基于模糊綜合評(píng)價(jià)法的浙江省臺(tái)風(fēng)災(zāi)害農(nóng)田損失評(píng)估分析

張眉+金有杰+王倩

摘要：引入模糊綜合評(píng)價(jià)模型計(jì)算浙江省1983～2007年共53個(gè)臺(tái)風(fēng)案例的影響評(píng)價(jià)指數(shù)，運(yùn)用均值-標(biāo)準(zhǔn)差分級(jí)法對(duì)浙江省歷史臺(tái)風(fēng)災(zāi)害影響強(qiáng)度進(jìn)行等級(jí)劃分，并將該指數(shù)與實(shí)際農(nóng)田損失面積進(jìn)行了回歸分析，擬合農(nóng)田損失面積預(yù)評(píng)估模型，相關(guān)系數(shù)達(dá)到0.642。該模型通過(guò)實(shí)際驗(yàn)證表明能較好地預(yù)估農(nóng)田受災(zāi)面積，為農(nóng)業(yè)防災(zāi)減災(zāi)提供參考。

關(guān)鍵詞：模糊綜合評(píng)價(jià)法;臺(tái)風(fēng)災(zāi)害;農(nóng)田損失評(píng)估;浙江省

中圖分類號(hào)：X43;P429 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ?文章編號(hào)：0439-8114（2014）20-5002-05

DOI：10.14088/j.cnki.issn0439-8114.2014.20.064

Loss Assessment of Farmland from Typhoon Disasters Based on Fuzzy

Comprehensive Evaluation in Zhejiang Province

ZHANG Mei1， JIN You-jie2，WANG Qian3

（1. Meteorological Service Center of Zhejiang， Hangzhou 310017，China;

2. Nanjing automation institute of water conservancy and hydrology，ministry of water resources， Nanjing 210012，China;

3. School of Economics & Management， Nanjing University of Information Science and Technology， Nanjing ?210044，China）

Abstract： The fuzzy comprehensive evaluation model was used to calculate assessment indexes of 53 typhoon cases occurred in Zhejiang province from 1983 to 2007. The mean-standard deviation classification method was used to make classification for historical influence intensity of typhoon disasters in Zhejiang province and the indexes and the actual loss area of farmland were used for regression analysis. Pre-assessment model of the loss area of farmland was fitted and the correlation coefficient was 0.642. The model through actual examination showed that the affected area of farmland could be better pre-assessed to provide reference for prevention and mitigation of agricultural disaster.

Key words： fuzzy comprehensive evaluation;typhoon disaster;loss assessment of Farmland;Zhejiang province

臺(tái)風(fēng)作為破壞性極強(qiáng)的天氣系統(tǒng)，常常伴有大風(fēng)、暴雨、風(fēng)暴潮等災(zāi)害性天氣，進(jìn)而引起山洪暴發(fā)、山體滑坡、泥石流等次生災(zāi)害[1]。浙江省地處我國(guó)東南沿海，靠近世界上最大的臺(tái)風(fēng)源地（西北太平洋），是臺(tái)風(fēng)入侵要沖。每年夏秋是臺(tái)風(fēng)高發(fā)季節(jié)，《臺(tái)風(fēng)年鑒》及《熱帶氣旋年鑒》表明，登陸我國(guó)沿海省份的強(qiáng)臺(tái)風(fēng)和超強(qiáng)臺(tái)風(fēng)個(gè)數(shù)，浙江省僅次于臺(tái)灣省，居第二位。特殊的海岸線走向、地形地貌和氣候帶，決定了浙江省的臺(tái)風(fēng)常常造成非常嚴(yán)重的損失，是臺(tái)風(fēng)災(zāi)害較嚴(yán)重的省份之一。而每年7～9月是浙江省蔬果及水稻的旺盛期和成熟期，由于農(nóng)村地區(qū)是防災(zāi)減災(zāi)能力較低的區(qū)域，農(nóng)民的災(zāi)害風(fēng)險(xiǎn)意識(shí)也較為薄弱，臺(tái)風(fēng)災(zāi)害伴隨而來(lái)的大風(fēng)和暴雨會(huì)使農(nóng)田土壤質(zhì)量下降、農(nóng)作物受災(zāi)、糧食減產(chǎn)，給農(nóng)業(yè)生產(chǎn)及農(nóng)民帶來(lái)巨大損失。

