太行山南麓氣象災(zāi)害風(fēng)險區(qū)劃
——以河南省衛(wèi)輝市為例

田曉璐

（新鄉(xiāng)市氣象局，河南新鄉(xiāng)453003）

太行山南麓氣象災(zāi)害風(fēng)險區(qū)劃
——以河南省衛(wèi)輝市為例

田曉璐

（新鄉(xiāng)市氣象局，河南新鄉(xiāng)453003）

為充分了解衛(wèi)輝市氣象災(zāi)害的時空分布特征，揭示太行山南麓復(fù)雜地形與氣象災(zāi)害分布間的關(guān)系，選取衛(wèi)輝市1961—2014年各鄉(xiāng)鎮(zhèn)災(zāi)情、DEM、GDP、轄區(qū)內(nèi)19個自動氣象站的降水及風(fēng)速數(shù)據(jù)等，利用層次分析法及主成分分析法構(gòu)建冰雹、大風(fēng)、暴雨和綜合氣象災(zāi)害風(fēng)險評估指標(biāo)體系，并依托ArcGIS繪制分辨率為30 m×30 m的災(zāi)害風(fēng)險區(qū)劃圖。結(jié)果表明：衛(wèi)輝市冰雹災(zāi)害風(fēng)險較高的地區(qū)主要分布在2條冰雹移動路徑上；大風(fēng)災(zāi)害風(fēng)險分布較分散，除獅豹頭、汲水鎮(zhèn)、后河鎮(zhèn)、李源屯鎮(zhèn)之外的鄉(xiāng)鎮(zhèn)均偏高；暴雨災(zāi)害風(fēng)險集中在衛(wèi)河、共產(chǎn)主義渠附近；安都、頓坊店、上樂村鎮(zhèn)、孫杏村鎮(zhèn)的綜合氣象災(zāi)害風(fēng)險較高。該研究可以提高當(dāng)?shù)貧庀蠓?wù)的針對性和指導(dǎo)性，為制訂防災(zāi)減災(zāi)措施提供科學(xué)依據(jù)。

氣象災(zāi)害；風(fēng)險區(qū)劃；層次分析法；主成分分析法；太行山南麓

0 引言

21世紀(jì)以來，中國因氣象災(zāi)害導(dǎo)致的經(jīng)濟(jì)損失相當(dāng)于全球同期值的8倍。IPCC第五次評估報告指出，氣候變暖毋庸置疑，氣象災(zāi)害對人民日常生活、社會經(jīng)濟(jì)發(fā)展的影響日趨嚴(yán)峻[1-2]。由于近些年自然環(huán)境持續(xù)惡化，河南省四大山脈之一——太行山南麓的森林覆蓋率僅有18.46%，水土流失日益加重。加之地形的陡然變化對氣流具有顯著的阻擋及引導(dǎo)作用[3-7]，致使山區(qū)極端天氣頻繁出現(xiàn)。衛(wèi)輝市處在太行山南麓與華北平原結(jié)合地帶，47.17%的區(qū)域?yàn)樘猩交鶐r山丘區(qū)及山前傾斜平原。受復(fù)雜地形影響，氣象災(zāi)害導(dǎo)致衛(wèi)輝市糧食減產(chǎn)甚至絕收的事件屢屢發(fā)生，農(nóng)業(yè)生產(chǎn)受到嚴(yán)重制約。

近年來，不少學(xué)者在氣象災(zāi)害風(fēng)險區(qū)劃方面取得了一定成果。丁一匯[8]指出，地形對雨團(tuán)移動路徑有很大影響，山脈東側(cè)或南側(cè)迎風(fēng)坡通常是暴雨多發(fā)地帶，如太行山、武夷山、伏牛山；張紅衛(wèi)等[9]采用統(tǒng)計(jì)法和流體力學(xué)法，分析河南省近30年風(fēng)速資料后得出，山區(qū)獨(dú)特的地形特征導(dǎo)致豫北地區(qū)風(fēng)速明顯偏大；董鵬捷等[10]通過多元線性回歸法建立了冰雹災(zāi)害風(fēng)險評估模型，利用ArcGIS實(shí)現(xiàn)北京地區(qū)冰雹災(zāi)害風(fēng)險區(qū)劃。然而，以往的研究在確定指標(biāo)權(quán)重時多以經(jīng)驗(yàn)為主的賦值法，評價結(jié)果不夠客觀。此外，統(tǒng)計(jì)數(shù)據(jù)通常以縣域?yàn)閱挝?，致使區(qū)劃結(jié)果分辨率低，使用效果不佳。

