海南岛农业台风灾害风险评估与可持续发展对策

聂超甲，叶回春，张世文，郭佳炜，崔 贝，黄文江

海南岛农业台风灾害风险评估与可持续发展对策

聂超甲1,2,3，叶回春1,2,3※，张世文4，郭佳炜1,2，崔 贝5，黄文江1,2,3

（1. 可持续发展大数据国际研究中心，北京 100094；2. 中国科学院空天信息创新研究院，数字地球重点实验室，北京 100094；3. 海南空天信息研究院，海南省地球观测重点实验室，三亚 572029；4. 安徽理工大学地球与环境学院，淮南 232001；5. 中国科学院遗传与发育生物学研究所，北京 100101）

海南岛是中国台风频发地区之一，开展海南岛农业台风灾害风险评估研究，可为海南岛优化农业种植布局和加强农业防灾减灾提供技术支撑。该研究基于自然灾害系统理论和方法，结合海南岛气象、自然地理与社会经济等要素，综合考虑致灾因子危险性、孕灾环境暴露性、承灾体脆弱性，研究构建了海南岛农业台风灾害风险评估方法与指标体系，并基于2001－2020年历年海南岛台风发生数据进行了海南岛农业台风灾害风险评估，在此基础上提出了农业台风灾害防灾减灾与可持续发展对策。结果表明，海南岛农业台风灾害风险指数处于0.40～0.80之间，平均0.61，整体上呈现出北部及沿海地区的灾害风险高于中部山区的趋势；致灾因子危险性、孕灾环境暴露性在全岛北部和沿海地区指数较高，承灾体脆弱性在琼海、陵水和三亚等市县指数较高。同时提出了3种农业台风防灾减灾与可持续发展对策，包括调整农业种植布局、提升风险监测预警能力和加强农业政策保险投入等。海南岛各市县农业台风灾害风险的差异以及相应的对策，可支撑相关部门为不同灾害风险程度区域建立防灾方法提供指导依据。

农业灾害；台风；风险评估；热带农业；可持续发展

0 引 言

台风是一种全球突发性严重的自然灾害，往往带来狂风、暴雨以及风暴潮等，破坏力极强，给受影响地区造成巨大的经济损失和人员伤亡。在台风影响下，农业系统作为敏感的承灾体，更容易受灾[1]。台风对农业生产的危害，主要表现在三个方面：狂风引起作物成片倒伏、茎叶大量损伤和落花落果落粒；暴雨引起山洪暴发，河水泛滥，破坏各种水利设施，带来农田水涝灾害；巨浪与高潮引起沿海地区海水倒灌，淹没农田，使农田盐渍化。中国是世界上登陆台风频率最高、受台风影响最多的国家之一，尤其是有“台风走廊”之称的海南岛，四面环海，地处热带北缘，连年遭受台风侵袭。据报道，海南岛每年因台风造成的农业损失占到自然灾害直接经济损失的80%左右，仅2014年一场台风“威马逊”就造成了全省直接经济损失119.5亿元[2]，给海南岛的农业生产与可持续发展造成了巨大的影响。台风灾害的不确定性、特殊性和复杂性，给海南岛农业防灾减灾工作也带来了很大的困难。因此，为了有针对性地做好农业生产过程中台风灾害防范工作，建立并完善农业防灾减灾体系，开展海南岛农业台风灾害风险评估与可持续发展对策研究就显得尤为必要。

国内外学者对台风灾害已开展了较多的研究，涉及到历史规律[3-4]、风险评估方法[5-7]、评估指标[8-10]等内容。而针对农业角度开展的台风灾害风险评估还相对较少[1]，在农业台风灾害风险评估方法方面，已有的报道主要包括模糊数学方法和多指标综合评估法[11]，其中多指标综合评估法应用广泛。在农业台风灾害风险评估指标体系构建方面，学者应用较多的是“三因子说”，即从致灾因子、孕灾环境和承灾体的角度进行评估，如Laureta等根据这三种因素选择指标分析了台风等气候对菲律宾比科尔河流域的农业的影响[12]；尚志海等对广东省湛江市的水稻进行台风灾害风险评估时也考虑了这三种因素[13]；部分学者在“三因子说”基础上增加了防灾减灾能力形成“四因子说”，如曾玲等对阳江市进行农业台风影响的风险区划[14]、杨忠恩等对浙江省进行风险等级区划[15]时都考虑了防灾减灾能力产生的影响；也有较少的学者采用了“一因子说”和“二因子说”进行风险评估[16-17]。

海南岛作为中国受台风灾害影响最频繁、最多的省份之一，其有关台风对海南岛农业灾害风险评估研究却较薄弱，基本上是围绕某单一作物或单一因素开展的，如黄海静等针对海南岛天然橡胶林开展的风险评估[18]；张忠伟等从致灾因子危险性的角度对海南岛台风灾害风险进行了分析[19]等，未针对整个农业系统开展全面性台风灾害风险评估。本研究基于海南岛农业生产与地理环境特点，综合考虑农业台风灾害的致灾因子危险性、孕灾环境暴露性、承灾体脆弱性，利用遥感、气象、地形和统计资料等多源数据，研究构建海南岛农业台风灾害风险评估指标体系与方法，并进行海南岛农业台风灾害风险评估，在此基础上提出海南岛农业防灾减灾与可持续发展对策，以期为海南岛农业台风灾害的防灾减灾与经济社会的可持续发展工作提供科学参考。

1 材料与方法

1.1 数据来源

本研究选用2001—2020年历年登陆海南岛的台风资料。台风登陆时间和路径数据来源于中国气象局热带气旋资料中心提供的CMA热带气旋最佳路径数据集（https://www.typhoon.org.cn/），台风过程中的风速数据来源于欧洲中期天气预报中心提供的ERA5陆地风速每小时数据集（https://cds.climate.copernicus.eu/），降雨量数据来源于美国地质调查局和地球资源观测科学中心合作的CHIRPS降雨数据集（https://www.ucsb.edu/）；数字高程模型（Digital Elevation Model，DEM）数据来源于地理空间数据云平台（http://www.gscloud.cn/）；卫星遥感数据来源于美国地质调查局EROS中心提供的MOD09A1地表反射率数据（https://lpdaac.usgs.gov/）；农业社会经济数据来源于海南省统计局提供的历年海南岛统计年鉴（http://stats.hainan.gov.cn/）。

