安徽省水灾灾损率风险测度及区划研究

信息扩散原理能最大程度地挖掘小样本数据携带的信息,对小区域灾情资料不足的情况较为适用.以安徽省17市为研究对象,利用信息扩散原理建立水灾灾损率风险测度模型,计算各市遭受水灾不同水平经济破坏的概率估计值及超越概率,完成水灾经济损失的定量风险测度.为使结果更为直观,绘制了灾损率风险区划图.结果表明,整体上,淮河流域灾损风险最大,中部沿江地带次之,皖南及皖西大别山区较弱.     

湖南省水稻生产干旱灾害风险区划

以湖南中、晚稻生产干旱灾害为研究对象,从水稻干旱灾害发生的可能性、成灾环境、承灾体的脆弱性等方面选取灾害频率、灾害受灾率、灾害强度、水稻生产水平等评价因子,利用人类生存环境风险评价法,建立了湖南中、晚稻生产干旱灾害评价模型,应用GIS软件给出了湖南水稻生产干旱灾害风险区划。结果表明,湖南南部和怀化的辰溪、靖州、通道为湖南中、晚稻生产干旱灾害中高风险区,其它大多数地区为干旱灾害低风险区或轻微风险区。     

河南省农业水旱灾害风险评估与时空分布特征

为了加强河南省农业水旱灾害的风险评估和管理,该文利用信息扩散模型和风险等级划分,对河南省农业水旱灾害风险进行评估与时空特征研究,从而得出不同程度水旱灾害发生的可能性及其时空特点。研究结果表明:河南省17个市的农业水旱灾害风险概率均较大,且旱灾风险概率、风险等级、成灾面积均大于水灾;农业水灾风险空间分布表现出西北到东南风险概率增加的特点,低风险区为豫西、豫北区,高风险区主要是豫东、豫南区,尤其是黄淮4市风险较高;旱灾风险空间分布表现出西部、南部大于东部和北部的特点,豫北区的安阳、新乡、濮阳风险较小,豫西、豫南区则处于高风险。该研究为河南省粮食核心区战略地位的提升及灾害防治提供了依据。     

基于两种方法的四川水稻气候干旱风险评价对比

利用四川省159个站点1960-2010年逐日降水量、日平均气温资料和水稻生育期资料,分别将降水距平百分率、相对湿润度指数作为干旱指标,分析四川省水稻分蘖期、拔节-孕穗期和抽穗-扬花期不同气候干旱等级发生概率,构建水稻气候干旱灾害风险模型,评估四川省水稻分蘖期、拔节-孕穗期和抽穗-扬花期以及全生育期的气候干旱风险。结果表明,四川省水稻气候干旱风险较高的生育期主要是拔节-孕穗期和抽穗-扬花期,利用降水距平百分率和相对湿润度指数得到的风险区划结果存在一定差异,但其风险分布趋势相近。从水稻全生育期看,风险较高区域主要集中在四川盆地和四川西北部部分地区,川南地区发生干旱的概率较小。研究结果有利于降低干旱对水稻生产造成的损失,为水稻干旱评估和制定防灾减灾措施提供科学依据。     

吉林省春旱风险评估及区划

利用吉林省各站1951-2005年实测气象资料,通过计算变异系数、正态分布风险概率、风险指数对吉林省春旱的风险性进行了讨论和评估。结果表明,吉林省中西部大部分地区遭受春旱的风险性较大,出现偏旱的概率一般在60%以上,发生重旱的概率在20%-60%;综合风险区划结果显示西部白城市大部为春旱高风险区,西部松原市和中部大部为春旱较高风险区,因此,在农业生产中,中西部地区应充分考虑春旱风险,以减轻损失。     

三峡水库蓄水后洞庭湖区农业水旱灾害的风险性及趋势预测

根据洞庭湖区1950-2017年农业水旱灾情资料和1956-2017年的径流量数据,采用水旱灾害受(成)灾率、熵信息扩散理论模型、标准化径流指数(SRI)和重标极差分析(R/S)等方法,分析三峡水库蓄水后洞庭湖区农业水旱灾害的程度、风险性以及趋势。结果表明:在三峡水库蓄水后,(1)水灾受灾率由6.65%降至1.21%,成灾率由2.97%降至0.71%,旱灾受灾率由5.97%降至2.48%,成灾率由2.98%降至0.99%。(2)水旱灾害成灾率在≥5%,≥10%,≥15%和≥20%时,水灾风险概率分别为0.415,0.192,0.057,0.025,旱灾风险概率依次为0.518,0.359,0.037,0.001,水灾风险等级为中低风险(成灾率≥5%,≥10%)、低风险(成灾率≥15%,≥20%),旱灾风险等级为中风险(成灾率≥5%)、中高风险(成灾率≥10%)、低风险(成灾率≥15%,≥20%)。(3)该区水旱灾害风险趋势为水灾风险将呈现减轻趋势,而旱灾风险将呈现增大趋势。     

