关键生育期淹涝胁迫对黑龙江省水稻的影响

2019年在黑龙江省庆安县选用龙稻18、绥粳18两个水稻品种进行孕穗期淹水试验,分别设定3个淹水深度（1/3株高、2/3株高、3/3株高）、2个淹水历时（3 d、7 d）共12个淹水处理,测定淹水前后的分蘖数、株高及收获后的结实率、穗结实粒数、千粒重及产量等。结果表明:水稻淹水后,分蘖数与对照相比呈减少趋势,总体上,随着淹水深度加大、淹水历时加长,水稻分蘖数减少幅度加大;水稻受淹后与淹水前相比,株高的增长率高于对照增长率,总体表现为淹水深度愈深、淹水历时愈长,水稻株高增长率愈大,在一定程度上可以说明适度的淹涝胁迫对水稻植株生长具有刺激作用;不同淹涝胁迫均导致水稻减产,全淹没7 d减产最严重,龙稻18结实率、穗结实粒数仅68%、72粒,比对照明显偏低,减产率达66%,而绥粳18结实率、穗结实粒数、千粒重更是分别低至59%、42粒、17.5g,远低于对照,导致减产率高达81%,淹水深度1/3 h、2/3 h、3/3 h处理的两个品种平均减产率依次为39%、47%、62%,淹水持续3 d、7 d的平均减产率分别为43%、56%,可见随着淹水深度加深、淹水历时加长,水稻减产幅度加大;淹涝胁迫对两个供试水稻品种生长和产量的影响程度存在差异,比较而言,淹涝胁迫对绥粳18的影响重于龙稻18。     

中国农业气象灾害对作物产量的影响

根据中国主要作物产量、受灾面积和气象条件等相关资料，详细分析了全国主要农业气象灾害的分布地区、季节特点及变化特征。结果表明：干旱、洪涝和冷冻害是影响作物产量的主要气象灾害，而各种灾害均有明显增加的趋势。旱灾是最严重的灾害，受灾面积是洪涝面积的2．3倍。分析了全国主要农业气象灾害对作物产量的严重影响，玉米和大豆产区主要是旱灾，早稻和晚稻产区主要是冷害和洪灾，一季稻和棉花产区主要是洪涝和旱灾，冬小麦和油菜产区的严重减产主要受冻害影响。     

黑龙江省主要农业气象灾害演变特征及对水稻产量的影响

基于1982-2016年黑龙江省洪涝、干旱、低温冷害、冰雹等农业气象灾害数据及水稻产量数据,将研究期划分为1982-1990、1991-2000、2001-2010和2011-2016年4个阶段,引入受灾比和灾害强度指数,采用数理统计、灰色关联分析方法,研究黑龙江省农业气象灾害演变特征,构建灾害与水稻产量的数理模型。研究结果表明:①洪涝和干旱是影响黑龙江省主要的农业气象灾害,而低温冷害和冰雹相对较弱;②洪涝的受灾范围和灾害强度均呈下降趋势,而干旱则呈先升后降趋势,冰雹受灾范围变化不大,灾害强度呈上升趋势,低温冷害均变化不大;③黑龙江省农业气象灾害对水稻产量为负效应影响,从受灾范围看,干旱为最关键灾害,其次为洪涝,低温冷害和冰雹影响相对较小;从受灾强度看,4种农业气象灾害影响黑龙江省水稻产量强弱依次为冰雹、洪涝、低温冷害、干旱。     

1961-2011年黄淮海地区极端降水时空变化特征

基于Arc GIS平台,分析了黄淮海地区1961-2011年最大1 d、3 d和5 d降雨的时空变化特征,同时利用Pearson-III分布对其进行拟合,对比1985年前后10年一遇和50年一遇最大1 d、3 d和5 d降雨的变化情况。研究结果表明:1961-2011年黄淮海地区最大1 d、3 d及5 d降水整体有下降趋势,1995年后下降趋势更为明显;海河流域极端降水量下降幅度较大,洪涝灾害风险近年来有降低趋势;淮河流域整体上存在上升趋势,但2005年后出现下降趋势,整体上洪涝风险有加剧趋势。     

太湖流域北部潜在洪涝风险区分析及影响评估

太湖流域历来遭受严重的洪涝灾害,并且近年来有不断加重的趋势。本文选择太湖流域北部的无锡市作为典型研究地区,研究其洪涝的危险性并进行潜在损失评估。人类活动,包括修筑圩区、森林破坏、人口增长、城市化等,对这个地区的洪涝形势有较大的影响;自然条件的变化使河道水位升高,洪涝历时缩短,洪峰增高。本文选择不同回归年(2,5,10,20,50年),结合地理信息系统分析模型,计算了潜在洪涝危险区域和洪涝损失,主要结论为:(1)人类活动已经改变了自然的洪涝形势,增大了汇流和洪涝;(2)洪涝危险区与降雨中心有关;(3)筑圩成功地保护了圩内的土地,缩短了洪涝历时,增高了圩外河道的洪涝水位;(4)经济发展使洪涝损失增加。     

