引言

气候变暖导致极端天气气候事件增多。2008年1—2月安徽省出现了严重的低温雨雪冰冻灾害，造成1949年以来最严重的一次雪灾。长时间低温、雨雪、冰冻天气给安徽交通、电力、通信、人民生活等方面造成严重不利影响，综合来看是1949年以来持续时间最长、积雪最深、范围最大、灾情最重的一次雪灾。大雪对农业生产也造成了不同程度的影响，其中设施农业、养殖业、渔业和林业受影响较大，大棚、牲畜禽圈舍、渔棚等农业设施倒塌损坏，损失严重；山区毛竹、林木枝条被压裂、压断和压倒，茶园苗圃冻害普遍，越冬作物中油菜损失较重。目前，雪灾的研究主要集中在对于雪灾的成因和监测方法等方面^[1-4]，已有的雪灾评估指标方法研究也基本是针对牧区开展^[5]。而与牧区雪灾相比，南方的雪灾有着不同的特征，在孕灾环境、承灾体脆弱性方面的评价指标差异显著，因此开展南方省份雪灾农业影响定量评估是气候变化背景下的一个新课题，在2008年雪灾发生过程中我们从各个渠道收集了比较系统的逐日农业灾害损失数据，为探索雪灾定量评估研究方法提供了有利条件。

1 资料来源和分析方法 1.1 资料来源

2007年12月28日至2008年2月14日全省所有台站的逐日实时气象资料(主要包含平均气温、最高气温、最低气温、积雪深度)来源于安徽省各气象观测站上传数据，历史气象资料(1954年12月至1955年1月、1969年1—2月和1984年1—2月这几个时段全省有资料台站的逐日平均气温和最低气温资料)来源于气候中心。各地市农业灾情资料来源于各市气象局灾情上报资料(市民政局)，全省农业灾情资料来源于省民政厅和省农委。

1.2 分析方法 1.2.1 积雪覆盖率

按气象观测规定雪覆盖地面达到测站四周能见面积一半以上时，称为积雪。有积雪的日子称为积雪日^[6]，并测量积雪深度。由于没有积雪面积的观测，且该次降雪强度大，因此我们假定当某站某天为积雪日时，该站所在的县(市)全部为积雪覆盖。定义一定区域内的积雪覆盖率等于该区域内的积雪面积与该区域的国土面积之比(公式1)。将要计算区域内有积雪台站所代表的县(市)的国土面积相加，得到区域内的积雪面积，进而计算出某区域的积雪覆盖率。

$ 某区域的积雪覆盖率 = \frac{区域内积雪面积}{该区域总国土面积} \times 100\% $

(1)

1.2.2 单站雪灾强度指标

雪灾强度指标的确定应考虑地域差异。针对不同的评估对象，指标构成的侧重点也不一样。由于历史上安徽省发生大雪灾的频率较小，因此没有制定过雪灾强度指标。通过查阅文献，参照据青海省技术监督局颁布的《气象灾害标准》(DB63/T372—2001) 中的雪灾等级评估指标^[7]，结合安徽的雪情实况确定了安徽省单站雪灾强度指标(表 1)。将雪灾强度分为4级，1级为轻灾，2级为中灾，3级为重灾，4级为特大灾。

灾害造成的损失大小不仅取决于灾害强度的大小，而且还与孕灾环境的脆弱性和承灾体的敏感性关系密切。由于此次雪灾主要受害的农作物为油菜和蔬菜，小麦受害程度相对较轻，针对这一特点，孕灾环境的脆弱性主要考虑油菜和蔬菜的种植比例。即某台站油菜和蔬菜的播种面积越大，受到的损失可能就越大。由于本文仅用了2008年的雪灾数据，作物基本处于同一发育时段，因此未做承灾体敏感性订正。

油菜种植比例：

$ {\alpha _y} = \frac{{{S_y}}}{{{S_c}}} $

(2)

蔬菜种植比例：

$ {\alpha _s} = \frac{{{S_s}}}{{{S_c}}} $

(3)

承灾体脆弱性系数：

$ \alpha = {\alpha _y}{\alpha _s} \times 100 $

(4)

S_yj和S_sj分别为某台站油菜种植面积和蔬菜种植面积，S_cj为该台站农作物播种总面积。

$ {f_j} = \sum\limits_{i = 1}^m {{\alpha _j} \times {z_{ij}}} $

(5)

其中f_j为某站的雪灾综合强度指标，z_ij为某站某级别的雪灾强度等级，α_j为某台站脆弱性订正系数。i为某强度等级，m为雪灾等级数，j为某台站。

1.2.3 区域雪灾强度指标

定义某区域的灾害综合强度为该区域内各台站雪灾强度的面积加权平均值，由此得到该区域雪灾综合强度指标(公式6)。

$ f = \sum\limits_{i = 1}^m {\sum\limits_j^n {\alpha \times {s_j} \times {z_{ij}}} } $