湖南早稻育秧方式的创新与探索

粮食安全的核心是水稻,南方水稻生产的潜力在双季稻,瓢季稻发展的瓶颈在早稻,早稻生产的关键又在育秧。湖南作为全国水稻生产第一省．针对目前早稻生产中的突出问题．积极创新和探索早稻集中育秧方式,开展了声势浩大的早稻集中育秧示范,取得了显著成效,开创了湖南双季稻生产的新局面。该文认真总结了湖南早稻集中育秧示范的成效与经验,指出了存在的问题,提出了进一步推进早稻集中育秧的对策建议。     

临界温度双低两用不育水稻制种的气候诊断分析与区划

对“临界温度双低两用不育水稻”在湖南制种的适宜性进行了气候诊断分析与区划研究。结果表明，利用临界温度双低两用不育水稻几乎可以在湖南省各市州进行低风险制种，湖南存在大片制种无育性风险且产量较高的区域，且制种安全期较长，便于综合考虑茬口等其它需要。     

我国转基因水稻的环境生物安全评价及其关键问题分析

转基因水稻的商品化种植可能带来潜在的环境生物安全问题,例如：转基因对非靶标生物的影响,外源转基因逃逸及其可能带来的生态后果,转基因植物对生物多样性的影响,以及转基因对土壤微生物群落的影响等。对于转基因水稻的大规模种植进行科学的环境安全评价,有利于其可持续生产和安全利用。从我国的水稻生态系统和水稻种植方式的实际情况出发,结合我国可能进行商品化种植的转基因水稻种类,作者对转基因水稻品种的环境释放和商品化种植可能导致的潜在环境生物安全问题进行了科学和理性的分析。根据风险评价的原则（风险% = 危害性 × 发生概率）,本文特别对抗病、虫和抗除草剂转基因水稻的商品化种植可能带来的直接和间接影响进行了分析和讨论,希望能为转基因水稻商品化种植的决策提供参考,并为转基因水稻的环境安全性评价提供科学依据。     

影响湖南早稻生产的五月低温的风险评估

五月低温是影响湖南双季早稻的一种常见的低温冷害。近年来,五月低温发生频率较大,影响早稻生产,对粮食安全生产造成威胁。本文根据湖南省96个气象站1961-2009年5月逐日气象资料和湖南省《气象灾害术语和分级》地方标准,系统分析了五月低温的地域分布特征和发生时段的分布规律。并根据低温对水稻影响的原理,综合考虑低温发生的不同时段和低温程度对冷积温的意义,改进了冷积温计算方法,创建了当量冷积温。同时利用五月低温强度指数,结合湖南早稻种植实际情况,定量评估了基于早稻种植现状的五月低温的生产风险。结果表明：湘北和湘中地区发生五月低温的气象风险较高,且是早稻种植主产区,早稻生产的低温风险较大,是防范重点区域;湘南等地早稻五月低温气象风险小,仅在五月低温发生较重的年份须注意防范;湘西虽是五月低温气象风险的高发区,但由于该区域双季早稻种植面积小,低温对早稻生产影响不大。最后提出了各区域双季早稻生产安排防灾避灾的建议。     

基于信息扩散理论的南方双季早稻气象灾害风险评估

小满寒（GBC）和高温热害（HTD）是影响南方双季早稻生长发育及产量形成最主要的农业气象灾害。为了提高双季早稻气象灾害的预测预报能力,利用双季稻区142个站点1960-2012年常规气象观测数据,根据前人研究的关于小满寒和高温热害临界气象指标,统计分析各站点历年发生小满寒和高温热害次数,运用信息扩散理论对双季早稻种植区各站点进行精细化风险评估。结果表明：（1）双季早稻小满寒及高温热害年平均发生次数空间分布差异显著,小满寒发生次数由南向北大致呈逐级递增趋势,呈明显的带状分布,高温热害频发区主要集中在湖南衡阳、双峰、郴州一带,江西大部分地区以及浙江金华、衢州、丽水附近,湖北甲鱼、武汉、黄石以及安徽安庆部分地区。（2）小满寒和高温热害至少发生1次及以上的概率值空间分布特征较为相似,大部分地区均表现为明显的高概率区,重现期较短,再现率较高;小满寒及高温热害超越概率值低概率区随着年发生次数的增加而逐渐减小。（3）随着年发生次数的明显增加,早稻小满寒及高温热害重现期短的站点数减少,重现期长的站点数相应增加。     

