引言

涝渍灾害是长江中下游小麦生产上常见的气象灾害之一，尤以春季涝渍灾害影响为重。3—5月是长江中下游地区小麦生长的关键期，在此期间，若出现阴雨寡照和耕作土层过湿，则易导致小麦根系缺氧、光合作用减弱、灌浆期缩短和千粒重下降等问题，对最终产量造成影响(张浩等，2015；朱津辉等，2014)。20世纪90年代以来，受全球气候变暖影响，长江下游地区小麦生长季日照时数呈下降趋势，阴雨寡照天气增多，暖冬和频发的涝渍灾害为小麦生长后期的病虫草害提供了有利的滋生条件(金之庆等，2001)，严重威胁着该区小麦安全生产。因此，有必要深入开展春季涝渍灾害对小麦产量的影响和动态监测气象指标研究，并将研究成果应用到涝渍灾害动态监测、预警、评估中，及时开展针对春季涝渍灾害的气象为农服务。目前，国内有关涝渍灾害监测方法和气象指标的研究很少且都集中在江淮流域。黄毓华等(2000)、马晓群等(2003)、盛绍学等(2009)先后构建、修订了江淮流域冬小麦涝渍灾害判别指数，建立灾害损失评估模型，开展了相应区域的风险评估研究；吴洪颜等(2012；2013) 曾验证阴湿系数，并据其开展了江苏省冬小麦春季涝渍灾害的风险区划和预警预测工作。以上研究工作为开展区域涝渍灾害的监测评估发挥了重要作用，但是，所用涝渍灾害的监测指数均以旬尺度气象资料为基础，时间跨度大，监测效果滞后，更适用于灾后评估。本文以江苏省为研究区，从涝渍灾害对小麦生长的危害成因出发，兼顾作物需水量和渍水时间，在阴湿系数模型的基础上，采用Logistic曲线描述渍水日的影响程度，构建冬小麦春季涝渍指数模型，实现涝渍程度逐日动态监测，旨在为研究区小麦生产提供农业气象灾害监测和预警决策服务。

1 资料和方法 1.1 资料来源

1961—2010年共59站逐日气温(单位：℃)、日照(单位：h)、降水(单位：mm)、风速(单位：m·s^-1)资料来自江苏省气象信息中心；冬小麦产量(单位：kg·hm^-2)资料来自1961—2010年《江苏省统计年鉴》^*；基础地理信息数据(1 250000) 来自国家基础地理信息中心；1961—2010年灾情数据由江苏省气象台提供。

* http//www.jssb.gov.cn/tjxxqk/tjsj/tjng/jstjnj2014/index_212.html

1.2 数据处理方法 1.2.1 提取相对气象产量

在农作物产量数据处理过程中，通常将实际产量y分离为依社会整体生产水平而变化的趋势产量y_t、随历年气象条件而变化的气象产量y_w以及随机误差ε三部分，随机误差ε常忽略不计。

$y = {y_t} + {y_{\rm{w}}} + {\rm{\varepsilon }}$

(1)

式中，趋势产量y_t很难用一种简单的函数来模拟，本文中将产量序列逐步滑动分段，采用基于灰色系统GM(1, 1) 模型逐段滑动平均，用于模拟趋势产量(汤志成和高苹，1996)。

求得y_t后，由式(1) 可得气象产量y_w，为进一步消除生产力增长对气象产量y_w的干扰，常使用式(2) 计算相对气象产量y_R, 当y_R＜0时，称为减产率。

${y_{\rm{R}}} = \frac{{{y_{\rm{w}}}}}{{{y_t}}} \times 100\% $

(2)

1.2.2 修订逐日涝渍指数

冬小麦春季涝渍灾害是受降水、日照以及土质地形等因素共同影响所造成的危害，其中，多雨、寡照为小麦涝渍灾害的直接诱因。江苏省平原面积大，具有地势低平、水网密布、土壤粘渍和地下水位较高等特点，在作物生长过程中地下水补给、渗漏影响变化较小，可不考虑。因此，在引用黄毓华等(2000)的阴湿系数模型的基础上，用小麦生长过程中水分供需比替代降水百分率，结合日照百分率反映研究区或某一时段小麦生长的水分盈亏状况，生物学意义更为直观。

${Q_i} = \frac{{(R - E{T_c})}}{{E{T_c}}} - \frac{{(S - {S_0})}}{{{S_0}}}$

(3)

式中, Q_i为日涝渍指数，R为日降水量，ET_c为作物日需水量(孙爽等，2013；康绍忠等，1994)，S为日照时数，S₀为可照时数。

1.2.3 构建涝渍指数模型

涝渍灾害对小麦的危害主要是因时间延长而加重，其是一个累积过程。研究表明(闻瑞鑫等，1997)，小麦孕穗、抽穗期间，通常受渍3~5 d就会轻微阻碍作物生长；10~15 d渍水，小麦生长严重受阻；15~20 d渍水，麦苗开始出现枯亡。可见，一次天气过程中日阴雨量对涝渍灾害的贡献呈“S”型曲线增长规律，符合Logistic曲线过程。因此，采用Logistic曲线定量描述逐日阴雨的影响(乔嘉等，2011；张乐勤和陈发奎, 2014, 张芳华等，2016)，构建冬小麦春季涝渍指数模型。

$Q = \sum\limits_{j = 1}^n {\sum\limits_{i = 1}^m {{\lambda _i}} } {Q_i}$

(4)

式中，n为3—5月连续阴雨过程数，m为过程雨日(m≥3)，Q_i为日涝渍指数，λ_i为逐日影响系数，由Logistic曲线方程获得：

${\lambda _i} = \frac{1}{{1 + \alpha {e^{ - \beta \;{t_i}}}}}$

(5)