1.2 研究方法

1.2.1 海南岛农业台风灾害风险评估指标体系构建

构建合理的指标体系是农业灾害风险评估重要的环节。本研究根据史培军教授提出的区域灾害系统论[20]，认为自然灾害是地球表层异变过程的产物，是致灾因子、孕灾环境与承灾体综合作用的结果，在构建南岛农业台风灾害风险评估指标体系过程中，综合考虑致灾因子危险性、孕灾环境暴露性和承灾体脆弱性，最终确定了海南岛农业台风灾害风险评估指标，见表1，选取依据如下：

1）致灾因子危险性指标。致灾因子危险性是指导致农业台风灾害发生的触发因素及其异常程度，诱发台风对海南岛农业造成灾害的破坏力主要取决于台风发生过程中带来的大风和强降雨，风力过大时，垂直于风向平面上风压可达到每平方米数公斤，给作物造成毁灭性破坏，导致大面积农作物受损、减产。降雨过大时，容易产生农田渍涝和洪涝危害，特大暴雨还会引起的山洪暴发、河流泛滥，冲毁农作物及农业设施[11]。因此致灾因子指标的构建需从大风和降雨两方面考虑，这一观点在农业台风灾害风险研究中应用很多，如徐鹏飞选用了不同等级暴雨、大风的发生天数[16]；刘少军等选用了总降雨量与最大风速[17]等。根据张继权等提出的自然灾害理论，自然灾害危险性主要由灾变强度和活动频次决定[21]，最大风速能够体现某一次台风过程的灾害强度，却无法体现活动频次，本研究考虑台风灾害致灾因子的长期累积作用，将多年历次台风过程的最大风速、总降雨量的累积值表征台风灾害的危险性，以体现出农业台风灾害的灾变强度和活动频次。综上，选择最大风速累积、降雨累积作为致灾因子危险性指标。

2）孕灾环境暴露性指标。孕灾环境是指台风途经地区孕育产生农业灾害的自然环境，暴露于各种危险的因素越多，遭受潜在灾害风险越大。孕灾环境一般包括地理环境、水文、土壤、植被等因素，如刘少军认为台风灾害孕灾环境暴露性是地形、水系和植被等多种因素的综合影响[22]。台风影响下，地形与洪水灾害的发生程度密切相关，地势越低、地形变化越小的地区农田容易形成涝灾，而地形因子影响度可以体现出高程和地形起伏程度两种因素的共同影响[23]；河网越密集，距离河流湖泊越近的地方遭受台风带来洪涝灾害的风险越大[24]；另外，地表植被具有强烈的水土保持和抵挡大风的功能，植被越少，地表越暴露，台风灾害的敏感性越大。综上选用地形因子、河网密度、植被暴露度作为农业台风灾害孕灾环境暴露性指标。

3）承灾体脆弱性指标。承灾体脆弱性是指台风灾害的作用对象受到潜在危险因素影响而造成的损失程度。台风灾害造成的损失不仅取决于台风系统及其过程的强度，也与受影响地区的经济发展水平、人口密度和人类活动范围有关。根据杨忠恩等对浙江省进行热带气旋农业影响风险区划时选择的承灾体指标，认为农业人口密度、单位面积农用地产值、耕地面积占土地面积比重能够体现台风发生时承灾体的脆弱性[15]；刘璐也认为人口密度越大、农业产值越大、农业用地分布越多，台风灾害带来的损害越大[25]。农业发展活动相对落后的地区，其从事农业工作的人口较少、农业产值低，台风灾害发生时，无论台风强度如何，该地区农业受到的灾害影响可能微不足道，而台风发生在农业发展活跃的地区，则会对该地农业造成较大损失。综上选用农业人口密度、单位面积农用地产值、耕地面积占土地面积比重作为农业台风灾害承灾体脆弱性指标。

表1 海南岛农业台风灾害风险评估指标体系及权重

1.2.2 海南岛农业台风灾害风险评估指标数据处理

基于GIS平台，将所有参与评估的风险指标落实到100 m×100 m的栅格上进行处理，各指标的计算方法如下：

1）最大风速累积。根据台风风场模型，台风的影响范围半径通常为300～500 km[10]，本研究选取300 km缓冲圆作为台风影响范围，结合台风登陆时间和路径数据提取出2001－2020年期间海南岛的台风过境时间，利用风速每小时数据，计算每次台风过境时间及前后各3 d时间范围内风速的最大值，并对历年海南岛所有的台风风速最大值求和作为最大风速累积。

2）降雨累积。利用降雨逐日数据，计算每次台风过境时间及前后各3 d时间范围内降雨的累积值，并对历年海南岛所有的台风降雨累积值求和作为降雨累积。

3）地形因子影响度。据地形因子中绝对高程越低、地形起伏程度越小，发生台风洪涝危险程度越高的原则，参考已有研究[23]确定地形因子与台风洪涝危险程度的关系，即地形因子影响度（表2）。其中地形起伏程度是相邻范围地形起伏大小，根据DEM数据计算每个像元邻域范围内的标准差获取。

表2 海南岛农业台风灾害地形因子影响度

4）河网密度。根据DEM数据使用最大坡降法（D8算法）提取河网和流域分布，计算流域面积和各流域中河网的长度，通过计算河网长度与流域面积比值作为海南岛各流域的河网密度。

5）植被暴露度。采用比值植被指数（Ratio Vegetation Index，RVI）表征地表植被覆盖情况，RVI通过计算卫星遥感数据近红外波段与红光波段的比值获取。植被暴露度计算公式如下：

植被暴露度=RVImax−RVImean（1）

式中RVImean为2001—2020年期间每年7—10月的RVI均值，RVImax为海南岛区域内RVImean最大值。

6）农业人口密度。利用统计年鉴数据获取海南岛各市县2001—2020年农业人口数据，通过计算各市县历年农业人口平均值与土地面积的比值作为农业人口密度。

7）单位面积农用地产值。利用统计年鉴数据获取海南岛各市县2001—2020年农业产值数据和耕地面积数据，通过计算各市县历年农业产值平均值与耕地面积产值的比值作为单位面积农用地产值。