筆者將從目前國際流行的評估模型入手，配合主成分分析法及層次分析法確定指標(biāo)權(quán)重，最終依托AcrGIS空間分析功能繪制以30 m×30 m柵格為基本單元的衛(wèi)輝市冰雹、大風(fēng)、暴雨及綜合氣象災(zāi)害風(fēng)險區(qū)劃圖。結(jié)果能夠清晰呈現(xiàn)衛(wèi)輝市氣象災(zāi)害的易發(fā)區(qū)域，以期為政府及相關(guān)部門應(yīng)對氣候變化提供科學(xué)依據(jù)，最大程度地避免氣象災(zāi)害對當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)的不利影響。

1 資料與方法

1.1 資料來源

資料包括：2008—2014年衛(wèi)輝市19個自動氣象站逐日降水及風(fēng)速數(shù)據(jù)，來源于衛(wèi)輝市民政局、衛(wèi)輝市統(tǒng)計(jì)年鑒的1961—2014年各鄉(xiāng)鎮(zhèn)災(zāi)情普查資料（受災(zāi)人口、受災(zāi)面積、經(jīng)濟(jì)損失）和林地、耕地面積等[11-12]。基礎(chǔ)地理信息涵蓋了衛(wèi)輝市行政邊界、河流、土地利用類型以及分辨率為30 m×30 m的數(shù)字高程模型DEM。同時選擇了來自中科院資源環(huán)境科學(xué)數(shù)據(jù)中心的2010年全國人口、GDP公里網(wǎng)格數(shù)據(jù)。

1.2 主要研究方法

1.2.1 構(gòu)建評估模型在氣象災(zāi)害風(fēng)險區(qū)劃分析中，構(gòu)建評估模型是所有工作的核心[13-14]。目前，國際上流行的評估模型如公式(1)～(5)所示。其中，H、E、V、R分別表示致災(zāi)因子危險性、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損性和防災(zāi)減災(zāi)能力的風(fēng)險系數(shù)。XHI、XEI、XVI、XRI是指標(biāo)I量化后的值，WHI、WEI、WVI、WRI為相應(yīng)權(quán)重。DRI是各災(zāi)害的風(fēng)險系數(shù)，WH、WE、WV、WR表示H、E、V、R的權(quán)重。

1.2.2 主成分分析法主成分分析法通過降維把多指標(biāo)化簡為幾個不相關(guān)的綜合指標(biāo)，并利用指標(biāo)間的相互關(guān)系確定權(quán)重，可有效避免人為因素帶來的偏差。方差是確定主成分個數(shù)的依據(jù)，方差越大，主成分包含的信息量越大，通常以方差貢獻(xiàn)率累計(jì)＞70%作為確定評價模型的標(biāo)準(zhǔn)[15-17]。

1.2.3 層次分析法層次分析法是靈活、實(shí)用的多準(zhǔn)則決策方法，對于難以用定量指標(biāo)分析的事件極為適用。首先根據(jù)各指標(biāo)間的關(guān)系建立遞階層次模型，由上至下分為決策目標(biāo)層、準(zhǔn)則層、措施層。然后將同一層指標(biāo)相對于上層指標(biāo)重要性兩兩比較后建立判斷矩陣，利用冪法求解最大特征值和特征向量進(jìn)而得出權(quán)重[18]。

2 結(jié)果與分析

表1 方差分解主成分提取分析表

2.1 致災(zāi)因子危險性

致災(zāi)因子是氣象災(zāi)害能否發(fā)生的先決條件，在災(zāi)害形成中起決定性作用，致災(zāi)因子強(qiáng)度越大氣象災(zāi)害造成的損失越嚴(yán)重。