許多學(xué)者對(duì)臺(tái)風(fēng)造成的災(zāi)害損失有過(guò)相關(guān)研究。張永恒等[2]遴選2000～2006年在浙江省登陸的20個(gè)具有典型代表意義的臺(tái)風(fēng)，選擇若干臺(tái)風(fēng)災(zāi)害影響指標(biāo)，應(yīng)用模糊數(shù)學(xué)方法計(jì)算得到臺(tái)風(fēng)綜合評(píng)價(jià)指數(shù)，擬合臺(tái)風(fēng)災(zāi)級(jí)指數(shù)與綜合評(píng)價(jià)指數(shù)，評(píng)估臺(tái)風(fēng)災(zāi)害損失等級(jí)，從而為防臺(tái)減災(zāi)工作提供指導(dǎo)意見(jiàn)和建議。牛海燕等[3]選取我國(guó)1990～2007年的沿海地區(qū)臺(tái)風(fēng)案例，通過(guò)災(zāi)情評(píng)估模型發(fā)現(xiàn)浙江省2011年來(lái)災(zāi)害損失下降幅度較低，18年間平均臺(tái)風(fēng)損失較大。趙飛等[4]通過(guò)選取我國(guó)2000～2008年的34個(gè)臺(tái)風(fēng)案例，建立災(zāi)害預(yù)損失評(píng)估模型，發(fā)現(xiàn)臺(tái)風(fēng)災(zāi)害綜合評(píng)價(jià)指數(shù)與農(nóng)作物受災(zāi)面積高度相關(guān)。張穎超等[5]應(yīng)用模糊層次分析方法對(duì)1981～2007年登陸浙江省的臺(tái)風(fēng)進(jìn)行災(zāi)害評(píng)估，在此基礎(chǔ)上將得出的災(zāi)害影響指數(shù)和災(zāi)情指數(shù)作相關(guān)分析，并以此說(shuō)明災(zāi)害評(píng)估模型的有效性和正確性。

上述文獻(xiàn)均從不同側(cè)面對(duì)臺(tái)風(fēng)災(zāi)害損失進(jìn)行了評(píng)估，得出了一些頗有價(jià)值的結(jié)論。但現(xiàn)有文獻(xiàn)多集中于定性討論，其中對(duì)浙江省臺(tái)風(fēng)災(zāi)害影響指數(shù)的研究也僅停留在與反映災(zāi)情情況指數(shù)的關(guān)聯(lián)分析上，并未觸及到定量層面，即能夠預(yù)測(cè)臺(tái)風(fēng)導(dǎo)致具體災(zāi)情情況或損失的定量預(yù)測(cè)模型比較少見(jiàn)。目前對(duì)于全國(guó)臺(tái)風(fēng)的災(zāi)害損失評(píng)估研究比較成熟，但研究結(jié)論是否仍然適用于省際中觀層面還有待檢驗(yàn)和考察。由于農(nóng)業(yè)屬于露天生產(chǎn)和高風(fēng)險(xiǎn)性產(chǎn)業(yè)，根據(jù)1997～2004年的農(nóng)業(yè)災(zāi)情資料統(tǒng)計(jì)，因臺(tái)風(fēng)導(dǎo)致浙江省農(nóng)作物受災(zāi)面積平均每年多達(dá)26.27 hm2，占農(nóng)業(yè)自然災(zāi)害總災(zāi)情的31.76%[6]。有關(guān)暴雨災(zāi)害對(duì)農(nóng)業(yè)影響評(píng)估研究表明，與直接經(jīng)濟(jì)損失和受災(zāi)人口相比，農(nóng)作物受災(zāi)面積與暴雨強(qiáng)度各指數(shù)存在更顯著的相關(guān)性，這表明臺(tái)風(fēng)致災(zāi)因子也會(huì)對(duì)農(nóng)業(yè)造成直接影響[7]。因此，結(jié)合應(yīng)用較為成熟的模糊綜合評(píng)價(jià)方法將能夠客觀反映浙江省臺(tái)風(fēng)災(zāi)害強(qiáng)度的若干指標(biāo)轉(zhuǎn)化為影響評(píng)價(jià)指數(shù)，運(yùn)用均值-標(biāo)準(zhǔn)差分級(jí)法對(duì)浙江省歷史臺(tái)風(fēng)災(zāi)害影響強(qiáng)度進(jìn)行等級(jí)劃分，并對(duì)浙江省1983～2007年共53個(gè)災(zāi)情記錄較為完整且典型的臺(tái)風(fēng)案例的影響評(píng)價(jià)指數(shù)與實(shí)際農(nóng)田損失面積進(jìn)行回歸分析，建立冪函數(shù)回歸方程，實(shí)現(xiàn)浙江省臺(tái)風(fēng)農(nóng)田受災(zāi)定量預(yù)評(píng)估，以期為農(nóng)業(yè)防災(zāi)減災(zāi)政策的制定提供科學(xué)的參考依據(jù)。endprint