8）耕地面积占土地面积比重。根据已获取海南岛各市县2001—2020年耕地面积数据，通过计算各市县历年耕地面积平均值与土地面积的比值作为耕地面积占土地面积比重。

由于所选指标的单位和量级不同，为了计算方便需对各指标数值进行归一化处理[26-27]，即将各指标原始值转为0～1之间的无量纲指标分值。其中地形因子影响度已符合分值要求无需处理，最大风速累积、降雨累积、河网密度、植被暴露度、农业人口密度、单位面积农用地产值和耕地面积占土地面积比重等7个指标采用无量纲化计算公式处理，计算公式如下：

′=X/Xmaxj（2）

式中′与X分别为像元上指标的归一化值和原始值，Xmaxj为指标在所有像元中的最大值。

1.2.3 海南岛农业台风灾害风险评估指标权重确定

农业台风灾害风险各评估指标的合理赋权能够体现风险评估结果是否可靠与科学，考虑到不同层次、不同指标对农业台风灾害风险的贡献度不同，本研究采用定性和定量相结合的层次分析法[28-29]确定指标权重。邀请了共15位从事气象、农业、水文和地理等领域的专家，根据不同指标的重要性对评价指标进行两两比较打分，然后进行以下步骤：1）构建递阶层次结构模型；2）采用1～9及其倒数标度法构造指标判断矩阵；3）一致性检验，当C<0.1时表示判断矩阵的一致性合理，否则需要继续调整判断矩阵；4）计算指标主观权重。最终确定各准则层与指标层指标的权重，权重具体数值见表1。

1.2.4 海南岛农业台风灾害风险评估模型构建

基于自然灾害风险形成机制，引用自然风险指数[30-31]，应用加权综合评价法，建立海南岛农业台风灾害风险评估模型，计算获得海南岛农业台风灾害风险指数（Agricultural Typhoon Disaster Risk Index，ATDRI），值越大表示灾害风险程度也越大，计算公式如下：

式中W、W和W分别代表代表致灾因子危险性指数、孕灾环境暴露性指数和承灾体脆弱性指数的权重；X、X、X分别代表第个指标无量纲化后的值；W、W、W分别代表第个指标的权重。

1.2.5 海南岛农业台风灾害风险等级划分方法

为了直观地反映区域农业台风灾害风险的差异性，采用自然间断点分级法[32]，将海南岛农业台风灾害风险指数从低到高划分为一级、二级、三级、四级和五级共5个等级。基于海南岛农业台风灾害风险指数与等级空间差异性，提出海南岛农业台风灾害防灾减灾与可持续发展对策。

2 结果与分析

2.1 海南岛农业台风灾害致灾因子危险性评估分析

2001—2020年期间，平均每年登陆和影响海南岛的台风约有8个[33]，其中影响较大的台风每年2～3个，在2019年发生最为频繁，达5个之多，主要发生在6－10月份。台风多发带来了较多的大风和强降雨，近20年来海南岛台风过程中的风速极值可达到25.25 m/s，历次台风最大风速的累积值在223.80～714.77 m/s之间，其中文昌市北部最大风速累积值最高，累积值超过700 m/s，整体上沿海地区遭受大风影响明显高于中部地区，平原地区明显高于丘陵山区；历次台风降雨总量的累积值在5 011.91～10 499.52 mm之间，多雨地带主要集中在琼海、万宁、定安、屯昌等东部沿海及中东部地区，降雨量累积超过9 300 mm，并呈现由东部向西部逐渐减少的趋势，近20年台风发生过程中的最大风速累积与降雨累积分布如图1所示。

图1 海南岛农业台风灾害致灾因子各指标分布图

基于致灾因子各指标数据，计算得到海南岛农业台风灾害致灾因子危险性指数，其空间分布如图2所示。全岛致灾因子危险性指数处于0.55～0.87之间，平均0.69；北部和东部沿海地区的危险性指数明显高于中部地区。其中，东部沿海地区包括琼海、万宁、文昌等市县的危险性指数最高，局部超过了0.78；南部和西部的沿海地带致灾因子危险性指数也较高，基本上超过0.72，尤其是儋州和昌江的西海岸也有部分地区超过0.78；中部山区包括五指山、琼中、白沙等市县及周边地区的致灾因子危险性指数相对较低，处于0.55～0.68之间。

图2 海南岛农业台风灾害致灾因子危险性指数分布图

2.2 海南岛农业台风灾害孕灾环境暴露性评估分析

对孕灾环境暴露性的分析综合考虑了地形因子影响度、河网密度和植被暴露程度等因素，孕灾环境各指标空间分布如图3所示。全岛地形因子影响度在0.30～0.90之间，平均0.66；其中，全岛超过55 %土地面积的地形因子影响度在0.70以上，主要分布在沿海及北部等地区；从沿海到中部山区，随着高程和地形起伏程度增加，地形因子影响度逐渐减小（图3a）。全岛河网密度在0～0.23 km/km2之间，平均0.045；其中，河网密度超过0.08 km/km2的区域主要分布在昌江、东方、文昌、万宁和琼中等市县（图3b）。全岛植被暴露度在0～20.79之间，平均14.77，植被暴露度超过16.80的地区占全岛面积的15 %，主要分布在海口、文昌、乐东、儋州、东方和陵水等市县的沿海地带，小于11.6的地区分布在海南岛中部，集中在白沙、琼中、五指山和保亭等市县，呈现从中部山区向四周沿海地区逐渐递增趋势（图3c）。

