Temporal and Spatial Evolution Characteristics of Rain-waterlogging Events in Henan Province Based on the Analysis of Agricultural Flood Situation

doi:10.11924/j.issn.1000-6850.casb2022-0991

Abstract

Abstract:

Henan Province is an important grain producing area in China, the analysis of the temporal and spatial evolution characteristics of agricultural flood is of great significance to ensure regional food security. Based on the data of disaster-affected rate and disaster-suffered rate of agricultural flood, daily precipitation in the study area during 1978 to 2019, the possible relationships between the actual disaster situation and various types of rain-waterlogging indices were explored by using the ensemble empirical mode decomposition (EEMD). On this basis, the temporal and spatial evolution characteristics of key disaster-causing factors and their responses to the large-scale ocean atmospheric circulation indices (LOACI) were analyzed. The results showed that: (1) the rain-waterlogging intensity reflected by inter-annual and inter-decadal fluctuations were accurately extracted from the annual disaster series by using EEMD; (2) the correlation analysis between rain-waterlogging intensity and various precipitation indices showed that maximum precipitation during consecutive 7 days in August had the most significant impact on disaster, and the next was the total number of rainfall days in September; (3) the spatial distribution of causing-disaster factors indicated that the risk in south and west of Henan were higher, and the rain-waterlogging intensity in summer presented a weakening tendency; (4) there was a significant correlation between the disaster-causing factors and the circulation indices such as Tropical South Atlantic SST with the lag-time of 6 to 9 months. The key causing-disaster factors of flood in Henan province were screened, and the circulation important signals for predicting disaster in advance were provided.

Key words: Henan Province, rain-waterlogging events, ensemble empirical mode decomposition, circulation indices

CHEN Jiadong, HUANG Jin, ZAHNG Jinchi. Temporal and Spatial Evolution Characteristics of Rain-waterlogging Events in Henan Province Based on the Analysis of Agricultural Flood Situation[J]. Chinese Agricultural Science Bulletin, 2023, 39(35): 125-133.