1 ?數(shù)據(jù)來(lái)源

由于本研究探討的主要是浙江省臺(tái)風(fēng)災(zāi)害強(qiáng)度對(duì)農(nóng)業(yè)造成的損失定量評(píng)估，而臺(tái)風(fēng)災(zāi)害對(duì)農(nóng)業(yè)造成損失主要通過(guò)臺(tái)風(fēng)引致的狂風(fēng)、暴雨而產(chǎn)生影響。大風(fēng)是臺(tái)風(fēng)危害最重要因素之一，也是造成臺(tái)風(fēng)災(zāi)害的最直接的致災(zāi)因子之一。當(dāng)風(fēng)力達(dá)到12級(jí)時(shí)，可摧毀連片莊稼及高稈農(nóng)作物。臺(tái)風(fēng)導(dǎo)致的降水強(qiáng)度大、雨量大、時(shí)段集中，可導(dǎo)致田地、水利設(shè)施受損，給農(nóng)業(yè)造成嚴(yán)重危害與巨大損失。為表征這種臺(tái)風(fēng)災(zāi)害強(qiáng)度，反映臺(tái)風(fēng)期間氣象要素的急劇波動(dòng)，選取1983～2007年影響浙江省的53個(gè)臺(tái)風(fēng)的最低中心氣壓、最大日雨量、持續(xù)日數(shù)、過(guò)程最大降水量、極大風(fēng)速和最大風(fēng)速等氣象數(shù)據(jù)（主要來(lái)自中國(guó)氣象局公布的《臺(tái)風(fēng)年鑒》、《熱帶氣旋年鑒》和浙江省氣象局觀測(cè)數(shù)據(jù)）;災(zāi)情數(shù)據(jù)為臺(tái)風(fēng)期間造成的農(nóng)田損失面積數(shù)據(jù)（來(lái)自浙江省內(nèi)各級(jí)統(tǒng)計(jì)局統(tǒng)計(jì)年鑒、民政局及省防汛指揮部的有關(guān)資料）。由于災(zāi)情資料的局限性，本研究?jī)H選取臺(tái)風(fēng)數(shù)據(jù)和災(zāi)情數(shù)據(jù)記錄較為完整的臺(tái)風(fēng)案例進(jìn)行研究。農(nóng)田損失面積主要由衛(wèi)星遙感技術(shù)獲取，災(zāi)情數(shù)據(jù)相對(duì)準(zhǔn)確，故基于歷史臺(tái)風(fēng)災(zāi)害數(shù)據(jù)和災(zāi)情數(shù)據(jù)對(duì)農(nóng)田損失進(jìn)行定量預(yù)評(píng)估有一定的客觀依據(jù)。

2 ?臺(tái)風(fēng)災(zāi)害影響指數(shù)計(jì)算模型

模糊綜合評(píng)價(jià)方法是對(duì)復(fù)雜事物的認(rèn)知定量化，評(píng)價(jià)過(guò)程中盡可能地避免了主觀臆斷，達(dá)到主觀與客觀的統(tǒng)一，從而提高了認(rèn)知的精確性，實(shí)際應(yīng)用較為成熟[8-12]。將臺(tái)風(fēng)各致災(zāi)因子作為評(píng)估指標(biāo)，利用該方法計(jì)算臺(tái)風(fēng)災(zāi)害影響指數(shù)的一般步驟為：①確定n起臺(tái)風(fēng)案例評(píng)價(jià)對(duì)象的致災(zāi)因子指標(biāo)集U={u1，u2，…，um};②確定致災(zāi)因子指標(biāo)的隸屬函數(shù)f（u）;③建立模糊評(píng)判矩陣R=（rij）m×n。對(duì)于每個(gè)致災(zāi)因子指標(biāo)ui，先建立指標(biāo)評(píng)判：Ri=（ri1，ri2，…，rin），即rij（0

2.1 ?隸屬函數(shù)的確定

通過(guò)臺(tái)風(fēng)中心氣壓、日雨量、持續(xù)日數(shù)、過(guò)程最大降水量、極大風(fēng)速和最大風(fēng)速等6項(xiàng)指標(biāo)數(shù)據(jù)表征臺(tái)風(fēng)災(zāi)害強(qiáng)度，隸屬函數(shù)的選取需要符合客觀規(guī)律，且能反映客觀模糊現(xiàn)象的具體特點(diǎn)。本研究采用典型函數(shù)法的戒下型函數(shù)，表達(dá)式如下：

f（u）=0，（u≤c）■（u>c） ?（1）

式（1）中，f（u）為臺(tái)風(fēng)致災(zāi)因子指標(biāo)u的隸屬函數(shù)，a、b、c為隸屬函數(shù)的參數(shù)，a和c均大于0，b小于0，且c為指標(biāo)u歷年統(tǒng)計(jì)數(shù)據(jù)中的最小值umin。此外規(guī)定b為-2，當(dāng)u為歷年統(tǒng)計(jì)最大值umax時(shí)，其所對(duì)應(yīng)隸屬函數(shù)的值為0.99，即f（umax）=0.99。通過(guò)式（2）可以計(jì)算獲得參數(shù)a。由于在實(shí)際評(píng)價(jià)過(guò)程中參數(shù)a會(huì)偏大，因此加入調(diào)節(jié)系數(shù)k。

a=■×k ? ? ? ? ? ? ? ? ? ? ? ?（2）

式（2）中，k由反復(fù)計(jì)算和前人不斷研究試驗(yàn)的基礎(chǔ)上得出，取0.3較為合適。戒下型函數(shù)的分布可以反映臺(tái)風(fēng)災(zāi)害的輕重程度，當(dāng)因子u大于臨界值c時(shí)，認(rèn)為可以成災(zāi)，否則可認(rèn)為不足以成災(zāi)。