基于孕灾环境各指标数据，计算得到海南岛农业台风灾害孕灾环境暴露性指数，其空间分布如图4所示。全岛孕灾环境暴露性指数处于0.30～0.86之间，平均0.60，呈现从中部山区向四周沿海地区逐渐递增趋势；其中，海口、文昌、琼海、澄迈、临高、儋州、万宁、东方等北部及沿海的部分地区暴露性指数超过0.66，尤其海口、文昌和琼海3个地区，几乎全区的暴露性指数均处在0.67～0.86之间；而五指山、白沙、琼中及周边地区暴露性指数相对较低，基本处在0.30～0.52之间，占全岛面积的22.60 %；暴露性指数处在0.53～0.59之间的地区相对分散，在儋州南部、乐东北部、屯昌西部、澄迈南部和琼中北部等地区分布较多。

图3 海南岛农业台风灾害孕灾环境各指标分布图

图4 海南岛农业台风灾害孕灾环境暴露性指数分布图

2.3 海南岛农业台风灾害承灾体脆弱性评估分析

海南岛农业台风灾害承灾体各指标包括农业人口密度、单位面积农用地产值、耕地面积占土地面积比重等的分布状况如图5所示。全岛农业人口密度处于0.17～1.03人/hm2之间，平均0.60；其中，海口、临高和陵水等市县的农业人口密度最高，超过了0.9人/hm2；而五指山、白沙和琼中等市县的农业人口密度相对较低，均低于0.34人/hm2；全岛单位面积农用地产值处于5.79～26.98万元/hm2，平均10.55；其中，三亚的单位面积农用地产值最高，达到了26.98万元/hm2；而临高、儋州和海口等市县的单位面积农用地产值相对较低，均未超过7.00 万元/hm2。全岛耕地面积占土地面积比重处于3.34%～22.43%，平均12.82%；其中，海口、临高和琼海等市县的耕地面积占土地面积比重最高，达到了18.62%以上；而五指山、白沙、琼中和保亭等中部山区市县的耕地面积占土地面积比重最低，均低于7.15%。

图5 海南岛农业台风灾害承灾体各指标分布图

基于承灾体各指标数据，计算得到海南岛农业台风灾害承灾体脆弱性指数，其空间分布如图6所示。全岛承灾体脆弱性指数处在0.25～0.72之间，平均0.49，整体上中部山区市县脆弱性指数明显低于其他市县；其中三亚、琼海和陵水等市县的脆弱性指数最高，均超过了0.61；其次是海口、澄迈、临高、定安、万宁和乐东，脆弱性指数也超过0.50；而白沙、琼中、昌江和五指山等中部山区市县的脆弱性指数较低，均低于0.40，其中白沙和琼中为海南岛全岛最低，分别是0.26和0.25。

2.4 海南岛农业台风灾害风险评估与分析

根据海南岛农业台风灾害风险评估指标体系，利用致灾因子危险性指数、孕灾环境暴露性指数、承灾体脆弱性指数，计算得到海南岛农业台风灾害风险指数，并利用风险指数分级方法分为5个等级，最终得到海南岛农业台风灾害风险等级分布图。如图7所示，全岛农业台风灾害风险指数处于0.40～0.80之间，平均0.61，整体上呈现出北部及沿海地区的灾害风险等级高于中部山区的趋势。其中，风险等级为三级及以上的区域面积占全岛面积的74.8%，风险等级为五级（≥0.682）的区域面积占比为15.3%，主要分布在琼海、海口、陵水和三亚等市县；风险等级为四级（0.628～0.681）的区域面积最大，占比为35.2%，主要分布在在文昌、澄迈、临高和定安等市县以及儋州、东方和乐东等市县的沿海地区；风险等级为三级（0.560～0.627）的区域面积也较大，占比为24.3%，分布在儋州、昌江、东方、乐东、万宁和屯昌等市县环中部山区地区；风险等级为一级（≤0.485）和二级（0.486～0.559）区域主要集中分布在白沙、五指山、琼中及周边等山地地区，分别占全岛面积的13.3%和11.9%。

图6 海南岛农业台风灾害承灾体脆弱性指数分布图

图7 海南岛农业台风灾害风险等级分布图

本研究进一步对海南岛各市县的农业台风灾害风险进行评估与分析，如图8所示，主要表现为东部市县台风灾害风险高于西部市县，中部山区市县低于沿海市县。其中，琼海和海口的灾害风险综合指数最高，分别为0.712和0.689，该地区历年台风登陆最为频繁；其次为临高、澄迈、定安、文昌、万宁、陵水和三亚等市县，灾害风险综合指数处于0.647～0.666之间，这些地区历年来不仅受强风和降雨的影响，且地势平坦、地表裸露，农业发展活动又较强，受台风灾害相对风险较大；儋州、昌江、东方、乐东和屯昌等市县风险指数相对东部市县有所降低，灾害风险综合指数处于0.566～0.622；保亭、白沙、五指山和琼中等市县灾害风险相对最小，灾害风险综合指数低于0.540，这些地区处于中部山区，地形条件和较高的植被覆盖程度有利于抵挡大风和洪涝排泄。

注：图中数值为灾害风险综合指数。

3 防灾减灾与可持续发展对策

海南岛是中国乃至世界热带农业主要的生产基地，台风灾害不仅可导致粮食减产，而且造成水土流失，破坏农业生态环境，不利热带农业的可持续发展。因此，开展海南岛农业台风防灾减灾与可持续发展对策研究对减少台风对海南岛经济社会影响具有重要的意义。根据海南岛台风风险的评估分析，提出以下防灾减灾与可持续发展对策。

3.1 遵循台风规律，合理调整农业种植布局

台风往往会带来狂风暴雨，形成洪涝和风灾，造成巨大破坏，严重影响了农业生产。从海南岛农业台风灾害风险评估结果来看，东北部地区农业台风灾害风险重于中西地区、沿海平原地区重于山区地区；台风多发季节为每年6－10月份。因此，必须遵循台风规律，因地制宜，因时制宜，合理调整农业种植布局。琼北地区包括海口、定安、澄迈、临高、文昌等市县，受台风影响风险较大，平均风险指数在0.647以上，发展天然橡胶需做好选址规划、种植防护林等工作；反季节瓜菜、热带水果和花卉布局在平坦的砖红壤地区可望收到较好效果。琼东地区包括琼海、万宁等市县，该地区易遭受台风袭击，往往会导致农作物减产或绝收，应发展抗台风作物（如菠萝、槟榔等）以及冬季瓜菜等。琼南地区包括三亚、陵水等市县，该地区受台风影响也较大，但同时区内具有丰富的光热资源，热带水果尤其是芒果、反季节瓜菜和南繁育种等产业在本区域都具有周期短、效益好的优势；琼中地区包括屯昌、琼中、白沙、五指山等市县，该区域很多丘陵山地及火山丘陵多为砂质土壤、土质松软，有利于根茎类作物生长，可发展葛根和马铃薯产业，也可发展特色瓜菜和柑橘、荔枝、龙眼、红毛丹等水果种植；天然橡胶可在该地区的中西部集中种植。琼西地区包括乐东、东方、昌江、儋州等市县，该地区受台风影响相对较小，但台风带来的局部强降雨容易导致低洼农田淹水、涝灾等，可发展优质水稻种植等，山区可发展天然橡胶种植等。