暴雨洪涝敏感性影响因子分析及评估--以江西安义县为例

由于区域地理环境存在差异,洪涝敏感性影响因子的选取主要根据区域地理特征及个人经验确定,缺乏统一的标准、系统的分析和科学的评价。洪涝灾害与影响因子之间是复杂的、多变量的非线性关系,与研究区的地质、地貌、土地覆盖等诸多因素密切相关。针对不同的研究区域,搜集尽可能全面的影响因子并对其进行优化选取是实现洪涝敏感性准确评估的前提和保证。南昌市安义县位于潦河中下游,是洪涝灾害的主要受灾区域。基于遥感影像数据和地理信息系统技术,以安义县为例开展暴雨洪涝敏感性影响因子分析及评估研究。首先,利用成灾前后哨兵一号雷达影像提取安义县2016年6月30日至7月5日暴雨洪涝的淹没范围,选取高程、降水、用地类型、距河流距离、坡度等15个洪涝敏感性影响因子。然后,基于随机森林模型对15个影响因子进行重要性排序,按照排序结果对影响因子逐步精简,并基于神经网络模型对影响因子进行优化选取。最后,基于优化选取后的影响因子,采用神经网络模型进行安义县洪涝敏感性评估,并用实例验证洪涝敏感性评估结果的可靠性。研究结果表明,在精简收敛指数、坡向、剖面曲率、地形位置指数和汇流动力指数5个最不重要的影响因子后,神经网络模型的性能有一定提升;敏感性等级为中等及中等以上区域主要分布在潦河两岸,约占安义县总面积的1/3,近70%的洪涝分布在敏感性中等及中等以上区域,洪涝发生在洪涝敏感性等级为中等及中等以上区域的可能性非常大,洪涝敏感性评估结果与安义县实际情况相符。     

登陆广东的热带气旋对水稻产量的影响评估

利用1983-2010年登陆广东省的热带气旋(TC)资料、该省及其各市水稻产量、早稻与晚稻发育期等资料,借用数理统计方法分析了TC对水稻产量的影响,再采用个例分析法,建立了不同时间登陆广东的TC级别与水稻减产率的对应关系。结果表明:(1)当热带风暴或强热带风暴在早稻或晚稻生长后期登陆、台风在早稻或晚稻生长中期登陆时,登陆地区或附近地区早稻或晚稻单产与上年比减产5%~7%,应发布中等级别的灾害预警。(2)当台风在早稻或晚稻生长后期登陆时,登陆地区或附近地区早稻或晚稻单产与上年比减产8%~12%,应发布重等级别的灾害预警。利用所建立的评估指标对1117号台风"纳沙"进行了评估,评估结果基本符合实际产量的灾损情况,说明评估指标可应用于实际业务。     

江西农业气象灾害的时空演变及其对ENSO特征值的响应

利用线性分析和灰色关联分析法,分析了1970-2014年江西省主要气象灾害的时空演变,及其对主要农作物总产量影响的大小及各项ENSO特征指数对总受灾面积的影响。结果表明:(1)受灾率在30%以下的发生概率比较高,达86.67%。受灾率每10 a增加2.858%,成灾率则每10 a增加1.639%。其中,洪涝、低温、风雹、旱灾受灾率每10 a分别增加2.244%,-0.034%,1.049%和0.59%。(2)对主要农作物总产量影响大小依次为洪涝低温风雹旱灾。(3)洪涝灾害主要分布在赣东北、赣北赣中地区,区域性和阶段性干旱严重,主要出现在中南部,旱灾受灾率总体呈北少南多的区域分布特征。(4)ENSO特征值对农业气象灾害受灾面积的影响大小总体上表现为Nino 1+2Nino 3Nino 3.4Nino 4,其中Nino 1+2和Nino 3区海温距平对江西省的农业气象灾害影响最大,应予以重点监测。     

基于多时相HJ影像的水稻洪涝灾情和产量监测

洪涝灾害是影响水稻生产的重要逆境因子。利用多时相HJ卫星影像数据评估了2012年辽宁洪涝灾害对水稻的影响。类似于土壤线,首先基于洪涝浑浊水体像元建立了水体线WL(NIR=0.693 1RED+0.022 7),并以此定义水体浑浊指数WTI和垂直植被指数PVI来分别监测洪涝水体的泥沙含量和水稻作物产量,对PVI与地面实测产量数据进行了相关分析,建立了灾后水稻产量与PVI的线性回归方程Yield=50 279PVI-2 804.1。研究结果表明,泥沙含量越高,水稻受灾越严重,产量越低。WTI可用于监测洪水泥沙含量,PVI则与水稻产量具有极显著的相关关系(R2=0.965),洪涝灾害对水稻的影响不仅可以从水稻收获前的遥感影像进行估测,更能够在洪涝灾害发生后及时进行估测,对洪涝灾后的水稻实际生产具有一定的指导意义。     

基于GIS的乡镇级洪涝水淹风险研究

洪涝灾害是最严重的自然灾害之一。乡镇排水系统差,相关数据与技术受限,脆弱性高,亟需技术支持。空间信息技术在洪涝灾害研究中主要采用被动遥感与GIS,但被动遥感数据获取困难,以灾后评估为主。提出了一种基于GIS的乡镇级洪涝水淹风险分析方法,服务于洪涝灾前评估;以湖北省随州市何店镇为研究区,主要应用开源数据资料,根据历史降雨、土壤和地形等特征分析不同重现期的降雨与积水过程,划分水淹风险等级,并提供避险建议。结果表明,研究成果基本符合实地调研情况,能够较准确地反映研究区水淹风险,可为乡镇级洪涝灾害科学决策提供有效的数据与技术支持。