply potentiality (m3) 0.026 4
XRAa5 地表水供水能力 Surface water supply ability (m3) 0.035 1
XRAa6 农民人均收入 Peasants’ income per capita (Yuan) 0.031 3
玉米生态系统干
旱脆弱性
Drought vulner-
ability of maize
ecological system
适应能力
Adaptive capacity (RAa)
XRAa7 农业科技人员数量 Number of agricultural science and technology personnel 0.026 4

式中, Km 为气候敏感指数, Yw 为当年实际生产力
(kg·hm−2), Yv 为气候生产力(kg·hm−2), 采用 Thorn-
thwaite Memorial模型计算作物气候生产力。其计算
公式为:
0 000 956( 20)30 000(1 e ). VvY =
− −− (10)

2
1 05
1 (1 05 )
. RV =
+ . R / L
(11)
3300 25 0 05 L = + t + . t (12)
式中, 30 000是经验系数, e=2.718 28, V 为年平均蒸
发量(mm), R为年降水量(mm), L为年平均最大蒸发
量(mm), t为年平均气温。
环境适应性指数(XRs2):
Kr=(T−T0)/T0 (13)
式中, Kr环境适应性指数, T0为区域多年平均的生育
期长度, T为当年实际生育期长度。
玉米播种面积动态度(XE4):
1 100%b as
a
U U
K =
U D
− × × (14)
式中, Ks为播种面积动态度指数，D为间隔年数, Ub
为末期玉米播种面积比例, Ua 为初期玉米播种面积
比例。
土壤指数(XRAa1)运用地形图(DEM)坡度数据结合
各地土壤类型进行量化, 量化值参考了王翠玲等[27]
的研究, 其计算公式为:

2
1
( ) iWi
i=
SQI = C∏ (15)
式中, SQI为土壤指数, Ci为各指标的隶属度, Wi为第
i个评价指标权重(这里都取做 0.5)。
干旱胁迫天数(XE3)为生长季降水量小于 2 mm
的天数。玉米抗旱性(XRs1)根据辽宁省各地区各年份
播种玉米品种的不同, 将玉米品种分为抗旱性和非
抗旱性, 分别赋数值 2和 1, 不同品种抗旱性通过中
国作物种质信息网查询。抗旱设备数量用机电井数
量(眼)表示; 地下水与地表水供水潜力分别用区域
地下水量(m3)和地表水库容量(m3)表示。
2 结果与分析
2.1 辽西北玉米干旱脆弱性评价结果与区划
为了验证模型的适用性, 参考以往历史灾情数
据, 选取了辽西北 1999年、2000年、2001年、2006
年 4 个典型干旱年份, 运用玉米干旱脆弱性评价模
型, 计算辽西北不同区域典型干旱年份玉米干旱脆
弱性指数。为评价玉米干旱脆弱程度, 首先根据研
究区玉米干旱灾害的实际状态和以往文献[27−28], 并
考虑玉米干旱脆弱性指数的最大值和最小值, 将辽
西北玉米干旱脆弱性指数划分为 5 个等级, 其结果
如表 2所示。

表 2 辽西北玉米干旱脆弱性等级
Table 2 Levels of maize drought vulnerability in Northwestern Liaoning Province
轻度脆弱
Mild vulnerability
一般脆弱
General vulnerability
中度脆弱
Medium vulnerability
重度脆弱
Severe vulnerability
严重脆弱
Grave vulnerability
干旱脆弱性指数 (DVI)
Drought vulnerability index
0.053~4.176 4.176~8.299 8.299~12.422 12.422~16.545 16.545~20.667

792 中国生态农业学报 2012 第 20卷


利用研究区玉米干旱脆弱性指数值以及表 2 所
示的辽西北玉米干旱脆弱性等级划分标准, 得到 4
个干旱典型年份辽西北玉米干旱脆弱性等级分区图
(如图 1)。整体而言, 4个年份中辽西北玉米干旱脆弱
性较强的区域主要集中在西北部, 尤其是朝阳、北
票、建平、义县、喀左、绥中等地区, 重度脆弱性
几率较高。与此相对, 东部地区的新民、铁岭等地
区属于轻度玉米干旱脆弱性区域, 这主要跟区域灾
害应急投入充分程度有重要关系。根据表 2 划分标
准 , 统计典型年份的玉米干旱脆弱性特征发现 ,
1999 年、2000 年、2001 年、2006 年各年严重脆弱
以上的区域分别占 38.1%、33.3%、33.3%以及 47.6%,
表现为 2006 年>1999 年>2001 年>2000 年的年际变
化规律, 2006 年全区域的干旱脆弱性指数值较大,
玉米干旱脆弱区域较广, 灾情较严重, 与旱情等级
年际规律基本一致。将 2006年各区域的玉米干旱脆
弱性与玉米生长季降水变异系数(1970—2006 年生
长季)进行比对(如图 2)发现: 总体而言, 脆弱性较大
的区域降水变异系数越大, 即受异常的气象因素影
响导致玉米干旱脆弱性较大的区域较广, 因此在这
些区域采取对异常气候的应对措施很重要。黑山、
彰武、阜新的降水变异系数较小, 但是玉米干旱脆
弱性等级较高, 这可能与区域的抗旱投入少等因素
有关。