3.2 增强农户防灾减灾意识，提升风险监测预警能力

农户的防灾减灾意识和现代化灾害风险监测预警能力，能够在农业防治减灾中发挥重要作用。从海南岛各市县农业台风灾害风险评估结果来看，琼海、海口、文昌、临高、澄迈、定安、万宁、陵水、三亚等市县受灾风险较高，尤其是琼海和海口，应该注重增强农户防灾减灾意识，并提升风险监测预警能力，具体举措包括：各级政府应重视防灾减灾工作，强化防风抗风责任意识，建立政府部门、新闻媒体和社会团体开展防风抗风宣传教育的合作机制，普及农户自救互救知识；利用5G网络、遥感、无人机、云计算、大数据等新技术，建立区域性的防灾减灾体系及农业台风灾害风险数据库等。另外，针对三亚等农业经济很高的市县，建议采用建立农业台风灾害损失评估模型，科学评估灾害损失，提升灾后救助空间信息保障能力等多种手段。针对海口、文昌、临高以及万宁东北部、陵水东部等植被暴露度很高的地区，植被覆盖相对较少，对大风起到的减缓作用和洪水排泄作用会较差，建议改善农田生态环境，多栽培防风林和护田林，增强农田生态环境的稳定性和自我调节能力；加强水利基础设施建设，提高抗御水灾的能力。

而对于白沙、琼中、五指山和保亭等市县，虽农业台风灾害风险较低，但地处山区，一旦发生严重灾害，容易引发滑坡、崩塌、泥石流等次生灾害[34]，同时也不利开展抢险救援、灾后调查重建等工作，因此该地区对农业台风灾害监测预警的要求不能忽视。考虑到地形、交通等因素，建议利用卫星遥感、物联网等技术，建设农业台风灾害高风险感知网络，优化农业、水文、气象、森林和地质等灾害监测核心基础站点和常规观测站点布局，形成天空地一体化农业台风灾害风险智能监测感知网络。

3.3 加强农业政策保险投入，创新农险承保理赔模式

农业保险可通过灾后保险公司承保理赔的经营活动，使农民及时得到恢复生产和生活所需要的资金，有利于农民生产和生活的稳定。从海南岛各市县农业台风灾害风险评估结果来看，部分沿海市县风险较高，尤其是琼海、陵水和三亚等市县，农业活动相对发达，一旦灾害发生会比中西部有着更惨重的损失，因此为了保证海南岛农业的可持续发展和农民收入的稳定，建议从保险意识、模式创新等方面加强农业政策保险投入：海南岛农业结构复杂多样，既有规模经营较好的国有企业，也有生产分散的农户，而大部分的小农户有丰富的种植经验，处于自给自足的状态，有一定的抵御风险能力，所以参保的意愿并不强烈，因此海南岛农民的保险意识整体还有待加强；在农业保险理赔过程中，一直面临着信息不对称和经营成本高等问题。利用遥感技术具备宏观、动态、实时等优势，为农业保险定损理赔提供客观、高效的技术支撑，将保险标的空间化，建立承保标的空间数据库和管理信息系统，可有效解决农业保险经营过程中面临的信息不对称、道德风险和效率等问题。

中西部地区农业台风灾害风险相对较小，尤其是白沙、琼中和五指山等山区市县，农业经济效益不高，交通便利性差，很多偏远山区保险公司网点无法全面覆盖，再加上管理制度、工作繁忙和人员有限等主客观因素，导致出现农险协办机构工作质量无法保障、农险协保员推广农业保险业务积极性不高等问题。因此，建议政府加强对该地区农业保险的资金支持力度，通过政策引导、补贴贷款、税收优惠等方式，将更多农户纳入现代农业生产体系，以此提高农户承受自然灾害的能力，提高农户参与农业保险的主体资格能力。

4 讨 论

在已有的农业台风灾害风险评估研究中，针对风速构建致灾因子危险性指标时多选用风速的极值[16-17]，对大风灾害的活动频次表达较弱。本研究选用最大风速累积、降雨量累积指标能够将灾变活动强度和频次结合起来，体现出历年多次台风灾害强度的累积性效应，而不是单考虑某一次台风的灾害强度，更科学地反映出台风过程中各种强度大风或强降雨发生的概率或重现，具备较高的合理性。

目前针对台风灾害风险评估开展的研究，尚没有一个很成熟的农业台风灾害评估理论，本研究从致灾、孕灾、承灾三种因素方面考虑，在构建指标体系时更倾向体现出台风灾情形成的潜在风险，未考虑灾害发生前后防灾减灾能力提升所带来的正面影响，且防灾减灾能力的关键数据不易获取且不全面，故未将防灾减灾能力作为本研究的评估指标。近年来，海南岛自然灾害应急处置和保障能力进一步提高，防灾减灾能力能够在短期和长期对台风带来的农业灾害有影响作用，因此本研究存在一定的不足之处，后续将继续海南岛灾害风险评估更深层次的研究，考虑海南岛防灾减灾能力对农业灾害的恢复作用，优化农业灾害风险评估指标体系，科学划定农业台风灾害风险等级和区域，以期为海南岛农业可持续发展工作的有序推进提供更科学的参考依据。

