青海牧區(qū)雪災(zāi)綜合風(fēng)險(xiǎn)評(píng)估

馬曉芳，黃曉東，鄧婕，王云龍，梁天剛

(蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院，草地農(nóng)業(yè)生態(tài)系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，甘肅 蘭州 730020)

青海牧區(qū)雪災(zāi)綜合風(fēng)險(xiǎn)評(píng)估

馬曉芳，黃曉東*，鄧婕，王云龍，梁天剛

(蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院，草地農(nóng)業(yè)生態(tài)系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，甘肅 蘭州 730020)

本研究收集了影響青海省雪災(zāi)發(fā)生的社會(huì)經(jīng)濟(jì)、自然及氣象共計(jì)19種因素，通過(guò)主客觀結(jié)合的方法篩選基礎(chǔ)因子，再利用Logistic回歸模型自我挑選變量功能對(duì)初始因子進(jìn)一步篩選，得到五項(xiàng)風(fēng)險(xiǎn)評(píng)價(jià)因子，即人均GDP、年均溫、最大雪深、積雪覆蓋日數(shù)及坡度，最后基于ArcGIS平臺(tái)得到青海地區(qū)2001-2007年的雪災(zāi)平均風(fēng)險(xiǎn)區(qū)劃圖，并對(duì)其劃分等級(jí)，分析不同雪災(zāi)等級(jí)在空間上的分布特征。得到以下結(jié)論：1)通過(guò)主客觀的分析方法，得到誘發(fā)雪災(zāi)形成的關(guān)鍵因素與自然因素、氣象因素、社會(huì)經(jīng)濟(jì)等因素有關(guān)；2)青海雪災(zāi)平均風(fēng)險(xiǎn)分布與風(fēng)險(xiǎn)因子最大雪深、坡度、積雪覆蓋日數(shù)具有基本一致的趨勢(shì)，而與年均溫和人均GDP 的分布趨勢(shì)相反；3)青海地區(qū)平均雪災(zāi)風(fēng)險(xiǎn)呈現(xiàn)南高北低的態(tài)勢(shì)，其中高風(fēng)險(xiǎn)區(qū)主要分布在研究區(qū)南部的稱多縣、玉樹(shù)縣、囊謙縣、達(dá)日縣、甘德縣以及瑪沁縣等地，相反，西北部的柴達(dá)木盆地和東部的農(nóng)業(yè)區(qū)為低風(fēng)險(xiǎn)區(qū)；4)受地形地貌的影響，4000 m以上的山嶺地帶，即祁連山、昆侖山、唐古拉山、巴顏喀拉山、阿尼瑪卿山等為青海雪災(zāi)高風(fēng)險(xiǎn)分布之地。

青海；雪災(zāi)災(zāi)害風(fēng)險(xiǎn)；Logistic回歸

牧區(qū)雪災(zāi)是我國(guó)發(fā)生頻率最高，影響最為嚴(yán)重的一類雪災(zāi)，主要是指因降雪量過(guò)多或積雪過(guò)厚，草場(chǎng)被積雪掩埋，牲畜無(wú)法到達(dá)草場(chǎng)或無(wú)其他食物來(lái)源，從而導(dǎo)致牲畜掉膘或者死亡的自然現(xiàn)象[1]。在我國(guó)，雪災(zāi)災(zāi)害的發(fā)生受到時(shí)間與空間的限制，從時(shí)間尺度來(lái)看，它的發(fā)生時(shí)期一般是從當(dāng)年的10月開(kāi)始到次年的4月結(jié)束[2]，從空間層面而言，雪災(zāi)主要活躍于高海拔、高緯度以及天然草場(chǎng)豐富的地區(qū)，即內(nèi)蒙古、新疆、青海、西藏等地[3]。雪災(zāi)還具有快速性、持久性，影響范圍廣泛、危害程度大等特點(diǎn)[4-5]。

青海處于青藏高原的東北部，因受到高原特殊地理環(huán)境及氣候條件的影響，冬春兩季時(shí)常遭受到雪災(zāi)的侵襲。已有的研究資料表明，1949-2002年青海省共發(fā)生29次雪災(zāi)，11次較嚴(yán)重雪災(zāi)和5次特大雪災(zāi)，從分布來(lái)看，青海南部地區(qū)雪災(zāi)事件的發(fā)生頻率最高、最廣泛[6]。雪災(zāi)狀況的嚴(yán)峻形勢(shì)，直接影響到青海農(nóng)牧業(yè)，甚至是國(guó)民經(jīng)濟(jì)的發(fā)展。因此，了解雪災(zāi)災(zāi)害的致災(zāi)因素、位置以及發(fā)生強(qiáng)度等，對(duì)于開(kāi)展防御和災(zāi)后管理工作，具有重要的意義。

