【正文】 ｗｏｍｅｔｈｏｄｓｔｏ ａｓｓｅｓｓｍｅｎｔＡｎｈｕｉｗｈｅａｔ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｄｉｓａｓｔｅｒｓｒｉｓｋ．Ｆｉｒｓｔ，ｅｓｔａｂｌｉｓｈｅｄｈｉｓｔｏｒｉｃａｌｌｏｓｓ ｂａｓｅｄ ｐｒｏｂａｂｉｌｉｔｙｍｏｄｅｌ，ａｎｄｄｒａｗｎｄｉｆｆｅｒｅｎｔｌｅｖｅｌｓｌｏｓｓｒａｔｅ ｐｒｏｂａｂｉｌｉｔｙ ｄｉｓｔｒｉｂｕｔｉｏｎ ｍａｐ．ＳｅｃｏｎｄｌｙＴｈｅｓｔｕｄｙ ｃｈｏｓｅ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｄｉｓａｓｔｅｒ ｉｎｄｅｘ ｇｒｅａｔｅｒ ｔｈａｎ ０．２５ ＩＩＩ ｐｒｏｂａｂｉｌｉｔｙ ａｓ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｈａｚａｒｄ ｉｎｄｉｃａｔｏｒｓ，ａｔ ｓａｍｅｔｉｍｅｉｎ仃ｏｄｕｃｅｄ ｅｘｐｏｓｕｒｅ ｉｎｄｉｃａｔｏｒｓ，ｄｉｓａｓｔｅｒｅｎｖｉｒｏｎｍｅｎｔａｌ ｓｔａｂｉｌｉｔｙ ｉｎｄｉｃａｔｏｒｓａｎｄｄｉｓａｓｔｅｒ ｍｉｔｉｇａｔｉｏｎｉｎｄｉｃａｔｏｒｓ， ａｄｏｐｔ ＡＨＰｍｅｔｈｏｄｄｅｔｅｒｍｉｎｅｖａｒｉｏｕｓｉｎｄｉｃａｔｏｒｓ ｗｅｉｇｈｔｃｏｅｆｆｉｃｉｅｎｔ，ｅｓｔａｂｌｉｓｈｅｄＡｎｈｕｉ ｗｈｅａｔ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｄｉｓａｓｔｅｒ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｍｏｄｅｌ，ｃａｌｃｕｌａｔｅｄ ｖａｒｉｏｕｓ ｒｅｇｉｏｎ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｄｉｓａｓｔｅｒｒｉｓｋｉｎｄｅｘ．Ｕｓｅｒｉｓｋｉｎｄｅｘａｎｄ ｐｒｏｂａｂｉｌｉｔｙ ｔｈａｔｌｏｓｓｒａｔｅ＞１０％ｔＯ ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ，ｓｈｏｗｅｄｃｏｒｒｅｌａｔｉｏｎ ｅｘｔｒｅｍｅｌｙｓｉｇｎｉｆｉｃａｎｔ（Ｒ＝０．４２，Ｐ＜Ｏ．０１）．Ｕｓｅ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｄｉｓａｓｔｅｒｒｉｓｋｓｉｎｄｅｘｄｒａｗｄｉｓｔｒｉｂｕｔｉｏｎ ｍａｐ ｗｉｔｈ ＧＩＳ，ｓｈｏｗｅｄｄｉｓａｓｔｅｒｒｉｓｋ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｌｏｎｇ ｔｈｅｌａｔｉｔｕｄｉｎａｌ ｇｒａｄｉｅｎｔ，ｉｎＡｎｈｕｉ，ｓｉｇｎｉｆｉｃａｎｔ ｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｎｏｒｔｈ ａｎｄｓｏｕｔｈ，ｄｉｆｆｅｒｅｎｔｓａｒｅａｓｈａｖｅｄｉｆｆｅｒｅｎｔｓ ｔｙｐｅｓ ｏｆｄｉｓａｓｔｅｒｓａｎｄｄｉｓａｓｔｅｒｃｏｎｄｉｔｉｏｎｓ．Ｂｕｔ ｂｏｔｈｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ ｌｏｗ?。猓澹悖幔酰螅澹螅椋睿纾欤?ｌｏｓｓｉｎｄｉｃａｔｏｒｓ ｅｍｂｏｄｙｐｏｔｅｎｔｉａｌ ｄｉｓａｓｔｅｒ ｒｉｓｋ ｉｎｃｏｍｐｌｅｔｅ。 