Logistic曲线实质是一个拉长的“S”形累积增长曲线，其一阶导数为速度函数。那么，当速度函数的二阶导数值为0时，Logistic曲线方程的增长速率出现拐点，此时有：

$\begin{align} & {{t}_{l}}=\frac{\ln \alpha -1.317}{\beta } \\ & {{t}_{r}}=\frac{\ln \alpha +1.317}{\beta } \\ \end{align}$

(6)

两个速度拐点(t_l, t_r)将Logistic曲线划为渐增期(0, t_l]、快增期(t_l，t_r]和缓增期(t_r，+∞)三个区间。本文以涝渍灾害临界天数5、10 d对应曲线速率拐点，通过式(6) 确定Logistic曲线方程参数[式(5)]，α=51.985，β=0.526，由回代公式(5) 得到图 1，据各站逐日反演结果确定单过程最长持续天数为16 d。

2 结果分析 2.1 春季涝渍指数与气象产量分析

根据式(4) 计算1961—2010年研究区域各站3—5月逐过程(≥3 d、≥4 d、≥5 d)涝渍指数，对春季涝渍指数与气象产量做相关分析，发现两者呈负相关(表 1)。其中，以≥4 d的阴雨过程计算的涝渍指数与气象产量相关性最显著，这说明一次阴雨过程达到4 d及以上即可能对小麦生长造成影响。因此，本文中界定涝渍过程为连续4 d以上的阴雨天气。从相关系数(≥4 d)的空间分布上(图 2)看，江淮淮北中西部、沿江苏南大部分地区春季渍涝指数与小麦气象产量呈显著负相关(|r|=0.2787，通过α=0.05的显著性水平检验)，其中，江淮中部及沿江苏南东部地区相关性超过α=0.01显著性水平检验；淮北沿海、丰沛及苏南西南部未达到显著相关，就淮北部分地区而言，连续阴雨过程少(春季降水偏少)是相关性差的主要原因，而苏南部分地区则可能是因地形影响或小麦种植面积过小、产量代表性差所造成的。

2.2 涝渍过程与气象产量分析

分析春季涝渍指数与小麦气象产量高显著相关(|r|＞0.361) 的20个站于1961—2010年的涝渍年份，发现各站出现1次涝渍过程的年份比率最高，为40.0%，其次为2次涝渍过程，为25.2%, 年发生5次以上涝渍过程的比率最少，为1.9%，其中仅宜兴站在2002年出现了6次过程。对涝渍年的春季涝渍指数和相应的小麦气象产量分类平均可见，随着年发生涝渍过程的数量增加，Q值增大，小麦气象产量下降，即每增加一个涝渍过程，气象产量平均下降5%(表 2)。

为进一步了解春季多次涝渍过程对小麦产量的综合影响，将各涝渍过程指数值逐步叠加并与小麦气象产量做相关分析发现(表 3)，过程涝渍指数与气象产量的关系随着涝渍过程的增加而密切，累积效应显著，其中1、2和3次涝渍过程与气象产量相关性通过α=0.01显著性水平检验。

2.3 灾损评估及灾害等级指标

据相关分析结果，将江苏划分为三个区域：高显著相关区域(20站)、显著相关区域(18站)及不显著区域(21站)。在前两个区域中春季涝渍指数与小麦气象产量的关系呈显著直线趋势(表 4)，即随着Q值增加，气象产量线性下降(图 3，显著区域的拟合图略)，方程均通过0.01显著性水平检验。

利用以上损失评估方程，并综合考虑冬小麦受灾实况和阴雨持续天数来确定涝渍指数的临界值及可能减产率，以其作为划分标准，将冬小麦春季涝渍灾害划分为轻、中、重三个等级，用于灾害评估(表 5)。

2.4 应用效果检验

2014年4—5月，淮河以南地区出现两次连续阴雨过程(4月15—19日、5月17—20日)，大部分地区降水偏多1~9成。涝渍监测模型计算结果显示(图 4a)，沿江苏南部分地区指数值较大(Q≥2.0)，局部超过5.0，判断该地区冬小麦出现轻度涝渍灾害，估算产量损失在5%以内。从图 4b中看到当年苏南和沿江东部地区气象产量在-5%~0，局部减产超过5%，可见预估结果与实况较为吻合。至于苏南西部地区，虽然涝渍指数达到轻度灾害标准，但小麦减产并不明显，可见丘陵岗地的影响需加以考虑。

3 结论与讨论

基于Logistic曲线构建涝渍灾害判别指数模型，初步量化了持续阴雨日数对小麦受渍的影响权重，也实现了涝渍灾害逐日动态监测。通过春季涝渍指数与小麦气象产量的相关分析发现两者呈显著线性负相关，高相关区主要位于江淮淮北中西部、沿江苏南大部分地区，而淮北沿海、丰沛及苏南西南部未通过显著性水平检验；历史涝渍年中以1~3次涝渍过程为主，5次以上的出现较少，涝渍过程每增加1次，小麦即可能减产5%；根据阴雨日数、指数临界值及可能减产率将冬小麦春季涝渍灾害划分为三个等级，用于灾后评估和灾损预测。2014年，指数模型在春季涝渍灾害监测中得到应用，监测结论与气象产量的空间分布较为一致，具有业务应用价值。

此外，在模型反演中也发现，由于降水百分率偏离程度大于日照百分率，一旦遇极端降水，逐日涝渍指数会出现异常峰值(几率在4%左右)，干扰了涝渍灾害的准确判别。因此，如何解决涝渍指数的极大值问题将是我们下一步的研究重点。