5 结 论

本研究基于自然灾害系统理论和方法，考虑强风、强降雨造成农业灾害的累积性效应，构建了海南岛农业台风灾害风险评估研究方法，并进行风险评估，得出如下主要结论：

1）海南岛农业台风灾害风险指数处于0.40～0.80之间，全岛平均0.61，呈现出北部及沿海地区的灾害风险等级高于中部山区的趋势；从市县分布来看，琼海和海口风险指数最高，其次为临高、澄迈、定安、文昌、万宁、陵水和三亚等市县，儋州、昌江、东方、乐东和屯昌等市县风险指数较低，保亭、白沙、五指山和琼中等市县风险指数最低。

2）海南岛农业台风致灾因子危险性、孕灾环境暴露性在海口、文昌、定安、澄迈等北部地区及琼海、儋州等沿海地区处于较高水平，在白沙、琼中和五指山等中部地区处于较低水平；承灾体脆弱性在琼海、陵水和三亚等市县处于较高水平，在白沙和琼中等市县处于较低水平。

3）建议从调整农业种植布局、提升风险监测预警能力、加强农业政策保险投入3个方向开展农业防灾减灾与可持续发展工作，如琼东地区优先种植抗台风作物以及冬季瓜菜、偏远山区建立天空地一体化农业台风灾害风险智能监测感知网络、农业活动发达地区引入遥感新技术创新农险承保理赔模式等。

[1] 尚志海，曹海玲，林妙萍，等. 国内农业台风灾害风险评估研究进展[J]. 灾害学，2019，34(2)：168-172.

Shang Zhihai, Cao Hailing, Lin Miaoping, et al. Review of typhoon disaster risk assessment for agriculture in China[J]. Journal of Catastrophology, 2019, 34(2): 168-172. (in Chinese with English abstract)

[2] 陈见，孙红梅，高安宁，等. 超强台风“威马逊”与“达维”进入北部湾强度变化对比分析[J]. 暴雨灾害，2014，33(4)：392-400.

Chen Jian, Sun Hongmei, Gao Anning, et al. Comparative analysis of intensity changes between super typhoons Rammasun (1409) and Damrey (0518) during the period of entering the Beibu Gulf[J]. Torrential Rain and Disasters, 2014, 33(4): 392-400. (in Chinese with English abstract)

[3] Ren H, Ke S, Dudhia J, et al. Wind disaster assessment of landfalling typhoons in different regions of China over 2004-2020[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2022, 228: 105084. DOI: 10.1016/j.jweia.2022.105084.

[4] 夏子龙. 基于Google Earth Engine的中国沿海台风灾害灾情评估[D]. 上海：华东师范大学，2021.

Xia Zilong. China's Coastal Typhoon Disaster Assessment Based on Google Earth Engine[D]. Shanghai: East China Normal University, 2021. (in Chinese with English abstract)

[5] Chen P, Yu H, Xu M, et al. A simplified index to assess the combined impact of tropical cyclone precipitation and wind on China[J]. Frontiers of Earth Science, 2019, 13(4): 672-681.

[6] Wang T, Yang L, Wu S, et al. Quantitative assessment of natural disaster coping capacity: An application for typhoons[J]. Sustainability, 2020, 12(15): 5949. DOI: 10.3390/su12155949.

[7] 高歌，黄大鹏，赵珊珊. 基于信息扩散方法的中国台风灾害年月尺度风险评估[J]. 气象，2019，45(11)：1600-1610.

Gao Ge, Huang Dapeng, Zhao Shanshan. Annual and monthly risk assessment of typhoon disasters in China based on the information diffusion method[J]. Meteor, 2019, 45(11): 1600-1610. (in Chinese with English abstract)

[8] Nguyen K A, Liou Y A, Terry J P. Vulnerability of Vietnam to typhoons: A spatial assessment based on hazards, exposure and adaptive capacity[J]. Science of the Total Environment, 2019, 682: 31-46.

[9] Morimoto J, Aiba M, Furukawa F, et al. Risk assessment of forest disturbance by typhoons with heavy precipitation in northern Japan[J]. Forest Ecology and Management, 2021, 479: 118521. DOI: 10.1016/j.foreco.2020.118521.

[10] 潘金兰，徐庆娟，刘合香. 基于AHP-TOPSIS最优组合赋权的台风灾害风险评估[J]. 南宁师范大学学报（自然科学版），2021，38(1)：60-67.

Pan Jinlan, Xu Qingjuan, Liu Hexiang. Risk assessment of typhoon disaster in South China based on optimal combination weights of AHP-anti-entropy-TOPSIS[J]. Journal of Nanning Normal University (Natural Science Edition), 2021, 38(1): 60-67. (in Chinese with English abstract)

[11] 张忠伟. 基于RS与GIS海南岛台风灾害对橡胶影响的风险性评价研究[D]. 海口：海南师范大学，2011.

Zhang Zhongwei. Study on Hainan Island Typhoon Effects on Rubber and Division of Risk Assessment Based on RS and GIS[D]. Haikou: Hainan Normal University, 2011. (in Chinese with English abstract)

[12] Laureta R P, Regalado R R H, De La Cruz E B. Climate vulnerability scenario of the agricultural sector in the Bicol River Basin, Philippines[J]. Climatic Change, 2021, 168(1): 1-18.

[13] 尚志海，周铭毅，梁其胜，等. 广东省湛江市水稻台风灾害风险评估[J]. 灾害学，2021，36(3)：85-90.

Shang Zhihai, Zhou Mingyi, Liang Qisheng, et al. Risk assessment of rice typhoon disaster in Zhanjiang City of Guangdong Province[J]. Journal of Catastrophology, 2021, 36(3): 85-90. (in Chinese with English abstract)

[14] 曾玲，阮可照，梁筱仪，等. 台风灾害对农业影响的风险分析-以阳江市为例[J]. 广东农业科学，2020，47(10)：158-165.

Zeng Ling, Ruan Kezhao, Liang Xiaoyi, et al. Risk analysis on the impact of typhoon disaster to agriculture: A case study of Yangjiang City[J]. Guangdong Agricultural Sciences, 2020, 47(10): 158-165. (in Chinese with English abstract)

[15] 杨忠恩，金志凤，胡波，等. 热带气旋对浙江省农业影响的风险区划[J]. 生态学杂志，2011，30(12)：2821-2826.