再次，建立了災(zāi)害風(fēng)險(xiǎn)評(píng)估模型，對(duì)安徽省小麥氣象災(zāi)害進(jìn)行了風(fēng)險(xiǎn)評(píng)估。得出了安徽省小麥主要?dú)庀鬄?zāi) 害為干旱災(zāi)害，澇漬災(zāi)害、冬季凍害，晚霜凍害以及干熱風(fēng)災(zāi)害。本研究為了克服樣本少而帶來(lái)的 信息不完備的缺陷，采用模糊數(shù)學(xué)中信息擴(kuò)散的方法，計(jì)算了各種單災(zāi)種災(zāi)害以及 綜合災(zāi)害的不同級(jí)別災(zāi)害指數(shù)發(fā)生的概率，并且繪制了各災(zāi)害的超越概率曲線(xiàn)（ＥＰ 曲線(xiàn)），進(jìn)一步對(duì)各種災(zāi)害發(fā)生、分布規(guī)律進(jìn)行了分析。利用氣象災(zāi)害風(fēng)險(xiǎn)指數(shù)在ＧＩＳ下制作分布 圖，從圖上看，安徽省小麥氣象災(zāi)害風(fēng)險(xiǎn)大體上呈現(xiàn)緯度梯度分布，南北差異顯著， 不同地區(qū)災(zāi)害種類(lèi)及成災(zāi)條件不同。２０世紀(jì)中期，風(fēng)險(xiǎn)被逐步引入到了自然災(zāi)害這一研究 領(lǐng)域佗’。１對(duì)氣象災(zāi)害風(fēng)險(xiǎn)內(nèi)涵的認(rèn)識(shí) 氣象災(zāi)害風(fēng)險(xiǎn)是自然災(zāi)害環(huán)境和承災(zāi)體共同組成的復(fù)雜系統(tǒng)，是天、地、人綜合 作用的結(jié)果ｎ卜坫’。孕災(zāi)環(huán)境因素既有可能增加災(zāi)害風(fēng)險(xiǎn)，也有可能減輕災(zāi) 害風(fēng)險(xiǎn)。劉麗在進(jìn)行 災(zāi)害風(fēng)險(xiǎn)評(píng)判時(shí)，在危險(xiǎn)性、易損性分析的基礎(chǔ)上，提出了工程防御能力評(píng)判，然后 綜合三者進(jìn)行保險(xiǎn)風(fēng)險(xiǎn)度分析，并且提出了其相關(guān)的數(shù)學(xué)模型心”?；诟怕试u(píng)估的 風(fēng)險(xiǎn)評(píng)價(jià)模型將災(zāi)害風(fēng)險(xiǎn)看成是一種隨機(jī)過(guò)程，假設(shè)風(fēng)險(xiǎn)概率符合特定的隨機(jī)概率分 布，運(yùn)用特定的風(fēng)險(xiǎn)概率函數(shù)來(lái)擬合風(fēng)險(xiǎn)，雖然相對(duì)于極值風(fēng)險(xiǎn)模型有所進(jìn)步，但是 沒(méi)有考慮對(duì)災(zāi)害不確定性的描述，而且要求掌握大量的樣本資料，不同模型間擬合的 差異也較大，可比性較差。 隨著計(jì)算機(jī)技術(shù)的發(fā)展，３ｓ技術(shù)也被逐漸的運(yùn)用到氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估中，為災(zāi)害 風(fēng)險(xiǎn)評(píng)估提供了有力的工具，許多學(xué)者利用這項(xiàng)技術(shù)進(jìn)行了諸如干旱、澇漬等一系列 的氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估。 