2.2 ?模糊評(píng)判矩陣和因子權(quán)重系數(shù)的確定

設(shè)有n起臺(tái)風(fēng)案例災(zāi)害強(qiáng)度有待評(píng)價(jià)，每起臺(tái)風(fēng)通過(guò)m個(gè)致災(zāi)因子指標(biāo)來(lái)對(duì)災(zāi)害影響進(jìn)行評(píng)價(jià)，于是每個(gè)因子的評(píng)價(jià)集為Ri=（ri1，ri2，…，rim），i=1，2，…，m。從而可以得到m個(gè)影響因子指標(biāo)評(píng)價(jià)矩陣Ri，通過(guò)公式（1）計(jì)算獲得矩陣中的每個(gè)元素，因此當(dāng)參數(shù)a、b、c確定后，便可以計(jì)算出每起臺(tái)風(fēng)災(zāi)害過(guò)程評(píng)價(jià)因子的隸屬度值，總的評(píng)價(jià)矩陣可以表示為：

R=R1R2…Rm=r11 ? r12 ?… ?r1n r21 ? r22 ?… ?r2n■ ■ ?■rm1 ? rm2 ?… ?rmn=f11 ? f12 ?… ?f1n f21 ? f22 ?… ?f2n■ ■ ?■fm1 ? fm2 ?… ?fmn ?（3）

因子權(quán)重系數(shù)大小反映了各致災(zāi)因子指標(biāo)對(duì)于臺(tái)風(fēng)評(píng)價(jià)對(duì)象的重要程度。加權(quán)平均規(guī)劃法可以客觀反映各個(gè)評(píng)價(jià)因子在所有因子中的相對(duì)比例，其計(jì)算公式如式（4）所示。

pi=■，i=1，2，…，m ? ? ? ? ? （4）

式（4）中，pi為臺(tái)風(fēng)災(zāi)害中第i個(gè)致災(zāi)評(píng)價(jià)因子的影響系數(shù)，即第i個(gè)致災(zāi)因子隸屬度之和與所有致災(zāi)因子隸屬度總和的比值;m代表致災(zāi)因子評(píng)價(jià)指標(biāo)的個(gè)數(shù);n代表臺(tái)風(fēng)災(zāi)害案例的個(gè)數(shù);rij代表第j起臺(tái)風(fēng)災(zāi)害過(guò)程中第i個(gè)致災(zāi)評(píng)價(jià)因子的隸屬度。通過(guò)公式（4）確定各評(píng)價(jià)因子的影響系數(shù)，再結(jié)合專家打分法和Delphi專家咨詢法，獲得相對(duì)客觀的因子權(quán)重系數(shù)pi，從而確定各致災(zāi)因子指標(biāo)權(quán)重A=（p1，p2，…，pm），且∑pi=1。

2.3 ?影響評(píng)價(jià)指數(shù)計(jì)算公式

確定評(píng)價(jià)矩陣和評(píng)價(jià)因子權(quán)重系數(shù)后，采用加權(quán)平均型模型進(jìn)行模糊綜合評(píng)價(jià)指數(shù)計(jì)算。

bj=min{■pirij，1}，j=1，2，…，n ? （5）

式（5）中，∑pi=1，bi為第j起臺(tái)風(fēng)災(zāi)害的模糊綜合評(píng)價(jià)指數(shù)。

3 ?臺(tái)風(fēng)災(zāi)害影響指數(shù)計(jì)算和等級(jí)劃分

3.1 ?臺(tái)風(fēng)災(zāi)害影響指數(shù)計(jì)算

選取1983～2007年資料記錄較為完整的53個(gè)臺(tái)風(fēng)案例，通過(guò)收集浙江省內(nèi)各氣象臺(tái)（站、所）記錄的最低中心氣壓（T1）、最大日雨量（T2）、持續(xù)日數(shù)（T3）、過(guò)程最大降水量（T4）、極大風(fēng)速（T5）、最大風(fēng)速數(shù)據(jù)（T6），構(gòu)建影響浙江省的臺(tái)風(fēng)災(zāi)害強(qiáng)度評(píng)價(jià)指標(biāo)體系，通過(guò)加權(quán)平均規(guī)劃法再結(jié)合專家打分法計(jì)算得到各指標(biāo)權(quán)重系數(shù)（表1），運(yùn)用模糊綜合評(píng)價(jià)算法得到53個(gè)臺(tái)風(fēng)災(zāi)害影響評(píng)價(jià)指數(shù)（圖1）。評(píng)價(jià)指數(shù)越高表示臺(tái)風(fēng)災(zāi)害越嚴(yán)重。

從表1中各致災(zāi)因子權(quán)重系數(shù)可以看出，對(duì)于評(píng)價(jià)各臺(tái)風(fēng)案例而言，指標(biāo)重要性程度排列依次為最低中心氣壓（T1）>最大風(fēng)速數(shù)據(jù)（T6）>過(guò)程最大降水量（T4）>最大日雨量（T2）>極大風(fēng)速（T5）>持續(xù)日數(shù)（T3）。實(shí)際上，臺(tái)風(fēng)屬于熱帶氣旋的一個(gè)類別，其強(qiáng)度首先也是由最低中心氣壓表征，其次臺(tái)風(fēng)災(zāi)害對(duì)于農(nóng)業(yè)造成的損失機(jī)理往往主要也是通過(guò)狂風(fēng)和暴雨形成，因此可以認(rèn)為上述主客觀賦權(quán)的方法對(duì)于確定浙江省臺(tái)風(fēng)致災(zāi)因子權(quán)重系數(shù)是科學(xué)合理的。