近些年來(lái)，隨著各種監(jiān)測(cè)手段和處理技術(shù)的進(jìn)步，雪災(zāi)風(fēng)險(xiǎn)評(píng)估已經(jīng)成為國(guó)內(nèi)學(xué)者的研究熱點(diǎn)。何永清等[6]選取氣象、社會(huì)經(jīng)濟(jì)、畜牧等影響雪災(zāi)的因子，基于GIS平臺(tái)，創(chuàng)建了青海地區(qū)雪災(zāi)風(fēng)險(xiǎn)區(qū)劃圖；王世金等[7]通過(guò)分析雪災(zāi)風(fēng)險(xiǎn)的成因，選取平均雪深、坡度、牲畜密度、冬春超載率、積雪天數(shù)、產(chǎn)草量、雪災(zāi)重現(xiàn)率、地區(qū)GDP及農(nóng)牧民純收入等9項(xiàng)因子，利用Logistic回歸方法，建立了三江源地區(qū)雪災(zāi)綜合評(píng)估模型。白媛等[8]通過(guò)青海省雪深數(shù)據(jù)與雪災(zāi)災(zāi)情案例數(shù)據(jù)，得到該區(qū)雪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)模型，并分析了不同致災(zāi)水平下的雪災(zāi)損失風(fēng)險(xiǎn)情況。劉興元等[9]通過(guò)分析北疆牧區(qū)的雪災(zāi)狀況，從積雪致災(zāi)體、家畜承災(zāi)體、草地抗災(zāi)體等3個(gè)方面選出9個(gè)因素作為雪災(zāi)預(yù)警的影響因子，并利用多層次綜合法與目標(biāo)線性加權(quán)函數(shù)法，創(chuàng)建了雪災(zāi)預(yù)警模型和風(fēng)險(xiǎn)評(píng)估模型。Wang等[10]綜合青藏高原45場(chǎng)雪災(zāi)案例數(shù)據(jù)、積雪遙感監(jiān)測(cè)數(shù)據(jù)、氣象數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)等，利用主成分分析法篩選出雪災(zāi)預(yù)警的關(guān)鍵指標(biāo)，結(jié)合多元非線性回歸模型，構(gòu)建了基于縣域單元的青藏高原雪災(zāi)預(yù)警模型，同時(shí)提出了基于格網(wǎng)單元的雪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)方法。張國(guó)勝等[11]通過(guò)分析雪災(zāi)的誘發(fā)因素，采用各因素疊加運(yùn)算的方法，構(gòu)建了三江源地區(qū)越冬期雪災(zāi)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系；以上關(guān)于青海雪災(zāi)狀況的研究，不同學(xué)者采用了不同的方法，均得到了一定的成果。

以往學(xué)者對(duì)雪災(zāi)風(fēng)險(xiǎn)的評(píng)估，主要傾向于自然因子方面，且大多數(shù)采用的是多指標(biāo)加權(quán)綜合法，這不僅忽視了雪災(zāi)致災(zāi)成因是社會(huì)經(jīng)濟(jì)、自然條件、家畜狀況等多種因素綜合作用的結(jié)果，而且因受到人為因素的影響使得評(píng)價(jià)結(jié)果不夠客觀。因此，本文在已有研究成果的基礎(chǔ)上，將社會(huì)經(jīng)濟(jì)數(shù)據(jù)等列入雪災(zāi)影響因子中，完善雪災(zāi)風(fēng)險(xiǎn)評(píng)估及監(jiān)測(cè)基礎(chǔ)數(shù)據(jù)，并采用Logistic回歸方法分析青海雪災(zāi)災(zāi)害平均風(fēng)險(xiǎn)狀況，為進(jìn)一步進(jìn)行青海省雪災(zāi)預(yù)警研究奠定堅(jiān)實(shí)的基礎(chǔ)。

1 材料與方法

1.1 研究區(qū)概況

青海省處于青藏高原的東北部，地理位置介于東經(jīng)89°35′-103°04′，北緯31°9′-39°19′之間，平均海拔3500 m以上(圖1)。因該省是我國(guó)許多大河的發(fā)源地，即黃河、長(zhǎng)江、瀾滄江等，故有“中華水塔”之美稱。青海地勢(shì)具有自西向東降低的趨勢(shì)，以青南地區(qū)最為顯著，且地形復(fù)雜多樣，呈馬鞍形分布格局。其中，北部為山地，南部為青南高原，西北部是柴達(dá)木盆地，而東部為谷地。因受到地理要素及氣候條件，如海拔、地形地貌、大氣環(huán)流等的影響，青海形成了典型的高原大陸性氣候，主要表現(xiàn)為氣溫低且隨海拔增高而遞減，最低氣溫分布在青海南部以及祁連山等地勢(shì)高的地區(qū)，最高氣溫出現(xiàn)在柴達(dá)木盆地和東部的谷地；降水分布地域差異顯著，隨海拔增高而遞增；研究區(qū)大部分地區(qū)盛行偏西風(fēng)，其中平均大風(fēng)日數(shù)最多的是西南部地區(qū)，而西北部與東部地區(qū)最少?；诖吮尘埃J(rèn)識(shí)和掌握青海省雪災(zāi)的主要誘發(fā)因子及其演變情況，對(duì)減輕雪災(zāi)損失，保障畜牧業(yè)可持續(xù)發(fā)展具有重要的理論意義與實(shí)用價(jià)值。

圖1 研究區(qū)位置圖Fig.1 Location of the study area

1.2 研究數(shù)據(jù)

根據(jù)雪災(zāi)風(fēng)險(xiǎn)系統(tǒng)的成因及其研究目的，選用的數(shù)據(jù)主要包含以下幾類：

(1)統(tǒng)計(jì)年鑒數(shù)據(jù)：依據(jù)青海省及相應(yīng)地(州、市)2001-2007年的年鑒及統(tǒng)計(jì)年鑒，整理了各縣經(jīng)濟(jì)水平、牲畜狀況等統(tǒng)計(jì)資料，如地區(qū)生產(chǎn)總值、人均GDP、人口密度、公路密度、年初存欄數(shù)、載畜力等。

(2)雪災(zāi)案例數(shù)據(jù)：根據(jù)中國(guó)氣象災(zāi)害大典(青海卷)和2001-2007年的雪災(zāi)發(fā)生記錄，整理得到該省共發(fā)生雪災(zāi)事件33次，并以縣級(jí)行政區(qū)劃為基本單元，統(tǒng)計(jì)出前冬雪災(zāi)概率和牲畜死亡情況等。

(3)氣象數(shù)據(jù)：氣象數(shù)據(jù)來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)(http://cdc.cma.gov.cn)，包括日均溫、日降水量、風(fēng)速、坡度等。

(4)數(shù)字高程模型：根據(jù)90 m空間分辨率的數(shù)字高程模型提取坡度，從地形因素分析雪災(zāi)狀況。

(5)植被分類數(shù)據(jù)：選用2001-2007年MCD12Q1產(chǎn)品中的國(guó)際地圈生物圈計(jì)劃(IGBP)分類數(shù)據(jù)集，其空間分辨率為500 m。MCD12Q1產(chǎn)品是MODIS Aqua和Terra衛(wèi)星于2008年合成的年度土地覆蓋分類產(chǎn)品，可從USGS網(wǎng)站(http://www.usgs.gov/)下載得到。