(6)

其中f为区域雪灾综合强度指标，z_ij为该区域内某站某级别的雪灾强度等级，α为该台站脆弱性订正系数，s_j为该台站占全区的面积权重，i为某强度等级，j为某台站, m为雪灾等级数，n为台站数。

1.2.4 灾害损失评估模型

由于缺乏历史雪灾灾情动态监测资料，而且不同年代衡量雪灾损失的标准不同而不具有可比性，因此采用2008年灾情资料进行农业损失影响评估。采用统计方法建立灾害损失与雪灾强度指标之间的动态监测评估模型。

2 雪灾发生特点 2.1 降雪和积雪时间长、范围广

根据安徽省气候区划，全省分为6个区，分别为淮北区、沿淮区、江淮区、大别山区、沿江江南、皖南山区。1月10日至2月6日，全省连续发生5次全省性降雪，雨雪的持续时间达28 d，超过1954年(持续16 d)和1969年(持续16 d)，成为有资料以来降雪持续时间最长的一年。全省各区域在降雪和雪灾的严重程度等方面具有不同特征。根据公式(1) 计算出6个区和全省的逐日积雪覆盖率(图 1)。1月底至2月初连续一周几乎全省都被积雪覆盖。其他大部分时间全省的积雪覆盖率也在50%以上。其中淮北地区积雪时间最短，其次是沿淮；大别山区、江淮地区和沿江江南是积雪时间最长的地区。

2.2 积雪深度最大的区域位于江淮之间和沿江江南

雨雪期间(1月10日至2月6日)，积雪深度最大的区域集中在大别山区和江淮中部地区，与历史上较大的雪灾年1984年相比，积雪面积和分布较为相似，1984年江南东部地区积雪深度大于2008年，而2008年沿淮和淮北地区积雪深度略大于1984年。

2.3 极端最低气温明显高于历次雪灾年

比较全省20世纪50年代以来发生的3次比较大的雪灾(1954年12月至1955年1月、1969年1—2月和1984年1—2月)降雪过程中的极端最低气温，可以看到1969年和1954年极端最低气温≤-10 ℃的台站数占有资料台站数的65%~85%，极端最低气温≤-15 ℃的台站数，也分别占到了1/3和2/3，而极端最低气温的最小值更是都达到了-20 ℃以下。1984年极端最低气温≤-10 ℃的台站数占有资料台站数的47%，极端最低气温≤-15 ℃的台站数很少。而2008年极端最低气温≤-10 ℃的台站数为11个站，占有资料台站数的14%，且极端最低气温最小值均高于-15 ℃(表 2)。

3 雪灾的农业经济损失评估 3.1 单站评估模型

利用安徽省各地市2008年1月20日至2月12日逐日雪灾强度和对应的农业直接经济损失数据建立一个适用于各台站的单站雪灾损失评估模型。由于各地经济发展水平不平衡，直接农业经济损失不具有地区间的可比性，因此采用相对农业经济损失(E_r)作为因变量，雪灾综合强度指标f为自变量建立单站灾害损失评估模型(共有16个样本)。

E_r的计算公式为：

$ {E_r} = \frac{{{E_s}}}{{{E_a}}} \times 100\% $

(7)

其中，E_s为某市雪灾年的农业直接经济损失(单位：亿元)，E_a为该市前一年的农业总产值(单位：亿元)。

通过统计分析，得出该模型为S型曲线形式：

$ {E_r} = \frac{1}{{\frac{1}{{11}} + 3.2233 \times {{0.0825}^f}}}({R^2} = 0.5413) $

(8)

通过0.05的显著性水平检验。

由该模型式(8) 可估算全省各市的相对农业经济损失E_r，然后根据式(7) 计算出各市的直接农业经济损失E_s，将各市的雪灾直接农业经济损失累加即可估算出全省雪灾农业经济损失。

3.2 全省评估模型

相应地，将全省1月20日至2月12日逐日雪灾强度和全省农业直接经济损失建立全省雪灾损失评估模型。由于用的是全省数据，不存在不同市之间的平衡问题，因变量直接用农业经济损失(E_s)，自变量用全省平均灾害强度$ {f_s}\left( {{f_s} = \sum\limits_{i = 1}^m {} } \right)(\sum\limits_j^n {{\alpha _{ij}} \times {s_j}} ) $(由于全省农业直接经济损失数据逐日资料有间断，因此共有14个样本)。