3.2 ?臺(tái)風(fēng)災(zāi)害影響指數(shù)等級(jí)劃分

臺(tái)風(fēng)災(zāi)害影響指數(shù)由各致災(zāi)因子通過(guò)模糊綜合評(píng)價(jià)方法計(jì)算獲得，對(duì)影響指數(shù)的劃分即是對(duì)各臺(tái)風(fēng)致災(zāi)因子綜合強(qiáng)度的劃分。均值-標(biāo)準(zhǔn)差分級(jí)法不用考慮物理成因?qū)χ笜?biāo)值的影響，僅從統(tǒng)計(jì)的角度將樣本均值作為指標(biāo)的中心，操作比較方便，在對(duì)指標(biāo)分級(jí)的運(yùn)用中較為廣泛[13-15]。

均值-標(biāo)準(zhǔn)差分級(jí)法操作步驟如下：①將53個(gè)臺(tái)風(fēng)影響評(píng)價(jià)指數(shù)建立如下序列{b1，b2，…，b53}，令■=■■bi為該序列的均值，S=■為該序列的標(biāo)準(zhǔn)差;②將上述影響指數(shù)序列劃分為5個(gè)等級(jí)，劃分標(biāo)準(zhǔn)如表2所示，其中，α1和α2滿足α1∈[1.0，1.5]且α2∈[0.3，0.6]，劃分標(biāo)準(zhǔn)每個(gè)間隔都代表著一種等級(jí)狀態(tài)。根據(jù)上述操作步驟，計(jì)算得到每個(gè)等級(jí)的臨界值F后，就可以將歷史臺(tái)風(fēng)災(zāi)害影響指數(shù)劃分為5個(gè)等級(jí)區(qū)間，分別定義為：微災(zāi)、小災(zāi)、中災(zāi)、大災(zāi)、重災(zāi)（表2）。

結(jié)合圖1和表2結(jié)果分析可知，浙江省臺(tái)風(fēng)災(zāi)害屬于微災(zāi)、小災(zāi)、中災(zāi)、大災(zāi)和重災(zāi)的比例分別約為13.21%、15.09%、33.96%、18.87%和18.87%，也從另一方面說(shuō)明隨著全球氣候日益變暖，浙江省臺(tái)風(fēng)災(zāi)害強(qiáng)度處于中災(zāi)以上程度的比例已超過(guò)一半，所占比例高達(dá)71.70%，這也提醒浙江省政府和氣象部門要加強(qiáng)防臺(tái)減災(zāi)工作，制定相應(yīng)防臺(tái)減災(zāi)政策，最大程度降低浙江省農(nóng)業(yè)損失，保障農(nóng)民利益，保證國(guó)民經(jīng)濟(jì)健康可持續(xù)發(fā)展。

4 ?農(nóng)田損失面積預(yù)評(píng)估模型及驗(yàn)證

4.1 ?農(nóng)田損失面積預(yù)評(píng)估模型

農(nóng)田損失面積是自然災(zāi)害發(fā)生時(shí)評(píng)估農(nóng)業(yè)損失的一項(xiàng)重要指標(biāo)。通過(guò)建立浙江省歷史臺(tái)風(fēng)災(zāi)害影響評(píng)價(jià)指數(shù)與農(nóng)田損失災(zāi)情數(shù)據(jù)的回歸方程，運(yùn)用SPSS軟件擬合浙江省臺(tái)風(fēng)災(zāi)害農(nóng)田損失預(yù)評(píng)估模型。為保證預(yù)測(cè)結(jié)果的精確性，在分析的過(guò)程中剔除了兩個(gè)異常值（臺(tái)風(fēng)編號(hào)為9414和0604），兩者呈較顯著的冪函數(shù)關(guān)系（圖2），R2達(dá)到0.642，說(shuō)明預(yù)測(cè)結(jié)果較為理想。農(nóng)田損失預(yù)評(píng)估模型可表示為：y=965.209b4.493，其中y表示農(nóng)田損失面積，單位為×103 hm2（千公頃）;b為上述綜合評(píng)價(jià)模型計(jì)算得到的臺(tái)風(fēng)災(zāi)害影響評(píng)價(jià)指數(shù)。