(6)積雪遙感數(shù)據(jù)：雪蓋產(chǎn)品來(lái)源于中國(guó)西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心，由Huang等[12]開(kāi)發(fā)的青藏高原地區(qū)MODIS逐日無(wú)云積雪產(chǎn)品(2002-2010年)。雪深數(shù)據(jù)是來(lái)源于該數(shù)據(jù)中心的中國(guó)長(zhǎng)時(shí)間序列數(shù)據(jù)集，由Che等[13]和Dai等[14-15]利用美國(guó)國(guó)家雪冰數(shù)據(jù)中心(NSIDC)處理的被動(dòng)微波傳感器SSM/I(1987-2008年)和AMSR-E(2002-2010年)亮度溫度資料反演得到，其空間分辨率為25 km。SSM/I(Special Sensor Microwave/Image)是美國(guó)國(guó)防氣象衛(wèi)星計(jì)劃(DMSP)衛(wèi)星所攜帶的星載微波輻射計(jì)，而AMSR-E是搭載在美國(guó)地球觀測(cè)系統(tǒng)(EOS)AQUA衛(wèi)星上的微波掃描輻射計(jì)。

以上所用數(shù)據(jù)的來(lái)源和空間分辨率不同，為減小實(shí)驗(yàn)誤差對(duì)分析結(jié)果的影響，對(duì)所有數(shù)據(jù)采用GIS柵格數(shù)據(jù)類型并重采樣為500 m，同時(shí)將坐標(biāo)系統(tǒng)配準(zhǔn)為Alberts坐標(biāo)系統(tǒng)。

1.3 指標(biāo)歸一化

多指標(biāo)綜合評(píng)價(jià)中，因各指標(biāo)涵蓋的物理意義大不相同，若置于同一標(biāo)準(zhǔn)下計(jì)算，會(huì)影響結(jié)果的評(píng)估，因此，需要對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理[16-17]。常見(jiàn)的關(guān)于指標(biāo)標(biāo)準(zhǔn)化處理的方法有極差變換法、標(biāo)準(zhǔn)化法和均值化法，它們各有優(yōu)缺點(diǎn)。其中，極差變換法不僅適用于正態(tài)分布，也適用于非正態(tài)分布的指標(biāo)，同時(shí)該方法無(wú)論指標(biāo)原始值是正數(shù)還是負(fù)數(shù)，經(jīng)極差變換后，均可化為正向指標(biāo)，省去了指標(biāo)的同趨化處理[18]。因此，基于數(shù)據(jù)的實(shí)際情況，本研究選用該方法對(duì)各個(gè)指標(biāo)量化處理。

對(duì)于正向指標(biāo)：

(1)

對(duì)于逆向指標(biāo)：

(2)

式中：i為指標(biāo)的個(gè)數(shù)；xi為指標(biāo)的初始值；min(xi)為指標(biāo)的最小值；max(xi)為指標(biāo)的最大值；yi的值域介于0～1之間。

1.4 指標(biāo)篩選方法

在自然災(zāi)害綜合風(fēng)險(xiǎn)評(píng)估中，指標(biāo)是我們研究對(duì)象的起點(diǎn)，而評(píng)價(jià)指標(biāo)的正確選取，直接影響到綜合評(píng)估的結(jié)果[19]。為了全面的洞悉研究對(duì)象，研究者往往會(huì)盡可能多的搜集相關(guān)指標(biāo)，殊不知這樣會(huì)因各個(gè)指標(biāo)間的內(nèi)部關(guān)聯(lián)，帶來(lái)信息的重疊。因此，科學(xué)、合理地選擇因子構(gòu)建指標(biāo)體系，是雪災(zāi)風(fēng)險(xiǎn)綜合評(píng)價(jià)中首要解決的問(wèn)題。關(guān)于風(fēng)險(xiǎn)評(píng)估綜合指標(biāo)的篩選，完全依靠客觀的統(tǒng)計(jì)分析方法或是主觀的評(píng)價(jià)方法(如專家打分法)都是片面的、不科學(xué)的。前者僅考慮了數(shù)據(jù)固有的特征，而沒(méi)有將評(píng)估指標(biāo)與研究本身結(jié)合，脫離了研究本身的意義；后者往往參雜了太多人為因素，選出的各個(gè)指標(biāo)之間容易存在共線性，會(huì)影響到下文模型的應(yīng)用[20-21]。因此，基于前人的研究經(jīng)驗(yàn)，本研究采用主客觀結(jié)合的方法篩選指標(biāo)，首先分析指標(biāo)的來(lái)源及意義，構(gòu)建雪災(zāi)綜合風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。其次，利用因子分析法進(jìn)行具體的分析。

因子分析法最早由英國(guó)心理學(xué)家斯皮爾曼提出[22]，其原理是用較少的互相獨(dú)立的因子反映原有變量的絕大部分信息，且要求原有變量之間應(yīng)存在較強(qiáng)的相關(guān)性，可用數(shù)學(xué)模型加以表示[23]。設(shè)原有n個(gè)變量，X1，X2，X3，…,Xn，且每個(gè)變量(經(jīng)標(biāo)準(zhǔn)化處理)的均值為0，標(biāo)準(zhǔn)差為1，現(xiàn)將每個(gè)原有變量用k個(gè)因子f1，f2，f3，…，fk的線性組合表示，則有：

(3)

圍繞濃縮原有變量(已做標(biāo)準(zhǔn)化處理)提取因子的核心思想，因子分析的主要步驟如下：

(2)利用主成分方法計(jì)算特征值和特征向量。根據(jù)特征方程式|λIp-R|=0，可得到p個(gè)特征值，其按大小順序排列為λ1≥λ2≥λ3≥…≥λp≥0，由每個(gè)特征值可得到對(duì)應(yīng)的特征向量μ1,μ2,μ3,…,μp。