图 1 辽西北典型干旱年份玉米干旱脆弱性等级分区
Fig. 1 Level and regionalization of maize drought vulnerability in Northwestern Liaoning Province in typical drought years



图 2 2006年辽西北玉米干旱脆弱性等级与 4—9月降雨
变异系数的关系
Fig. 2 Relationship between maize drought vulnerability level
and precipitation variation coefficient during April to Septem-
ber in 2006 in Northwest Liaoning Province
2.2 辽西北玉米干旱脆弱性模型的检验
区域玉米干旱脆弱程度越大, 风险越大, 造成
的潜在损失越大。因此本文选取不同区域 4 个典型
干旱年份的因旱减产率为依据与玉米干旱脆弱指数
进行比较研究。用作物产量的离差百分率(即作物的
相对气象产量)来表示研究区内单产的相对波动状
况, 反映出干旱影响下的产量影响[29]。减产率计算
公式为:
100%tw
t
y y
y
y
−= × (16)
式中, yw为相对气象产量, y为实际产量(kg·hm−2), yt
第 6期 阎 莉等: 辽西北玉米干旱脆弱性评价模型构建与区划研究 793


为趋势产量(kg·hm−2), 趋势产量采用 3 年滑动平均
法计算得到。
空间上减产率分布大致与玉米干旱脆弱性等级
分布一致, 个别地方有所差异, 但基本符合实情[27]。
以辽西北干旱灾害造成的玉米减产数据为基础, 对
玉米干旱脆弱性评价模型进行检验发现, 具有很好
的相关性, 将二者进行回归分析, 结果表明二者存在
线性相关性, 并通过了 α=0.05的 F检验(r=0.646 163,
P<0.05), 达到显著水平。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, 模型
可以用来评价和预测玉米干旱脆弱性以及因干旱造
成的玉米产量的损失。
3 讨论与结论
玉米干旱脆弱性强弱是影响区域玉米因旱减产
的主要原因之一, 越来越引起学者们的关注。本文
在以往研究的基础上, 打破传统脆弱性研究指标选
取缺乏全面性、模型构建简单的现状, 充分考虑到
脆弱性的物理、环境等方面, 根据 IPCC 2003 年报
告中提出的有关脆弱性的定义, 从暴露程度、敏感
性和作物自身恢复能力以及社会经济适应能力角度,
选取作物生理、气象、社会、经济等各方面的 17个
指标 , 建立了辽西北地区玉米干旱脆弱性评价模
型。为检验模型的准确性和适用性, 运用此模型计
算辽西北 4 个典型干旱年份各区域的玉米干旱脆弱
性, 并由此将玉米干旱脆弱性划分为 5 种等级, 借
助 GIS 技术绘制 4 个年份辽西北玉米干旱脆弱性的
空间分布图。结果表明: 典型年份的玉米干旱脆弱
性等级分区与玉米减产率分布基本上一致, 二者之
间存在明显的线性相关性, 且通过了 α=0.05的 F检
验(r=0.646 163, P<0.05), 达到显著水平, 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, 重度脆弱区主要集中在西北部地区, 分布在朝
阳、阜新、北票、喀左等大部分地区, 相比较下,沈
阳、新民、葫芦岛大部分地区的脆弱性较弱, 导致
这种差异的主要原因可能是区域气候条件差异以及
社会经济能力的差异, 因此今后在这些重度脆弱区
域应加大抗旱投入, 增强防旱能力。
在 4个典型年份中, 2006年的脆弱性最强, 影响
范围最广。分析 2006年引起玉米干旱脆弱性的主要
自然因素时发现, 绝大多数区域脆弱性指数较大的
主要原因是生长季的降水变异较大, 但是有局部地
区(黑山、彰武、朝阳等)受降水异常影响并不显著。
这些区域是辽西北经济能力较弱、环境破坏严重的
区域, 农村人口占全部人口的 70%以上, 大部分地
区主要以粮食种植为主, 尤其是玉米播种面积最广,
生态环境破坏严重。因此应着重加大区域防灾减灾
投入或者大面积推广旱作农业技术。目前该区域有
相当一部分农民习惯于用传统生产方式进行耕作 ,
不重视科学种田, 没有经营意识, 因此加强科技培
训, 实行科教兴农势在必行。
本研究在玉米干旱脆弱性指标选取和模型建
立方面也存在一定不足。由于作物生长过程是一个
复杂过程, 数据资料有限, 所以模型的指标选择缺
少对更细致的作物生理特性的考虑 , 使得模型的
精度不够精准。脆弱性与风险、产量之间究竟存在
怎样的数学变化规律, 还需要在今后研究中进一步
完善。
参考文献
[1] 刘铁民 . 脆弱性—— 突发事件形成与发展的本质原因[J].
中国应急管理, 2010(10): 32–35
[2] 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
[3] Wilhelmi O V, Wilhite D A. Assessing vulnerability to agri-
cultural drought: A Nebraska case study[J]. Natural Hazards,
2002, 25(1): 37–58
[4] Liverman D M. Drought impacts in Mexico: Climate, agri-
culture, technology, and land tenure in Sonora and Puebla[J].
Annals of the Association of American Geographers, 1990,
80(1): 49–72
[5] Luers A L, Lobell D B, Sklar L S, et al. A method for quanti-
fying vulnerability, applied to the agricultural system of the
Yaqui Valley, Mexico[J]. Global Environmental Change, 2003,
13(4): 255–267
[6] Hahn M B, Riederer A M, Foster S O. The Livelihood Vul-
nerability Index: A pragmatic approach to assessing risks
from climate variability and change: A case study in Mozam-
bique[J]. Global Environmental Change, 2009, 19(1): 74–88
[7] 孙芳 , 杨修 . 农业气候变化脆弱性评估研究进展[J]. 中国
农业气象, 2005, 26(3): 170–173
[8] 段兴武, 谢云, 刘刚, 等. 黑龙江省粮食生产对气候变化影
响的脆弱性分析[J]. 中国农业气象, 2008, 29(1): 6–11
[9] 喻鸥 , 阎建忠 , 张镱锂 . 区域气候变化脆弱性综合评估研
究进展[J]. 地理科学进展, 2011, 30(1): 27–34
[10] 赵艳霞, 何磊, 刘寿东, 等. 农业生态系统脆弱性评价方法
[J]. 生态学杂志, 2007, 26(5): 754–758
[11] 杨建平 , 张廷军 . 我国冰冻圈及其变化的脆弱性与评估方
794 中国生态农业学报 2012 第 20卷