4.2 ?農(nóng)田損失面積預(yù)評(píng)估模型的驗(yàn)證

上述預(yù)評(píng)估模型建立后，針對(duì)未來(lái)發(fā)生的某次臺(tái)風(fēng)案例，只需要將氣象部門預(yù)報(bào)臺(tái)風(fēng)致災(zāi)因子的指標(biāo)數(shù)據(jù)運(yùn)用綜合評(píng)價(jià)模型轉(zhuǎn)換為災(zāi)害影響評(píng)價(jià)指數(shù)代入模型，即可預(yù)評(píng)估某次臺(tái)風(fēng)災(zāi)害過(guò)程可能導(dǎo)致的農(nóng)田損失面積。為檢驗(yàn)預(yù)評(píng)估模型的合理性，選取近5年使浙江省造成嚴(yán)重災(zāi)情的0908號(hào)“莫拉克”和1211號(hào)“?？迸_(tái)風(fēng)案例來(lái)驗(yàn)證?！澳恕庇?009年8月9日16時(shí)在福建省霞浦縣登陸，登陸時(shí)中心氣壓970 hPa，近中心最大風(fēng)33 m/s（12級(jí)），10日進(jìn)入溫州泰順境內(nèi)，蒼南地區(qū)的極大風(fēng)速達(dá)到43.2 m/s（14級(jí)）。“?？庇?012年8月3日在浙江省象山縣鶴浦鎮(zhèn)沿海登陸，登陸時(shí)中心氣壓965 hPa，等級(jí)為強(qiáng)臺(tái)風(fēng)，近中心最大風(fēng)力42 m/s（14級(jí)），測(cè)得的極大風(fēng)速在東磯島，為56.0 m/s（16級(jí)），日雨量降水極值出現(xiàn)在臨安市，為427 mm。“?？庇绊憰r(shí)間長(zhǎng)、范圍廣，給農(nóng)業(yè)、漁業(yè)和養(yǎng)殖業(yè)造成了很大損失。通過(guò)模糊綜合分析法計(jì)算得到“莫拉克”和“?？钡臑?zāi)害影響評(píng)價(jià)指數(shù)，代入農(nóng)田損失面積預(yù)評(píng)估模型，分別得到兩臺(tái)風(fēng)農(nóng)田損失面積預(yù)測(cè)擬合值（表3）。

從表3檢驗(yàn)結(jié)果可以看出，通過(guò)上述模型預(yù)測(cè)農(nóng)田損失面積的結(jié)果比較理想。當(dāng)然，由于一些不可預(yù)見(jiàn)的隨機(jī)因素的干擾，預(yù)測(cè)值與實(shí)際值產(chǎn)生一定偏差，但相對(duì)誤差為12.40%和9.11%，仍在可控范圍之內(nèi)，因此可以認(rèn)為上述農(nóng)田損失面積預(yù)評(píng)估模型具有合理性。事實(shí)上，農(nóng)田損失程度與致災(zāi)因子的強(qiáng)弱有著最直接的關(guān)系，將通過(guò)致災(zāi)因子指標(biāo)計(jì)算的臺(tái)風(fēng)災(zāi)害影響指數(shù)與農(nóng)田損失面積做回歸分析而建立的農(nóng)田損失預(yù)評(píng)估模型可以取得較好的結(jié)果。

5 ?小結(jié)

引入模糊綜合評(píng)價(jià)模型計(jì)算浙江省1983～2007年共53個(gè)臺(tái)風(fēng)案例的影響評(píng)價(jià)指數(shù)，運(yùn)用均值-標(biāo)準(zhǔn)差分級(jí)法對(duì)浙江省歷史臺(tái)風(fēng)災(zāi)害影響強(qiáng)度進(jìn)行等級(jí)劃分，研究發(fā)現(xiàn)，浙江省臺(tái)風(fēng)災(zāi)害強(qiáng)度處于中災(zāi)以上程度的比例高達(dá)71.70%，說(shuō)明臺(tái)風(fēng)災(zāi)害對(duì)于浙江省而言不容忽視，這也提醒浙江省政府和氣象部門要協(xié)同人民群眾加強(qiáng)防臺(tái)減災(zāi)工作，最大程度降低農(nóng)業(yè)損失，保障農(nóng)民利益。本研究將影響評(píng)價(jià)指數(shù)與實(shí)際農(nóng)田損失面積進(jìn)行了回歸分析，并將該預(yù)估模型對(duì)臺(tái)風(fēng)“莫拉克”和“?？边M(jìn)行實(shí)際驗(yàn)證，結(jié)果表明其能夠?yàn)檎憬∨_(tái)風(fēng)農(nóng)田受災(zāi)進(jìn)行定量預(yù)評(píng)估，為農(nóng)業(yè)防災(zāi)減災(zāi)提供科學(xué)的參考依據(jù)。

當(dāng)然以上研究?jī)H是階段性成果，后續(xù)研究還有待深入，如可以考慮擴(kuò)大空間和時(shí)間樣本量等，這對(duì)于進(jìn)一步提高臺(tái)風(fēng)災(zāi)害損失模型的預(yù)測(cè)精度有重要意義，同時(shí)也對(duì)數(shù)據(jù)收集和氣象部門氣象數(shù)據(jù)的預(yù)報(bào)工作提出了諸多挑戰(zhàn)。endprint

參考文獻(xiàn)：

[1] 陳惠芬.熱帶氣旋災(zāi)害等級(jí)預(yù)評(píng)估方法初探[J].自然災(zāi)害學(xué)報(bào)，2011（5）：136-140.