基于热害累计指数的四川单季稻高温热害综合风险评价

高温热害是四川主要农业气象灾害之一,研究高温热害对水稻的风险区划,对保障水稻产量及农业可持续发展有重要意义。本文利用四川单季稻种植区1986-2015年气象观测资料、农业气象观测资料、社会统计资料以及基础地理信息资料,以单季稻生育敏感期（抽穗扬花期和灌浆结实期）为研究时段,选取热害累积指数、地形、产量变异度、农村经济等因子,分别构建了危险性、脆弱性、暴露性和防灾减灾能力4个风险因子,利用灰色关联度方法构建了四川单季稻高温热害"四因子"风险评价模型并对种植区进行风险区划。结果显示,高风险区主要分布在盆东平行岭谷区、盆中浅丘区、盆周边缘山地区的西部,以及盆南丘陵区的南部,该类型区域地势平缓,高温热害频繁。中等风险区主要集中在盆西平丘区和川西南中山山地区,该类型区域灌溉条件优越,社会经济水平发达,应对高温热害风险水平较高。低风险区主要集中在川西南中山宽谷区以及盆周边缘山地区,该类型区域地形较复杂,水稻种植较少,受高温热害影响偏小。四川盆地单季稻高温热害风险存在显著地区差异,应根据各自区域的风险特征选用适合的品种和方式提高防灾减灾能力。     

四川省水稻综合气象灾害风险区划

本文利用1981—2012年四川省82县的水稻单产资料,采用HP滤波法,进行水稻气象产量分离,分歉收年和成灾年两个年型,研究四川省水稻单产平均减产率、减产率变异系数和不同等级减产率风险概率的空间分布特征,并基于成灾年风险区划指标,开展四川省水稻综合气象灾害风险区划。结果表明:HP滤波法可用于四川省水稻气象产量分离,四川省水稻气象产量具有显著的准4 a、7 a周期振荡特征。平均减产率从西南向东北方向呈现"高–低–高"分布特征,80%以上县歉收年平均减产率介于2%～7%,成灾年平均减产率介于6%～15%。各县歉收年减产率变异系数介于0.6～2.2,成灾年减产率变异系数介于0～1.2;减产率变异系数相对高值区位于西南山地西部、盆地南部和盆地北部山地。各级减产率风险概率大值区主要集中于广元和巴中地区,还包括盐亭、古蔺、盐源、越西等县。四川省水稻综合气象灾害高风险区主要分布于盆地北部、盆地南部和西南山地西部等山区,中等风险区主要分布于盆地丘陵区及盆周低山区,低风险区主要分布于盆地平原、浅丘区和凉山州中东部。风险区划结果与四川省气象灾害分布和水稻农业气象灾害分布的研究成果相吻合,可为四川省水稻防灾减灾提供科学依据和重要参考。     

中国稻作与旱作生产的气象减产风险评价

本研究利用直线滑动平均模型对中国各省区1950-2006年旱作和稻作的趋势产量进行了模拟,计算出历年的气象产量,并采用减产率指标、减产率浮动性指标、高风险概率指标3个评价指标以及综合性指标进行了气象产量的气候变化减产风险评价,同时采用变异系数对我国各省产量波动状况进行了分析,并将各指标与年平均降水变率、年平均气温变率进行耦合分析。结果表明,旱作高减产风险和波动风险主要分布在华东和华南地区,而稻作则体现为由南向北风险逐渐增加。年平均降水变率和年平均气温变率高的地区,其水稻气象减产风险较大。由于人口增长和经济发展的压力,中国农业面l临着应对气象减产和保证粮食增产的双重压力。     

四川省水稻高温热害风险及灾损评估

高温热害是四川省最主要的农业气象灾害之一,研究高温热害对水稻的影响对于四川省农业可持续发展、保障水稻的安全生产具有重要意义。本文以1981—2015年四川省84个气象台站的逐日气象资料、农业气象观测站水稻生育期资料和县级水稻产量资料为基础,利用水稻高温热害指数,构建四川省水稻关键生育期和全生育期综合高温热害风险模型;分离水稻气象产量,建立高温热害影响下水稻气象产量与高温热害指数间的统计模型,开展1981—2015年四川省水稻高温热害风险和灾损评估。研究结果表明：四川省水稻抽穗扬花期,高温热害较高风险区和高风险区主要集中在盆地东北大部和盆地南部的个别地区,其中达州、广安和泸州的部分地区为高风险区。而低风险区主要分布在盆地西部、南部和川西南的大部地区。灌浆结实期,水稻高温热害较高风险区和高风险区主要集中在盆地东北和盆地南部的大部分地区,其中泸州大部、南充和宜宾的个别地区为高风险区。而低风险区主要分布在盆地北部、西部和川西南的大部地区。水稻全生育阶段高温热害较高风险区和高风险区主要集中在盆地东北和盆地南部的大部分地区,其中泸州、南充和达州的部分地区为高风险区。而低风险区主要分布在盆地北部、西部和川西南的大部地区。构建的水稻高温热害灾损评估模型简单实用,验证结果表明高温热害年水稻统计产量与模拟产量间的相对误差绝对值都小于1.5%,建立的模型能反映四川省高温热害对水稻产量的影响,同时能够较好地评估高温热害下四川省水稻的产量损失。进一步的灾损评估结果表明,高温热害危害下代表站点水稻的减产率为5.6%~10.2%。     

