福州市農(nóng)作物臺風災害風險評估

林瑞坤，蔡　敏，陳清華，游儒蔚

(福州農(nóng)業(yè)氣象試驗站　350001)

在全球氣候變暖和快速城市化的背景下，臺風及其引發(fā)的大風、暴雨和風暴潮的強度和頻率增高，臺風災害對沿海地區(qū)造成的損失加大，嚴重威脅著人類社會的可持續(xù)發(fā)展[1]。福州市地處東南沿海，人口密集、經(jīng)濟發(fā)達，臺風災害常給農(nóng)業(yè)生產(chǎn)造成重大經(jīng)濟損失，是導致福州農(nóng)作物產(chǎn)量下降的主要風險因素之一。臺風在福州年均發(fā)生5次，主要發(fā)生在6-10月，以7-9月最多。因此，評估福州市農(nóng)作物臺風災害風險對預防和減輕臺風災害具有重要意義。

近年來，國內(nèi)眾多專家學者熱衷于暴雨、干旱、洪澇、寒潮和臺風等各種自然災害風險評估研究[2-8]，有關(guān)臺風災害風險評估的研究報道也較多，但研究側(cè)重點有所不同。張廣平等[9]開展基于模糊神經(jīng)網(wǎng)絡(luò)的臺風災害損失模型及應用研究；楊忠恩等[10]采用綜合災害風險指數(shù)法開展熱帶氣旋對浙江省農(nóng)業(yè)影響的風險區(qū)劃；劉曉慶等[11]開展基于灰色關(guān)聯(lián)度的臺風災害影響因素分析研究；陳香[12]采用災害風險指數(shù)法和加權(quán)綜合評價法對福建省臺風災害進行風險評估與區(qū)劃；馮利華[13]基于熱帶氣旋出現(xiàn)次數(shù)對東南沿海各省的熱帶氣旋進行了風險分析；殷潔等[14]從臺風災害成災機理出發(fā)對承災體脆弱性進行評估；牛海燕等[15]采用臺風災次指數(shù)和承災體指數(shù)對中國沿海地區(qū)臺風災害風險開展評價。本文基于信息擴散理論的模糊計算方法，利用歷年臺風所造成的農(nóng)業(yè)受災和成災面積資料，客觀分析和評估福州市臺風災害給農(nóng)作物帶來的風險，旨在揭示農(nóng)業(yè)水災風險發(fā)生規(guī)律和強度，為相關(guān)部門制定防范措施提供科學依據(jù)。

1　材料與方法

1.1　數(shù)據(jù)來源

2001年以前，農(nóng)作物因臺風受災的災情數(shù)據(jù)沒有單獨統(tǒng)計，均籠統(tǒng)地包括在風雹災情中。因此，在農(nóng)作物臺風災害風險評估中，選取福州市2001-2016年共16年的農(nóng)作物臺風災害的受災和成災面積資料作為臺風災害風險分析的基礎(chǔ)數(shù)據(jù)[22]，資料來源于《福州統(tǒng)計年鑒》和《中國氣象災害年鑒》。

1.2　風險評估方法

氣象災害的致險程度評估方法有很多，如神經(jīng)網(wǎng)絡(luò)法、熵權(quán)分析法、鄰域類比法、專家打分法、多指標綜合評估法、災害情景模擬法和頻率統(tǒng)計法等。因樣本較少，通過綜合考慮，本研究適合應用頻率統(tǒng)計法中的模糊評價方法。信息擴散是為了彌補信息不足而考慮優(yōu)化利用樣本模糊信息的一種對樣本進行集值化的模糊數(shù)學處理方法。該方法可以將只有一個觀測值的樣本，變成一個模糊集，通過優(yōu)化利用樣本模糊信息來彌補小樣本導致的信息不足，從而得出小概率事件的致災程度。最簡單的模型是正態(tài)擴散模型。

具體評估方法，首先是建立致災強度指標系列，即設(shè)單值觀測樣本(yj)。

yj={y1，y2，…，ym}

(1)

設(shè)指標離散論域為：

ui={u1，u2，…，un}

(2)

式(2)中u1，u2，…，un為控制點。按照下式(3)，一個單值觀測樣本yj可以將其所攜帶的信息擴散給ui中的所有點：

(3)

式(3)中h為擴散系數(shù)，可根據(jù)樣本集合中樣本的最大值b、最小值a和樣本個數(shù)m來確定：

(4)

則就將單值觀測樣本yj變成一個以μyi(ui)。為隸屬函數(shù)的模糊集。

令：

(5)

相應的模糊子集的隸屬函數(shù)為：

μyi(ui)=fj(ui)/cj

(6)

稱μyi(ui)。為樣本yj的歸一化信息分布。

對μyi(ui) 進行處理，令

(7)

其物理意義是：由觀測樣本集合{y1，y2，…，ym}，經(jīng)信息擴散推斷出，如果樣本觀測值只能取u1，u2，…，un中的一個，那么，在將yj均看作是樣本代表時，觀測值為ui的樣本個數(shù)為q(ui)個。顯然，q(ui)通常不是一個正整數(shù)，但一定是一個不小于零的數(shù)。