[2] 張永恒，范廣洲，馬清云，等.浙江省臺(tái)風(fēng)災(zāi)害影響評(píng)估模型[J].應(yīng)用氣象學(xué)報(bào)，2009（6）：772-776.

[3] 牛海燕，劉 ?敏，陸 ?敏，等.中國(guó)沿海地區(qū)臺(tái)風(fēng)災(zāi)害損失評(píng)估研究[J].災(zāi)害學(xué)，2011（3）：61-64.

[4] 趙 ?飛，廖永豐，張妮娜，等.登陸中國(guó)臺(tái)風(fēng)災(zāi)害損失預(yù)評(píng)估模型研究[J].災(zāi)害學(xué)，2011（2）：81-85.

[5] 張穎超，張美娟，張中秋，等.浙江省登陸熱帶氣旋災(zāi)害影響評(píng)估[J].大氣科學(xué)學(xué)報(bào)，2013（2）：229-234.

[6] 楊忠恩，金志鳳，胡 ?波，等.熱帶氣旋對(duì)浙江省農(nóng)業(yè)影響的風(fēng)險(xiǎn)區(qū)劃[J].生態(tài)學(xué)雜志，2011（12）：2821-2826.

[7] 郭志鵠，吳勝安，鄧見(jiàn)英.暴雨洪澇災(zāi)害影響評(píng)估若干問(wèn)題探討[J].廣東氣象，2008（5）：29-32.

[8] 任魯川.災(zāi)害損失定量評(píng)估的模糊綜合評(píng)判方法[J].災(zāi)害學(xué)，1996（4）：5-10.

[9] 吳紅華.災(zāi)害損失評(píng)估的灰色模糊綜合方法[J].自然災(zāi)害學(xué)報(bào)，2005（2）：115-118.

[10] 馬清云，李佳英，王秀榮，等.基于模糊綜合評(píng)價(jià)法的登陸臺(tái)風(fēng)災(zāi)害影響評(píng)估模型[J].氣象，2008（5）：20-25.

[11] 付桂軍，齊義軍.煤炭資源型區(qū)域可持續(xù)發(fā)展水平比較研究——基于模糊綜合評(píng)價(jià)法的分析[J].干旱區(qū)資源與環(huán)境，2013（4）：106-110.

[12] 楊 ?俊，王占岐，金 ?貴，等.基于AHP與模糊綜合評(píng)價(jià)的土地整治項(xiàng)目實(shí)施后效益評(píng)價(jià)[J].長(zhǎng)江流域資源與環(huán)境，2013（8）：1036-1042.

[13] SEN Z K.Critical drought analysis by second order Markov Chain[J]. Journal of Hydrology，1990，120（1-4）：183-202.

[14] 夏樂(lè)天.梅雨強(qiáng)度的指數(shù)權(quán)馬爾可夫鏈預(yù)測(cè)[J].水利學(xué)報(bào)，2005，36（8）：988-993.

[15] 仲遠(yuǎn)見(jiàn)，李 ?靖，王 ?龍.改進(jìn)馬爾可夫鏈降雨量預(yù)測(cè)模型的應(yīng)用[J].濟(jì)南大學(xué)學(xué)報(bào)（自然科學(xué)版），2009（4）：402-405.endprint

參考文獻(xiàn)：

[1] 陳惠芬.熱帶氣旋災(zāi)害等級(jí)預(yù)評(píng)估方法初探[J].自然災(zāi)害學(xué)報(bào)，2011（5）：136-140.

[2] 張永恒，范廣洲，馬清云，等.浙江省臺(tái)風(fēng)災(zāi)害影響評(píng)估模型[J].應(yīng)用氣象學(xué)報(bào)，2009（6）：772-776.

[3] 牛海燕，劉 ?敏，陸 ?敏，等.中國(guó)沿海地區(qū)臺(tái)風(fēng)災(zāi)害損失評(píng)估研究[J].災(zāi)害學(xué)，2011（3）：61-64.

[4] 趙 ?飛，廖永豐，張妮娜，等.登陸中國(guó)臺(tái)風(fēng)災(zāi)害損失預(yù)評(píng)估模型研究[J].災(zāi)害學(xué)，2011（2）：81-85.

[5] 張穎超，張美娟，張中秋，等.浙江省登陸熱帶氣旋災(zāi)害影響評(píng)估[J].大氣科學(xué)學(xué)報(bào)，2013（2）：229-234.

[6] 楊忠恩，金志鳳，胡 ?波，等.熱帶氣旋對(duì)浙江省農(nóng)業(yè)影響的風(fēng)險(xiǎn)區(qū)劃[J].生態(tài)學(xué)雜志，2011（12）：2821-2826.

[7] 郭志鵠，吳勝安，鄧見(jiàn)英.暴雨洪澇災(zāi)害影響評(píng)估若干問(wèn)題探討[J].廣東氣象，2008（5）：29-32.

[8] 任魯川.災(zāi)害損失定量評(píng)估的模糊綜合評(píng)判方法[J].災(zāi)害學(xué)，1996（4）：5-10.