(5)結(jié)合相關(guān)系數(shù)矩陣，對(duì)旋轉(zhuǎn)成分矩陣分類后的各個(gè)因子取絕對(duì)值最大值，以此來(lái)篩選因子。

1.5Logistic回歸模型

近些年，國(guó)內(nèi)外專家對(duì)雪災(zāi)綜合風(fēng)險(xiǎn)評(píng)價(jià)的探索，歷經(jīng)了定性評(píng)價(jià)到定量評(píng)價(jià)的思維演變。盡管所用方法多樣，但都是通過(guò)一定的數(shù)學(xué)方法(如層次分析法、人工神經(jīng)網(wǎng)絡(luò)、模糊綜合評(píng)判等)篩選出若干基本因子，進(jìn)行多指標(biāo)加權(quán)綜合運(yùn)算，從而評(píng)估最終的風(fēng)險(xiǎn)狀況[24]。這些方法可以評(píng)估雪災(zāi)災(zāi)害風(fēng)險(xiǎn)，但因指標(biāo)權(quán)重的確定，參雜了許多主觀因素。為了尋求適合本研究區(qū)的評(píng)價(jià)模型，在查閱災(zāi)害風(fēng)險(xiǎn)相關(guān)文獻(xiàn)的基礎(chǔ)上，得到Logistic回歸模型的預(yù)測(cè)精度高于其他預(yù)測(cè)模型[25-27]，因而本文選用Logistic回歸模型對(duì)青海地區(qū)雪災(zāi)風(fēng)險(xiǎn)進(jìn)行評(píng)估。

Logistic回歸模型，是多變量統(tǒng)計(jì)分析模型，其因變量可為二分類，也可是多分類變量。Logistic模型的優(yōu)勢(shì)便是自變量既可以是連續(xù)的，也可以是離散的，且可以不服從正態(tài)分布[28-29]。本研究以篩選的雪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)因子，即年均溫、積雪覆蓋日數(shù)、最大雪深、人均GDP、坡度等為自變量，災(zāi)害發(fā)生與否為因變量，若雪災(zāi)發(fā)生，取值為1，否則為0。

設(shè)P為雪災(zāi)發(fā)生概率，其取值范圍介于0～1之間，1-P即為雪災(zāi)不發(fā)生的概率。因P的取值接近0或1時(shí)，P的變化就很難把握，因此對(duì)P值進(jìn)行一定的轉(zhuǎn)換是必要的。將其二者的比值取自然對(duì)數(shù)，ln[P/(1-P)],以P為因變量，χm為自變量，建立Logistic線性回歸方程：

Logit(P)=ln[P/(1-P)]=α+β1χ1+β2χ2+……+βmχm

(4)

可得到，

(5)

式中:α為常數(shù);β1，β2，…,βm為邏輯回歸系數(shù);χ1，χ2，…,χm分別為影響雪災(zāi)發(fā)生的各個(gè)風(fēng)險(xiǎn)因子。

2 結(jié)果與分析

2.1 雪災(zāi)風(fēng)險(xiǎn)影響指標(biāo)

本研究基于SPSS統(tǒng)計(jì)分析軟件，利用主客觀結(jié)合的方法，提取雪災(zāi)風(fēng)險(xiǎn)的關(guān)鍵因子。通過(guò)分析指標(biāo)的來(lái)源及意義，將雪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)劃分為4類，見(jiàn)表1。

表1 雪災(zāi)綜合風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系Table 1 Integrated risk assessment indicator system of snow disaster

SU:羊單位Sheep unit.

通過(guò)分析表2，大部分變量間的相關(guān)系數(shù)值大于0.3，能夠從中提取公共因子，同時(shí)表3 中KMO統(tǒng)計(jì)量大于0.6，且Bartlett球形檢驗(yàn)的顯著性小于0.01，驗(yàn)證了此數(shù)據(jù)適合做因子分析。采用主成分方法對(duì)該四類數(shù)據(jù)進(jìn)行分析，從表4可以得到，前兩個(gè)主成分的特征值大于1且累計(jì)方差貢獻(xiàn)率達(dá)到85%，說(shuō)明前兩個(gè)主成分便可以反映全部指標(biāo)的信息。因此，我們可以從這四類數(shù)據(jù)中分別提取兩個(gè)主成分。從表5可知，在A類因素中，地區(qū)生產(chǎn)總值、人口密度、公路密度在第1個(gè)成分上具有較高的載荷，相反，人均GDP、農(nóng)牧業(yè)純收入在第2個(gè)成分上

表2 相關(guān)系數(shù)矩陣Table 2 Correlation matrix of principal components

表3 KMO和Bartlett檢驗(yàn)Table 3 KMO and Bartlett test

表4 解釋的總方差Table 4 Total variance explained

具有較高的載荷；B類因素中，降水量、平均風(fēng)速、年均溫在第1個(gè)成分上具有較高的載荷，相反，坡度、前冬雪災(zāi)概率在第2個(gè)成分上具有較高的載荷；C類因素中，積雪覆蓋日數(shù)、草地積雪覆蓋率、積雪覆蓋率在第1個(gè)成分上具有較高的載荷，而最大雪深、平均雪深在第2個(gè)成分上具有較高的載荷；D類因素中，年初存欄數(shù)、年末存欄數(shù)在第1個(gè)成分上具有較高的載荷，而載畜力、草地面積比例在第2個(gè)成分上具有較高的載荷。基于表2、表5，篩選得到四類數(shù)據(jù)中的關(guān)鍵指標(biāo)，即公路密度、人均GDP、年均溫、坡度、最大雪深、積雪覆蓋日數(shù)、載畜力、年初存欄數(shù)。