江苏水稻高温热害气象指数保险风险综合区划

以江苏省为例,利用1980-2015年气象资料和水稻观测数据,基于Logistic曲线方程构建高温热害保险气象指数,并分别采用正态分布、正态对数分布和Weibull分布三种参数模型,以及基于信息扩散方法的非参数模型对水稻高温热害发生概率进行拟合。通过拟合优度检验发现,非参数模型可以较好地估算江苏各县水稻孕穗-抽穗扬花阶段高温热害发生概率,进而结合最优拟合模型,考虑农业保险的经营需求,从致灾因子危险性、孕灾环境敏感性、承灾体易损性、防灾减灾能力四个方面出发,确定相应评估指数并构建综合指数,采用聚类分析的方法进行县级水平的水稻高温热害保险风险综合区划。评估分析表明,江苏水稻高温热害保险风险呈现“西南高东北低”的特征,中高风险区是需要依靠农业保险转移风险的重点关注区域。     

基于水稻产量的江苏省稻麦轮作区土壤质量评价

为明确江苏稻麦轮作区土壤质量状况,本研究基于2008—2015年期间江苏省稻麦轮作区10 681个测土配方施肥样点的数据,通过相关性和主成分分析筛选了江苏省稻麦轮作区的最小数据集(minimum data set, MDS),并对土壤质量进行评价。结果表明:基于水稻产量分析,江苏省稻麦轮作区的最小数据集包括有机质、有效磷、速效钾、有效铁和有效硼。基于最小数据集得出的江苏省土壤质量指数(SQI-MDS)范围在0.136～1.000之间(均值0.674),整体处于"良Ⅱ"等级,与基于全量数据集得出的土壤质量指数(SQI-TDS)之间呈极显著正相关关系(R²=0.720),这说明最小数据集能够较好地代替全量数据集指标。江苏省稻麦轮作区土壤质量存在空间异质性,里下河农业区土壤质量最高,其次是太湖农业区,再者是宁镇扬、沿江、沿海和徐淮农业区。江苏省六大农业区的最小数据集存在差异性,这说明不同农业区主要的限制因素存在差异。整体来看,有机质、钾元素和微量元素是江苏省六大农业区主要肥力限制因子。     

Influence of water regime on growth,yield, and nitrogen uptake of rice

Abstract

Greenhouse and field experiments were conducted to study the effects of water regime on growth of rice. The greenhouse experiment investigated the effects of two water regimes‐continuous flooding and flooding with soil drying between crops for 2 to 3 weeks on the growth of rice during six cropping (for six week each) on seven soils varying widely in total N contents (0.07 to 0.35%). The results averaged for the 7 soils indicated that the drymatter production or N uptake of rice was not affected by the water regimes during the six croppings.

The field experiment conducted during the dry season for two consecutive years (1976 and 1977) on a near neutral clay soil studied the effects of three water regimes (continuous flooding alternate flooding and soil drying every 2 weeks, and continuous flooding with 2 weeks mid season soil drying after 6 weeks of transplanting) and three levels of fertilizer N (0, 100 and 200 kg N/ha as urea) on grain yield and N uptake of rice. The results confirmed the absence of any significant reduction in grain yield or N uptake as a result of any of the soil drying treatments during the growing season on the unfertilized plots carrying a rice crop. On the plots fertilized with 100 or 200 kg N/na, alternate flooding and drying resulted in a significant depression in both grain yield and N uptake. Soil analysis supported heavy losses of N in the fertilized plots that underwent alternate flooding and soil drying apparently by nitrification and denitrification reactions.

The results of this study suggest that alternate flooding and drying of soils in the presence of established rice plants itiay not cause a significant loss of nitrogen in unfertilized plots although in plots fertilized with high rates of N the losses may be large as indicated by the performance of rice crop.