2.1.1 冰雹致災(zāi)因子危險性衛(wèi)輝市國家級氣象觀測站僅有1個，鑒于冰雹是由強(qiáng)對流系統(tǒng)引起的劇烈的局地性天氣，存在降落于氣象站之外而未被觀測員記錄的可能性，因此選用衛(wèi)輝市1961—2014年各鄉(xiāng)鎮(zhèn)冰雹致災(zāi)次數(shù)作為致災(zāi)因子危險性指標(biāo)。

2.1.2 大風(fēng)致災(zāi)因子危險性選取衛(wèi)輝市1961—2014年各鄉(xiāng)鎮(zhèn)大風(fēng)致災(zāi)次數(shù)及2012—2014年各自動站極大風(fēng)速均值、大風(fēng)日數(shù)均值。在權(quán)重分配方面，采用主成分分析法。使用SPSS的Z-score法對數(shù)據(jù)標(biāo)準(zhǔn)化后進(jìn)行分析，結(jié)果如表1～2所示。特征值反應(yīng)映了主成分影響力度，主成分方差表征主成分包含的信息量，通常以方差貢獻(xiàn)率累計(jì)＞70%為標(biāo)準(zhǔn)確定主成分個數(shù)。通過表1可見，第1主成分的特征值為2.198，方差貢獻(xiàn)率為73.253%，因此提取第1主成分即可反應(yīng)原指標(biāo)足夠信息。載荷表示主成分與變量間的關(guān)聯(lián)程度。通過表2發(fā)現(xiàn)，大風(fēng)日數(shù)均值載荷最高，說明第1主成分著重體現(xiàn)大風(fēng)日數(shù)的信息。

表2 載荷矩陣

用表2各載荷除以表1中與之對應(yīng)的特征值開平方后，將系數(shù)歸一化處理，得到如公式(6)所示的大風(fēng)致災(zāi)因子危險性評估模型。其中，H1為大風(fēng)致災(zāi)次數(shù)，H2為極大風(fēng)速均值，H3為大風(fēng)日數(shù)均值。權(quán)重分別為0.303、0.313、0.384。

2.1.3 暴雨致災(zāi)因子危險性對于暴雨洪災(zāi)，持續(xù)的暴雨是主導(dǎo)因子。將衛(wèi)輝市歷年降水量進(jìn)行統(tǒng)計(jì)分析后發(fā)現(xiàn)，一次暴雨過程延續(xù)可達(dá)3～4天，故最大3日降水量對暴雨致災(zāi)的影響不容忽視[19]。因此，選取了衛(wèi)輝市1961—2014年各鄉(xiāng)鎮(zhèn)暴雨致災(zāi)次數(shù)、2008—2014年各自動站平均日降水量達(dá)到暴雨日數(shù)、平均最大3日降水量作為致災(zāi)因子危險性指標(biāo)。采取主成分分析法對數(shù)據(jù)進(jìn)行分析，得到如公式(7)所示的暴雨致災(zāi)因子危險性評估模型。其中，H1為暴雨致災(zāi)次數(shù)，H2為平均日降水量達(dá)到暴雨日數(shù)，H3為平均最大3日降水量。權(quán)重分別為0.415、0.363、0.222。

2.2 孕災(zāi)環(huán)境敏感性

孕災(zāi)環(huán)境是孕育氣象災(zāi)害的自然環(huán)境，包括地形地貌、海拔、河流水系分布等因素。在災(zāi)害強(qiáng)度等同的情況下，伴隨孕災(zāi)環(huán)境敏感性增加，災(zāi)害風(fēng)險也會隨之提升。