再令：

(8)

事實上，Q 就是各ui點上的樣本數(shù)的總和。已知：

P(ui)=q(ui)/Q

(9)

就是樣本落在ui處的頻率值，可以作為概率的估計值。

對于單值觀測樣本指標yj={y1，y2，…，ym}，通常將yj取為式(2)中的指標離散論域，yj取為論域U中的一個元素ui。顯然，超越ui的概率值應為：

(10)

P(u≥ui) 就是所要求的風險估計值。

1.3　選取臺風致災風險指標

選取農(nóng)作物臺風災害受災指數(shù)和成災指數(shù)作為致災風險指標進行臺風災害風險分析，各災害指數(shù)定義為：

受災指數(shù)(%)=受災面積/種植面積

上式中：受災面積指因臺風災害造成農(nóng)作物產(chǎn)量減產(chǎn)幅度超過正常產(chǎn)量10%的面積。

成災指數(shù)(%)=成災面積/種植面積

上式中：成災面積指因臺風災害造成農(nóng)作物產(chǎn)量減產(chǎn)幅度超過正常產(chǎn)量30%的面積。

2　結(jié)果與分析

2.1　2001-2016年農(nóng)作物臺風災害分析

臺風來襲常伴有大風和暴雨，容易造成農(nóng)作物大面積倒伏和機械損傷，設(shè)施大棚大量被毀，給農(nóng)業(yè)生產(chǎn)造成較大損失。從福州地區(qū)歷年臺風受災、成災指數(shù)曲線圖(圖1)可見，2001-2016年福州市農(nóng)作物臺風受災指數(shù)介于0～17.75%之間，歷年平均值為5.53%；受災指數(shù)≥10%的年份占到31.3%，分別出現(xiàn)在2001年、2005年、2013年、2015年和2016年，最大值出現(xiàn)在2005年，臺風受災面積達5.6萬hm2；歷年臺風成災指數(shù)為0～8.24%之間，平均值為2.62%，成災指數(shù)≥5%的年份有2001年、2005年、2012年和2015年，占統(tǒng)計年份的25.0%，最大值出現(xiàn)在2005年，臺風成災面積達2.6萬hm2。

在統(tǒng)計資料中，2003年臺風對福州農(nóng)作物的影響不大，未造成災害損失，當年臺風受災和成災指數(shù)均為0，說明當年福州市的農(nóng)業(yè)生產(chǎn)受臺風影響的概率較小。從臺風受災指數(shù)和成災指數(shù)的年際狀況來看，臺風受災指數(shù)和臺風成災指數(shù)的年際波動狀況比較一致，臺風受災指數(shù)和成災指數(shù)最大值均出現(xiàn)在2005年。2005年登陸或影響福州的臺風有6個，其中3個臺風(5號“海棠”臺風、13號“泰利”臺風、19號“龍王”臺風)對福州造成嚴重災害。特別是19號“龍王”臺風，強度強、結(jié)構(gòu)密實、移動速度快，給福州市帶來嚴重危害。此次過程沿海普遍出現(xiàn)12級以上大風，大部分縣(市)城區(qū)出現(xiàn)8級以上大風，福州地區(qū)均出現(xiàn)暴雨到特大暴雨，臺風過程雨量為100～340 mm；適逢天文大潮和臺風引發(fā)的風暴潮增水，閩江潮水水位異常升高，使得城區(qū)澇水受洪潮頂托，延長了排泄時間。福州市受災嚴重，受災人口達223.93萬人，房屋倒塌14 018間，直接經(jīng)濟損失35.59億元；受淹汽車8000多輛，停產(chǎn)工礦企業(yè)1647家；水利、電力、通訊、道路等基礎(chǔ)設(shè)施損毀嚴重；農(nóng)作物受災4.8萬hm2，成災2.4萬hm2，牲畜死亡6.06萬頭。

圖1　2001-2016年福州市農(nóng)作物臺風災害受災指數(shù)和成災指數(shù)

2.2　農(nóng)作物臺風災害風險評估

采用基于信息擴散理論的模糊計算方法進行農(nóng)作物臺風災害風險評估，根據(jù)農(nóng)作物受災指數(shù)和成災指數(shù)的變化范圍，以及將連續(xù)論域等間距取點，取農(nóng)作物臺風受災指數(shù)離散論域ui為：{0，0.02，0.04，0.06，0.08，0.1，0.12，0.14，0.16，0.18，0.2}，取農(nóng)作物臺風成災指數(shù)離散論域ui為：{0，0.01，0.02，0.03，0.04，0.05，0.06，0.07，0.08，0.09，0.1}，按照式(3)至(6)進行計算，得出受災指數(shù)和成災指數(shù)的歸一化信息分布μyi(ui)，然后根據(jù)式(7)至(10)計算得出各風險水平的農(nóng)作物受災和成災的風險概率值(表1)。