Figures/Tables 10

References 26

[1]	高芮, 吕殿青, 李景保. 三峡水库蓄水后洞庭湖区农业水旱灾害的风险性及趋势预测[J]. 水土保持学报, 2020, 34(1):162-169.
[2]	霍治国, 范雨娴, 杨建莹, 等. 中国农业洪涝灾害研究进展[J]. 应用气象学报, 2017, 28(6):641-653.
[3]	田志会, 李晓雪. 1949—2016年我国粮食主产区旱灾变化趋势分析[J]. 中国农业大学学报, 2019, 24(12):159-167.
[4]	刘忠, 黄峰, 李保国. 基于经验模态分解的中国粮食单产波动特征及影响因素[J]. 农业工程学报, 2015, 31(2):7-13.
[5]	黄进, 张方敏, 胡正华. 基于多指标综合降水指数的安徽省暴雨灾害的时空演变[J]. 灾害学, 2022, 37(2):111-116.
[6]	商东耀, 张志红, 岳元, 等. 基于标准化降水指数的河南省近45年干旱时空特征分析[J]. 干旱地区农业研究, 2021, 39(4):162-170.
[7]	张延伟, 史本林, 朱孔来. 1960—2010年河南省极端气候事件变化趋势[J]. 人民黄河, 2016, 38(8):10-13.
[8]	赵国永, 韩艳, 刘明华, 等. 1961—2013年河南省极端降水事件时空变化特征[J]. 水土保持研究, 2018, 25(6):115-120.
[9]	李凤秀, 姬兴杰. 1961—2018年河南省暴雨初终日和暴雨日数的时空变化规律分析[J]. 长江流域资源与环境, 2019, 28(10):2527-2538.
[10]	高文华, 李开封, 靳豪豪. 1960—2014年河南极端降水特征分析[J]. 河南大学学报:自然科学版, 2020, 50(3):253-261.
[11]	田宏伟, 邢开成, 黄进, 等. 近30年河南省夏玉米的气象年景波动对大气环流的响应[J]. 江苏农业学报, 2020, 36(6):1437-1443.
[12]	张天峰, 王位泰, 姜惠峰, 等. 甘肃陇东黄土高原暖冬异常气候事件特征分析[J]. 中国农学通报, 2019, 35(12):81-88. doi: 10.11924/j.issn.1000-6850.casb18030049
[13]	晁红艳, 张娟, 陈海莲, 等. 1976—2017年青海湖东北部地区极端降水事件变化特征分析[J]. 中国农学通报, 2020, 36(2):109-116. doi: 10.11924/j.issn.1000-6850.casb18080122
[14]	甘容, 李丹丹, 杨峰, 等. 1952-2017年出山店水库上游降水时空变化[J]. 水土保持研究, 2022, 29(4):150-158.
[15]	韩红, 冯光辉, 邓国取. 基于ND-GAIN模型的河南省农业抗灾能力评价[J]. 水利水电科技进展, 2022, 42(1):67-74.
[16]	乔江方, 刘京宝, 夏来坤, 等. 2001—2012年河南省夏玉米产量变化及生长季气象因子分析[J]. 中国农学通报, 2014, 30(36):85-90. doi: 10.11924/j.issn.1000-6850.2014-1607
[17]	郭世界, 张亚丽, 李彤霄, 等. 河南省主要气象灾害及对粮食生产的不利影响[J]. 河南水利与南水北调, 2012(2):35-36,41.
[18]	杜明哲, 鲁坦, 朱玉周, 等. 1961—2019年河南秋季连阴雨天气气候特征分析[J]. 气象与环境学报, 2021, 37(4):54-62.
[19]	王新伟, 杜明哲, 王丽, 等. 河南省花生连阴雨灾害气象指数保险设计[J]. 生态学杂志, 2018, 37(11):3390-3395.
[20]	范磊, 郑国清, 赵全志, 等. 河南省水稻气象灾害因子分析及主要灾害发生区划研究[J]. 中国农业资源与区划, 2013, 34(6):162-168.
[21]	王婧羽, 李哲, 汪小康, 等. 河南省雨季短时强降水时空分布特征[J]. 暴雨灾害, 2019, 38(2):152-160.
[22]	朱玉周, 张录军, 等. 1970—2012年河南省初秋降水特征分析[J]. 气象与环境学报, 2015, 31(6):93-100.
[23]	崔童, 张若楠, 郝立生, 等. 华北雨季降水年代际变化与水汽输送的联系[J]. 大气科学, 2022, 46(4):903-920.
[24]	赵树云, 陈丽娟, 崔童. ENSO位相转换对华北雨季降水的影响[J]. 大气科学, 2017, 41(4):857-868.
[25]	范磊, 吕爱锋, 张文翔. 青海省干旱时空特征及与大气环流响应关系[J]. 干旱区资源与环境, 2021, 35(12):60-65.
[26]	杨金虎, 江志红, 王鹏祥, 等. 太平洋SSTA同中国东部夏季极端降水事件变化关系的研究[J]. 海洋学报(中文版), 2010, 32(1):23-33.

指数名称	指数简称	指数定义	单位
雨天	NRD	降水事件的总日数	d
最长持续有雨日	CWD	连续降水事件持续日数的最大值	d
暴雨日数	N50	日降水量≥50 mm事件的总日数	d
暴雨总量	P50	日降水量≥50 mm事件的降水总和	mm
1日最大降水量	M1D	单日降水量的最大值	mm
3日最大降水量	M3D	连续3天降水量总和的最大值	mm
5日最大降水量	M5D	连续5天降水量总和的最大值	mm
7日最大降水量	M7D	连续7天降水量总和的最大值	mm

指数名称	指数简称	指数定义	单位
雨天	NRD	降水事件的总日数	d
最长持续有雨日	CWD	连续降水事件持续日数的最大值	d
暴雨日数	N50	日降水量≥50 mm事件的总日数	d
暴雨总量	P50	日降水量≥50 mm事件的降水总和	mm
1日最大降水量	M1D	单日降水量的最大值	mm
3日最大降水量	M3D	连续3天降水量总和的最大值	mm
5日最大降水量	M5D	连续5天降水量总和的最大值	mm
7日最大降水量	M7D	连续7天降水量总和的最大值	mm