2.2.1 冰雹孕災(zāi)環(huán)境敏感性大量研究資料證實(shí)山區(qū)降雹頻次明顯高于平原，海拔高且起伏大的地區(qū)對近地層大氣有明顯抬升作用，雹云進(jìn)入這種水平輻合場后會顯著加強(qiáng)。海拔高度可以從30 m×30 m的DEM中提取出來，而地形起伏特征則借助高程標(biāo)準(zhǔn)差予以描述，高程標(biāo)準(zhǔn)差越大起伏越明顯。根據(jù)上述原則完成的賦值如表3所示。處在太行山區(qū)的衛(wèi)輝市東拴馬鄉(xiāng)與輝縣市、林州市交界處是豫北主要冰雹源地之一。據(jù)衛(wèi)輝市市志記載，冰雹自西北部山區(qū)形成后，通常有2條朝向東南方移動的路徑。ArcGIS緩沖區(qū)工具可根據(jù)被分析目標(biāo)的形態(tài)，自動建立帶狀區(qū)域以展現(xiàn)對周邊的影響度。為更好呈現(xiàn)冰雹高發(fā)區(qū)，將衛(wèi)輝市兩條冰雹移動路徑的坐標(biāo)逐個投射到地圖并連線，借助緩沖區(qū)工具對移動路徑各進(jìn)行1、3、5 km 3級緩沖區(qū)分析，并為1級、2級、3級及非緩沖區(qū)分別賦值0.9、0.7、0.5、0.3。借此，雹云4級影響范圍可直觀地呈現(xiàn)[20]。

表3 高程與高程標(biāo)準(zhǔn)差組合賦值表

2.2.2 暴雨孕災(zāi)環(huán)境敏感性洪澇災(zāi)害與地形特征緊密相連，即使降水量相當(dāng)，不同地區(qū)受災(zāi)程度也會截然不同。海拔低且地形起伏平緩的地方由于積水不易排出，將大大提升致災(zāi)的可能性。此外，衛(wèi)輝市境內(nèi)的四座水庫和多條水系也增加了洪澇災(zāi)害的潛在風(fēng)險，強(qiáng)降水會引發(fā)河水猛漲，離河流越近越容易被洪水圍困。因此，從地形和河流緩沖區(qū)對孕災(zāi)環(huán)境敏感性進(jìn)行探索。

2.3 承災(zāi)體易損性

衛(wèi)輝市的土地資源經(jīng)過長期開發(fā)，逐步形成了以耕地為主的土地利用模式。轄區(qū)內(nèi)耕地面積約41998hm2，占土地總面積的48.90%。然而，農(nóng)作物是氣象災(zāi)害最主要的承災(zāi)體，產(chǎn)量與氣象條件息息相關(guān)。結(jié)合衛(wèi)輝市的特點(diǎn)，確定了人均耕地面積、人口數(shù)量、土地利用類型易損性作為承災(zāi)體易損性指標(biāo)。人口數(shù)量來源于中科院資源環(huán)境科學(xué)數(shù)據(jù)中心的公里網(wǎng)格數(shù)據(jù)，該數(shù)據(jù)將人口數(shù)量展布到每個公里網(wǎng)格上，打破了以行政單元為統(tǒng)計(jì)區(qū)域的局限，使區(qū)劃結(jié)果更貼近實(shí)際。衛(wèi)輝市土地分為耕地、城鎮(zhèn)用地、林地、草地、水體、鹽堿地，考慮到不同土地利用類型受災(zāi)差異顯著，因此對其易損性指數(shù)分別賦0.9、0.8、0.7、0.6、0.5、0.4、0.3。

采用層次分析法對各指標(biāo)進(jìn)行權(quán)重分配。按照相對承災(zāi)體易損性的重要程度，將人均耕地面積、人口數(shù)量、土地利用類型易損性按(1/9)～9尺度兩兩比較，得到如表4所示的判斷矩陣。通過Excel求解，判斷矩陣的最大特征值λmax=3.018，特征向量w=(0.24,0.55, 0.21)。由于人類思維的主觀性和片面性會使評價過程產(chǎn)生偏差，對判斷矩陣進(jìn)行一致性檢驗(yàn)必不可少。隨機(jī)一致性比率CR是一致性指標(biāo)CI與隨機(jī)一致性指標(biāo)RI的比值，若CR＜0.10則通過檢驗(yàn)。解得：CI=0.009，RI=0.52，CR=0.017＜0.10，結(jié)果符合要求。承災(zāi)體易損性評估模型為公式(8)所示，V1為人均耕地面積、V2為人口數(shù)量、V3為土地利用類型易損性。權(quán)重分別為0.24、0.55、0.21。