2.2 雪災(zāi)風(fēng)險(xiǎn)因子分析

基于ArcGIS平臺(tái)，從縣域單元分析雪災(zāi)各個(gè)風(fēng)險(xiǎn)因子空間分布情況(圖2)?？傮w來(lái)看，除了人均GDP與年均溫，青海西北部、東部地區(qū)各個(gè)風(fēng)險(xiǎn)因子水平較低，而北部與南部地區(qū)風(fēng)險(xiǎn)因子水平較高。從氣象角度來(lái)看，青海自西北向東一帶溫度較高，此界限以上或以下，溫度較低；研究區(qū)坡度較大的區(qū)域，主要集中在青海各個(gè)山脈周邊，即祁連山、昆侖山、唐古拉山、巴顏喀拉山及阿尼瑪卿山等地，其他地區(qū)坡度趨于平緩。從經(jīng)濟(jì)狀況來(lái)看，青海人均GDP最高的縣是海西州、格爾木市，研究區(qū)南部及東南部地區(qū)經(jīng)濟(jì)水平較低，其他縣為中等經(jīng)濟(jì)水平。從積雪監(jiān)測(cè)因素來(lái)看，青海積雪較深的區(qū)域主要分布在天峻縣、祁連縣、玉樹(shù)縣、囊謙縣、雜多縣、甘德縣、都蘭縣等地，而海西州、格爾木市和東部的農(nóng)業(yè)區(qū)積雪深度較淺；整體來(lái)看，積雪覆蓋日數(shù)呈現(xiàn)較低趨勢(shì)，且以西北部、東部地區(qū)最少，而德令哈市、天峻縣最多。

表5 旋轉(zhuǎn)成分矩陣Table 5 Rotating component matrix

2.3 雪災(zāi)災(zāi)害風(fēng)險(xiǎn)評(píng)估

Logistic回歸模型可以進(jìn)一步篩選變量，其原理是只有自變量對(duì)因變量貢獻(xiàn)率達(dá)到顯著水平，當(dāng)可進(jìn)入回歸模型，否則將會(huì)被剔除[24]?；贏rcGIS的空間分析功能，將2001-2007年各因子圖像轉(zhuǎn)化為相應(yīng)的數(shù)字矩陣，在Excel中整理后導(dǎo)入統(tǒng)計(jì)分析軟件SPSS，然后利用Binary logistic回歸分析，采用逐步法篩選變量，多次迭代后，最終選擇出坡度、積雪覆蓋日數(shù)、年均溫、最大雪深和人均GDP等5個(gè)顯著性Sig小于0.5的因子，因其他指標(biāo)沒(méi)達(dá)到顯著性水平而被剔除。最終得到青海雪災(zāi)風(fēng)險(xiǎn)綜合評(píng)價(jià)的Logistic回歸模型：

Logistic(P)=-12.559+0.601x1+2.544x2+3.066x3+1.724x4+7.837x5

(6)

式中:x1,x2,…,x5分別為坡度、積雪覆蓋日數(shù)、年均溫、最大雪深、人均GDP；P為雪災(zāi)發(fā)生的概率。分析得到，影響雪災(zāi)風(fēng)險(xiǎn)的因子，不僅與自然因素有關(guān)，還受到社會(huì)經(jīng)濟(jì)因素的影響，按照人均GDP、年均溫、積雪覆蓋日數(shù)、最大雪深等，對(duì)雪災(zāi)風(fēng)險(xiǎn)的影響依次減弱。

根據(jù)公式(5)和(6)，結(jié)合GIS的柵格運(yùn)算功能，得到研究區(qū)內(nèi)像元單元雪災(zāi)發(fā)生概率值P，并利用ArcGIS自帶的Natural Breaks(自然段點(diǎn)法)對(duì)其進(jìn)行分級(jí)，見(jiàn)表6和圖3。整體來(lái)看，青海雪災(zāi)平均風(fēng)險(xiǎn)呈現(xiàn)南高北低的趨勢(shì)，風(fēng)險(xiǎn)高的區(qū)域主要集中在青南高原，從縣域單元看，分布于格爾木市、稱多縣、玉樹(shù)縣、囊謙縣、達(dá)日縣、甘德縣以及瑪沁縣等地，少數(shù)分布于北部的德令哈市、都蘭縣、門源縣、祁連縣等地。從地形地貌而言，西北部的柴達(dá)木盆地和東部的農(nóng)業(yè)區(qū)風(fēng)險(xiǎn)較低，而海拔高于4000 m的山嶺地帶，即祁連山、昆侖山、唐古拉山、巴顏喀拉山、阿尼瑪卿山等地的風(fēng)險(xiǎn)較高，其他地區(qū)為雪災(zāi)發(fā)生的一般地區(qū)。

圖2 青海雪災(zāi)風(fēng)險(xiǎn)因子空間分布Fig.2 The spatial pattern of risk factor of Qinghai

3 結(jié)論與討論

本研究采用主客觀結(jié)合的方法分析影響青海省雪災(zāi)災(zāi)害的關(guān)鍵因素，結(jié)合Logistic回歸方法構(gòu)建青海雪災(zāi)綜合風(fēng)險(xiǎn)評(píng)價(jià)回歸模型，該方法很大程度上減少了人為因素的影響。研究結(jié)果表明青海雪災(zāi)高風(fēng)險(xiǎn)區(qū)主要集中在南部地區(qū)，即稱多縣、玉樹(shù)縣、囊謙縣、達(dá)日縣、甘德縣以及瑪沁縣等地，其中，高于4000 m的山嶺地帶， 即昆侖山、巴顏喀拉山、阿尼瑪卿山周邊成為雪災(zāi)發(fā)生的高頻率地區(qū)(尤其是巴顏喀拉山兩側(cè))，這與郝璐等[3]的研究基本一致，相反西北部的柴達(dá)木盆地和東部的農(nóng)業(yè)區(qū)為低風(fēng)險(xiǎn)區(qū)域，這與已有的研究結(jié)果基本吻合[6-8]。造成青海南部地區(qū)風(fēng)險(xiǎn)高，而柴達(dá)木盆地風(fēng)險(xiǎn)低的原因，可以歸結(jié)為以下幾個(gè)方面：因青南地區(qū)海拔較高、溫度較低且草場(chǎng)豐富，同時(shí)受到來(lái)自東亞和印度季風(fēng)驅(qū)動(dòng)的氣流影響，使得該區(qū)降雪較多且維持時(shí)間長(zhǎng)[30]，而這是促進(jìn)雪災(zāi)災(zāi)害發(fā)生的前提。此外，受到西西伯利亞冷空氣的入侵和高原低值系統(tǒng)的共同作用，使得該區(qū)易形成寒潮[31-33]。而柴達(dá)木盆地因地貌類型主要以沙漠為主，且四周被高山環(huán)繞，地形封閉，同時(shí)溫度較高、降雪量少[34-36]，因此雪災(zāi)風(fēng)險(xiǎn)最低。