Yang Zhongen, Jin Zhifeng, Hu Bo, et al. Risk division of tropical cyclone affecting agricultural production in Zhejiang Province[J]. Chinese Journal of Ecology, 2011, 30(12): 2821-2826. (in Chinese with English abstract)

[16] 徐鹏飞. 面向农业的台风灾害风险评估[D]. 上海：华东师范大学，2017.

Xu Pengfei. Risk Assessment of Typhoon Disaster for Agriculture[D]. Shanghai: East China Normal University, 2017. (in Chinese with English abstract)

[17] 刘少军，蔡大鑫，田光辉，等. 中国橡胶树种植区台风灾害危险性分区[J]. 广东农业科学，2020，47(9)：134-140.

Liu Shaojun, Cai Daxin, Tian Guanghui, et al. Zoning of typhoon disaster risks in rubber tree planting area of China[J]. Guangdong Agricultural Sciences, 2020, 47(9): 134-140. (in Chinese with English abstract)

[18] 黄海静，杨再强，王春乙，等. 海南岛天然橡胶林台风灾害风险评价[J]. 气象与环境学报，2019，35(5)：130-136.

Huang Haijing, Yang Zaiqiang, Wang Chunyi, et al. Evaluation of typhoon disaster risk for hevea brasiliensis in Hainan island[J]. Journal of Meteorology and Environment, 2019, 35(5): 130-136. (in Chinese with English abstract)

[19] 张忠伟，张京红，赵志忠，等. 基于GIS的海南岛台风灾害致灾因子危险性分析[J]. 安徽农业科学，2011，39(11)：6587-6590.

Zhang Zhongwei, Zhang Jinghong, Zhao Zhizhong, et al. Analysis of risks in Hainan Island typhoon hazard factor based on GIS[J]. Journal of Anhui Agriculture Science, 2011, 39(11): 6587-6590. (in Chinese with English abstract)

[20] 史培军. 再论灾害研究的理论与实践[J]. 自然灾害学报，1996，5(4)：6-17.

Shi Peijun. Theory and practice of disaster study[J]. Journal of Natural Disaster, 1996, 5(4): 6-17. (in Chinese with English abstract)

[21] 张继权，冈田宪夫，多多纳裕一. 综合自然灾害风险管理-全面整合的模式与中国的战略选择[J]. 自然灾害学报，2006，15(1)：29-37.

Zhang Jiquan, Okada Norio, Tatano Hirokazu. Integrated natural disaster risk management: Comprehensive and integrated model and Chinese strategy choice[J]. Journal of Natural Disaster, 2006, 15(1): 29-37. (in Chinese with English abstract)

[22] 刘少军. 基于多信息源的台风灾害实时评估系统研究-以海南岛为例[D]. 成都：成都理工大学，2010.

Liu Shaojun. Reseaching on Dynamic Assessment of Typhoon Disaster System Based on Multi-sources: A Case of Hainan Island[D]. Chengdu: Chengdu University of Technology, 2010. (in Chinese with English abstract)

[23] 周成虎，万庆，黄诗峰，等. 基于GIS的洪水灾害风险区划研究[J]. 地理学报，2000，55(1)：15-24.

Zhou Chenghu, Wan Qing, Huang Shifeng, et al. A GIS-based approach to flood risk zonation[J]. Acta Geographica Sinica, 2000, 55(1): 15-24. (in Chinese with English abstract)

[24] 王鹏，邓红卫. 基于GIS和Logistic回归模型的洪涝灾害区划研究[J]. 地球科学进展，2020，35(10)：1064-1072.

Wang Peng, Deng Hongwei. Study on flood hazard risk zoning based on GIS and Logistic regression model[J]. Advances in Earth Science, 2020, 35(10): 1064-1072. (in Chinese with English abstract)

[25] 刘璐. 宁波市台风灾害综合风险区划与评估[D]. 南京：南京信息工程大学，2018.

Liu Lu. Typhoon Disater Risk Division and Assessment in Ningbo City[D]. Nanjing: Nanjing University of Information Science and Technology, 2018. (in Chinese with English abstract)

[26] 赵振庭，孔祥斌，张雪靓，等. 基于多维超体积生态位的高标准生态农田建设分区方法[J]. 农业工程学报，2022，38(13)：253-263.

Zhao Zhenting, Kong Xiangbin, Zhang Xueliang, et al. Method for zoning high-standard ecological farmland construction using multi-dimensional super-volume ecological niche[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(13): 253-263. (in Chinese with English abstract)

[27] 范习超，秦京涛，徐磊，等. 大型灌区节水水平评价指标体系构建与实证[J]. 农业工程学报，2021，37(20)：99-107.

Fan Xichao, Qin Jingtao, Xu Lei, et al. Construction and empirical analysis of the evaluation index system for the water-saving level of large-sized irrigation districts[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(20): 99-107. (in Chinese with English abstract)

[28] 吴瑞英，孙怀卫，严冬，等. 基于格网数据和博弈论组合赋权的中巴经济走廊洪灾风险评价[J]. 农业工程学报，2021，37(14)：145-154

Wu Ruiying, Sun Huaiwei, Yan Dong, et al. Evaluation of disaster risk in China-Pakistan Economic Corridor by combination weighting based on improved game theory and grid data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(14): 145-154. (in Chinese with English abstract)

[29] Kokangul A, Polat U, Dagsuyu C. A new approximation for risk assessment using the AHP and Fine Kinney methodologies[J]. Safety Science, 2017, 91: 24-32.

[30] Roy D C, Blaschke T. Spatial vulnerability assessment of floods in the coastal regions of Bangladesh[J]. Geomatics, Natural Hazards and Risk, 2015, 6(1): 21-44.

[31] 张美恩，王春乙，宋艳玲，等. 河南省夏花生生育期旱涝灾害危险性评价[J]. 农业工程学报，2022，38(1)：158-168.