表4 承災(zāi)體易損性判斷矩陣

2.4 防災(zāi)減災(zāi)能力

防災(zāi)減災(zāi)能力指防御氣象災(zāi)害及災(zāi)后重建能力。森林在預(yù)防災(zāi)害方面起到了至關(guān)重要的作用，它不僅可以防風(fēng)固沙，而且能夠有效削弱土壤向大氣中的水汽輸送，從根本上抑制災(zāi)害天氣發(fā)生。此外，還考慮到在總體經(jīng)濟(jì)狀況較好的情況下，防災(zāi)措施和災(zāi)后恢復(fù)能力都會隨之提升，因此選取林地面積及GDP這2個具有代表性的指標(biāo)表征各鄉(xiāng)鎮(zhèn)的防災(zāi)減災(zāi)能力。

2.5 災(zāi)害風(fēng)險評估

2.5.1 冰雹災(zāi)害風(fēng)險評估將衛(wèi)輝市冰雹致災(zāi)因子危險性、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損性、防災(zāi)減災(zāi)能力各指標(biāo)權(quán)重加以匯總，得到如表5所示的冰雹災(zāi)害風(fēng)險評估指標(biāo)體系。最終通過ArcGIS克里金插值、柵格計(jì)算器、緩沖區(qū)等工具生成冰雹災(zāi)害風(fēng)險區(qū)劃圖（見圖1）?？梢姡挥?條主要冰雹移動路徑的鄉(xiāng)鎮(zhèn)災(zāi)害風(fēng)險普遍偏高，安都、頓坊店、上樂村鎮(zhèn)風(fēng)險最高。

表5 冰雹災(zāi)害風(fēng)險評估指標(biāo)體系

2.5.2 大風(fēng)災(zāi)害風(fēng)險評估將各指標(biāo)權(quán)重匯總得到如表6所示的大風(fēng)災(zāi)害風(fēng)險評估指標(biāo)體系，大風(fēng)災(zāi)害風(fēng)險區(qū)劃圖如圖2所示?？梢?，除獅豹頭、汲水鎮(zhèn)、后河鎮(zhèn)、李源屯鎮(zhèn)外，其他鄉(xiāng)鎮(zhèn)大風(fēng)災(zāi)害風(fēng)險均較高。

圖1 衛(wèi)輝市冰雹災(zāi)害風(fēng)險區(qū)劃圖

表6 大風(fēng)災(zāi)害風(fēng)險評估指標(biāo)體系

圖2 衛(wèi)輝市大風(fēng)災(zāi)害風(fēng)險區(qū)劃圖

2.5.3 暴雨災(zāi)害風(fēng)險評估暴雨災(zāi)害風(fēng)險評估指標(biāo)體系如表7所示。由圖3可見，位于河流附近的孫杏村鎮(zhèn)、汲水鎮(zhèn)、頓坊店、上樂村鎮(zhèn)災(zāi)害風(fēng)險較高，太公泉鎮(zhèn)、后河鎮(zhèn)、李源屯鎮(zhèn)、獅豹頭災(zāi)害風(fēng)險較低。

表7 暴雨災(zāi)害風(fēng)險評估指標(biāo)體系

圖3 衛(wèi)輝市暴雨災(zāi)害風(fēng)險區(qū)劃圖

2.5.4 綜合氣象災(zāi)害風(fēng)險評估采取層次分析法得到衛(wèi)輝市綜合氣象災(zāi)害風(fēng)險評估模型如公式(9)所示。其中，Z1為冰雹、Z2為大風(fēng)、Z3為暴雨。由綜合氣象災(zāi)害風(fēng)險區(qū)劃圖（見圖4）可見，安都、頓坊店、上樂村鎮(zhèn)、孫杏村鎮(zhèn)，由于臨近河流、位于冰雹主要移動路徑等原因，災(zāi)害風(fēng)險較高。而后河鎮(zhèn)、李源屯鎮(zhèn)、龐寨、汲水鎮(zhèn)、獅豹頭，由于林地覆蓋面積大、經(jīng)濟(jì)較發(fā)達(dá)等各種因素，災(zāi)害風(fēng)險較低。