表6 青海雪災(zāi)風(fēng)險(xiǎn)等級(jí)劃分Table 6 Risk level of the snow disaster in the Qinghai

圖3 青海雪災(zāi)平均風(fēng)險(xiǎn)區(qū)劃Fig.3 Regionalization of average risk assessment of snow disaster in the Qinghai

本文通過(guò)Logistic回歸方法構(gòu)建雪災(zāi)災(zāi)害風(fēng)險(xiǎn)取得了一定的成果，但這并不意味著該方法在其他區(qū)域也能取得較好的結(jié)果，所以我們應(yīng)根據(jù)研究區(qū)地域差異、氣候條件、經(jīng)濟(jì)發(fā)展水平及分析目的的不同，有側(cè)重的選擇影響雪災(zāi)發(fā)生的因素。研究收集了影響青海省雪災(zāi)發(fā)生的社會(huì)經(jīng)濟(jì)、自然及氣象共計(jì)19種因素，采用格網(wǎng)尺度和縣域尺度結(jié)合的方式來(lái)構(gòu)建風(fēng)險(xiǎn)，雖具有一定的創(chuàng)新，但對(duì)于研究結(jié)果的分析會(huì)帶來(lái)一定的誤差。同時(shí)，本研究主要分析了青海2001-2007年時(shí)間序列雪災(zāi)災(zāi)害風(fēng)險(xiǎn)的綜合情況，盡管可以反映出該區(qū)雪災(zāi)風(fēng)險(xiǎn)的分布情況，但不利于指導(dǎo)氣象和預(yù)警研究。因此，在接下來(lái)的研究中，將會(huì)從更小尺度，如冬春季度、月、旬等來(lái)分析雪災(zāi)發(fā)生及風(fēng)險(xiǎn)分布情況。此外，本研究使用多數(shù)研究者采用的GIS自帶的分級(jí)方法Natural Breaks法對(duì)雪災(zāi)災(zāi)害風(fēng)險(xiǎn)分級(jí)[6-7]，雖然該方法可以直觀的顯示雪災(zāi)風(fēng)險(xiǎn)不同的等級(jí)，但是缺乏一定的理論根據(jù)，不利于推廣，所以本項(xiàng)研究會(huì)在以后的工作中找到適合于研究區(qū)雪災(zāi)風(fēng)險(xiǎn)模型的科學(xué)分級(jí)方法。

References：

[1] Li H H, Li X F, Zhang H Z,etal. Level indicators research of snow disaster in China’s pastoral areas. Journal of Qinghai Meteorology, 2006, (1): 24-28. 李海紅, 李錫福, 張海珍, 等. 中國(guó)牧區(qū)雪災(zāi)等級(jí)指標(biāo)研究. 青海氣象, 2006, (1): 24-28.

[2] Wen K G. Meteorological Disaster Chinese Ceremony, Qinghai[M]. Qinghai: China Meteorological Press, 2007. 溫克剛. 中國(guó)氣象災(zāi)害大典.青海卷[M]. 青海: 氣象出版社, 2007.

[3] Hao L, Gao J M, Yang C Y. Snow disaster system of grassland animal husbandry and control countermeasures. Pratacultural Science, 2006, 23(6): 48-54. 郝璐, 高景民, 楊春燕. 草地畜牧業(yè)雪災(zāi)災(zāi)害系統(tǒng)及減災(zāi)對(duì)策研究. 草業(yè)科學(xué), 2006, 23(6): 48-54.

[4] Lu A X, Feng X Z, Zeng Q Z. Study on the assessing parameter system and its classification of snow disaster in the pasture land of our country. Journal of Catastrophology, 1995, 10(3): 15-18.

[5] Liu D C, Qi J X. The effects of snow disaster on animal husbandry in Xinjiang. Arid Zone Research, 1997, 14(2): 51-55.

[6] He Y Q, Zhou B R, Zhang H J,etal. Assessment model on risk degree of snow disaster and its risk division in Qinghai Plateau. Pratacultural Science, 2010, 27(11): 37-42. 何永清, 周秉榮, 張海靜, 等. 青海高原雪災(zāi)風(fēng)險(xiǎn)度評(píng)價(jià)模型與風(fēng)險(xiǎn)區(qū)域探討. 草業(yè)科學(xué), 2010, 27(11): 37-42.

[7] Wang S J, Wei Y Q, Fang M. Integrated risk assessment of snow disaster in the Three Rivers Source Region, China. Acta Prataculturae Sinica, 2014, 23(2): 108-116. 王世金, 魏彥強(qiáng), 方苗. 青海省三江源牧區(qū)雪災(zāi)綜合風(fēng)險(xiǎn)評(píng)估. 草業(yè)學(xué)報(bào), 2014, 23(2): 108-116.

[8] Bai Y, Zhang X M, Xu P H. The snow disaster risk assessment of animal husbandry in Qinghai Province. Journal of Qinghai Normal University, 2011, 27(1): 71-77. 白媛, 張興明, 徐品泓. 青海省畜牧業(yè)雪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)研究. 青海師范大學(xué)學(xué)報(bào), 2011, 27(1): 71-77.

[9] Liu X Y, Liang T G, Guo Z G,etal. Early warning and risk assessment of snow disaster in pastoral area of northern Xinjiang. Chinese Journal of Applied, 2008, 19(1): 133-138. 劉興元, 梁天剛, 郭正剛, 等. 北疆牧區(qū)雪災(zāi)預(yù)警與風(fēng)險(xiǎn)評(píng)估方法. 應(yīng)用生態(tài)學(xué)報(bào), 2008, 19(1): 133-138.