法[J]. 冰川冻土, 2010, 32(6): 1084–1097
[12] 陈香 . 福建省农业水灾脆弱性评价及减灾对策[J]. 中国生
态农业学报, 2008, 16(1): 206–211
[13] 倪深海 , 顾颖, 王会容 . 中国农业干旱脆弱性分区研究[J].
水科学进展, 2005, 16(5): 715–720
[14] 盛绍学 , 石磊 . 江淮地区小麦春季涝渍灾害脆弱性成因及
空间格局分析[J]. 中国农业气象, 2010, 31(增 1): 140–143
[15] 辽宁省水利厅. 辽宁省水资源[M]. 沈阳: 辽宁科学技术出
版社, 2006
[16] 辽宁省水利厅. 2006年辽西北地区特大伏旱[M]. 沈阳: 辽
宁科学技术出版社, 2007
[17] 辽宁省统计局 . 辽宁省社会经济统计资料汇编—— 农村经
济部分[M]. 沈阳: 辽宁省统计局印刷厂, 1996–2006
[18] 辽宁省统计局. 辽宁省统计年鉴[M]. 北京: 中国统计出版
社, 1996–2006
[19] 国家气象信息中心 . 中国气象科学数据共享服务网
[DB/OL]. http://cdc.cma.gov.cn/shuju/index.jsp?tpcat=SURF&
pageid=3
[20] 中国农业科学院作物科学研究所. 中国作物种质信息查询
网[EB/OL]. http://icgr.caas.net.cn/query/croplist.php
[21] 邱宛华. 管理决策与应用熵学[M]. 北京: 机械工业出版社,
2002: 193–196
[22] IPCC. Climate Change 2001: Impacts, Adaptation and Vul-
nerability[R]. Cambridge: Cambridge University Press, 2001:
3–26
[23] Simelton E, Fraser E D G, Termansen M, et al. Typologies of
crop-drought vulnerability: An empirical analysis of the so-
cio-economic factors that influence the sensitivity and resil-
ience to drought of three major food crops in China
(1961—2001)[J]. Environmental Science & Policy, 2009,
12(4): 438–452
[24] 原雄一, 梅村幸一郎, 加藤健一郎, 等. 世界主要 114 流域
標 開発における水害脆弱性指 の [J]. 資 誌水文水 源学会 ,
2009, 2(1): 10–23
[25] 刘新安, 范辽生, 王艳华, 等. 辽宁省太阳辐射的计算方法
及其分布特征[J]. 资源科学, 2002, 24(1): 82–87
[26] 张恒嘉 . 几种大田作物水分−产量模型及其应用[J]. 中国
生态农业学报, 2009, 17(5): 997–1011
[27] 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
[28] 张琪, 张继权, 佟志军, 等. 干旱对辽宁省玉米产量影响及
风险区划[J]. 灾害学, 2010, 25(2): 87–91
[29] 王春乙 , 张雪芬 , 赵艳霞 . 农业气象灾害影响评估与风险
评价[M]. 北京: 气象出版社, 2010