3 結(jié)論與討論

筆者從氣象災(zāi)害系統(tǒng)理論出發(fā)，從致災(zāi)因子危險性、孕災(zāi)環(huán)境敏感性、承災(zāi)體易損性、防災(zāi)減災(zāi)能力4方面考慮，借助ArcGIS強(qiáng)大的空間信息處理功能，實(shí)現(xiàn)了以30 m×30 m柵格為單元的衛(wèi)輝市冰雹、大風(fēng)、暴雨及綜合氣象災(zāi)害風(fēng)險區(qū)劃。結(jié)果表明：（1）衛(wèi)輝市冰雹災(zāi)害風(fēng)險較高的地區(qū)主要分布在2條冰雹移動路徑上；（2）大風(fēng)災(zāi)害風(fēng)險較高的地區(qū)為除了獅豹頭、汲水鎮(zhèn)、后河鎮(zhèn)、李源屯鎮(zhèn)以外的鄉(xiāng)鎮(zhèn)；（3）暴雨災(zāi)害風(fēng)險較高的地區(qū)分布在河流附近的孫杏村鎮(zhèn)、汲水鎮(zhèn)、頓坊店、上樂村鎮(zhèn)；（4）綜合氣象災(zāi)害風(fēng)險主要集中在安都、頓坊店、上樂村鎮(zhèn)及孫杏村鎮(zhèn)。該結(jié)果直觀地展現(xiàn)了衛(wèi)輝市氣象災(zāi)害的分布特點(diǎn)，對政府及相關(guān)部門因地制宜采取減災(zāi)對策，妥善調(diào)整土地利用現(xiàn)狀提供了科學(xué)依據(jù)。

氣象災(zāi)害產(chǎn)生的機(jī)理復(fù)雜，涉及的因素也較多。太行山南麓復(fù)雜的地形特征導(dǎo)致衛(wèi)輝市氣象災(zāi)害具有較強(qiáng)的地域性，更增加了風(fēng)險管理和區(qū)劃分析的難度。本研究選取了公里網(wǎng)格化的人口數(shù)量、GDP數(shù)據(jù)，結(jié)果以氣象災(zāi)害的實(shí)際區(qū)域?yàn)榻缇€，打破了以行政單元為統(tǒng)計(jì)范圍的制約，區(qū)劃精度大幅提高。ArcGIS緩沖區(qū)工具為分析衛(wèi)輝市雹云的影響范圍提供便利，使冰雹易發(fā)區(qū)更加清晰的呈現(xiàn)。此外，采用主成分分析法及層次分析法計(jì)算指標(biāo)權(quán)重，使區(qū)劃結(jié)果更為科學(xué)、客觀。

圖4 衛(wèi)輝市綜合氣象災(zāi)害風(fēng)險區(qū)劃圖

[1]孫穎,秦大河,劉洪濱.IPCC第五次評估報告不確定性處理方法的介紹[J].氣候變化研究進(jìn)展,2012(2):150-153.

[2]Fujibe F,Yamazaki N,Kobayashi K.Long term changes of heavy precipitation and dry weather in Japan(1901-2004)[J].J Meteor soe Japan,2006,84(6):1033-1046.

[3]陶詩言.中國之暴雨[M].北京:科學(xué)出版社,1980:3-7.

[4]柴東紅,景華,孟凱,等.地形暴雨的多普勒天氣雷達(dá)觀測分析[J].氣象科學(xué),2010,30(3):366-372.

[5]徐國強(qiáng),胡欣,蘇華.太行山地形對“96.8”暴雨影響的數(shù)值試驗(yàn)研究[J].氣象,1999,25(7):3-7.

[6]范廣洲,呂世華.地形對華北地區(qū)夏季降水影響的數(shù)值模擬研究[J].高原氣象,1999,18(4):659-667.

[7]張紅衛(wèi),陳懷亮.基于地理信息系統(tǒng)的河南省雷暴分布[J].自然災(zāi)害學(xué)報,2011,20(1):110-114.

[8]丁一匯.暴雨洪澇[M].北京:氣象出版社,2009:25-37.

[9]張紅衛(wèi),陳懷亮,張弘.基于GIS的河南省風(fēng)能資源時空分布及利用[J].自然資源學(xué)報,2011,26(6):1021-1029.