由表1可見，農(nóng)作物因臺風受災和成災的風險概率隨著臺風災害風險水平的提高而下降。當農(nóng)作物臺風受災風險水平即臺風造成的農(nóng)作物受災面積占種植面積比例為2%、6%、12%和18%時，福州市農(nóng)作物因臺風受災的風險概率為0.8054、0.3067、0.1137和0.0318，即意味著因臺風造成的農(nóng)作物受災面積達種植面積2%、6%、12%和18%時出現(xiàn)1.2年、3.3年、8.8年和31.4年一遇風險；當受災風險水平上升至20%時，福州市農(nóng)作物臺風受災風險概率約為156.3年一遇。在平均受災風險水平時，即臺風造成的農(nóng)作物受災面積占種植面積比例達5.53%時，受災風險概率為0.3156，即3.2年一遇。

表1　福州市農(nóng)作物臺風受災和成災的風險概率

從成災風險來看，當農(nóng)作物因臺風成災風險水平即臺風造成的農(nóng)作物成災面積占播種面積比例為1%、3%、5%和8%時，臺風成災風險概率值為0.5331、0.3577、0.1983和0.0334，即意味著因臺風造成的農(nóng)作物成災面積達播種面積1%、3%、5%和8%時出現(xiàn)1.9年、2.8年、5.0和29.9年一遇風險；當成災風險水平達到10%時，福州市農(nóng)作物臺風成災風險約為434.8年一遇。在平均成災風險水平時，即臺風造成的農(nóng)作物成災面積占種植面積比例達2.62%時，成災風險概率為0.3657，即2.7年一遇。

3　結(jié)論

本文基于正態(tài)信息擴散法對福州市農(nóng)作物受臺風災害影響，受災和成災的概率進行風險評估，利用直接發(fā)生頻次法對風險評估結(jié)果進行檢驗，實際評估效果較好。得出如下主要結(jié)論：

(1)福州市農(nóng)作物臺風成災指數(shù)與受災指數(shù)的年際波動狀況較為一致，可以反映臺風災害的影響范圍，受災指數(shù)和成災指數(shù)最大值均出現(xiàn)在2005年。

(2)農(nóng)作物因臺風受災和成災的風險概率隨著災害風險水平的提高而下降，受災風險大于成災風險；在平均受災和成災風險水平時，即臺風造成的農(nóng)作物受災和成災面積占種植面積比例分別達5.53%和2.62%時，受災和成災風險分別約3.2年一遇和2.7年一遇。

(3)運用信息擴散理論模型對福州市農(nóng)作物臺風災害進行風險分析，不但給出了福州市農(nóng)作物臺風災害影響的時間頻率，還給出了定量分析，結(jié)果直觀、簡便，便于對福州市農(nóng)作物臺風災害的認識。

參考文獻：

[1]廖永豐，趙飛，王志強，等.2000-2011年中國自然災害災情空間分布格局分析[J].災害學，2013，28(4)：55-60.

[2]吳息，楊靜.利用信息擴散模式對浙江省大暴雨的風險分析[J].災害學，2002，17(4)：7-10.

[3]杜曉燕，黃歲樑，趙慶香.基于信息擴散理論的天津旱澇災害危險性評估[J].災害學，2009，24(1)：22-25.

[4]羅培.基于GIS的重慶市干旱災害風險評估與區(qū)劃[J].中國農(nóng)業(yè)氣象，2007，28(1)：100-104.

[5]陳家金，王加義，林晶，等.基于信息擴散理論的東南沿海三省農(nóng)業(yè)干旱風險評估[J].干旱地區(qū)農(nóng)業(yè)研究，2010，28(6)：248-251.

[6]王加義，陳家金，林晶，等.基于信息擴散理論的福建省農(nóng)業(yè)水災風險評估[J].自然資源學報，2012，27(9)：1497-1503.

[7]李梅，張洪波，黃強，等.基于信息擴散估計的洪水風險分析[J].中北大學學報：自然科學版，2007，28(3)：193-198.

[8]劉引鴿，繆啟龍，高慶九.基于信息擴散理論的氣象災害風險評價方法[J].氣象科學，2005，25(1)：84-89.

[9]張廣平，謝忠，羅顯剛，等.基于模糊神經(jīng)網(wǎng)絡(luò)的臺風災害損失模型及應用[J].國土資源科技管理，2012，25(6)：135-140.

[10]楊忠恩，金志鳳，胡波，等.熱帶氣旋對浙江省農(nóng)業(yè)影響的風險區(qū)劃[J].生態(tài)學雜志，2011，30(12)：2821-2826.

[11]劉曉慶，陳仕鴻.基于灰色關(guān)聯(lián)度的臺風災害影響因素分析[J].農(nóng)業(yè)災害研究，2015，5(7)：32-33，48.

[12]陳香.福建省臺風災害風險評估與區(qū)劃[J].生態(tài)學雜志，2007，26(6)：961-966.

[13]馮利華.熱帶氣象的風險評估[J].海洋通報，1999，18(2)：40-43.

[14]殷潔，戴爾阜，吳紹洪.中國臺風災害綜合風險評估與區(qū)劃[J].地理科學，2013，33(11)：1370-1376.

[15]牛海燕，劉敏，陸敏，等.中國沿海地區(qū)近20年臺風災害風險評價[J].地理科學，2011，31(6)：764-768.