[10] Wang W, Liang T G, Huang X D,etal. Early warning of snow-caused disasters in pastoral areas on the Tibetan Plateau. Natural Hazards and Earth System Sciences, 2013, 13(6): 1411-1425.

[11] Zhang G S, Fu Y, Yan L D,etal. Study on warning indicator system of snow disaster and risk management in headwaters region. Pratacultural Science, 2009, 26(5): 144-150. 張國(guó)勝, 伏洋, 顏亮東, 等. 三江源地區(qū)雪災(zāi)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系及風(fēng)險(xiǎn)管理研究. 草業(yè)科學(xué), 2009, 26(5): 144-150.

[12] Huang X D, Hao X H, Wang W,etal. Algorithms for cloud removal in MODIS daily snow products. Journal of Glaciology and Geocryology, 2012, 34(5): 1118-1126.

[13] Che T, Xin L, Jin R,etal. Snow depth derived from passive microwave remote-sensing data in China. Annals of Glaciology, 2008, 49(1): 145-154.

[14] Dai L Y, Che T, Wang J,etal. Snow depth and snow water equivalent estimation from AMSR-E data based on a priori snow characteristics in Xinjiang, China. Remote Sensing of Environment, 2012, 127(12): 14-29.

[15] Dai L Y, Che T, Ding Y J. Inter-calibrating SMMR, SSM/I and SSMI/S data to improve the consistency of snow-depth products in China. Remote Sensing, 2015, 17: 7212-7230.

[16] Fan H Y, Liu X L. Comparison and optimization of various non-dimensionalized methods based on comprehensive evaluation method-a case study of land development in Yongdeng Country of Lanzhou City. Hunan Agricultural Sciences, 2010, (17): 163-166. 樊紅艷, 劉學(xué)錄. 基于綜合評(píng)價(jià)法的各種無(wú)量綱化方法的比較和優(yōu)選——以蘭州市永登縣的土地開(kāi)發(fā)為例. 湖南農(nóng)業(yè)科學(xué), 2010, (17): 163-166.

[17] Jiao L X. On methods of standardization management of index. Journal of Anhui Agrotechnical Teachers College, 1999, 13(3): 7-10. 焦立新. 評(píng)價(jià)指標(biāo)標(biāo)準(zhǔn)化處理方法的探討. 安徽農(nóng)業(yè)技術(shù)師范學(xué)院學(xué)報(bào), 1999, 13(3): 7-10.

[18] Li M J, Chen G H, Chen Y T. Study on target standardization method of comprehensive evaluation. Chinese Journal of Management Science, 2004, (12): 45-48. 李美娟, 陳國(guó)宏, 陳衍泰. 綜合評(píng)價(jià)中指標(biāo)標(biāo)準(zhǔn)化方法研究. 中國(guó)管理科學(xué), 2004, (12): 45-48.

[19] Zhang H, Zhao Q H. An economic indicator screening method based on fundamental principle of principal components analysis. Journal of Shandong University of finance, 2013, 124(2): 52-61. 張輝, 趙秋紅. 基于主成分分析基本原理的經(jīng)濟(jì)指標(biāo)的篩選方法. 山東財(cái)經(jīng)學(xué)院學(xué)報(bào), 2013, 124(2): 52-61.

[20] Zhang L J, Luo Z. The screening method of the performance evaluation index of listing company. Statistics and Decision, 2008, 270(18): 63-65. 張立軍, 羅珍. 上市公司經(jīng)營(yíng)業(yè)績(jī)?cè)u(píng)價(jià)指標(biāo)的篩選方法. 統(tǒng)計(jì)與決策, 2008, 270(18): 63-65.

[21] Huang R Q, Xiang X Q, Ju N P. Assessment of China’s regional geohazards: present situation and problems. Geological Bulletin of China, 2004, 23(11): 1078-1082. 黃潤(rùn)秋, 向喜瓊, 巨能攀. 我國(guó)區(qū)域地質(zhì)災(zāi)害評(píng)價(jià)的現(xiàn)狀及問(wèn)題. 地質(zhì)通報(bào), 2004, 23(11): 1078-1082.

[22] Zheng G Q. Basic Tutorial of Travel Survey[M]. Shanghai: Shanghai Renmin Chubanshe, 2010. 鄭國(guó)全. 旅游調(diào)查基礎(chǔ)教程[M]. 上海: 上海人民出版社, 2010.

[23] Xue W. SPSS Statistical Analysis Method and Application[M]. Beijing: Publishing House of Electronics Industry, 2013. 薛薇. SPSS統(tǒng)計(jì)分析方法及運(yùn)用[M]. 北京: 電子工業(yè)出版社, 2013.

[24] Zhou W. Landslide Hazard Assessment Based on Logistic Regression and SINMAP Model in Bailong River Basin[D]. Lanzhou: Lanzhou University, 2012. 周偉. 基于Logistic回歸和SINMAP模型的白龍江流域滑坡危險(xiǎn)性評(píng)價(jià)研究[D]. 蘭州: 蘭州大學(xué), 2012.

[25] Lulseged A, Hiromitsu Y. The application of GIS-based logistic regression for landslide susceptibility mapping in Kakuda-Yahiko Mountains, central Janpan. Geomorphology, 2005, 65(1/2): 15-31.

[26] Peter V, Paul G, Randy B. Spatial Prediction of Landslide Hazard Using Logistic Regression and GIS[C]. Banff, Alberta: 4th International Conference on Integrating GIS and Environmental Modeling(GIS/EM4): Problems, Prospects and Research Needs, 2000.

[27] Wang W D, Chen Y P, Zhong S. Landslides susceptibility mapped with CF and Logistic regression model. Journal of Central South University, 2009, 40(4): 1127-1132. 王衛(wèi)東, 陳燕平, 鐘晟. 應(yīng)用CF和Logistic回歸模型編制滑坡危險(xiǎn)性區(qū)劃圖. 中南大學(xué)學(xué)報(bào), 2009, 40(4): 1127-1132.