[10]董鵬捷,王建捷.北京地區(qū)冰雹災(zāi)害風(fēng)險評估模型及風(fēng)險區(qū)劃[J].暴雨災(zāi)害,2012,31(1):29-34.

[11]衛(wèi)輝市人民政府.衛(wèi)輝市年鑒[M].衛(wèi)輝:衛(wèi)輝市地方史志辦公室, 2013:65-72.

[12]姚航,楊建芳,沙正運(yùn),等.衛(wèi)輝市志(1989～2000)[M].鄭州:中州古籍出版社,2008:29-33.

[13]張婧,郝立生,許曉光.基于GIS技術(shù)的河北省洪澇災(zāi)害風(fēng)險區(qū)劃與分析[J].災(zāi)害學(xué),2009,24(2):51-56.

[14]趙靜,張繼權(quán),嚴(yán)登華,等.基于格網(wǎng)GIS的豫北地區(qū)干旱災(zāi)害風(fēng)險區(qū)劃[J].災(zāi)害學(xué),2012,27(1):55-58.

[15]張紅衛(wèi),申雙和,陳懷亮.冬季溫度的主成分分析[J].安徽農(nóng)業(yè)科學(xué), 2008,36(25):10725-10728.

[16]李艷雙,曾珍香,張閩,等.主成分分析法在多指標(biāo)綜合評價方法中的應(yīng)用[J].河北工業(yè)大學(xué)學(xué)報,1999,28(1):94-97.

[17]宇傳華.SPSS與統(tǒng)計(jì)分析[M].北京:電子工業(yè)出版社,2014:496-510.

[18]曹茂林.層次分析法確定評價指標(biāo)權(quán)重及Excel計(jì)算[J].江蘇科技信息,2012(2):39-40.

[19]周成虎,萬慶,黃詩峰,等.基于GIS的洪水災(zāi)害風(fēng)險區(qū)劃研究[J].地理學(xué)報,2000,55(1):15-24.

[20]李麗華,陳洪武,毛煒嶧,等.基于GIS的阿克蘇地區(qū)冰雹災(zāi)害風(fēng)險區(qū)劃及評價[J].干旱區(qū)研究,2010,27(2):224-229.

Risk Zonation of Meteorological Disaster in Southern Taihang Mountains——Taking Weihui in Henan as an Example

Tian Xiaolu
(The Meteorological Administration of Xinxiang,Xinxiang 453003,Henan,China)

The paper aims to understand the temporal and spatial characteristics of meteorological disaster in Weihui,and reveal the relationship between the complex terrain of southern Taihang Mountains and meteorological disasters.The author used the data from 1961 to 2014,including disaster,DEM,GDP,daily precipitation and wind speed of 19 automatic meteorological stations,to construct the risk evaluation index system of hail,gale,rainstorm and comprehensive meteorological disaster by means of AHP and PCA;the zoning map with resolution of 30 m×30 m meters was drawn by ArcGIS.The results showed that:the high risk zones of hail disaster mainly distributed in two moving paths to the surrounding areas;the risk of gale disaster was rather dispersed and higher except that in Shibaotou,Jishui,Houhe and Liyuantun;rainstorm disaster was prone to take place around Wei River and Communist canal;overall,the risk of comprehensive meteorological disaster was higher in Andu,Dunfangdian,Shangle and Sunxing.The study can improve the pertinence and guiding of local meteorological service,and provide a basis to formulate the mitigation measures.

Meteorological Disaster;Risk Zonation;AHP;PCA;Southern Taihang Mountains

S166

A論文編號：cjas16090009

新鄉(xiāng)市科技發(fā)展計(jì)劃項(xiàng)目“基于GIS的新鄉(xiāng)市氣象災(zāi)害風(fēng)險評估和區(qū)劃研究”(14SF01)。

田曉璐，女，1988年出生，河南新鄉(xiāng)人，助理工程師，本科，主要從事應(yīng)用氣象方面的研究。通信地址：453003河南省新鄉(xiāng)市紅旗區(qū)牌坊街1號新鄉(xiāng)市氣象局，Tel：0373-3052145，E-mail：243490253@qq.com。

2016-09-19，

2016-12-21。