《Journal of Hydrology: Regional Studies》：Dynamic assessment of drought disaster risk based on maize growth stages in Northeast China
编辑推荐：
本研究针对传统干旱评估缺乏作物生长阶段动态视角的问题，以2018年东北玉米主产区为案例，构建了融合TVDI遥感监测与四维风险因子（危险性-脆弱性-暴露性-应急恢复力）的动态评估框架。研究发现干旱风险在出苗-拔节期达到峰值，且社会农业暴露因子（玉米种植面积、农业人口）的贡献度（47.54%）显著高于气候致险因子，揭示了集约化农区的固有脆弱性。该研究为农业干旱精准防控提供了时空明确的科学依据。
在全球气候变化加剧的背景下，干旱已成为威胁农业生产的重大气候灾害。联合国政府间气候变化专门委员会（IPCC）第六次评估报告（AR6）预测，持续全球变暖将加剧干旱风险并扩大其地理范围，进一步威胁农业生产。作为中国重要的“黄金玉米带”，东北地区承担着保障国家粮食安全的重任，但该地区降水时空分布极不均匀，近年来干旱事件频率、强度和影响范围持续增加。2018年吉林省遭遇的极端干旱事件导致316.5万人受灾，10.86万公顷作物受损，直接经济损失达58.8亿元，凸显了该区域农业系统对干旱的脆弱性。
传统干旱评估方法多依赖长期降水数据或单一遥感指数，难以捕捉作物关键生育期内干旱风险的动态变化。更重要的是，现有研究往往侧重于追踪特定干旱事件的时间演变过程，而缺乏从“生长阶段-风险剖面”角度诊断复合风险格局的能力。这种评估视角的缺失，限制了农业干旱精准防控策略的制定。
为解决这些科学问题，发表在《Journal of Hydrology: Regional Studies》上的这项研究，创新性地构建了一个基于玉米生长阶段的干旱灾害风险动态评估框架。研究团队以2018年东北玉米主产区（长春、四平市）为案例，融合多源遥感数据与地理信息系统（GIS）技术，实现了对玉米全生育期干旱风险的动态、精细化评估。
研究的关键技术方法包括：利用时空自适应反射率融合模型（STARFM）融合Landsat 8和MODIS影像，生成高时空分辨率的温度植被干旱指数（TVDI）序列；基于自然灾害风险理论，从危险性、脆弱性、暴露性和应急响应与恢复能力四个维度构建评估指标体系；采用熵权法客观确定指标权重；通过贡献度模型量化各因子对风险的相对影响。
3.1. 基于TVDI的玉米种植区干旱遥感识别
研究通过STARFM模型融合生成30米分辨率、8天间隔的NDVI和LST数据，构建NDVI-LST特征空间，反演得到2018年玉米生育期内TVDI的时空动态。结果显示，TVDI与0-10厘米土壤相对湿度（RSM）呈显著负相关（R>0.76），验证了融合数据在农业干旱监测中的可靠性。时空分布上，干旱强度在出苗-拔节期（阶段b）最为严重（平均TVDI=0.73），非常干旱区域（TVDI>0.8）向研究中东部扩展；而拔节-抽穗期（阶段c）因雨季来临干旱显著缓解。
3.2. 玉米干旱风险的时空特征
3.2.1. 危险性评估：危险性在生育期内呈现明显波动，阶段a-b均值分别为0.78和0.86，超过86%的玉米种植区处于干旱状态（TVDI>0.6）。阶段c危险性显著降低（下降35.64%），但阶段d在持续高温下重新加剧。空间上呈现西北向东南递减的梯度格局。
3.2.2. 脆弱性评估：脆弱性时空波动相对较小，高脆弱区集中在德惠和农安，低脆弱区位于长春市区。随时间推移，高脆弱区逐渐收缩，低脆弱区向东北扩张。
3.2.3. 暴露性评估：暴露性在生育期内变化微弱，高暴露区集中于公主岭、梨树、农安和榆树，这四县玉米种植面积和产量占研究区域的63.39%和66.3%，大规模连片种植格局导致其暴露性居高不下。
3.2.4. 应急响应与恢复能力评估：应急响应与恢复能力区域差异显著，中部和北部地区能力较强，南部地区较弱。河网密度成为提升应急能力的最关键因子。
3.2.5. 玉米干旱风险评估：综合风险呈现北高南低的空间格局，阶段b风险最高，阶段c最低。风险等级面积占比分析显示，低风险区在全生育期占比最大。各县区中，农安和榆树在多个生育期表现出较高的风险水平，其中榆树在阶段c的中高风险区合计超过40%。
4.1. 玉米干旱灾害风险主要贡献因子识别
贡献度模型揭示，暴露性因子（玉米种植面积比例47.54%、农业人口比例39.73%）对风险的贡献显著高于气候致险因子（TVDI强度55.21%），表明该区域干旱风险更多由集约化农业系统固有的社会经济结构驱动。脆弱性方面，降水（41.20%）、土壤盐分（21.70%）和降水变率（10.29%）主导；应急能力中，河网密度（28.33%）、农业产值（18.98%）和农村居民人均可支配收入（13.69%）最为关键。
4.2. 干旱指数对玉米干旱灾害风险的影响
滑动窗口线性回归表明，TVDI对风险指数（RADRI）普遍存在显著正向影响（p<0.05），且在阶段b最为突出（88%窗口显著正相关）。这种正向关系在干旱缓解的阶段c-e减弱，进一步证实气候致险因子向最终灾害风险的转化受到区域下垫面环境和社会经济条件的复杂调制。
4.3. 干旱风险与产量损失的空间关联
通过局部空间自相关（LISA）分析2018年玉米产量损失率的空间格局，发现高风险区（长春及四平北部）与产量损失的“高-高”（HH）聚类区（占34.2%面积）高度吻合，而低风险区（四平南部）则对应产量稳定的“低-低”（LL）聚类区（39.6%）。这种空间对应性验证了风险评估框架的有效性，表明RADRI能准确识别干旱易损农区。
研究结论强调，建立生长阶段特异性的动态风险评估框架，能够突破传统年度/季节尺度静态评估的局限，实现干旱风险“何时-何地-为何”峰值的关键诊断。讨论部分指出，河网密度作为最关键应急因子，凸显了地表水资源可用性和灌溉基础设施在缓解干旱影响中的核心作用。该研究将视角从“过程追踪”转向“阶段化风险剖析”，为粮食主产区的精准农艺管理和资源优化配置提供了靶向科学依据，对制定气候适应型农业规划具有重要实践意义。未来集成更高分辨率数据和农户微观调查，可进一步提升风险评估的精细度和机制理解。