我國(guó)農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)研究大至開(kāi)始于２０世紀(jì)９０年代，以２００１年為界，分為兩個(gè) 階段，即災(zāi)害風(fēng)險(xiǎn)分析方法探索階段和災(zāi)害影響評(píng)估的風(fēng)險(xiǎn)化、數(shù)量化技術(shù)研究發(fā)展 階段Ｃ３９）９就研究的側(cè)重點(diǎn)而言，主要集中在兩個(gè)方面：農(nóng)業(yè)氣象災(zāi)害造成的農(nóng)作物 損失風(fēng)險(xiǎn)研究和單災(zāi)種農(nóng)業(yè)氣象災(zāi)害發(fā)生風(fēng)險(xiǎn)研究。杜鵬和李世奎建立了一個(gè)３層逐 級(jí)放大的農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)分析模型，并且將此模型運(yùn)用到珠江三角洲荔枝生產(chǎn)的氣 象災(zāi)害風(fēng)險(xiǎn)分析中來(lái)九’。商彥蕊對(duì)河北省旱災(zāi)脆弱性影響因素進(jìn)行了分析， 建立了旱災(zāi)脆弱性評(píng)估指標(biāo)體系，并以縣為單位進(jìn)行了旱災(zāi)脆弱性評(píng)估四’。 １．４風(fēng)險(xiǎn)評(píng)估在農(nóng)業(yè)保險(xiǎn)中的應(yīng)用研究 保險(xiǎn)是風(fēng)險(xiǎn)的管理手段。日本農(nóng)作物保險(xiǎn)費(fèi)率也 是按照風(fēng)險(xiǎn)等級(jí)確定劃分九’。自２００８年４月安 徽省開(kāi)始了政策性農(nóng)險(xiǎn)試點(diǎn)工作，目前安徽省農(nóng)業(yè)保險(xiǎn)實(shí)行的是全省統(tǒng)一經(jīng)營(yíng)方法、 統(tǒng)一費(fèi)率。 （３）綜合對(duì)危險(xiǎn)性、暴露性、以及脆弱性要素進(jìn)行風(fēng)險(xiǎn)研究，有助于弄清特 定地區(qū)的農(nóng)業(yè)氣象災(zāi)害成災(zāi)機(jī)理和特點(diǎn)，相關(guān)成果可以為新險(xiǎn)種設(shè)計(jì)提供參考。其次，結(jié)合災(zāi)害風(fēng)險(xiǎn)評(píng)估指標(biāo)體系， 采用層次分析法（ＡＨＰ），建立了小麥氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估模型，并且計(jì)算了全省小麥 氣象災(zāi)害風(fēng)險(xiǎn)指數(shù)。其中淮北平原主要種植半冬性小麥品種：淮河以南冬小麥品種以春性較多， 但近年來(lái)半冬性品種播種面積逐步擴(kuò)大。不同時(shí)期的干 旱對(duì)小麥的影響機(jī)理和效果是不同的。１９６１”－２０００年安徽省小麥平均每年凍 害受災(zāi)面積２０．６萬(wàn)公頃，成災(zāi)面積１４．４萬(wàn)公頃，分別占耕地面積的８．３８９６和５．８３％。春澇漬會(huì)導(dǎo)致小麥莖蘗競(jìng)相生長(zhǎng)，無(wú)效分蘗退化推遲，致使田間郁蔽，32 / 32。小麥拔節(jié)到抽穗時(shí)期是小麥需水臨界期，此時(shí)是冬小麥 對(duì)水分最敏感的時(shí)段（孕穗～抽穗～灌漿期），出現(xiàn)在這個(gè)時(shí)段的干旱造成的小麥 減產(chǎn)最為嚴(yán)重，同時(shí)旱災(zāi)的持續(xù)時(shí)間越長(zhǎng)、強(qiáng)度越大，損失越重。