[28] Gregory C O, John C D. Using multiple logistic regression and GIS technology to predict landslide hazard in northeast Kansas, USA. Engineering Geology, 2003, 69(3/4): 331-343.

[29] Wang J C, Guo Z G. Logistic Regression Model-method and Application[M]. Beijing: High Education Press, 2001. 王濟(jì)川, 郭志剛. Logistic回歸模型——方法與應(yīng)用[M]. 北京: 高等教育出版社, 2001.

[30] Li S C, Li D L, Zhao P,etal. The climatic characteristics of vapor transportation in rainy season of the origin area of three rivers in Qinhai-Xizang Plateau. Acta Meteorologica Sinica, 2009, 67(4): 591-598. 李生辰, 李棟梁, 趙平, 等. 青藏高原“三江源地區(qū)”雨季水汽輸送特征. 氣象學(xué)報(bào), 2009, 67(4): 591-598.

[31] Hong G L, Zhao X, Li F,etal. Snow disaster risk assessment of township population-livestock in Guoluo prefecture of Qinghai Province. Journal of Natural Disasters, 2015, 24(5): 246-253. 侯光亮, 趙霞, 李凡, 等. 青海省果洛州鄉(xiāng)級(jí)人口——牲畜雪災(zāi)風(fēng)險(xiǎn)評(píng)估. 自然災(zāi)害學(xué)報(bào), 2015, 24(5): 246-253.

[32] Xu Y H, Zeng H. The characteristics of the atmospheric environment of the Tibetan Plateau snow disaster. Sichuan Meteorological Journal, 1998, 66(4): 1-4. 徐裕華, 曾皓. 青藏高原雪災(zāi)的大氣環(huán)境場(chǎng)特征. 四川氣象, 1998, 66(4): 1-4.

[33] Li H M, Li L, Gao G,etal. Snow disaster in Qinghai Plateau: risk division and countermeasure. Journal of Glaciology and Geocryology, 2013, 35(3): 656-661. 李紅梅, 李林, 高歌, 等. 青海高原雪災(zāi)風(fēng)險(xiǎn)區(qū)劃及對(duì)策建議. 冰川凍土, 2013, 35(3): 656-661.

[34] Wang J S, Li X F. Meteorological and Climate in Qinghai[M]. Beijing: China Meteorological Press, 2004. 王江山, 李錫福. 青海氣象氣候[M]. 北京: 氣象出版社, 2004.

[35] Li Y F, Yang T B. The temperature ascends in the Qaidam Basin in the past 50 years and global warming. Journal of Shangrao Normal College, 2005, 25(3): 105-109. 李永飛, 楊太保. 近50年來(lái)柴達(dá)木盆地升溫與全球變暖. 上饒師范學(xué)院學(xué)報(bào), 2005, 25(3): 105-109.

[36] Shi X H, Zhao Y N, Dai S,etal. Research on climatic change of Qaidam Basin since 1961. Journal of Desert Research, 2005, 25(1): 123-128. 時(shí)興合, 趙燕寧, 戴升, 等. 柴達(dá)木盆地40多年來(lái)的氣候變化研究, 中國(guó)沙漠, 2005, 25(1): 123-128.

Comprehensive risk assessment of snow disasters in Qinghai Province

MA Xiao-Fang, HUANG Xiao-Dong*, DENG Jie, WANG Yun-Long, LIANG Tian-Gang

CollegeofPastoralAgricultureScienceandTechnology,StateKeyLaboratoryofGrasslandAgro-ecosystems,LanzhouUniversity,Lanzhou730020,China

We collected data on 19 factors, including social, economic, and meteorological factors, leading to snow disasters in Qinghai Province. A combination of subjective and objective methods was used to filter these data. Then, logistic regression models were used to further screen the initial factors and identify five risk assessment factors (per capita gross domestic product, annual average temperature, number of snow-covered days, maximum snow depth, and slope). These data were analyzed using ArcGIS to construct a snow disaster average risk zoning map from 2001-2007 for the Qinghai region, to illustrate the spatial distribution of different snow disaster levels. The results of the subjective and objective analyses indicated that the key factors leading to snow disasters were not only natural and meteorological factors, but also social economic factors. The average risk distribution of snow disasters, and risk factors (maximum snow depth, slope, number of snow-covered days) showed consistent trends, in contrast to the trends in the distribution of annual mean temperature and per capita gross domestic product. The risk of snow disasters was higher in the south and lower in the north of Qinghai Province. The high risk areas were mainly distributed in the south region of Qinghai Province including Chengduo, Yushu, Xiangqian, Dari, Gande, and Maqin, while the low-risk areas included the Qaidam Basin in the northwest and the eastern agricultural region. A high risk of snow disasters was associated with topography and geomorphology. Mountainous areas above 4000 m (including the Qilian, Kunlun, Tanggula, Bayankala, and Anyemaqen mountains) were high-risk areas for snow disasters in Qinghai Province.

Qinghai; the snow disaster risk; Logistic regression model

10.11686/cyxb2016108

http://cyxb.lzu.edu.cn

2016-03-09；改回日期：2016-04-28

國(guó)家自然科學(xué)基金項(xiàng)目(31372367)和國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(2013CBA01802)資助。

馬曉芳(1991-)，女，甘肅會(huì)寧人，在讀碩士。E-mail：ymaxiaofangy@163.com

*通信作者Corresponding author. E-mail：huangxd@lzu.edu.cn

馬曉芳, 黃曉東, 鄧婕, 王云龍, 梁天剛. 青海牧區(qū)雪災(zāi)綜合風(fēng)險(xiǎn)評(píng)估. 草業(yè)學(xué)報(bào), 2017, 26(2): 10-20.

MA Xiao-Fang, HUANG Xiao-Dong, DENG Jie, WANG Yun-Long, LIANG Tian-Gang. Comprehensive risk assessment of snow disasters in Qinghai Province. Acta Prataculturae Sinica, 2017, 26(2): 10-20.