[9] 吳紅華.災(zāi)害損失評(píng)估的灰色模糊綜合方法[J].自然災(zāi)害學(xué)報(bào)，2005（2）：115-118.

[10] 馬清云，李佳英，王秀榮，等.基于模糊綜合評(píng)價(jià)法的登陸臺(tái)風(fēng)災(zāi)害影響評(píng)估模型[J].氣象，2008（5）：20-25.

[11] 付桂軍，齊義軍.煤炭資源型區(qū)域可持續(xù)發(fā)展水平比較研究——基于模糊綜合評(píng)價(jià)法的分析[J].干旱區(qū)資源與環(huán)境，2013（4）：106-110.

[12] 楊 ?俊，王占岐，金 ?貴，等.基于AHP與模糊綜合評(píng)價(jià)的土地整治項(xiàng)目實(shí)施后效益評(píng)價(jià)[J].長(zhǎng)江流域資源與環(huán)境，2013（8）：1036-1042.

[13] SEN Z K.Critical drought analysis by second order Markov Chain[J]. Journal of Hydrology，1990，120（1-4）：183-202.

[14] 夏樂(lè)天.梅雨強(qiáng)度的指數(shù)權(quán)馬爾可夫鏈預(yù)測(cè)[J].水利學(xué)報(bào)，2005，36（8）：988-993.

[15] 仲遠(yuǎn)見(jiàn)，李 ?靖，王 ?龍.改進(jìn)馬爾可夫鏈降雨量預(yù)測(cè)模型的應(yīng)用[J].濟(jì)南大學(xué)學(xué)報(bào)（自然科學(xué)版），2009（4）：402-405.endprint

參考文獻(xiàn)：

[1] 陳惠芬.熱帶氣旋災(zāi)害等級(jí)預(yù)評(píng)估方法初探[J].自然災(zāi)害學(xué)報(bào)，2011（5）：136-140.

[2] 張永恒，范廣洲，馬清云，等.浙江省臺(tái)風(fēng)災(zāi)害影響評(píng)估模型[J].應(yīng)用氣象學(xué)報(bào)，2009（6）：772-776.

[3] 牛海燕，劉 ?敏，陸 ?敏，等.中國(guó)沿海地區(qū)臺(tái)風(fēng)災(zāi)害損失評(píng)估研究[J].災(zāi)害學(xué)，2011（3）：61-64.

[4] 趙 ?飛，廖永豐，張妮娜，等.登陸中國(guó)臺(tái)風(fēng)災(zāi)害損失預(yù)評(píng)估模型研究[J].災(zāi)害學(xué)，2011（2）：81-85.

[5] 張穎超，張美娟，張中秋，等.浙江省登陸熱帶氣旋災(zāi)害影響評(píng)估[J].大氣科學(xué)學(xué)報(bào)，2013（2）：229-234.

[6] 楊忠恩，金志鳳，胡 ?波，等.熱帶氣旋對(duì)浙江省農(nóng)業(yè)影響的風(fēng)險(xiǎn)區(qū)劃[J].生態(tài)學(xué)雜志，2011（12）：2821-2826.

[7] 郭志鵠，吳勝安，鄧見(jiàn)英.暴雨洪澇災(zāi)害影響評(píng)估若干問(wèn)題探討[J].廣東氣象，2008（5）：29-32.

[8] 任魯川.災(zāi)害損失定量評(píng)估的模糊綜合評(píng)判方法[J].災(zāi)害學(xué)，1996（4）：5-10.

[9] 吳紅華.災(zāi)害損失評(píng)估的灰色模糊綜合方法[J].自然災(zāi)害學(xué)報(bào)，2005（2）：115-118.

[10] 馬清云，李佳英，王秀榮，等.基于模糊綜合評(píng)價(jià)法的登陸臺(tái)風(fēng)災(zāi)害影響評(píng)估模型[J].氣象，2008（5）：20-25.

[11] 付桂軍，齊義軍.煤炭資源型區(qū)域可持續(xù)發(fā)展水平比較研究——基于模糊綜合評(píng)價(jià)法的分析[J].干旱區(qū)資源與環(huán)境，2013（4）：106-110.

[12] 楊 ?俊，王占岐，金 ?貴，等.基于AHP與模糊綜合評(píng)價(jià)的土地整治項(xiàng)目實(shí)施后效益評(píng)價(jià)[J].長(zhǎng)江流域資源與環(huán)境，2013（8）：1036-1042.

[13] SEN Z K.Critical drought analysis by second order Markov Chain[J]. Journal of Hydrology，1990，120（1-4）：183-202.

[14] 夏樂(lè)天.梅雨強(qiáng)度的指數(shù)權(quán)馬爾可夫鏈預(yù)測(cè)[J].水利學(xué)報(bào)，2005，36（8）：988-993.

[15] 仲遠(yuǎn)見(jiàn)，李 ?靖，王 ?龍.改進(jìn)馬爾可夫鏈降雨量預(yù)測(cè)模型的應(yīng)用[J].濟(jì)南大學(xué)學(xué)報(bào)（自然科學(xué)版），2009（4）：402-405.endprint