得到的评估模型为S型曲线形式：

$ {E_s} = \frac{1}{{\frac{1}{{58}} + 1.351 \times {{0.120}^{fs}}}}({R^2} = 0.925) $

(9)

通过0.01的显著性水平检验。

对单站评估模型和全省评估模型用于估算全省农业直接经济损失的模拟效果比较看(图 2)，单站评估模型和全省评估模型的模拟值和实际农业经济损失均具有很高的相关性。

3.3 评估模型的回代

对单站评估模型和全省评估模型分别进行回代，得到逐日动态农业经济损失评估值，并与实际值进行对比(图 3)。结果表明单站评估模型的平均相对误差在30%左右，全省评估模型为20%左右。随着直接经济损失的加大，相对误差减小。

全省评估模型因为资料来源统一，连续性好，所以误差较小。单站评估模型由于数据来自不同的地区，一致性和完整性难以保证，因此误差大于全省评估模型，但是单站评估模型是自下而上的评估模型，评估结果包含的信息量大于全省模型，既可进行分市评估，又可进行全省评估，而且随着样本数的增多，模型误差将会逐步减小。

4 雪灾的农作物产量影响分析

从历史上典型雪灾年的越冬作物产量分析可以看出，1969年和1955年减产明显，而1984年基本未减产(表 3)。分析其原因，越冬作物的减产程度一方面直接受冬季严寒程度影响，研究表明当温度达到-3~-5 ℃，油菜叶片开始受冻，-7~-8 ℃冻害较重。甘蓝型油菜在-8.8 ℃下髓部受冻，茎输导组织在-11.4 ℃时受冻致死^[8]。当低温干旱同时发生时，更易发生油菜死苗现象。另一方面，来年春季的气象条件则决定了遭受冻害作物的恢复程度。1955年和1969年冬季严寒(表 2)，春季水热条件也不好，1955年春季气温偏低1 ℃左右(与1971—2000年平均值比较)，3月份降水偏多20%~50%，考虑到气候变暖因素，当年春季气温基本正常，降水偏多是导致江淮之间小麦和沿江江南油菜的减产因素。1969年春季气温偏低1 ℃左右，越冬作物春发缓慢，冬季冻害难以恢复。3月份降水全省偏少，4月份沿淮淮北和江淮之间降水偏多40%~100%，小麦普遍遭受湿害，导致主产区小麦减产严重，油菜发育期早于冬小麦，对其影响较小。1984年冬季严寒程度轻，春季气温偏高，降水偏少，有利于越冬作物的春季发棵，恢复生长，因此越冬作物的最终产量基本没受影响。

2008年雪灾过程的雪量和积雪持续时间对油菜生长影响显著, 但是由于低温程度明显弱于历史雪灾年(表 2)，油菜种植区最低气温均在-8 ℃以上，平均气温在-5 ℃以上(图 4)，油菜受冻较轻，损失主要是由机械损伤造成。2月下旬后至油菜收获期，安徽省油菜主产区的旬平均气温一直偏高或持平(图 5)，加上光温水配合适宜，油菜中后期生长情况良好，减轻了冬季雪灾对油菜产量的影响。据安徽省农委的信息：2008年安徽省油菜单产达2154 kg/hm²，同比增长2.8%。

5 结论和讨论

(1) 2008年1—2月安徽省发生的特大雪灾，其主要特点为降雪和积雪时间长、范围广，积雪深度最大的区域位于江淮之间和沿江江南，和历史上较大雪灾相比，极端最低气温明显高于历次雪灾年。雪灾对设施农业、养殖业、渔业、林业以及越冬作物中的油菜影响较大。

(2) 建立了基于逐日资料的单站和全省农业经济损失评估模型，可进行动态雪灾损失评估。评估结果表明，单站评估模型的平均相对误差在30%左右，全省评估模型为20%左右。单站评估模型包含的信息量大，可以弥补一些地区灾情资料不能及时上传的不足，但全省评估模型的准确性较高。

(3) 农业经济损失的雪灾单站强度指标，主要针对2008年雪灾的特点，以积雪深度和持续时间来确定雪灾等级，未考虑温度等其他气象要素；综合强度指标中的脆弱性指数由于资料所限仅考虑了种植面积较大且受灾较重的油菜和蔬菜，未考虑更易受雪灾影响的茶叶以及畜牧业、林业、渔业等经济价值更高的农业对象，而且尚未考虑承灾体在不同时间对同一灾害的敏感性差异因素，因此还有待于雪灾资料不断积累后的进一步修正完善。

(4) 本文主要进行了雪灾农业经济损失定量评估研究，并进行了雪灾对农作物产量影响的定性分析。农作物产量的雪灾损失与极端最低气温关系密切，其定量评估指标和方法将有待于进一步完善。