據(jù)近５０年 的資料，在成災(zāi)面積１０萬(wàn)公頃以上的各類(lèi)氣象災(zāi)害中，旱災(zāi)占出現(xiàn)總次數(shù)的３２％， 僅小于水災(zāi)的４２％（７４１其影響范圍廣、持續(xù)時(shí)間長(zhǎng)，對(duì)小麥造成的損失嚴(yán)重。安徽省小麥主要種植于江淮分水嶺 以北地區(qū)，其中淮河平原降水偏少，以種植早作物為主，小麥?zhǔn)腔幢逼皆闹饕?收作物，小麥播種面積占夏收作物的９３％，占全省小麥播種面積的５２％；江淮之間 中北部地區(qū)越冬作物以小麥和油菜為主，小麥面積占越冬作物的３８％，占全省小麥 面積的８％。 （２）建立安徽省小麥風(fēng)險(xiǎn)評(píng)估模型。以風(fēng)險(xiǎn)評(píng)估為基礎(chǔ)，計(jì)算安徽省小麥氣象災(zāi)害風(fēng)險(xiǎn)指數(shù)，并且 結(jié)合地理分區(qū)、行政分區(qū)，系統(tǒng)的對(duì)安徽小麥災(zāi)害風(fēng)險(xiǎn)地理分布進(jìn)行區(qū)劃，是農(nóng)業(yè) 保險(xiǎn)決策承保的一項(xiàng)基礎(chǔ)工作，可以為小麥承保決策尤其是差別費(fèi)率的實(shí)施，提供 科學(xué)的依據(jù)，對(duì)農(nóng)業(yè)保險(xiǎn)的可持續(xù)發(fā)展具有重要意義”168。張友祥等在研究我國(guó)農(nóng)業(yè)保險(xiǎn)發(fā)展面臨 時(shí)認(rèn)為，農(nóng)業(yè)保險(xiǎn)區(qū)域劃分經(jīng)營(yíng)是農(nóng)業(yè)保險(xiǎn)發(fā)展的客觀要求，是農(nóng)業(yè)保險(xiǎn)發(fā)展 現(xiàn)實(shí)的必然選擇‘７∞。如美國(guó)以不同 地區(qū)冰雹發(fā)生的頻次為依據(jù)，分為若干個(gè)風(fēng)險(xiǎn)區(qū)，費(fèi)率水平與風(fēng)險(xiǎn)水平相對(duì)應(yīng)。對(duì)于農(nóng)作物來(lái)說(shuō)，氣象災(zāi)害對(duì)農(nóng)作物 傷害的風(fēng)險(xiǎn)與該農(nóng)作物遭受的各種氣象災(zāi)害息息相關(guān)，而且氣象災(zāi)害對(duì)農(nóng)作物的影響 還與該農(nóng)作物所處的地理環(huán)境、該農(nóng)作物的脆弱性以及人為地抗災(zāi)能力有關(guān)。朱琳等根據(jù)趨勢(shì)產(chǎn)量和實(shí)際產(chǎn)量計(jì)算氣象減產(chǎn)量，確定旱災(zāi)的強(qiáng)度，綜合考 慮了災(zāi)損率、易災(zāi)性和抗災(zāi)能力的災(zāi)害構(gòu)成要素，計(jì)算了陜西省冬小麥干旱風(fēng)險(xiǎn)‘５168。王克等認(rèn)為正態(tài)模型不一定是最佳（很多時(shí)候，單產(chǎn)序列并不服從正態(tài)分 布），他引用了矩比率圖作為模型選擇標(biāo)準(zhǔn)，選擇風(fēng)險(xiǎn)擬合模型，并且將這種方法運(yùn) 用到中國(guó)主產(chǎn)區(qū)玉米生產(chǎn)風(fēng)險(xiǎn)進(jìn)行了分析和評(píng)估168。