Zhang Meien, Wang Chunyi, Song Yanling, et al. Risk assessment of summer peanut drought and waterlogging disaster during growth periods in Henan Province of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(1): 158-168. (in Chinese with English abstract)

[32] 刘希朝，李效顺，蒋冬梅. 基于土地利用变化的黄河流域景观格局及生态风险评估[J]. 农业工程学报，2021，37(4)：265-274.

Liu Xizhao, Li Xiaoshun, Jiang Dongmei. Landscape pattern identification and ecological risk assessment using land-use change in the Yellow River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(4): 265-274. (in Chinese with English abstract)

[33] 陈小敏，李伟光，梁彩红，等. 海南岛主要农业气象灾害特征及防御措施分析[J]. 热带生物学报，2022，13(4)：416-421.

Chen Xiaomin, Lin Weiguang, Liang Caihong, et al. Major agrometeorological disasters in Hainan and their control[J]. Journal of Tropical Biology, 2022, 13(4): 416-421. (in Chinese with English abstract)

[34] Zhuang Y, Xing A, Jiang Y, et al. Typhoon, rainfall and trees jointly cause landslides in coastal regions[J]. Engineering Geology, 2022, 298: 106561.

Risk assessment and sustainable development countermeasures of agricultural typhoon disaster for Hainan Island of China

Nie Chaojia1,2,3, Ye Huichun1,2,3※, Zhang Shiwen4, Guo Jiawei1,2, Cui Bei5, Huang Wenjiang1,2,3

(1.,100094,; 2.,,,100094,; 3.,,572029,; 4.,,232001,; 5.,,100101,)

Typhoons can generally bring the terrible damage for the agricultural production, particularly in Hainan Island with the frequent occurrence. It is a high demand for the accurate and rapid risk assessment on agricultural typhoon disaster, in order to optimize the layout of agricultural planting for the damage prevention and mitigation. Taking the Hainan Island of south China as the study area, this research aims to construct the assessment index system of agricultural typhoon disaster for the sustainable development countermeasures. Some influencing factors were also selected in the natural disaster system, including the rainfall, wind speed, typhoon occurrence time, digital elevation model data, rivers and watersheds, ratio vegetation index, agricultural population, agricultural output value, cultivated land area, and land area during the occurrence of typhoons over many years. Some considerations were then posed on the risk of disaster-causing factors, the exposure of hazard-formative environments, and the vulnerability of hazard-affected bodies. Eight indicators were illustrated for the risk comprehensive assessment model of agricultural typhoon disaster, including the maximum wind speed accumulation, rainfall accumulation, influence index of terrain factor, river network density, vegetation exposure, agricultural population density, output value per unit area of agricultural land, and the proportion of cultivated land in the land area. The relative importance of each index was scored by 15 experienced experts that engaged in the meteorology, agriculture, hydrology, and geography using analytic hierarchy process. Then, the weight was calculated to evaluate the contribution degree of eight indexes for each Criteria layer and index layer, according to the matrix judgment and consistency. As such, the agricultural typhoon disaster risk was determined from the typhoon occurrence data from 2001 to 2020. The agricultural typhoon disaster risks of cities and counties were divided into five levels: level I, II, III, IV, and V. The results showed that: The high risk of agricultural typhoon disaster was found in the study area, where the risk index was between 0.40 and 0.80, with an average of 0.61. The area of agricultural typhoon disaster risk level III and above were accounted for 74.8%. Spatially, the risk of typhoon disaster in the northern and coastal areas was much higher than that in the central mountainous area. Among them, Qionghai and Haikou cities presented the highest risk, with the disaster risk integrated index of 0.712 and 0.689, respectively. The lowest disaster risk was observed in Baoting, Baisha, Wuzhishan, and Qiongzhong cities, with the integrated index of disaster risk all lower than 0.540. The risk of disaster-causing factors and the exposure of hazard-formative environment for the agricultural typhoon were retained at a high level in northern areas (such as Haikou, Wenchang, Ding'an, and Chengmai), and coastal areas (such as Qionghai, and Danzhou), whereas a low level was found in the central areas (such as Baisha, Qiongzhong, and Wuzhishan). The vulnerability of hazard-affected bodies remained at a high level in Qionghai, Lingshui and Sanya, whereas, a low level in Baisha and Qiongzhong. Three countermeasures were also proposed for the prevention and reduction of agricultural typhoon disaster during sustainable development. Specifically, the layout of agricultural planting can be rationally adjusted for the risk monitoring and early warning, according to the typhoon characteristics and the risk distribution of agricultural typhoon disasters. The investment can be expected to strengthen in agricultural policy insurance. The specific measures included: 1) priority should be given to the typhoon-resistant crops, winter melon, and vegetable planting in the Qiongdong region; 2) an intelligent monitoring and perception network can be established using space-sky-terrestrial integration for the agricultural typhoon disaster risk in remote mountainous areas, while the new remote sensing can be introduced in the areas with developed agricultural activities; 3) to innovate the agricultural insurance underwriting and claim settlement mode. The finding can offer the strong support to the disaster prevention and emergency decision-making for the regions with different disaster risk levels.

agricultural disasters; typhoon; risk assessment; tropical agriculture; sustainable development

10.11975/j.issn.1002-6819.2022.23.025

P425.6; X43

A

1002-6819(2022)-23-0237-10

聂超甲，叶回春，张世文，等. 海南岛农业台风灾害风险评估与可持续发展对策[J]. 农业工程学报，2022，38(23)：237-246.doi：10.11975/j.issn.1002-6819.2022.23.025 http://www.tcsae.org

Nie Chaojia, Ye Huichun, Zhang Shiwen, et al. Risk assessment and sustainable development countermeasures of agricultural typhoon disaster for Hainan Island of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(23): 237-246. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.23.025 http://www.tcsae.org

2022-03-04

2022-08-15

中国科学院战略性先导科技专项（A类）资助（XDA19030105）；海南省重大科技计划项目（ZDKJ2019006）；海南省青年自然科学基金项目（420QN293）；中国科学院青年创新促进会项目（2021119）

聂超甲，研究方向为农业生态遥感监测应用。Email：niecj@aircas.ac.cn

叶回春，博士，副研究员，研究方向为农业定量遥感机理与应用。Email：yehc@aircas.ac.cn