		各类型雨涝指数与IMF最显著的相关性及其对应月份
		受灾率IMF1		成灾率IMF1		受灾率IMF2		成灾率IMF2		受灾率IMF3		成灾率IMF3		受灾率IMF4		成灾率IMF4
NRD	相关系数		0.420^**		0.389^*		0.426^**		0.460^*		0.229		0.289		0.454^**	0.475^**
NRD	对应月份		8月		8月		9月		9月		6月		6月		7月	7月
CWD	相关系数		0.434^**		0.434^**		0.279		0.278		0.226		0.272		0.647^**	0.660^**
CWD	对应月份		8月		8月		9月		9月		12月		12月		7月	7月
N50	相关系数		0.441^**		0.378^*		0.287		0.313^*		0.238		0.212		0.418^**	0.413^**
N50	对应月份		8月		8月		8月		8月		10月		10月		7月	7月
P50	相关系数		0.421^**		0.357^*		0.311^*		0.321^*		0.242		0.212		0.425^**	0.420
P50	对应月份		8月		8月		8月		8月		10月		10月		7月	7月
M1D	相关系数		0.384^*		0.325^*		0.353^*		0.345^*		0.283		0.275		0.375^*	0.357
M1D	对应月份		8月		8月		8月		8月		10月		10月		7月	7月
M3D	相关系数		0.440^**		0.386^*		0.379^*		0.388^*		0.314^*		0.315^*		0.484^**	0.481^**
M3D	对应月份		8月		8月		8月		8月		10月		10月		7月	7月
M5D	相关系数		0.473^**		0.418^**		0.364^*		0.381^*		0.319^*		0.326^*		0.505^**	0.492^**
M5D	对应月份		8月		8月		9月		9月		10月		10月		7月	7月
M7D	相关系数		0.489^**		0.436^**		0.352^*		0.364^*		0.313^*		0.321^*		0.477^**	0.459^**
M7D	对应月份		8月		8月		9月		9月		10月		10月		7月	7月

		各类型雨涝指数与IMF最显著的相关性及其对应月份
		受灾率IMF1		成灾率IMF1		受灾率IMF2		成灾率IMF2		受灾率IMF3		成灾率IMF3		受灾率IMF4		成灾率IMF4
NRD	相关系数		0.420^**		0.389^*		0.426^**		0.460^*		0.229		0.289		0.454^**	0.475^**
NRD	对应月份		8月		8月		9月		9月		6月		6月		7月	7月
CWD	相关系数		0.434^**		0.434^**		0.279		0.278		0.226		0.272		0.647^**	0.660^**
CWD	对应月份		8月		8月		9月		9月		12月		12月		7月	7月
N50	相关系数		0.441^**		0.378^*		0.287		0.313^*		0.238		0.212		0.418^**	0.413^**
N50	对应月份		8月		8月		8月		8月		10月		10月		7月	7月
P50	相关系数		0.421^**		0.357^*		0.311^*		0.321^*		0.242		0.212		0.425^**	0.420
P50	对应月份		8月		8月		8月		8月		10月		10月		7月	7月
M1D	相关系数		0.384^*		0.325^*		0.353^*		0.345^*		0.283		0.275		0.375^*	0.357
M1D	对应月份		8月		8月		8月		8月		10月		10月		7月	7月
M3D	相关系数		0.440^**		0.386^*		0.379^*		0.388^*		0.314^*		0.315^*		0.484^**	0.481^**
M3D	对应月份		8月		8月		8月		8月		10月		10月		7月	7月
M5D	相关系数		0.473^**		0.418^**		0.364^*		0.381^*		0.319^*		0.326^*		0.505^**	0.492^**
M5D	对应月份		8月		8月		9月		9月		10月		10月		7月	7月
M7D	相关系数		0.489^**		0.436^**		0.352^*		0.364^*		0.313^*		0.321^*		0.477^**	0.459^**
M7D	对应月份		8月		8月		9月		9月		10月		10月		7月	7月